Komp. Big Data - TT - Kuis

Dashboard / My courses / ATA 2020/2021 | 2-FTI | Komputasi Big Data | TEAM TEACHING / Pertemuan 3 : Introduction to Apache Hadoop
/ Kuis M3 : Introduction to Hadoop
Started on Monday, 22 March 2021, 11:44 AM

State Finished
Completed on Monday, 22 March 2021, 11:49 AM
Time taken 5 mins 10 secs
Grade 100.00 out of 100.00
Question 1 Komponen layanan inti Hadoop adalah

Correct
Mark 5.00 out of Select one:

5.00
a. Speed, consistency, dan volume
b. SQL, NoSQL, Cluster
c. ClickStream, Sensor, dan Sentiment
d. MapReduce, HDFS, dan YARN 
The correct answer is: MapReduce, HDFS, dan YARN
Question 2 Properti Big data yang penting, salah satunya adalah reliability, yaitu:
Correct

5.00
a. Kemampuan menanganai penambahan bebab yang diberikan tanpa penurunan kinerja
b. Ketersediaan layanan secara terus menerus
c. Handal 
d. Kemampuan untuk terus beroperasi walaupun terjadi kegagalan pada beberapa komponen
The correct answer is: Handal
Question 3 Berikut ini yang bukan merupakan Hadoop operation mode, adalah
Correct

5.00
a. Pseudo distributed mode
b. Stand alone mode
c. Fully-Distributed mode
d. Globally distributed mode 
The correct answer is: Globally distributed mode
Question 4 Pernyataan yang benar mengenai MapReduce, adalah:

Correct

5.00
a. membagi masalah besar menjadi masalah kecil yang dapat diselesaikan dengan cepat
b. semua benar 
c. memproses data besar secara parallel dalam cluster pada commodity hardware
d. implementasi dari framework pemrosesan batch
The correct answer is: semua benar 1

Online
Question 5 YARN singkatan dari
Correct

5.00
a. Yet another resource need
b. Yahoo’s archived Resource names
c. Yet another resource negotiator 
d. Yahoo’s another resource name
The correct answer is: Yet another resource negotiator
Question 6 Properti Big data yang penting, salah satunya adalah fault tolerance, yaitu:
Correct

5.00
a. Kemampuan untuk terus beroperasi walaupun terjadi kegagalan pada beberapa komponen 
b. Handal
c. Kemampuan menanganai penambahan bebab yang diberikan tanpa penurunan kinerja
d. Ketersediaan layanan secara terus menerus
The correct answer is: Kemampuan untuk terus beroperasi walaupun terjadi kegagalan pada beberapa komponen
Question 7 Terdapat 2 (dua) teknologi Penyimpanan Big Data, yaitu

Correct

5.00
a. Reliable dan Fault tolerance
b. SQL dan No-SQL
c. On Disk Storage Devices dan In Memory Storage Devices 
d. Flashdisk dan harddisk
The correct answer is: On Disk Storage Devices dan In Memory Storage Devices
Question 8 Properti Big data yang penting, salah satunya adalah scalability, yaitu:
Correct

5.00
a. Kemampuan menanganai penambahan bebab yang diberikan tanpa penurunan kinerja 
b. Handal
c. Ketersediaan layanan secara terus menerus
The correct answer is: Kemampuan menanganai penambahan bebab yang diberikan tanpa penurunan kinerja
Question 9 NoSQl database adalah singkatan dari

Correct

5.00
a. No Like Structured Query Language database
b. Not-only Structured Query Language database 
c. Numbered of sequel database
d. Numbered of Structured Query Language database
The correct answer is: Not-only Structured Query Language database

Question 10 Berikut yang dimaksud dengan menganalisa data dalam konteks big data adalah:
Correct

5.00
a. Menentukan jumlah data dan atribut data
b. Descriptive analytics, diagnostic analytics, predictive analytics, dan prescriptive analytics 
c. mean statistic analytics, deviation standard analytics, dan percentil analytics
d. Classification analytics, regression analytics, clustering analytics, dan hadooping analytics
The correct answer is: Descriptive analytics, diagnostic analytics, predictive analytics, dan prescriptive analytics
Question 11 Hadoop adalah framework yang bekerja bersama tools lain yang beragam. Kelompok yang umum bekerja bersama Hadoop adalah
Correct

5.00
a. MapReduce, Hive and Hbase 
b. MapReduce, Hummer and Iguana
c. MapReduce, MySQL and Google Apps
d. MapReduce, Heron and Trumpet
The correct answer is: MapReduce, Hive and Hbase
Question 12 Hadoop adalah framework yang

Correct

5.00
a. Melibatkan satu atau lebih cluster Komputer
b. Memungkinkan pemrosesan secara terdistribusi terhadap data yang berukuran besar
c. Semua benar 
d. Menerapkan programming model yang sederhana
The correct answer is: Semua benar
Question 13 Pemrosesan data terdistribusi adalah pemrosesan

Correct

5.00
a. yang membagi pemrosesan dalam beberapa batch dan dilakukan secara offline
b. yang melibatkan pelaksanaan sub-tugas secara bersamaan secara kolektif membentuk tugas yang besar melalui beberapa
processor
c. yang menggunakan pendekatan pendekatan interaktif tanpa penundaan
d. yang menerapkan divide and conquer dalam fisik terpisah, namun terhunung Bersama dalam satu cluster 
The correct answer is: yang menerapkan divide and conquer dalam fisik terpisah, namun terhunung Bersama dalam satu cluster
Question 14 Bagian pekerjaan utama MapReduce adalah

Correct

5.00
a. map dan combine
b. combine dan partition
c. shuffle dan sort
d. map dan reduce 
The correct answer is: map dan reduce

Question 15 Sistem penyimpanan data cluster adalah
Correct

5.00
a. Kumpulan server atau node digabungkan secara erat, dengan spesifikasi perangkat keras yang sama. Serta terhubung melalui
jaringan dan bekerja sebagai satu kesatuan 
b. Data disimpan dengan cara menyalin dataset dan meyimpan Salinan tersebut pada beberapa node
c. Penyimpanan dan pengaturan data pada perangkat penyimpanan harddisk atau flashdisk, dan menyediakan logical view dari
data yang disimpan dalam struktur hirakis direktori file.
d. Menyimpan data dengan mempartisi secara horizontal dan pecahan horizontal tersebut di simpan secara terpisah pada node
server.
The correct answer is: Kumpulan server atau node digabungkan secara erat, dengan spesifikasi perangkat keras yang sama. Serta
terhubung melalui jaringan dan bekerja sebagai satu kesatuan
Question 16 Properti Big data yang penting, salah satunya adalah aviability, yaitu:
Correct

5.00
a. Handal
b. Kemampuan untuk terus beroperasi walaupun terjadi kegagalan pada beberapa komponen
c. Kemampuan menanganai penambahan bebab yang diberikan tanpa penurunan kinerja
d. Ketersediaan layanan secara terus menerus 
The correct answer is: Ketersediaan layanan secara terus menerus
Question 17 Type data berikut yang dapat ditangani oleh Hadoop adalah
Correct

5.00
a. Semi – terstruktur
b. Terstruktur
c. Tidak terstuktur
d. Semua benar 
Question 18 Hadoop adalah platform pemrosesan big data yaitu data yang mempunyai karakteristik kecuali:
Correct

5.00
a. Terakumulasi dengan cepat (high speed velocity)
b. Volume besar, struktur data yang beragam (variety), dan nilai data yang diperlukan (useful value)
c. Inconsistent dan uncertaint
d. Jumlah fitur yang tertentu 
The correct answer is: Jumlah fitur yang tertentu

Question 19 Database NoSQL menggunakan beragam model data untuk mengakses dan mengelola data. Jenis database ini dioptimalkan secara
Correct khusus untuk aplikasi yang memerlukan…., yang dicapai dengan mengurangi pembatasan konsistensi data dari database lainnya.
Mark 5.00 out of
5.00 Select one:
a. volume data besar, latensi rendah, dan model data fleksibel 
b. volume data besar, latensi rendah, dan model data fleksibel
c. volume data besar, latensi rendah, dan model data fleksibel
d. volume data besar, latensi rendah, dan model data fleksibel
The correct answer is: volume data besar, latensi rendah, dan model data fleksibel
Question 20 Jenis database NoSQL apa yang membuat dan menjalankan aplikasi yang berjalan dengan dataset yang selalu terhubung menjadi
Correct lebih mudah dan sering digunakan untuk jaringan media sosial.
Mark 5.00 out of
5.00 Select one:
a. Pencarian
b. Primary key
c. Dokumen
d. Grafik 
The correct answer is: Grafik
Kuis M3 : Introduction to Hadoop (khusus

◄ Materi M3 : Introduction to Hadoop Jump to...
kelas MALAM)) ►
Dashboard / My courses / ATA 2020/2021 | 2-FTI | Komputasi Big Data | TEAM TEACHING / Pertemuan 4 : Data Preprocessing
/ Kuis M4 : Data Preprocessing
Started on Monday, 29 March 2021, 12:29 PM

State Finished
Completed on Monday, 29 March 2021, 12:32 PM
Grade 100.00 out of 100.00
Question 1 Bagaimana menangani missing value dengan tepat?

Correct

5.00
Imputasi nilai manual
Dibiarkan
Eliminasi data object
A,B,dan C benar 
Question 2 Berikut adalah nama lain dari data objek, kecuali

Correct

5.00
Instance
Sample
Atribut 
Record
Question 3 Cara menangani noisy data, kecuali

Correct

5.00
Ignore 
Regression
Clustering
Combined Computer
Question 4 Data berupa image, video bahkan suara termasuk jenis data
Correct

5.00
Graf
Record
Multimedia 
Ordered
Question 5 data cleaning pada data preprocessing dilakukan..

Correct

5.00
Normalisasi dan diskritasi data
Dimensionality reduction dan data compression
Identifikasi dan integrasi dari multiple database
Imputasi, smoothing dan identifikasi 

1
Online
Question 6 Data Cleansing merupakan tahapan untuk membersihkan data kotor sehingga menjadi dataset yang siap diolah. Data kotor tersebut
Correct berupa
Mark 5.00 out of
5.00 Select one:
missing value
A,B,C benar 
outlier
duplicate data
Question 7 Data-data yang saling berhubungan, yang biasanya ditemukan pada jaringan internet termasuk dalam jenis data
Correct

5.00
Graf 
Record
Ordered
Multimedia
Question 8 Imputasi nilai secara otomatis saat menangani incomplete data tidak dapat dilakukan menggunakan
Correct

5.00
interpolasi
Nilai tertinggi 
Median
Rata-rata
Question 9 Jenis kelamin, merupakan salah satu atribut data type…

Correct

5.00
Numerik
Nominal 
Rasio
Ordinal
Question 10 Karakteristik data objek merupakan representasi dari

Correct

5.00
Data sample
Data objek
Atribut 
Dataset
Question 11 Nilai yang merepresentasikan urutan seperti nilai mata kuliah termasuk dalam atribut data type..
Correct

5.00
Nominal
Numerik
Rasio
Ordinal 
Question 12 Normalisasi data dilakukan pada tahap data preprocessing ..
Correct

5.00
data cleaning
data reduction
data Integration
data transformation 
Question 13 Penanganan missing value dapat dilakukan menggunakan nilai estimasi dari probabilitas bersyarat menggunakan metode
Correct

5.00
Bayessian 
Eliminasi
Mean
Regresi
Question 14 Salah satu jenis data record yang diekstrak menjadi kumpulan term dan ditulis berdasarkan frekuensi kemunculan data, termasuk
Correct pada jenis data
Mark 5.00 out of
5.00 Select one:
Dokumen 
Transaksi
Matriks
Sosial network
Question 15 Seberapa mudah data dapat dipahami merupakan kualitas data dari..
Correct

5.00
Consistency
Believability
Interpretability 
Completeness
Question 16 Statistik dasar untuk mengukur sebaran data salah satunya adalah
Correct

5.00
Mean
Modus
Variance 
Median
Question 17 Studi tentang bagaimana menganalisis data dan membersihkan data merupakan salah satu tujuan dari
Correct

5.00
Data testing
Data validation
Data cleansing 
Data training
Question 18 Tahapan pertama data preprocessing adalah
Correct

5.00
data reduction
data Integration
data cleaning 
data transformation
Question 19 Tanggal penjualan, nama pelanggan, nama barang, jumlah penjualan merupakan contoh dari
Correct

5.00
Dataset penjualan 
Atribut penjualan
Data sample penjualan
Data objek penjualan
Question 20 Tinggi badan, berat badan, usia, dan jenis kelamin merupakan contoh representasi karakteristik dari
Correct

5.00
Data objek 
Dataset
Data sample
Atribut
◄ Materi M4 : Data Preprocessing (update Kuis M4 : Data Preprocessing (khusus kelas

Jump to...
29/03/2021) MALAM)) ►
4/4/22, 11:44 AM 1 pesan baru
Dashboard / My courses /
ATA 2021/2022 | 2-FTI | Kompuasi Big Data | TEAM TEACHING /
Pertemuan 5: Implementasi Big Data pada Fintech
/
Kuis M5: Implementasi BigData pada Fintech
Started on Monday, 4 April 2022, 11:30 AM

State Finished
Completed on Monday, 4 April 2022, 11:44 AM
Marks 6.00/20.00
Grade 30.00 out of 100.00
Question 1 Berikut ini merupakan karakteristik dari Big Data, kecuali:

Correct

1.00
a. Semua salah 
b. Veracity
c. Volume
d. Variety
The correct answer is: Semua salah
Question 2 Server logs merupakan salah satu contoh jenis data:

Correct

1.00
a. Tidak Terstruktur
b. Semi Terstruktur 
c. Terstruktur
d. Semua Pilihan Salah
The correct answer is: Semi Terstruktur
Question 3 Pembayaran Kartu prakerja merupakan salah satu proyek yang dikerjakan oleh Link Aja bersama dengan:
Correct

1.00
a. Pemerintah 
b. BPJS
c. Bank Indonesia
d. Semua salah
The correct answer is: Pemerintah
1
Online
https://v-class.gunadarma.ac.id/mod/quiz/review.php?attempt=5786711&cmid=867269 1/6
4/4/22, 11:44 AM 1 pesan baru
Question 4 Dalam ekosistem teknologi Data Engineering Link Aja! Apache Airflow berfungsi sebagai:
Incorrect

