Skip to content Skip to sidebar Skip to footer

17 Soal (Pilihan Ganda) Machine Learning dan Jawaban

Contoh Soal Pilgan Tentang Machine Learning

1. Metode yang digunakan untuk mengukur tingkat ketidakmurnian dalam klastering adalah:
A. Precision
B. Recall
C. F1 score
D. Dunn Index

Jawaban: 
D. Dunn Index


2. Deep learning adalah:
A. Metode Machine Learning yang menggunakan jaringan saraf tiruan dengan banyak lapisan
B. Metode Machine Learning yang menggabungkan beberapa model untuk meningkatkan akurasi prediksi
C. Metode Machine Learning yang menggunakan pohon keputusan untuk klasifikasi
D. Metode Machine Learning yang menggunakan algoritma genetika untuk optimisasi

Jawaban: 
A. Metode Machine Learning yang menggunakan jaringan saraf tiruan dengan banyak lapisan


3. Gradient descent adalah:
A. Algoritma untuk memaksimalkan fungsi objektif dalam Machine Learning
B. Algoritma untuk mencari garis terbaik yang memisahkan dua kelas dalam klasifikasi
C. Algoritma untuk meminimalkan fungsi objektif dalam Machine Learning
D. Algoritma untuk menggabungkan beberapa model dalam ensemble learning

Jawaban: 
C. Algoritma untuk meminimalkan fungsi objektif dalam Machine Learning


4. Jaringan saraf tiruan yang memiliki satu lapisan tersembunyi disebut:
A. Perceptron
B. Multilayer Perceptron (MLP)
C. Deep Neural Network (DNN)
D. Convolutional Neural Network (CNN)

Jawaban: 
A. Perceptron


5. Algoritma yang digunakan untuk menghitung bobot yang optimal dalam jaringan saraf tiruan adalah:
A. Backpropagation
B. Gradient Boosting
C. Adaboost
D. K-Means

Jawaban: 
A. Backpropagation


6. Salah satu kelemahan dari algoritma K-Nearest Neighbors (KNN) adalah:
A. Sangat sensitif terhadap nilai pencilan (outlier)
B. Membutuhkan waktu komputasi yang lama saat jumlah data menjadi besar
C. Hanya cocok untuk data dengan fitur kategorikal
D. Tidak dapat digunakan untuk klasifikasi multikelas

Jawaban: 
B. Membutuhkan waktu komputasi yang lama saat jumlah data menjadi besar


7. Fungsi kerugian yang umum digunakan dalam regresi adalah:
A. Mean Squared Error (MSE)
B. Entropy
C. Gini Index
D. F1 score

Jawaban: 
A. Mean Squared Error (MSE)


8. Salah satu metode yang digunakan untuk menangani masalah kelas yang tidak seimbang dalam klasifikasi adalah:
A. SMOTE (Synthetic Minority Over-sampling Technique)
B. PCA (Principal Component Analysis)
C. AUC-ROC (Area Under the Receiver Operating Characteristic Curve)
D. Rmsprop (Root Mean Square Propagation)

Jawaban: 
A. SMOTE (Synthetic Minority Over-sampling Technique)


9. Salah satu keuntungan dari algoritma Naive Bayes adalah:
A. Tidak memerlukan waktu komputasi yang lama untuk melatih model
B. Cocok untuk data dengan banyak fitur dan dimensi tinggi
C. Mampu menangani masalah klasifikasi multikelas
D. Tidak terpengaruh oleh nilai pencilan (outlier)

Jawaban: 
A. Tidak memerlukan waktu komputasi yang lama untuk melatih model


10. Algoritma Machine Learning yang digunakan untuk reduksi dimensi adalah:
A. K-Means
B. Principal Component Analysis (PCA)
C. Support Vector Machine (SVM)
D. Random Forest

Jawaban: 
B. Principal Component Analysis (PCA)


11. Salah satu metode ensemble learning yang menggunakan beberapa model dengan bobot yang sama adalah:
A. Bagging
B. Boosting
C. Stacking
D. Voting

Jawaban: 
D. Voting


12. Area Under the Curve (AUC) mengukur:
A. Akurasi prediksi model
B. Kualitas klastering
C. Kinerja model dalam klasifikasi biner
D. Kinerja model dalam klasifikasi multikelas

Jawaban: 
C. Kinerja model dalam klasifikasi biner


13. Algoritma yang digunakan untuk melakukan prediksi berdasarkan pendapat sekelompok "ahli" adalah:
A. K-Means
B. Random Forest
C. Gradient Boosting
D. Adaboost

Jawaban: 
D. Adaboost


14. Salah satu teknik pengoptimalan yang digunakan dalam Machine Learning adalah:
A. Random search
B. Breadth-first search
C. Depth-first search
D. Linear search

Jawaban: 
A. Random search


15. Salah satu kelebihan algoritma Decision Tree adalah:
A. Tidak memerlukan banyak preprocessing pada data
B. Tidak terpengaruh oleh nilai pencilan (outlier)
C. Dapat menangani masalah klasifikasi multikelas secara langsung
D. Memiliki kecepatan komputasi yang sangat cepat

Jawaban: 
A. Tidak memerlukan banyak preprocessing pada data


16. Salah satu metode pengelompokan yang menggunakan fungsi jarak untuk mengukur kedekatan antar data adalah:
A. K-Means
B. Decision Tree
C. Naive Bayes
D. Random Forest

Jawaban: 
A. K-Means


17. Algoritma Machine Learning yang cocok untuk prediksi harga rumah berdasarkan fitur-fitur tertentu adalah:
A. K-Means
B. Linear Regression
C. Decision Tree
D. Naive Bayes

Jawaban: 
B. Linear Regression