Algoritma dan Pemrograman Dasar
  • Welcome
  • Getting Started
    • Materi pembelajaran
  • Basics
    • Pengantar Algoritma dan Pemrograman
    • Konsep Algoritma dan Pemrograman
    • Teknik Penyajian Algoritma
    • Menjelaskan Konsep Flowchart
  • Pengantar Python
    • Sejarah Python
    • Sejarah Python v2
    • Alasan Memilih Python
    • Instalasi Python
    • “Hello Dunia”
    • Fungsi Enviroment
    • Setting Environment python
    • Setting Env di Anaconda
    • Mode Pemrograman Pada Python
    • Aturan Dasar Penulisan Py
  • Variabel dan Tipe Data
    • Variabel
    • Assign/Penugasan
    • Variabel Global dan Lokal
    • Tipe Data, Operator dan Operasi
    • Metode string
    • Karakter escape Python
    • Konsep Perintah List
    • Metode List
  • Input data
    • Pengantar
    • Input data selain string
    • Konversi Tipe Data
  • Operasi Python
    • Intro
    • Operasi Aritmatika
    • Operasi Pembanding & Logika
    • Operasi Penugasan
    • Operasi Keanggotaan
    • Operasi logika
    • Operasi identitas
  • Code View 1
  • Code View 2
  • Task
  • Conditionals, Loops, and Comprehensions
    • Intro (Control Flow Statment)
    • Conditionals (Pernyataan Kondisional)
    • Loops
    • Comprehension
  • Change List Items
  • Fungsi dan Modul
    • Intro
    • Pendefinisian Fungsi
    • Argumen
    • Return
    • Pemanggilan Fungsi
    • def to Bussiness
    • Tugas
  • Framework dalam Pemograman
    • Pengertian Framework
  • Types of Frameworks
  • Types of Python Frameworks
  • Getting Started Flask Py
  • Getting Started Django Py
  • Paket (Package) , dan Library
    • Intro
    • Python PIP
    • Menggunakan Perintah External File Pada Python
    • Paket (Package)
    • Library
    • Manajemen Paket
  • Library Pandas
    • Library Pandas
  • Membaca Data
  • Python dan Machine Learning
    • Pengantar Machine Learning
    • Jenis Machine Learning
    • Library Machine Learning
  • Docs
    • Docs
  • Documents
    • Rencana Pembelajaran Semester (RPS)
    • Referensi/Pustaka
Powered by GitBook
On this page
  1. Paket (Package) , dan Library

Library

PreviousPaket (Package)NextManajemen Paket

Last updated 1 month ago

Library pada Python merupakan gabungan dari sekumpulan package dan module dengan fungsionalitas yang sama dengan tujuan untuk memudahkan kalian dalam membuat suatu aplikasi, tanpa harus menulis banyak kode. Library pada Python merupakan sebutan untuk kode program tambahan yang digunakan dalam kebutuhan tertentu. Python mempunyai lebih dari 140.000 library yang dikembangkan melalui open source project sehingga kita yang sebagai pemula, bisa belajar dengan gratis. Dengan menggunakan library pada Python, kita akan dapat menghasilkan kode secara efisien dan menghemat waktu tanpa harus menulis seluruh skrip. Library juga bersifat reusable yang berarti bisa digunakan berkali - kali, dimana saja dan kapan saja.

Python dengan libraries, modul, dan kerangkanya bisa digunakan untuk membantu kebutuhan machine learning. Hanya saja, Kita perlu menguasai pengaplikasian Python guna mendapatkan manfaatnya dalam machine learning dan data sains. Berikut adalah beberapa rekomendasi Python libraries yang bisa Kita gunakan dalam data sains.

Library

Deskripsi

  1. Pandas

Pandas digunakan untuk menganalisis data dengan cepat, realistis, dan serbaguna. Kita dapat memakainya untuk mengombinasikan, mengelompokkan, dan mengklasifikasikan data yang berasal dari berbagai sumber, seperti Excel, SQL databases, CSV, dan sebagainya. Oleh karena itu, Pandas menjadi salah satu paket Python yang wajib dimiliki lantaran performanya yang stabil dan bersifat open source.

2. Numpy

NumPy adalah aljabar linear yang dikembangkan dalam Python guna memecahkan berbagai permasalahan terkait numerik. Banyak ahli dan pengguna yang memilih paket ini karena NumPy memiliki kemampuan untuk memecahkan permasalahan-permasalahan rumit menyangkut operasional matematika. Selain itu, NumPy juga banyak digunakan untuk menangani berbagai permasalahan lain, seperti gambar, suara, dan operasional biner lainnya.

3. Matplotlib

Matplotlib digunakan untuk kepentingan visualisasi data yang melibatkan grafik, plot, histogram, dan lain-lain. Visualisasi data diperlukan untuk memahami data secara lebih mendalam sebelum melakukan data-processing dan melatihnya dalam program machine learning. Matplotlib banyak digemari karena memiliki sifat yang open source dan gratis untuk diakses.

4. Seaborn

Seaborn dirancang di atas Matplotlib dan terintegrasi dengan struktur data dari Pandas. Sama halnya dengan Matplotlib, Seaborn digunakan untuk kepentingan visualisasi data agar data mudah dipahami. Dalam machine learning, Seaborn berfungsi membaca dan memahami data-data untuk dipetakan dalam bentuk grafis statistik, sehingga dapat menghasilkan plot yang informatif

5. Scipy

SciPy terdiri dari beberapa modul untuk memperoleh hasil terbaik, meliputi statistik, integrasi, hingga aljabar linear. Kelebihan dari SciPy adalah operasionalnya yang mudah untuk mengatasi persoalan matematika. Selain itu, paket ini juga berguna untuk digunakan dalam image manipulation.

6. SCIKIT-LEARN

Scikit-learn dibuat atas dua Python libraries, yakni NumPy dan SciPy. Fungsinya untuk memecahkan berbagai permasalahan numerik. Namun, paket ini juga bisa digunakan untuk keperluan data mining dan analisis data.

7. TensorFlow

Library Python yang dikembangkan oleh tim Google Brain dari Google, TensorFlow. Paket ini biasa digunakan untuk memecahkan permasalahan matematika dalam berbagai aplikasi artificial intelligence atau AI. Paket ini banyak digunakan oleh berbagai pengembang lantaran mampu menjalankan komputasi dengan melibatkan tensors. Selain itu, perangkat ini juga memungkinkan penerapan komputasi di berbagai perangkat, mulai dari komputer hingga smartphone.

Dan lain-lain

Etc..