Font size
WorksheetsKUIS 2 Kelas B BM (Big Data)
Total questions: 10
Worksheet time: 21mins
Tim analis data ingin mengumpulkan data ulasan pelanggan dari sebuah situs e-commerce untuk menganalisis sentimen pengguna terhadap produk terbaru. Mereka memutuskan menggunakan Python karena kemampuannya dalam melakukan web crawling secara efisien. Tim tersebut memanfaatkan pustaka seperti requests dan BeautifulSoup untuk mengakses dan mengekstraksi konten dari halaman web.
Mengapa Python menjadi pilihan populer untuk melakukan web crawling dalam kasus seperti di atas?
Python memiliki sintaks yang kompleks sehingga cocok untuk proyek berskala besar
Python dilengkapi dengan pustaka yang kuat dan mudah digunakan untuk mengambil dan memproses data dari web
Python hanya digunakan untuk pengolahan data, bukan pengumpulan data
Python memerlukan software khusus pihak ketiga untuk dapat melakukan crawling situs web
Seorang analis bisnis di perusahaan ritel menggunakan RapidMiner untuk menganalisis pola pembelian pelanggan berdasarkan data transaksi tiga bulan terakhir. Ia memilih RapidMiner karena antarmukanya yang visual dan kemudahan dalam membangun alur proses analitik tanpa perlu menulis kode secara manual.
Apa keunggulan utama RapidMiner yang membuatnya cocok digunakan dalam analisis data oleh pengguna non-programmer?
Hanya bisa digunakan untuk membuat visualisasi data
Memiliki antarmuka berbasis teks yang mendukung scripting secara penuh
Menyediakan lingkungan visual drag-and-drop yang intuitif
Mengharuskan pengguna memiliki latar belakang teknik komputer
Sebuah perusahaan teknologi mencoba menerapkan data mining untuk mengidentifikasi pelanggan potensial yang kemungkinan akan berhenti berlangganan. Namun, hasil yang diperoleh kurang akurat. Setelah evaluasi, diketahui bahwa mereka menggunakan data yang tidak lengkap dan tidak relevan terhadap tujuan analisis.
Berdasarkan skenario tersebut, faktor manakah yang paling krusial dalam menentukan keberhasilan proses data mining?
Penggunaan perangkat keras berkecepatan tinggi
Keindahan tampilan visualisasi data
Kualitas dan relevansi data yang digunakan
Banyaknya metode statistik yang dicoba
Dalam presentasi hasil analisis data pemasaran, seorang analis menunjukkan grafik penjualan selama satu tahun terakhir. Namun, audiens merasa kesulitan memahami pesan utama karena grafik yang ditampilkan terlalu kompleks dan tidak memiliki penjelasan yang jelas mengenai konteks perubahan data.
Pertanyaan:
Apa prinsip penting dari storytelling dalam visualisasi data yang seharusnya diterapkan dalam kasus di atas?
A. Menampilkan seluruh data dalam satu grafik untuk efisiensi
B. Menggunakan warna-warna cerah tanpa mempertimbangkan makna
C. Menyampaikan pesan utama secara jelas dengan alur cerita yang terstruktur
D. Meminimalkan penggunaan teks agar tampilan lebih bersih
Dalam sebuah konferensi, seorang analis data menampilkan visualisasi tentang penurunan jumlah pengguna aplikasi dalam tiga bulan terakhir. Ia menyusun grafik linier, memberi penekanan pada titik-titik penting dengan anotasi yang jelas, dan menambahkan narasi singkat yang menjelaskan kemungkinan penyebab penurunan.
Mengapa pendekatan storytelling seperti ini penting dalam visualisasi data?
A. Karena membuat visualisasi terlihat lebih menarik untuk dicetak
B. Karena memungkinkan semua data ditampilkan sekaligus tanpa filter
C. Karena membantu audiens memahami konteks dan makna di balik data
D. Karena membuat grafik lebih kompleks dan sulit ditiru oleh pesaing
Seorang analis data sedang mengolah dataset pelanggan menggunakan RapidMiner. Ia menemukan beberapa masalah umum dalam data, seperti nilai kosong (missing values), data duplikat, dan format data yang tidak konsisten. Untuk memastikan bahwa model analisis yang akan dibangun menjadi akurat, ia memutuskan untuk melakukan proses data cleaning terlebih dahulu menggunakan fitur bawaan RapidMiner.
Dalam proses ini, ia menggunakan operator seperti Replace Missing Values, Filter Examples, dan Select Attributes. Operator-operator tersebut digunakan untuk membersihkan data sebelum tahap modeling.
Pertanyaan:
Manakah pernyataan yang paling tepat mengenai penggunaan fitur data cleaning dalam RapidMiner?
A. Fitur cleaning hanya digunakan untuk menghapus seluruh baris data yang tidak relevan
B. Operator seperti Replace Missing Values digunakan untuk mengganti nilai hilang dengan nilai statistik atau default tertentu
C. RapidMiner tidak menyediakan fungsi bawaan untuk pembersihan data, sehingga harus menggunakan ekstensi pihak ketiga
D. Filter Examples digunakan untuk mengubah tipe data numerik menjadi teks
Mengapa Anda sebagai mahasiswa manajemen bisnis mempelajari rapidminer, python dan google collab dalam mata kuliah Big Data dan Analisis Bisnis?
Setelah mengikuti mata kuliah ini, apakah pandangan Anda terhadap pentingnya data dalam pengambilan keputusan bisnis berubah? Jelaskan perubahan tersebut dan apa insight terbesar yang Anda dapatkan.
Berikan contoh kasus nyata dalam dunia bisnis (misalnya: pemasaran, keuangan, operasional) yang menurut Anda bisa diselesaikan dengan pendekatan Big Data dan Analitik.
Bagaimana Anda akan menggunakan tools yang telah dipelajari untuk menganalisis kasus tersebut? Petunjuk: Hubungkan antara teori yang Anda pelajari dengan strategi bisnis.
Bagaimana perasaan anda hampir selesai di kelas ini? Apa saja hal yang telah anda peroleh, silahkan ceritakan bagaimana perasaan anda
