MODUL PANDUAN DASAR PEMROGRAMAN PYTHON

(Sekolah Menengah Kejuruan 3 Perguruan Cikini)

Disusun oleh:

1. Dhani Mudhaffar Indrianto (50424319)

2. Hanan Habibi Avrilian (50424514)
3. Muhammad Nabiil Taqiy (50424879)
4. Nanda Murdani (51424005)
5. Parlin Samuel Aruan (51424067)

FAKULTAS TEKNOLOGI INDUSTRI

PROGRAM STUDI INFORMATIKA
UNIVERSITAS GUNADARMA
2025
 DAFTAR ISI

DAFTAR ISI............................................................................................................................. ii
KATA PENGANTAR .............................................................................................................iii
1. Bahasa Pemrograman ...................................................................................................... 1
1.1 Jenis-Jenis Bahasa Pemrograman .............................................................................. 1
1.1.1 Low Level .............................................................................................................. 1
1.1.2 Mid Level ............................................................................................................... 1
1.1.3 High Level ............................................................................................................. 1
2. Python ................................................................................................................................ 2
2.1 Sekilas Tentang Python.............................................................................................. 2
2.2 Perkembangan Python ............................................................................................... 2
2.3 Struktur Dasar Python ................................................................................................ 3
2.3.1 Statement dan Eksekusi ......................................................................................... 3
2.3.2 Variabel dan Tipe Data .......................................................................................... 3
2.4 Fungsi Program Python.............................................................................................. 4
2.4.1 Berperan Optimal Untuk Scripting & Otomatisasi ................................................ 4
2.4.2 Analisis Data .......................................................................................................... 5
2.4.3 Mengoptimalkan Sistem Machine Learning .......................................................... 5
2.4.4 Tes Software .......................................................................................................... 5
2.4.5 Robotics ................................................................................................................. 5
3. Aplikasi Text Editor Python ............................................................................................ 6
3.1 Visual Studio Code .................................................................................................... 6
3.1.2 Cara Menjalankan Program Python di Visual Studio Code................................... 6
3.2 Notepad ++ ................................................................................................................ 8
3.2.1 Cara Menjalankan Program Python di Notepad++ ................................................ 8
4. Pengenalan Program Python ......................................................................................... 12
4.1 Pengenalan Dasar-Dasar Pemrograman Python ...................................................... 12
4.1.1 Apa itu Print Dalam Python ................................................................................. 12
4.1.2 Apa itu Komentar Dalam Python ......................................................................... 13
4.1.3 Apa itu Variabel ................................................................................................... 14
4.1.4 Tipe Data Dasar Dalam Python ........................................................................... 15
4.2 Konversi (Casting) Tipe Data .................................................................................. 18

ii
 4.3 Input ......................................................................................................................... 21
4.4 Operator Aritmatika ................................................................................................. 22
4.5 Operator Perbandingan ............................................................................................ 23
4.6 Operator Logika dan Alur Kontrol .......................................................................... 25
5. Pengantar Analisis Data ................................................................................................. 30
5.1 Google Collaboratory (Google Colab)..................................................................... 31
5.1.1 Library Import...................................................................................................... 34
5.1.2 Pandas .................................................................................................................. 34
5.1.3 Numpy.................................................................................................................. 36
5.2 Koleksi Data............................................................................................................. 38
5.2.1 Web Scraping ....................................................................................................... 38
5.3 Visualisasi Data ....................................................................................................... 39
5.3.1 Pra-Pemrosesan Data ........................................................................................... 39
5.3.2 Visualisasi Data: Barchart.................................................................................... 40
5.3.3 Pra-Pemrosesan Data Lanjut ................................................................................ 41
5.3.4 Visualisasi Data Dengan Diagram Lain ............................................................... 43
5.4 Latihan ..................................................................................................................... 45
DAFTAR PUSTAKA ............................................................................................................. 46

ii
 KATA PENGANTAR

Puji syukur ke hadirat Tuhan Yang Maha Esa, karena dengan rahmat dan karunia-Nya modul
ini dapat disusun sebagai panduan belajar pemrograman Python secara praktis dan aplikatif.
Modul ini dirancang untuk membantu pelajar memahami konsep dasar pemrograman Java
melalui latihan langsung, agar mampu menulis program sederhana serta memahami logika
algoritma secara terstruktur.

Modul ini disusun dengan pendekatan praktik langsung (hands-on practice) sehingga pembaca
tidak hanya memahami teori tetapi juga dapat langsung menerapkan konsep yang dipelajari
melalui contoh program dan latihan yang tersedia. Setiap bab disusun secara berurutan agar
pembaca dapat membangun pemahaman bertahap, mulai dari konsep dasar hingga penerapan
sederhana dalam bentuk proyek kecil.

Penulis menyadari bahwa modul ini masih memiliki keterbatasan. Oleh karena itu, kritik dan
saran yang membangun dari pembaca sangat diharapkan untuk penyempurnaan modul ini pada
masa yang akan datang. Semoga modul ini dapat memberikan manfaat bagi dunia pendidikan
dan menjadi sumber belajar yang membantu meningkatkan kemampuan logika dan
pemrograman para pembaca.

Akhir kata, semoga modul ini dapat bermanfaat bagi semua pihak yang mempelajarinya, bagi
para siswa/siswi tingkat untuk SMK 3 Perguruan Cikini dan menjadi inspirasi untuk terus
berinovasi dalam bidang TIK.

Depok, Oktober 2025

Penulis

iii
1. Bahasa Pemrograman

Bahasa pemrograman adalah sistem komunikasi antara manusia dan mesin yang digunakan
untuk menginstruksikan komputer dalam melakukan tugas tertentu. Bahasa pemrograman
memungkinkan pengembang untuk menulis kode yang terstruktur dan dapat dipahami oleh
perangkat komputer. Setiap bahasa pemrograman memiliki sintaks dan aturan tertentu yang
perlu diikuti.

