Jawaban Soal PG Bab 4
Kelas 28 April 2026
SOAL PILIHAN GANDA BAB 4 GOOGLE TEACHABLE MACHINE KELAS 8 SMP Mata Pelajaran: Informatika Semester: 2 Tahun Pelajaran: __________ Nama : __________________________...
Jawaban Soal PG Bab 4
SOAL PILIHAN GANDA
BAB 4
GOOGLE TEACHABLE MACHINE
KELAS 8 SMP
Mata Pelajaran: Informatika
Semester: 2
Tahun Pelajaran: __________
Nama : __________________________
Kelas : __________________________
No. Absen : _____________________
SOAL PILIHAN GANDA
1. Siswa membuka Google Teachable Machine di browser untuk membuat proyek baru.
· A. Audio Project
· B. Image Project
· C. Text Project
· D. Video Project
2. Guru meminta siswa membuat proyek image untuk mengenali objek di kelas.
· A. Audio Project
· B. Image Project
· C. Text Project
· D. Video Project
3. Siswa menambahkan kelas baru pada proyek untuk membedakan objek buku dan bukan buku.
· A. Audio Project
· B. Image Project
· C. Text Project
· D. Video Project
4. Siswa mengambil gambar menggunakan webcam di Teachable Machine untuk mengumpulkan data.
· A. Audio Project
· B. Image Project
· C. Text Project
· D. Video Project
5. Siswa mengumpulkan minimal 30 gambar per kelas agar model lebih akurat.
· A. Audio Project
· B. Image Project
· C. Text Project
· D. Video Project
6. Siswa menekan tombol Train Model setelah semua data selesai dikumpulkan.
· A. Audio Project
· B. Image Project
· C. Text Project
· D. Video Project
7. Sistem memproses data training saat siswa menekan tombol Train Model.
· A. Audio Project
· B. Image Project
· C. Text Project
· D. Video Project
8. Model memberikan hasil prediksi saat siswa menguji objek di depan kamera.
· A. Audio Project
· B. Image Project
· C. Text Project
· D. Video Project
9. Siswa melihat persentase hasil prediksi pada layar setelah model dilatih.
· A. Audio Project
· B. Image Project
· C. Text Project
· D. Video Project
10. Siswa menambahkan variasi data dengan mengambil gambar dari berbagai sudut.
· A. Audio Project
· B. Image Project
· C. Text Project
· D. Video Project
11. Siswa mengambil gambar dengan pencahayaan berbeda untuk meningkatkan kualitas data.
· A. Audio Project
· B. Image Project
· C. Text Project
· D. Video Project
12. Siswa menggunakan latar belakang berbeda saat mengambil gambar agar model tidak bias.
· A. Audio Project
· B. Image Project
· C. Text Project
· D. Video Project
13. Model mengalami kesalahan saat siswa memberikan data yang kurang bervariasi.
· A. Audio Project
· B. Image Project
· C. Text Project
· D. Video Project
14. Siswa menambahkan kelas “Tas” setelah model awal selesai dibuat.
· A. Audio Project
· B. Image Project
· C. Text Project
· D. Video Project
15. Siswa melatih ulang model setelah menambahkan data baru pada setiap kelas.
· A. Audio Project
· B. Image Project
· C. Text Project
· D. Video Project
16. Siswa menguji model dengan benda nyata di depan kamera untuk melihat hasil prediksi.
· A. Audio Project
· B. Image Project
· C. Text Project
· D. Video Project
17. Siswa memperbaiki model dengan menambahkan data baru agar hasil lebih akurat.
· A. Audio Project
· B. Image Project
· C. Text Project
· D. Video Project
18. Siswa menggunakan label kelas untuk membedakan kategori objek dalam model.
· A. Audio Project
· B. Image Project
· C. Text Project
· D. Video Project
19. Siswa membuat model untuk mengenali ekspresi wajah menggunakan image project.
· A. Audio Project
· B. Image Project
· C. Text Project
· D. Video Project
20. Siswa mengumpulkan data training sebelum melakukan proses training model.
· A. Audio Project
· B. Image Project
· C. Text Project
· D. Video Project
21. Siswa melihat hasil prediksi dalam bentuk persentase saat menguji model.
· A. Audio Project
· B. Image Project
· C. Text Project
· D. Video Project
22. Model mengenali objek dengan benar ketika data training cukup dan bervariasi.
· A. Audio Project
· B. Image Project
· C. Text Project
· D. Video Project
23. Siswa mengulang proses training saat hasil prediksi belum akurat.
· A. Audio Project
· B. Image Project
· C. Text Project
· D. Video Project
24. Guru menjelaskan bahwa data training digunakan untuk melatih model AI.
· A. Audio Project
· B. Image Project
