Latihan Soal Informatika Kelas 12 SMA IPA Materi Pengolahan dan Analisis Data menggunakan Library Pemrograman

Materi Soal

Halo teman-teman kelas 12! Selamat datang di sesi latihan soal Informatika yang pastinya seru dan menantang. Kali ini, kita akan menyelami dunia pengolahan dan analisis data menggunakan library pemrograman. Mungkin terdengar rumit, tapi percayalah, ini adalah salah satu keahlian paling dicari di era digital sekarang. Kita tidak akan lagi sekadar melihat data sebagai angka-angka mentah, melainkan sebagai sebuah cerita yang bisa kita gali maknanya. Melalui latihan-latihan yang bisa kalian temukan di berbagai sumber, termasuk di platform seperti bimbel.net, kalian akan belajar bagaimana ‘berbicara’ dengan data menggunakan bahasa pemrograman untuk mengungkap informasi berharga di dalamnya.

Tujuan utama dari materi ini adalah membekali kalian dengan kemampuan praktis untuk memanipulasi, membersihkan, dan memvisualisasikan kumpulan data yang besar sekalipun. Bayangkan kalian bisa mengubah tumpukan data hasil survei yang membingungkan menjadi sebuah grafik yang jelas dan mudah dipahami oleh siapa saja. Keterampilan ini sangat berguna, tidak hanya untuk lulus ujian Informatika, tetapi juga untuk studi lanjut di bidang sains, teknik, ekonomi, bahkan sosial. Jadi, anggaplah setiap soal latihan sebagai kesempatan untuk mengasah logika dan kreativitas kalian dalam memecahkan masalah nyata berbasis data.

Latihan Soal

A. Analisis deskriptif data
B. Visualisasi data
C. Impor (import) library yang dibutuhkan
D. Eksplorasi data awal (EDA)
E. Ekspor hasil analisis
Cek Jawaban

A. Matplotlib
B. Pandas
C. NumPy
D. Scikit-learn
E. Seaborn
Cek Jawaban

A. Menampilkan ringkasan statistik deskriptif
B. Mengambil beberapa baris pertama dari DataFrame
C. Memberikan ringkasan singkat tentang DataFrame, termasuk tipe data dan jumlah nilai non-null
D. Mengidentifikasi nilai yang hilang (missing values)
E. Menghapus kolom dari DataFrame
Cek Jawaban

A. pd.read_excel()
B. pd.load_csv()
C. pd.read_csv()
D. pd.import_csv()
E. pd.read_file()
Cek Jawaban

A. dropna() atau fillna()
B. remove_na() atau replace_na()
C. clean_data() atau impute()
D. delete_null() atau add_value()
E. fix_missing() atau insert_values()
Cek Jawaban

A. df.info()
B. df.head()
C. df.describe()
D. df.value_counts()
E. df.shape()
Cek Jawaban

A. Diagram batang (bar chart)
B. Diagram garis (line chart)
C. Diagram sebar (scatter plot)
D. Histogram
E. Diagram lingkaran (pie chart)
Cek Jawaban

A. Pandas
B. NumPy
C. Scikit-learn
D. Seaborn
E. Matplotlib
Cek Jawaban

A. Data Visualization
B. Data Wrangling (Data Munging)
C. Data Modeling
D. Data Mining
E. Data Exploration
Cek Jawaban

A. df['kolom'].describe()
B. df['kolom'].unique()
C. df['kolom'].value_counts()
D. df['kolom'].info()
E. df['kolom'].sum()
Cek Jawaban

A. Membaca file CSV
B. Operasi matematika pada array multi-dimensi
C. Membuat plot interaktif
D. Membangun model machine learning
E. Mengirim email otomatis
Cek Jawaban

A. df['umur'].fillna(df['umur'].mean())
B. df['umur'].fillna('rata-rata')
C. df.dropna(subset=['umur'])
D. df['umur'].replace('NaN', df['umur'].mean())
E. df.fill_null(df.mean())
Cek Jawaban

