Getting Started
with Python
Tedi Sahrin
Pengenalan Data
Masalah
Masalah umum yang dihadapi banyak bisnis, di mana
informasi penting terabaikan dan peluang untuk
berkembang terlewatkan.
Solusi
“Mengubah Data Menjadi Wawasan”
Data yang tepat:
- Laporan penjualan harian untuk mengetahui jenis kopi mana yang
paling laris.
- Mengetahui jam-jam sibuk untuk mengoptimalkan jumlah staf.
- Menganalisis data promosi untuk melihat seberapa besar
dampaknya terhadap penjualan.
Data yang terkelola dengan baik memberikan wawasan untuk
membuat keputusan yang lebih strategis.
Pengertian
Data adalah kumpulan fakta mentah, angka, atau informasi yang belum
diolah.
DIKW Pyramid Data:
- Angka "50"
- nama "Cappuccino"
- harga "Rp25.000".
Informasi:
"Penjualan Cappuccino hari ini adalah 50 gelas
dengan total pendapatan Rp1.250.000."
Pengetahuan:
"Cappuccino adalah produk paling laris di toko ini
dan berkontribusi besar pada pendapatan."
Wawasan:
"Karena Cappuccino sangat populer, kita bisa
membuat promosi bundling 'Cappuccino + Kue'
untuk meningkatkan penjualan produk lain."
Jenis
Big Data
Case Study: Coffe Shop
- Volume
Seluruh data penjualan, stok, dan pelanggan dari 1000 cabang selama 5 tahun terakhir.
- Velocity
Data pesanan yang masuk secara real-time dan notifikasi dari aplikasi pemesanan online yang terus-
menerus mengalir.
- Variety
Meliputi data transaksi (terstruktur), gambar produk dari kamera pengawas (tidak terstruktur), dan review
pelanggan (teks tidak terstruktur).
- Veracity
Memastikan semua data penjualan yang dicatat oleh sistem POS adalah akurat dan tidak ada duplikasi.
- Value
Menganalisis data ini untuk menemukan tren, membuat rekomendasi produk yang dipersonalisasi, dan
mengoptimalkan manajemen stok, yang semuanya meningkatkan keuntungan.
Manfaat
Pengambilan Keputusan
Efisiensi Operasional
yang Lebih Baik
Prediksi Masa Depan Personalisasi Layanan
Pertanyaan?
It’s Kahoot Time..
Pengantar
Machine Learning
Masalah
Bagaimana kita bisa membuat komputer memprediksi dan
menemukan pola dari data secara otomatis, tanpa harus
menulis setiap aturan satu per satu?
Solusi Machine Learning (ML)
"Mesin" yang bisa belajar dari data historis untuk menemukan pola-pola yang rumit, dan
membuat prediksi atau keputusan tanpa perlu diprogram secara eksplisit.
Kita bisa:
- Mendeteksi Pola Kompleks
Bisa menemukan hubungan yang sangat kompleks antara ratusan variabel.
- Membuat Prediksi Otomatis
Model yang secara otomatis memprediksi probabilitas seorang nasabah akan gagal
bayar.
- Mengurangi Human Error
Keputusan yang dihasilkan oleh model ML lebih konsisten dan objektif.
Machine Learning vs. Traditional Programming
Traditional Programming
Contoh Kasus: Jika Anda ingin
merekomendasikan produk, Anda harus
Dalam pemrograman tradisional, seorang developer harus menulis setiap aturan secara
menulis logika seperti ini:
eksplisit.
IF pelanggan membeli "Kopi Latte":
● Input: Data transaksi.
● Program: Aturan yang ditulis oleh manusia.
REKOMENDASIKAN "Donat".
● Output: Rekomendasi.
ELSE IF pelanggan membeli "Cappuccino":
REKOMENDASIKAN "Croissant".
