Simulasi Kuis 2 - 1

Back to IF3170 Inteligensi Artifisial

Problem Set Ujian: Algoritma Klasifikasi dan Evaluasi

Mata Pelajaran: IF3170 Intelegensi Artifisial

Estimasi Waktu: 120 menit

Total Nilai: 100 poin

Tujuan Pembelajaran

Setelah menyelesaikan problem set ini, mahasiswa diharapkan dapat:

1. Membedakan secara konseptual dan praktis antara algoritma lazy learner (kNN) dan eager learner (DTL).

2. Menerapkan perhitungan jarak mixed-attribute (numerik dan kategorikal) untuk kNN dan menganalisis dampaknya.

3. Membuat dan menginterpretasikan Confusion Matrix secara mendalam untuk menghitung dan menganalisis metrik (Akurasi, Presisi, Recall, F1-Score).

4. Menganalisis dan menerapkan berbagai teknik dalam DTL Issues, termasuk penanganan data kontinu, missing values, Gain Ratio, dan Attribute Cost.

5. Mensintesis pemahaman tentang Overfitting dan strategi mitigasinya (Pruning).

6. Membangun sebuah Decision Tree (pohon keputusan) parsial berdasarkan metrik Information Gain dan menangani kondisi stopping condition (node murni atau pluralitas).

Petunjuk Umum

• Jawaban yang tidak disertai justifikasi atau langkah perhitungan (jika diminta) tidak akan mendapat poin penuh.

• Semua soal disajikan terlebih dahulu. Kunci Jawaban dan Rubrik Penilaian terdapat di bagian akhir dokumen.

• Gunakan $lo{g}_2(0.1)=-3.32$, $lo{g}_2(0.2)=-2.32$, $lo{g}_2(0.3)=-1.74$, $lo{g}_2(0.4)=-1.32$, $lo{g}_2(0.5)=-1$, $lo{g}_2(0.6)=-0.74$, $lo{g}_2(0.7)=-0.51$, $lo{g}_2(0.8)=-0.32$, $lo{g}_2(0.9)=-0.15$.

BAGIAN I: Konsep Fundamental (20 poin)

Fokus: Recall & Comprehension - Menguji pemahaman konsep dan perbedaannya.

Soal 1-10. Klasifikasi Konsep (Format Matrix) (10 poin, @1 poin)

Pasangkan deskripsi di kolom “Isi Soal” dengan konsep yang paling tepat. Pilih satu jawaban per baris.

No	Isi Soal	A. kNN	B. DTL (ID3)	C. DTL Issues	D. Precision	E. Recall	F. Accuracy	G. Entropy	H. Gain Ratio
1	Sebuah algoritma lazy learner yang melakukan komputasi utama saat prediksi.
2	Ukuran impurity atau ketidakpastian dalam satu set data.
3	Metrik yang sangat penting ketika biaya False Negative (FN) tinggi (misal: deteksi kanker).
4	Sebuah algoritma eager learner yang membangun model secara top-down dan greedy.
5	Metrik yang digunakan untuk memilih atribut, yang menormalisasi InfoGain dengan SplitInfo.
6	Metrik yang sangat penting ketika biaya False Positive (FP) tinggi (misal: filter spam).
7	Konsep yang mencakup Overfitting, Pruning, dan penanganan Missing Values.
8	Metrik $(TP+TN)/Total$, yang bisa menyesatkan pada data tidak seimbang.
9	Performa algoritma ini sangat sensitif terhadap feature scaling (penskalaan fitur).
10	Menggunakan Information Gain untuk memilih atribut terbaik secara rekursif.

Soal 11-20. Analisis Konsep (Format Benar/Salah) (10 poin, @1 poin)

Tentukan apakah pernyataan berikut Benar atau Salah.