1.1 Jenis-Jenis Bahasa Pemrograman

1.1.1 Low Level

Bahasa pemrograman tingkat rendah (low-level) adalah jenis bahasa yang
mendekati langsung dengan bahasa mesin dan perangkat keras. Contohnya,
Bahasa Assembly menggunakan instruksi mesin spesifik untuk arsitektur
perangkat keras tertentu. Bahasa ini pengendalian yang sangat mendetail
terhadap perangkat keras komputer, namun sulit dipahami karena memerlukan
pemahaman mendalam tentang struktur dan operasi perangkat keras yang
spesifik.
1.1.2 Mid Level
Bahasa pemrograman tingkat menengah berada di tengah-tengah antara bahasa
tingkat rendah dan tinggi dalam hal abstraksi. Contohnya adalah C dan C++.
Bahasa ini menawarkan abstraksi lebih tinggi dari perangkat keras dari pada
Bahasa Assembly, tetapi tidak sekompleks bahasa tingkat tinggi seperti Python
atau Java. Bahasa ini sering digunakan untuk pengembangan perangkat lunak
sistem dan aplikasi yang membutuhkan kontrol perangkat keras sedang dan
portabilitas kode yang baik antar platform.
1.1.3 High Level
Bahasa pemrograman tingkat tinggi menawarkan abstraksi yang tinggi dari
perangkat keras, mirip dengan bahasa manusia dalam sintaksis dan struktur.
Contoh-contohnya termasuk Python, Java, JavaScript, dan Ruby. Karakteristik
utamanya adalah kemudahan penggunaan dengan sintaksis yang bersih dan
terstruktur, mirip dengan bahasa sehari-hari. Bahasa ini juga sering dilengkapi
dengan pustaka standar kaya fungsi, yang mempercepat pengembangan
perangkat lunak untuk berbagai aplikasi.

1
2. Python

2.1 Sekilas Tentang Python

Python adalah salah satu bahasa pemrograman yang dapat melakukan eksekusi
sejumlah instruksi multi guna secara langsung (interpretatif) dengan metode orientasi objek
(Object Oriented Programming) serta menggunakan semantik dinamis untuk memberikan
tingkat keterbacaan syntax. Sebagian lain mengartikan Python sebagai bahasa yang
kemampuan, menggabungkan kapabilitas, dan sintaksis kode yang sangat jelas, dan juga
dilengkapi dengan fungsionalitas pustaka standar yang besar serta komprehensif. Walaupun
Python tergolong bahasa pemrograman dengan level tinggi, nyatanya Python dirancang
sedemikian rupa agar mudah dipelajari dan dipahami.
Python sendiri menampilkan fitur-fitur menarik sehingga layak untuk Anda pelajari.
Pertama, Python memiliki tata bahasa dan script yang sangat mudah untuk dipelajari. Python
juga memiliki sistem pengelolaan data dan memori otomatis. Selain itu modul pada Python
selalu diupdate. Ditambah lagi, Python juga memiliki banyak fasilitas pendukung. Python
banyak diaplikasikan pada berbagai sistem operasi seperti Linux, Microsoft Windows, Mac
OS, Android, Symbian OS, Amiga, Palm dan lain-lain.
Python dibuat dan dikembangkan oleh Guido Van Rossum, yaitu seorang programmer
yang berasal dari Belanda. Pembuatannya berlangsung di kota Amsterdam, Belanda pada tahun
1990. Pada tahun 1995 Python dikembangkan lagi agar lebih kompatibel oleh Guido Van
Rossum. Selanjutnya pada awal tahun 2000, terdapat pembaharuan versi Python hingga
mencapai Versi 3 sampai saat ini. Pemilihan nama Python sendiri diambil dari sebuah acara
televisi yang lumayan terkenal yang bernama Monty Python Flying Circus yang merupakan
acara sirkus favorit dari Guido van Rossum.

2.2 Perkembangan Python

Python pertama kali muncul pada tahun 1991 dengan perilisan versi 0.9.0. Bahasa ini
dirancang untuk menjadi bahasa pemrograman yang mudah dibaca dan sederhana. Salah satu
prinsip desain utama Python adalah “batteries included”, yang berarti bahasa ini menyediakan
banyak pustaka standar yang dapat digunakan oleh para pengembang tanpa harus menginstal
komponen tambahan.

2
 Versi pertama yang dikenal dengan nama Python 1.0 dirilis pada Januari 1994. Python
2.0 dirilis pada tahun 2000, yang memperkenalkan berbagai perubahan signifikan dalam bahasa
ini. Python 2.0 adalah versi utama yang digunakan selama lebih dari satu dekade, dan banyak
proyek besar dan terkenal masih menggunakan Python 2. Namun, dukungan resmi untuk
Python 2 berakhir pada tahun 2020, dan pengembang secara aktif mendorong untuk beralih ke
Python 3.
Python 3.0 dirilis pada tahun 2008 dan membawa sejumlah perubahan penting dalam
bahasa, termasuk penyederhanaan sintaksis dan perbaikan dalam manajemen karakter dan
string. Ini adalah versi yang telah menjadi dasar bagi perkembangan Python hingga saat ini.

2.3 Struktur Dasar Python

Struktur dasar Python meliputi statement, variabel dan tipe data, struktur kontrol, dan
fungsi. Program dieksekusi baris demi baris, dan blok kode ditentukan oleh indentasi, bukan
tanda kurung kurawal. Python juga memiliki empat struktur data bawaan utama: list, tuple, set,
dan dictionary.

2.3.1 Statement dan Eksekusi

Sebuah program Python terdiri dari serangkaian pernyataan atau instruksi yang
dijalankan secara berurutan dari atas ke bawah. Penentu blok kode dilakukan
dengan menggunakan indentasi (spasi atau tab), bukan kurung kurawal seperti
di bahasa lain.
2.3.2 Variabel dan Tipe Data
Variabel digunakan untuk menyimpan data. Penamaannya harus deskriptif,
hanya boleh terdiri dari huruf, angka, dan garis bawah (_), dan tidak boleh
diawali angka.

Python memiliki berbagai tipe data bawaan, seperti:

a. int (bilangan bulat).
b. float (bilangan desimal).
c. str (teks/string).
d. bool (nilai benar atau salah).
e. list, tuple, set, dan dictionary (struktur data koleksi).
Python secara otomatis mengenali tipe data variabel secara dinamis.

3
 2.3.3 Struktur Kontrol
a. Percabangan: Menggunakan if, elif, dan else untuk menjalankan kode
berdasarkan kondisi tertentu.
b. Perulangan: Menggunakan for dan while untuk mengulang blok kode beberapa
kali.
c. Kueri: Memungkinkan penggunaan struktur seperti list comprehensions.
2.3.4 Fungsi
Fungsi memungkinkan pengelompokan blok kode yang dapat digunakan
kembali untuk melakukan tugas tertentu, sehingga membuat kode lebih modular
dan terorganisir.
2.3.5 Struktur Data
a. List: Koleksi objek yang dapat diubah (mutable) dan berurutan, misalnya [1,
2, 3].
b. Tuple: Koleksi objek yang tidak dapat diubah (immutable) dan berurutan,
misalnya (1, 2, 3).
c. Set: Kumpulan item yang unik dan tidak berurutan.
d. Dictionary: Koleksi pasangan kunci-nilai (key-value pairs) yang tidak
berurutan dan dapat diubah.

