Lingkungan Python untuk Data Mining¶
Gambaran singkat¶
Apa ini? Menyiapkan "ruang kerja" Python untuk proyek: lingkungan terisolasi, pustaka, dan kebiasaan agar hasil bisa diulang.
Analogi
Setiap proyek memakai kotak perkakas sendiri. Jika semua perkakas dicampur di satu laci, mengganti satu alat bisa merusak proyek lain.
Mengapa penting? Banyak masalah pemula berasal dari versi pustaka yang bentrok atau hasil yang berubah tiap dijalankan. Lingkungan yang rapi mencegah keduanya.
Yang akan dipelajari, berurutan:
- Membuat dan mengaktifkan virtual environment.
- Memasang pustaka dan memeriksanya.
- Skrip Python vs Jupyter Notebook.
- Kebiasaan agar hasil dapat diulang (reproducible).
Istilah awal:
| Istilah | Arti sederhana |
|---|---|
| Virtual environment | Ruang Python terpisah per proyek |
| Skrip / notebook | Berkas program biasa / dokumen interaktif berisi kode dan hasil |
| Reproducible | Hasil sama jika dijalankan ulang |
| Seed | Angka awal agar bilangan acak selalu sama |
Tujuan pembelajaran¶
- Membuat virtual environment yang terisolasi untuk proyek.
- Memasang pustaka yang dibutuhkan dan memeriksa bahwa semuanya berfungsi.
- Membedakan skrip Python dan Jupyter Notebook, serta kapan memakainya.
- Menerapkan kebiasaan dasar agar hasil eksperimen dapat diulang (reproducible).
Mengapa perlu lingkungan terisolasi?¶
Setiap proyek bisa membutuhkan versi pustaka yang berbeda. Jika semuanya dipasang di satu tempat, pembaruan untuk proyek A dapat merusak proyek B. Virtual environment (venv) membuat salinan Python dan pustaka khusus untuk satu proyek. Ini juga membuat hasil lebih mudah direproduksi: Anda dapat mencatat versi persis yang dipakai.
Langkah 1: buat dan aktifkan venv¶
Setelah aktif, prompt biasanya berawalan (.venv). Semua pip install berikutnya hanya memengaruhi lingkungan ini.
Langkah 2: pasang pustaka¶
Repositori ini menyediakan requirements-ml.txt:
Pustaka inti: NumPy (array numerik), pandas (data tabular), Matplotlib dan Seaborn (visualisasi), scikit-learn (algoritma dan pipeline). statsmodels dipakai pada bab Forecasting dan mlxtend pada bab Aturan Asosiasi.
Yang sudah dan belum diuji
Contoh pada materi ini dijalankan dengan Python 3.14, NumPy 2.5, pandas 3.0, dan scikit-learn 1.9. Paket jupyter tercantum sebagai opsional dan tidak diuji pada materi ini. Versi lain dapat menghasilkan angka atau tampilan yang sedikit berbeda.
Langkah 3: periksa instalasi¶
Tujuan. Memastikan semua pustaka dapat diimpor sebelum mulai belajar, supaya galat instalasi tidak bercampur dengan galat kode materi.
Kode (check_environment.py):
Penjelasan kode.
| Baris | Arti |
|---|---|
| 1–2 | import memuat modul. importlib memungkinkan mengimpor pustaka dari nama berupa teks; sys memberi informasi tentang Python yang berjalan. |
| 4 | sys.version_info berisi versi Python; f-string (f"...") menyisipkan nilai variabel ke dalam teks. |
| 6 | for name in [...] mengulang blok di bawahnya untuk tiap nama pustaka dalam list. Perhatikan sklearn: nama paket scikit-learn saat diimpor adalah sklearn. |
| 7–9 | try mencoba mengimpor. Bila berhasil, cetak OK beserta __version__ (nomor versi pustaka). |
| 10–11 | except ImportError dijalankan hanya bila pustaka belum terpasang, sehingga program tidak berhenti dengan galat. |
Hasil pada lingkungan penulis:
Python 3.14
numpy OK (versi 2.5.4)
pandas OK (versi 3.0.6)
matplotlib OK (versi 3.11.2)
seaborn OK (versi 0.13.2)
sklearn OK (versi 1.9.1)
Jika ada pustaka berstatus BELUM TERPASANG, ulangi langkah 2 pada venv yang aktif. Nomor versi Anda boleh berbeda dari di atas; yang penting semua baris berstatus OK.
