Latihan soal PTS kelas XII

Dalam proses design thinking untuk membangun sistem AI rekomendasi jurusan kuliah, tahap merumuskan permasalahan dilakukan. Aktivitas manakah yang paling tepat dilakukan pada tahap ini?

• Membuat prototipe antarmuka sederhana untuk uji coba

• Mengidentifikasi bahwa siswa kesulitan memilih jurusan yang sesuai potensinya

• Mengumpulkan data nilai rapor, hasil tryout, dan status ekonomi keluarga

• Menguji model rekomendasi pada siswa secara langsung

Sebuah model machine learning digunakan untuk mendiagnosis penyakit berdasarkan data pasien. Jika model sering gagal mendeteksi pasien yang benar-benar sakit, maka yang paling perlu ditingkatkan adalah…

• Presisi

• Recall

• Akurasi

• Kompleksitas model

Data berikut dipakai untuk melatih model: Umur, tekanan darah, suhu tubuh, frekuensi napas, denyut nadi → data numerik Kategori nyeri (ringan/sedang/berat), sesak napas (ya/tidak) → data kategorik Mengapa pengklasifikasian jenis data ini penting dalam ML?

• Karena mempengaruhi kecepatan komputasi hardware

• Karena menentukan algoritma yang dipilih dan cara preprocessing data

• Karena mempengaruhi desain interface untuk pengguna

• Karena memastikan output selalu berupa angka

Dalam membangun sistem deteksi fraud kartu kredit, data yang tersedia menunjukkan kasus penipuan hanya 2% dari total transaksi. Jika model memprediksi semua transaksi aman, ia akan mendapatkan akurasi sangat tinggi. Namun, mengapa model ini tetap dianggap buruk?

• Karena presisi terlalu tinggi

• Karena recall untuk kasus fraud sangat rendah

• Karena sistem tidak berbasis aturan manual

• Karena model terlalu kompleks

Seorang siswa ingin membangun aplikasi AI yang dapat merekomendasikan program studi berdasarkan minat dan nilai rapornya. Jika pada tahap design thinking ia langsung membuat prototipe aplikasi tanpa memahami kebutuhan siswa, apa dampak negatif yang mungkin terjadi?

• Model menjadi sangat akurat, tetapi sulit dipahami pengguna

• Aplikasi canggih secara teknologi, tetapi tidak menyelesaikan masalah siswa

• Data yang digunakan tidak valid secara statistik

• Output sistem selalu berubah-ubah meskipun input sama

Perhatikan skenario berikut: Sebuah model klasifikasi hewan digunakan untuk membedakan kucing dan anjing. Dari 100 gambar, model salah mengenali 20 kucing sebagai anjing, tetapi tidak pernah salah mengenali anjing sebagai kucing. Manakah interpretasi yang benar?

• Model memiliki presisi tinggi untuk kelas kucing, tetapi recall rendah

• Model memiliki recall tinggi untuk kelas kucing, tetapi presisi rendah

• Model memiliki akurasi sempurna

• Model gagal belajar dari data numerik

Seorang pengembang AI ingin membuat aplikasi untuk merekomendasikan obat berdasarkan gejala pasien. Tahap design thinking manakah yang harus ia lakukan setelah mengidentifikasi permasalahan pasien sulit mendapatkan rekomendasi obat yang tepat?

• Merumuskan masalah secara spesifik, misalnya "bagaimana sistem bisa menyarankan obat sesuai gejala pasien?"

• Langsung membuat algoritma ML untuk klasifikasi gejala

• Mengukur recall dan presisi dari model yang dibuat

• Menguji antarmuka dengan dokter

Mengapa F1-Score sering digunakan dalam mengevaluasi model deteksi penyakit langka dibanding hanya menggunakan akurasi?

• Karena F1-Score selalu lebih tinggi dari akurasi

• Karena F1-Score mempertimbangkan keseimbangan antara presisi dan recall

• Karena akurasi tidak bisa dihitung pada data medis

• Karena F1-Score hanya berlaku untuk data numerik

Dalam sistem rekomendasi film, data berupa genre film, rating pengguna, dan riwayat tontonan. Jika sistem terus memberi rekomendasi hanya berdasarkan genre tanpa memperhatikan preferensi personal pengguna, masalah apa yang muncul?

• Overfitting

• Kurangnya personalisasi

• Recall tinggi tapi presisi rendah

• Ketidakseimbangan kelas

Seorang dokter menggunakan AI untuk mendeteksi pasien sakit jantung. Dari 50 pasien yang benar-benar sakit, model berhasil menemukan 48 pasien. Recall model ini sangat tinggi.

• Benar

• Salah