· C. Text Project
· D. Video Project
25. Siswa menggunakan webcam untuk mengambil gambar secara langsung di aplikasi.
· A. Audio Project
· B. Image Project
· C. Text Project
· D. Video Project
26. Siswa menambahkan data baru setelah hasil model kurang baik.
· A. Audio Project
· B. Image Project
· C. Text Project
· D. Video Project
27. Model memberikan prediksi saat siswa memasukkan objek baru.
· A. Audio Project
· B. Image Project
· C. Text Project
· D. Video Project
28. Siswa membuat dua kelas berbeda untuk membedakan objek dengan jelas.
· A. Audio Project
· B. Image Project
· C. Text Project
· D. Video Project
29. Siswa menyusun data dengan rapi agar proses training berjalan lancar.
· A. Audio Project
· B. Image Project
· C. Text Project
· D. Video Project
30. Siswa memahami bahwa semakin banyak data maka model semakin baik.
· A. Audio Project
· B. Image Project
· C. Text Project
· D. Video Project
31. Siswa melakukan testing setelah model selesai dilatih.
· A. Audio Project
· B. Image Project
· C. Text Project
· D. Video Project
32. Siswa melihat hasil model langsung pada layar setelah training selesai.
· A. Audio Project
· B. Image Project
· C. Text Project
· D. Video Project
33. Siswa membuat model sederhana untuk mengenali benda di meja kelas.
· A. Audio Project
· B. Image Project
· C. Text Project
· D. Video Project
34. Siswa menggunakan variasi jarak saat mengambil gambar untuk meningkatkan kualitas model.
· A. Audio Project
· B. Image Project
· C. Text Project
· D. Video Project
35. Siswa menambahkan data baru agar model tidak overfitting.
· A. Audio Project
· B. Image Project
· C. Text Project
· D. Video Project
36. Model membutuhkan data training sebelum dapat melakukan prediksi.
· A. Audio Project
· B. Image Project
· C. Text Project
· D. Video Project
37. Siswa menguji model dengan objek yang belum pernah dilatih sebelumnya.
· A. Audio Project
· B. Image Project
· C. Text Project
· D. Video Project
38. Siswa memperhatikan hasil prediksi untuk mengevaluasi model.
· A. Audio Project
· B. Image Project
· C. Text Project
· D. Video Project
39. Siswa membuat model AI sederhana tanpa menulis kode program.
· A. Audio Project
· B. Image Project
· C. Text Project
· D. Video Project
40. Siswa menggunakan Teachable Machine untuk belajar konsep Machine Learning.
· A. Audio Project
· B. Image Project
· C. Text Project
· D. Video Project
41. Siswa mengamati bahwa model bekerja berdasarkan pola dari data.
· A. Audio Project
· B. Image Project
· C. Text Project
· D. Video Project
42. Siswa menyimpulkan bahwa data training sangat penting dalam AI.
· A. Audio Project
· B. Image Project
· C. Text Project
· D. Video Project
43. Siswa membuat model yang lebih baik setelah menambah variasi data.
· A. Audio Project
· B. Image Project
· C. Text Project
· D. Video Project
44. Siswa menggunakan dua kelas untuk membedakan objek sederhana.
· A. Audio Project
· B. Image Project
· C. Text Project
· D. Video Project
45. Siswa menyadari bahwa model membutuhkan latihan berulang untuk hasil optimal.
· A. Audio Project
· B. Image Project
· C. Text Project
· D. Video Project
46. Siswa mengamati bahwa model gagal jika data tidak cukup.
· A. Audio Project
· B. Image Project
· C. Text Project
· D. Video Project
47. Siswa memperbaiki model dengan cara menambah data dan melatih ulang.
· A. Audio Project
· B. Image Project
· C. Text Project
· D. Video Project
48. Siswa memahami bahwa AI belajar dari contoh data yang diberikan.
· A. Audio Project
· B. Image Project
· C. Text Project
· D. Video Project
49. Siswa menguji model untuk memastikan hasilnya sesuai dengan harapan.
· A. Audio Project
· B. Image Project
· C. Text Project
· D. Video Project
50. Siswa menyimpulkan bahwa Machine Learning membantu komputer mengenali objek.
· A. Audio Project
· B. Image Project
· C. Text Project
· D. Video Project
KUNCI JAWABAN
1. B
2. C
3. B
4. B
5. C
6. C
7. C
8. B
9. C
10. B
11. C
12. D
13. B
14. B
15. B
16. B
17. B
18. A
19. C
20. B
21. C
22. C
23. B
24. B
25. B
26. B
27. C
28. B
29. B
30. B
31. C
32. B
33. C
34. B
35. B
36. B
37. B
38. B
39. B
40. B
41. B
42. B
43. B
44. B
45. B
46. B
47. B
48. B
49. B
50. B