2.4 Fungsi Program Python

Python bisa digunakan dalam pengembangan software maupun situs web. Visualisasi
data maupun otomatisasi tugas juga dapat mengandalkan Python. Python juga relatif mudah
dipelajari, karena itu Python diandalkan banyak mereka yang bukan programmer secara
langsung. Misalnya ilmuwan, akuntan dan lain sebagainya dalam menjalankan berbagai tugas
mereka sehari-hari.

2.4.1 Berperan Optimal Untuk Scripting & Otomatisasi

Bahasa pemrograman satu ini bisa menyokong dengan baik pengembangan
sistem scripting maupun otomatisasi. Python menyediakan berbagai macam
kode dan fitur yang dapat membuat kedua proses tersebut lebih mudah. Saking
sangat mudahnya, Python sering dimanfaatkan programmer yang masih pemula
atau yang baru mulai masuk dunia scripting.

4
2.4.2 Analisis Data
Fungsi Python yang sering dimanfaatkan banyak masyarakat modern sekarang
adalah membantu analisis data. Python bisa memungkinkan analis maupun para
profesional lainnya menyelesaikan perhitungan statistik bahkan yang kompleks
sekali pun. Visualisasi data pun bisa dibuat dengan lebih mudah dan optimal
melalui kehebatan Python.
2.4.3 Mengoptimalkan Sistem Machine Learning
Python mampu juga membangun dengan baik algoritma untuk machine learning
sambil menganalisis atau melakukan manipulasi data. Berbagai tugas yang
terkait data lain juga bisa diselesaikan dengan lebih mudah saat menggunakan
Python.
2.4.4 Tes Software
Software development menjadi apa yang dibutuhkan banyak perusahaan
sekarang ini. Python adalah salah satu tool handal untuk menuntaskan berbagai
tugas misalnya testing, melacak bug, membangun kontrol, dan sebagainya.
Dengan mengandalkan Python, maka para developer software bisa
mengotomatiskan pengujian mumpuni untuk fitur atau produk baru. Banyak
fitur di Python yang dapat digunakan untuk tes software.
2.4.5 Robotics
Robot adalah cermin nyata dari teknologi yang terus berkembang. Python
adalah bahasa pemrograman yang paling banyak digunakan untuk
pengembangan teknologi robot ini. Salah satu contoh penggunaan Python dalam
teknologi robot adalah Trash Collector. Robot Trash Collector mampu
mendeteksi sampah, memungut, dan meletakkannya di tempat yang tepat. Trash
Collector dibuat menggunakan Raspberry Pi, hasil pengembangan Python.
Selain itu, robot ini juga menggunakan framework untuk robotika, PyRobot.

5
3. Aplikasi Text Editor Python

Dalam menulis sebuah program, diperlukan sebuah alat bantu yang mampu
memudahkan proses pembuatan dan pengelolaan kode. Sama halnya seperti seorang penulis
yang membutuhkan kertas dan pena, seorang programmer juga membutuhkan lingkungan kerja
yang nyaman untuk menuangkan logika dan instruksi ke dalam bentuk kode. Di sinilah peran
teks editor menjadi sangat penting. Melalui teks editor, kita dapat menulis, mengedit, serta
menyimpan kode program dengan efisien dan terstruktur. Setiap bahasa pemrograman
memiliki banyak pilihan teks editor yang dapat digunakan, mulai dari yang sederhana hingga
yang memiliki fitur canggih untuk membantu proses pengembangan aplikasi.

3.1 Visual Studio Code

Visual Code Studio merupakan code editor gratis yang dapat dijalankan pada perangkat
desktop dengan basis Linux, Windows, dan Mac OS yang mana dikembangkan oleh Microsoft.
Aplikasi visual studio code dapat di download melalui link ini [Link]
visual studio code sebuah software editor powerful namun tetap ringan saat digunakan.
Aplikasi ini juga dapat digunakan untuk membuat serta mengedit source code memakai
berbagai bahasa pemrograman seperti [Link], TypeScript, dan JavaScript. Bahkan untuk
visualnya tergolong kompatibel dengan bahasa serta runtime environment lainnya seperti
.NET, Java, bahasa Python, dan PHP. Melihat hal tersebut maka tidak mengherankan jika
visual code studio adalah code editor yang populer saat ini.

3.1.2 Cara Menjalankan Program Python di Visual Studio Code

Setelah Visual Studio Code berhasil di install, kita akan membuat dan
menjalakan file python. Untuk memudahkan dalam mengakses file, sebaiknya
buat sebuah folder “BelajarPython” di Drive C. Folder ini akan jadikan tempat
penyimpanan seluruh file python yang telah dibuat. Selanjutnya, buka aplikasi
Visual Studio Code, lalu ikuti langkah-langkah berikut :

6
 1. Masuk ke menu tampilan awal visual studio code

2. Klik file → Open Folder→Pilih Folder “BelajarPython” di Drive C

3. Klik New File → Ketik “[Link]”→ Lalu Enter

4. Ketik seperti gambar berikut pada kolom 1 text editor→ Tekan

Run/Ctrl+Alt+N

5. Output program akan ditampilkan di terminal visual studio code

7
3.2 Notepad ++
Notepad++ adalah sebuah text editor yang ringan dan cepat, yang banyak digunakan
untuk menulis kode dalam berbagai bahasa pemrograman termasuk Python. Editor ini memiliki
tampilan sederhana namun tetap menyediakan fitur penting seperti syntax highlighting, auto-
indentation, dan bracket matching yang membuat penulisan kode menjadi lebih rapi dan mudah
dibaca. Notepad++ juga mendukung plugin tambahan sehingga dapat ditingkatkan fungsinya,
misalnya dengan plugin NppExec atau Python Script agar kode Python bisa dijalankan
langsung dari editor, aplikasi editor ini dapat di download melalu link berikut [Link]
[Link]/downloads/. Meskipun Notepad++ bukan IDE penuh seperti PyCharm atau
Visual Studio Code dan tidak memiliki debugger atau interpreter bawaan, aplikasi ini tetap
sangat cocok digunakan untuk belajar dasar-dasar Python, menulis script kecil, atau bekerja
pada proyek yang tidak terlalu kompleks. Dengan kecepatan, kemudahan penggunaan, dan
konsumsi sumber daya yang rendah, Notepad++ menjadi pilihan ideal bagi pemula atau
pengguna dengan perangkat berspesifikasi rendah.

