Menyimpan data ke dalam warehouse

Menganalisis data

Mengubah dan memformat data

Mengambil data dari berbagai sumber

Menyimpan data ke dalam warehouse

Menghapus data yang tidak diperlukan

Mengubah format data

Mengambil data dari berbagai sumber

Semua jawaban benar

Data dari API eksternal

Data dari file teks

Data dari database relasional

Data diubah agar sesuai dengan kebutuhan analisis

Data dimasukkan ke dalam warehouse

Data dikumpulkan dari berbagai sumber

Data dihapus jika tidak dibutuhkan

Data yang sudah disimpan di warehouse

Data dari berbagai sumber yang perlu disesuaikan

Data yang tidak relevan

Data yang sudah terstruktur

Menemukan pola tersembunyi dalam data

Mengubah data menjadi file PDF

Menghapus data lama

Menyimpan data lebih cepat

Decision Tree, K-Means Clustering, Neural Networks

RAM, CPU, dan Cloud Computing

IoT, AI, dan Blockchain

SQL, HTML, dan XML

Association Rule Mining

Clustering

Classification

25.  Regression

Model yang memiliki akurasi tinggi pada data pelatihan

Model yang terlalu kompleks dan tidak generalisasi dengan baik

Model yang terlalu sederhana

Model yang tidak dapat memprediksi data baru

Data yang sangat besar dan kompleks sehingga sulit untuk diproses dengan alat tradisional

Data yang hanya disimpan dalam format teks

Data yang tidak terstruktur saja

Data yang diambil dari satu sumber saja

Mengelompokkan data ke dalam beberapa kategori tanpa variabel target

Memprediksi nilai kontinu berdasarkan hubungan antara variabel

Membuat model prediksi berdasarkan aturan yang bercabang seperti pohon

Menganalisis hubungan antara dua variabel numerik

Mencari pola asosiasi atau hubungan antar item dalam transaksi

Memprediksi nilai numerik berdasarkan hubungan antar variabel

Mengelompokkan data ke dalam beberapa kategori berdasarkan karakteristik

Menentukan urutan kejadian berdasarkan data historis

Data yang sudah memiliki label untuk pelatihan model

Data yang tidak memiliki label untuk diklasifikasikan

Algoritma clustering untuk mengelompokkan data

Tidak memerlukan data historis untuk belajar

Menyusun laporan keuangan secara manual

Menganalisis tren penjualan untuk rekomendasi produk

Menggunakan Microsoft Excel untuk menyimpan data pelanggan

Menginput data pelanggan secara manual ke dalam sistem

Mengurangi jumlah data yang disimpan

Menghasilkan wawasan bisnis yang lebih akurat untuk pengambilan keputusan

Menghapus data yang tidak berguna secara otomatis

Menghindari penggunaan teknologi dalam analisis data

Mengelompokkan data berdasarkan karakteristik tertentu

Memprediksi nilai numerik berdasarkan hubungan antar variabel

Menemukan pola dalam transaksi bisnis

Mengurangi dimensi data sebelum analisis

Data yang hanya berasal dari sumber internal perusahaan

Data yang memiliki volume besar, kecepatan tinggi, dan beragam bentuk

Data yang hanya berbentuk teks dalam jumlah banyak

Data yang hanya digunakan oleh perusahaan besar

Kecepatan pemrosesan dan aliran data

Volume data yang sangat besar

Keanekaragaman format data

Akurasi data yang dikumpulkan

MySQL

Apache Hadoop

Microsoft Excel

PowerPoint

Data transaksi pelanggan

Sensor IoT (Internet of Things)

Media sosial

Semua jawaban benar

Mengurangi jumlah data yang dikumpulkan

Membantu organisasi membuat keputusan berbasis data dengan lebih akurat

Menghapus data yang tidak relevan secara otomatis

Menggunakan data hanya untuk kebutuhan pemasaran

BI berfokus pada data historis, sedangkan Big Data Analytics dapat menangani data real-time dan kompleks

BI lebih kompleks dibandingkan dengan Big Data Analytics

Big Data Analytics hanya digunakan dalam bisnis kecil

BI tidak memerlukan visualisasi data

Keanekaragaman jenis data yang dikumpulkan

Akurasi data yang diperoleh dari berbagai sumber

Kecepatan pengolahan data yang tinggi

Volume data yang sangat besar

Memeriksa data historis untuk menemukan pola dan tren masa depan

Menyimpan data tanpa pengolahan lebih lanjut

Menghapus data yang tidak berguna

Mengelompokkan data tanpa menggunakan algoritma statistik