WorksheetsUTS Analitika Data
Total questions: 20
Worksheet time: 10hrs 0mins
Sebuah perusahaan retail mengalami penurunan loyalitas pelanggan. Manakah dari pilihan berikut yang merupakan terjemahan paling tepat dari masalah bisnis ini menjadi masalah analitik yang spesifik?
Memprediksi probabilitas churn setiap pelanggan dalam 3 bulan kedepan berdasarkan riwayat transaksi dan demografi
Membuat program loyalitas pelanggan baru untuk menarik kembali pelanggan
Cara meningkatkan pemsaran untuk meningkatkan penjualan
Menganalilis pendapatan total perusahaan selama 5 tahun terkahir
Seorang manajer bertanya, 'Penjualan kita turun 15% kuartal lalu. Apa faktor-faktor utama yang menyebabkan penurunan ini?' Jenis analisis data apa yang paling sesuai untuk menjawab pertanyaan ini?
Analisis diagnostik
Analisis Preskriptif
Analisis Deskriptif
Analisis Prediktif
Sebuah tim data science telah mengembangkan model prediksi yang sangat akurat, namun departemen operasi menolak untuk menggunakannya dan lebih memilih metode tradisional mereka. Tantangan tersebut diklasifikasikan sebagai apa?
Organizational Barries
Moedl Interpretability Requirements
Data Quality Issues
Technical Callenges
Manakah dari berikut ini yang merupakan contoh data kategorikal ordinal?
Tingkat kepuasan pelanggan (sangat puas, puas, netral).
Jumlah barang yang terjual dalam sehari.
Harga produk dalam Rupiah.
Jenis kelamin pelanggan (pria, wanita).
Manakah pernyataan yang paling akurat dalam membandingkan Python dan Tableau berdasarkan materi yang telah disampaikan ?
Python lebih serbaguna untuk berbagai tugas data science, sedangkan Tableau unggul dalam visualisasi data dan business intelligence yang ramah pengguna.
Tableau adalah alat yang lebih baik untuk pemrosesan big data skala besar dibandingkan Python.
Python memiliki kurva belajar yang lebih rendah dibandingkan Tableau karena komunitasnya yang besar.
Keduanya adalah bahasa pemrograman yang digunakan untuk analisis statistik dan implementasi machine learning.
Seorang data scientist secara tidak sengaja menggunakan data rata-rata penjualan di masa depan untuk membuat fitur prediksi penjualan hari ini. Kesalahan ini, di mana informasi yang seharusnya tidak tersedia saat prediksi digunakan dalam model, disebut...
Data Leakage
Curse of dimensionality
Overfitting
Selection Bias
Sebuah perusahaan e-commerce ingin menganalisis ribuan ulasan produk dari pelanggan untuk mengidentifikasi keluhan utama. Teknik apa yang paling sesuai untuk mengubah data teks tidak terstruktur ini menjadi format yang dapat dianalisis?
Time Series Forecasting
Standard Scaling
Vectorization (misalnya TF-IDF atau Word Embeddings)
Clustering Analysis
Sebuah dataset penjualan retail mencakup informasi berikut: peringkat kepuasan pelanggan (skala 1-5), jenis kelamin pelanggan, dan suhu ruangan saat pembelian. Manakah yang merupakan contoh data kategorikal ordinal?
Jenis kelamin pelanggan
Suhu ruangan saat pembelian
Jumlah item yang dibeli
Peringkat kepuasan pelanggan
Sebuah sistem Computer Vision yang menganalisis foto produk manufaktur untuk mendeteksi cacat secara otomatis merupakan aplikasi yang memanfaatkan jenis data apa?
Data Temporal
Data Teks
Data Terstruktur
Data Nonkonvensional (Visual)
Sebuah perusahaan retail ingin 'meningkatkan loyalitas pelanggan'. Menurut materi, bagaimana cara terbaik menerjemahkan masalah bisnis ini menjadi masalah analitik yang spesifik?
Meningkatkan kualitas layanan pelanggan di semua cabang toko fisik.
Mengumpulkan semua data transaksi dan demografi pelanggan ke dalam satu data warehouse.
Meluncurkan program loyalitas baru dengan diskon dan poin hadiah bagi semua pelanggan.
Membangun model untuk memprediksi probabilitas seorang pelanggan
Dalam spektrum analisis data, manakah yang paling akurat mendeskripsikan Analisis Preskriptif?
Memberikan rekomendasi rute pengiriman optimal secara real-time untuk armada logistik guna meminimalkan biaya bahan bakar.
Memberikan rekomendasi rute pengiriman optimal secara real-time untuk armada logistik guna meminimalkan biaya bahan bakar.
Menganalisis data penjualan historis untuk memahami mengapa terjadi penurunan pendapatan di kuartal terakhir.
Membuat dashboard yang menampilkan metrik penjualan harian, mingguan, dan bulanan.
Dari data transaksi historis seorang pelanggan, seorang data scientist membuat variabel baru bernama 'rata-rata nilai transaksi dalam 30 hari terakhir'. Tindakan ini merupakan contoh dari pilar feature engineering yang mana?
