A) Untuk menghitung rata-rata data numerik. B) Untuk membuat representasi visual dari data. C) Untuk menguji hubungan antara variabel. D) Untuk meringkas data kategorikal.
A) Seberapa baik model tersebut sesuai dengan data yang diamati. B) Ukuran dari kumpulan data. C) Jumlah variabel dalam model. D) Jenis uji statistik yang digunakan.
A) Homoskedastisitas B) Linearitas C) Independensi antar observasi D) Distribusi normal dari residu
A) Analisis komponen utama B) Validasi silang (cross-validation) C) Analisis regresi D) Uji chi-kuadrat
A) Untuk menciptakan satu ukuran komposit dari beberapa variabel. B) Untuk membuat grafik titik data dalam ruang dua dimensi. C) Untuk menyelidiki hubungan sebab-akibat. D) Untuk mengelompokkan titik data yang serupa berdasarkan pola atau fitur.
A) Untuk mengevaluasi kinerja model klasifikasi. B) Untuk menilai seberapa baik model sesuai dengan data dalam regresi logistik. C) Untuk menguji asumsi linearitas dalam model regresi. D) Untuk meringkas distribusi suatu dataset.
A) Untuk menyesuaikan model secara tepat dengan data pelatihan. B) Untuk mengotomatiskan seluruh proses pemodelan. C) Untuk menghilangkan semua variabel input kecuali yang paling penting. D) Untuk membuat variabel input baru dari data yang ada guna meningkatkan kinerja model.
A) PCA (Principal Component Analysis/Analisis Komponen Utama) B) ANOVA (Analisis Varians) C) Pohon keputusan D) Regresi logistik
A) Ketika sebuah model memiliki tingkat kompleksitas yang tepat dan dapat memberikan generalisasi yang baik pada data yang belum pernah dilihat sebelumnya. B) Ketika sebuah model terlalu kompleks dan menangkap 'noise' (gangguan) dalam data. C) Ketika sebuah model sangat cocok dengan data pelatihan, tetapi gagal memberikan hasil yang baik pada data baru. D) Ketika sebuah model terlalu sederhana dan kurang memiliki kemampuan prediktif. |