Machine Learning Quiz

Di bawah ini yang merupakan model atau algoritma yang umum digunakan dalam supervised learning adalah

• K-Means

• Principal Component Analysis

• Agglomerative Clustering

• Decision Tree

Sebuah rumah sakit ingin menerapkan sistem berbasis Machine Learning untuk meningkatkan efisiensi dan akurasi dalam mendiagnosis penyakit dari hasil tes laboratorium dan rekam medis pasien. Tim data science mengumpulkan data rekam medis historis yang mencakup gejala, hasil tes laboratorium, dan diagnosis akhir dari dokter spesialis.

Setelah data dibersihkan dan diproses, model ML dilatih untuk memprediksi kemungkinan jenis penyakit dari pasien baru berdasarkan gejala dan hasil lab mereka.

Berdasarkan kasus di atas, manakah pernyataan berikut yang benar terkait penerapan Machine Learning dalam kasus ini?

• Model yang digunakan termasuk dalam kategori supervised learning karena dilatih dengan data berlabel diagnosis

• Proses pelabelan data tidak diperlukan karena model dapat menemukan pola secara otomatis tanpa informasi diagnosis

• Validasi model diperlukan untuk mengukur akurasi prediksi terhadap data pasien baru yang belum pernah dilihat model sebelumnya

• Model dapat langsung diterapkan tanpa pengujian karena data historis sudah mencerminkan kondisi dunia nyata

• Data rekam medis yang mengandung informasi pribadi harus melalui proses anonymization atau pseudonymization untuk menjaga privasi pasien.

Seorang analis properti ingin memprediksi harga rumah berdasarkan beberapa fitur, yaitu:

• - Luas rumah dalam meter persegi (X₁)

• - Jumlah kamar tidur (X₂)

• - Jarak ke pusat kota dalam kilometer (X₃)

• Dengan Y adalah harga rumah yang diprediksi (dalam rupiah).

• Berdasarkan model tersebut, manakah pernyataan berikut yang benar?

• Jika luas rumah bertambah 1 m², maka harga rumah diprediksi naik Rp.50000

• Koefisien −2000 pada X₃ berarti rumah yang lebih jauh dari pusat kota cenderung lebih murah

• Jumlah kamar tidur tidak berpengaruh signifikan terhadap harga karena koefisiennya kecil.

• Jika dua rumah memiliki semua fitur yang sama kecuali rumah A memiliki 2 km lebih jauh dari pusat kota, maka harga rumah A diprediksi lebih murah Rp4.000.

• Nilai 50000 dalam model adalah intercept, yaitu prediksi harga saat semua X bernilai nol

Apa tujuan utama dari metode Least Squares dalam regresi linear?

• Menentukan garis regresi yang melewati semua titik data secara sempurna

• Meminimalkan total dari selisih antara nilai aktual dan nilai prediksi

• Meminimalkan jumlah kuadrat dari selisih antara nilai aktual dan nilai prediksi

• Meningkatkan korelasi antara variabel input dan output

• Menghapus variabel independen yang tidak relevan dari model

Dalam evaluasi model prediksi, kapan penggunaan MAPE (Mean Absolute Percentage Error) lebih tepat dibandingkan metrik error lainnya seperti MSE atau RMSE?

• Saat kita ingin menghitung total kuadrat selisih antara nilai aktual dan prediksi

• Saat kita ingin mengevaluasi error dalam satuan absolut seperti kilogram atau rupiah

• Saat kita ingin mengetahui seberapa besar kesalahan prediksi dalam bentuk persentase relatif terhadap nilai aktual

• Saat data memiliki banyak nilai nol sehingga persentase error tidak dapat dihitung

• Saat kita ingin menghindari dampak dari outlier pada error model

Berdasarkan confusion matrix di atas, manakah pernyataan berikut yang benar?

• Precision = 0.75

• Recall = 0.75

• Precision = 0.86
  

• Recall = 0.85

• Recall = 0.92

Dalam kasus pendeteksian email spam, di mana email yang bukan spam dianggap sebagai positive class, maka false positive rate menggambarkan

• Persentase email spam yang diklasifikasikan sebagai bukan spam

• Persentase email bukan spam yang diklasifikasikan sebagai spam

• Jumlah email spam yang diklasifikasikan sebagai bukan spam

• Jumlah email bukan spam yang diklasifikasikan sebagai spam

• Persentase email bukan spam yang berhasil dikenali dengan benar

Dalam algoritma decision tree, pemilihan fitur terbaik untuk melakukan splitting pada suatu node ditentukan berdasarkan

• Jumlah nilai unik yang dimiliki fitur tersebut

• Seberapa besar fitur tersebut muncul pada data training

• Seberapa besar impurity (ketidakhomogenan) yang berkurang setelah splitting dilakukan

• Urutan fitur pada dataset (kolom pertama diprioritaskan)

• Banyaknya missing value pada fitur tersebut

Dalam konteks machine learning, underfitting terjadi ketika model terlalu sederhana untuk menangkap pola dalam data. Di bawah ini, manakah yang bukan strategi untuk mengatasi underfitting?

• Meningkatkan jumlah iterasi pada proses pelatihan

• Menggunakan model dengan arsitektur yang lebih kompleks

• Mengurangi max depth pada algoritma decision tree

• Menambahkan fitur baru yang relevan dari data

• Mengubah model linier menjadi model berbasis kernel (misalnya SVM dengan kernel non-linier)

Kondisi di bawah ini merupakan penyebab overfitting dalam machine learning, kecuali:

• Menggunakan polinomial dengan derajat sangat tinggi pada fitur

• Memasukkan sebanyak mungkin variabel independen dalam regresi linier

• Melatih model dengan dataset yang memiliki jumlah fitur sangat banyak

• Membuat decision tree dengan kriteria pemisahan entropy

• Menggunakan nilai k = 1 pada K-Nearest Neighbors