1.00
a. Data Sources Gathering
b. Streaming Infrastructure
c. Monitoring 
d. Batching Infratructure
The correct answer is: Batching Infratructure
Question 5 Kafka dikembangkan pertama kali oleh:

Correct

1.00
a. Linkedin 
b. Yahoo
c. Facebook
d. Google
The correct answer is: Linkedin
Question 6 Berikut ini yang bukan contoh data terstruktur adalah:

Incorrect

1.00
a. Nama pelanggan
b. Nomor KTP 
c. Email
d. Nomor telepon
The correct answer is: Email
Question 7 Berikut ini yang merupakan arsitektur Big Data adalah:

Incorrect

1.00
a. Arsitektur Beta dan Kappa
b. Arsitektur Lambda dan Kappa
c. Arsitektur Alfa dan Lambda 
d. Arsitektur Alfa dan Beta
The correct answer is: Arsitektur Lambda dan Kappa
1
Online
4/4/22, 11:44 AM 1 pesan baru
Question 8 Berikut ini merupakan komponen-kompone produksi dalam implementasi big data, kecuali:
Correct

1.00
a. MongoDB 
b. Presto
c. Spark
d. Kafka
The correct answer is: MongoDB
Question 9 Data terstrutur disimpan kedalam bentuk:

Incorrect

1.00
a. Gambar
b. Abstrak
c. Semua benar 
d. Baris dan kolom
The correct answer is: Baris dan kolom
Question 10 Peran Data Engineer seringkali juga disebut sebagai:

Incorrect

1.00
a. Statistician 
b. Data Architect
c. Business Analyst
d. Data Manager
The correct answer is: Data Architect
Question 11 Menjadi platform teknologi keuangan nasional terdepan dan terpercaya merupakan ... dari Link Aja!:
Incorrect

1.00
a. Misi
b. Visi
c. SLogan
d. Tujuan 
The correct answer is: Visi
1
Online
4/4/22, 11:44 AM 1 pesan baru
Question 12 Berikut ini urutan proses yang dilakukan dalam Arsitektur Kappa adalah:
Incorrect

1.00
a. Data Sources, Streaming/Real-Time Ingestion, Streaming/Real-Time Processing, Analytical Data Store, Analytics
& Reporting
b. Data Sources, Analytical Data Store, Streaming/Real-Time Ingestion, Streaming/Real-Time Processing, Analytics
& Reporting 
c. Data Sources, Streaming/Real-Time Processing, Streaming/Real-Time Ingestion, Analytical Data Store, Analytics
& Reporting
d. Data Sources, Streaming/Real-Time Ingestion, Analytical Data Store, Streaming/Real-Time Processing, Analytics
& Reporting
The correct answer is: Data Sources, Streaming/Real-Time Ingestion, Streaming/Real-Time Processing, Analytical Data
Store, Analytics & Reporting
Question 13 Salah satu aktivitas yang dilakukan oleh Link Aja! dalam mengadopsi alat-alat bantu untuk pengelolaan data adalah:
Incorrect

1.00
a. Memprioritaskan data yang memiliki tingkat kepentingan tinggi dan bernilai
b. Meningkatkan proses perbaikan kualitas data 
c. Memaksimumkan pemanfaatan platform Google Cloud
d. Mengoptimalkan jumlah kelompok pengguna yang dapat mengakses
The correct answer is: Memaksimumkan pemanfaatan platform Google Cloud
Question 14 Berikut ini yang bukan termasuk kedalam peran Tim Data di Link Aja! adalah:
Correct

1.00
a. Data Analyst
b. Data Intelligent 
c. Data Scientist
d. Data Engineer
The correct answer is: Data Intelligent
Question 15 Berikut ini adalah teknologi yang digunakan oleh Link Aja! pada bagian Persistence Layer, kecuali:
Incorrect

1.00
a. Google Big Query 
b. Grafana
c. PostgreSQL
d. Google Cloud Storage
The correct answer is: Grafana
1
Online
4/4/22, 11:44 AM 1 pesan baru
Question 16 Salah satu teknologi yang dapat digunakan pada bagian Serving Layer dalam Arsitektur lambda adalah:
Incorrect

1.00
a. Spark 
b. Flume
c. HDFS
d. Hive
The correct answer is: Hive
Question 17 Cloudera merilis Kudu pada tahun:

Incorrect

1.00
a. 2008
b. 2015
c. 2016
d. 2020 
The correct answer is: 2015
Question 18 Nathan Marz adalah orang yang pertama kali mengembangkan:

Incorrect

1.00
a. Storm
b. Beam
c. Hadoop 
d. Hive
The correct answer is: Storm
Question 19 Ukuran kualitas citra merupakan salah satu luaran yang dihasilkan oleh AI/ML Scientist Link Aja! pada proyek:
Incorrect

1.00
a. Natural Language processing
b. Pembuatan Platform AI/ML 
c. Otomasi Produksi AI/ML
d. eKYC Improvement
The correct answer is: eKYC Improvement
Question 20 Salah satu karakteristik data tidak terstruktur adalah:

Incorrect

1.00
a. Berbasis teks
b. Model data dapat ditentukan sebelumnya 
c. Terkelola secara fleksibel
d. Sulit untuk dicari 1

Online
4/4/22, 11:44 AM 1 pesan baru
◄ Materi M5: Implementasi Big Data Kuis M5: Implementasi BigData pada
Jump to...
pada Fintech Fintech (Khusus KELAS MALAM) ►
1
Online
4/11/22, 7:58 PM Kuis M6: BigData di PPATK: Attempt review
Dashboard / My courses /
ATA 2021/2022 | 2-FIKTI | Kompuasi Big Data | TEAM TEACHING /
Pertemuan 6: Big Data di PPATK
/
Kuis M6: BigData di PPATK
Started on Monday, 11 April 2022, 7:41 PM

State Finished
Completed on Monday, 11 April 2022, 7:57 PM
Grade 100.00 out of 100.00
Question 1 Proses rekursif yang meranking fitur berdasarkan tingkat pentingnya terhadap proses prediksi, salah satunya adalah
Correct

5.00
a. logistic regression model
b. Recursive Feature Elimination 
c. Splitting data set ke data train dan data uji
d. random forest clssifier
The correct answer is: Recursive Feature Elimination
Question 2 Machine LAerning dapat digolongkan dalam

Correct

5.00
a. 4 tipe, yaitu: Supervised Learning, Unsupervised Learning, Reinforcement Learning, dan Deep Learning
b. dua tipe, yaitu: Unsupervised Learning dan Reinforcement Learning
c. 3 tipe: Supervised Learning, Unsupervised Learning, dan Reinforcement Learning 
d. satu tipe, yaitu: Deep Learning
The correct answer is: 3 tipe: Supervised Learning, Unsupervised Learning, dan Reinforcement Learning
Question 3 Berikut yang merupakan algoritma yang dapat digunakan untuk model klasifikasi transaksi keuangan adalah
Correct

5.00
a. confussion matrix, true possitivity
b. data splitting menjadi data training dan data testing
c. Logistic regression, K-NN, Random Forest 
d. C#, Java, Python, R, Ruby, Scala, SQL
The correct answer is: Logistic regression, K-NN, Random Forest
Question 4 Berikut teknik Kecerdasan Artifisial yang membuat komputer dapat memahamai asosiasi dan relasi antara object dan
Correct kejadian adalah
Mark 5.00 out of
5.00 Select one:
a. Pattern Matching 
b. Cognitive Science
c. Relative Symbolism
d. Heuristic Processing
The correct answer is: Pattern Matching
Question 5 Salah sata tahapan big data analytics adalah data mining, yang memperkerjakan machine learning, yaitu melakukan
Correct

5.00
a. Data engineering, data exploration, data visualization
b. penentuan volume data, velocity data, dan varietas data
c. data architecure, data acquisition, data cleaning, dan cloud computation
d. estimasi atau prediksi, atau mengklasifikasi, atau meng-cluter, atau menentukan asosiasi 
The correct answer is: estimasi atau prediksi, atau mengklasifikasi, atau meng-cluter, atau menentukan asosiasi
Question 6 Pusat Pelaporan dan Analisis Transaksi Keuangan (PPATK) merupakan lembaga sentral (focal point) yang
Correct mengkoordinasikan pelaksanaan upaya pencegahan dan pemberantasan tindak pidana pencucian uang di Indonesia.
Mark 5.00 out of PPATK dalam tugasnya menerapkan AI (Artificial Intelligence). Pernyataan berikut yang benar mengenai AI adalah
5.00
Select one:
a. cabang ilmu dari machine learning
b. cabang ilmu dari data mining
c. Cabang ilmu dari komputasi big data
d. cabang dari ilmu komputer yang menenkankan pada pengembangan mesin cerdas (intelligence), berpikir dan
bekerja seperti manusia 
The correct answer is: cabang dari ilmu komputer yang menenkankan pada pengembangan mesin cerdas (intelligence),
berpikir dan bekerja seperti manusia
Question 7 Membuat grafik box plot adalah salah satu tahapan dalam implementasi mesin learning, yaitu tahap
Correct

5.00
a. validasi model
b. modelling
c. verifikasi model
d. eksplorasi data 
The correct answer is: eksplorasi data
Question 8 Berikut sistem intelligent yang dapat difungsikan pada bidang Pelaporan pada Pusat Pelaporan dan Analisis Transaksi
Correct Keuangan (PPATK) adalah
Mark 5.00 out of
5.00 Select one:
a. evaluasi laporan
b. chat Box untuk layanan bantuan
c. dapat keduanya, chat Box untuk layanan bantuan dan evaluasi laporan 
d. bukan keduanya, baik chat box maupun evaluasi laporan.
The correct answer is: dapat keduanya, chat Box untuk layanan bantuan dan evaluasi laporan
Question 9 Agent AI yang terbaik adalah ____________

Correct

5.00
a. yang memerlukan contoh masalah dan basis pengetahuannya dalam memecahkan masalah
b. yang memerlukan input untuk memecahkan masalah
c. yang memerlukan contoh masalah, basis pengetahuan, dan memerlukan input, untuk memecahkan masalah
d. yang dapat memecahkan masalah tanpa intervensi manusia 
The correct answer is: yang dapat memecahkan masalah tanpa intervensi manusia
Question 10 Jika dalam memodelkan klasifikasi transaksi keuangan, diperoleh nilai akurasi untuk model logistic regression adalah 0,62,
Correct model K-NN adalah 0,91, dan model random forest adalah 0,98, maka berarti:
Mark 5.00 out of
5.00 Select one:
a. logistic regression lebih akurat dibanding k-NN dan random forest
b. random forest memprediksi transaksi wajar paling banyak dibandingkan model K-NN dan logistic regression, yaitu
sebesar 98%
c. transaksi wajar diprediksi sebesar 62% menurut logistic regression
d. random forest lebih akurat dibanding k-NN dan logistic regression 
The correct answer is: random forest lebih akurat dibanding k-NN dan logistic regression
Question 11 Bagian dari sistem Kecerdasan Artifisial yang mengolah pengetahuan adalah
Correct

5.00
a. Data historis
b. Hadoop
c. Machine Learning 
d. Validator
The correct answer is: Machine Learning
Question 12 Splitting data set dalam pemodelan mesin learning untuk menganalisa data transaksi keuangan adalah
Correct

5.00
a. membagi data set menjadi dua bagian, yaitu data training dan data test 
b. me-log kan regresi model klasifikasi
c. melakukan perankongan dalam rangka mengeliminasi fitur yang kurang berpengaruh
d. menampilkan grafik box plot dalam tiap dimensi
The correct answer is: membagi data set menjadi dua bagian, yaitu data training dan data test
Question 13 Pusat Pelaporan dan Analisis Transaksi Keuangan (PPATK) merupakan lembaga sentral (focal point) yang
Correct mengkoordinasikan pelaksanaan upaya pencegahan dan pemberantasan tindak pidana pencucian uang di Indonesia.
Mark 5.00 out of PPATK dalam tugasnya menerapkan AI (Artificial Intelligence)
5.00
Select one:
a. di semua bidang yang tidak melibatkan Sentimen Analisis
b. di bidang: Kepegawaian, Kepatuhan Pelaporan, Analisis Transaksi, Pelaporan, Sentimen Analisis, dan Keamanan
Data 
c. di bidang: Analisis Transaksi
d. hanya di bidang Keamanan data.
The correct answer is: di bidang: Kepegawaian, Kepatuhan Pelaporan, Analisis Transaksi, Pelaporan, Sentimen Analisis, dan
Keamanan Data
Question 14 Berikut ini yang merupakan tahapan data engineering dalam big data analytics adalah
Correct

5.00
a. deep learning, machine learning, AI
b. data architecure, data acquisition, data cleaning, dan cloud computation 
c. penentuan volume data, velocity data, dan varietas data
d. data exploration, data mining, data visualization
The correct answer is: data architecure, data acquisition, data cleaning, dan cloud computation
Question 15 Big data analytics, termasuk didalamnya urutan tahapan berikut:

Correct

5.00
a. Data engineering, data exploration, data mining, data visualization 
b. data architecure, data acquisition, data cleaning, dan cloud computation
c. penentuan volume data, velocity data, dan varietas data
d. deep learning, machine learning, AI
The correct answer is: Data engineering, data exploration, data mining, data visualization
Question 16 Salah satu agen intelligence yang bertugas saat mengumpulkan data melalui sumber Web seperti HTML dokumen,
Correct gambar, file teksadalah:
Mark 5.00 out of
5.00 Select one:
a. web crawler 
b. Chat Box
c. parser
d. Compiler
The correct answer is: web crawler
Question 17 Agen Kecerdasan Artifisial menerima dan bertindak berdasrkan lingkungan (environment) menggunakan
Correct

5.00
a. Sensor maupun Actuator 
b. Actuator
c. Sensor
d. Perceiver
The correct answer is: Sensor maupun Actuator
Question 18 Akurasi model klasifikasi adalah