No	Pernyataan	Benar	Salah
11	Reduced Error Pruning adalah teknik pre-pruning yang menghentikan pohon tumbuh lebih awal.
12	Overfitting terjadi ketika model memiliki akurasi tinggi pada data latih namun akurasi rendah pada data uji.
13	Information Gain memiliki bias lebih menyukai atribut dengan kardinalitas tinggi (banyak nilai unik).
14	F1-Score adalah rata-rata aritmatika dari Presisi dan Recall.
15	Dalam Rule Post-Pruning, pohon keputusan pertama-tama dikonversi menjadi satu set aturan IF-THEN.
16	Untuk atribut kontinu, DTL mengevaluasi setiap nilai sebagai split point potensial.
17	Jika Cost(A) = 100 dan Cost(B) = 1, DTL standar (ID3) akan lebih memilih B daripada A.
18	Sebuah leaf node (daun) dalam DTL selalu merepresentasikan node yang 100% murni (pure).
19	Curse of Dimensionality adalah masalah serius untuk DTL, tetapi tidak terlalu berdampak pada kNN.
20	Jika dataset memiliki 50% ‘Ya’ dan 50% ‘Tidak’, Akurasi adalah metrik evaluasi yang sudah cukup baik.

BAGIAN II: Studi Kasus 1 - kNN & Performance Metrics (40 poin)

Fokus: Application & Analysis - Perhitungan kNN dengan data campuran dan evaluasi model.

Skenario A: Prediksi kNN (Soal 21-25)

Anda ingin memprediksi apakah user akan Beli Premium (Ya/Tidak) berdasarkan data berikut.

ID	Jam Nonton (X1)	Tipe Akun (X2)	Beli Premium (Y)
D1	10	Gratis	Tidak
D2	50	Gratis	Ya
D3	20	Pelajar	Tidak
D4	40	Pelajar	Ya
D5	60	Keluarga	Ya
D6	15	Gratis	Tidak

Data Baru (Query): $Q$ = (Jam Nonton = 25, Tipe Akun = ‘Gratis’)

Anda diwajibkan menggunakan pendekatan berikut untuk jarak:

1. Normalisasi Min-Max untuk fitur numerik (Jam Nonton) ke rentang [0, 1].

2. Hamming Distance (0 jika sama, 1 jika beda) untuk fitur kategorikal (Tipe Akun).

3. Jarak Gabungan (Mixed Distance): $Distance(Q,D)=\sqrt{(X{1}_{norm\_Q}-X{1}_{norm\_D}{)}^2+(Hamming(X{2}_Q,X{2}_D))}$

• 21. (5 poin) Normalisasi Data: Lakukan Normalisasi Min-Max untuk fitur Jam Nonton (X1) dari D1-D6 dan data Query $Q$. (Min=10, Max=60). Tampilkan hasil normalisasinya.

• 22. (12 poin) Perhitungan Jarak: Hitung Jarak Gabungan (Mixed Distance) dari Query $Q$ (yang sudah dinormalisasi) ke setiap 6 data latih (D1-D6).

• 23. (3 poin) Prediksi (k=1): Apa prediksi kelas (Ya/Tidak) untuk $Q$ jika $k=1$?

• 24. (3 poin) Prediksi (k=3): Apa prediksi kelas (Ya/Tidak) untuk $Q$ jika $k=3$?

• 25. (3 poin) Prediksi (k=5): Apa prediksi kelas (Ya/Tidak) untuk $Q$ jika $k=5$?

Skenario B: Evaluasi Performa (Soal 26-30)

Sebuah model klasifikasi (bisa jadi kNN) telah diuji pada 100 data uji baru.

• Kenyataannya, terdapat 30 kasus ‘Ya’ (Positif) dan 70 kasus ‘Tidak’ (Negatif).

• Model memprediksi 40 kasus sebagai ‘Ya’.

• Dari 40 prediksi ‘Ya’ tersebut, 25 di antaranya adalah prediksi yang benar.

• 26. (4 poin) Confusion Matrix: Berdasarkan informasi di atas, lengkapi Confusion Matrix (TP, FP, FN, TN).

• 27. (2 poin) Akurasi: Hitung Akurasi model.

• 28. (2 poin) Presisi: Hitung Presisi model (untuk kelas ‘Ya’).

• 29. (2 poin) Recall: Hitung Recall model (untuk kelas ‘Ya’).

• 30. (4 poin) Skenario Analisis: (a) Untuk skenario Filter Spam, metrik mana (Presisi atau Recall) yang lebih penting? (b) Untuk skenario Deteksi Penipuan (Fraud), metrik mana yang lebih penting? Berikan justifikasi singkat untuk keduanya.

