Validitas Data dan Algoritma

Apa yang dimaksud dengan data bersih dalam konteks validitas data?

• Data yang bebas dari duplikasi, format tidak konsisten, atau data kosong

• Data yang memiliki banyak kolom dan baris tanpa pengolahan

• Data yang berasal dari sumber yang tidak diketahui

• Data yang hanya berisi angka tanpa teks

• Data yang dihasilkan dari algoritma tanpa pemeriksaan

Prinsip abstraksi dalam berpikir komputasional bertujuan untuk:

• Menyimpan semua detail data untuk cadangan

• Mengubah semua data menjadi format visual

• Menggandakan data untuk analisis lebih lanjut

• Menyaring informasi yang relevan dan mengabaikan detail yang tidak diperlukan

• Menambahkan kolom baru untuk melengkapi dataset

Mana yang merupakan ciri data yang benar (akurat)?

• Data mencerminkan fakta atau realitas yang sebenarnya

• Data memiliki banyak kolom yang tidak relevan untuk analisis

• Data memiliki format yang berbeda-beda untuk setiap baris

• Data berasal dari sumber yang tidak jelas atau tidak terpercaya

• Data berisi nilai kosong di beberapa kolom

Jika dataset berisi baris duplikat, apa yang harus dilakukan untuk memastikan validitas data?

• Membiarkan duplikasi agar data lebih lengkap

• Menandai baris duplikat tanpa menghapusnya

• Menambahkan lebih banyak duplikasi untuk konsistensi

• Mengabaikan dataset dan membuat dataset baru dari awal

• Menghapus baris duplikat untuk memastikan data bersih

Dalam konteks algoritma pencarian, mengapa validitas data penting?

• Karena data yang tidak valid membuat algoritma berjalan lebih cepat

• Karena data yang valid memastikan hasil algoritma akurat dan dapat dipercaya

• Karena data yang tidak valid meningkatkan kompleksitas algoritma

• Karena validitas data tidak memengaruhi hasil algoritma

• Karena data yang tidak valid mempermudah pengujian algoritma