Keterbatasan: Aturan ini sangat kaku dan tidak bisa beradaptasi. Jika ada produk baru
atau preferensi pelanggan berubah, Anda harus mengubah kode secara manual. Program ELSE:
ini hanya bisa merekomendasikan apa yang sudah Anda ketahui dan masukkan ke dalam
REKOMENDASIKAN "Menu Promo".
kode.
Machine Learning vs. Traditional Programming
Machine Learning
Dalam Machine Learning, prosesnya dibalik. Kita memberikan data dan membiarkan Contoh Kasus:
algoritma menemukan polanya.
1. Pengumpulan Data: Kumpulkan ribuan
● Input: Data transaksi historis (pelanggan, produk yang dibeli bersamaan). data transaksi: [Pelanggan A, Beli Kopi
● Program: Model yang "belajar" dari data. Latte & Donat], [Pelanggan B, Beli
● Output: Aturan (pola atau model). Cappuccino & Croissant], dan
seterusnya.
2. Pelatihan Model: Berikan data ini ke
Keunggulan: Model ini secara otomatis menemukan pola yang mungkin tidak pernah algoritma Machine Learning (misalnya,
terpikirkan oleh manusia, bahkan dari jutaan data. Model akan merekomendasikan "Muffin" Association Rule Mining).
jika ada pelanggan membeli "Teh Matcha" tanpa perlu Anda menulis aturan itu. Jika tren 3. Hasil Model: Model akan menemukan
berubah, Anda hanya perlu melatih ulang model dengan data terbaru. pola seperti:
○ Kopi Latte -> Donat
○ Cappuccino -> Croissant
○ Teh Matcha -> Muffin
Tipe Machine Learning
Machine Learning vs. Traditional Programming
Traditional Programming Machine Learning
Logika Aturan eksplisit ditulis oleh manusia. Aturan ditemukan oleh algoritma dari
data.
Adaptasi Memerlukan perubahan kode manual. Dapat dilatih ulang dengan data baru.
Tujuan Menyelesaikan masalah terdefinisi Mengidentifikasi pola & membuat
jelas. prediksi.
Performa Terbatas pada aturan yang sudah Meningkat seiring dengan
ditentukan. bertambahnya data.
Posisi Machine Learning
Pertanyaan?
It’s Kahoot Time..
Mengapa Python?
Bahasa Pemrograman
“Kenapa Python?”
Kenapa Python?
Python umum di dunia teknologi karena tiga pilar utama:
1. Kemudahan dan Kecepatan Pengembangan
Sintaks Python yang mudah dibaca dan ringkas mengurangi waktu yang diperlukan untuk menulis, membaca, dan
memelihara kode.
1. Dukungan Komunitas dan Fleksibilitas
Python memiliki komunitas yang sangat aktif dan besar, yang berarti banyak sumber daya dan dukungan yang tersedia.
Fleksibilitasnya memungkinkan Python berintegrasi dengan bahasa lain (seperti C++ dan Java) untuk performa tinggi, dan
yang paling penting.
1. Ekosistem Library yang Luas
Ini adalah kekuatan terbesar Python. Untuk setiap masalah di bidang data, hampir pasti ada library Python yang bisa
menyelesaikannya.
○ Untuk AI & ML: Ada Scikit-learn (untuk model ML klasik), TensorFlow dan PyTorch (untuk deep learning dan
jaringan saraf tiruan / Neural Network), dan NLTK (untuk pemrosesan bahasa alami / NLP).
○ Untuk Data Analisis: Ada Pandas (untuk manipulasi data) dan NumPy (untuk komputasi numerik).
○ Untuk Visualisasi: Ada Matplotlib dan Seaborn (untuk membuat grafik yang informatif).
Kenapa Python?
Mudah
Komunitasnya Besar
Banyak library penunjang
Pertanyaan?
It’s Kahoot Time..
