Kuis AKHIR (Posttest) Sesi 7 Modul 4 Kelas C

Apa tujuan utama dari K-Means Clustering?

• Memprediksi variabel target dalam data

• Membuat grup data berdasarkan kesamaan

• Mengidentifikasi korelasi antar variabel

• Menentukan variabel bebas

Pada algoritma K-Means, parameter k menunjukkan...

• Jumlah centroid yang digunakan

• Jumlah fitur dalam dataset

• Jumlah kluster yang diinginkan

• Ukuran dataset

Apa hasil akhir dari K-Means Clustering?

• Prediksi untuk data baru

• Beberapa grup data yang serupa dalam satu kluster

• Grafik distribusi data

• Nilai akurasi model

Jika kita tidak yakin jumlah kluster optimal, metode evaluasi yang dapat digunakan adalah...

• Confusion Matrix

• Elbow Method

• Cross-Validation

• ROC Curve

Pada K-Means, setiap titik data akan...

• Diberi label sesuai dengan posisi awal centroid

• Dikelompokkan ke kluster yang centroid-nya terdekat

• Dipindahkan ke kluster dengan centroid terjauh

• Ditempatkan secara acak dalam setiap iterasi

Ketika memilih jumlah kluster optimal menggunakan Elbow Method, kita mencari titik di mana...

• Nilai inertia menurun secara konstan

• Terjadi penurunan besar dalam inertia

• Nilai inertia menjadi nol

• Penurunan inertia mulai melambat

Jika titik-titik data dalam kluster K-Means mulai terdistribusi merata di semua kluster, kita mungkin perlu...

• Menambah jumlah kluster

• Mengurangi jumlah kluster

• Menggunakan algoritma supervised

• Menurunkan parameter learning rate

Kapan K-Means Clustering kurang efektif?

• Saat data berbentuk bulat

• Saat data memiliki bentuk kompleks atau non-linear

• Saat data memiliki skala yang sama

• Saat data sudah dikelompokkan

Dalam K-Means, istilah within-cluster sum of squares digunakan untuk...

• Menghitung total jarak antar kluster

• Mengukur total jarak dalam kluster

• Menentukan jumlah kluster

• Menghitung rata-rata jarak setiap titik data

Kapan metode K-Means akan berhenti melakukan iterasi?

• Ketika kluster bertambah

• Ketika centroid tidak berubah lagi

• Ketika semua data tergabung dalam satu kluster

• Ketika jumlah kluster berkurang