{
  "id": "uas-kecerdasan-artifisial-kom-b-2024",
  "subject": "Kecerdasan Artifisial",
  "exam": "UAS",
  "year": 2024,
  "variant": "KOM B",
  "sources": [
    {
      "file": "UAS/UAS - Kecerdasan Artifisial - KOM B - 2024.pdf",
      "type": "pdf",
      "part": 0
    }
  ],
  "pageCount": 2,
  "charCount": 2920,
  "pages": [
    {
      "source": "UAS/UAS - Kecerdasan Artifisial - KOM B - 2024.pdf",
      "page": 1,
      "method": "ocr",
      "text": "R; PROGRAM STUDI S1 ILMU KOMPUTER\nD 3 FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM\noY UNIVERSITAS GADJAH MADA\nUjian Akhir Semester\nSemester Ganjil 2024/2025\nMata Kuliah : Kecerdasan Artifisial (KOMB)\nHari dan Tanggal : Senin, 2 Desember 2024\nWaktu : 100 menit\nDosen : Dzikri Rahadian Fudholi, S.Kom., M.Comp.\nSifat Ujian : Terbuka satu lembar A4/F4\nIkuti aturan pengawas dan semoga beruntung!\n1. PLO2&3-CO4-Mampu menjelaskan Arsitektur Sistem Pakar (7%)\nA. Jelaskan peran basis pengetahuan (knowledge hase), mesin inferensi. dan antarmuka\npengguna dalam sistem pakar! Ilustrasikan penjelasan Anda dengan contoh bagaimana\nkomponen-komponen ini berinteraksi dalam domain tertentu (misalnya, diagnosis medis\natau perencanaan keuangan).\n(Bypiskusican tantangan dalam mempertahankan basis pengetahuan dari waktu ke waktu.\n2. PLO 2 & 3 -CO 5 - Mampu menjelaskan sistem Pemrosesan Bahasa Alami (8%)\nA. Diskusikan pentingnya prapemrosesan teks dalam tugas Pemrosesan Bahasa Alami.\nB. Jelaskan langkah-langkah yang terlibat dalam membuat alur prapemrosesan untuk\nsistem pengenalan emosi, mengatasi tantangan seperti menangani data yang noisy dan\ntokenisasi dalam bahasa yang kaya morfologis.\nC. Jelaskan representasi kata tradisional TF-IDF! Diskusikan mengapa metode ini tidak\nakan bekerja dengan baik.\n3. PLO 4 & 5-CO 6 - Mampu menjelaskan Pengenalan Pola dan Metode\nPembelajaran Mesin (10 %)\nSebuah perusahaan e-commerce ingin mengembangkan sistem untuk mengklasifikasikan\npelanggan ke dalam kelompok \"Risiko Tinggi\" atan \"Risiko Rendah! untuk transaksi.\npenipuan berdasarkan fitur numerik. Kumpulan data mencakup jumlah transaksi,\n\n. frekuensi pembelian, usia akun, tingkat pengembalian dana, dan metrik perilaku lainnya.\nTujuannya adalah untuk mengklasifikasikan pelanggan secara akurat sambil\nmeminimalkan positif palsu (menandai pelanggan yang sah sebagai berisiko tinggi) dan\nnegatif palsu (pelanggan penipuan yang hilang).\n\nTugas:\nTulis esai/proposal (sebaiknya dalam poin-poin), membahas hal-hal berikut:\nTanda tangan Reviewer:\nTelah direview pada tanggal: .................\nNama Reviewer: .....c.o..oco.ooco.occocc cocoa\nfA Dipindai dengan CamScanner"
    },
    {
      "source": "UAS/UAS - Kecerdasan Artifisial - KOM B - 2024.pdf",
      "page": 2,
      "method": "ocr",
      "text": "1. Data Exploration dan Preprocessing:\no Membahas cara menangani nilai yang hilang, outlier, dan distribusi tidak\nseimbang dalam fitur numerik.\no Mengusulkan teknik untuk pemilihan fitur atau pengurangan dimensi untuk\nmeningkatkan interpretabilitas dan kinerja model.\n2. Model Selection dan Training:\no Bandingkan model Klasifikasi untuk tugas ini.\no Jelaskan cara memilih hiperparameter untuk mengoptimalkan performa\nklasifikasi.\n3. Evaluation dan Class Imbalance:\no Identifikasi metrik evaluasi yang sesuai dan membenarkan pilihan Anda.\no Diskusikan metode untuk menangani kelas yang tidak seimbang.\n>>> Best of Luck to you A-\"v <<<\nFa Tanda tangan Reviewer:\nTelah direview pada tanggal: .................\nNama Reviewer: (iii aii singe\nfA Dipindai dengan CamScanner"
