Teknik Programming

Pertanyaan 1

Sebagai seorang data analisis pada bank, Anda ingin membuat suatu vector yang bernama umur yang berisi 25, 30, 33, dan 21. Mana cara penulisan code yang tepat?

#code here
umur <- c(25, 30, 33, 21)
umur
## [1] 25 30 33 21
  • c(25, 30, 33, 21)
  • umur(25, 30, 33, 21)
  • umur <- c(25, 30, 33, 21)
  • Jawaban Tidak ada

Pertanyaan 2

Anda memiliki beberapa vector seperti nama <- c(“David”,“Iffa”,“Dito”), status <- c(TRUE, 1, FALSE), umur <- c(23, 24, 22), dan jabatan <- c(“staff”, “manajer”, “staff”). Secara berturut-turut, apa tipe data dari setiap vector?

# code here
nama <- c("David","Iffa","Dito")
class(nama)
## [1] "character"
status <- c(TRUE, 1, FALSE)
class(status)
## [1] "numeric"
umur <- c(23, 24, 22)
class(umur)
## [1] "numeric"
jabatan <- c("staff", "manajer", "staff")
class(jabatan)
## [1] "character"
  • Character, Numeric, Character, Character
  • Character, Logical, Numeric, Character
  • Character, Numeric, Numeric, Character
  • Character, Character, Numeric, Character

Pertanyaan 3

Anda ingin menggabungkan vector-vector yang ada pada pertanyaan nomor 2 menjadi sebuah data.frame (tabel) dan disimpan dengan nama data. Mana cara yang tepat untuk melakukan hal tersebut?

# Code here
data <- data.frame(nama = c("David","Iffa","Dito"), status = c(TRUE, 1, FALSE), umur = c(23, 24, 22), jabatan = c("staff", "manajer", "staff"))

  • data <- data.frame(nama = c(“David”,“Iffa”,“Dito”), status = c(TRUE, 1, FALSE), umur = c(23, 24, 22), jabatan = c(“staff”, “manajer”, “staff”))

  • data <- data.frame(nama <- c(“David”,“Iffa”,“Dito”), status <- c(TRUE, 1, FALSE), umur <- c(23, 24, 22), jabatan <- c(“staff”, “manajer”, “staff”))

  • data <- as.data.frame(nama <- c(“David”,“Iffa”,“Dito”), status <- c(TRUE, 1, FALSE), umur <- c(23, 24, 22), jabatan <- c(“staff”, “manajer”, “staff”))

  • data <- as.data.frame(nama = c(“David”,“Iffa”,“Dito”), status = c(TRUE, 1, FALSE), umur = c(23, 24, 22), jabatan = c(“staff”, “manajer”, “staff”))

Pertanyaan 4

Dari data.frame yang sudah dibuat pada pertanyaan nomor 3, bagaimana caranya jika hanya ingin mengambil kolom jabatan saja?

# Code here
data$jabatan
## [1] "staff"   "manajer" "staff"
  • data$jabatan
  • data <- jabatan
  • data%jabatan
  • Semua jawaban benar

Pertanyaan 5

Setelah anda mengamati data anda lebih mendalam, ternyata variabel jabatan belum bertipe factor. Bagaimana cara anda mengubah tipe data variabel tersebut?

# code here
data$jabatan <- as.factor(data$jabatan)
class(data$jabatan)
## [1] "factor"
  • as.factor(jabatan)
  • as.factor(data$jabatan)
  • data\(jabatan <- as.factor(data\)jabatan)
  • Semua jawaban benar

Pengetahuan Statistik

Pertanyaan 6

Anda mengumpulkan nilai rating kepuasan pelanggan dan mendapatkan kumpulan nilai berikut: 1, 1.3, 2, 1.7, 10. Nilai/ukuran apa yang dapat digunakan untuk mewakili angka-angka tersebut?

  • Mean
  • Median
  • Modus
  • Standar deviasi

Pertanyaan 7

Manakah dibawah ini yang merupakan ciri-ciri Distribusi Normal?

  • Nilai mean sama dengan median tapi tidak sama dengan modus
  • Nilai median tidak sama sama dengan mean
  • Nilai mean, median dan modus sama
  • Nilai median tidak sama dengan modus

Pertanyaan 8

Anda mengharapkan adanya kenaikan profit pada perusahaan anda di tahun 2019 dan anda ingin membuktikan bahwa harapan anda terbukti benar dengan uji statistik. Apa dugaan/hipotesis alternatif yang tepat?

  • H1 : Profit pada tahun 2019 sama dengan atau lebih rendah dari tahun 2018
  • H1 : Profit pada tahun 2019 melebihi profit pada tahun 2018
  • H0 : Profit pada tahun 2019 sama dengan atau lebih rendah dari tahun 2018
  • H0 : Profit pada tahun 2019 melebihi profit pada tahun 2018

H0 adalah Hipotesis awal/Dugaan awal sebelum dilakukan pengujian H0: Profit 2019 <= 2018

H1 adalah hipotsesis alternatif/ Dugaan yang di-inginkan H1: Profit 2019 > 2018

Pertanyaan 9

Nilai apa yang harus diperhatikan ketika ingin menarik kesimpulan dari hasil uji statistik?

  • P-value dan alpha
  • P-value dan correlation
  • Variance dan alpha
  • Standar deviasi dan mean

##Pertanyaan 10

Bila anda ingin memprediksi nilai profit berdasarkan variabel sales, age, dan revenue, mana yang bukan peubah acak?

  • sales
  • revenue
  • age
  • profit

Perubah acak adalah nilai prediktor atau sebuah nilai yang dapat megubah secara acak hasil dari target Bukan perubah acak adalah nilai target variable