Skrip atau Notebook?¶
Skrip .py |
Jupyter Notebook | |
|---|---|---|
| Cocok untuk | Kode yang dijalankan ulang, diuji, dan disimpan di Git | Eksplorasi interaktif, EDA, presentasi hasil |
| Kelebihan | Mudah dibaca ulang dan di-diff, urutan eksekusi jelas | Kode, grafik, dan catatan dalam satu dokumen |
| Risiko | Kurang interaktif | Sel dijalankan tidak berurutan sehingga hasil tidak dapat diulang |
Materi ini memakai skrip sebagai sumber contoh, sehingga setiap keluaran yang ditampilkan benar-benar berasal dari program yang dijalankan. Anda boleh menyalin kodenya ke notebook. Bila memakai notebook, jalankan Restart & Run All sebelum mempercayai hasilnya.
Kebiasaan agar hasil dapat diulang¶
- Tetapkan seed acak:
np.random.default_rng(42)danrandom_state=42pada fungsi scikit-learn. - Catat versi pustaka (
pip freeze > requirements-lock.txt). - Jangan mengubah data mentah; simpan hasil olahan di berkas terpisah.
- Pisahkan data uji sejak awal (lihat Data Latih, Validasi, dan Uji).
Python minimum yang dipakai di materi¶
Bagian ini memperkenalkan potongan Python yang akan terus muncul. Jalankan examples/fundamentals/python_basics.py sambil membaca; tiap langkah di bawah mengutip bagian kodenya dan menunjukkan keluarannya.
Langkah 1: variabel dan tipe data¶
Konsep. Variabel adalah nama yang menunjuk ke sebuah nilai. Tanda = berarti penugasan ("simpan nilai di kanan ke nama di kiri"), bukan "sama dengan" seperti dalam matematika. Tiap nilai memiliki tipe.
| Tipe | Contoh | Dipakai untuk |
|---|---|---|
str (string) |
"Rina" |
Teks, nama kolom |
int |
21 |
Bilangan bulat, hitungan |
float |
1.62 |
Bilangan desimal, ukuran |
bool |
True |
Hasil perbandingan; benar/salah |
type(x).__name__ menampilkan nama tipe. Teks setelah # adalah komentar: dibaca manusia, diabaikan Python.
Mengapa penting. Banyak galat pemula berasal dari tipe: misalnya "21" (teks) tidak dapat dijumlahkan seperti 21 (angka). Di pandas, kolom berisi angka yang terbaca sebagai teks menyebabkan hasil aneh.
Langkah 2: list, indeks, dan irisan¶
Konsep. List adalah daftar berurutan dalam kurung siku. Setiap elemen memiliki indeks yang dimulai dari 0; indeks negatif menghitung dari belakang (-1 = terakhir). Irisan ([a:b]) mengambil indeks a sampai sebelum b.
| Ekspresi | Hasil | Penjelasan |
|---|---|---|
scores[0] |
80 |
Elemen pertama |
scores[-1] |
60 |
Elemen terakhir |
scores[1:3] |
[75, 90] |
Indeks 1 dan 2 (indeks 3 tidak ikut) |
scores.append(95) |
menambah 95 di akhir |
Metode append mengubah list yang sudah ada |
len(scores) |
5 |
Jumlah elemen |
scores : [80, 75, 90, 60]
pertama/terakhir: 80 60
irisan [1:3] : [75, 90] (indeks 1 dan 2; indeks 3 tidak ikut)
setelah append: [80, 75, 90, 60, 95] | jumlah elemen: 5
Langkah 3: dictionary¶
Konsep. Dictionary menyimpan pasangan kunci → nilai dalam kurung kurawal; nilai diambil dengan kuncinya, bukan nomor urut. Pola ini mirip satu baris data atau satu set parameter model ({"C": 1, "gamma": 0.01}).