Menjalankan
Python
Menjalankan Python
CLI Python Script Notebook
Notebook
Jupyter Google Colab VSCode
Notebook
Jupyter Google Colab VSCode
1. Download 1. Buka 1. Download
[Link] [Link] [Link]
ad/success 2. Pilih “New Notebook” ad/success
2. Install 2. Install
3. Buka “Anacoda Navigator” 3. Pastikan bisa menjalankan “python”
4. Pilih “Notebook” / “Jupyter Lab” di terminal / cmd
4. Buka “Visual Studio Code”
5. Buka menu “Extentions”
6. Install Extention “Python” &
“Jupyter”
7. Buat file baru dengan filename
“nama_file.ipynb”
Mencoba Python
print(“Welcome to SMAN 1 Makkassar")
print(1 + 1)
Pertanyaan?
Syntax,
Indentation, dan
Print Statements
Syntax
Konsep
Syntax adalah aturan yang menentukan bagaimana menulis kode agar valid.
Jika melanggar aturan ini, Python akan menampilkan syntax error.
Contoh aturan sederhana:
- gunakan tanda kutip ('' atau "”) untuk teks
- tanda kurung () saat memanggil fungsi seperti print()
- dll
Praktik
Benar
print("Ini adalah teks yang benar")
print('Teks ini juga benar')
Salah
print("Teks ini salah') # Kutip pembuka & penutup berbeda
print(Teks ini juga salah) # Teks tidak diapit kutip
Indentation
Konsep
Indentation adalah spasi atau tab di awal baris kode.
Python menggunakannya untuk mendefinisikan blok kode, seperti dalam if statement.
Umumnya, satu tingkat indentasi adalah empat spasi. Jika Anda salah melakukannya,
Python akan memunculkan IndentationError.
Praktik
Benar
if 5 > 2:
print("5 lebih besar dari 2")
print("Indentasi di sini sangat penting")
Salah
if 5 > 2:
print("Baris ini salah karena tidak ada indentasi")
Pertanyaan?
Print
Konsep
Fungsi print() adalah perintah dasar untuk menampilkan output ke layar. Anda bisa
menampilkan berbagai jenis data dan menggabungkannya.
Praktik
print("Selamat datang di Coffee Shop!")
print('Analisis data hari ini:')
print(1500000)
print(1_500_000)
print("Jumlah pesanan hari ini:", 150)
print("Total pendapatan:", 1_500_000, "Rupiah")
# Contoh sep
print("Kopi", "Latte", "Donat", sep="-")
# Contoh end
print("Laporan pendapatan", end=" ")
print("sudah selesai.")
Pertanyaan?
It’s Kahoot Time..
Komentar dan
Keterbacaan
Kode
Masalah
Bagaimana kita bisa membuat kode kita mudah dipahami
oleh diri sendiri dan orang lain?
Solusi Komentar
Apa pun yang ditulis setelah simbol komentar ini dalam satu baris akan diabaikan oleh
interpreter Python. Komentar tidak memengaruhi cara kerja program Anda.
Gaya penulisan komentar:
1. Komentar Sebaris (#)
Digunakan untuk penjelasan singkat di samping baris kode.
1. Komentar Blok (#)
Digunakan untuk menjelaskan satu blok kode. Biasanya ditempatkan di atas blok
kode tersebut.
1. Docstring (""" """)
Ini adalah jenis khusus dari komentar blok yang digunakan untuk
mendokumentasikan blok kode yang lebih besar.
Praktik
# Ini adalah komentar satu baris yang menjelaskan kode di bawahnya.
print("Halo, selamat datang!")
print("Rp.", 200_000) # Ini adalah komentar dalam satu baris
"""
Ini adalah contoh komentar blok.
Komentar ini bisa digunakan untuk
penjelasan yang lebih panjang.
"""
print("Analisis data sedang dimulai...")
Praktik
# =======================================================
# Laporan Harian Sederhana
# =======================================================
# Mencetak informasi pendapatan harian
print("Total pendapatan harian:")
print(1500000) # Angka ini adalah total pendapatan hari ini
# Mencetak informasi jumlah pesanan
print("Jumlah pesanan:")
print(150) # Angka ini adalah total pesanan yang masuk
"""
=========================================================
Catatan Tambahan:
Laporan ini bisa digunakan untuk melihat performa harian
dan membuat keputusan promosi di masa depan.
