Apa yang dimaksud dengan Machine Learning?

• Metode untuk menghapus data secara otomatis

• Teknologi yang memungkinkan sistem belajar dari data untuk membuat prediksi

• Algoritma yang hanya digunakan dalam pemrograman web

• Proses manual dalam pengolahan data

Answer explanation

Machine Learning adalah teknologi yang memungkinkan sistem untuk belajar dari data dan membuat prediksi, berbeda dengan metode lain yang tidak melibatkan pembelajaran otomatis.

Apa yang dilakukan oleh sistem dalam tahap training (pelatihan)?

• Menghapus fitur yang tidak diperlukan

• Belajar dari data dan label untuk mengenali pola

• Menganalisis data secara manual

• Menampilkan hasil akhir tanpa evaluasi

Answer explanation

Dalam tahap training, sistem belajar dari data dan label untuk mengenali pola. Ini adalah proses inti dalam machine learning, di mana model dilatih untuk membuat prediksi berdasarkan data yang diberikan.

Dalam Machine Learning, apa yang disebut sebagai fitur?

• Hasil akhir dari analisis data

• Variabel independen yang digunakan sebagai input dalam sistem

• Informasi yang tidak relevan dalam dataset

• Kesalahan dalam data yang perlu diperbaiki

Answer explanation

Fitur dalam Machine Learning merujuk pada variabel independen yang digunakan sebagai input dalam sistem. Ini adalah elemen penting yang membantu model dalam membuat prediksi berdasarkan data yang diberikan.

Apa tujuan utama dari supervised learning?

• Menyimpan data tanpa analisis

• Memahami pola dalam data tanpa bantuan manusia

• Memprediksi hasil berdasarkan data berlabel

• Menghapus data yang memiliki label

Answer explanation

Tujuan utama dari supervised learning adalah untuk memprediksi hasil berdasarkan data berlabel. Metode ini menggunakan data yang sudah diberi label untuk melatih model agar dapat membuat prediksi yang akurat.

Contoh algoritma yang digunakan dalam supervised learning untuk regresi adalah: (a)  

• K-Means

• Logistic Regression

• Linear Regression

• Decision Tree

Answer explanation

Linear Regression adalah algoritma regresi dalam supervised learning yang digunakan untuk memprediksi nilai kontinu. K-Means dan Decision Tree lebih umum untuk clustering dan klasifikasi, sedangkan Logistic Regression digunakan untuk klasifikasi.

Apa perbedaan utama antara classification dan regression dalam supervised learning?

• Classification digunakan untuk memprediksi nilai kontinu

• Regression digunakan untuk mengklasifikasikan data dalam kategori tertentu

• Classification menghasilkan output dalam bentuk kategori, sedangkan regression dalam bentuk kontinu

• Regression tidak memerlukan data berlabel

Answer explanation

Perbedaan utama antara classification dan regression adalah bahwa classification menghasilkan output dalam bentuk kategori, sedangkan regression menghasilkan output dalam bentuk nilai kontinu. Ini menjelaskan fungsi masing-masing dalam supervised learning.

Unsupervised learning digunakan untuk:

• Mengklasifikasikan data ke dalam kategori tertentu

• Menjalankan prediksi berdasarkan data berlabel

• Mengelompokkan data ke dalam grup yang memiliki kesamaan fitur tanpa label

• Menampilkan hasil tanpa proses pembelajaran

Answer explanation

Unsupervised learning digunakan untuk mengelompokkan data ke dalam grup yang memiliki kesamaan fitur tanpa label. Ini berbeda dari klasifikasi yang memerlukan data berlabel.

Algoritma yang umum digunakan dalam unsupervised learning adalah (a)   .

• K-Means

• Logistic Regression

• Ridge Regression

• Naïve Bayes

Answer explanation

K-Means adalah algoritma clustering yang umum digunakan dalam unsupervised learning untuk mengelompokkan data berdasarkan kesamaan. Sementara Logistic Regression, Ridge Regression, dan Naïve Bayes adalah algoritma untuk supervised learning.

Apa fungsi utama dari model evaluasi dalam Machine Learning?

• Menghapus model yang tidak berfungsi

• Menentukan apakah model dapat membuat prediksi yang akurat pada data baru

• Memvisualisasikan hasil analisis

• Mengubah format data sebelum digunakan dalam model

Answer explanation

Fungsi utama dari model evaluasi dalam Machine Learning adalah untuk menentukan apakah model dapat membuat prediksi yang akurat pada data baru, sehingga memastikan kinerja model di dunia nyata.

Metrik yang digunakan untuk mengukur performa model regresi adalah (a)   .

• Accuracy

• Mean Absolute Error (MAE)

• Precision

• Recall

Answer explanation

Metrik yang tepat untuk mengukur performa model regresi adalah Mean Absolute Error (MAE), karena MAE mengukur rata-rata kesalahan absolut antara nilai yang diprediksi dan nilai aktual, memberikan gambaran yang jelas tentang akurasi model.