BAGIAN III: Studi Kasus 2 - DTL & DTL Issues (40 poin)

Fokus: Synthesis & Evaluation - Menerapkan ID3 dengan isu data riil.

Skenario: Prediksi Lolos Kredit

Anda akan membangun Decision Tree untuk memprediksi Lolos_Kredit (Ya/Tidak) menggunakan dataset berikut yang memiliki missing values (’?’).

Set Data Latih (S): Total 10 data. [4 Ya, 6 Tidak]. $E(S)=0.971$

ID	Pendapatan (juta)	Status_Rumah	Riwayat_Kredit	Lolos_Kredit
D1	30	Sewa	Baik	Ya
D2	80	Milik	Baik	Ya
D3	40	Sewa	Buruk	Tidak
D4	70	Milik	Cukup	Ya
D5	35	Sewa	Cukup	Tidak
D6	50	Sewa	Baik	Ya
D7	60	?	Cukup	Tidak
D8	45	Milik	Buruk	Tidak
D9	90	Milik	?	Ya
D10	40	Sewa	?	Tidak

• 31. (6 poin) Atribut Kontinu (Pendapatan): Algoritma DTL menemukan dua split point kandidat terbaik untuk Pendapatan:

  • Kandidat A: Pendapatan <= 47.5

    • Subset ⇐ 47.5: 5 data [1 Ya, 4 Tidak] $\to E=0.722$

    • Subset > 47.5: 5 data [3 Ya, 2 Tidak] $\to E=0.971$

  • Kandidat B: Pendapatan <= 65.0

    • Subset ⇐ 65.0: 7 data [2 Ya, 5 Tidak] $\to E=0.863$

    • Subset > 65.0: 3 data [2 Ya, 1 Tidak] $\to E=0.918$

  Hitung Information Gain untuk kedua kandidat (A dan B). Kandidat mana yang akan dipilih untuk Pendapatan?

• 32. (8 poin) Gain Ratio (Riwayat_Kredit): Anda akan mengevaluasi atribut Riwayat_Kredit.

  • PENTING: Perlakukan missing value (’?’) sebagai kategori keempat yang terpisah.

  • Subset ‘Baik’: 3 data [2 Ya, 1 Tdk] $\to E=0.918$

  • Subset ‘Buruk’: 2 data [0 Ya, 2 Tdk] $\to E=0$ (Murni)

  • Subset ‘Cukup’: 3 data [1 Ya, 2 Tdk] $\to E=0.918$

  • Subset ’?’: 2 data [1 Ya, 1 Tdk] $\to E=1.0$

  (a) Hitung Information Gain(S, Riwayat_Kredit).

  (b) Hitung SplitInformation(S, Riwayat_Kredit).

  (c) Hitung GainRatio(S, Riwayat_Kredit).

• 33. (4 poin) Attribute Cost: Misalkan Anda mendapatkan hasil Gain berikut:

  • Gain(Pendapatan@47.5) = 0.1245 (Biaya Tes: 1 poin, karena data internal)

  • Gain(Riwayat_Kredit) = 0.2202 (Biaya Tes: 5 poin, karena cek ke BI)

  • Gain(Status_Rumah) = 0.1500 (Biaya Tes: 1 poin, karena data internal)

  Jika menggunakan metrik seleksi Gain^2 / Cost, atribut mana yang akan dipilih sebagai root node? Tunjukkan perhitungan skor untuk ketiganya.

• 34. (3 poin) Overfitting & Pruning: Apa yang dimaksud dengan Overfitting? Jelaskan secara singkat strategi Reduced Error Pruning untuk mengatasinya.

• 35. (3 poin) Penanganan Missing Value: Selain memperlakukan ’?’ sebagai nilai baru, sebutkan dua strategi lain untuk menangani missing values saat training atau testing.

Soal 36-40: Membangun Pohon Keputusan

Berdasarkan perhitungan di soal sebelumnya (Soal 31-33), Gain(Riwayat_Kredit) = 0.2202 adalah yang tertinggi (sebelum mempertimbangkan biaya atau rasio). Mari kita gunakan Information Gain murni sebagai kriteria untuk membangun pohon.