Feature Creation
Feature Selection
Feature Extraction
Feature Transformation
Berdasarkan materi, salah satu tantangan terbesar dalam implementasi pengambilan keputusan berbasis data bukanlah masalah teknis, melainkan masalah organisasional. Manakah dari pilihan berikut yang merupakan contoh tantangan organisasional?
Kesulitan mengintegrasikan berbagai sumber data dari sistem legacy yang terfragmentasi.
Adanya penolakan terhadap perubahan (resistance to change) dari para pengambil keputusan yang terbiasa mengandalkan intuisi
Keterbatasan skalabilitas platform big data untuk memproses data dalam volume besar.
Kompleksitas dalam menafsirkan model machine learning 'black box' seperti deep learning.
Sebuah dataset survei berisi kolom 'Tingkat Pendidikan' dengan kategori 'SD', 'SMP', 'SMA', dan 'S1'. Jenis data apakah yang paling tepat untuk merepresentasikan kolom ini?
Numerik Diskrit
Kategorikal Ordinal
Kategorikal Nominal
Numerik Kontinu
Apa tujuan utama dari tahap 'Exploratory Data Analysis' (EDA) dalam proses penyelesaian masalah data science?
Mengumpulkan data dari berbagai sumber dan mengevaluasi kualitas serta kelengkapannya.
Ini adalah bagian dari tahap 'Data Collection & Assessment' yang mendahului EDA.
Membuat variabel baru dan melakukan transformasi data untuk meningkatkan performa model.
Melakukan analisis deskriptif dan visual untuk memahami pola, tren, anomali, dan hubungan dalam data.
Sebuah perusahaan manufaktur ingin mengurangi downtime mesin. Masalah bisnis ini diterjemahkan menjadi masalah analitik: 'Memprediksi probabilitas kegagalan mesin dalam 24 jam ke depan berdasarkan data sensor'. Pendekatan data science manakah yang paling mencerminkan solusi untuk masalah analitik ini?
Recommendation system untuk menyarankan jadwal perawatan terbaik.
Clustering analysis untuk mengelompokkan mesin berdasarkan pola penggunaan.
Algoritma klasifikasi untuk menentukan apakah sebuah mesin akan gagal (kelas 1) atau tidak (kelas 0).
Analisis deret waktu (time series forecasting) untuk memprediksi output produksi mesin.
Dalam spektrum analisis data, manakah pertanyaan bisnis yang paling tepat dijawab menggunakan Analisis Preskriptif?
Bagaimana kita harus menyesuaikan harga produk secara dinamis untuk memaksimalkan margin keuntungan?
Berapa total pendapatan kita di kuartal terakhir berdasarkan wilayah penjualan?
Mengapa tingkat retensi pelanggan turun 5% bulan lalu?
Berapa banyak unit produk X yang kemungkinan akan terjual bulan depan?
Data nonkonvensional seperti teks dan gambar memberikan wawasan yang kaya, tetapi memiliki tantangan utama. Manakah yang paling akurat menggambarkan tantangan dalam memproses data teks untuk analisis sentimen?
Volume data teks selalu kecil, sehingga tidak cukup untuk melatih model deep learning.
Data teks terlalu konsisten dalam strukturnya sehingga sulit menemukan anomali.
Data teks perlu diubah menjadi representasi numerik yang dapat diproses oleh algoritma sambil mempertahankan makna semantiknya.
Data teks tidak dapat divisualisasikan, sehingga sulit untuk melakukan analisis eksplorasi.
Sebuah perusahaan retail ingin memprediksi permintaan produk untuk 3 bulan ke depan. Mereka memiliki data penjualan harian selama 5 tahun terakhir. Manakah teknik feature engineering yang paling mungkin memberikan peningkatan performa model secara signifikan?
Membuat fitur 'rolling statistics' seperti rata-rata penjualan 30 hari dan lag features seperti penjualan 365 hari yang lalu.
Menggunakan Standard Scaling pada fitur harga produk.
Menerapkan Principal Component Analysis (PCA) pada semua fitur numerik.
Melakukan One-Hot Encoding pada ID setiap produk.
Transformasi dari masalah bisnis yang 'abstrak dan multi-dimensi' menjadi masalah analitik yang 'terukur dan spesifik' adalah langkah fundamental. Manakah contoh transformasi yang paling akurat sesuai dengan materi?
Bisnis: 'Kita perlu lebih inovatif.' Analitik: 'Analisis sentimen terhadap ulasan produk pesaing.'
Bisnis: 'Kurangi biaya operasional.' Analitik: 'Bangun dashboard real-time untuk semua metrik keuangan.'
Bisnis: 'Tingkatkan pangsa pasar.' Analitik: 'Gunakan Python untuk analisis data penjualan.'
Bisnis: 'Bagaimana meningkatkan kepuasan pelanggan?' Analitik: 'Identifikasi faktor-faktor utama yang mempengaruhi skor Net Promoter Score (NPS) pelanggan.'