3.2.1 Cara Menjalankan Program Python di Notepad++

Setelah Notepad++ berhasil di install, kita akan membuat dan menjalankan file
python. Untuk memudahkan dalam mengakses file, sebaiknya buat sebuah folder
“BelajarPython” di Drive C. Folder ini akan dijadikan tempat penyimpanan seluruh file
python yang telah dibuat. Selanjutnya, buka aplikasi Notepad++, lalu ikuti langkah-
langkah berikut:

8
1. Masuk ke menu tampilan awal notepad ++

2. Klik File→ Pilih Open folder as Workspace → Pilih folder “BelajarPython”

di Drive C

3. Klik File→ New → Save As→ Ubah nama filenya “[Link]” → Ganti Save
as type menjadi All types

9
4. Untuk Membuat Program Pertama Kita Ketik print(“hello world!)→ Lalu
Klik Run/F5→ Ketik python -i "$(FULL_CURRENT_PATH)"

5. Klik Save→ Buat shortcurt agar lebih cepat running (CTRL+5)→ Klik OK

10
6. Klik Run→ Pilih Run Python→ Output Program Python akan muncul

11
4. Pengenalan Program Python

4.1 Pengenalan Dasar-Dasar Pemrograman Python

Python telah menjadi salah satu bahasa pemrograman paling populer di dunia, tidak
hanya karena kemampuannya yang powerful dalam pengembangan perangkat lunak, ilmu data,
dan kecerdasan buatan, tetapi juga karena sintaksnya yang jernih dan mudah dipelajari oleh
pemula. Karakteristik ini menjadikan Python pintu masuk yang ideal bagi siapa saja yang ingin
memasuki dunia pemrograman. Sebelum dapat menciptakan program yang kompleks, penting
untuk membangun pondasi yang kokoh dengan menguasai konsep-konsep dasar yang
membentuk struktur logika dari setiap kode Python.
Bab ini didedikasikan untuk memperkenalkan tiga pilar fundamental yang akan sering
Anda gunakan dalam setiap langkah pemrograman. Kita akan memulai dengan memahami
fungsi print() untuk menampilkan output, kemudian mempelajari penggunaan komentar untuk
mendokumentasikan kode, serta menjelajahi konsep variabel dan tipe data sebagai tempat
penyimpanan dan pengelolaan informasi di dalam program. Pemahaman yang solid terhadap
ketiga konsep ini merupakan langkah pertama yang krusial untuk membangun keterampilan
pemrograman Python Anda lebih lanjut.

4.1.1 Apa itu Print Dalam Python

print() adalah fungsi bawaan (built-in function) dalam Python yang digunakan
untuk menampilkan output ke layar (console/terminal). Fungsi ini merupakan salah satu
fungsi paling dasar dan sering digunakan.

Kegunaan utama print():

1. Menampilkan teks.
2. Menampilkan nilai variabel.
3. Menampilkan hasil perhitungan.
4. Debugging (memeriksa nilai variabel selama proses development).
5. Alat output fundamental untuk menampilkan data.
6. Fleksibel dengan berbagai parameter opsional.
7. Mendukung semua tipe data Python.
8. Dapat dikustomisasi dengan separator, end character, dan output destination.
9. Essential untuk debugging dan user interaction.

12
Contoh pemrograman :

Output :

4.1.2 Apa itu Komentar Dalam Python

Komentar adalah teks penjelas dalam kode sumber yang diabaikan oleh Python
interpreter. Komentar tidak dieksekusi dan berfungsi murni untuk dokumentasi.

Tujuan Utama Komentar:

1. Dokumentasi kode.
2. Penjelasan logika kompleks.
3. Debugging sementara.
4. Instruksi untuk developer lain.
5. Metadata tentang kode.
6. Meningkatkan readability kode.
7. Memudahkan maintenance.
8. Dokumentasi yang comprehensive.
9. Kolaborasi tim yang efektif.

13
Contoh Program :

Output :

4.1.3 Apa itu Variabel

Variabel adalah penyimpanan sementara dalam memori komputer yang
digunakan untuk menyimpan data. Bayangkan variabel seperti kotak penyimpanan
yang memiliki nama dan berisi nilai.

Karakteristik Variabel Python:

1. Dinamis: Tidak perlu deklarasi tipe data.
2. Case-Sensitive: nama ≠ Nama ≠ NAMA.
3. Reference-Based: Menyimpan referensi ke objek.

Aturan Variabel dalam Python:

1. Aturan Penamaan Wajib
a. Harus dimulai dengan huruf atau underscore (_)
- nama = "John" Valid
- _umur = 25 Valid
- 2nama = "John" Tidak valid
b. Hanya boleh mengandung huruf, angka, dan underscore
- nama lengkap = "John" Valid
- harga123 = 1000 Valid

14
 - email@user = "test" Tidak valid
c. Case sensitive (huruf besar/kecil berbeda)
- nama, Nama, NAMA → tiga variabel berbeda.
2. Konvensi Penamaan yang Disarankan
a. Snake case untuk variabel biasa:
- nama_variabel, jumlah_barang, harga_total
b. Camel case untuk nama class:
- NamaKelas, DataMahasiswa
c. Huruf besar semua untuk konstanta:
- PI = 3.14, MAX_USERS = 100
3. Deklarasi Multiple Variables
a. Single assignment: a = 1; b = 2; c = 3
b. Multiple assignment: a, b, c = 1, 2, 3
c. Same value: x = y = z = 0
4. Scope Variabel
a. Local scope: Variabel hanya ada di dalam fungsi.
b. Global scope: Variabel bisa diakses di mana saja.
c. Global keyword: global variabel untuk modifikasi variabel
global.
5. Tips Best Practices
a. Gunakan nama deskriptif: umur bukan u.
b. Hindari nama ambigu: panjang bukan l (mirip angka 1).
c. Konsisten dalam penamaan.
d. Hindari singkatan tidak jelas.
e. Gunakan bahasa Inggris untuk kode internasional.

