11. Algoritma Naive Bayes tergolong algoritma jenis ?
a. Supervised Learning*
b. Machine Learning
c. Semisupervised Learning
d. Unsupervised Learning
12. Algoritma K-NN merupakan algoritma jenis ?
a. Semisupervised Learning
b. Supervised Learning*
c. Machine Learning
d. Unsupervised Learning
13. Pada persamaan berikut ini, fungsi C merupakan ?
a. Data dengan class yang belum diketahui
b. Hipotesis data merupakan suatu class spesifik*
c. Probabilitas hipotesis
d. Probabilitas hipotesis berdasar kondisi
14. Cara kerja dari algoritma naive bayes adalah ?
a. Membuat antar atribut dapat saling berhubungan
b. Membuat suatu pola nilai dalam jumlah data yang sangat besar
c. Membuat suatu asumsi yang kuat*
d. Mengerjalan prediksi dengan akurasi 100%
15. Suatu pendekatan yang dilakukan untuk mencari kasus dengan menghitung kedekatan antara kasus baru dengan kasus lama, yaitu berdasarkan pada pencocokan bobot dari jumlah fitur yang ada merupakan algoritma ?
a. ID Tree
b. K-NN*
c. Naive Bayes
d. C.45
16. Salah satu proses data mining yang bertujuan untuk menemukan pola yang berharga dari data yang berukuran relatif besar adalah ?
a. Klasifikasi*
b. Asosiasi
c. Klasterisasi
d. Prediksi
17. Bagaimana cara menentukan nilai bobot pada algoritma K-NN ?
a. Bobot ditentukan dengan cara mencari kedekatan antar atribut
b. Tidak ada aturan dalam menentukan bobot
c. Bobot ditentukan berdasarkan prioritas yang paling penting diantara atribut*
d. Bobot ditentukan dengan cara memilih suatu kasus yang sering terjadi
18. Salah satu kelebihan dari algoritma naive bayes adalah ?
a. Tidak membutuhkan atribut yang banyak
b. Hanya membutuhkan data training yang relatif kecil*
c. Hanya membutuhkan 50% data training dari seluruh data yang ada
d. Antar atribut dapat otomatis saling berhubungan
19. Pada persamaan berikut ini, fungsi S merupakan ?
a. Kasus yang ada dalam penyimpanan*
b. Kasus baru
c. Fungsi similarity
d. Jumlah atribut pada masing-masing kasus
20. Pada persamaan berikut ini, fungsi n merupakan ?
a. Jumlah partisi pada atribut A*
b. Jumlah Atribut
c. Atribut
d. Himpunan kasus
