UAS SISTEM PENGENALAN POLA 2021

WAKTU: 60 MENIT

1. Berikut adalah bagian dari pengenalan pola, kecuali:

a. optimasi c. regresi
b. klasifikasi d. klastering
2. Klastering melakukan pengelompokan berdasarkan:
a. data training c. kedekatan antar data
b. garis trend d. label data
3. berikut adalah beberapa metode klastering, kecuali:
a. k-means c. agglomerative hierarchical
b. K-NN d. k-medoid
4. Klustering bertujuan untuk, kecuali:
a. mengelompokkan data berdasarkan c. memisahkan data berdasarkan
karakteristik sejenis karakteristik beragam
b. memisahkan data dengan kesamaan ciri d. mengelompokkan data dengan kesamaan
yang rendah ciri yang tinggi
5. Euclidian distance paling banyak digunakan dalam proximity measure, karena
a. komputasi yang cepat c. sesuai dengan konsep bahwa data adalah
numerik
b. sesuai dengan konsep bahwa data adalah d. kompleksitas rendah
vektor

6. Klastering mencoba mengumpulkan data agar varian dalam satu kelas menjadi:
a. rendah c. tinggi
b. beragam d. komplek

7. Klastering mencoba mengumpulkan data agar varian antar kelas menjadi:

a. tinggi c. rendah
b. komplek d. beragam
8. Klastering merupakan pengelompokan data dilakukan jika data yang dikumpulkan:
a. memiliki jumlah label >2 c. tidak memiliki label
b. memiliki label yang beragam d. tidak memiliki input
9. Klastering merupakan learning secara:
a. supervised c. deterministic
b. probabilistic d. unsupervised
10. Beberapa distance yang dapat digunakan dalam proximity measure dari klastering, kecuali:
a. new york c. euclidian
b. manhattan d. mahalanobis
11. langkah awal k-means clustering adalah:
a. memberi label data secara acak c. menghitung distance antar data
b. memisahkan data menjadi 2 kelas d. mengelompokkan data menjadi 2 kelas
12. k-means clustering merupakan bagian dari
a. hierarchical clustering c. hard clustering
b. divisive clustering d. soft clustering
13. Iterasi dalam k-means clustering akan dihentikan jika:
a. sudah tercapai jumlah kelasnya c. data sudah mencukupi
b. data sudah terkelompokkan d. tidak ada data yang berubah kelasnya
14. Hasil k-means clustering antara lain adalah:
a. distance masing-masing kelas c. jumlah kelompok
b. centroid setiap kelas d. jenis kelompok
15. Tentukan centroid dari 4 data berikut:
(1) 10 (2) 20 (3) 40 (4) 50
a. 30 c. 20
b. 40 d. 35
16. Tentukan centroid dari 3 data berikut:
(1) 20, 40
(2) 30, 50
(3) 10, 30
a. 60, 130 c. 190
b. 20, 40 d. 60
17. Jika centroid kelas A adalah 100 dan centroid kelas B adalah 500, maka data 200 akan dikelompokkan
sebagai kelas:
a. A dan B c. B
b. C d. A
18. Jika centroid kelas A adalah (10,30), maka data (20,40) memiliki nilai Euclidian distance terhadap kelas A
sebesar:
a. (40,70) c. (10,10)
b. d.

19. Jika centroid kelas B adalah (40,60), maka data (20,40) memiliki nilai Euclidian distance terhadap kelas B
sebesar:
a. (20,20) c.
b. d. (60,100)