4.1.4 Tipe Data Dasar Dalam Python

Tipe data adalah klasifikasi yang menentukan jenis nilai yang dapat disimpan
dalam variabel dan operasi apa yang dapat dilakukan pada nilai tersebut. Python
menggunakan dynamic typing, yang berarti tipe data ditentukan secara otomatis saat
runtime. Berikut adalah jenis-jenis dari tipe data:

15
1. String (str)
Pengertian:
String adalah tipe data untuk menyimpan teks atau urutan karakter. String
ditandai dengan penggunaan tanda kutip.
Contoh program :

2. Integer (int)
Pengertian:
Integer adalah tipe data untuk menyimpan bilangan bulat (tanpa desimal).
Karakteristik Integer:
a. Immutable.
b. Tidak terbatas (dalam praktik, dibatasi memori).
c. Mendukung berbagai basis bilangan.
Contoh Program :

16
3. Float
Pengertian:
Float (floating point) adalah tipe data untuk menyimpan bilangan
desimal.
Karakteristik Float:
a. Immutable.
b. Presisi terbatas (bisa terjadi rounding error).
c. Mendukung nilai khusus (inf, nan).
Contoh program :

4. Boolean (bool)
Pengertian:
Boolean adalah tipe data yang hanya memiliki dua nilai: True atau False.
Karakteristik Boolean:
a. Subclass dari integer (True = 1, False = 0).
b. Case sensitive (harus diawali huruf kapital).
c. Digunakan untuk logika kondisional.

17
 Contoh program :

4.2 Konversi (Casting) Tipe Data

Seringkali dalam membuat program, kita mendapatkan data dalam satu tipe, padahal kita
membutuhkannya dalam tipe lain. Di bahasa python kita bisa mengubah tipe data dari satu
format ke format lain secara paksa, proses ini disebut Type Casting.

Berikut adalah 3 fungsi konversi yang paling penting:

1. int()
Fungsi ini "memaksa" sebuah nilai menjadi integer (angka bulat).
a. Jika asalnya float (desimal), angka di belakang koma akan dihilangkan/dipotong
(bukan dibulatkan).
b. Jika asalnya string (teks), teks itu harus hanya berisi angka bulat.
Contoh :

18
 Output :

2. float()
Fungsi ini mengubah nilai menjadi float (angka desimal).
a. String yang diubah harus berisi angka (boleh bulat atau desimal).
b. Ingat: Python menggunakan titik (.) sebagai pemisah desimal, bukan koma.

Contoh :

Output :

19
3. str()
Fungsi ini mengubah hampir semua tipe data lain (angka, boolean, dll) menjadi string
(teks). Fungsi ini sangat penting ketika Anda ingin menggabungkan teks dengan angka
untuk ditampilkan ke pengguna.

Contoh Program:

Output Program:

20
4.3 Input
Program yang interaktif adalah program yang bisa menerima masukan dari pengguna. Di
Python, kita menggunakan fungsi input() untuk melakukan ini. Apapun yang diketik pengguna
akan disimpan ke dalam variabel penyimpan sebagai String (teks).

Sintaks: variabel_penyimpan = input("Tulis pesan untuk pengguna di sini: ")

Contoh Program:

Output Program:

*Peringatan Penting! Fungsi input() selalu menghasilkan data bertipe String (teks). Jika Anda
meminta pengguna memasukkan angka (seperti umur), Anda akan mendapatkan string "16",
bukan angka 16. Anda harus mengkonversinya menggunakan int() atau float() (seperti yang
dibahas di pembahasan sebelumnya (4.2) sebelum bisa menggunakannya untuk perhitungan.

Contoh Program:

Output Program:

21
4.4 Operator Aritmatika
Setelah kita memiliki data (terutama angka), kita bisa melakukan perhitungan matematika
menggunakan operator aritmatika.

Operator Nama

+ Penjumlahan

- Pengurangan

* Perkalian

/ Pembagian

// Pembagian Bulat (Floor)

% Modulus (Sisa Bagi)

** Pemangkatan

Urutan Operasi (Penting!) Python mengikuti aturan matematika (sering disebut PEMDAS atau
BODMAS) untuk menentukan operasi mana yang harus dikerjakan terlebih dahulu.
1. () (Kurung)
2. ** (Pangkat)
3. *, /, //, % (Kali, Bagi, Modulus - dari kiri ke kanan)
4. +, - (Tambah, Kurang - dari kiri ke kanan)

Contoh Program:

22
Output Program :

4.5 Operator Perbandingan

Operator perbandingan digunakan untuk membandingkan dua nilai. Hasil dari perbandingan
ini selalu berupa nilai Boolean, yaitu True (Benar) atau False (Salah). Ini adalah fondasi untuk
membuat program kita bisa mengambil keputusan.

Operator Makna

== Sama Dengan

!= Tidak Sama Dengan

> Lebih Besar dari

< Lebih Kecil dari

>= Lebih Besar atau Sama Dengan dari

<= Lebih Kecil atau Sama Dengan dari

Contoh Program :

23
Output Program:

24
4.6 Operator Logika dan Alur Kontrol
Contoh Kode Program:

Penjelasan Program:
Program di atas adalah program yang interaktif, artinya pengguna bisa memilih menu dan
program akan menjalankan perintah sesuai pilihan.

25
Program menampilkan 4 menu:
1) Cek bilangan ganjil atau genap.
2) Menampilkan angka 1-10.
3) Memasukkan angka positif.
4) Keluar dari program.

1. Bagian menu utama (while true)

a. Program mengulang terus menampilkan menu.

b. while true artinya: jalankan semuanya, sampai ada perintah break untuk berhenti.

2. Pengguna Memilih Menu

Pengguna memasukkan angka sesuai menu yang ingin dijalankan.

3. Jika Pilihan 1 → Cek Ganjil/Genap

a. Pengguna memasukkan sebuah angka.

b. Jika angka habis dibagi 2 → genap.
c. Jika tidak habis dibagi 2 → ganjil.

26
Output Program (jika angka tersebut adalah genap):

Output Program (jika angka tersebut adalah ganjil):

Ini menggunakan percabangan (if/else).

4. Jika Pilihan 2 → Menampilkan angka 1 sampai 10

a. Program menampilkan angka 1, 2, 3, ... sampai 10.

b. Ini menggunakan for loop, yaitu perulangan berdasarkan urutan angka.

