50 Soal dan Kunci Jawaban Post‑Test Pembelajaran Mendalam/ Deep Learning untuk Ujian dan Evaluasi

20. Fungsi tanh memiliki output range …
    a. 0–1
    b. -1–1
    c. -∞–∞
    d. 0–∞

21. Dropout biasanya diterapkan pada …
    a. Input layer saja
    b. Hidden layer
    c. Output layer saja
    d. Semua neuron sekaligus

22. Learning rate yang terlalu besar menyebabkan …
    a. Training lambat
    b. Model tidak konvergen
    c. Overfitting berkurang
    d. Data imbalance

23. Weight initialization penting untuk …
    a. Menentukan optimizer
    b. Memulai training agar konvergen lebih cepat
    c. Mengatur batch size
    d. Mengurangi neuron

24. Regularisasi L2 digunakan untuk …
    a. Mengurangi overfitting
    b. Mempercepat forward pass
    c. Menambah neuron
    d. Menormalkan input

25. Data augmentation sering digunakan untuk …
    a. Menambah ukuran dataset
    b. Mengurangi jumlah batch
    c. Menormalkan input
    d. Menambah neuron

26. Early stopping dilakukan untuk …
    a. Mempercepat training
    b. Mencegah overfitting
    c. Menambah layer
    d. Mengubah optimizer

27. CNN populer untuk …
    a. NLP
    b. Computer Vision
    c. Time-series forecasting
    d. Clustering

28. RNN cocok untuk data yang …
    a. Independent
    b. Sequential / time-series
    c. Image
    d. Sparse

29. Fungsi sigmoid cenderung menyebabkan …
    a. Vanishing gradient
    b. Overfitting
    c. Exploding gradient
    d. Normalisasi

30. Fungsi relu memiliki kelemahan …
    a. Vanishing gradient
    b. Dead neuron problem
    c. Tidak bisa nonlinear
    d. Membutuhkan LSTM

Bagian B: Isian Singkat (10 Soal)

31. Sebutkan tiga optimizer yang populer digunakan dalam deep learning!

32. Apa tujuan pooling layer dalam CNN?

33. Jelaskan perbedaan antara overfitting dan underfitting!