Kisi-Kisi UTS

1. Definisikanlah apa yang dimaksud dengan bidang pengenalan pola !
2. Aplikasi pengenalan pola telah dimanfaatkan di berbagai bidang. Sebutkah 5 contoh aplikasi, baik yang sudah ada maupun yang belum ada (sebagai ide baru), dengan menunjukkan (1) Jenis data (2) Apa saja fitur yang diukur dan (3) kelas yang dituju !
3. Bila Anda diminta membuat sistem pengenalan sidik jari, komponen apa sajakah yang harus Anda siapkan ?
4. Sedangkan untuk aplikasi pengenalan wajah, komponen apa sajakah yang harus Anda siapkan ?
5. Pada aplikasi pengenalan wajah, sebutkan contoh 3 fitur yang sensitif dan 3 fitur yang tidak sensitif.
6. Sebutkan 4 tahap pengenalan pola untuk aplikasi pengelompokan ikan, hingga berhasil didapatkan nama jenis seekor ikan !
7. Apa yang dimaksud dengan threshold decision boundary ? Apa akibatnya bisa nilainya terlalu tinggi atau terlalu rendah ?
8. Apa yang dimaksud dengan overfitting? Mengapa kondisi overfitting tidak baik ?
9. Sebuah sistem direncanakan untuk memantau batas kecepatan dengan menggunakan perangkap RADAR di 3 tempat yang berlainan di suatu kota. RADAR di setiap tempat T1, T2, dan T3 dipasang 40%, 30%, dan 30% dari waktu sehari. Seseorang yang selalu mengebut ke kantor berpeluang masing-masing 0.2, 0.3, dan 0.5 melalui tiap-tiap tempat. Hint: Posterior = (likelihood * prior) / evidence.
   1. Berapa peluang dia akan kena tilang ?
   2. Bila orang tersebut ternyata terkena tilang dalam perjalanan ke kantor, berapa peluang dia melewati perangkap RADAR di tempat T2 ?
10. Dengan berasumsi bahwa terdapat 3 kelas yang berdistribusi Gaussian, tentukanlah 3 fungsi pembeda linier g1(x), g2(x), dan g3(x) !
    • Ketiga kelas tersebut memiliki probabilitas yang sama, yakni 1/3, dan memiliki nilai mean (0,2), (4,1), dan (1,0).
    • Adapun invers matriks kovariannya adalah [1 0 ; 0 2].
    • Rumus pembeda linier adalah
11. Sebutkan langkah-langkah klasifikasi dengan metode K-Means Clustering dalam 5 langkah !
12. Jaringan syaraf tiruan (JST) berusaha mengimitasi jaringan syaraf pada makhluk hidup. Tiga komponen pentingnya adalah neuron, axon, dan dendrit. Sebutkan fungsi ketiganya dan selanjutnya jelaskan perannya ketika dianalogkan dengan JST !
13. Apakah yang dimaksud dengan terminologi “pembelajaran” dalam algoritma JST ?
14. Sebutkan langkah-langkah algoritma pembelajaran perceptron !
15. Sebutkan langkah-langkah klasifikasi dengan metode Self Organizing Map (SOM) dalam 5 langkah !
16. Apakah perbedaan antara inter-class variance dan intra-class variance (dari segi definisi, tujuan, dan cara mengukurnya) ?
17. Bagaimanakah kriteria pemisahan cluster yang optimal, dalam kaitannya dengan inter-class variance dan intra-class variance ?
18. Apakah yang dimaksud dengan multilevel thresholding ?
19. Mengapa SNR dapat digunakan untuk mengukur kualitas sinyal yang terkena noise ?
20. Dalam Otsu method terdapat 3 fungsi kriteria, buktikanlah bahwa ketiganya memiliki hubungan yang erat, sehingga penggunaan salah satu kriteria dapat menjadi pengganti dua kriteria lainnya !