• Root Node (dipilih): Riwayat_Kredit (Gain = 0.2202)

• Gain(Status_Rumah) = 0.1500

• Gain(Pendapatan@47.5) = 0.1245

• 36. (3 poin) Riwayat_Kredit memiliki 4 cabang (‘Baik’, ‘Buruk’, ‘Cukup’, ’?’). Cabang mana yang langsung menjadi leaf node (daun) karena datanya murni (pure)? Apa label leaf tersebut?

• 37. (3 poin) Untuk cabang Riwayat_Kredit = '?', data tersisa adalah [D9 (Ya), D10 (Tidak)]. Cabang ini tidak murni dan tidak ada atribut tersisa. Sesuai algoritma DTL (ID3), apa label leaf yang harus diberikan pada cabang ini? (Hint: PLURALITY-VALUE dari parent).

• 38. (3 poin) Untuk cabang Riwayat_Kredit = 'Baik', data tersisa adalah [D1(Ya), D2(Ya), D6(Ya)]. Data untuk cabang ‘Baik’ adalah 3 data [3 Ya, 0 Tdk]. Apa yang terjadi pada cabang ini?

• 39. (3 poin) Untuk cabang Riwayat_Kredit = 'Cukup' (data: [D4(Ya), D5(Tdk), D7(Tdk)]), kita harus memilih atribut baru. Jika Gain(S_cukup, Pendapatan) > Gain(S_cukup, Status_Rumah), atribut apa yang akan menjadi node selanjutnya di bawah cabang ‘Cukup’?

• 40. (4 poin) Gambarkan diagram pohon keputusan parsial berdasarkan jawaban Anda dari soal 36-39.

BAGIAN IV: Esai Sintesis (20 poin)

Fokus: Sintesis & Evaluasi Kritis

• 41. (10 poin) kNN vs DTL: Bandingkan secara kritis algoritma kNN dan DTL dalam hal-hal berikut:

  • (a) Proses Pelatihan (Lazy vs Eager)

  • (b) Representasi Model (Hasil modelnya berupa apa?)

  • (c) Penanganan Fitur Tidak Relevan (Mana yang lebih sensitif?)

  • (d) Biaya Komputasi (Saat training vs saat testing/prediksi)

• 42. (10 poin) Analisis Skenario Metrik: Anda sedang membangun dua sistem AI:

  • Sistem A (Filter Email): Memprediksi apakah email adalah ‘Spam’ (Positif) atau ‘Penting’ (Negatif).

  • Sistem B (Deteksi Medis): Memprediksi apakah pasien ‘Sakit Kanker’ (Positif) atau ‘Sehat’ (Negatif).

    Jelaskan untuk Sistem A, mana error yang lebih fatal (FP atau FN)? Metrik apa (Presisi atau Recall) yang harus Anda prioritaskan?

    Jelaskan untuk Sistem B, mana error yang lebih fatal (FP atau FN)? Metrik apa (Presisi atau Recall) yang harus Anda prioritaskan? Berikan justifikasi lengkap untuk kedua sistem.

Kunci Jawaban & Rubrik Penilaian

Bagian I

Soal 1-10 (Matrix) (10 poin):

1. A. kNN: (atau DTL, tapi kNN lebih pas sebagai lazy)

2. G. Entropy: Ukuran ketidakpastian/impurity.

3. E. Recall: Fokus pada penemuan semua kasus positif (menghindari FN).

4. B. DTL (ID3): Model eager yang membangun pohon.

5. H. Gain Ratio: (InfoGain / SplitInfo).

6. D. Precision: Fokus pada akurasi prediksi positif (menghindari FP).

7. C. DTL Issues: Ini adalah daftar topik dalam DTL Issues.

8. F. Accuracy: Metrik standar (TP+TN)/Total.

9. A. kNN: Jarak sangat dipengaruhi oleh skala (misal: Gaji vs Umur).

10. B. DTL (ID3): Kriteria split standar ID3.

Soal 11-20 (B/S) (10 poin):