    }
  ],
  "text": "R; PROGRAM STUDI S1 ILMU KOMPUTER\nD 3 FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM\noY UNIVERSITAS GADJAH MADA\nUjian Akhir Semester\nSemester Ganjil 2024/2025\nMata Kuliah : Kecerdasan Artifisial (KOMB)\nHari dan Tanggal : Senin, 2 Desember 2024\nWaktu : 100 menit\nDosen : Dzikri Rahadian Fudholi, S.Kom., M.Comp.\nSifat Ujian : Terbuka satu lembar A4/F4\nIkuti aturan pengawas dan semoga beruntung!\n1. PLO2&3-CO4-Mampu menjelaskan Arsitektur Sistem Pakar (7%)\nA. Jelaskan peran basis pengetahuan (knowledge hase), mesin inferensi. dan antarmuka\npengguna dalam sistem pakar! Ilustrasikan penjelasan Anda dengan contoh bagaimana\nkomponen-komponen ini berinteraksi dalam domain tertentu (misalnya, diagnosis medis\natau perencanaan keuangan).\n(Bypiskusican tantangan dalam mempertahankan basis pengetahuan dari waktu ke waktu.\n2. PLO 2 & 3 -CO 5 - Mampu menjelaskan sistem Pemrosesan Bahasa Alami (8%)\nA. Diskusikan pentingnya prapemrosesan teks dalam tugas Pemrosesan Bahasa Alami.\nB. Jelaskan langkah-langkah yang terlibat dalam membuat alur prapemrosesan untuk\nsistem pengenalan emosi, mengatasi tantangan seperti menangani data yang noisy dan\ntokenisasi dalam bahasa yang kaya morfologis.\nC. Jelaskan representasi kata tradisional TF-IDF! Diskusikan mengapa metode ini tidak\nakan bekerja dengan baik.\n3. PLO 4 & 5-CO 6 - Mampu menjelaskan Pengenalan Pola dan Metode\nPembelajaran Mesin (10 %)\nSebuah perusahaan e-commerce ingin mengembangkan sistem untuk mengklasifikasikan\npelanggan ke dalam kelompok \"Risiko Tinggi\" atan \"Risiko Rendah! untuk transaksi.\npenipuan berdasarkan fitur numerik. Kumpulan data mencakup jumlah transaksi,\n\n. frekuensi pembelian, usia akun, tingkat pengembalian dana, dan metrik perilaku lainnya.\nTujuannya adalah untuk mengklasifikasikan pelanggan secara akurat sambil\nmeminimalkan positif palsu (menandai pelanggan yang sah sebagai berisiko tinggi) dan\nnegatif palsu (pelanggan penipuan yang hilang).\n\nTugas:\nTulis esai/proposal (sebaiknya dalam poin-poin), membahas hal-hal berikut:\nTanda tangan Reviewer:\nTelah direview pada tanggal: .................\nNama Reviewer: .....c.o..oco.ooco.occocc cocoa\nfA Dipindai dengan CamScanner\n\n1. Data Exploration dan Preprocessing:\no Membahas cara menangani nilai yang hilang, outlier, dan distribusi tidak\nseimbang dalam fitur numerik.\no Mengusulkan teknik untuk pemilihan fitur atau pengurangan dimensi untuk\nmeningkatkan interpretabilitas dan kinerja model.\n2. Model Selection dan Training:\no Bandingkan model Klasifikasi untuk tugas ini.\no Jelaskan cara memilih hiperparameter untuk mengoptimalkan performa\nklasifikasi.\n3. Evaluation dan Class Imbalance:\no Identifikasi metrik evaluasi yang sesuai dan membenarkan pilihan Anda.\no Diskusikan metode untuk menangani kelas yang tidak seimbang.\n>>> Best of Luck to you A-\"v <<<\nFa Tanda tangan Reviewer:\nTelah direview pada tanggal: .................\nNama Reviewer: (iii aii singe\nfA Dipindai dengan CamScanner"
}