20. Jika centroid kelas A adalah (10,30), dan centroid kelas B adalah (40,60), maka dalam k-means clustering
data (20,40) akan dikelompokkan menjadi kelas
a. A dan B c. B
b. A d. C
21. Jika centroid kelas A adalah 5, kelas B 10 dan kelas C adalah 20, maka data 11 akan dikelompokkan menjadi
kelas:
a. B c. A
b. D d. C
22. AHC merupakan metode klastering yang bersifat:
a. bottom to top c. recursive
b. divisive d. top to bottom
23. Kelas hasil AHC dapat ditunjukkan menggunakan diagram:
a. dendogram c. histogram
b. tabel d. pictogram
24. Berikut adalah bukan metode pemilihan distance dalam AHC:
a. single linkage c. complete linkage
b. average linkage d. double linkage
25. Complete linkage memilih distance yang:
a. median c. paling kecil
b. rata-rata d. paling besar
26. Langkah pertama dalam metode AHC adalah:
a. meneglompokkan berdasar label c. mengelompokkan secara acak
b. membuat tabel distance d. membuat matrix distance
27. Iterasi dalam metode AHC akan berhenti saat:
a. tidak ada distance yang berubah c. jumlah kelas = 2
b. tidak ada data yang berpindah kelas d. jumlah kelas sudah terpenuhi
28. Diketahui distance kelas (A) terhadap kelas (BDEH) adalah 10, 12, 13, 20, maka menggunakan metode
complete linkage didapati distance yang dipilih adalah:
a. 15 c. 55/4
b. 20 d. 10
29. Diketahui distance kelas (A) terhadap kelas (BDEH) adalah 10, 12, 13, 20, maka menggunakan metode single
linkage didapati distance yang dipilih adalah:
a. 10 c. 55/4
b. 20 d. 15
30. Dalam setiap iterasinya, AHC akan mengelompokkan .... data ke dalam kelompok yang sudah ada
a. beberapa c. tiga
b. satu d. dua
31. AHC akan mengelompokkan data baru ke dalam kelompok dengan distance paling ...
a. besar c. menengah
b. beragam d. kecil
32. Performa sebuah klastering bisa dihitung menggunakan:
a. RMSE c. MAE
b. Median d. DB - Index
33. Klastering yang baik akan menghasilkan pengelompokan dengan kriteria berikut, kecuali:
a. Varian interkelas sebesar-besarnya c. Varian intrakelas sekecil-kecilnya
b. Varian yang sama di setiap kelas d. Varian yang kecil di setiap kelas
34. Jumlah kelas dalam klastering dapat ditentukan berdasarkan:
a. jumlah data c. label
b. pendapat pakar d. kebutuhan pengelompokan
35. Diketahui nilai varian dalam kelas (within class variance) dari proses klastering adalah sebagai berikut:
2 kelas, = 0.5, = 0.6
3 kelas, = 0.25, = 0.05, = 0.1
maka jumlah kelas yang dipilih adalah:
 a. 2 dan 3 c. 3
b. 2 d. 1
36. Diketahui distance dari centroid antar kelas dari hasil klastering adalah sebagai berikut:
2 kelas, = 40
3 kelas, = 15, = 10, =7
maka jumlah kelas yang dipilih adalah:
a. 1 c. 2
b. 3 d. 2 dan 3
37. Hasil output dari sebuah regresi linier adalah:
a. kelas c. centroid
b. persamaan garis d. jumlah kelas
38. Regresi dapat digunakan sebagai:
a. index performa klastering c. prediksi
b. pengelompokan d. penghitung akurasi
39. Berikut adalah jenis regresi, kecuali:
a. regresi linier c. cosine regression
b. regresi logaritmik d. multiple linier regression
40. Regresi merupakan bagian dari pengenalan pola karena
a. berdasarkan performa klastering c. berdasarkan trend data sebelumnya
b. berdasarkan centroid yang dihitung d. berdasarkan kelas yang ditentukan pakar
41. Regresi linier akan menghasilkan persamaan:
a. c.
b. d.

42. jika x adalah nilai input dan y adalah nilai output, maka perhitungan nilai koefisien persamaan regresi linier
membutuhkan nilai berikut, kecuali:
a. c.
b. d.

43. Jumlah data n mempengaruhi nilai koefisien dari persamaan regresi linier
a. benar c. opsional
b. salah d. kondisional
44. Jika dari regresi linier ditemukan koefisien persamaan dengan gradien adalah 2 dan titik potong sumbu y
adalah 10, maka tentukan nilai output y jika x = 5!
a. y = 20 c. y = 100
b. y = 52 d. y = 17
45. Gradien dalam persamaan regresi linier menunjukkan:
a. jumlah kelas c. RMSE
b. titik potong garis pada sumbu y d. trend data
46. Performa regresi linier dapat dihitung menggunakan:
a. RMSE c. prosentase kelas salah
b. DB-Index d. prosentase kelas benar
47. Gradien negatif dalam persamaan regresi linier menunjukkan hubungan ... antara input dan output
a. berbanding sejajar c. berbanding lurus
b. berbanding terbalik d. berbanding tegak lurus
48. Jika dari regresi linier ditemukan koefisien persamaan dengan gradien adalah 11 dan titik potong sumbu y
adalah 4, maka tentukan nilai output y jika x = 2!
a. y = 17 c. y = 26
b. y = 88 d. y = 19
49. RMSE merupakan singkatan dari
a. Root Mean Squared Error c. Root Mean Summed Error
b. Root Median Summed Error d. Root Median Squared Error
50. Performa regresi linier dihitung berdasarkan:
a. selisih kelas asal dan kelas prediksi c. selisih nilai asal dan nilai prediksi
b. varian antar kelas d. prosentase kelas benar