Latihan Soal Analisis Data dengan Python

Seorang analis menemukan bahwa rata-rata (mean) harga rumah di suatu daerah jauh lebih tinggi daripada nilai tengahnya (median). Apa kesimpulan paling logis dari temuan ini?

• Terdapat beberapa rumah dengan harga sangat mahal.

• Sebagian besar rumah memiliki harga yang sama.

• Data harga rumah tidak valid dan salah.

• Terdapat beberapa rumah dengan harga sangat murah.

• Distribusi harga rumah normal sempurna.

Diberikan kode Pandas berikut: df_baru = df[(df['Usia'] >= 25) & (df['Status'] == 'Lajang')]. Analisisalah baris data mana yang akan dipilih oleh kode tersebut?

• Data orang lajang atau berusia 25 tahun ke atas.

• Data orang lajang yang usianya 25 tahun ke atas.

• Data semua orang lajang tanpa memandang usia.

• Data semua orang yang usianya 25 tahun ke atas.

• Data orang yang statusnya bukan lajang.

Seorang manajer pemasaran ingin menganalisis kategori produk mana yang menyumbang persentase penjualan terbesar dari total penjualan bulan ini. Jenis grafik apa yang paling efektif untuk tujuan tersebut?

• Diagram Garis (Line Chart).

• Histogram.

• Grafik Lingkaran (Pie Chart).

• Diagram Pencar (Scatter Plot).

• Grafik Batang (Bar Chart).

Sebuah dataset survei memiliki kolom 'Pendapatan' yang 60% datanya kosong (null). Jika seorang analis memutuskan untuk menghapus semua baris yang datanya kosong tersebut, apa risiko analitis utama dari tindakan itu?

• Membuat perhitungan statistik menjadi lebih lambat.

• Mengubah tipe data kolom 'Pendapatan'.

• Tidak ada risiko, ini adalah prosedur standar.

• Kehilangan banyak informasi penting dari kolom lain.

• Menghasilkan nilai rata-rata yang tidak akurat.

Anda melihat dua grafik batang yang membandingkan penjualan produk A dan B. Grafik pertama menunjukkan perbedaan penjualan yang sangat besar, sedangkan grafik kedua menunjukkan perbedaan yang kecil. Setelah dianalisis, ternyata sumbu Y pada grafik pertama dimulai dari 1000, bukan 0. Isu apakah yang paling tepat menggambarkan masalah pada grafik pertama?

• Korelasi yang salah.

• Penskalaan data yang tidak konsisten.

• Penggunaan jenis grafik yang tidak tepat.

• Data yang tidak lengkap atau hilang.

• Visualisasi yang menyesatkan (Misleading).

Data menunjukkan korelasi positif yang kuat antara penjualan es krim dan jumlah serangan hiu. Apa penjelasan yang paling mungkin untuk korelasi ini?

• Ada variabel ketiga yang mempengaruhi keduanya.

• Kebiasaan makan es krim menyebabkan serangan hiu.

• Serangan hiu mendorong orang membeli es krim.

• Korelasi tersebut murni kebetulan dan tidak valid.

• Data yang digunakan dalam analisis salah.

Saat menganalisis data gaji karyawan, seorang CEO dengan gaji yang sangat tinggi ditambahkan ke dalam dataset. Metrik statistik manakah yang akan paling terpengaruh (meningkat paling signifikan)?

• Modus (Mode).

• Rata-rata (Mean).

• Kuartil pertama (Q1).

• Median.

• Rentang interkuartil (IQR).

Sebuah box plot yang merepresentasikan nilai ujian suatu kelas memiliki "kotak" (box) yang sangat pendek dan "kumis" (whisker) yang juga pendek. Interpretasi apa yang paling tepat?

• Terdapat banyak nilai ekstrem (outlier).

• Nilai rata-rata ujian sangat tinggi.

• Variasi atau sebaran nilai di antara siswa sangat kecil.

• Sebagian besar siswa gagal dalam ujian.

• Nilai median dan rata-rata sama persis.

Sebuah survei tentang kebiasaan penggunaan internet dilakukan dengan menyebarkan kuesioner hanya melalui email. Apa potensi bias utama dalam metode pengumpulan data ini?

• Bias respons (Response Bias).

• Bias pengamat (Observer Bias).

• Bias konfirmasi (Confirmation Bias).

• Bias seleksi (Selection Bias).

• Bias retrospektif (Recall Bias).

Sebuah model machine learning menunjukkan akurasi 99% pada data latih (training data), namun hanya 60% pada data uji (testing data) yang baru. Fenomena apakah yang paling mungkin terjadi?

• Underfitting.

• Data leakage.

• Multikolinearitas.

• Reduksi dimensi yang salah.

• Overfitting.