WorksheetsUAS Sistem Cerdas
Total questions: 40
Worksheet time: 20mins
Name
Class
Date
1.
Apa definisi kecerdasan buatan menurut John McCarthy?
a)
Ilmu yang mempelajari tentang pemrograman simbolik
b)
Sistem komputer yang menggunakan basis pengetahuan
c)
Sistem yang dirancang untuk menirukan perilaku manusia
d)
Pengembangan algoritma untuk pencarian solusi
2.
Apa tujuan utama dari fungsi keanggotaan dalam logika fuzzy?
a)
Mengukur akurasi sistem
b)
Mewakili himpunan fuzzy secara grafis
c)
Menghitung rata-rata tegas
d)
Membuat basis aturan fuzzy
3.
Metode Tsukamoto menghasilkan output dalam bentuk:
a)
Fungsi keanggotaan linguistik
b)
Nilai crisp tegas
c)
Himpunan fuzzy
d)
Aturan inferensi baru
4.
Pada metode Sugeno, bagian output (konsekuen) berbentuk:
a)
Himpunan fuzzy
b)
Derajat keanggotaan
c)
Konstanta atau persamaan linear
d)
Grafik fuzzy
5.
Berikut adalah langkah pertama dalam metode Mamdani:
a)
Fuzzifikasi
b)
Defuzzifikasi
c)
Evaluasi aturan
d)
Penerapan fungsi implikasi
6.
Sistem pakar dirancang untuk:
a)
Mengganti manusia sepenuhnya
b)
Meniru kemampuan pakar dalam memecahkan masalah spesifik
c)
Mengotomasi proses produksi
d)
Membuat basis data yang besar
7.
Komponen utama dari sistem pakar yang bertanggung jawab untuk penalaran adalah:
a)
User Interface
b)
Knowledge Base
c)
Inference Engine
d)
Development Engine
8.
Apa peran knowledge engineer dalam pengembangan sistem pakar?
a)
Mengembangkan hardware
b)
Merekayasa dan memformulasikan pengetahuan dari pakar
c)
Mengatur penjualan perangkat lunak
d)
Menguji sistem secara keseluruhan
9.
Penalaran maju (forward chaining) dimulai dari:
a)
Fakta yang diketahui
b)
Hipotesis akhir
c)
Kesimpulan logis
d)
Data acak
10.
Sistem Inferensi Fuzzy (FIS) terdiri dari tiga tahap utama, yaitu
a)
Fuzzifikasi, pengolahan logika fuzzy, dan defuzzifikasi
b)
Pelatihan, pengujian, dan evaluasi
c)
Penentuan fungsi keanggotaan, pembentukan aturan, dan pembelajaran
d)
Preprocessing, pengolahan data, dan output
11.
Perbedaan utama antara metode inferensi fuzzy Mamdani dan Sugeno adalah
a)
Mamdani memiliki output berupa fuzzy, sedangkan Sugeno berupa nilai crisp
b)
Mamdani hanya mendukung logika Boolean
c)
Sugeno lebih cocok untuk data diskret
d)
Sugeno tidak memerlukan proses defuzzifikasi
12.
Aturan IF-THEN dalam FIS digunakan untuk
a)
Memformulasikan hubungan antara variabel input dan output
b)
Menentukan struktur fungsi keanggotaan
c)
Menyelesaikan permasalahan numerik
d)
Membuat data input menjadi lebih terstruktur
13.
Fungsi agregasi dalam FIS digunakan untuk
a)
Menggabungkan beberapa output fuzzy dari aturan
b)
Membagi data menjadi subset kecil
c)
Melakukan clustering pada data
d)
Memilih fungsi keanggotaan terbaik
14.
Pembelajaran terawasi (supervised learning) memerlukan:
a)
Data tidak terlabel
b)
Data dengan label yang sesuai
c)
Fungsi loss yang kompleks
d)
Data acak
15.
Algoritma K-Means termasuk dalam kategori:
a)
Supervised Learning
b)
Reinforcement Learning
c)
Unsupervised Learning
d)
Deep Learning
16.
Salah satu keutamaan dari unsupervised learning adalah:
a)
Tidak memerlukan banyak data
b)
Mendeteksi pola tanpa label
c)
Meningkatkan kecepatan pelatihan
d)
Mengurangi kebutuhan komputasi
17.
Apa perbedaan utama antara machine learning tradisional dan machine learning modern?
a)
Tidak memerlukan algoritma
b)
Membutuhkan data lebih banyak untuk belajar secara mandiri
c)
Mengandalkan aturan eksplisit yang ditulis secara manual
d)
Sepenuhnya otonom tanpa input manusia
18.
Operasi fuzzy dasar yang digunakan untuk mendapatkan nilai α-predikat pada metode Tsukamoto adalah:
a)
Operasi penjumlahan
b)
Operasi himpunan MIN
c)
Operasi logaritma
d)
Operasi rata-rata
19.