| python_basics.py | |
|---|---|
Langkah 4: perulangan dan percabangan¶
Konsep. for mengulang blok kode untuk setiap elemen. if/else memilih jalur berdasarkan kondisi benar atau salah. Indentasi (4 spasi) menentukan kode mana yang termasuk blok; indentasi yang salah menyebabkan galat atau perilaku keliru.
| python_basics.py | |
|---|---|
Penjelasan: variabel total dimulai dari 0 lalu bertambah dengan setiap s; setelah perulangan selesai, mean = total / len(scores). mean >= 75 adalah ekspresi boolean yang bernilai True atau False. Pada format %d dan %.1f, angka dimasukkan ke dalam teks sebagai bilangan bulat dan desimal satu angka di belakang koma.
Hasil: 80 + 75 + 90 + 60 + 95 = 400, dibagi 5 elemen = 80,0; karena 80,0 ≥ 75, status lulus.
Langkah 5: fungsi¶
Konsep. Fungsi adalah blok kode bernama yang dapat dipakai ulang. Nilai yang diterimanya disebut parameter (values); nilai yang dikembalikan lewat return adalah keluaran. Fungsi mencegah penulisan kode yang sama berulang kali, dan hampir semua pustaka ML berupa kumpulan fungsi.
| python_basics.py | |
|---|---|
average(scores) menghitung 400 / 5 = 80,0, sedangkan average([10, 20]) = 15,0: fungsi yang sama dipakai untuk data berbeda.
Langkah 6: kondisi boolean dan list comprehension¶
Konsep. Membandingkan nilai menghasilkan True/False. List comprehension [ekspresi for x in daftar if kondisi] membangun list baru secara ringkas. Pola penyaringan ini mirip boolean mask pada NumPy dan pandas.
| python_basics.py | |
|---|---|
Baris pertama menunjukkan hasil perbandingan tiap nilai terhadap 75; baris kedua hanya menyimpan nilai yang memenuhi syarat.
Langkah 7: membaca pesan galat¶
| python_basics.py | |
|---|---|
scores hanya punya indeks 0 sampai 4, jadi scores[10] menimbulkan IndexError. try/except menangkap galat agar program lanjut; biasanya Anda tidak menangkapnya, tetapi membaca pesannya: nama galat (IndexError) menunjukkan jenis masalah dan baris yang disebut menunjukkan lokasinya.
Program lengkap (python_basics.py)
Bila bagian ini terasa terlalu cepat, pelajari tutorial resmi: docs.python.org/3/tutorial.
Kesalahan umum¶
Hindari
- Memasang pustaka tanpa mengaktifkan venv (pustaka masuk ke Python sistem).
- Menjalankan notebook tidak berurutan lalu menganggap hasilnya sah.
- Tidak menetapkan seed sehingga angka berubah setiap dijalankan.
- Mencampur versi pustaka antar proyek tanpa mencatatnya.
Latihan¶
- Buat venv baru dan jalankan
check_environment.py. Apakah semua pustaka berstatusOK? - Tambahkan pemeriksaan
scipypada skrip tersebut. - Jalankan
np.random.default_rng(1).integers(0, 10, 5)dua kali. Apakah hasilnya sama? Ganti seed menjadi 2 dan amati.
Ringkasan¶
- Gunakan venv per proyek dan catat versi pustaka.
- Pasang pustaka dari
requirements-ml.txt, lalu verifikasi dengan skrip pemeriksaan. - Skrip cocok untuk kode yang diulang; notebook untuk eksplorasi, dengan disiplin urutan eksekusi.
- Seed acak dan pencatatan versi adalah dasar reproduksibilitas.
Berikutnya: NumPy.