Quiz w14 — Minggu 14

Cara mengerjakan

  • Jawab hanya dengan mengisi fungsi q01() s.d. q12() di submissions/w14/answers.py.
  • Kamu boleh memakai Python untuk menghitung, misalnya lewat submissions/w14/laporan.qmd.
  • Jangan ubah nama fungsi.

Format jawaban

  • T/F: kembalikan True (Benar) atau False (Salah).
  • MC: kembalikan huruf "A", "B", "C", atau "D".
  • Numeric: kembalikan bilangan int atau float (pakai titik . untuk desimal).

Q01 (T/F)

Pengujian A/B adalah aplikasi nyata dari uji hipotesis dua sampel.

Q02 (T/F)

Metrik “Presisi” mengukur seberapa banyak dari total prediksi positif yang benar-benar positif.

Q03 (T/F)

Dalam monitoring sistem, kita biasanya mengabaikan outlier karena itu bukan bagian dari pola normal.

Q04 (MC)

Metrik evaluasi yang tepat untuk dataset dengan kelas yang tidak seimbang (imbalanced) adalah:

  • A) Akurasi.
  • B) F1-Score.
  • C) Mean.
  • D) Range.

Q05 (MC)

Dalam deteksi anomali, data yang berada di luar \(3\sigma\) biasanya dianggap:

  • A) Data normal.
  • B) Outlier atau anomali.
  • C) Nilai rata-rata.
  • D) Sampel ideal.

Q06 (MC)

Pengujian A/B dilakukan untuk:

  • A) Mengurangi biaya server.
  • B) Menentukan versi produk mana yang memberikan performa/konversi lebih baik.
  • C) Menghapus bug secara otomatis.
  • D) Mengganti peran programmer.

Q07 (MC)

Jika sebuah sistem memiliki presisi 1,0, berarti:

  • A) Tidak ada false positive.
  • B) Tidak ada false negative.
  • C) Akurasi 100%.
  • D) Sistem sempurna.

Q08 (Numeric)

Jika \(TP = 80\) dan \(FP = 20\), berapakah nilai presisinya?

Q09 (Numeric)

Jika akurasi model adalah 0,95 dan ada 1.000 data, berapa banyak prediksi yang benar?

Q10 (Numeric)

Hitung F1-score jika Presisi = 0,8 dan Recall = 0,8.

Q11 (Numeric)

Berapakah nilai skor-Z untuk data point 110 jika rata-rata 100 dan simpangan baku 5?

Q12 (Numeric)

Jika dalam pengujian A/B, \(p\)-value yang didapat adalah 0,001, apakah ada perbedaan signifikan pada \(\alpha = 0,05\)? (Tulis 1 untuk Ya, 0 untuk Tidak)