Koding dan Kecerdasan Artifisial

Daftar Pertanyaan Latihan

Materi Bab 4: Mengembangkan Sistem Kecerdasan Artifisial

#1•mudah• Sub-bab: Teachable Machine

Google Teachable Machine adalah alat yang memungkinkan ...

#2•mudah• Sub-bab: Data Latih

Kualitas data latih (training data) sangat menentukan performa model AI karena ...

#3•mudah• Sub-bab: Pelabelan Data

Pelabelan data (data labeling) dalam machine learning berarti ...

#4•mudah• Sub-bab: Pengenalan Gambar

Computer vision (visi komputer) adalah bidang AI yang memungkinkan komputer untuk ...

#5•mudah• Sub-bab: Pengujian Model

Setelah melatih model AI, mengapa penting mengujinya dengan data baru yang belum pernah dilihat model?

#6•sedang• Sub-bab: Supervised Learning

Supervised learning (pembelajaran terawasi) dalam machine learning berarti ...

#7•sedang• Sub-bab: Akurasi Model

Dalam evaluasi model klasifikasi AI, akurasi 95% berarti ...

#8•sedang• Sub-bab: Transfer Learning

Transfer learning dalam AI adalah ...

#9•sedang• Sub-bab: AI dalam Pendidikan

Sistem tutor AI adaptif berbeda dari buku teks biasa karena ...

#10•sedang• Sub-bab: Pengenalan Pola KA

Dalam Teachable Machine, semakin banyak dan beragam foto yang digunakan untuk melatih satu kelas, model akan ...

#11•sulit• Sub-bab: Explainable AI

Explainable AI (XAI) penting karena ...

#12•sulit• Sub-bab: GAN

Generative Adversarial Network (GAN) menghasilkan konten baru melalui ...

#13•sulit• Sub-bab: Overfitting

Overfitting pada model AI terjadi ketika ...

#14•sulit• Sub-bab: Pembangunan Sistem KA Bertanggung Jawab

Prinsip AI yang bertanggung jawab (Responsible AI) mencakup ...

#15•sulit• Sub-bab: Masa Depan KA

Perbedaan antara AI sempit (Narrow AI) dan AI umum (Artificial General Intelligence/AGI) adalah ...