Dalam metode Mamdani, defuzzifikasi sering dilakukan menggunakan metode:
a)
Rata-rata berbobot
b)
Metode centroid
c)
Pendekatan probabilistik
d)
Himpunan maksimum
20.
Dalam metode Mamdani, fungsi implikasi yang paling umum digunakan adalah:
a)
Fungsi MAX
b)
Fungsi MIN
c)
Fungsi ADDITIVE
d)
Fungsi OR
21.
Apa output dari proses defuzzifikasi?
a)
Grafik keanggotaan fuzzy
b)
Nilai linguistik fuzzy
c)
Nilai tegas (crisp)
d)
Fungsi implikasi baru
22.
Basis pengetahuan dalam sistem pakar terdiri atas:
a)
Fakta dan aturan
b)
Data input dan output
c)
Hasil inferensi
d)
Informasi historis
23.
Salah satu cara representasi pengetahuan dalam sistem pakar adalah:
a)
Grafik berbobot
b)
Aturan IF-THEN
c)
Diagram blok
d)
Rumus kuadratik
24.
Penalaran mundur (backward chaining) dimulai dari:
a)
Fakta yang tersedia
b)
Hipotesis yang ingin diuji
c)
Aturan tanpa syarat
d)
Input yang diberikan
25.
Sistem pakar MYCIN digunakan untuk:
a)
Mendiagnosis penyakit
b)
Mengidentifikasi struktur molekul
c)
Mengelola keuangan
d)
Mendeteksi senjata
26.
Siapa yang bertanggung jawab merancang representasi pengetahuan dalam sistem pakar?
a)
Pemakai
b)
Pakar
c)
Knowledge Engineer
d)
Programmer
27.
Operasi himpunan fuzzy meliputi
a)
Union, Intersection, dan Complement
b)
And, Or, dan Not
c)
Minimum, Maximum, dan Average
d)
Union, Cartesian Product, dan Complement
28.
Proses defuzzifikasi bertujuan untuk
a)
Menentukan fungsi keanggotaan
b)
Mengubah keluaran fuzzy menjadi nilai crisp
c)
Membentuk aturan fuzzy
d)
Menggabungkan aturan fuzzy
29.
Dalam Streamlit, perintah untuk menampilkan grafik pada aplikasi adalah
a)
st.write()
b)
st.chart()
c)
st.pyplot()
d)
st.display()
30.
Fungsi yang digunakan di Streamlit untuk menambahkan elemen input dari pengguna, seperti slider, adalah
a)
st.input()
b)
st.control()
c)
st.slider()
d)
st.parameter()
31.
Apa fungsi utama dari train_test_split() di library scikit-learn?
a)
Melatih model machine learning
b)
Membagi dataset menjadi data pelatihan dan pengujian
c)
Menyimpan hasil pelatihan ke file
d)
Mengoptimalkan hyperparameter model
32.
Contoh algoritma supervised learning adalah:
a)
K-Means
b)
Decision Tree
c)
DBSCAN
d)
Gaussian Mixture Model
33.
Dalam unsupervised learning, tujuan utama clustering adalah:
a)
Memisahkan data berdasarkan pola tertentu
b)
Mengurangi dimensi data
c)
Meningkatkan akurasi model
d)
Menyediakan data untuk supervised learning
34.
Apa peran data latih (training data) dalam machine learning?
a)
Menguji kinerja model
b)
Memberikan pola yang dipelajari model
c)
Mengurangi overfitting
d)
Mempercepat proses komputasi
35.
Metode yang dapat digunakan untuk menghindari overfitting adalah:
a)
Menambahkan lebih banyak parameter
b)
Membagi data menjadi data latih dan data uji
c)
Menggunakan data tanpa preprocessing
d)
Mengurangi ukuran dataset
36.
Dalam K-Means Clustering, nilai "k" merepresentasikan:
a)
Jumlah centroid atau cluster
b)
Iterasi maksimum
c)
Dimensi data
d)
Fungsi loss
37.
Machine learning dapat digunakan dalam deteksi penipuan karena:
a)
Dapat memprogram semua pola penipuan secara manual
b)
Memiliki kemampuan belajar dari pola-pola data
c)
Mengandalkan logika fuzzy
d)
Meningkatkan kapasitas hardware
38.
Dalam supervised learning, kesalahan model sering dihitung menggunakan:
a)
Loss Function
b)
Cluster Function
c)
Activation Function
d)
Random Function
39.
Apa tujuan utama dari algoritma regresi linear?
a)
Mengelompokkan data ke dalam beberapa kategori
b)
Memprediksi nilai kontinu berdasarkan variabel input
c)
Menemukan pola dalam data yang tidak berlabel
d)
Menyusun aturan fuzzy
40.
Tujuan utama machine learning adalah:
a)
Membuat komputer sepenuhnya otonom
b)
Memberikan kemampuan belajar ke komputer tanpa pemrograman eksplisit
c)
Mengotomasi seluruh proses manual
d)
Mengganti model berbasis aturan
100 %