A. Mengurutkan DataFrame berdasarkan kolom ‘kolom’ secara menaik (ascending)
B. Mengurutkan DataFrame berdasarkan kolom ‘kolom’ secara menurun (descending)
C. Menghapus baris yang memiliki nilai di kolom ‘kolom’
D. Menampilkan nilai unik dari kolom ‘kolom’
E. Mengelompokkan data berdasarkan kolom ‘kolom’
Cek Jawaban

A. sns.scatterplot()
B. sns.lineplot()
C. sns.barplot()
D. sns.boxplot()
E. sns.jointplot()
Cek Jawaban

A. Membaca dan memanipulasi data
B. Membuat visualisasi data yang kompleks
C. Membuat array multi-dimensi
D. Membangun model machine learning (seperti regresi dan klasifikasi)
E. Menghubungkan ke database
Cek Jawaban

A. pd.concat() dengan axis=0
B. pd.merge()
C. pd.join()
D. pd.concat() dengan axis=1
E. df1.add(df2)
Cek Jawaban

A. df.tail()
B. df.info()
C. df.head()
D. df.describe()
E. df.sample()
Cek Jawaban

A. df.isnull().sum()
B. df.info()
C. df.head()
D. df.dropna()
E. df.describe()
Cek Jawaban

A. Bar chart
B. Pie chart
C. Scatter plot
D. Histogram
E. Heatmap
Cek Jawaban

A. Nilai data yang sering muncul
B. Nilai yang sangat berbeda dari sebagian besar nilai lainnya dalam dataset
C. Data yang hilang
D. Tipe data kategorikal
E. Data duplikat
Cek Jawaban

A. pd.DataFrame()
B. pd.Series()
C. np.array()
D. sns.Series()
E. plt.series()
Cek Jawaban

A. df.insert_column('baru', df['kolom1'] + df['kolom2'])
B. df['kolom_baru'] = df['kolom1'] + df['kolom2']
C. df.add_column('kolom_baru', 'kolom1', 'kolom2')
D. df.assign(kolom_baru=df['kolom1'] + df['kolom2'])
E. df.new_column = df.kolom1 + df.kolom2
Cek Jawaban

A. Menggabungkan data dari beberapa tabel
B. Mengurutkan data berdasarkan satu atau lebih kolom
C. Mengelompokkan baris data berdasarkan nilai dalam kolom tertentu
D. Menghapus data duplikat
E. Mengubah tipe data kolom
Cek Jawaban

A. df.drop_duplicates()
B. df.unique()
C. df.remove_duplicates()
D. df.clean_duplicates()
E. df.drop_values()
Cek Jawaban

A. Visualisasi data dengan scatter plot
B. Menggunakan df.groupby('bulan').sum()
C. Menghapus baris yang kosong
D. Mengurutkan data berdasarkan penjualan
E. Mengubah tipe data penjualan
Cek Jawaban

A. Mengubah warna grafik secara acak
B. Membedakan kategori data menggunakan warna
C. Memberi judul pada grafik
D. Menyesuaikan ukuran grafik
E. Mengubah opacity grafik
Cek Jawaban

A. DataFrame baru yang berisi hanya baris di mana nilai ‘kolom’ lebih dari 100
B. Kesalahan (error)
C. Nilai rata-rata dari kolom ‘kolom’
D. Jumlah baris di mana nilai ‘kolom’ lebih dari 100
E. DataFrame yang diurutkan berdasarkan kolom ‘kolom’
Cek Jawaban

A. df['tanggal'].astype('datetime')
B. pd.to_datetime(df['tanggal'])
C. df['tanggal'].convert_to_datetime()
D. df.change_type('tanggal', 'datetime')
E. np.datetime64(df['tanggal'])
Cek Jawaban