11. Salah. Ini adalah teknik post-pruning.

12. Benar. Ini adalah definisi klasik overfitting.

13. Benar. (Misal: Atribut ‘ID’, ‘Tanggal’).

14. Salah. Rata-rata Harmonik.

15. Benar. Ini adalah langkah pertama dalam metode C4.5.

16. Salah. Hanya mengevaluasi split point di antara nilai yang berganti kelas.

17. Salah. ID3 murni hanya melihat InfoGain, mengabaikan biaya. (Metode Gain^2/Cost akan memilih B).

18. Salah. Bisa juga impure jika kehabisan atribut atau data (menggunakan PLURALITY-VALUE).

19. Salah. Kebalikannya. Curse of Dimensionality (banyak fitur) sangat buruk untuk kNN (jarak menjadi tidak bermakna), DTL lebih robust.

20. Benar. Jika data seimbang, Akurasi adalah metrik awal yang baik (meskipun F1-Score tetap lebih baik).

Bagian II

Soal 21-25 (kNN) (26 poin total Skenario A):

• 21. (5 poin) Min=10, Max=60, Range=50.

  • D1: (10-10)/50 = 0.0

  • D2: (50-10)/50 = 0.8

  • D3: (20-10)/50 = 0.2

  • D4: (40-10)/50 = 0.6

  • D5: (60-10)/50 = 1.0

  • D6: (15-10)/50 = 0.1

  • Query (Q): (25-10)/50 = 0.3

• 22. (12 poin) Jarak dari $Q=[0.3{,}^{\prime }Grati{s}^{\prime }]$

  • vs D1 [0.0, ‘Gratis’]: $\sqrt{(0.3-0.0{)}^2+0}=\sqrt{0.09}=0.3$

  • vs D2 [0.8, ‘Gratis’]: $\sqrt{(0.3-0.8{)}^2+0}=\sqrt{(-0.5{)}^2}=0.5$

  • vs D3 [0.2, ‘Pelajar’]: $\sqrt{(0.3-0.2{)}^2+1^2}=\sqrt{0.01+1}=\sqrt{1.01}\approx 1.005$

  • vs D4 [0.6, ‘Pelajar’]: $\sqrt{(0.3-0.6{)}^2+1^2}=\sqrt{0.09+1}=\sqrt{1.09}\approx 1.044$

  • vs D5 [1.0, ‘Keluarga’]: $\sqrt{(0.3-1.0{)}^2+1^2}=\sqrt{0.49+1}=\sqrt{1.49}\approx 1.221$

  • vs D6 [0.1, ‘Gratis’]: $\sqrt{(0.3-0.1{)}^2+0}=\sqrt{0.04}=0.2$

• 23. (3 poin) Tetangga terdekat (k=1): D6 (Jarak 0.2). Kelas D6 = ‘Tidak’.

• 24. (3 poin) 3 Tetangga terdekat:

  1. D6 (Jarak 0.2, Kelas ‘Tidak’)

  2. D1 (Jarak 0.3, Kelas ‘Tidak’)

  3. D2 (Jarak 0.5, Kelas ‘Ya’)

     Voting: 2 ‘Tidak’, 1 ‘Ya’. Prediksi = ‘Tidak’.

• 25. (3 poin) 5 Tetangga terdekat:

  1. D6 (Jarak 0.2, Kelas ‘Tidak’)

  2. D1 (Jarak 0.3, Kelas ‘Tidak’)

  3. D2 (Jarak 0.5, Kelas ‘Ya’)

  4. D3 (Jarak 1.005, Kelas ‘Tidak’)

  5. D4 (Jarak 1.044, Kelas ‘Ya’)

     Voting: 3 ‘Tidak’, 2 ‘Ya’. Prediksi = ‘Tidak’.

Soal 26-30 (Metrics) (14 poin total Skenario B):

• 26. (4 poin)

  • Info: Real P=30, Real N=70. Pred P=40. TP=25.

