NEW
Font size
WorksheetsReview Module ML
Total questions: 30
Worksheet time: 45mins
Di bawah ini yang bukan merupakan model atau algoritma yang umum digunakan dalam supervised learning adalah ...
Linear Regression
Logistic Regression
KMeans
Decision Tree
Adaptive Boosting
Misalkan Anda diminta untuk mengimplementasikan fraud detection system pada sebuah transakasi keuangan. Diberikan beberapa pernyataan berikut ini:
1. Sistem menghasilkan nilai peluang sebuah transaksi dikenali sebagai Fraud.
2. Jumlah uang dalam transaksi dapat menjadi salah satu feature.
3. Harus mengimplementasikan sistem ini dengan pendekatan machine learning.
4. Harus memiliki jumlah transaksi fraud dan non-fraud yang sama untuk melatih model.
Pernyataan yang kurang tepat adalah…
1, 2, 4
2, 4
3, 4
2, 3
1, 4
Perhatikan persamaan model multiple linear regression. Pernyataan yang tepat adalah…
Komponen dalam kotak kuning adalah slope
Komponen dalam kotak hijau adalah explanatory variable
Komponen dalam kotak merah adalah intercept
Komponen dalam kotak biru adalah independent variable
Komponen dalam kotak hijau adalah response variable
Pada kasus regresi, metode Least Squares (OLS) dapat digunakan untuk mengestimasi nilai parameter model dengan cara mencari ….
Jumlah kuadrat dari nilai hasil prediksi dan data observasi yang sekecil mungkin
Jumlah kuadrat dari nilai hasil prediksi dan data observasi yang sekecil mungkin
Jumlah kuadrat dari nilai hasil prediksi dan data observasi yang mendekati 1
Jumlah kuadrat selisih dari nilai hasil prediksi dengan data observasi yang mendekati 1
Tidak ada jawaban yang benar
Fungsi calculate_metric pada kode di bawah ini akan menghitung sebuah evaluation metric yaitu ...
MSE
MAE
MAPE
RMSE
R square
Dalam kasus klasifikasi sistem pendeteksi kanker, di mana orang yang menderita kanker diasumsikan sebagai positive class, false positive rate menandakan …
Persentase jumlah pasien tidak kanker yang dideteksi sebagai pasien kanker
Persentase jumlah pasien kanker yang dideteksi sebagai pasien tidak kanker
Jumlah pasien tidak kanker yang dideteksi sebagai pasien kanker
Jumlah pasien kanker yang dideteksi sebagai pasien tidak kanker
Persentase jumlah pasien tidak kanker yang dideteksi sebagai pasien tidak kanker
Pada decision tree classification, splitting akan berhenti dilakukan jika terpenuhi kondisi-kondisi berikut ini:
1) Kedalaman tree sudah mencapai ketentuan
2) Jumlah elemen pada node sebelum melakukan splitting kurang dari ketentuan
3) Jumlah elemen pada node setelah melakukan splitting kurang dari ketentuan
4) Jumlah elemen pada node setelah melakukan splitting lebih dari ketentuan
5) Seluruh elemen pada leaf masuk ke dalam satu kelas saja
Pernyataan yang tepat ada pada nomor …
1, 2, 3
1, 2, 4
1, 2, 3, 5
1, 2, 4, 5
2, 4, 5
Bagian yang paling mungkin menyebabkan masalah evaluasi model pada potongan kode di bawah ini terdapat pada
Pada baris ke-7, untuk membaca dataset seharusnya np.read_csv()
Pada baris ke-15, proses splitting train set dan test set seharusnya sebelum model training
Pada baris ke-15, train_test_split seharusnya menggunakan parameter stratify=y
Pada baris ke-17, untuk prediksi seharusnya tree.predict(y_test)
Pada baris ke-18, RMSE kurang tepat digunakan untuk evaluasi kasus regresi
Pernyataan yang tepat mengenai tabel di atas adalah …
Model no.3 mengalami overfitting
Model no.1 adalah model terbaik karena modelnya paling general/stabil
Model no.2 mengalami underfitting
Model no.1 kemungkinan dapat ditingkatkan performanya dengan menambah jumlah feature
Model no.2 kemungkinan dapat ditingkatkan performanya dengan menambah jumlah feature
Di bawah ini yang merupakan pernyataan yang pasti benar mengenai decision tree yaitu ….