Output Program:

27
5. Jika Pilihan 3 → Input Angka Positif:

a. while true membuat program terus meminta angka.

b. Jika angka negatif, maka program melewatinya menggunakan continue.
c. Jika angka 0, program keluar dari mode input menggunakan break.

a. break → berhenti.
b. continue → lompat ke input berikutnya tanpa menjalankan perintah lain.
Output Program:

28
6. Jika Pilihan 4 → Program Selesai

a. break digunakan untuk menghentikan program utama.

b. Program keluar dari menu.

Output Program:

7. Jika Menu Tidak Ada

Untuk mencegah pengguna memasukkan angka yang tidak sesuai.

Output Program:

29
5. Pengantar Analisis Data

Di era digital yang ditandai dengan ledakan informasi, data telah menjadi aset yang
sangat berharga. Setiap detik, jumlah data yang dihasilkan dari berbagai sumber, seperti media
sosial, transaksi elektronik, sensor, dan situs web, terus bertambah secara eksponensial.
Namun, data mentah tersebut tidak serta merta memberikan makna atau wawasan. Di sinilah
peran analisis data menjadi krusial. Analisis data adalah proses menginvestigasi,
membersihkan, mentransformasi, dan memodelkan data dengan tujuan mengungkap informasi
yang berguna, menarik kesimpulan, dan mendukung pengambilan keputusan.
Proses analisis data yang efektif memerlukan lingkungan komputasi yang handal dan
mudah diakses. Google Collaboratory (atau Google Collab) hadir sebagai solusi yang
powerful, menyediakan lingkungan pemrograman Python berbasis cloud yang dilengkapi
dengan library populer untuk komputasi data dan kecerdasan artifisial. Dengan menghilangkan
kebutuhan konfigurasi perangkat keras dan perangkat lunak yang rumit, Collab memungkinkan
peneliti dan praktisi data untuk fokus pada inti dari eksplorasi data.
Salah satu tahap paling fundamental dalam analisis adalah koleksi data. Pada masa kini,
sejumlah besar data tersedia secara daring, dan kemampuan untuk mengumpulkannya secara
efisien adalah keterampilan yang indispensable. Web scraping muncul sebagai teknik andalan
untuk melakukan koreksi data ini secara otomatis dari sumber-sumber online, mengubah
konten web yang tidak terstruktur menjadi dataset yang terstruktur dan siap olah.
Namun, wawasan yang ditemukan melalui analisis numerik seringkali kompleks dan
sulit dicerna. Visualisasi data berperan sebagai jembatan antara analisis yang kompleks dengan
pemahaman manusia. Melalui grafik, chart, dan dashboard, visualisasi data mengubah angka
dan statistik menjadi cerita yang visual, intuitif, dan impactful, sehingga memudahkan
identifikasi pola, tren, dan anomali.
Oleh karena itu, kita akan membahas secara rangkaian proses analisis data, mulai dari
pengumpulan data menggunakan teknik web scraping, pengolahan dan analisis dalam
lingkungan Google Collaboratory, hingga penyajian hasil akhir melalui visualisasi data yang
efektif.

30
5.1 Google Collaboratory (Google Colab)
Google Collaboratory atau yang biasa disingkat Google Colab adalah layanan cloud
dari Google yang menyediakan lingkungan pemrograman Python secara online. Platform ini
termasuk dalam kategori cloud-based computational notebook yang memungkinkan pengguna
menulis dan mengeksekusi kode Python langsung melalui browser web tanpa perlu melakukan
instalasi software atau konfigurasi lingkungan pemrograman yang rumit.
Keunggulan utama Google Colab terletak pada kemudahan aksesnya yang hanya
memerlukan koneksi internet dan akun Google. Platform ini menyediakan resource komputasi
yang memadai seperti CPU, GPU, dan TPU secara gratis. Fasilitas ini sangat mendukung
kegiatan komputasi intensif seperti training model deep learning dan analisis data skala besar.
Dari segi fitur, Google Colab memiliki kemampuan berbagi dokumen yang
memudahkan kolaborasi tim dalam mengerjakan proyek pemrograman. Setiap notebook dapat
dibagikan kepada pengguna lain untuk diedit secara real-time, mirip dengan fungsi Google
Docs, sehingga ideal untuk pembelajaran kelompok maupun penelitian kolaboratif.
Platform ini sudah terintegrasi dengan berbagai library machine learning populer
seperti TensorFlow, Keras, PyTorch, dan OpenCV, serta library data science seperti Pandas,
NumPy, dan Matplotlib. Integrasi ini memungkinkan pengguna langsung fokus pada
pengembangan kode tanpa menghabiskan waktu untuk instalasi dan konfigurasi dependencies.
Dengan berbagai keunggulan tersebut, Google Colab telah menjadi pilihan populer di
kalangan akademisi dan praktisi untuk menunjang kegiatan pemrograman Python, analisis
data, dan pengembangan machine learning. Platform ini sangat cocok untuk pemula yang baru
mempelajari pemrograman Python maupun untuk profesional yang membutuhkan lingkungan
komputasi yang handal dan mudah diakses.

Langkah-Langkah Penggunaan Google Colab :

1. Buka peramban (browser) seperti Chrome atau Firefox dan kunjungi tautan resmi:
[Link]. Pastikan Anda sudah login menggunakan akun
Google (Gmail). Jika belum, sistem akan meminta Anda masuk terlebih dahulu.
2. Setelah halaman utama terbuka, Anda akan disambut oleh jendela menu seperti
dibawah gambar ini.

31
 Untuk membuat dokumen baru, cari dan klik tombol biru bertuliskan New
Notebook (Notebook Baru) yang biasanya terletak di pojok kiri bawah jendela
pop-up. Tunggu sejenak hingga halaman editor terbuka sepenuhnya seperti gambar
dibawah:

3. Secara default, file Anda akan bernama [Link]. Anda dapat mengubah
nama file tersebut sesuai yang anda inginkan dengan mengikuti langkah berikut:
● Arahkan kursor ke bagian pojok kiri atas (tempat nama file berada).

32
 ● Klik nama tersebut dan ubah dengan nama yang Anda inginkan, misal:
Modul_HelloWorld.

● Tekan Enter untuk menyimpan perubahan nama.

4. Mengenal Area Kerja (Sel Kode)

Anda akan melihat sebuah kotak panjang berwarna abu-abu muda dengan tombol
"Play" (segitiga) di sebelah kirinya.

● Kotak ini disebut Code Cell (Sel Kode).

● Di sinilah tempat kita menuliskan instruksi atau perintah bahasa pemrograman
Python.