  • TP = 25

  • FP = Pred P - TP = 40 - 25 = 15

  • FN = Real P - TP = 30 - 25 = 5

  • TN = Real N - FP = 70 - 15 = 55

  • Matrix:

    • | Real Ya | Pred Ya | 25 (TP) |

    • | Real Ya | Pred Tdk| 5 (FN) |

    • | Real Tdk| Pred Ya | 15 (FP) |

    • | Real Tdk| Pred Tdk| 55 (TN) |

• 27. (2 poin) Akurasi: (TP+TN) / Total = (25 + 55) / 100 = 80%

• 28. (2 poin) Presisi: TP / (TP+FP) = 25 / (25 + 15) = 25 / 40 = 62.5%

• 29. (2 poin) Recall: TP / (TP+FN) = 25 / (25 + 5) = 25 / 30 = 83.3%

• 30. (4 poin) Analisis Skenario:

  • (a) Filter Spam: FP (Email Penting masuk Spam) lebih fatal daripada FN (Spam lolos ke inbox). Biaya FP tinggi $\to$ Prioritaskan Presisi.

  • (b) Deteksi Penipuan (Fraud): FN (Ada fraud tapi lolos) lebih fatal daripada FP (Transaksi normal ditandai). Biaya FN tinggi $\to$ Prioritaskan Recall.

Bagian III

Soal 31-40 (DTL) (40 poin):

• 31. (6 poin) Ingat $E(S)=0.971$.

  • Gain(A, 47.5) = $E(S)-[(5/10)\times E_{A1}+(5/10)\times E_{A2}]$

    = $0.971-[0.5\times 0.722+0.5\times 0.971]$

    = $0.971-[0.361+0.4855]=0.971-0.8465=\text{0.1245}$

  • Gain(B, 65.0) = $E(S)-[(7/10)\times E_{B1}+(3/10)\times E_{B2}]$

    = $0.971-[0.7\times 0.863+0.3\times 0.918]$

    = $0.971-[0.6041+0.2754]=0.971-0.8795=\text{0.0915}$

  • Pilihan: Kandidat A (Pendapatan <= 47.5) dipilih karena Gain-nya lebih tinggi (0.1245 > 0.0915).

• 32. (8 poin)

  • (a) Information Gain:

    = $E(S)-[(3/8)E_{Baik}+(2/8)E_{Buruk}+(3/8)E_{Cukup}]$

    = $0.971-[(3/8\times 0.918)+(0.25\times 0)+(3/8\times 0.918)]$

    =$\text{0.2825}$

    ⇒ IG Keseluruhan = $\frac{n_{\text{known}}}{n}\times 0.2825=0.226$

  • (b) Split Information: (Proporsi: 3/10, 2/10, 3/10, 2/10)

    = $-[(0.3{\log }_{2}0.3)+(0.2{\log }_{2}0.2)+(0.3{\log }_{2}0.3)+(0.2{\log }_{2}0.2)]$

    = $-[2\times (0.3\times -1.74)+2\times (0.2\times -2.32)]$

    = $-[2\times (-0.522)+2\times (-0.464)]$

    = $-[-1.044-0.928]=\text{1.972}$

  • (c) Gain Ratio: = Gain / SplitInfo = $0.2226/1.972=\text{0.1114}$

• 33. (4 poin)

  • Skor(Pendapatan) = $0.1245^2/1=0.0155$

  • Skor(Riwayat_Kredit) = $0.2202^2/5=0.0485/5=0.0097$

  • Skor(Status_Rumah) = $0.1500^2/1=0.0225$

  • Pilihan: Status_Rumah akan dipilih (Skor 0.0225 tertinggi).

• 34. (3 poin)

  • Overfitting: Model yang “menghafal” data latih, termasuk noise/kebetulan. Performanya sangat baik di data latih, tapi sangat buruk di data uji baru.

  • Reduced Error Pruning: Teknik post-pruning di mana pohon dibiarkan tumbuh penuh, lalu node dipangkas dari bawah ke atas. Pemangkasan (misal: mengganti subtree dengan leaf) dipertahankan jika akurasi pada validation set (set data validasi terpisah) meningkat atau tetap sama.

• 35. (3 poin)

  1. Isi dengan Nilai Umum (Mean/Median/Modus): Isi ’?’ dengan nilai paling umum (modus) dari seluruh atribut (misal: ‘Sewa’ untuk Status_Rumah).