=========================================================
"""
print("Laporan selesai.")
Pertanyaan?
It’s Kahoot Time..
Exercise
1. Tugas Essay
Petunjuk: Jawablah pertanyaan-pertanyaan berikut dengan jelas dan ringkas. Fokus pada pemahaman konsep dan cara Anda
berpikir.
1. Studi Kasus Coffee Shop dan 5V Big Data: Bayangkan Anda adalah manajer operasional di sebuah coffee shop. Jelaskan
bagaimana Anda bisa menerapkan setiap dari 5V Big Data (Volume, Velocity, Variety, Veracity, Value) untuk
mengoptimalkan operasional dan meningkatkan keuntungan. Berikan contoh spesifik untuk setiap V.
2. Machine Learning vs. Pemikiran Manusia: Jelaskan dengan kata-kata Anda sendiri, mengapa Machine Learning dapat
membantu pemilik coffee shop membuat keputusan yang lebih baik dibandingkan dengan hanya mengandalkan intuisi atau
pengalaman pribadi? Berikan satu contoh masalah yang sulit dipecahkan dengan intuisi tetapi mudah dipecahkan oleh
Machine Learning.
3. Peran Python dan Keterbacaan Kode: Mengapa Python menjadi "lingua franca" untuk Data Science? Berikan alasan-
alasan yang kuat. Lalu, mengapa penting untuk menulis kode yang mudah dibaca (readable code)? Jelaskan bagaimana
komentar dan gaya penulisan yang baik dapat membantu dalam proyek analisis data di coffee shop.
Exercise
2. Tugas Praktik
Petunjuk: Gunakan Notebook untuk menyelesaikan semua tugas di bawah ini. Pastikan untuk menambahkan komentar (#) di
setiap langkah untuk menjelaskan apa yang Anda lakukan.
1. Mencetak Informasi Sederhana:
○ Gunakan perintah print() untuk mencetak pesan "Selamat Datang di Analisis Data Coffee Shop!".
○ Cetak nama produk favorit Anda dari coffee shop.
○ Cetak satu baris angka yang menunjukkan total penjualan harian (misal: 1500000).
2. Mencetak dengan Gaya yang Berbeda:
○ Gunakan perintah print() untuk mencetak "Kopi", "Donat", dan "Croissant" dalam satu baris, dipisahkan oleh tanda
koma. (Hint: Gunakan parameter sep).
○ Cetak "Laporan penjualan" dan "sudah selesai" di baris yang sama. (Hint: Gunakan parameter end).
Exercise
2. Tugas Praktik
3. Membuat Struktur Kode dengan Indentasi:
○ Tulis sebuah if statement dengan kondisi 5000 > 1000.
○ Di dalamnya, gunakan indentasi yang benar (4 spasi) dan cetak dua pesan berbeda.
○ Tambahkan komentar di setiap baris print() untuk menjelaskan outputnya.
4. Membuat Kesalahan (Belajar dari Error):
○ Tulis sebuah print() statement yang sengaja Anda buat salah (misal: hilangkan tanda kutip atau kurung penutup).
○ Jalankan kode tersebut dan salin pesan error yang muncul.
○ Tambahkan komentar yang menjelaskan mengapa error tersebut terjadi.
5. Menggunakan Komentar & Keterbacaan:
○ Tulis kode untuk mencetak laporan sederhana (misal: nama produk dan harganya).
○ Di atas kode tersebut, gunakan komentar blok (#) untuk memberikan judul laporan.
○ Tambahkan komentar sebaris di setiap baris cetakan untuk menjelaskan apa yang dicetak.
○ Pastikan kode Anda memiliki spasi yang rapi dan mudah dibaca.