Correct

5.00
a. nilai true positive dibagi nilai true negative
b. nilai true positive dibagi total data
c. jumlah nilai true positive dan true negative dibagi total data 
d. nilai true negatif dibagi total data
The correct answer is: jumlah nilai true positive dan true negative dibagi total data
Question 19 Maksud pernyataan "Pemodelan Machine Learning untuk memprediksi data transaksi keuangan merupakan transaksi
Correct wajar atau mencurigakan", adalah
Mark 5.00 out of
5.00 Select one:
a. menentukan statistik data historis, untuk input data baru dalam meprediksinya apakah data tersebut berada pada
nilai transaksi wajar atau transaksi mencurigakan
b. memvalidasi data historis agar data baru menjadi data transaksi wajar
c. memverifikaso data historis agar tidak ada transaksi yang mencurigakan
d. membangun model terbaik, berdasarkan data historis, untuk input data baru dalam meprediksinya apakah data
tersebut suatu transaksi wajar atau transaksi mencurigakan 
The correct answer is: membangun model terbaik, berdasarkan data historis, untuk input data baru dalam meprediksinya
apakah data tersebut suatu transaksi wajar atau transaksi mencurigakan
Question 20 Pada saat memodelkan mesin learning dalam menganalisa data transaksi keuangan, melakukan perankingan adalah
Correct tahapan pada
Mark 5.00 out of
5.00 Select one:
a. data exploration 
b. data engineering
c. data visualization
d. prediction modelling
The correct answer is: data exploration
Kuis M6: BigData di PPATK (Kelas

◄ Materi M6: BigData di PPATK Jump to...
MALAM) ►
Dashboard / My courses / ATA 2020/2021 | 2-FTI | Komputasi Big Data | TEAM TEACHING / Pertemuan 1 : Big Data Computing Overview
/ Kuis M1 : Big Data Computing Overview

State Finished
Grade 100.00 out of 100.00
Question 1 Beragamnya jenis data di dalam Big Data yang meliputi data terstruktur, semi terstruktur dan bahkan data tidak terstruktur,
Correct merupakan penjelasan dari dimensi Big Data dalam hal:
Mark 5.00 out of
5.00 Select one:
Velocity
Volume
Veracity
Variety 
The correct answer is: Variety
Question 2 Contoh solusi Big Data, kecuali:

Correct

5.00
Deteksi Penipuan
Semua benar
Mesin rekomendasi
Input Nilai Mahasiswa 
The correct answer is: Input Nilai Mahasiswa
Question 3 Dalam arsitektur Big Data, solusi berupa rekomendasi, berada pada posisi sebagai:
Correct

5.00
Data Format
Data Computing & Analysis
Data Storage Layer
End Result 
The correct answer is: End Result
1
Online
Question 4 Dalam ekosistem Big Data, proses pre-prosesing data dapat dilakukan menggunakan:
Correct

5.00
Facebook
Tableu
Sqoop 
HDFS
The correct answer is: Sqoop
Question 5 Data Warehouse dibuat dengan menerapkan serangkaian langkah pemrosesan terhadap data yang berasal dari beberapa basis data.
Correct Berikut ini adalah yang termasuk dalam pemrosesan data tersebut:
Mark 5.00 out of
5.00 Select one:
Transformasi data
Integrasi data
Semua benar 
Pembersihan data
Question 6 Dataset dibentuk dari:

Correct

5.00
Sekumpulan objek yang memiliki fitur yang sama 
Semua salah
Sekumpulan fitur yang memiliki nilai yang sama
Sekumpulan fitur yang memiliki objek yang sama
The correct answer is: Sekumpulan objek yang memiliki fitur yang sama
Question 7 Komponen Komputasi Big Data di lapisan Middleware terdiri dari:

Correct

5.00
Semua benar
Resource Layer
SDK Layer 
Interface Layer
The correct answer is: SDK Layer
Question 8 Kumpulan data yang disusun dalam tabel berformat persegi panjang yang terdiri dari baris dan kolom disebut sebagai:
Correct

5.00
Semua salah
Flat files 
Data Warehouse
Database
The correct answer is: Flat files

Question 9 Manakah yang benar dari pernyataan berikut ini:
Correct

5.00
Prediktif, menilai tindakan
Preskriptif, memodelkan perilaku masa lalu
Memperkirakan puncak dari kasus positif Covid-19, adalah contoh analisis prediktif. 
Deskriptif, perkiraan berdasarkan data yang tersedia
The correct answer is: Memperkirakan puncak dari kasus positif Covid-19, adalah contoh analisis prediktif.
Question 10 Model basis data yang berupa deret waktu (time series):
Correct

5.00
Text database
Spatial database
Temporal database 
Semua salah
The correct answer is: Temporal database
Question 11 Objek disebut juga:

Correct

5.00
Semua benar 
Unit
Data points
Record
Question 12 Salah satu keunggulan DGX A100:

Correct

5.00
Tidak membutuhkan ruang yang besar
Semua benar 
Konsumsi daya lebih sedikit
Biaya lebih murah
Question 13 Sekumpulan tabel dimana bentuk setiap tabel analog dengan flat file, disebut:
Correct

5.00
DBMS
Data Warehouse
Database 
Semua salah
The correct answer is: Database

Question 14 Semakin banyak data hingga mencapai ukuran Peta Byte atau bahkan lebih, merupakan penjelasan dari dimensi Big Data dalam hal:
Correct

5.00
Variety
Volume 
Velocity
Veracity
The correct answer is: Volume
Question 15 Sumber data yang digunakan dalam aplikasi Big Data dapat berupa:
Correct

5.00
Data Media Sosial
Data Finansial
Data Asuransi Kesehatan
Semua benar 
Question 16 Tempat penyimpanan data yang dikumpulkan di lokasi berbeda (basis data relasional) dan disimpan menggunakan skema terpadu:
Correct

5.00
Spatial Database
Semua benar
Data Warehouse 
Transactional database
The correct answer is: Data Warehouse
Question 17 Tipe nilai dapat berupa:

Correct

5.00
Numerik 
Fitur
Semua salah
Object
The correct answer is: Numerik
Question 18 Unit informasi tunggal disebut:

Correct

5.00
Nilai 
Fitur/atribut
Dataset
Objek
The correct answer is: Nilai

Question 19 Visualisasi dari hasil analisis Big Data dapat berupa:
Correct

5.00
Grafik 3D
Semua benar 
Tabel
Plot
Question 20 Yang merupakan framework untuk Machine Learning:

Correct

5.00
Semua benar
Apache Spark MLlib 
Azure ML
Amazon ML
The correct answer is: Apache Spark MLlib
Kuis M1 : Big Data Computing Overview

◄ Materi M1 : Big Data Computing Overview Jump to...
(Khusus Kelas Malam) ►
Dashboard / My courses / ATA 2020/2021 | 2-FTI | Komputasi Big Data | TEAM TEACHING
/ Pertemuan 2 : Big Data Computing, Applications and Technologies / Kuis M2 : Big Data Computing, Applications and Technologies

State Finished
Grade 100.00 out of 100.00
Question 1 Arsitektur Hadoop terdiri dari:

Correct

5.00
a. Storage layer, Processing Layer, Application Layer
b. Data layer, Processing Layer, Service Layer
c. Storage layer, Service Layer, Application Layer
d. Storage layer, Resource Management Layer, Application Layer 
The correct answer is: Storage layer, Resource Management Layer, Application Layer
Question 2 Berikut ini adalah saran untuk memasuki era Analytic 3.0:
Correct

5.00
a. Pilih target dan sub-target analytics 3.0
b. Semua benar 
c. Tambahkan beberapa data volume besar yang tidak terstruktur
d. Mulailah dengan kemampuan yang ada untuk manajemen data dan analitik
Question 3 Berikut ini yang harus dilakukan oleh perusahaan 1.0, kecuali:
Correct

5.00
a. Temukan pelanggan terbaik, tetapkan harga terbaik kepada mereka
b. Membuat analitik dan keputusan berbasis fakta elemen kunci dari hubungan pelanggan, produk dan layanan, strategi, dan
persaingan 
c. Buat penawaran yang efektif
d. Pahami biaya dan dorong kinerja yang lebih baik
The correct answer is: Membuat analitik dan keputusan berbasis fakta elemen kunci dari hubungan pelanggan, produk dan layanan,
strategi, dan persaingan
1
Online
Question 4 Contoh Analytic 3.0:
Correct

5.00
a. Analisis untuk tren, pola, prediksi, pengoptimalan, kesadaran situasional
b. Data volume tinggi waktu nyata dari sensor dan mesin
c. Semua benar 
d. Fokus pada anomali dan pengecualian
Question 5 Contoh Aplikasi Machine Learning dan Analitik Prediktif:

Correct

5.00
a. Prediksi wabah penyakit
b. Penetapan harga dinamis
c. Semua benar 
d. Prediksi Cashflow
Question 6 Contoh data tidak terstruktur:

Correct

5.00
a. Data pegawai
b. Data media sosial 
c. Semua benar
d. Data transaksi penjualan
The correct answer is: Data media sosial
Question 7 Contoh implementasi dalam perusahaan:

Correct

5.00
a. Procter & Gamble melakukan Analisis sentimen media sosial real time untuk "Pulsa Konsumen"
b. Semua benar 
c. Sistem Manajemen Inventaris Cerdas pada perusahaan Ford, menyarankan pesanan mingguan untuk dealer dan telah
meningkatkan pendapatan sebesar $ 100 juta / tahun
d. Monsanto membayar hampir $ 1 miliar untuk The Climate Company, yang mengumpulkan dan menganalisis data cuaca untuk
pertanian

Question 8 Dalam computer vision, contoh penerapan Machine Learning adalah, kecuali:
Correct

5.00
a. Pengenalan objek
b. Pengenalan wajah
c. Deteksi suhu tubuh
d. Analitik Rute 
The correct answer is: Analitik Rute
Question 9 Istilah 'Machine Learning' diciptakan pada tahun <T> oleh <P>:
Correct

5.00
a. T = 1989, P = Tom M. Mitchell
b. T = 1999, P = Bill Gates
c. T = 1969, P = Yann LeCun
d. T = 1959, P = Arthur Samuel 
The correct answer is: T = 1959, P = Arthur Samuel
Question 10 Komponen Hadoop yang berfungsi sebagai data processing:

Correct

5.00
a. YARN
b. Semua benar
c. MapReduce 
d. HDFS
The correct answer is: MapReduce
Question 11 Komponen Hadoop yang berfungsi sebagai data storage:

Correct

5.00
a. HDFS 
b. MapReduce
c. Semua benar
d. YARN
The correct answer is: HDFS
Question 12 Manakah pernyataan yang benar tentang era Analytic 3.0:

Correct

5.00
a. Sumber data dari internal, relatif kecil dan data terstruktur dari pelanggan
b. Dibutuhkan kapabilitas analitis dan komputasi baru
c. Perpaduan antara analitik tradisional dengan Big Data 
d. Data yang kompleks, besar dan tidak terstruktur
The correct answer is: Perpaduan antara analitik tradisional dengan Big Data
Question 13 Manakah pernyataan yang benar tentang Hadoop:
Correct

5.00
a. Hadoop merupakan Google File System
b. Hadoop merupakan framework untuk bekerja dengan Big Data 
c. Hadoop mulai dikembangkan pada tahun 2008
d. Semua benar
The correct answer is: Hadoop merupakan framework untuk bekerja dengan Big Data
Question 14 Netflix adalah contoh perusahaan yang tergolong:

Correct

5.00
a. 3.0
b. Semua benar
c. 1.0
d. 2.0 
The correct answer is: 2.0
Question 15 Perbandingan SQL vs NoSQL:

Correct

5.00
a. Structured Query Language vs Un-structured Query Language
b. Static vs Dynamic
c. Relational vs Non-Relational
d. Semua benar 
Question 16 Perbandingan Traditional vs Big Data Analytics:

Correct

5.00
a. Mahal vs Terjangkau
b. Process centric vs Information centric
c. Semua benar 
d. Hard to scale vs Scales out forever
Question 17 Salah satu bentuk data tidak terstruktur:

Correct

5.00
a. Key-Value
b. Graph
c. Semua benar 
d. Document

Question 18 Salah satu fakta yang menunjukkan aspek Velocity dari Big Data:
Correct

5.00
a. Mobil modern memiliki 100 sensor yang memantau berbagai item pada mobil 
b. 27% responden dalam satu survei tidak yakin dengan banyaknya data mereka yang tidak akurat
c. Pertumbuhan data tidak terstruktur mencapai 60% - 80% per tahun
d. Semua benar
The correct answer is: Mobil modern memiliki 100 sensor yang memantau berbagai item pada mobil
Question 19 Salah satu tonggak penting dalam Big Data Analytic dalam aspek pengadaan infrastruktur:
Correct

5.00
a. Adaptasi dan ubah organisasi Anda menuju teknologi big data dan implementasi analitik baru
b. Dapatkan infrastruktur yang tepat yang dibutuhkan berdasarkan arsitektur solusi Anda termasuk penyimpanan data dan unit
pemrosesan, platform, dan aplikasi 
c. Kembangkan arsitektur Solusi untuk kasus bisnis Anda termasuk proses pengumpulan data, arsitektur teknologi dan metode
analitik serta visualisasi data
d. Analisis data untuk setiap kasus bisnis spesifik Anda dan visualisasikan dengan cara yang bermakna
The correct answer is: Dapatkan infrastruktur yang tepat yang dibutuhkan berdasarkan arsitektur solusi Anda termasuk penyimpanan
data dan unit pemrosesan, platform, dan aplikasi
Question 20 Teknologi yang dibutuhkan pada era Analytic 3.0:

Correct

5.00
a. Ketergantungan yang tinggi pada Machine Learning 
b. Keduanya salah
c. Berpusat pada Data Warehouse
d. Keduanya benar
The correct answer is: Ketergantungan yang tinggi pada Machine Learning
◄ Materi M2 : [SEGMENT 3] Hadoop & Big Kuis M2 : Big Data Computing, Applications
Jump to...
Data - Analytics Journey and Technologies (khusus kelas Malam) ►
3/8/2021 Kuis M1 : Big Data Computing Overview: Attempt review
Dashboard / My courses / ATA 2020/2021 | 2-FIKTI | Komputasi Big Data | TEAM TEACHING / Pertemuan 1 : Big Data Computing Overview
/ Kuis M1 : Big Data Computing Overview

State Finished
Time taken 1 min 46 secs
Question 1 Beragamnya jenis data di dalam Big Data yang meliputi data terstruktur, semi terstruktur dan bahkan data tidak
Correct terstruktur, merupakan penjelasan dari dimensi Big Data dalam hal:
Mark 5.00 out of
5.00 Select one:
Velocity
Volume
Variety 
Veracity
The correct answer is: Variety
Question 2 Contoh solusi Big Data, kecuali:

