NEW
Font size
Worksheets504L U45 81G D4T4
Total questions: 50
Worksheet time: 50mins
Kumpulan data yang digunakan terutama untuk pengambilan keputusan di dalam organisasi disebut dengan:
Data Warehouse
Database
Big Data
Data Mining
Data Set
Manakah berikut ini yang bukan merupakan prinsip data warehouse?
subject-oriented
integrated
time-varying
non-volatile
Object Oriented
Orientasi pembuatan model lebih menekankan aspek “integrasi akses”, bukan model yang lebih menekankan kemudahan eksekusi transaksi operational (seperti halnya pada database). à Data lengkap untuk subject tertentu merupakan karakteristik datawarehouse dari sudut pandang:
subject-oriented
integrated
time-varying
non-volatile
Object Oriented
Data teritengrasi dengan deskripsi “waktu” (historical data). à Data lengkap dari sisi periode (historical)merupakan karakteristik datawarehouse
subject-oriented
integrated
time-varying
non-volatile
Obyek Oriented
Data operasional diakses secara reguler dan manipulasi atau update juga dilakukan terhadap data dalam lingkungan pengoperasian merupakan karakteristik Data Warehouse:
subject-oriented
integrated
time-varying
non-volatile
Object Oriented
Manakah berikut ini merupakan alasan Data Warehouse yang terpisah dari basis data dari segi Performansi
?
organisasi data khusus, metode akses, dan metode implementasi dibutuhkan untuk mendukung view dan operasi multidimensi yang merupakan ciri dari OLAP
query kompleks untuk OLAP akan menurunkan performansi dari kualitas data
data yang hilang: data historis biasanya tidak dikelola basis data operasional
konsolidasi data: agregasi dan sumarisasi data dari berbagai sumber
•kualitas data: terdapat perbedaan representasi, kode, dan format
Pada Saat Data Cleaning, hal yang diperbaiki adalah kecuali:
Anomaly in the data
Data Inconsistent
Missing entries
Violation of integrity constraints
Data Dileting
Pembersihan Data (Data Cleaning) merupakan hal yang penting bagi data warehouse, karena data dari berbagai sumber sering kali......
'kotor'
banyak
besar
statis
dinamis
Kegiatan mempropagasi perubahan terhadap data sumber ke data yang tersimpan di dalam data warehouse disebut dengan:
Refreshing
Clouding
Rotating
Fixing
Maxima
Sebuah sistem yang mengumpulkan data yang dibutuhkan oleh sebuah departemen atau aplikasi yang terkait disebut dengan:
Data marts
Data Colecting
Data Sorting
Data Parsing
Data Cleaning
Data multimedia terdiri atas:
Citra, Audio dan
Video
Field, Record dan Tabel
Suara, Bunyi dab
Hardware, Softwae dan Baintwaw
Database, Gambae=r dan UK;
Suatu framework yang mengatur berbagai tipe data berbeda dari sumber media berbeda, dimana direpresentasikan dalam berbagai format disebut:
SMBD-Multimedia
SMBD-Terintegrasi
SMBD-Picture
SMBD-Music
SMBD-Video
Queri SMDS (Simple Multimedia Database System) berbasiskan SQL. Fungsi dasar:
):fungsi untuk memanggil objek FindType(Objmedia (obj) sebagai masukan & mengembalikan sebagai................
objek keluaran.
obyek masukan
obyek proses
obyek program
obyek disain
Sintaks FROM terdiri atas masukan-masukan
<media> <source> <M>
dimana hanya objek media yang dihubungkan dengan tipe media & sumber data yang akan diproses, & M adalah..............
variabel objek media.
konstanta objek media.
variabel objek program
variabel objek disain
variabel objek kerangka
Abstraksi media merupakan struktur matematis yang merepresentasikan............
konten media.
konten program.
konten terpilih
konten ringkas
konten hybrid
Arsitektur Basis Data Multimedia berbasis pada Principle of Autonomy yang memiliki karakteristik kecuali:
Setiap tipe media dikelola dengan cara khusus sesuai dengan tipe media
Dapat melakukan join antar struktur data berbeda
Pemrosesan query yang relatif cepat dikarenakan struktur yang khusus
Satu-satunya pilihan untuk bank data yang legal
Hanya dapat melakukan join antar struktur data yang sama saja.
Apakah Fungsi dari berintah Query berikut?
FindFeaturesinObj(iml.gif):
Untuk menemukan semua fitur pada citra file iml.gif. Sebagai keluaran, objek John & Lisa.
Untuk menemukan semua fitur dalam 15 frame pertama pada file video videol.mpg. Sebagai keluaran, objek Mary & John.
