Lewati ke isi

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:

  1. Membuat dan mengaktifkan virtual environment.
  2. Memasang pustaka dan memeriksanya.
  3. Skrip Python vs Jupyter Notebook.
  4. 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

python -m venv .venv
.venv\Scripts\Activate.ps1
python3 -m venv .venv
source .venv/bin/activate

Setelah aktif, prompt biasanya berawalan (.venv). Semua pip install berikutnya hanya memengaruhi lingkungan ini.

Langkah 2: pasang pustaka

Repositori ini menyediakan requirements-ml.txt:

pip install -r 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):

check_environment.py
import importlib
import sys

print(f"Python {sys.version_info.major}.{sys.version_info.minor}")

for name in ["numpy", "pandas", "matplotlib", "seaborn", "sklearn"]:
    try:
        module = importlib.import_module(name)
        print(f"{name:<12} OK (versi {module.__version__})")
    except ImportError:
        print(f"{name:<12} BELUM TERPASANG")

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

  1. Tetapkan seed acak: np.random.default_rng(42) dan random_state=42 pada fungsi scikit-learn.
  2. Catat versi pustaka (pip freeze > requirements-lock.txt).
  3. Jangan mengubah data mentah; simpan hasil olahan di berkas terpisah.
  4. 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.

python_basics.py
1
2
3
4
5
6
7
# 1. Variabel dan tipe data dasar
name = "Rina"          # str  : teks
age = 21               # int  : bilangan bulat
height = 1.62          # float: bilangan desimal
is_student = True      # bool : benar/salah
print(name, age, height, is_student)
print(type(name).__name__, type(age).__name__, type(height).__name__, type(is_student).__name__)
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.

Rina 21 1.62 True
str int float bool

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.

python_basics.py
# 2. List: kumpulan nilai berurutan; indeks dimulai dari 0
scores = [80, 75, 90, 60]
print("\nscores        :", scores)
print("pertama/terakhir:", scores[0], scores[-1])
print("irisan [1:3]  :", scores[1:3], "(indeks 1 dan 2; indeks 3 tidak ikut)")
scores.append(95)
print("setelah append:", scores, "| jumlah elemen:", len(scores))
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
# 3. Dictionary: pasangan kunci -> nilai
student = {"name": name, "age": age, "scores": scores}
print("\nstudent['age'] :", student["age"])
print("kunci          :", list(student.keys()))
student['age'] : 21
kunci          : ['name', 'age', 'scores']

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
# 4. Perulangan (for) dan percabangan (if)
total = 0
for s in scores:
    total = total + s
mean = total / len(scores)
print("\ntotal %d, rata-rata %.1f" % (total, mean))
if mean >= 75:
    status = "lulus"
else:
    status = "belum lulus"
print("status:", status)

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.

total 400, rata-rata 80.0
status: lulus

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
# 5. Fungsi: kode yang dapat dipakai ulang; parameter = masukan, return = keluaran
def average(values):
    return sum(values) / len(values)


print("\naverage(scores) =", average(scores))
print("average([10, 20]) =", average([10, 20]))
average(scores) = 80.0
average([10, 20]) = 15.0

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
# 6. Kondisi boolean dan list comprehension (menyaring dengan satu baris)
print("\nscores >= 75 ?", [s >= 75 for s in scores])
passed = [s for s in scores if s >= 75]
print("nilai yang lulus:", passed)
scores >= 75 ? [True, True, True, False, True]
nilai yang lulus: [80, 75, 90, 95]

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
# 7. Kesalahan umum: indeks di luar rentang
try:
    scores[10]
except IndexError as error:
    print("\nIndexError:", error)
IndexError: list index out of range

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)
python_basics.py
# 1. Variabel dan tipe data dasar
name = "Rina"          # str  : teks
age = 21               # int  : bilangan bulat
height = 1.62          # float: bilangan desimal
is_student = True      # bool : benar/salah
print(name, age, height, is_student)
print(type(name).__name__, type(age).__name__, type(height).__name__, type(is_student).__name__)

# 2. List: kumpulan nilai berurutan; indeks dimulai dari 0
scores = [80, 75, 90, 60]
print("\nscores        :", scores)
print("pertama/terakhir:", scores[0], scores[-1])
print("irisan [1:3]  :", scores[1:3], "(indeks 1 dan 2; indeks 3 tidak ikut)")
scores.append(95)
print("setelah append:", scores, "| jumlah elemen:", len(scores))

# 3. Dictionary: pasangan kunci -> nilai
student = {"name": name, "age": age, "scores": scores}
print("\nstudent['age'] :", student["age"])
print("kunci          :", list(student.keys()))

# 4. Perulangan (for) dan percabangan (if)
total = 0
for s in scores:
    total = total + s
mean = total / len(scores)
print("\ntotal %d, rata-rata %.1f" % (total, mean))
if mean >= 75:
    status = "lulus"
else:
    status = "belum lulus"
print("status:", status)


# 5. Fungsi: kode yang dapat dipakai ulang; parameter = masukan, return = keluaran
def average(values):
    return sum(values) / len(values)


print("\naverage(scores) =", average(scores))
print("average([10, 20]) =", average([10, 20]))

# 6. Kondisi boolean dan list comprehension (menyaring dengan satu baris)
print("\nscores >= 75 ?", [s >= 75 for s in scores])
passed = [s for s in scores if s >= 75]
print("nilai yang lulus:", passed)

# 7. Kesalahan umum: indeks di luar rentang
try:
    scores[10]
except IndexError as error:
    print("\nIndexError:", error)

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

  1. Buat venv baru dan jalankan check_environment.py. Apakah semua pustaka berstatus OK?
  2. Tambahkan pemeriksaan scipy pada skrip tersebut.
  3. 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.