# UAS — Kecerdasan Artifisial (KOMB) (2024)

> Final Exam · Odd Semester 2024/2025 · Universitas Gadjah Mada

| Field | Value |
|---|---|
| **Course** | Kecerdasan Artifisial (KOMB) |
| **Exam type** | Ujian Akhir Semester (UAS) |
| **Semester** | Ganjil 2024/2025 |
| **Date** | Senin, 2 Desember 2024 |
| **Time** | 100 menit |
| **Lecturer** | Dzikri Rahadian Fudholi, S.Kom., M.Comp. |
| **Exam mode** | Terbuka satu lembar A4/F4 |

**Institution:** Program Studi S1 Ilmu Komputer, Fakultas Matematika dan Ilmu Pengetahuan Alam, Universitas Gadjah Mada

*Ikuti aturan pengawas dan semoga beruntung!*

---

**1. PLO 2 & 3 - CO 4 - Mampu menjelaskan Arsitektur Sistem Pakar (7%)**

- **A.** Jelaskan peran basis pengetahuan (*knowledge base*), mesin inferensi, dan antarmuka pengguna dalam sistem pakar! Ilustrasikan penjelasan Anda dengan contoh bagaimana komponen-komponen ini berinteraksi dalam domain tertentu (misalnya, diagnosis medis atau perencanaan keuangan).
- **B.** Diskusikan tantangan dalam mempertahankan basis pengetahuan dari waktu ke waktu.

**2. PLO 2 & 3 - CO 5 - Mampu menjelaskan sistem Pemrosesan Bahasa Alami (8%)**

- **A.** Diskusikan pentingnya prapemrosesan teks dalam tugas Pemrosesan Bahasa Alami.
- **B.** Jelaskan langkah-langkah yang terlibat dalam membuat alur prapemrosesan untuk sistem pengenalan emosi, mengatasi tantangan seperti menangani data yang *noisy* dan tokenisasi dalam bahasa yang kaya morfologis.
- **C.** Jelaskan representasi kata tradisional TF-IDF! Diskusikan mengapa metode ini tidak akan bekerja dengan baik.

**3. PLO 4 & 5 - CO 6 - Mampu menjelaskan Pengenalan Pola dan Metode Pembelajaran Mesin (10%)**

Sebuah perusahaan e-commerce ingin mengembangkan sistem untuk mengklasifikasikan pelanggan ke dalam kelompok "Risiko Tinggi" atau "Risiko Rendah" untuk transaksi penipuan berdasarkan fitur numerik. Kumpulan data mencakup jumlah transaksi, frekuensi pembelian, usia akun, tingkat pengembalian dana, dan metrik perilaku lainnya. Tujuannya adalah untuk mengklasifikasikan pelanggan secara akurat sambil meminimalkan positif palsu (menandai pelanggan yang sah sebagai berisiko tinggi) dan negatif palsu (pelanggan penipuan yang hilang).

**Tugas:**
Tulis esai/proposal (sebaiknya dalam poin-poin), membahas hal-hal berikut:

1. **Data Exploration dan Preprocessing:**
   - Membahas cara menangani nilai yang hilang, outlier, dan distribusi tidak seimbang dalam fitur numerik.
   - Mengusulkan teknik untuk pemilihan fitur atau pengurangan dimensi untuk meningkatkan interpretabilitas dan kinerja model.
2. **Model Selection dan Training:**
   - Bandingkan model klasifikasi untuk tugas ini.
   - Jelaskan cara memilih hyperparameter untuk mengoptimalkan performa klasifikasi.
3. **Evaluation dan Class Imbalance:**
   - Identifikasi metrik evaluasi yang sesuai dan membenarkan pilihan Anda.
   - Diskusikan metode untuk menangani kelas yang tidak seimbang.

---

>>> Best of Luck to you ^-^v <<<

| | |
|---|---|
| Telah direview pada tanggal: …………….. | Tanda tangan Reviewer: |
| Nama Reviewer: ………………………….. | |

## Transcription notes

- **Source:** `UAS - Kecerdasan Artifisial - KOM B - 2024.pdf` (2 pages, image-only scan; rendered and read visually).
- This is the **Indonesian-language counterpart** of the English CSB paper (`UAS - AI - 2025_1.md` / `UAS - AI - 2025_2.jpg`) — same lecturer, same date, same questions, same 7/8/10% weighting. Page 2 supplies the numbered sub-tasks of Q3.
- Page 1 carries a student's circled "B" marking against Q1B.