Query untuk menemukan semua media objek dimana Big Spender terlihat dalam pakaian biru.
Fungsi ini menggunakan masukan, fitur f, nama atribut a, nilai v
fungsi untuk memanggil fitur(f) sebagai masukan & mengembalikan sebagai objek keluaran, semua objek media yang mempunyai fitur tsb.
Sintaks FROM terdiri atas masukan-masukan
<media> <source> <M>
dimana hanya objek media yang dihubungkan dengan tipe media & sumber data yang akan diproses, & M adalah .....
variabel objek media
konstanta objek media
Ketetapan objek media
Prosentase objek media
Koefisien objek media
lEkspresi query SMDS-SQL :
SELECT M
FROM smds sourcel M
WHERE (FindType(M) = Video OR FindType(M) = Image)
AND M IN FindObjWithFeatureandAttr(BigSpender, suit, purple) artinya:
Temukan semua objek citra/video dimana terdapat Big Spender mengenakan pakaian ungu.
Temukan semua objek citra/video dimana terdapat Big Spender mengenakan pakaian biru.
Temukan semua objek citra/video dimana terdapat Big Spender mengenakan pakaian kuning
Temukan semua objek citra/video dimana terdapat Big Spender mengenakan pakaian coklat.
Temukan semua objek citra/video dimana terdapat Big Spender mengenakan pakaian merah.
Objek data dapat disimpan & digunakan kembali oleh transaksi & program berbeda pada SMBD-Multimedia
Harus Memenuhi Kebutuhan:
Persistence
Privacy
Integrity Control
Non Repudiation
Big Data
Mengapa Data Mining dibutuhkan saat ini?
Karena data sedemikian besar kadang memiliki Informasi yang tersembunyi
Karena Pengaruh Revolusi Industri 4.0
Karena data hars kita simpan selamanya
Karena Data butuh perawatan
Karena Data perlu penyegaran
Kegiatan eksplorasi dan analisis, secara sistematis atau tidak, data yang sangat besar untuk menemukan pola-pola yang berguna dan mempunyai arti disebut dengan:
Big Data
Data Exploration
Data Mining
Data Selection
Data Time Series
Manakah kegiatan berikut yang merupakan aktivitas Data Mining?
Menemukan bahwa banyak orang yang bernama Bambang di Daerah Istimewa Yogyakarta
Mencari No. Telepon Bambang Gunawan di Buku Telepon
Mencari Informasi mengenai Bunga di Google
Mencari No. Mahasiswa dari Ratih Pamaron di Buku Telepon
Mencari Informasi mengenai Covid-19 di Google
Memperoleh pola (correlation, trend, cluster, trajectory, anomaly) untuk menyimpulkan hubungan di dalam data adalah Tugas Data Mining untuk:
Predictive
Descriptive
Acumutative
Subtantive
Partisipative
Prediksi nilai penjualan yang akan datang berdasarkan trend data penjualan tahun sebelumnya merupakan penerapan atau fungsi data mining untuk:
Predictive
Descriptive
Acumutative
Subtantive
Partisipative
Arsitektur Data mining yang terdiri dari sekumpulan model fungsional seperti characterization, association, classification, cluster analysis, evaluation and deviation analysis disebut:
Data Mining Engine
Knowledge Base
Pattern Evaluation Module
GUI (Graphical User Interface)
Datamining Processor
Komponen yang berinteraksi dengan modul data mining untuk pencarian pola pada arsitektur data mining disebut:
Data Mining Engine
Knowledge Base
Pattern Evaluation Module
GUI (Graphical User Interface)
Datamining Processor
Pada Arsitektur Data Mining modul yang mempermudah user berinteraksi dengan sistem data mining disebut:
Data Mining Engine
Knowledge Base
Pattern Evaluation Module
GUI (Graphical User Interface)
Datamining Processor
Sekuens data yang nilainya berubah setiap interval waktu tertentu disebut dengan:
Time series data
Neural Network
Data Terurut
Data Acak
Data Normal
Prediksi nilai penjualan yang akan datang berdasarkan trend data penjualan tahun sebelumnya. Pada Prediksi Data Mining disebut:
Predictive - Regression
Predictive - Time Series
Predictive - Calculation
Predictive - Guest
Predictive - Statistik
Salah satu alasan Data Mining adalah: Perubahan kearah konversi sumberdaya informasi kebentuk sumber daya ........
non fisik
fisik
virtual
non virtual
non cerbal
Lingkungan Data Mining selalu sebuah client-server atau arsitektur Sistem Infoem berbasIs..............