Correct

5.00
Mesin rekomendasi
Input Nilai Mahasiswa 
Semua benar
Deteksi Penipuan
The correct answer is: Input Nilai Mahasiswa
Question 3 Dalam arsitektur Big Data, solusi berupa rekomendasi, berada pada posisi sebagai:
Correct

5.00
Data Computing & Analysis
Data Storage Layer
Data Format
End Result 
The correct answer is: End Result
1
Online
Question 4 Dalam ekosistem Big Data, proses pre-prosesing data dapat dilakukan menggunakan:
Correct

5.00
HDFS
Sqoop 
Facebook
Tableu
The correct answer is: Sqoop
Question 5 Data Warehouse dibuat dengan menerapkan serangkaian langkah pemrosesan terhadap data yang berasal dari beberapa
Incorrect basis data. Berikut ini adalah yang termasuk dalam pemrosesan data tersebut:
Mark 0.00 out of
5.00 Select one:
Pembersihan data
Semua benar
Integrasi data 
Transformasi data
Question 6 Dataset dibentuk dari:

Correct

5.00
Semua salah
Sekumpulan fitur yang memiliki nilai yang sama
Sekumpulan fitur yang memiliki objek yang sama
Sekumpulan objek yang memiliki fitur yang sama 
The correct answer is: Sekumpulan objek yang memiliki fitur yang sama
Question 7 Komponen Komputasi Big Data di lapisan Middleware terdiri dari:

Correct

5.00
SDK Layer 
Semua benar
Resource Layer
Interface Layer
The correct answer is: SDK Layer
Question 8 Kumpulan data yang disusun dalam tabel berformat persegi panjang yang terdiri dari baris dan kolom disebut sebagai:
Correct

5.00
Semua salah
Data Warehouse
Database
Flat files 
The correct answer is: Flat files
Question 9 Manakah yang benar dari pernyataan berikut ini:

Correct

5.00
Memperkirakan puncak dari kasus positif Covid-19, adalah contoh analisis prediktif. 
Prediktif, menilai tindakan
Deskriptif, perkiraan berdasarkan data yang tersedia
Preskriptif, memodelkan perilaku masa lalu
The correct answer is: Memperkirakan puncak dari kasus positif Covid-19, adalah contoh analisis prediktif.
Question 10 Model basis data yang berupa deret waktu (time series):
Correct

5.00
Temporal database 
Text database
Semua salah
Spatial database
The correct answer is: Temporal database
Question 11 Objek disebut juga:

Correct

5.00
Semua benar 
Unit
Data points
Record
Question 12 Salah satu keunggulan DGX A100:

Correct

5.00
Konsumsi daya lebih sedikit
Semua benar 
Biaya lebih murah
Tidak membutuhkan ruang yang besar
Question 13 Sekumpulan tabel dimana bentuk setiap tabel analog dengan flat file, disebut:
Correct

5.00
Semua salah
Data Warehouse
DBMS
Database 
The correct answer is: Database
Question 14 Semakin banyak data hingga mencapai ukuran Peta Byte atau bahkan lebih, merupakan penjelasan dari dimensi Big Data
Correct dalam hal:
Mark 5.00 out of
5.00 Select one:
Variety
Volume 
Velocity
Veracity
The correct answer is: Volume
Question 15 Sumber data yang digunakan dalam aplikasi Big Data dapat berupa:
Correct

5.00
Data Asuransi Kesehatan
Data Finansial
Semua benar 
Data Media Sosial
Question 16 Tempat penyimpanan data yang dikumpulkan di lokasi berbeda (basis data relasional) dan disimpan menggunakan skema
Correct terpadu:
Mark 5.00 out of
5.00 Select one:
Data Warehouse 
Transactional database
Semua benar
Spatial Database
The correct answer is: Data Warehouse
Question 17 Tipe nilai dapat berupa:

Correct

5.00
Object
Fitur
Semua salah
Numerik 
The correct answer is: Numerik
Question 18 Unit informasi tunggal disebut:

Correct

5.00
Fitur/atribut
Dataset
Nilai 
Objek
The correct answer is: Nilai
Question 19 Visualisasi dari hasil analisis Big Data dapat berupa:

Correct

5.00
Semua benar 
Tabel
Grafik 3D
Plot
Question 20 Yang merupakan framework untuk Machine Learning:

Correct

5.00
Azure ML
Amazon ML
Apache Spark MLlib 
Semua benar
The correct answer is: Apache Spark MLlib
◄ Materi M1 : Big Data Computing Kuis M1 : Big Data Computing Overview

Jump to...
Overview (Khusus Kelas Malam) ►
3/15/2021 1 pesan baru
Dashboard / My courses / ATA 2020/2021 | 2-FIKTI | Komputasi Big Data | TEAM TEACHING
/ Pertemuan 2 : Big Data Computing, Applications and Technologies / Kuis M2 : Big Data Computing, Applications and Technologies

State Finished
Grade 100.00 out of 100.00
Question 1 Arsitektur Hadoop terdiri dari:

Correct

5.00
a. Storage layer, Processing Layer, Application Layer
b. Storage layer, Resource Management Layer, Application Layer 
c. Data layer, Processing Layer, Service Layer
d. Storage layer, Service Layer, Application Layer
The correct answer is: Storage layer, Resource Management Layer, Application Layer
Question 2 Berikut ini adalah saran untuk memasuki era Analytic 3.0:
Correct

5.00
a. Mulailah dengan kemampuan yang ada untuk manajemen data dan analitik
b. Pilih target dan sub-target analytics 3.0
c. Semua benar 
d. Tambahkan beberapa data volume besar yang tidak terstruktur
Question 3 Berikut ini yang harus dilakukan oleh perusahaan 1.0, kecuali:
Correct

5.00
a. Membuat analitik dan keputusan berbasis fakta elemen kunci dari hubungan pelanggan, produk dan layanan,
strategi, dan persaingan 
b. Temukan pelanggan terbaik, tetapkan harga terbaik kepada mereka
c. Buat penawaran yang efektif
d. Pahami biaya dan dorong kinerja yang lebih baik
The correct answer is: Membuat analitik dan keputusan berbasis fakta elemen kunci dari hubungan pelanggan, produk
dan layanan, strategi, dan persaingan
1
Online
Question 4 Contoh Analytic 3.0:

Correct

5.00
a. Semua benar 
b. Data volume tinggi waktu nyata dari sensor dan mesin
c. Fokus pada anomali dan pengecualian
d. Analisis untuk tren, pola, prediksi, pengoptimalan, kesadaran situasional
Question 5 Contoh Aplikasi Machine Learning dan Analitik Prediktif:

Correct

5.00
a. Prediksi wabah penyakit
b. Semua benar 
c. Penetapan harga dinamis
d. Prediksi Cashflow
Question 6 Contoh data tidak terstruktur:

Correct

5.00
a. Data media sosial 
b. Data transaksi penjualan
c. Data pegawai
d. Semua benar
The correct answer is: Data media sosial
Question 7 Contoh implementasi dalam perusahaan:

Correct

5.00
a. Sistem Manajemen Inventaris Cerdas pada perusahaan Ford, menyarankan pesanan mingguan untuk dealer dan
telah meningkatkan pendapatan sebesar $ 100 juta / tahun
b. Procter & Gamble melakukan Analisis sentimen media sosial real time untuk "Pulsa Konsumen"
c. Semua benar 
d. Monsanto membayar hampir $ 1 miliar untuk The Climate Company, yang mengumpulkan dan menganalisis data
cuaca untuk pertanian
Question 8 Dalam computer vision, contoh penerapan Machine Learning adalah, kecuali:
Correct

5.00
a. Analitik Rute 
b. Pengenalan wajah
c. Deteksi suhu tubuh
d. Pengenalan objek
The correct answer is: Analitik Rute
Question 9 Istilah 'Machine Learning' diciptakan pada tahun <T> oleh <P>:
Correct

5.00
a. T = 1969, P = Yann LeCun
b. T = 1959, P = Arthur Samuel 
c. T = 1989, P = Tom M. Mitchell
d. T = 1999, P = Bill Gates
The correct answer is: T = 1959, P = Arthur Samuel
Question 10 Komponen Hadoop yang berfungsi sebagai data processing:

Correct

5.00
a. YARN
b. HDFS
c. Semua benar
d. MapReduce 
The correct answer is: MapReduce
Question 11 Komponen Hadoop yang berfungsi sebagai data storage:

Correct

5.00
a. Semua benar
b. MapReduce
c. YARN
d. HDFS 
The correct answer is: HDFS
Question 12 Manakah pernyataan yang benar tentang era Analytic 3.0:

Correct

5.00
a. Data yang kompleks, besar dan tidak terstruktur
b. Perpaduan antara analitik tradisional dengan Big Data 
c. Dibutuhkan kapabilitas analitis dan komputasi baru
d. Sumber data dari internal, relatif kecil dan data terstruktur dari pelanggan
The correct answer is: Perpaduan antara analitik tradisional dengan Big Data
Question 13 Manakah pernyataan yang benar tentang Hadoop:

Correct

5.00
a. Hadoop merupakan Google File System
b. Hadoop merupakan framework untuk bekerja dengan Big Data 
c. Hadoop mulai dikembangkan pada tahun 2008
d. Semua benar
The correct answer is: Hadoop merupakan framework untuk bekerja dengan Big Data
Question 14 Netflix adalah contoh perusahaan yang tergolong:

Correct

5.00
a. 1.0
b. Semua benar
c. 2.0 
d. 3.0
The correct answer is: 2.0
Question 15 Perbandingan SQL vs NoSQL:

Correct

5.00
a. Structured Query Language vs Un-structured Query Language
b. Relational vs Non-Relational
c. Semua benar 
d. Static vs Dynamic
Question 16 Perbandingan Traditional vs Big Data Analytics:

Correct

5.00
a. Process centric vs Information centric
b. Mahal vs Terjangkau
c. Hard to scale vs Scales out forever
d. Semua benar 
Question 17 Salah satu bentuk data tidak terstruktur:

Correct

5.00
a. Document
b. Graph
c. Key-Value
d. Semua benar 
Question 18 Salah satu fakta yang menunjukkan aspek Velocity dari Big Data:
Correct

5.00
a. 27% responden dalam satu survei tidak yakin dengan banyaknya data mereka yang tidak akurat
b. Semua benar
c. Mobil modern memiliki 100 sensor yang memantau berbagai item pada mobil 
d. Pertumbuhan data tidak terstruktur mencapai 60% - 80% per tahun
The correct answer is: Mobil modern memiliki 100 sensor yang memantau berbagai item pada mobil
Question 19 Salah satu tonggak penting dalam Big Data Analytic dalam aspek pengadaan infrastruktur:
Correct

5.00
a. Analisis data untuk setiap kasus bisnis spesifik Anda dan visualisasikan dengan cara yang bermakna
b. Dapatkan infrastruktur yang tepat yang dibutuhkan berdasarkan arsitektur solusi Anda termasuk penyimpanan
data dan unit pemrosesan, platform, dan aplikasi 
c. Adaptasi dan ubah organisasi Anda menuju teknologi big data dan implementasi analitik baru
d. Kembangkan arsitektur Solusi untuk kasus bisnis Anda termasuk proses pengumpulan data, arsitektur teknologi
dan metode analitik serta visualisasi data
The correct answer is: Dapatkan infrastruktur yang tepat yang dibutuhkan berdasarkan arsitektur solusi Anda termasuk
penyimpanan data dan unit pemrosesan, platform, dan aplikasi
Question 20 Teknologi yang dibutuhkan pada era Analytic 3.0:

Correct

5.00
a. Keduanya benar
b. Berpusat pada Data Warehouse
c. Ketergantungan yang tinggi pada Machine Learning 
d. Keduanya salah
The correct answer is: Ketergantungan yang tinggi pada Machine Learning
Kuis M2 : Big Data Computing,

◄ Materi M2 : [SEGMENT 3] Hadoop &
Jump to... Applications and Technologies (khusus
Big Data - Analytics Journey
kelas Malam) ►
3/22/2021 Kuis M3 : Introduction to Hadoop: Attempt review
Dashboard / My courses / ATA 2020/2021 | 2-FIKTI | Komputasi Big Data | TEAM TEACHING / Pertemuan 3 : Introduction to Apache Hadoop
/ Kuis M3 : Introduction to Hadoop

State Finished
Question 1 Jenis database NoSQL apa yang membuat dan menjalankan aplikasi yang berjalan dengan dataset yang selalu terhubung
Correct menjadi lebih mudah dan sering digunakan untuk jaringan media sosial.
Mark 5.00 out of
5.00 Select one:
a. Primary key
b. Grafik 
c. Dokumen
d. Pencarian
The correct answer is: Grafik
Question 2 Bagian pekerjaan utama MapReduce adalah

Correct

5.00
a. map dan combine
b. combine dan partition
c. map dan reduce 
d. shuffle dan sort
The correct answer is: map dan reduce
Question 3 NoSQl database adalah singkatan dari

Correct

5.00
a. Not-only Structured Query Language database 
b. No Like Structured Query Language database
c. Numbered of Structured Query Language database
d. Numbered of sequel database
The correct answer is: Not-only Structured Query Language database
1
Online
Question 4 Database NoSQL menggunakan beragam model data untuk mengakses dan mengelola data. Jenis database ini
Incorrect dioptimalkan secara khusus untuk aplikasi yang memerlukan…., yang dicapai dengan mengurangi pembatasan konsistensi
Mark 0.00 out of data dari database lainnya.
5.00
Select one:
a. volume data besar, latensi rendah, dan model data fleksibel 
b. volume data besar, latensi rendah, dan model data fleksibel
c. volume data besar, latensi rendah, dan model data fleksibel
d. volume data besar, latensi rendah, dan model data fleksibel
The correct answer is: volume data besar, latensi rendah, dan model data fleksibel
Question 5 Type data berikut yang dapat ditangani oleh Hadoop adalah
Correct

5.00
a. Tidak terstuktur
b. Semi – terstruktur
c. Terstruktur
d. Semua benar 
Question 6 Pernyataan yang benar mengenai MapReduce, adalah:

Correct

5.00
a. memproses data besar secara parallel dalam cluster pada commodity hardware
b. semua benar 
c. implementasi dari framework pemrosesan batch
d. membagi masalah besar menjadi masalah kecil yang dapat diselesaikan dengan cepat
The correct answer is: semua benar
Question 7 Sistem penyimpanan data cluster adalah

