Apa definisi sederhana Machine Learning?

• Algoritma yang diprogram untuk menyelesaikan masalah spesifik.

• Algoritma yang belajar dari data untuk membuat prediksi.

• Proses pengumpulan data dalam jumlah besar.

• Program yang sepenuhnya otomatis tanpa intervensi manusia.

Apa hubungan antara Machine Learning (ML) dan Artificial Intelligence (AI)?

• ML adalah bagian dari AI yang memungkinkan komputer belajar dari data.

• AI adalah bagian dari ML yang berfokus pada prediksi data.

• ML dan AI adalah dua hal yang sama.

• ML tidak memiliki hubungan dengan AI.

Manakah yang termasuk jenis metode supervised learning?

• Clustering

• Dimensional Reduction

• Classification

• Anomaly Detection

Apa contoh kasus dari unsupervised learning?

• Credit Scoring

• Customer Segmentation

• House Price Prediction

• Fraud Detection dengan Label

Mengapa Machine Learning diperlukan dalam menangani data?

• Karena komputer dapat menggantikan manusia sepenuhnya.

• Karena data yang besar dan kompleks sulit ditangani oleh manusia.

• Karena Machine Learning tidak memerlukan data berkualitas.

• Karena Machine Learning hanya digunakan untuk masalah sederhana.

Dalam credit scoring, apa yang menjadi 'label'?

• Usia pemohon.

• Gender pemohon.

• Default atau tidaknya pembayaran.

• Pemasukan bulanan pemohon.

Apa langkah pertama dalam formulasi masalah Machine Learning menurut CRISP-DM?

• Menentukan algoritma yang digunakan.

• Mengumpulkan data yang relevan.

• Mengidentifikasi masalah yang perlu diselesaikan.

• Menentukan nilai akhir yang ingin dicapai.

Apa tujuan utama regresi dalam machine learning?

• Untuk membuat klasifikasi data.

• Untuk memprediksi nilai kategorik.

• Untuk memprediksi nilai numerik dan menganalisis hubungan variabel.

• Untuk memisahkan data berdasarkan clustering.

Apa yang dimaksud dengan slope (B1) dalam regresi linier?

• Perubahan nilai variabel independen ketika variabel dependen bertambah 1 unit.

• Perubahan nilai variabel dependen untuk setiap perubahan 1 unit variabel independen.

• Nilai rata-rata variabel dependen ketika variabel independen bernilai nol.

• Error antara nilai prediksi dan nilai sebenarnya.

Apa langkah yang digunakan untuk mengestimasi parameter regresi?

• Penghitungan residual tanpa metode tambahan.

• Metode Least Squares untuk meminimalkan jumlah kuadrat error.

• Analisis korelasi sederhana.

• Penerapan clustering pada data numerik.