Dalam Pandas, fungsi Python manakah yang digunakan untuk menggabungkan dua atau lebih
DataFrame berdasarkan nilai-nilai dalam kolom kunci atau indeks tertentu (seperti join dalam
SQL)?
A. [Link]()
B. [Link]()
C. [Link]()
ANSWER: C
Jika Anda memiliki DataFrame df1 dan df2, dan Anda ingin menggabungkannya dengan
menambahkan baris dari df2 ke bawah df1 (penumpukan vertikal), fungsi Pandas manakah yang
paling sesuai?
A. [Link]([df1, df2], axis=1)
B. [Link]([df1, df2], axis=0)
C. [Link]([df1, df2], how='outer')
ANSWER: B
Manakah dari jenis penggabungan (merge how=) berikut yang akan menyimpan hanya baris di
mana kunci yang cocok ditemukan di kedua DataFrame (setara dengan INNER JOIN dalam SQL)?
A. how='left'
B. how='outer'
C. how='inner'
ANSWER: C
Dalam preprocessing, apa yang dimaksud dengan Outlier?
A. Nilai data yang hilang.
B. Nilai data yang sangat berbeda dari sebagian besar data lainnya.
C. Nilai duplikat.
ANSWER: B
Jika Anda menggunakan pd.get_dummies(df['Kolom']), teknik preprocessing apa yang Anda
terapkan?
A. Normalisasi
B. Imputasi
C. One-Hot Encoding
ANSWER: C
Mengapa feature scaling (seperti Normalisasi) penting sebelum melatih model seperti K-Nearest
Neighbors (KNN)?
A. Untuk mempercepat perulangan.
B. Karena KNN sensitif terhadap skala fitur.
C. Hanya diperlukan untuk data kategorikal.
ANSWER: B
Apa tujuan dari Binning(discretization) dalam preprocessing?
A. Mengubah nilai numerik menjadi kategori/bin.
B. Menghapus nilai yang hilang.
C. Mengubah data kategorikal menjadi numerik.
ANSWER: A
Bagaimana cara paling umum untuk mengubah format tanggal di Pandas (misalnya dari string ke
datetime object)?
A. pd.to_string()
B. pd.to_numeric()
C. pd.to_datetime()
ANSWER: C
Dalam feature scaling, teknik manakah yang mentransformasi fitur data sehingga berada dalam
rentang tertentu, biasanya antara 0 dan 1?
A. Standardisasi (Z-score scaling)
B. Normalisasi (Min-Max scaling)
C. Imputasi
ANSWER: B
Apa tujuan utama dari Standardisasi (Z-score scaling), di mana data diubah agar memiliki rata-
rata ($\mu$) 0 dan standar deviasi ($\sigma$) 1?
A. Mengubah data kategorikal menjadi numerik.
B. Membuat model Machine Learning kurang sensitif terhadap outlier yang ekstrem.
C. Membuat distribusi fitur menjadi lebih terpusat dan konsisten untuk algoritma berbasis jarak.
ANSWER: C
Teknik encoding apakah yang paling cocok digunakan untuk variabel kategorikal yang memiliki
urutan alami (misalnya, "Kecil", "Sedang", "Besar")?
A. One-Hot Encoding
B. Label Encoding
C. Ordinal Encoding
ANSWER: C
Mengapa teknik One-Hot Encoding sering dihindari ketika variabel kategorikal memiliki ratusan
kategori unik?
A. Karena dapat menghasilkan nilai yang hilang.
B. Karena akan memperlambat proses fitting model secara signifikan
C. Karena akan menciptakan terlalu banyak kolom baru (curse of dimensionality).
ANSWER: C
Metode Pandas manakah yang secara spesifik digunakan untuk mengganti nilai yang hilang
(NaN) dalam suatu Series atau DataFrame dengan nilai tertentu, seperti mean, median, atau
nilai konstan?
A. [Link]()
B. [Link]()
C. [Link]()
ANSWER: C
Ketika menggunakan Scikit-learn untuk preprocessing, kelas manakah yang berfungsi sebagai
estimator yang dapat menghitung dan menerapkan imputasi (misalnya menggunakan strategi
median atau mean) pada data?
A. Imputer()
B. SimpleImputer()
C. NaNHandler()
ANSWER: B
Dalam konteks preprocessing data di Pandas, perintah df.drop_duplicates(inplace=True)
memiliki fungsi utama untuk
A. Menghapus kolom yang memiliki data duplikat.
B. Menghapus baris-baris data yang memiliki nilai yang sama persis di semua kolom.
C. Menghapus outlier yang muncul lebih dari sekali.
ANSWER: B
Untuk menerapkan One-Hot Encoding menggunakan Scikit-learn pada fitur kategorikal yang
tidak memiliki urutan, transformer manakah yang paling tepat digunakan?
A. LabelEncoder
B. OrdinalEncoder
C. OneHotEncoder
ANSWER: C
Apa yang dilakukan oleh perintah Python df.select_dtypes(include='object').columns di Pandas
dalam konteks preprocessing?
A. Memilih kolom yang memiliki tipe data numerik.
B. Mengidentifikasi nama-nama kolom yang memiliki tipe data string atau kategorikal (object).
C. Mengubah tipe data semua kolom menjadi object.
ANSWER: B
Baris kode Python manakah yang secara benar menginisialisasi transformer untuk menerapkan
Min-Max Scaling (Normalisasi) pada data, menggunakan Scikit-learn?
A. scaler = StandardScaler()
B. scaler = MinMaxScaler()
C. encoder = OneHotEncoder()
ANSWER: B
Setelah menginisialisasi objek scaler = MinMaxScaler(), urutan metode manakah yang benar
untuk menerapkan transformasi pada DataFrame pelatihan X_train dan kemudian
menggunakan transformasi yang sama pada DataFrame pengujian X_test?
A. scaler.fit_transform(X_train); scaler.fit_transform(X_test)
B. [Link](X_train); [Link](X_test)
C. [Link](X_train); X_train_scaled = [Link](X_train); X_test_scaled =
[Link](X_test)
ANSWER: C
Untuk mengubah kolom kategorikal bernama City pada DataFrame Pandas df menjadi variabel
dummy menggunakan One-Hot Encoding, perintah Python manakah yang paling efisien?
A. df['City'].apply(lambda x: 1 if x == 'A' else 0)
B. pd.get_dummies(df['City'])
C. [Link](columns='City', values=1)
ANSWER: B