Quiz Chapter 8 BD

Apa tujuan dari Association Rules dalam data mining?

• Menyusun data berdasarkan kategori
• Menyusun transaksi menjadi itemset yang tidak sering muncul
• Mengidentifikasi hubungan atau asosiasi antara item-item yang ada dalam dataset
• Mengelompokkan data menjadi beberapa kelompok berdasarkan kesamaan

Answer explanation

Penjelasan: Association Rules digunakan untuk menemukan hubungan atau asosiasi yang kuat antara item dalam dataset. Tujuannya adalah untuk mengidentifikasi pola yang sering muncul bersama dalam transaksi.

FP-Growth Algorithm adalah algoritma yang digunakan untuk...

• Menemukan frequent itemsets tanpa menghasilkan kandidat itemset
• Menyusun itemset berdasarkan urutan frekuensinya
• Mengelompokkan itemset berdasarkan kesamaan atribut
• Menyaring transaksi berdasarkan pola tertentu

Answer explanation

Penjelasan: FP-Growth (Frequent Pattern Growth) adalah algoritma yang lebih efisien dibandingkan Apriori karena tidak menghasilkan kandidat itemset. Algoritma ini menggunakan struktur pohon bernama FP-tree untuk menemukan frequent itemsets secara langsung.

Charm Algorithm lebih efisien dibandingkan Apriori karena...

• Charm tidak membutuhkan proses pemilihan kandidat itemset
• Charm menggunakan teknik berbasis pohon untuk menemukan aturan asosiasi
• Charm mengurangi waktu komputasi dengan mengabaikan beberapa itemset yang tidak relevan
• Charm hanya dapat digunakan untuk dataset kecil

Answer explanation

Penjelasan: Charm menggunakan teknik pencocokan itemset yang lebih efisien dengan mengabaikan itemset yang tidak relevan, sehingga mengurangi waktu komputasi dan meningkatkan kecepatan pencarian frequent itemsets.

Apa yang dimaksud dengan Joint Probability Distribution?

• Probabilitas terjadinya dua kejadian yang saling independen
• Probabilitas dua atau lebih kejadian yang saling tergantung terjadi bersamaan
• Probabilitas sebuah kejadian terjadi dalam satu interval waktu
• Probabilitas suatu kejadian terjadi di masa depan

Answer explanation

Penjelasan: Joint Probability Distribution adalah distribusi probabilitas yang menggambarkan kemungkinan dua atau lebih kejadian yang saling tergantung terjadi pada saat yang bersamaan.

Dalam algoritma CHARM, operasi irisan pada tidset digunakan untuk?

• Menambah jumlah item dalam itemset
• Menghapus itemset yang jarang
• Menggabungkan itemset dengan daftar transaksi yang sesuai
• Meningkatkan jumlah transaksi dalam dataset

Answer explanation

Operasi irisan dalam tidset digunakan untuk menggabungkan itemset dengan daftar transaksi yang cocok. Ini membantu menemukan itemset yang tertutup dengan mempersempit ruang pencarian.

Contoh penggunaan data mining dalam pemasaran adalah

• Menemukan pelanggan yang paling mungkin membeli produk tertentu
• Menambahkan lebih banyak produk ke toko
• Menghapus produk yang tidak populer
• Mengatur keuangan perusahaan

Answer explanation

Contoh penggunaan data mining dalam pemasaran adalah menemukan pelanggan yang paling mungkin membeli produk tertentu. Teknik ini digunakan untuk membuat strategi pemasaran yang lebih efisien dan tepat sasaran.

DBSCAN sering kali dipilih untuk analisis data besar (Big Data) karena alasan berikut, kecuali:

• Kemampuannya menangani noise pada data
• Kemampuannya mengidentifikasi cluster dengan bentuk yang berbeda
• Skalabilitasnya yang tinggi tanpa perlu modifikasi
• Tidak memerlukan informasi jumlah cluster awal.

Answer explanation

karena DBSCAN tidak langsung skalabel untuk Big Data. Kompleksitasnya yang biasanya O(n²) membuatnya tidak efisien tanpa modifikasi

Dalam konteks big data, KDE memiliki tantangan utama yaitu:

• Ukuran data yang sangat besar sehingga membutuhkan komputasi tinggi
• Kesulitan dalam mengidentifikasi pola dari data
• Kurangnya data yang tersedia
• Keterbatasan jumlah variabel yang bisa dianalisis

Answer explanation

karena dalam konteks Big Data, KDE membutuhkan komputasi tinggi untuk menghitung estimasi pada setiap titik data, terutama jika jumlah data sangat besar. Proses ini menjadi mahal secara waktu dan memori, karena KDE secara langsung bergantung pada semua data dalam estimasi distribusi.

Apa yang dimaksud dengan “seasonality” dalam time series forecasting?

• Pola atau fluktuasi yang terjadi secara acak
• Pola atau fluktuasi yang terjadi secara berkala dalam data
• Data yang mengalami kenaikan terus-menerus
• Data yang mengalami penurunan terus-menerus

Answer explanation

karena seasonality dalam time series forecasting merujuk pada pola atau fluktuasi yang berulang secara berkala dalam data, biasanya terkait dengan periode waktu tertentu, seperti harian, mingguan, bulanan, atau tahunan. Contohnya adalah peningkatan penjualan saat liburan akhir tahun.

Apa yang dimaksud dengan Support?

• Frekuensi kemunculan sebuah item bersamaan dengan item lainnya
• Hubungan antara dua itemset dalam data
• Frekuensi kemunculan suatu itemset dalam kumpulan data.
• Jumlah kemunculan suatu item.

Answer explanation

Support adalah frekuensi kemunculan itemset yang dimaksud dalam kumpulan data. Support ini dihitung sebagai proporsi jumlah transaksi yang berisi itemset tertentu terhadap total transaksi.