Pertanyaan Wawancara Data Scientist (2026)
Wawancara data scientist mencakup area yang luas: probabilitas dan statistik, dasar-dasar machine learning, SQL dan manipulasi data, studi kasus produk/analitik, dan pertanyaan perilaku. Campuran pastinya bergantung pada apakah peran tersebut lebih condong ke analitik, ML engineering, atau riset, jadi memperjelas fokus peran sejak awal sudah menjadi sinyal yang baik.
Untuk pertanyaan di bawah ini, pewawancara peduli pada ketelitian dan komunikasi. Bisakah Anda bernalar secara tepat tentang konsep statistik, memilih model yang benar untuk suatu masalah dan membenarkannya, menulis SQL yang benar, dan menerjemahkan pertanyaan bisnis yang ambigu menjadi analisis yang dapat diukur? Menyatakan asumsi dan menjelaskan trade-off sama pentingnya dengan angka akhir.
Latihlah menjelaskan konsep teknis secara sederhana, seolah-olah kepada stakeholder non-teknis. Sebagian besar pekerjaan ini — dan sebagian besar wawancaranya — adalah membuat analisis yang kuat menjadi mudah dipahami oleh orang yang akan bertindak berdasarkan analisis itu.
Pertanyaan Wawancara Data Scientist dan Cara Menjawabnya
1. Jelaskan trade-off antara bias dan variance.
Pendekatan: Definisikan kedua sumber error, lalu hubungkan dengan kompleksitas model: model sederhana mengalami underfitting (bias tinggi), model kompleks mengalami overfitting (variance tinggi). Kaitkan dengan tuas konkret — regularisasi, lebih banyak data, cross-validation — dan dekomposisi error total.
2. Apa itu p-value, dan apa yang tidak diberitahukannya?
Pendekatan: Definisikan sebagai P(data seekstrem ini | hipotesis nol benar). 'Tidak'-nya adalah kuncinya: ini bukan probabilitas hipotesis benar, dan signifikansi ≠ kepentingan praktis. Menyebutkan kesalahpahaman umum adalah sinyalnya.
3. Bagaimana Anda menangani dataset klasifikasi yang tidak seimbang?
Pendekatan: Mulai dengan metrik (accuracy menyesatkan; gunakan precision/recall, F1, AUC-PR). Lalu teknik: resampling (SMOTE, undersampling), bobot kelas, penyesuaian threshold. Tekankan evaluasi pada distribusi yang sebenarnya.
4. Kapan Anda akan menggunakan random forest vs gradient boosting?
Pendekatan: Bandingkan bagging (paralel, pengurangan variance, tahan overfitting) dengan boosting (sekuensial, pengurangan bias, akurasi lebih tinggi tapi lebih sensitif terhadap tuning). Sebutkan biaya pelatihan dan trade-off interpretabilitas.
5. Tulis query SQL untuk menemukan gaji tertinggi kedua per departemen.
Pendekatan: Gunakan window function: DENSE_RANK() OVER (PARTITION BY dept ORDER BY salary DESC), filter rank = 2. Diskusikan perbedaan penanganan nilai seri antara RANK, DENSE_RANK, dan ROW_NUMBER.
6. Bagaimana Anda mendeteksi dan menangani outlier?
Pendekatan: Bedakan kesalahan data dari nilai ekstrem yang asli. Metode: IQR, z-score, ambang domain, visualisasi. Keputusan yang perlu diucapkan: menghapus sinyal asli bisa membuat model bias — investigasi sebelum menghapus.
7. Rancang A/B test untuk algoritma rekomendasi baru.
Pendekatan: Definisikan hipotesis, metrik utama, dan guardrail. Hitung ukuran sampel dari MDE dan power. Bahas unit randomisasi, efek novelty, dan kapan harus berhenti. Daftarkan kriteria keberhasilan sebelumnya.
8. Jelaskan bagaimana Anda akan mengevaluasi model yang berkinerja baik secara offline tapi buruk di produksi.
Pendekatan: Investigasi distribution shift, train/serve skew, leakage pada data offline, dan feedback loop. Usulkan monitoring dan shadow deployment. Pemikiran sistemik adalah yang diuji.
9. Apa perbedaan antara regularisasi L1 dan L2?
Pendekatan: L1 (Lasso) menginduksi sparsity dan melakukan seleksi fitur; L2 (Ridge) menyusutkan koefisien secara halus. Jelaskan secara geometris mengapa sudut-sudut L1 membuat bobot menjadi nol, dan kapan masing-masing lebih disukai.
10. Ceritakan saat analisis Anda mengubah sebuah keputusan bisnis.
Pendekatan: Gunakan STAR. Tunjukkan pertanyaannya, metode Anda, dan yang terpenting, komunikasi yang mendorong tindakan. Kuantifikasi hasilnya. Data scientist yang tidak bisa mempengaruhi keputusan tidak akan dipekerjakan.
Dapatkan bantuan real-time dalam wawancara data scientist Anda
Selama wawancara data science langsung, Natively mentranskrip pertanyaan dan dapat menampilkan definisi, rumus, atau pola SQL yang Anda butuhkan secara real-time di perangkat Anda — berguna saat rasa gugup membuat konsep yang familiar sejenak terlupakan.
