QUIZ 1

Apa fungsi data training pada supervised classification

• Mengelompokkan piksel tanpa label

• Memberikan contoh kelas untuk melatih algoritma

• Menghitung centroid pada data

• Mengurangi jumlah variabel

Algoritma k-Nearest Neighbor (k-NN) mengklasifikasikan sebuah data berdasarkan…

• Jarak ke centroid

• Mayoritas kelas tetangga terdekat

• Nilai rata-rata spektral piksel

• Random sampling

Clustering termasuk ke dalam jenis pembelajaran…

• Supervised

• Semi-supervised

• Unsupervised

• Reinforcement

Pada K-Means, parameter utama yang harus ditentukan di awal adalah…

• Jumlah kelas training

• Jumlah cluster (K)

• Algoritma voting

• Nilai learning rate

Kelebihan clustering dibanding classification adalah…

• Tidak memerlukan data training

• Hasilnya langsung berupa kelas nyata

• Lebih akurat dalam semua kasus

• Tidak perlu interpretasi manual

K-NN menggunakan voting mayoritas dari K tetangga terdekat untuk menentukan kelas.

• True

• False

K-Means bisa otomatis menentukan jumlah cluster terbaik tanpa input K.

• True

• False

Hasil clustering harus diinterpretasikan ulang untuk diberi arti kelas nyata.

• True

• False

Sebutkan dua contoh algoritma supervised classification selain k-NN!

Dalam K-Means, apa yang dimaksud dengan centroid?