Correct

5.00
a. Menyimpan data dengan mempartisi secara horizontal dan pecahan horizontal tersebut di simpan secara terpisah
pada node server.
b. Data disimpan dengan cara menyalin dataset dan meyimpan Salinan tersebut pada beberapa node
c. Penyimpanan dan pengaturan data pada perangkat penyimpanan harddisk atau flashdisk, dan menyediakan logical
view dari data yang disimpan dalam struktur hirakis direktori file.
d. Kumpulan server atau node digabungkan secara erat, dengan spesifikasi perangkat keras yang sama. Serta
terhubung melalui jaringan dan bekerja sebagai satu kesatuan 
The correct answer is: Kumpulan server atau node digabungkan secara erat, dengan spesifikasi perangkat keras yang
sama. Serta terhubung melalui jaringan dan bekerja sebagai satu kesatuan
Question 8 Terdapat 2 (dua) teknologi Penyimpanan Big Data, yaitu

Correct

5.00
a. Flashdisk dan harddisk
b. Reliable dan Fault tolerance
c. SQL dan No-SQL
d. On Disk Storage Devices dan In Memory Storage Devices 
The correct answer is: On Disk Storage Devices dan In Memory Storage Devices
Question 9 Berikut yang dimaksud dengan menganalisa data dalam konteks big data adalah:
Correct

5.00
a. Descriptive analytics, diagnostic analytics, predictive analytics, dan prescriptive analytics 
b. mean statistic analytics, deviation standard analytics, dan percentil analytics
c. Menentukan jumlah data dan atribut data
d. Classification analytics, regression analytics, clustering analytics, dan hadooping analytics
The correct answer is: Descriptive analytics, diagnostic analytics, predictive analytics, dan prescriptive analytics
Question 10 Berikut ini yang bukan merupakan Hadoop operation mode, adalah
Correct

5.00
a. Globally distributed mode 
b. Stand alone mode
c. Fully-Distributed mode
d. Pseudo distributed mode
The correct answer is: Globally distributed mode
Question 11 Properti Big data yang penting, salah satunya adalah scalability, yaitu:
Correct

5.00
a. Kemampuan menanganai penambahan bebab yang diberikan tanpa penurunan kinerja 
b. Ketersediaan layanan secara terus menerus
c. Handal
The correct answer is: Kemampuan menanganai penambahan bebab yang diberikan tanpa penurunan kinerja
Question 12 Hadoop adalah framework yang

Correct

5.00
a. Melibatkan satu atau lebih cluster Komputer
b. Semua benar 
c. Menerapkan programming model yang sederhana
d. Memungkinkan pemrosesan secara terdistribusi terhadap data yang berukuran besar
Question 13 Hadoop adalah platform pemrosesan big data yaitu data yang mempunyai karakteristik kecuali:
Correct

5.00
a. Jumlah fitur yang tertentu 
b. Terakumulasi dengan cepat (high speed velocity)
c. Inconsistent dan uncertaint
d. Volume besar, struktur data yang beragam (variety), dan nilai data yang diperlukan (useful value)
The correct answer is: Jumlah fitur yang tertentu
Question 14 Properti Big data yang penting, salah satunya adalah reliability, yaitu:
Correct

5.00
a. Kemampuan untuk terus beroperasi walaupun terjadi kegagalan pada beberapa komponen
b. Kemampuan menanganai penambahan bebab yang diberikan tanpa penurunan kinerja
c. Handal 
The correct answer is: Handal
Question 15 Properti Big data yang penting, salah satunya adalah fault tolerance, yaitu:
Correct

5.00
a. Kemampuan untuk terus beroperasi walaupun terjadi kegagalan pada beberapa komponen 
b. Kemampuan menanganai penambahan bebab yang diberikan tanpa penurunan kinerja
c. Handal
The correct answer is: Kemampuan untuk terus beroperasi walaupun terjadi kegagalan pada beberapa komponen
Question 16 YARN singkatan dari

Correct

5.00
a. Yahoo’s another resource name
b. Yet another resource negotiator 
c. Yet another resource need
d. Yahoo’s archived Resource names
The correct answer is: Yet another resource negotiator
Question 17 Hadoop adalah framework yang bekerja bersama tools lain yang beragam. Kelompok yang umum bekerja bersama
Correct Hadoop adalah
Mark 5.00 out of
5.00 Select one:
a. MapReduce, Hummer and Iguana
b. MapReduce, Heron and Trumpet
c. MapReduce, Hive and Hbase 
d. MapReduce, MySQL and Google Apps
The correct answer is: MapReduce, Hive and Hbase
Question 18 Komponen layanan inti Hadoop adalah

Correct

5.00
a. Speed, consistency, dan volume
b. MapReduce, HDFS, dan YARN 
c. SQL, NoSQL, Cluster
d. ClickStream, Sensor, dan Sentiment
The correct answer is: MapReduce, HDFS, dan YARN
Question 19 Pemrosesan data terdistribusi adalah pemrosesan

Correct

5.00
a. yang membagi pemrosesan dalam beberapa batch dan dilakukan secara offline
b. yang menerapkan divide and conquer dalam fisik terpisah, namun terhunung Bersama dalam satu cluster 
c. yang melibatkan pelaksanaan sub-tugas secara bersamaan secara kolektif membentuk tugas yang besar melalui
beberapa processor
d. yang menggunakan pendekatan pendekatan interaktif tanpa penundaan
The correct answer is: yang menerapkan divide and conquer dalam fisik terpisah, namun terhunung Bersama dalam satu
cluster
Question 20 Properti Big data yang penting, salah satunya adalah aviability, yaitu:
Correct

5.00
a. Kemampuan untuk terus beroperasi walaupun terjadi kegagalan pada beberapa komponen
b. Handal
c. Ketersediaan layanan secara terus menerus 
d. Kemampuan menanganai penambahan bebab yang diberikan tanpa penurunan kinerja
The correct answer is: Ketersediaan layanan secara terus menerus
Kuis M3 : Introduction to Hadoop (khusus

◄ Materi M3 : Introduction to Hadoop Jump to...
kelas MALAM)) ►
Dashboard / My courses / ATA 2020/2021 | 2-FIKTI | Komputasi Big Data | TEAM TEACHING / Pertemuan 4 : Data Preprocessing
/ Kuis M4 : Data Preprocessing

State Finished
Grade 100.00 out of 100.00
Question 1 Bagaimana menangani missing value dengan tepat?

Correct

5.00
A,B,dan C benar 
Imputasi nilai manual
Dibiarkan
Eliminasi data object
Question 2 Berikut adalah nama lain dari data objek, kecuali

Correct

5.00
Atribut 
Record
Instance
Sample
Question 3 Cara menangani noisy data, kecuali

Correct

5.00
Regression
Combined Computer
Ignore 
Clustering
Question 4 Data berupa image, video bahkan suara termasuk jenis data
Correct

5.00
Record
Ordered
Graf
Multimedia 
1
Online
Question 5 data cleaning pada data preprocessing dilakukan..

Correct

5.00
Identifikasi dan integrasi dari multiple database
Imputasi, smoothing dan identifikasi 
Normalisasi dan diskritasi data
Dimensionality reduction dan data compression
Question 6 Data Cleansing merupakan tahapan untuk membersihkan data kotor sehingga menjadi dataset yang siap diolah. Data
Correct kotor tersebut berupa
Mark 5.00 out of
5.00 Select one:
missing value
duplicate data
outlier
A,B,C benar 
Question 7 Data-data yang saling berhubungan, yang biasanya ditemukan pada jaringan internet termasuk dalam jenis data
Correct

5.00
Multimedia
Graf 
Record
Ordered
Question 8 Imputasi nilai secara otomatis saat menangani incomplete data tidak dapat dilakukan menggunakan
Correct

5.00
interpolasi
Nilai tertinggi 
Rata-rata
Median
Question 9 Jenis kelamin, merupakan salah satu atribut data type…

Correct

5.00
Numerik
Ordinal
Nominal 
Rasio
Question 10 Karakteristik data objek merupakan representasi dari

Correct

5.00
Dataset
Data objek
Data sample
Atribut 
Question 11 Nilai yang merepresentasikan urutan seperti nilai mata kuliah termasuk dalam atribut data type..
Correct

5.00
Rasio
Ordinal 
Numerik
Nominal
Question 12 Normalisasi data dilakukan pada tahap data preprocessing ..

Correct

5.00
data transformation 
data Integration
data cleaning
data reduction
Question 13 Penanganan missing value dapat dilakukan menggunakan nilai estimasi dari probabilitas bersyarat menggunakan metode
Correct

5.00
Eliminasi
Mean
Bayessian 
Regresi
Question 14 Salah satu jenis data record yang diekstrak menjadi kumpulan term dan ditulis berdasarkan frekuensi kemunculan data,
Correct termasuk pada jenis data
Mark 5.00 out of
5.00 Select one:
Dokumen 
Matriks
Sosial network
Transaksi
Correct

5.00
Interpretability 
Believability
Completeness
Consistency
Question 16 Statistik dasar untuk mengukur sebaran data salah satunya adalah
Correct

5.00
Variance 
Median
Mean
Modus
Question 17 Studi tentang bagaimana menganalisis data dan membersihkan data merupakan salah satu tujuan dari
Correct

5.00
Data testing
Data cleansing 
Data validation
Data training
Question 18 Tahapan pertama data preprocessing adalah

Correct

5.00
data Integration
data transformation
data reduction
data cleaning 
Question 19 Tanggal penjualan, nama pelanggan, nama barang, jumlah penjualan merupakan contoh dari
Correct

5.00
Atribut penjualan
Dataset penjualan 
Data sample penjualan
Data objek penjualan
Question 20 Tinggi badan, berat badan, usia, dan jenis kelamin merupakan contoh representasi karakteristik dari
Correct

5.00
Data sample
Atribut
Dataset
Data objek 
◄ Materi M4 : Data Preprocessing Kuis M4 : Data Preprocessing (khusus

Jump to...
(update 29/03/2021) kelas MALAM)) ►
Dashboard / My courses / ATA 2020/2021 | 2-FIKTI | Komputasi Big Data | TEAM TEACHING / Pertemuan 5 : Introduction to Data Mining
/ Kuis M5 : Introduction Data Mining
Started on Monday, 5 April 2021, 11:57 AM

State Finished
Question 1 Metode untuk mempresentasikan hasil yang ditemukan dengan cara yang "bagus" secara visual
Correct
Marked out of Select one:

5.00
a. Asosiasi
b. Visualisasi 
c. Klasterisasi
d. Klasifikasi
Question 2 Untuk menghindari set pengujian yang tumpang tindih, data dibagi menjadi k himpunan bagian dengan ukuran yang
Correct sama kemudiansetiap subset secara bergantian digunakan untuk pengujian dan sisanya untuk pelatihan
Marked out of
5.00 Select one:
a. k-fold cross-validation 
b. Model Sorted list
c. Commulative PCT Hits
d. Direct Marketing Paradigm
Question 3 Metode untuk mengelompokkan secara "alami" dari instance yang diberi data tanpa label
Correct

5.00
a. Asosiasi
b. Klasterisasi 
c. Klasifikasi
d. Visualisasi
Question 4 Pernyataan yang kurang sesuai dengan metode peringkasan

Correct

5.00
a. Menjelaskan fitur dari grup yang dipilih
b. Mengelompokkan data tak berlabel 
c. Menggunakan bahasa dan grafik alami
d. Biasanya dalam Kombinasi dengan deteksi Deviasi atau metode lain
1
Online
Question 5 Acuan yang tidak tepat ketika melakukan pengaturan parameter

Correct

5.00
a. Data pengujian harus digunakan untuk penyetelan parameter 
b. Data pengujian tidak dapat digunakan untuk penyetelan parameter
c. Data pengujian tidak digunakan dengan cara apa pun untuk membuat pengklasifikasi
d. Skema pembelajaran beroperasi dalam dua tahap yaitu membangun struktur dasar dan mengoptimalkan
pengaturan parameter
Question 6 Jenis tugas data mining yang menfasilitasi penerimaan / penelusuran informasi bagi pengguna
Correct

5.00
a. Asosiasi
b. Klasterisasi
c. Klasifikasi
d. Visualisasi 
Question 7 Karakteristik Big Data yang terus bertambah dengan cepat secara real-time dinamakan
Correct

5.00
a. Volume 
b. variety
c. Velocity
d. Value
Question 8 Fungsi dari data mining adalah salah satunya dapat mengetahui pola yang sering (atau kumpulan item yang sering)
Correct misalnya item apa yang sering dibeli bersama di Walmart Anda. Ini dikenal dengan istilah
Marked out of
5.00 Select one:
a. Klasterisasi
b. Outlier Analysis
c. Klasifikasi
d. Asosiasi dan Analisis Korelasi 
Question 9 Proses pencarian konten baru dan konten yang perlu diperbaharui dengan mengirimkan crawler ke seluruh konten yang
Correct ditemukan dari tautan halaman merupakan Salah satu konsep data mining pada Search Engine yang dinamakan
Marked out of
5.00 Select one:
a. Index
b. Crawl 
c. Rank
d. Searching
Question 10 Metode untuk memprediksi kelas instance dari instance yang diberi label sebelumnya
Correct

5.00
a. Visualisasi
b. Klasterisasi
c. Asosiasi
d. Klasifikasi 
Question 11 Melihat suatu objek data yang tidak sesuai dengan perilaku umum data, sering digunakan dalam deteksi penipuan atau
Correct analisis kejadian langka
Marked out of
5.00 Select one:
a. Analisis Outlier 
b. Klasifikasi
c. Klasterisasi
d. Asosiasi dan Analisis Korelasi
Correct

5.00
a. Consistency
b. Believability
c. Completeness
d. Interpretability 
Question 13 Regression, Decision Trees, Bayesian, Neural Networks, Naïve Bayes Rules, Support Vector Machines, Genetic Algorithms
Correct adalah pendekatan yang digunakan untuk
Marked out of
5.00 Select one:
a. Asosiasi
b. Klasifikasi 
c. Visualisasi
d. Klasterisasi
Question 14 Urutan langkah melakukan klasifikasi

Correct

5.00
a. Buat model pada set pelatihan, Evaluasi pada set pengujian (Latih ulang?), Pisahkan data menjadi set pelatihan dan
pengujian
b. Pisahkan data menjadi set pelatihan dan pengujian, Buat model pada set pelatihan, Evaluasi pada set pengujian

c. Buat model pada set pelatihan, pilih secara acak jumlah instance kelas minoritas yang diinginkan, Evaluasi pada set
pengujian
d. Evaluasi pada set pengujian, Buat model pada set pelatihan, Pisahkan data menjadi set pelatihan dan pengujian
Question 15 Pernyataan yang tepat terkait data mining and knowledge discovery
Correct