5. Untuk memulai untuk menulis kode program, klik tepat di bagian dalam kotak sel
tersebut hingga kursor berkedip, lalu ketikkan perintah di bawah ini persis seperti
contoh:

Tips: Perhatikan penggunaan tanda kurung () dan tanda petik "". Python
sangat sensitif terhadap simbol-simbol ini.

6. Setelah kode tertulis, kita bisa jalankan kode tersebut dengan menekan tombol Play

(ikon segitiga) di sisi kiri sel atau gunakan jalan pintas (shortcut) dengan
menekan kombinasi tombol Shift + Enter pada papan ketik secara bersamaan.
Jika tidak ada kesalahan penulisan (error), hasil eksekusi akan muncul tepat di
bawah sel kode tersebut. Anda akan melihat teks keluaran:

33
5.1.1 Library Import
Sistem perangkat lunak saat ini semakin bergantung pada pustaka eksternal
(library) untuk mengurangi waktu pengembangan dan menghasilkan perangkat lunak
yang andal dan berkualitas. Pengembang dapat memanfaatkan penggunaan kembali
fungsionalitas yang disediakan oleh pustaka dan kerangka kerja pihak ketiga yang telah
teruji dan matang secara bebas melalui Antarmuka Pemrograman Aplikasi (API).
Programmer umumnya menggunakan kerangka kerja yang ada atau libraries untuk
mengurangi upaya pengembangan perangkat lunak. Permasalahan yang ada adalah
bahwa Programmer mengetahui jenis objek yang mereka butuhkan, tetapi tidak tahu
bagaimana untuk mendapatkan objek secara spesifik dengan berbagai metode. seperti
halnya pada pemrograman python ada beberapa library yang dapat digunakan
programer untuk melakukan sesuatu sesuai dengan kebutuhannya.
Ada beberapa contoh library python yang mudah untuk dipahami sebagai
pembelajaran tentang pengelolahan suatu data yaitu pandas dan juga numpy. Pada
contoh kali ini program dijalankan menggunakan google colab.

5.1.2 Pandas
Pandas adalah pustaka Python yang dirancang untuk manipulasi dan analisis
data. Diperkenalkan pada tahun 2008 oleh Wes McKinney, Pandas menawarkan
struktur data yang fleksibel dan alat analisis yang kuat, memungkinkan pengguna
untuk bekerja dengan data terstruktur dengan mudah. Pandas sangat cocok untuk
analisis data dari berbagai sumber, termasuk file CSV, Excel, dan database SQL.

34
Contoh Program Pandas:

Penjelasan Program :

Dalam mengelola data pada python menggunakan library pandas adalah dengan
mengimpor terlebih dahulu librarynya.

Membuat sebuah struktur data bertipe dictionary yang berisi tiga kolom yang dinamai
Nama,Nilai, Kelas dengan Setiap kolomnya memiliki daftar (list) yang berisi data
masing-masing siswa.

Mengubah dictionary data menjadi Data Frame yaitu tabel data versi Pandas.

Sama halnya pada code sebelumnya bagian ini memfilter siswa yang memiliki nilai <
75, untuk mengetahui siapa yang nilainya kurang.

35
Bagian ini mencari siswa yang nama depannya huruf ‘N’, contoh: Nanda, Nabil.
Output Program:

5.1.3 Numpy
NumPy singkatan dari Numerical Python, adalah pustaka fundamental untuk
komputasi numerik di Python. Dikenalkan pada tahun 2005, NumPy menyediakan
dukungan untuk array multidimensi dan berbagai fungsi matematika dan statistik yang
efisien. Pustaka ini sangat penting bagi para ilmuwan data dan analis karena
memungkinkan mereka untuk melakukan operasi matematis yang kompleks dengan
cepat dan efisien.
Contoh Program numpy:

Penjelasan kode program:

36
Mengimpor library NumPy, digunakan untuk operasi matematika, statistik, dan
pengolahan array.

Membuat array berisi angka 1 hingga 5. Array NumPy lebih cepat dan lebih efisien
dibanding list Python biasa.

Menampilkan semua nilai dalam array.

[Link]() menjumlahkan semua elemen dalam array “ 1 + 2 + 3 + 4 + 5 = 15 ”

[Link]() menghitung nilai rata-rata “ (1 + 2 + 3 + 4 + 5) / 5 = 3.0 “

Menghitung semua data menjadi x2 dari variabel “angka”.

1x2=2
2x2=4
3x2=6
4x2=8
5 x 2 = 10

Output Program :

37
5.2 Koleksi Data
Dalam ekosistem web scraping, parsing memegang peran kritis sebagai tahap
transformasi data mentah HTML/XML yang tidak terstruktur menjadi informasi terorganisir
yang siap analisis. Proses inilah yang menentukan kualitas dan akurasi dataset akhir, sekaligus
menjadi fondasi bagi pengambilan keputusan berbasis data. Beragam metode parsing dari
manipulasi string dasar hingga DOM parser modern telah berkembang dengan karakteristik
dan kompleksitas yang berbeda, yang dapat diimplementasikan secara optimal melalui
platform Google Colab.

5.2.1 Web Scraping

Web scraping merupakan sebuah cara pengambilan data atau informasi tertentu
dengan jumlah besar dengan tujuan untuk digunakan dalam berbagai kebutuhan seperti
analisis, riset dan lainnya. Cara pengumpulan data tersebut umumnya dipakai dalam
bisnis online untuk melakukan riset market, riset pesaing bisnis dan lainnya untuk
mengatur strategi bisnis.

38
5.3 Visualisasi Data
Visualisasi data adalah representasi grafis dari data dan informasi dengan menggunakan
elemen visual seperti grafik, bagan, peta, dan diagram. Tujuannya adalah untuk menyampaikan
informasi kompleks dengan cara yang mudah dipahami, memungkinkan pola, tren, dan
anomali dalam data dapat dikenali secara cepat dan intuitif.

5.3.1 Pra-Pemrosesan Data

Pra-pemrosesan data merupakan tahap kritis dalam analisis data untuk
menyiapkan data mentah menjadi format yang siap olah. Salah satu teknik fundamental
adalah filtering proses seleksi data berdasarkan kriteria tertentu untuk mendapatkan
subset yang relevan.
Melalui studi kasus dataset nilai mahasiswa, akan dilakukan serangkaian
operasi termasuk filtering data (seleksi berdasarkan kondisi nilai), seleksi atribut
(pemilihan kolom tertentu), dan transformasi data (seleksi berdasarkan pola string).
Pendekatan praktis ini diharapkan dapat memberikan pemahaman komprehensif
tentang pentingnya pra-pemrosesan data dalam menyiapkan foundation yang solid
untuk proses analisis yang lebih advanced.