  2. Isi dengan Nilai Umum (Per Kelas): Isi ’?’ dengan modus, tapi khusus untuk data yang kelasnya sama (misal: jika Y=Ya, isi ’?’ dengan modus Status_Rumah dari data Y=Ya).

  3. Probabilitas (C4.5): Memecah data ’?’ secara fraksional ke semua cabang anak sesuai proporsi data yang diketahui.

• 36. (3 poin) Cabang Riwayat_Kredit = 'Buruk' (Data [D3, D8] $\to$ [0 Ya, 2 Tdk]). Data ini Murni (Pure). Label Leaf = ‘Tidak’.

• 37. (3 poin) Cabang Riwayat_Kredit = '?' (Data [D9(Ya), D10(Tdk)]). Data tidak murni, atribut habis.

  • Gunakan PLURALITY-VALUE(parent).

  • Parent (S) memiliki [4 Ya, 6 Tidak].

  • Pluralitas (mayoritas) adalah ‘Tidak’. Label Leaf = ‘Tidak’.

• 38. (3 poin) Data Riwayat_Kredit = 'Baik' adalah [D1(Ya), D2(Ya), D6(Ya)].

  • Data ini [3 Ya, 0 Tdk]. Data ini Murni (Pure).

  • Label Leaf = ‘Ya’.

• 39. (3 poin) Atribut Pendapatan akan dipilih sebagai node selanjutnya di bawah cabang Riwayat_Kredit = 'Cukup'.

• 40. (4 poin)

  graph TD
      A[Riwayat_Kredit?] ---|Baik| B(Leaf: Ya);
      A ---|Buruk| C(Leaf: Tidak);
      A ---|Cukup| D(Node: Pendapatan?);
      A ---|?| E(Leaf: Tidak);
  
    D ---|Pendapatan <= 47.5| F(Leaf: Tidak);
    D ---|Pendapatan > 47.5| G(Leaf: Ya);
  

Bagian IV

• 41. (10 poin) kNN vs DTL:

  • (a) Proses Pelatihan: kNN adalah lazy learner (malas), proses “pelatihan” hanya menyimpan data. DTL adalah eager learner (antusias), proses pelatihan membangun model (pohon) secara intensif.

  • (b) Representasi Model: Model kNN adalah seluruh data latih itu sendiri. Model DTL adalah pohon keputusan (struktur data tree) atau satu set aturan IF-THEN.

  • (c) Fitur Tidak Relevan: kNN sangat sensitif. Fitur yang tidak relevan (noise) akan “merusak” perhitungan jarak dan memberi bobot yang sama. DTL (via InfoGain) secara alami akan “mengabaikan” fitur yang tidak relevan karena Gain-nya akan rendah.

  • (d) Biaya Komputasi:

    • kNN: Training cepat (O(1)), Prediksi lambat (O(N*D), harus bandingkan dengan N data).

    • DTL: Training lambat (O(N_D_logN) atau lebih), Prediksi sangat cepat (O(depth), hanya menelusuri pohon).

• 42. (10 poin) Analisis Metrik:

  • Sistem A (Filter Spam):

    • Error Fatal: False Positive (FP). (Email ‘Penting’ diprediksi ‘Spam’ dan hilang/tidak terbaca).

    • Justifikasi: Kehilangan email penting (misal: tagihan, tawaran kerja) jauh lebih merugikan daripada membiarkan satu email spam lolos (FN) ke inbox.

    • Prioritas Metrik: Presisi. (Kita ingin $TP/(TP+FP)$ tinggi. Kita ingin dari semua yang kita prediksi Spam, kita sangat yakin itu Spam, minimalkan FP).

  • Sistem B (Deteksi Medis):

    • Error Fatal: False Negative (FN). (Pasien ‘Sakit Kanker’ diprediksi ‘Sehat’).

    • Justifikasi: Gagal mendeteksi penyakit (FN) berakibat pasien tidak mendapat perawatan dan bisa fatal. Jauh lebih baik “salah” memprediksi pasien sehat sebagai sakit (FP), yang hanya berakibat tes lebih lanjut.

    • Prioritas Metrik: Recall. (Kita ingin $TP/(TP+FN)$ tinggi. Kita ingin menemukan semua pasien yang sakit, minimalkan FN).