Soal Ujian Akhir Semester Mata Kuliah Statistika Data Sains (UAS)

HermanAnis.com – Mata kuliah Statistika Data Sains merupakan salah satu mata kuliah wajib pada Program Studi Pendidikan IPA Universitas Pendidikan Indonesia. Soal UAS Statistika Data Sains ini terdiri dari dua bentuk soal yakni soal pilihan ganda dan essai. Berikut ini adalah Soal Ujian Akhir Semester (UAS) Mata Kuliah-Statistika Data Sains Prodi Pendidikan IPA UPI Tahun 2020.

Soal UAS Statistika Data Sains – Pilihan Ganda

1. Variance suatu distribusi data mentah yaitu:
   • Selalu = 1
   • Sama dengan variance mean corrected data
   • Sama dengan variance untuk data  dalam standard score
   • Bisa < 0
2. Covariance dari dua variable dari dua distribusi yang dinyatakan dalam standard score adalah:
   • Bisa = 0
   • Bisa < 0
   • Bisa > 0
   • Semua benar
3. Variance komponen utama adalah sama dengan:
   • Eigenvector matrix covariance
   • Eigenvalue matrix covariance
   • Variance pada matrix korelasi
   • a, b, c salah.
4. Score variable baru dapat diperoleh dari:
   • Kombinasi linear dari variable lama
   • Komponen utama yang dipertahankan
   • Langsung dari Mean corrected data
   • Matrix covariance
5. Salah satu tujuan dari analisis komponen utama yaitu:
   • Menghasilkan variable-variable baru sebagai kombinasi linear dari variable asli
   • Menghasilkan variable-variable baru yang tidak saling berkorelasi
   • Membentuk variable pertama yang mempunyai variance terbesar
   • a, b, c, benar
6. Dalam analisis komponen utama, eigenvalue dari suatu matrix covariance adalah:
   • Covariance
   • Variance
   • Koefisien korelasi
   • Eigenvector
7. Rotasi  sumbu dalam analisis diskriminan  adalah  untuk:
   • Menentukan suatu kombinasi linear dari variable-variable original
   • Variable baru memberikan nilai maximum untuk
   •  Memperoleh sudut putaran agar  SS_b/SS_w maksimum
   • Jawab a, b, c,  benar
8. Agar dalam variable baru, kedua kelompok terpisah secara maksimum, maka
   • Mean bagi kedua kelompok harus terpisah jauh
   • Sum of squares within group harus minimum
   • Kedua group itu harus homogen
   • Cukup  jawab a,b atau cukup jawab a, c.
9. Fungsi diskriminasi (fungsi pembeda), memerlukan:
   • Variable-variable yang bisa membedakan kedua kelompok
   • Variable-variable pembeda itu tidak  berkorelasi
   • Fungsi diskriminan  harus linear
   • a. b dan c benar
10. Tujuan analisis faktor adalah menggunakan matrix korelasi yang telah dihitung itu untuk:
    • Mengidentifikasikan  common factor-common factor tersedikit (model-model factor yang paling irit) yang paling baik menjelaskan atau berkontribusi  bagi korelasi diantara indikator-indikator
    • Mengidentifikasi solution factor yang mungkin, dengan rotasi-rotasi factor.
    • Mengestimasi pattern loading, structure loading, communality-communality dan unique variances dari indikator-indikator.
    • a, b, c benar
11. Setelah menjalani proses analisis factor maka yang perlu dilakukan adalah :
    • Menginterpretasi  common factor – common factor
    • Tidak usah mengestimasi score
    • Menentukan unique error
    • a, b, c  salah
12. Masalah memperoleh lebih dari satusolusi dalam analisis factor ini dinamakan:  ‘
    • Indeterminasi factor yang dikarenakan  masalah rotasi
    • Mengoptimalkan varians
    • Meminimumkan sum of square between
    • Menghadirkan homogenitas  
13. Dalam Cluster analysis dimana terdapat n kelompok, cluster-cluster dibentuk dengan memperhatikan:
    • Jarak kwadrat dua cluster
    • Jarak kwadrat dua centroid
    • Jarak kwadrat terkecil centroid cluster dengan observasi
    • a, b, c, benar.
14. Metode clustering yang tidak menggunakan jarak yakni:
    • Centroid
    • Ward
    • Single linkage
    • Farthest-neighbor.
15. Salah satu tujuan analisis diskriminan, ialah:
    • Menentukan bobot (koefisien-koefisien) pada fungsi diskriminan agar ss_bet/ss_wmaximum
    • Mengidentifikasi variable-variable yang secara terbaik membedakan dua kelompok
    • Melakukan klasifikasi terhadap observasi-observasi pada dua kelompok
    • a, b , c benar
16. Model factor berikut ini:

termasuk jenis:

• Under identified
• Just indentified
• Over identified
• Equal identified

Soal UAS Statistika Data Sains – Soal Essai

1. Variable Random X1, X2, dan X3 mempunyai matrix covariance:

Eigen vector adalah,

a. Tentukan persamaan untuk PRIN 1
b. Tentukan variance dari PRIN 1
c. Tentukan proporsi dari variance total yang dikontribusi oleh  PRIN 1
d. Apakah PRIN 3 berkorelasi dengan PRIN 1 dan  PRIN 2 ?

2. Pada Table ini disajikan harga (P) dan kualitas (Q) dari 6 merek minuman:

3. Perhatikan model dua –factor dengan 5 indicator berikut ini:

Asumsi yang berlaku untuk model ini adalah: mean dari indicator-indicator, common factor, dan unique factor adalah nol, dan variance common factor adalah 1.
Tentukanlah:
a. Pattern loading untuk indicator X1, X2, dan X5 untuk faktor F₁ dan F₂
b.  Structure loading untuk indicator X1, X3, dan X5 untuk faktor F₁ dan F₂
c. Hitung korelasi diantara indicator-indicator X1 dan X2, juga diantara X3
dan X4 serta diantara X5 dan X6
d. Persentase dari  shared variance terkait dengan indicator –indicator  X1,
X2, dan X3

4. Dapatkah Cluster Analysis dipandang sebagai suatu teknik untuk mereduksi data? Dalam hal apakah mereduksi data yang diperoleh dalam analisis cluster berbeda dari yang diperoleh dengan menggunakan analisis komponen utama!

Baca juga:
Solusi Ujian Akhir Semester Soal Pilihan Mata Kuliah Statistika Data Sains.