Melalui contoh ini, terlihat bagaimana filtering efektif untuk mengekstrak informasi
spesifik dari dataset, membentuk dasar untuk analisis yang lebih mendalam.

39
5.3.2 Visualisasi Data: Barchart
Untuk memvisualisasikan data menjadi diagram atau grafik, kita mengandalkan
Plotly, sebuah library di Python. Langkah awal yang wajib dilakukan adalah
mengimpor pustaka ini ke dalam kode agar semua fiturnya dapat diakses.
Dengan Plotly yang sudah diimpor, kita bisa langsung membuat berbagai jenis
visualisasi. Sebagai contoh, fungsi bar() dari Plotly Express dapat digunakan untuk
menghasilkan diagram batang (barchart) dengan sangat mudah. Bagaimana fungsi ini
diimplementasikan dapat dilihat pada cuplikan kode di bawah ini:

Berdasarkan implementasi kode program di atas, output visualisasinya berupa

diagram batang yang disajikan di bawah ini.

40
5.3.3 Pra-Pemrosesan Data Lanjut

41
Berdasarkan kode program di atas, visualisasi outputnya akan seperti ini:

Jika diperhatikan pada grafik Perbandingan Nilai Siswa, terlihat bahwa setiap siswa
memiliki perbedaan nilai yang cukup signifikan. Beberapa siswa memiliki nilai yang
sangat tinggi seperti Murdani (105) dan Hanan (90), sementara beberapa yang lain
memiliki nilai relatif rendah seperti Samuel (55). Grafik ini membantu kita melihat
secara cepat siapa siswa dengan nilai tertinggi dan terendah, serta variasi nilai dalam
kelompok.

Namun, grafik ini hanya menunjukkan perbandingan nilai berdasarkan nama siswa,
sehingga tidak memberikan informasi lebih lanjut mengenai apakah jumlah siswa setiap
kelas seimbang atau tidak. Karena itu, kita memerlukan visualisasi tambahan untuk
membantu menganalisis data dari sudut pandang yang berbeda.

42
Untuk menjawab kebutuhan tersebut, dibuatlah diagram pie Distribusi Kelas. Diagram
ini menunjukkan bahwa terdapat beberapa kelas dengan jumlah siswa yang sama,
sedangkan kelas lain memiliki jumlah yang lebih dominan dibandingkan kelas lain.
Misalnya, kelas 2IA02 dan 2IA03 memiliki persentase terbesar dibandingkan kelas
lain, sementara kelas seperti 2IA11, 2IA10, dan 2IA08 hanya memiliki satu siswa saja.
Selain itu, terdapat satu siswa yang tidak memiliki informasi kelas dan masuk kategori
Unknown.

Bar Chart (Diagram Batang)

Membandingkan nilai siswa satu per satu dan melihat siapa yang paling tinggi dan
paling rendah.

Pie Chart (Diagram Lingkaran)

Menampilkan persentase jumlah siswa berdasarkan kelas.

5.3.4 Visualisasi Data Dengan Diagram Lain

Setelah melakukan pra-pemrosesan data dan visualisasi dasar dengan diagram
batang, kini kita akan mengeksplorasi berbagai jenis diagram lainnya untuk
mendapatkan wawasan yang lebih komprehensif dari dataset nilai mahasiswa. Setiap
jenis diagram memiliki keunggulan tersendiri dalam menyajikan informasi tertentu.

A. Pie Chart - Komposisi Kategori Nilai

43
 Diagram pie efektif untuk menunjukkan proporsi setiap kategori nilai dalam
dataset, membantu memahami distribusi keseluruhan prestasi akademik.

B. Line Chart - Tren Peringkat

Line chart menunjukkan penurunan nilai secara gradual dari peringkat 1 hingga
5, membantu mengidentifikasi gap antar peringkat.

44
C. Scatter Plot - Korelasi Nilai dan Normalisasi

Scatter plot dengan trendline menunjukkan hubungan linear sempurna antara

nilai asli dan nilai ternormalisasi, yang memang diharapkan karena proses normalisasi
linear.

5.4 Latihan
Buatlah 2 buah data array dengan isi data tersebut adalah sebuah angka bilangan
bulat dengan mengimport library numpy lalu lakukan hal sebagai berikut:
1. Hitung mean / rata-rata dari masing-masing data!
2. Hitung mean / rata-rata dari kedua data!
3. Tampilkan angka bilangan ganjil dari kedua data!
4. Tampilkan angka bilangan genap dari kedua data!

45
 DAFTAR PUSTAKA

Jurnal Ilmiah dan Artikel

1. Guo, P. (2013). Online Python Tutor: Embeddable web-based program visualization

for teaching programming. SIGCSE '13.
2. Harris, C. R., Millman, K. J., van der Walt, S. J., Gommers, R., Virtanen, P.,
Cournapeau, D., & Oliphant, T. E. (2020). Array programming with NumPy. Nature,
585(7825).
3. Hunter, J. D. (2007). Matplotlib: A 2D graphics environment. Computing in Science &
Engineering, 9(3), 90–95.
4. McKinney, W. (2010). Data structures for statistical computing in Python. In
Proceedings of the 9th Python in Science Conference (pp. 51–56).
5. Millman, K. J., & Aivazis, M. (2011). Python for scientists and engineers. Computing
in Science & Engineering, 13(2), 9–12.

Sumber Online (Website Perusahaan/Blog Industri)

1. Google Colab. Introduction to Google Colaboratory. Diakses dari

[Link]
2. Jupyter Project. Project Jupyter Documentation. Diakses dari [Link]
3. Kaggle. Kaggle Notebooks Documentation. Diakses dari
[Link]
4. Notepad++. Notepad++ Official Documentation. Diakses dari [Link]
[Link]
5. NumPy. NumPy User Guide. Diakses dari [Link]
6. Pandas. Pandas Documentation. Diakses dari [Link]
7. Plotly. Plotly Python Graphing Library. Diakses dari [Link]
8. Python Software Foundation. Python Releases for Windows. Diakses dari
[Link]
9. [Link]. Python Documentation. Diakses dari [Link]
10. Visual Studio Code. VS Code Documentation. Diakses dari
[Link]

46