Decision tree dapat digunakan untuk melakukan prediksi target yang bersifat continuous
Nilai parameter min_samples_split yang besar akan menghasilkan tree yang dalam/besar
Pada bagian bawah tree, nilai gini impurity cenderung lebih tinggi
Nilai parameter min_samples_leaf yang besar akan menghasilkan tree yang dalam/besar
Nilai parameter max_depth yang besar pasti akan menghasilkan jumlah node yang banyak
Di bawah ini yang bukan merupakan strategi untuk dapat menghindari overfitting yaitu …
Menambah jumlah data untuk training model
Menerapkan regularization dengan nilai parameter penalty yang tinggi
Menggunakan polynomial features pada model
Mengurangi kompleksitas model
Mengurangi jumlah fitur
Kondisi di bawah ini merupakan beberapa penyebab dari underfitting, kecuali ...
Menggunakan nilai k (jumlah neighbor) yang besar untuk K-Nearest Neighbours
Menggunakan model linear regression pada data yg tidak linear
Melatih model dengan sedikit feature
Membuat decision tree dengan entropy sebagai splitting criterion
Membuat decision tree dengan depth = 1
Di antara beberapa contoh categorical variable di bawah ini, yang paling mungkin di-encode menggunakan teknik ordinal encoding yaitu ...
Jenjang karir/Pangkat
Jenis kelamin
Nama negara
Status merokok (ya/tidak)
Nama kota
Output:
No of unique value: 9
No of new columns: ???
Berapa jumlah kolom yang dihasilkan dari proses One Hot Encoding di atas?
8
9
4
1
81
Apabila terdapat missing values pada sejumlah kolom sebuah dataset, strategi yang mungkin untuk dilakukan yaitu sebagai berikut, kecuali ...
mengisi missing value pada suatu kolom numerikal dengan suatu nilai berdasarkan hasil regresi dari nilai pada kolom lainnya
mengisi missing value dengan mode jika kolomnya kategorikal
mengisi missing value dengan mean jika kolomnya numerikal
menghapus baris yang punya missing value
mengisi missing value dengan mean jika kolomnya kategorikal
Pada model-based feature selection, pemilihan feature dapat dilakukan diantaranya dengan
Melihat feature importance pada model seperti decision tree dan random forest
Memilih feature berdasarkan domain knowledge
Melatih model dengan sedikit feature, lalu menambahkan feature satu per satu sambil menghitung sebuah metric
Memilih feature dengan melihat korelasi antara feature dengan target
Melatih model dengan seluruh feature, lalu menghilangkan feature satu per satu sambil menghitung sebuah metric
Apabila ‘YES’ diasumsikan sebagai positive class, berapa nilai precision?
0.892
0.980
0.806
0.961
0.5
Anda seorang Data Scientist di sebuah perusahaan FinTech dan diminta untuk mengimplementasikan sebuah sistem pendeteksi nasabah gagal bayar (default). Perusahaan Anda menilai bahwa kerugian ketika salah memprediksi nasabah yang mampu melunasi pembayaran sebagai nasabah gagal bayar (default) lebih besar dibanding kerugian ketika salah memprediksi nasabah gagal bayar sebagai nasabah yang mampu melunasi pembayaran.
Metric yang perlu coba diminimalkan nilainya oleh model Anda adalah…
F1 score
Precision
Recall
False Positive Rate
False Negative Rate
Berdasarkan kode di bawah ini, jumlah kombinasi nilai hyperparameter yang akan di-fitting adalah
9
40
24
48
20
Untuk memperoleh pengukuran evaluasi model berupa rata-rata dari kuadrat selisih antara hasil prediksi dengan data observasi yang sesungguhnya, metric yang dapat digunakan yaitu ...
MAE
MSE
RMSE
MAPE
R square
Di bawah ini yang merupakan strategi yang kurang tepat dalam mengatasi kasus imbalance class adalah ...