5.00
a. lebih heuristik
b. lebih fokus pada pengujian hipotesis
c. lebih teori
d. mengintegrasikan teori dan heuristik 
Question 16 Jenis tugas data mining yang melakukan prediksi kelas

Correct

5.00
a. Klasterisasi
b. Visualisasi
c. Klasifikasi 
d. Asosiasi
Question 17 Pernyataan yang tepat terkait data mining and knowledge discovery
Correct

5.00
a. lebih fokus pada pengujian hipotesis
b. fokus pada seluruh proses penemuan pengetahuan 
c. fokus pada peningkatan kinerja agen pembelajaran
d. melihat pembelajaran real-time dan robotika
Question 18 Attributes yang berisi informasi seperti item_ID, name, brand, category, supplier, place_made and price, merupakaan salah
Correct satu contoh jenis database
Marked out of
5.00 Select one:
a. Social media
b. Penjualan 
c. Penyewaan
d. Marketing
Question 19 Metode klasifikasi pada fungsi data mining yang menggunakan nilai estimasi dari probabilitas bersyarat dinamakan
Correct metode
Marked out of
5.00 Select one:
a. Naive Bayessian 
b. Mean
c. Regresi
d. Eliminasi
Question 20 Yang bukan Metode clusterisasi

Correct

5.00
a. Exclusive vs. overlapping
b. Decision Tree 
c. Deterministic vs. probabilistic
d. Hierarchical vs. flat
Kuis M5 : Introduction Data Mining

◄ Video M5 : Introduction Data Mining Jump to...
(KHUSUS KELAS MALAM)) ►
/ Pertemuan 6 : Introduction to Machine Learning (Supervised) / Kuis M6 : Introduction to Machine Learning (Supervised)

State Finished
Question 1 Model Pembelajaran yang mempelajari bagaimana sistem dapat menyimpulkan suatu fungsi untuk mendeskripsikan
Correct struktur tersembunyi dari data yang tidak berlabel. Sistem ini tidak memprediksi keluaran yang benar, tetapi
Marked out of mengeksplorasi data dan dapat menarik kesimpulan dari kumpulan data untuk mendeskripsikan struktur tersembunyi dari
5.00 data yang tidak berlabel.
Select one:
a. Reinfocement Learning
b. Supervised Learning
c. Semi Supervised Learning
d. Unsupervised Learning 
Question 2 Tahapan yang tepat ketika melakukan testing

Correct

5.00
a. Image Features - Training With Labeled Data – Prediction
b. Image Features - Learned Model - Prediction 
c. Image Features - Training With Labeled Data - Learned Model
d. Image Features - Training With Unlabel Data -Learned Model - Prediction
Question 3 Jika variabel keluaran adalah berupa kategori misalnya “apel”, “jeruk” termasuk pada machine learning bertipe
Correct

5.00
a. Unsupervised
b. Supervised -Regresion
c. Reinfocement
d. Supervised – Classification 
Question 4
Correct
Marked out of
5.00
Gambar pada representasi di atas adalah Pola-pola struktur yang ada pada suatu koleksi data (knowledge) dalam bentuk
Select one:
a. Pohon
b. Aturan 
c. Tabel
d. Instance
1
Online
Question 5 Saat Anda ingin mengungkap pengelompokan yang melekat dalam data, seperti mengelompokkan hewan berdasarkan
Correct beberapa karakteristik / fitur, mis. jumlah kaki maka model pembelajaran yang sesuai
Marked out of
5.00 Select one:
a. Reinfocement Learning
b. Supervised Learning - Regression
c. Supervised Learning - Classification
d. Unsupervised Learning - Clustering 
Question 6 Pola-pola struktur yang ada pada suatu koleksi data (knowledge) dapat direpresentasi dalam bentuk if then rules :
Correct

5.00
a. Tabel
b. Instance
c. Pohon
d. Aturan 
Question 7 Model pembelajaran yang menggunakan data berlabel dan tidak berlabel untuk pelatihan.
Correct

5.00
a. Semi Supervised Learning 
b. Unsupervised Learning
c. Supervised Learning
d. Reinfocement Learning
Question 8 Pembelajaran yang bertujuan memprediksi output dengan akurat untuk data baru dan output ti bernilai kontinu (riil),
Correct contoh untuk Prediksi kinerja CPU
Marked out of
5.00 Select one:
a. Klasifikasi
b. Klasterisasi
c. Generalisasi
d. Regressi 
Question 9 Tahapan yang tepat ketika melakukan training

Correct

5.00
a. Image Features - Training With Labeled Data – Prediction
b. Image Features - Training With UnLabeled Data - Prediction
c. Image Features - Training With Labeled Data - Learned Model 
d. Image Features - Learned Model - Prediction
Question 10 Salah satu teknik yang digunakan untuk mengkontrol fenomena over-fitting adalah dengan cara menambah finalti ke
Correct fungsi error.
Marked out of
5.00 Select one:
a. regularization 
b. generalization
c. model selection
d. prediction
Question 11 Tujuan pembelajaran unsupervised adalah membagun model yang dapat menemukan komponen / variabel / fitur
Correct tersembunyi pada data pelatihan, yang dapat digunakan untuk hal berikut, kecuali
Marked out of
5.00 Select one:
a. Reduksi dimensi (dimension reduction)
b. Pengklasifikasian (classification) 
c. Pengelompokan (clustering)
d. Rekomendasi
Question 12
Correct
Marked out of
5.00
Select one:
a. Aturan
b. Instance
c. Pohon
d. Tabel 
Question 13 Model ini belajar dari kumpulan data berlabel dan kemudian digunakan untuk memprediksi peristiwa di masa depan.
Correct

5.00
a. Semi Supervised Learning
b. Reinfocement Learning
c. Unsupervised Learning
d. Supervised Learning 
Question 14 Pembelajaran yang menghasilkan Nilai output ti bernilai diskrit (kelas)

Correct

5.00
a. Generalisasi
b. Klasterisasi
c. Regressi
d. Klasifikasi 
Question 15 Yang bukan tujuan supervised learning untuk membangun model yang dapat menghasilkan output yang benar untuk
Correct suatu data input dapat digunakan untuk
Marked out of
5.00 Select one:
a. Pengklasifikasian (classification)
b. Ranking
c. Klasterisasi (clustering) 
d. Regresi (regression)
Question 16 Yang tidak digunakan pada Model Supervised Learning

Correct

5.00
a. Neural Networks
b. Linear Model
c. Latent Semantic Analysis 
d. Support Vector Machine
Question 17
Correct
Marked out of
5.00
Select one:
a. Aturan
b. Pohon 
c. Tabel
d. Instance
Question 18 Kumpulan data yg sudah dipastikan kebenarannya, dr sisi label, data awal, komponen2 data yg akan dijadikan kunci,
Correct

5.00
a. Feature Extraction
b. Instance
c. Feature/ atribut
d. Training Set 
Question 19 Sebuah proses yg mempersiapkan data sehingga data tsb bisa kita extract cirinya menjadi suatu vektor
Correct

5.00
a. Training Set
b. Instance
c. Feature Extraction 
d. Feature/ atribut
Question 20 Ciri-ciri dari masing-masing sample data misalnya Smartphone. ciri: memiliki ...
Correct
Marked out of
5.00 Select one:
a. Training Set
b. Feature/ atribut 
c. Instance
d. Feature Extraction
Kuis M6 : Introduction to Machine

◄ Materi M6 : Introduction to Machine
Jump to... Learning (Supervised) (KHUSUS KELAS
Learning-Supervised
MALAM)) ►
4/19/2021 Kuis M7 : Unsupervised Learning: Attempt review
/ Pertemuan 7 : Introduction to Machine Learning (Unsupervised) / Kuis M7 : Unsupervised Learning
Started on Monday, 19 April 2021, 11:40 AM 1

State Finished Online
Completed on Monday, 19 April 2021, 11:45 AM
Question 1 Pengelompokan yang sebagai "pendekatan bottom-up". Di mana titik datanya diisolasi sebagai pengelompokan terpisah
Correct pada awalnya, dan kemudian digabungkan bersama secara iteratif atas dasar kesamaan hingga satu cluster tercapai.
Marked out of
5.00 Select one:
a. Pendekatan Overlapping
b. Pendekatan Aglomeratif 
c. Pendekatan Divisive
d. Pendekatan Probabilistic
Question 2 Teknik yang digunakan ketika jumlah fitur, atau dimensi, dalam kumpulan data tertentu terlalu tinggi. Teknik ini
Correct mengurangi jumlah input data ke ukuran yang dapat dikelola sambil juga menjaga integritas set data sebanyak mungkin,
Marked out of biasanya digunakan dalam tahap data praproses
5.00
Select one:
a. Dimensionality reduction 
b. Association
c. clustering
d. Regression
Question 3 Algoritme yang menggunakan pohon hash untuk menghitung kumpulan item, menavigasi kumpulan data dengan cara
Incorrect yang pertama. Algoritma ini telah dipopulerkan melalui analisis keranjang pasar, yang mengarah ke mesin rekomendasi
Marked out of yang berbeda untuk platform musik dan pengecer online.Misalnya, jika saya memutar radio Black Sabbath di Spotify,
5.00 dimulai dengan lagu mereka "Anggrek", salah satu lagu lain di saluran ini kemungkinan besar adalah lagu Led Zeppelin,
seperti "Over the Hills dan Far Away." Ini didasarkan pada kebiasaan mendengarkan saya sebelumnya serta kebiasaan
orang lain.
Select one:
a. Eclat
b. Apriori 
c. Apriori
d. FP-Growth
Question 4 Algoritme yang menggunakan pohon hash untuk menghitung kumpulan item, menavigasi kumpulan data dengan cara
Correct yang pertama. Algoritma ini telah dipopulerkan melalui analisis keranjang pasar, yang mengarah ke mesin rekomendasi
Marked out of yang berbeda untuk platform musik dan pengecer online.Misalnya, jika saya memutar radio Black Sabbath di Spotify,
5.00 dimulai dengan lagu mereka "Anggrek", salah satu lagu lain di saluran ini kemungkinan besar adalah lagu Led Zeppelin,
seperti "Over the Hills dan Far Away." Ini didasarkan pada kebiasaan mendengarkan saya sebelumnya serta kebiasaan
orang lain. Ini termasuk task
Select one:
a. Dimensionality reduction
b. Regression
c. clustering
d. Association 
Question 5 Algoritme yang berusaha menemukan pola tersembunyi atau pengelompokan data tanpa perlu campur tangan manusia.
Correct

5.00
a. Supervised Learning
b. Deep Learning
c. Unsupervised Learning 
d. Semi Supervised Learning
Question 6 Metode berbasis aturan untuk menemukan hubungan antara variabel dalam kumpulan data tertentu. Metode ini sering
Correct digunakan untuk analisis keranjang pasar, memungkinkan perusahaan untuk lebih memahami hubungan antara produk
Marked out of yang berbeda. Memahami kebiasaan konsumsi pelanggan memungkinkan bisnis untuk mengembangkan strategi
5.00 penjualan silang dan mesin rekomendasi yang lebih baik.
Select one:
a. Association 
b. clustering
c. Regression
d. Dimensionality reduction
Question 7 Jenis algoritme pengurangan dimensi yang digunakan untuk mengurangi redundansi dan mengompresi kumpulan data
Correct melalui ekstraksi fitur. Metode ini menggunakan transformasi linier untuk membuat representasi data baru, menghasilkan
Marked out of sekumpulan "komponen utama". Komponen utama pertama adalah arah yang memaksimalkan varians dari dataset.
5.00 Sementara komponen utama kedua juga menemukan varians maksimum dalam data, itu sama sekali tidak berkorelasi
dengan komponen utama pertama, menghasilkan arah yang tegak lurus, atau ortogonal, ke komponen pertama. Proses
ini berulang berdasarkan jumlah dimensi, dimana komponen utama berikutnya adalah arah ortogonal ke komponen
sebelumnya dengan varians terbanyak.
Select one:
a. Singular value decomposition
b. FP-Growth
c. Autoencoders
d. Principal component analysis 
Question 8 Pendekatan reduksi dimensi lain yang memfaktorkan matriks, A, menjadi tiga matriks peringkat rendah. SVD
Correct dilambangkan dengan rumus, A = USVT, di mana U dan V adalah matriks ortogonal. S adalah matriks diagonal, dan nilai S
Marked out of dianggap sebagai nilai tunggal matriks A. Principal component analysis
5.00
Select one:
b. FP-Growth
c. Autoencoders 
Question 9 Pengelompokan yang mengambil pendekatan "top-down". Dalam hal ini, satu cluster data dibagi berdasarkan perbedaan
Correct antara titik data. Pengelompokan dengan cara ini tidak umum digunakan, tetapi masih perlu diperhatikan dalam konteks
Marked out of pengelompokan hierarkis. Proses pengelompokan ini biasanya divisualisasikan menggunakan dendrogram, diagram mirip
5.00 pohon yang mendokumentasikan penggabungan atau pemisahan titik data pada setiap iterasi.
Select one:
a. Pendekatan Aglomeratif
b. Pendekatan Probabilistic
c. Pendekatan Overlapping
d. Pendekatan Divisive 
Question 10 Algoritma yang paling banyak digunakan untuk task Association rules
Correct

5.00
a. FP-Growth
b. Apriori
c. Apriori 
d. Eclat
Question 11 Salah satu bentuk pengelompokan yang memungkinkan titik data menjadi bagian dari beberapa kluster dengan derajat
Correct keanggotaan terpisah. Ini disebut juga Pengelompokan "lembut" atau fuzzy k-means
Marked out of
5.00 Select one:
a. Memecah belah (Divisive)
b. Clustering Eksklusif (specifically exclusive)
c. Tumpang tindih (overlapping) 
d. Hierarkis ( hierarchical)
Question 12 Yang bukan tugas dari pembelajaran tanpa pengawasan

Correct

5.00
a. Association
b. Dimensionality reduction
c. Regression 
d. clustering
Question 13 Salah satu bentuk pengelompokan yang menetapkan bahwa suatu titik data hanya dapat ada dalam satu cluster. Ini juga
Correct bisa disebut sebagai pengelompokan "keras". Algoritma yang digunakan salah satunya adalah K-means clustering
Marked out of
5.00 Select one:
a. Memecah belah (Divisive)
b. Clustering Eksklusif (specifically exclusive) 
c. Hierarkis ( hierarchical)
d. Tumpang tindih (overlapping)
Question 14 Pendekatan Unsupervised Learning adalah

