Font size
WorksheetsQuiz Koding dan Kecerdasan Artifisial
Total questions: 25
Worksheet time: 25mins
Bahasa pemrograman yang paling sering digunakan untuk pengembangan kecerdasan artifisial karena memiliki banyak library AI seperti TensorFlow dan PyTorch adalah …
Java
Python
C++
PHP
Ruby
Dalam konsep kecerdasan buatan, machine learning berfokus pada …..
Membuat robot berbicara seperti manusia
Memberi kemampuan sistem untuk belajar dari data
Mengganti seluruh pekerjaan manusia
Meniru emosi manusia
Membuat gambar 3D
Struktur data yang paling umum digunakan untuk menyimpan data dalam bentuk tabel dalam pemrograman Python adalah …...
List
Tuple
Dictionary
DataFrame
Array
Jika suatu model AI hanya menghafal data pelatihan tanpa mampu mengenali pola baru, maka model tersebut mengalami …..
Overfitting
Underfitting
Normalisasi
Validasi
Regularisasi
Salah satu contoh penerapan Artificial Intelligence di kehidupan sehari-hari adalah …..
Lampu lalu lintas manual
Mesin pencuci baju biasa
Asisten virtual seperti Google Assistant
Kalkulator
Radio analog
Dalam struktur if-else pada pemrograman Python, bagian “else” digunakan untuk …...
Menentukan kondisi tambahan
Mengevaluasi kondisi benar
Menjalankan perintah jika kondisi salah
Mengulang kode
Mengakhiri program
Library Python yang digunakan untuk memproses data numerik dan array multidimensi adalah …..
TensorFlow
Pandas
Matplotlib
NumPy
SciKit
Algoritma yang paling umum digunakan untuk mengelompokkan data secara tidak terawasi (unsupervised learning) adalah …...
Decision Tree
K-Means
Naive Bayes
Random Forest
Linear Regression
Tujuan utama dari training dalam pembelajaran mesin adalah …..
Menghapus data yang salah
Mengubah model menjadi grafik
Meningkatkan kemampuan model mengenali pola
Menyimpan data
Menghapus noise
Dalam konsep neural network, “neuron” buatan berfungsi sebagai …..
Unit penyimpanan data
Pengambil keputusan yang mengolah input menjadi output
Alat visualisasi
Media komunikasi antar perangkat
Sistem keamanan
Seorang siswa membuat program AI untuk mengenali wajah teman-temannya. Namun, hasilnya sering salah untuk wajah yang pencahayaannya redup. Apa penyebab kemungkinan terbesarnya?
Data pelatihan tidak cukup bervariasi
Model terlalu kompleks
Tidak ada proses normalisasi data
GPU tidak digunakan
Dataset terlalu besar
Seorang siswa ingin membuat model prediksi harga barang dengan machine learning. Langkah-langkah penting yang perlu dilakukan adalah …
Mengumpulkan data historis
Melakukan data preprocessing
Menentukan model prediksi
Menghapus semua nilai nol tanpa analisis
Melakukan evaluasi hasil
Dalam proyek pengenalan suara, hasil model buruk karena data terlalu sedikit. Solusi yang mungkin dilakukan adalah …
Menambah dataset dengan data augmentation
Mengganti model dengan jaringan yang lebih dalam
Melakukan transfer learning
Menghapus sebagian data agar cepat diproses
Mengatur parameter pelatihan dengan benar
AI vision digunakan untuk mendeteksi sampah di sungai. Agar hasil lebih akurat, perlu dilakukan …
Peningkatan kualitas gambar
Labeling data yang tepat
Pelatihan dengan berbagai kondisi cuaca
Mengabaikan data buram
Menggunakan model klasifikasi sederhana
Dalam proyek AI untuk mendeteksi emosi wajah, aspek etika yang perlu dipertimbangkan adalah …
Privasi wajah pengguna
Izin pengambilan data
Potensi bias terhadap ras dan gender
Penggunaan data secara anonim
Penghapusan seluruh dataset
Seorang siswa membuat self-driving car simulation. Faktor yang menentukan keberhasilan sistem meliputi …
Akurasi sensor simulasi
Algoritma kontrol
Pengolahan citra real-time
Desain warna mobil
Kecepatan respon model
Untuk meningkatkan akurasi model klasifikasi, beberapa strategi yang dapat dilakukan yaitu …
Feature selection
Hyperparameter tuning
Menambah data pelatihan
Menghapus fitur penting
Menggunakan model ansambel
Proyek AI yang melibatkan data sensitif seperti wajah dan suara harus …
Menyimpan data dengan aman
Menggunakan enkripsi
Meminta izin dari pengguna
Menyebarkan data ke publik
Mematuhi peraturan privasi
Saat melakukan feature extraction dari gambar, teknik yang bisa digunakan adalah …
Edge detection
Color histogram
Texture mapping
Audio filtering
Shape analysis
Dalam supervised learning, penting untuk memiliki …
Label pada setiap data
Data acak tanpa makna
Proses validasi
Model yang dilatih
Data uji tanpa label
Dalam proses debugging (pencarian kesalahan) kode program, tahap berpikir komputasional yang paling banyak diterapkan adalah...
Abstraksi, untuk mengabaikan detail-detail kode yang salah
Pengenalan Pola, untuk mengidentifikasi pola kesalahan yang sering terjadi
Dekomposisi, untuk memecah program menjadi unit-unit kecil yang diuji secara terpisah
Algoritma, untuk menyusun langkah perbaikan yang terstruktur
Semua langkah di atas dilakukan secara simultan
Untuk membuat sebuah program yang andal (robust) dan mudah dipelihara, manakah hal-hal berikut yang harus dilakukan oleh seorang programmer dalam proses Abstraksi dan Dekomposisi?
Memecah masalah besar menjadi modul-modul atau fungsi-fungsi kecil yang independen.
Mengidentifikasi variabel input dan output utama, mengabaikan cara detail perhitungan di dalamnya.
Menggunakan bahasa pemrograman tingkat tinggi seperti Python daripada bahasa mesin
Menulis komentar pada setiap baris kode agar mudah dibaca
Menggunakan kembali kode yang sudah teruji untuk fungsi-fungsi standar.
Dalam konsep Berpikir Komputasional, proses Abstraksi dalam konteks Big Data adalah...
Menyusun algoritma untuk mengolah semua data mentah
Mengidentifikasi dan memfokuskan pada informasi penting/fitur kunci, sambil mengabaikan detail-detail data yang tidak relevan
Memecah Big Data menjadi dataset yang lebih kecil
Mengulangi proses analisis hingga mendapatkan hasil yang sempurna
Menyusun struktur database yang sangat kompleks.
Encryption (enkripsi) data adalah proses mengubah data asli (plaintext) menjadi kode yang tidak dapat dibaca (ciphertext). Tujuan utama dari enkripsi adalah...
Mempercepat proses transmisi data
Menghemat ruang penyimpanan data.
Menjamin integritas dan kerahasiaan data dari akses pihak yang tidak berwenang
Memudahkan pengindeksan data oleh search engine
Mengubah data dari analog menjadi digital.
Jika Anda ingin membangun sistem AI yang dapat mengelompokkan (clustering) data transaksi pelanggan tanpa label kategori yang telah ditentukan (misalnya: Platinum, Gold, Silver), manakah jenis pembelajaran mesin yang cocok untuk tugas ini?
Supervised Learning (Pembelajaran Terawasi)
Unsupervised Learning (Pembelajaran Tanpa Terawasi)
Reinforcement Learning (Pembelajaran Penguatan)
Clustering
Classification