Web
Android
Windows
IOS
Jaringan
Abstraksi paling dasar (dari informasi dan pengetahuan yang didapat) disebur dengan:
Data
Informasi
Laporan
Bit
Field
Masalah dalam klasifikasi, sumber utama untuk akurasi estimasi adalah...........
Matrik Transpose
confusion matrix
Mwmory
Jaringan
Peralatan PC
Big data memiliki jumlah data yang sangat besar sehingga dalam proses pengolahan data dibutuhkan suatu penyimpanan yang besar dan dibutuhkan analisis yang lebih spesifik ini disebut dengan istilah:
Volume
Velocity
Variety
Over Capacity
Heterogenity
MA\anakah berikut ini yang bukan merupakan AKtifitas Data Minng?
Memahami bisnis
memahami data
persiapan data (!)
membangun model
Finding dan Revisi Dataasi
Manakah Contoh Aplikasi berikut yang merupakan Aplikasi Customer Relationship Management?
Maximize return on marketing campaigns
Automate the loan application process
Detecting fraudulent transactions
Maximize customer value (cross-, up-selling)
Optimizing cash reserves with forecasting
Contoh Aplikasi: Manufacturing and Maintenance berikut ini adalah:
Discover novel patterns to improve product quality
Optimize inventory levels at different locations
Improve the store layout and sales promotionsnOptimize
logistics by predicting seasonal effects
Minimize losses due to limited shelf life
Fungsi Aplikasi Data Mining untuk Perdagangan saham dan bursa adalah:
Meramalkan biaya klaim untuk perencanaan bisnis yang lebih baik
Menentukan rencana harga optimal
Optimalkan pasar untuk pelanggan khusus
Identifikasi dan mencegah kecurangan dalam klaim
Memperkirakan dampak dari perubahan pasar
Manakah Langkah berikut yang bukan merupakan : A general algorithm for decision tree building
1.Ciptakan node akar dan berikan semua training data
2.Pilih atribut pemisah paling baik
3.Tambahkan sebuah cabang pada node akar untuk setiap nilai pemisah. Split the data into mutually exclusive subsets along the lines of the specific split
4.Repeat the steps 2 and 3 for each and every leaf node until the stopping criteria is reached
5.Stop Peocessing Data Bila Data Terlalu banyak
Tahpan Data Mining: pemilihan data dari sekumpulan data operasional, sebelum melakukan tahap penggalian informasi dimulai. Data hasil seleksi digunakan untuk proses data mining dan disimpan dalam berkas disebut dengan istilah:
Data Selection
Preprocessing atau cleaning
Transformation
Data Mining
Interpretation atau evaluation
Tahpan Data Mining: –Coding adalah proses transformasi pada data yang telah dipilih, dan bergantung pada jenis atau pola informasi yang akan dicari dalam basis data. disebut dengan istilah:
Data Selection
Preprocessing atau cleaning
Transformation
Data Mining
Interpretation atau evaluation
Tahpan Data Mining: Mencakup pembuangan duplikasi data, memeriksa data yang inkonsisten, dan memperbaiki kesalahan data, seperti kesalahan cetak.disebut dengan istilah:
Data Selection
Preprocessing atau cleaning
Transformation
Data Mining
Interpretation atau evaluation
Tahap Pengelompokan Data Mining yag menggambarkan pola dan kecenderungan yang terdapat dalam data yang memungkinkan memberikan penjelasan dari suatu pola atau kecenderungan tersebut. disebut:
Deskripsi
Estimasi
Prediksi
Klasifikasi
Pengklusteran
Tahap Pengelompokan Data Mining untuk proses guna menemukan model atau fungsi yang menggambarkan dan membedakan kelas data atau konsep dengan tujuan memprediksikan kelas untuk data yang tidak diketahui kelasnya.disebut:
Deskripsi
Estimasi
Prediksi
Klasifikasi
Pengklusteran
Kegiatan mengelompokkan objek menjadi satu kelompok jika objek-objek tsb “mirip”(berkaitan/dekat) dan membuat kelompok yang berbeda jika objek itu “berbeda” disebut
Clustering
Branding
Segmentation
Selling
Engeneering
Kegunaan dari Clustering adalah
Pemahaman dan Ringkasan (Summary)
Pemilahan
Pensortiran
Penseleksian
Pengolahan
Contoh Aplikasi Custering adalah:
Marketing
SDM
Akuntansi
Stok Gudang
Kontroling
Manakah beriut ini yang buka merupakan Metode Clustering?
Partition
Hierarchical
Density Based
Grid based
Tandem Based
Salah satu parameter yang sering digunakan untuk mengukur kualitas klaster adalah:
Silhouette Coefficient
Tandem Coefficient
Buble Coefficient
Resufle Coefficient
Random Coefficient