Correct

5.00
a. Mempelajari bagaimana cara kerja pembelajaran dengan pengawasan
b. Mempelajari bagaimana cara kerja pembelajaran tanpa pengawasan dan dengan pengawasan
c. Mempelajari bagaimana cara kerja pembelajaran tanpa pengawasan 
d. Mempelajari bagaimana cara kerja pembelajaran yang mendalam
Question 15 Teknik tanpa pengawasan yang membantu menyelesaikan estimasi kepadatan atau masalah pengelompokan "lunak".
Correct Dalam hal ini, titik data dikelompokkan berdasarkan kemungkinannya termasuk dalam distribusi tertentu. Teknik yang
Marked out of paling umum digunakan adalah Gaussian Mixture Model (GMM)
5.00
Select one:
a. Pendekatan Probabilistic 
b. Pendekatan Aglomeratif
c. Pendekatan Overlapping
d. Pendekatan Divisive
Question 16 Pembelajaran mesin tanpa pengawasan, menggunakan algoritme pembelajaran mesin untuk menganalisis dan
Correct mengelompokkan set data tak berlabel
Marked out of
5.00 Select one:
a. Supervised Learning
b. Deep Learning
c. Unsupervised Learning 
d. Semi Supervised Learning
Question 17 Kemampuannya untuk menemukan persamaan dan perbedaan informasi menjadikannya unsupervised learning sebagai
Correct solusi ideal tugas tugas di bawah ini, kecuali
Marked out of
5.00 Select one:
a. strategi penjualan silang
b. Klasifikasi buah jeruk dan buah apel 
c. Analisis data eksplorasi
d. Segmentasi pelanggan
Question 18 Algoritme yang bukan digunakan untuk pengelompokan (Clustering)

Correct

5.00
a. Clustering ekslusif (specifically exclusive)
b. Tumpang tindih (overlapping)
c. Hierarkis ( hierarchical)
d. Auto Encoder 
Question 19 Teknik yang mengelompokkan data yang tidak berlabel berdasarkan persamaan atau perbedaannya. Algoritma ini
Correct digunakan untuk memproses objek data mentah dan tidak terklasifikasi menjadi grup yang diwakili oleh struktur atau
Marked out of pola dalam informasi.
5.00
Select one:
a. Clustering 
b. Dimensionality reduction
c. Regression
d. Association
Question 20 Teknik yang memanfaatkan jaringan neural untuk mengompresi data dan kemudian membuat ulang representasi baru
Correct dari input data asli. Terdapat lapisan tersembunyi secara khusus bertindak sebagai penghambat untuk memampatkan
Marked out of lapisan masukan sebelum merekonstruksi di dalam lapisan keluaran.
5.00
Select one:
b. Principal component analysis
c. Autoencoders 
d. FP-Growth
Kuis M7 : Unsupervised Learning

◄ Materi M7 : Unsupervised Learning Jump to...
(KHUSUS KELAS MALAM) ►
4/26/2021 Kuis M8 : Reinforcement: Attempt review
/ Pertemuan 8 : Introduction to Machine Learning (Reinforcement) / Kuis M8 : Reinforcement

State Finished
Question 1 Reinforcement learning tepat digunakan untuk menyelesaikan permasalahan utama dalam:
Correct

5.00
a. Segmentasi pelanggan
b. Permainan catur 
c. Peramalan cuaca
d. Pengenalan objek
Question 2 Berikut ini merupakan contoh permasalahan yang dapat diselesaikan dengan reinforcement learning:
Correct

5.00
a. Sistem percakapan
b. Self-driving car
c. Semua benar 
d. Bermain Game
Question 3 Markov Decision Process dapat didefinisikan kedalam n-tuple, dimana bernilai:
Correct

5.00
a. 4
b. 3
c. 6
d. 5 
Question 4 Efek dari suatu aksi yang dipilih dari suatu state yang bergantung hanya pada state tersebut saja bukan pada state-state
Correct sebelumnya dikenal sebagai sifat:
Marked out of
5.00 Select one:
a. Markov 
b. Bellman
c. Transisi
d. Stokastik
1
Online
Question 5 Pernyataan yang benar terkait reinforcement learning:

Correct

5.00
a. Semua benar
b. Untuk aksi yang bersifat stokastik harus memenuhi sifat Markov
c. Input yang diterima oleh agen berupa state, action dan reward
d. Aksi yang dapat dipilih pada setiap state tidak unik 
Question 6 Solusi dari Markov Decision Process disebut sebagai:

Correct

5.00
a. Policy 
b. Reward
c. Model
d. Action
Question 7 Fungsi reward dalam Markov Decision Process dapat bernilai bilangan:
Correct

5.00
a. Semua benar 
b. Riil
c. Bulat
d. Asli
Question 8 Sifat Markov dalam Markov Decision Process diperlukan langsung dalam menentukan:
Correct

5.00
a. Fungsi reward
b. Aksi yang dipilih
c. Fungsi nilai state-action
d. Matriks probabilitas transisi 
Question 9 Reinforcement learning dapat diterapkan dalam permasalahan:

Correct

5.00
a. Penentuan jalur terpendek
b. Supervised learning
c. Semua benar 
d. Navigasi robot
Question 10 Pemilihan suatu aksi pada suatu state tertentu didalam Markov Decision Process ditentukan oleh:
Correct

5.00
a. Model
b. Reward
c. Value
d. Policy 
Question 11 Berikut ini merupakan pernyataan yang salah terkait Markov Decision Process:
Correct

5.00
a. Fungsi nilai state-action dapat dinyatakan dalam persamaan ekspektasi Bellman
b. Elemen matriks probabilitas transisi bernilai antara 0 dan 1
c. Fungsi reward dapat dinyatakan sebagai suatu fungsi ekspektasi
d. Total policy pada suatu state untuk semua reward adalah 1 
Question 12 Reinforcement learning merupakan bagian dari:

Correct

5.00
a. Dynamic Programming
b. Markov Decision Process
c. Semua benar
d. Machine learning 
Question 13 Berikut ini merupakan beberapa algoritma reinforcement learning, kecuali:

Correct

5.00
a. Hill-Climbing Bagged Ensemble Selection (HCES-Bag) 
b. State-Action-Reward-State-Action (SARSA)
c. Deep Deterministic Policy Gradient (DDPG)
d. Q-learning
Question 14 Efek dari suatu pilihan aksi pada suatu state ditentukan oleh:
Correct

5.00
a. Semua salah
b. Model transisi 
c. Policy
d. Fungsi reward
Question 15 Reward dalam permasalahan shortest path yang dimodelkan dengan Markov Decision Process ditandai dengan:
Correct

5.00
a. Total nilai bobot simpul dan ruas
b. Nilai bobot pada simpul
c. Nilai bobot pada ruas 
d. Semua salah
Question 16 Reinforcement learning dapat diilustrasikan sebagai interaksi antara:

Correct

5.00
a. Semua benar
b. Reward dengan state berikutnya
c. Agen dengan lingkungannya 
d. State dengan aksi yang dipilih
Question 17 Berikut ini merupakan pernyataan yang kurang tepat terkait reinforcement learning (RL):
Correct

5.00
a. RL dapat digunakan pada robotik untuk otomasi industri
b. RL yang diselesaikan dengan Markov Decision Process memerlukan data latih dalam menentukan probabilitas
transisinya 
c. RL dapat digunakan dalam menciptakan sistem pelatihan untuk siswa yang bersifat kustom
d. RL memerlukan lingkungan untuk berinteraksi secara repetitif
Question 18 Pada Markov Decision Process, pemilihan ruas jalan dalam permasalahan shortest path merupakan bagian dari:
Correct

5.00
a. Value
b. Reward
c. State
d. Action 
Question 19 Dalam memilih aksi pada suatu state perlu diperhatikan hal-hal berikut ini:
Correct

5.00
a. Nilai state-action pada suatu waktu berlaku untuk sembarang policy
b. Memilih aksi yang memberikan state dengan nilai tertinggi 
c. Semua benar
d. Memaksimumkan reward pada masa mendatang
Question 20 Sekumpulan token yang mewakili setiap kemungkinan keadaan dari agen disebut sebagai:
Correct

5.00
a. State 
b. Action
c. Semua salah
d. Reward
Kuis M8 : Reinforcement (KHUSUS KELAS

◄ Materi M8 : Reinforcement Learning Jump to...
MALAM) ►
M10 Team Teaching
1. Salah satu library data science yang digunakan untuk pemrosesan sinyal, gambar, dan rumus
statistik adalah.. Semua Benar
2. Beragamnya jenis data di dalam Big Data yang meliputi data terstruktur, semi terstruktur
dan tidak terstruktur, merupakan dimensi Big Data dalam hal: Variety
3. Pilihan yang dapat menciptakan hasil yang paling optimal merupakan pendekatan analitik
dari.. Preskriptif
4. Sumber data yang digunakan dalam aplikasi Big Data dapat berupa: Semua Benar
5. Keuntungan menggunakan Mobile Positioning data (MPD) adalah… Semua Benar
6. Metode untuk memprediksi kelas instance dari instance yang diberi label sebelumnya…
Klasifikasi
7. Visualisasi pada hasil analisis Big Data dapat disajikan dalam bentuk.. Semua Benar
8. Data yang dikumpulkan secara aktif dari sensor, misalnya melalui penginderaan jauh dan
gambar satelit merupakan sumber big data dalam hal…. Sensing data
9. Contoh solusi Big Data, kecuali: Semua Benar
10. Contoh Aplikasi Machine Learning dan Analitik Prediktif: Semua Benar
11. Semakin banyak data hingga dapat melebihi terabyte merupakan penjelasan dari dimensi
Big Data dalam hal: Volume
12. Karakteristik Big Data yang cepat sekali berubah baik dari sisi variabel maupun tipe data
dinamakan… Velocity
13. Data Warehouse dibuat dengan menerapkan serangkaian langkah pemrosesan terhadap
data yang berasal dari beberapa basis data. Berikut ini adalah yang termasuk dalam
pemrosesan data tersebut: Semua Benar
14. Manakah yang benar dari pernyataan berikut ini: Deskriptif, perkiraan berdasarkan data
yang tersedia
15. Data Mobile Positioning data (MPD) berupa… Semua Benar
16. Dataset dibentuk dari: Sekumpulan fitur yang memiliki objek yang sama
17. Tools Bahasa Pemograman yang dapat digunakan dalam ilmu data science adalah… Semua
Benar
18. Social Media termasuk dalam sumber data..Digital Content
19. Cara yang dapat dilakukan untuk meningkatkan analisis bigdata genome bioinformatics
adalah.. Semua Benar
20. Proses menganalisis tulisan untuk menentukan nada emosional penulisnya merupakan salah
satu implementasi machine learning dalam… Principal Component Analysis
Team Teaching Big Data M9
1. Berikut ini adalah efek dari mengecilnya nilai stride dalam Algoritma Convolutional Neural Network
Informasi yang diperoleh semakin detail
2. Hasil dari proses flatten pada Algoritma Convolutional Neural Network menjadi masukan dalam
Fully-connected layer
3. Pooling layer bertujuan untuk
Mengurangi dimensi feature map
4. Berikut ini merupakan loss function dalam algoritma berbasis Neural Network
Cross entropy
5. Algoritma Deep Learning berbasis
Semua benar (Neural network, Machine learning, Artificial Intelligence)
6. Berikut ini adalah teknik yang dapat digunakan pada pooling layer dalam Algoritma Convolutional
Neural Network
Semua benar (Average pooling, Min pooling, Max pooling)
7. Dalam Algoritma Convolutional Neural Network, ReLU seringkali digunakan pada
Hidden layer
8. Sebuah citra berdimensi 5x5 dengan filter 3x3 dan stride sebesar 2 akan menghasilkan feature map
berdimensi
4x4
9. Pooling layer pada Algoritma Convolutional Neural Network terdapat pada
Hidden layer
10. Berikut ini merupakan fungsi aktivasi dalam Algoritma Convolutional Neural Network
Semua benar (Sigmoid, Tanh, ReLU)
11. Tahapan feature extraction pada Algoritma Convolutional Neural Network terdiri dari beberapa
lapisan (layer) berikut ini, kecuali
Fully-connected layer
12. Untuk memperbanyak feature yang berhasil diekstrak dalam Algoritma Convolutional Neural
Network digunakan
Padding
13. Berikut ini merupakan contoh Algoritma Deep Learning

Semua benar
Algoritma Recurrent Neural Network
Algoritma Long Short Term Memory
Algoritma Convolutional Neural Network
14. Algoritma Deep Learning dapat menyelesaikan permasalahan berikut ini
Semua benar (Deteksi objek, Natural Language Processing, Pengenalan suara)
15. Untuk menyelesaikan permasalahan klasifikasi biner menggunakan algoritma berbasis Neural
Network lebih tepat digunakan fungsi aktivasi
ReLU
16. Salah satu ukuran dari confusion matrix yang dapat digunakan dalam mengukur tingkat keberhasilan
sistem dalam menemukan kembali sebuah informasi adalah
Recall
17. Untuk mencegah terjadinya overfitting dalam Algoritma Convolutional Neural Network dilakukan
Dropout regularization
18. Dimensi dari feature map dalam Algoritma Convolutional Neural Network bergantung pada
Semua benar
Stride
Dimensi filter dan input
Padding
19. Parameter dalam Algoritma Convolutional Neural Network yang menentukan berapa jumlah
pergeseran filter disebut sebagai
Stride
20. Berikut ini merupakan library Python untuk Algoritma Deep Learning
Semua benar (Tensorflow, Keras, PyTorch)