A. df.save_csv()
B. df.to_csv()
C. pd.write_csv()
D. df.export_csv()
E. df.store_as_csv()
Cek Jawaban

A. Interaktif dan canggih
B. Tingkat tinggi (high-level) dan mudah digunakan
C. Tingkat rendah (low-level) dan fleksibel
D. Khusus untuk analisis data statistik
E. Hanya dapat digunakan untuk data numerik
Cek Jawaban

A. Membuat model machine learning
B. Mengidentifikasi pola, anomali, dan ringkasan data
C. Menghapus data tanpa analisis awal
D. Menghasilkan laporan akhir tanpa visualisasi
E. Mengubah semua tipe data menjadi numerik
Cek Jawaban

A. pd.concat([df1, df2])
B. pd.merge(df1, df2, on='ID')
C. df1.join(df2, on='ID')
D. pd.append(df1, df2)
E. df1.add(df2)
Cek Jawaban

A. sns.lineplot()
B. plt.boxplot()
C. sns.histplot() atau sns.kdeplot()
D. plt.bar()
E. plt.pie()
Cek Jawaban

A. df.loc[] dengan kondisi boolean
B. df.query()
C. df.loc[…, ['kolom1', 'kolom2']]
D. Hanya df['kolom']
E. df.select_columns()
Cek Jawaban

A. Menghapus baris jika semua nilai di baris tersebut adalah NaN
B. Menghapus baris jika ada satu nilai NaN di baris tersebut
C. Mengisi semua nilai NaN dengan nilai 0
D. Menghapus semua kolom yang berisi NaN
E. Menghapus DataFrame yang berisi NaN
Cek Jawaban

A. Histogram
B. Bar chart
C. Heatmap
D. Line chart
E. Pie chart
Cek Jawaban

A. Number Pythons
B. Numerical Python
C. New Python
D. Numeric Processing
E. N-dimensional Python
Cek Jawaban

A. Numerik
B. Kategorikal
C. Boolean
D. String
E. Ordinal
Cek Jawaban

A. Not a Number
B. Not a Null
C. Non-applicable Name
D. Numerical Anomaly
E. Natural Anomaly
Cek Jawaban

A. df.rename(columns={'nama_lama': 'nama_baru'})
B. df.columns['nama_lama'] = 'nama_baru'
C. df.change_column('nama_lama', 'nama_baru')
D. df.set_columns({'nama_lama': 'nama_baru'})
E. df.alter_columns('nama_lama' to 'nama_baru')
Cek Jawaban

Website Ujian Online

Gimana nih setelah mencoba satu soal latihan tadi? Apakah soalnya terasa menantang, atau justru membuat konsep analisis data dengan library jadi lebih jelas? Mungkin ada yang merasa, “Wah, ternyata begini ya cara kerjanya,” atau malah jadi penasaran ingin mencoba perintah-perintah lainnya. Apapun perasaan kalian, proses mencoba dan merefleksikan ini adalah bagian terpenting dari belajar. Setiap kebingungan yang teratasi akan membuat pemahaman kalian semakin kuat dan mendalam.

Kalau kalian merasa butuh lebih banyak tantangan dan ingin menguji pemahaman lebih jauh, jangan ragu untuk mampir ke Ujian.online. Di sana, kalian bisa menemukan ribuan soal latihan dari berbagai mata pelajaran untuk mempersiapkan diri menghadapi Asesmen Sumatif Tengah Semester (ASTS), Asesmen Sumatif Akhir Semester (ASAS), dan Penilaian Akhir Semester (PAS). Platform Ujian Online ini dirancang untuk memberikan pengalaman ujian yang sesungguhnya. Ada fitur-fitur canggih seperti penghitung waktu mundur yang akan melatih manajemen waktu kalian, serta sistem penilaian otomatis yang langsung memberikan skor begitu kalian selesai mengerjakan. Dengan begitu, kalian bisa langsung tahu sejauh mana penguasaan materi dan bagian mana yang perlu dipelajari lagi. Selamat belajar dan berlatih