UAS Sains Data 2026

UAS Sains Data 2025/2026

Senin, 15 Juni 2026 · 13.00–14.30 WIB (90 menit) · Buku tertutup. Tuliskan NIM/nama. Jawab jelas, mandiri; kecurangan bernilai 0. Dilarang meninggalkan ruangan. Kumpulkan soal dan jawaban.

1. Email spam (15%)

Data imbalanced: non-spam lebih banyak daripada spam. Dua model dilatih dan diuji pada data yang sama.

Aktual	Prediksi spam A	Prediksi non-spam A	Prediksi spam B	Prediksi non-spam B
Spam	80	20	70	30
Non-Spam	10	890	2	898

Tentukan model lebih sesuai untuk prediksi spam. Jelaskan logis sesuai karakteristik masalah, didukung perhitungan/analisis metrik relevan.

2. Seleksi fitur (15%)

Sampel	Fitur1	Fitur2	Kelas
1	8	5	A
2	9	9	A
3	6	7	A
4	8	3	A
5	3	8	B
6	5	4	B
7	2	5	B

Gunakan prinsip satu metode seleksi fitur untuk menentukan fitur paling relevan membedakan kelas. Jelaskan metode/prinsip dan alasan dari analisis data.

3. Reduksi dimensi (10%)

Bedakan prinsip seleksi fitur dan ekstraksi fitur. Analisis kelebihan/keterbatasan masing-masing dan kondisi kesesuaiannya.

4. Rasio pembagian data (20%)

Latih:Uji	Akurasi latih	Akurasi uji
50:50	85.2%	79.8%
60:40	87.6%	82.1%
70:30	90.4%	84.3%
80:20	95.8%	83.9%
90:10	99.1%	78.5%
50:50	85.2%	79.8%
60:40	87.6%	82.1%

a. Analisis pengaruh rasio. Rasio mana menunjukkan generalisasi terbaik? b. Bagaimana kondisi/kemampuan model dari perbedaan performa latih/uji? Strategi peningkatan apa dan alasannya?

5. Model selection (20%)

Bangun deep learning klasifikasi citra buah menurut kategori kelayakan ekspor dari dataset berlabel. Jelaskan model selection dan evaluation untuk performa/generalisasi terbaik: pembagian data, hyperparameter tuning, kriteria pemilihan, metode evaluasi.

6. Visualisasi tuning (20%)

Skenario	Learning rate	Batch size	Accuracy %	Precision %	Recall %	Prediction time ms
1	0.100	32	82.4	80.1	85.6	18
2	0.100	64	80.7	78.5	84.2	12
3	0.010	32	91.3	90.7	92.5	22
4	0.010	64	89.6	88.2	91.4	15
5	0.001	32	93.1	94.5	88.3	28
6	0.001	64	91.8	93.1	87.5	20

a. Pilih visualisasi terbaik untuk hubungan learning rate/batch size dengan performa/waktu prediksi. Jelaskan. b. Jelaskan insight pengaruh hyperparameter terhadap performa/waktu.

Evaluasi spam tidak seimbang, seleksi fitur, generalisasi, dan tuning model citra.

1. Model spam

Ambil spam sebagai positif; masing-masing memiliki 100 spam dan 900 non-spam.

Model	TP	FN	FP	TN	Accuracy	Precision	Recall	F1
A	80	20	10	890	97,0%	88,89%	80%	84,21%
B	70	30	2	898	96,8%	97,22%	70%	81,40%

Jika kehilangan email sah sangat mahal, pilih B: hanya 2 non-spam salah dikarantina, dibanding 10 pada A. Jika tujuan utama menangkap spam dan false positive lebih dapat ditoleransi, A memiliki recall dan F1 lebih tinggi. Accuracy saja menyembunyikan tradeoff pada kelas tak seimbang; keputusan bergantung biaya nyata serta threshold.

2. Seleksi fitur

Gunakan filter sederhana berupa pemisahan rentang kelas. Fitur 1 pada A = {8,9,6,8} berada pada 6–9, sedangkan B = {3,5,2} pada 2–5: ambang 5,5 memisahkan semua 7 sampel. Fitur 2 A={5,9,7,3}, B={8,4,5} saling tumpang tindih. Jadi fitur 1 paling relevan pada sampel ini. Ini tidak menjamin generalisasi dari hanya tujuh data; pilih fitur di dalam fold train untuk menghindari leakage.

3. Seleksi dan ekstraksi

Seleksi memilih subset fitur asli; lebih mudah ditafsirkan dan murah saat pengukuran tetapi dapat membuang informasi interaksi. Ekstraksi membentuk fitur baru, misalnya komponen PCA dari kombinasi fitur; dapat memadatkan korelasi tetapi interpretasi berkurang dan transformasi perlu disimpan. Pilih seleksi jika sensor asli harus dijelaskan/dikurangi; ekstraksi bila banyak fitur berkorelasi dan representasi kompak bermanfaat. Fit seluruh transformasi pada train.

4. Perbandingan split

Akurasi uji naik 79,8% (50:50) → 82,1% (60:40) → 84,3% (70:30), lalu 83,9% (80:20) dan 78,5% (90:10). Pada tabel, 70:30 terbaik menurut akurasi uji yang diamati. Gap latih–uji berturut-turut 5,4; 5,5; 6,1; 11,9; 20,6 poin, konsisten dengan kemungkinan overfitting terutama pada 90:10, tetapi split uji kecil juga membuat estimasi berisik. Baris 50:50 dan 60:40 diulang dalam sumber, bukan eksperimen tambahan yang terbukti independen. Gunakan validasi silang/repeated split, regularisasi, model lebih sederhana, augmentasi atau lebih banyak data sesuai masalah; sisihkan test final yang tidak dipakai memilih rasio.

5. Model citra buah

Bagi train/validasi/test terstratifikasi, dan kelompokkan gambar buah yang sama atau sesi pengambilan agar tidak tersebar lintas split. Gunakan augmentasi dan normalisasi yang dipelajari hanya pada train. Bandingkan baseline serta model pretrained, tuning learning rate, batch size, regularisasi dan augmentasi di validasi atau cross-validation; pilih metrik sesuai biaya kelas, misalnya macro-F1 dan recall kelas tidak layak, dengan batas latensi jika diperlukan. Setelah pilihan dibekukan, evaluasi sekali pada test terpisah menggunakan confusion matrix, precision/recall/F1 per kelas, dan interval ketidakpastian. Uji lokasi/perangkat baru untuk memeriksa generalisasi.

6. Visualisasi tuning

Gunakan heatmap kecil terpisah untuk accuracy, precision, recall dan waktu, sumbu learning rate × batch size; setiap sel diberi nilai sehingga pengaruh dua parameter mudah dibandingkan. Sebagai pelengkap scatter accuracy vs waktu berwarna learning rate dapat memperlihatkan tradeoff.

Pada batch 32, accuracy naik 82,4 → 91,3 → 93,1% ketika learning rate turun 0,1 → 0,01 → 0,001; precision tertinggi 94,5% pada skenario 5, tetapi recall tertinggi 92,5% pada skenario 3. Untuk setiap learning rate yang diuji, batch 64 menurunkan waktu prediksi (18→12, 22→15, 28→20 ms) dan sedikit menurunkan tiga metrik dibanding batch 32. Ini pola pada enam eksperimen, bukan hukum umum; pilih sesuai target recall, precision, dan latensi.

Pembahasan ditulis independen oleh belajar.myudak, bukan kunci jawaban resmi. Soal asli tetap milik pengampu mata kuliah dan ditampilkan langsung dari arsip Google Drive.