Melakukan oversampling
Melakukan undersampling
Mengumpulkan lebih banyak data pada minority class
Melakukan feature engineering
Menambah data pada majority class
Salah satu strategi dalam ensemble learning di mana terdapat lebih dari satu base learner dengan cara kerja sequential/berurutan di mana hasil modeling dari suatu base learner pada sample dari dataset akan mempengaruhi pemilihan sampel dan modeling pada base learner selanjutnya, disebut dengan ...
Voting
Stacking
Bagging
Boosting
Tuning
Pada model bagging yang menggunakan decision tree sebagai base learner, manakah cara kerja model bagging berikut yang kurang tepat dalam mengoptimalkan prediksi yang dihasilkan?
Menjalankan semua base learner secara parallel
Melakukan hyperparameter tuning untuk menentukan jumlah base learner yang paling optimal terhadap data
Menjalankan base learner secara sequential
Hasil prediksi dari setiap base learner di-agregasi dengan cara majority vote
Dilakukan bootstrap-sampling untuk memiliki karakteristik data yang berbeda pada tiap base learner
Di bawah ini yang merupakan pernyataan yang kurang tepat mengenai principal component analysis (PCA) yaitu
PCA mengurangi jumlah dimensi data dengan menghapus feature yang korelasinya paling kecil terhadap target
Kekurangan dari penerapan PCA adalah adanya risiko kehilangan informasi dari data yang digunakan
Feature hasil penerapan PCA dapat digunakan untuk clustering
PCA dapat mempermudah untuk tujuan visualisasi pada 2D atau 3D plot
PCA dapat menangani multicollinearity
Pada metode clustering DBSCAN, Anda bisa mengatur hyperparameter epsilon dan min_samples. Pernyataan yang benar mengenai hal tersebut adalah ….
Memperbesar nilai epsilon akan menyebabkan cluster yang terbentuk cenderung berukuran kecil-kecil
Memperbesar nilai epsilon akan menyebabkan semakin sedikit data point yang masuk sebagai cluster
Memperbesar nilai min_samples akan menyebabkan semakin banyak data yang dianggap sebagai noise
Memperbesar nilai min_samples akan mempermudah bagi setiap data untuk menjadi core sample
Epsilon adalah jumlah minimum sample untuk menjadi core sample
Pernyataan yang kurang tepat mengenai K-Means Clustering adalah …
Cara kerja K-Means Clustering adalah dengan memasukkan data point pada centroid terdekat menjadi sebuah cluster, kemudian pada iterasi berikutnya centroid akan berpindah ke rata-rata pada cluster tersebut
Jumlah cluster optimal dapat ditentukan menggunakan dendrogram
Jumlah cluster optimal dapat ditentukan menggunakan shilouette score
Jumlah cluster optimal dapat ditentukan menggunakan elbow method
Tidak ada jawaban yang benar
Di bawah ini, yang bukan merupakan contoh bentuk deliverable pada interpretable machine learning model adalah …
Decision Tree plot
Koefisien dari feature-feature di Linear Regression
Decision boundary pada K-Means Clustering
Feature Importance pada Gradient Boost
Koefisien dari features di Logistic Regression
Di bawah ini, yang merupakan business question yang bersifat inference yaitu ...
Apakah kita dapat mendeteksi siapa saja customer yang akan melakukan churn?
Kota mana yang menghasilkan pendapatan paling besar?
Apakah kita dapat mengelompokkan customer berdasarkan segmentasinya?
Pelanggan mana saja yang baru mulai bertransaksi hari ini dan paling mungkin akan menjadi loyal customer?
Pelanggan mana saja yang bertransaksi hari ini dan terindikasi melakukan fraud?
Berikut adalah evaluation metrics yang biasa digunakan untuk kasus klasifikasi, kecuali…
Recall
F1 score
Accuracy
Precision
R-square
Dalam sebuah perusahaan, 60% karyawannya adalah laki-laki dan 40% perempuan.
Diketahui bahwa:
70% karyawan laki-laki bisa coding Python.
50% karyawan perempuan bisa coding Python.
Jika dipilih satu orang secara acak dan ternyata orang tersebut bisa coding Python, berapa probabilitas bahwa orang tersebut (dari seluruh yang bisa coding Python) adalah laki-laki?
70%
67.7%
42%
60%
50%
