UTS Sains Data 2026

UTS Sains Data 2025/2026

Kamis, 9 April 2026 · 13.00–14.40 WIB (100 menit) · Buku tertutup. Tuliskan NIM/nama setiap lembar; dilarang bekerja sama.

1. Dasar sains data (20%)

a. Jelaskan data science dan data scientist. b. Sebutkan lima contoh penerapan data science.

2. Metodologi (20%)

a. Bedakan metodologi IBM dan CRISP-DM. b. Jelaskan tahap business understanding, analytic approach, data requirements, data collection pada metodologi IBM.

3. Statistik flu (30%)

No	Suhu °C	Tidur jam/hari	Olahraga kali/minggu	Flu
1	38.1	5	0	Ya
2	37.9	5	1	Ya
3	36.8	7	3	Tidak
4	36.7	8	3	Tidak
5	37.8	6	1	Ya
6	36.9	7	2	Tidak

a. Hitung mean, median, mode jam tidur. b. Hitung standard deviasi suhu tubuh. c. Tentukan z-score suhu38.0°C.

4. Preprocessing diabetes (30%)

Klinik akan memakai ML memprediksi Diabetes Mellitus. Data masih mengandung atribut tidak relevan, pasien tidak aktif, missing value.

No	Gula darah	Usia	BMI	Pasien aktif	Kelas
1	182	46	29.5	Aktif	Diabetes
2	165	42	?	Aktif	Diabetes
3	-	NaN	22.5	Aktif	Tidak Diabetes
4	108	NaN	21.8	Tidak Aktif	Tidak Diabetes
5	-	40	27.0	Aktif	Diabetes
6	104	27	?	Aktif	Tidak Diabetes

Gunakan hanya tiga fitur numerik gula darah,usia,BMI: a. Data cleaning: hapus data tidak relevan dan pasien tidak aktif. b. Isi missing: mean gula darah,median usia,mode BMI. c. Scaling normalisasi[0,1]. d. Tampilkan dataset setelah tiap tahap a,b,c.

1. Data science

Data science menggabungkan statistik, komputasi, dan pengetahuan domain untuk memperoleh pemahaman atau keputusan dari data. Data scientist merumuskan masalah, menyiapkan data, membangun dan mengevaluasi analisis/model, serta mengkomunikasikan hasil. Contoh: prediksi permintaan toko, deteksi fraud, rekomendasi produk, prediksi kegagalan mesin, dan analisis kemacetan.

2. Metodologi

CRISP-DM memiliki fase business understanding, data understanding, data preparation, modeling, evaluation, deployment yang iteratif. Metodologi IBM memecah proses menjadi langkah eksplisit seperti business understanding, analytic approach, data requirements, data collection, data understanding, preparation, modeling, evaluation, deployment dan feedback. Keduanya iteratif; perbedaan terutama pada pengelompokan dan penekanan tahapan, bukan urutan yang harus berjalan satu arah.

Business understanding menetapkan tujuan, batasan dan keberhasilan; analytic approach memetakan tujuan ke jenis analisis; data requirements menentukan variabel, sumber, volume, kualitas dan periode; data collection memperoleh dan mendokumentasikan data sesuai kebutuhan.

3. Statistik

Jam tidur [5,5,7,8,6,7]: mean $38/6=6,333$ , median $(6+7)/2=6,5$ , modus 5 dan 7. Suhu [38,1;37,9;36,8;36,7;37,8;36,9] memiliki mean 37,3667°C. SD populasi $\sqrt{\sum(x-\bar x)^2/6}=0,5764$ °C; jika dianggap sampel gunakan pembagi 5 sehingga SD 0,6314°C. Untuk suhu 38,0°C, z-score populasi $(38-37,3667)/0,5764=1,0988$ ; dengan SD sampel 1,0031. Nyatakan pilihan pembagi karena soal tidak menentukannya.

4. Cleaning dan imputasi

Buang baris 4 yang tidak aktif dan kolom nomor serta status dari fitur; simpan kelas sebagai target. Anggap -, ?, dan NaN sebagai missing. Setelah tahap a:

No	Gula	Usia	BMI	Kelas
1	182	46	29,5	Diabetes
2	165	42	?	Diabetes
3	?	?	22,5	Tidak
5	?	40	27,0	Diabetes
6	104	27	?	Tidak

Mean gula $(182+165+104)/3=150,3333$ ; median usia dari 27,40,42,46 adalah 41. BMI teramati 22,5, 27,0, 29,5 masing-masing muncul sekali: tidak ada modus unik. Agar contoh numerik deterministik, pilih nilai terkecil 22,5 sebagai tie-break; nilai lain yang sama-sama modus menghasilkan hasil berbeda.

No	Gula setelah b	Usia setelah b	BMI setelah b	Gula setelah c	Usia setelah c	BMI setelah c
1	182	46	29,5	1	1	1
2	165	42	22,5	0,7821	0,7895	0
3	150,3333	41	22,5	0,5940	0,7368	0
5	150,3333	40	27,0	0,5940	0,6842	0,6429
6	104	27	22,5	0	0	0

Normalisasi memakai $(x-\min)/(\max-\min)$ pada tiap fitur setelah imputasi: rentang gula 104–182, usia 27–46, BMI 22,5–29,5. Kelas tetap sebagai target. Pada penerapan model, pembagian train/test dilakukan sebelum mempelajari nilai imputasi dan skala agar tidak bocor.

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