1. Berikut ini yang bukan merupakan karakteristik dari Apache Spark adalah
Tidak dilengkapi dengan sistem file bawaan
2. Berapa banyak Spark Context yang dapat aktif per Java Virtual Machine
Hanya 1
3. Berikut ini yang bukan merupakan fungsi dari Spark Context adalah
Untuk mengatur konfigurasi
4. Toleransi kesalahan pada Resilient Distributed Data (RDD) dicapai menggunkan
Kemampuan alami dari RDD untuk tidak dapat diubah
5. Berikut ini adalah beberapa manfaat penggunaan Spark, kecuali
Otomatis dalam mengoptimalkan kode program
6. Berikut ini yang bukan operasi transformasi pada Resilient Distributed Data adalah
Flatmap
7. Apache Spark pertama kali diluncurkan open-source pada tahun
2010
8. Berikut ini yang bukan operasi action pada Resilient Distributed Data adalah
Top()
9. Berikut ini adalah pernyataan yang salah mengenai Resilient Distributed Data (RDD), kecuali
RDD merupakan basis data
10. Spark ditulis dalam bahasa pemrograman
Scala
11. Modul untuk memproses data terstruktur dalam Spark adalah
Spark SQL
12. Manajemen memori dalam Spark dikerjakan oleh
Spark Core
13. Cluster manager yang dapat digunakan pada Spark adalah
Semua benar (Hadoop YARN, Mesos cluster, Standalone scheduler)
14. Spark lebih cepat dibandingkan dengan MapReduce karena
Direct Acylic Graph mengeksekusi mesin dan komputasi didalam memori

15. Api Machine Learning yang utama untuk Spark saat ini adalah API berbasis
DataFrame
16. Apache Spark berpotensi … lebih cepat untuk menjalankan program pemrosesan batch didalam
memori jika dibandingkan dengan MapReduce
100 kali
17. Komponen berikut ini yang tidak terdapat diatas Spark Core adalah
Semua salah (Spark SQL, Spark MLib, Spark RDD)
18. Spark SQL menerjemahkan perintah kedalam bentuk kode yang diproses oleh
Semua salah (Cluster manager, Driver nodes, Executor nodes)
19. Pernyataan berikut ini yang salah mengenai Spark dan Hadoop adalah
Keduanya merupakan mesin komputasi cluster
20. Spark dapat menjalankan … tugas pada setiap partisi
Satu
1. Algoritma untuk menentukan jumlah segitia yang melewati setiap simpul dalam graf
Triangle Count
2. Urutan edge yang memungkinkan Anda berpindah dari vertex A ke vertex B disebut
Path
3. Algoritma untuk mengukur seberapa pentingnya halaman situs web
Page Rank
4. Untuk menampilkan pola di balik hubungan antara entitas data
Visualisasi Grafik
5. Manakah urutan yang benar untuk menjelaskan cara kerja Spark Streaming:
1. Input data stream diterima oleh Spark Streaming,
2. Batch input data / RDD tersebut diproses oleh Spark Engine menggunakan operasi RDD.,
3. Hasilnya adalah batch data yang telah diproses didorong keluar ke sistem eksternal,
4. Oleh Spark Streaming data dibagi menjadi kumpulan / batch input data (diperlakukan sebagai RDD).
1-4-2-3
6. Fitur Spark Streaming
Pemulihan cepat dari kegagalan dan kekeliruan
7. Langkah pipa pemrosesan data grafik :
1. Pembuatan grafik,
2. Pengolahan pasca,
3. Pra-pemrosesan data (yang mencakup pemuatan, transformasi, dan pemfilteran),
4. Analisis
3-1-4-2
8. Algoritma untuk menemukan komponen terhubung dari suatu graf
Connected Components
9. Contoh database grafik
Neo4j
10. Contoh penggunaan Spark Streaming
Netflix
11. Operasi Jendela membutuhkan parameter
window length
12. Framework yang dapat digunakan untuk memproses data grafik dan menjalankan analisis prediktif
pada data
Spark GraphX
13. Contoh use case penggunaan Spark GraphX
Semua Benar (Film baru yang paling direkomendasikan orang-orang 1 minggu terakhir, Orang-orang
yang sama-sama mensitasi suatu artikel, Teman toni di facebook yang paling banyak pengikutnya)
14. Pernyataan yang benar tentang Graph
Semua benar (Graph terdiri dari simpul dan sisi, Semua yang ada di Facebook adalah contoh
penggunaan struktur data graph, Edge menunjukan relasi antar simpul)
15. Fitur Spark GraphX
Semua benar (Kecepatan, Pustaka Algoritma, Fleksibilitas)
16. Apa yang menyebabkan Spark Streaming memiliki toleransi kesalahan?
Kumpulan data input direplikasi dalam memori
17. Yang diperlukan untuk menangani data besar dalam bentuk grafik
Semua benar (Analisis Data Grafikm Visualisasi data grafik, Database grafik)
18. Aliran data yang berkelanjutan dalam Spark Streaming disebut
DStream
19. Pernyataan yang benar tentang Apache Spark, kecuali
Abstraksi memori terdistribusi untuk komputasi dalam memori pada klaster besar yang toleran terhadap
kesalahan
20. Pernyataan yang benar Spark Streaming
Semua benar (Memproses menggunakan algoritma kompleks dengan fungsi seperti map, reduce, join,
window, Dapat menyerap data dari berbagai sumber, Data yang diproses dapat dikirim ke sistem file,
database, dan live dashboard)
1. CUDA yang diciptakan oleh NVIDIA adalah singkatan dari
Compute Unified Device Architecture
2. Tiga tahap alur pemrosesan dalam eksekusi program CUDA
Langkah ke-1 Salin input data dari CPU memory ke GPU memory
Langkah-2 Muat program GPU dan eksekusi, caching (simpan) data pada chip untuk kinerja
Langkah-3 Salin hasil dari GPU memory ke CPU memory
3. Arsitektur CUDA menerapkan pendekatan berupa kumpulan streaming multiprocessors (SM) yang
Mengeksekusi sejumlah instruksi yang sama pada beberapa thread pada berbagai wilayah data,
sehingga dikenal dengan istilah single instruction, multiple threads (SIMT)
4. Komputasi paralel adalah komputasi yang
Melibatkan banyak unit computer untuk memecahkan masalah yang berbeda-beda untuk masing-
masing unit computer, namun dalam waktu yang sama
5. Tujuan utama dari pemrograman paralel adalah untuk meningkatkan performa komputasi. Performa
dalam pemrograman paralel diukur dari
Berapa banyak peningkatan kecepatan (speed up) yang diperoleh dalam menggunakan tehnik paralel
6. CUDA C++ adalah perluasan C++ sehingga programmer dapat mendefinisikan fungsi C++ yang ketika
dipanggil, akan dieksekusi sebanyak N kali secara paralel dan N CUDA thread yang berbeda. Fungsi ini
dikenal dengan istilah
Kernel
7. Kernel pada pemrograman CUDA agar dieksekusi pada device, dideklarasi menggunakan
__global__
8. Sistem terdistribusi (distributed computing) adalah teknik komputasi paralel dimana
Komputer yang digunakan secara bersamaan dalam melakukan komputasi dilakukan oleh computer-
komputer terpisah yang terhubung dalam suatu jaringan komputer
9. Perintah kernel < <N, M> >(…) menunjukkan device untuk
Mempersiapkan block sebanyak N dengan thread sebanyak M di tiap block
10. Istilah thread pada GPU adalah
Satuan pemrosesan sekuensial yang dikumpulkan dalam satu grup yang disebut sebagai thread block
11. Dua kata istilah penting yang digunakan dalam CUDA, yaitu: host dan device. Istilah host pada CUDA
mengacu pada
CPU
12. Dua kata istilah penting yang digunakan dalam CUDA, yaitu: host dan device. Istilah device pada
CUDA mengacu
GPU
13. GPU dalam teknologi komputasi adalah singkatan dari
Graphics Processing Unit
14. Pengelolaan memori pada device pada dasarnya menggunakan
CudaMalloc(), cudaMemcpy(), cudaFree()
15. Pernyataan yang benar mengenai thread block pada GPU
Beberapa block dihimpun dalam satu thread, yang kemudian beberapa thread dihimpun dalam satu
kesatuan grid
16. CUDA adalah platform komputasi paralel dengan arsitektur komputasi masuk dalam
Heterogenous computing, karena melibatkan CPU dan GPU
17. Pernyataan yang benar mengenai pemrograman paralel pada GPU
Semua pernyataan benar
18. Pernyataan berikut yang beanr mengenai CUDA
CUDA adalah suatu platform untuk komputasi paralel, dan memanfaatkan GPU untuk komputasi
19. CPU dari suatu unit computer adalah singkatan dari
Central Processing Unit
20. Perintah kernel < <N, M> >(…) menunjukkan device untuk
Mempersiapkan block sebanyak N dengan thread sebanyak M di tiap block

1. Bahasa pemrograman Python tergolong cepat dikarenakan
Semua benar
Bahasa pemrograman tingkat tinggi
Dapat diinterpretasikan
Dapat dikodekan secara dinamis
2. Bahasa pemrograman Python tergolong lambat untuk eksekusi
Tugas yang berulang dan tergolong tingkat rendah
3. Modul kompilasi tepat waktu pada Python untuk CPU adalah
Semua benar (Numba, PySpark, CUDA)
4. Berikut ini adalah urutan proses yang dijalankan oleh Numba
Rewrite IR, Lowering, LLVM IR, LLVM/NVVM JIT
5. Banyaknya operasi-operasi kecil yang berulang merupakan salah satu penyebab bahasa pemrograman
Python
Tergolong lambat
6. Berikut ini yang pernyataan yang tepat tentang Python adalah
Semua jawaban benar
Python tergolong cepat untuk pengembangan
Python tergolong lambat untuk eksekusi kode program
7. Elemen dalam RDD dikelompokkan kedalam beberapa partisi dan hanya dapat disimpan pada sebuah
node yang berbeda merupakan konsep RDD dalam hal
Distributed
8. Numba dapat menangani
Semua jawaban benar (Penyalinan data dari dan ke host jika diperlukan, Alokasi data dari dan ke host
jika diperlukan)
9. Komputasi pada GPU cluster dapat menggunakan
Semua jawaban benar (Numba, PySpark)
10. Berikut ini yang salah terkait dengan Numba adalah
Semua salah
11. Bahasa pemrograman Python tergolong cepat digunakan untuk

Semua benar (Mengembangkan kode program, menguji kode program, menulis kode program)
12. Apache Spark bukan merupakan
Semua jawaban salah
13. Spark diimplementasikan dalam
Semua jawaban benar (Scala dan Java)
14. Berikut ini adalah komputasi primitive yang tersedia pada Spark untuk melakukan parelelisme dan
meminimumkan komunikasi antar workers
Semua benar (Map, Filter, Reduce)
15. Berikut ini yang benar terkait dengan Numba, kecuali
Open-source
16. Modul kompilasi tepat waktu pada Python untuk GPU adalah
Semua benar (PySpark, Numba, CUDA)
17. API Spark memiliki dukungan yang terbatas pada bahasa pemrograman
18. Permasalahan alokasi memori dalam komputasi pada GPU terdapat pada tugas yang berskala
Kecil
19. Type inference pada proses Numba memerlukan
Semua jawaban benar (Functions Arguments, Numba IR)
20. Pemrograman terdistribusi dalam Python adalah
Semua benar (CUDA, Numba, PySpark)

Komp. Big Data - TT - Kuis

Diunggah oleh

Hak Cipta:

Format Tersedia

Komp. Big Data - TT - Kuis

Diunggah oleh

Informasi Dokumen

Deskripsi Asli:

Judul Asli

Hak Cipta

Format Tersedia

Bagikan dokumen Ini

Bagikan atau Tanam Dokumen

Opsi Berbagi

Apakah menurut Anda dokumen ini bermanfaat?

Apakah konten ini tidak pantas?

Hak Cipta:

Format Tersedia

Komp. Big Data - TT - Kuis

Diunggah oleh

Hak Cipta:

Format Tersedia

Dashboard / My courses / ATA 2020/2021 | 2-FTI | Komputasi Big Data | TEAM TEACHING / Pertemuan 3 : Introduction to Apache Hadoop

/ Kuis M3 : Introduction to Hadoop

Started on Monday, 22 March 2021, 11:44 AM

Question 1 Komponen layanan inti Hadoop adalah

Mark 5.00 out of Select one:

b. SQL, NoSQL, Cluster

c. ClickStream, Sensor, dan Sentiment

d. MapReduce, HDFS, dan YARN 

The correct answer is: MapReduce, HDFS, dan YARN

Mark 5.00 out of Select one:

b. Ketersediaan layanan secara terus menerus

The correct answer is: Handal

Mark 5.00 out of Select one:

b. Stand alone mode

d. Globally distributed mode 

The correct answer is: Globally distributed mode

Question 4 Pernyataan yang benar mengenai MapReduce, adalah:

Mark 5.00 out of Select one:

d. implementasi dari framework pemrosesan batch

The correct answer is: semua benar 1

Mark 5.00 out of Select one:

b. Yahoo’s archived Resource names

c. Yet another resource negotiator 

d. Yahoo’s another resource name

The correct answer is: Yet another resource negotiator

Mark 5.00 out of Select one:

c. Kemampuan menanganai penambahan bebab yang diberikan tanpa penurunan kinerja

d. Ketersediaan layanan secara terus menerus

Question 7 Terdapat 2 (dua) teknologi Penyimpanan Big Data, yaitu

Mark 5.00 out of Select one:

b. SQL dan No-SQL

c. On Disk Storage Devices dan In Memory Storage Devices 

d. Flashdisk dan harddisk

Mark 5.00 out of Select one:

c. Ketersediaan layanan secara terus menerus

Question 9 NoSQl database adalah singkatan dari

Mark 5.00 out of Select one:

b. Not-only Structured Query Language database 

c. Numbered of sequel database

d. Numbered of Structured Query Language database

The correct answer is: Not-only Structured Query Language database

Mark 5.00 out of Select one:

b. Descriptive analytics, diagnostic analytics, predictive analytics, dan prescriptive analytics 

c. mean statistic analytics, deviation standard analytics, dan percentil analytics

d. Classification analytics, regression analytics, clustering analytics, dan hadooping analytics

Mark 5.00 out of Select one:

b. MapReduce, Hummer and Iguana

c. MapReduce, MySQL and Google Apps

d. MapReduce, Heron and Trumpet

The correct answer is: MapReduce, Hive and Hbase

Question 12 Hadoop adalah framework yang

Mark 5.00 out of Select one:

b. Memungkinkan pemrosesan secara terdistribusi terhadap data yang berukuran besar

d. Menerapkan programming model yang sederhana

The correct answer is: Semua benar

Question 13 Pemrosesan data terdistribusi adalah pemrosesan

Mark 5.00 out of Select one:

c. yang menggunakan pendekatan pendekatan interaktif tanpa penundaan