Python Learning Hub

Panduan interaktif menguasai Python dari Dasar hingga Data Science.

01. Pengenalan & Kode Dasar

Apa itu Python?

Python adalah bahasa pemrograman tingkat tinggi yang diciptakan oleh Guido van Rossum pada tahun 1991. Python didesain agar mudah dibaca oleh manusia, sehingga menjadi bahasa favorit untuk pemula maupun profesional karena sintaksnya yang sederhana namun sangat berdaya guna.

Video Tutorial Dasar

Tutorial Player

Tonton di YouTube Full HD

Kegunaan Python

Python sangat serbaguna dan digunakan di berbagai bidang teknologi modern:

• AI & Machine Learning: Membuat sistem cerdas dan prediksi masa depan.
• Data Science: Mengolah data raksasa menjadi wawasan bisnis.
• Web Development: Membangun sistem backend website yang aman (Django/Flask).
• Automation: Mengotomatiskan tugas rutin seperti mengolah ribuan file excel.

💼 Pekerjaan Python

• • Data Scientist / Analyst
• • Python Backend Developer
• • AI & Machine Learning Engineer
• • DevOps & Automation Engineer

💰 Estimasi Gaji (IDR)

• Junior: Rp 6.000.000 - Rp 12.000.000
• Senior: Rp 30.000.000 - Rp 50.000.000+
• *Tergantung keahlian & perusahaan.

Contoh Kode Dasar Lengkap

# --- PROGRAM PENYAPA & CEK STATUS ---

# 1. Input data dari pengguna
nama = input("Masukkan nama Anda: ")
tahun_lahir = int(input("Masukkan tahun lahir: "))
tahun_sekarang = 2024

# 2. Perhitungan Aritmatika
umur = tahun_sekarang - tahun_lahir

# 3. Output dengan f-string
print(f"\nHalo {nama}!")
print(f"Umur Anda saat ini adalah {umur} tahun.")

# 4. Logika Percabangan (Control Flow)
if umur >= 17:
    print("Status: Anda sudah cukup umur untuk membuat KTP.")
elif umur > 12:
    print("Status: Anda berada dalam fase remaja.")
else:
    print("Status: Anda masih kategori anak-anak.")

02. Panduan Lengkap Google Colab

Google Colab memungkinkan Anda menulis koding Python tanpa harus menginstal apapun di laptop Anda. Semua berjalan di server Google secara gratis.

Tahapan Penggunaan

1

Akses Website

Buka colab.research.google.com dan login dengan Akun Google.

2

Buat Notebook

Klik tombol New Notebook yang muncul di layar pop-up awal.

3

Tulis Kode (Cell)

Tuliskan kode di dalam kotak (cell). Gunakan Shift + Enter untuk menjalankan kode.

4

Ganti Nama File

Klik pada tulisan Untitled.ipynb di bagian atas untuk memberi nama file projek Anda.

Shortcut & Tips Penting

Shortcut	Fungsi
Shift + Enter	Menjalankan cell
Ctrl + M + B	Tambah cell baru di bawah
Ctrl + M + D	Hapus cell terpilih

Perintah Dasar Python di Google Colab

Berikut adalah perintah fundamental yang harus Anda pahami untuk mulai berinteraksi dengan notebook Colab:

1. print() - Menampilkan Output

Fungsi paling dasar untuk menampilkan teks atau hasil perhitungan ke layar di bawah cell.

print("Halo Dunia")
print(10 + 5)

2. Variabel - Menyimpan Data

Variabel digunakan untuk menyimpan informasi agar bisa digunakan kembali di cell yang berbeda.

nama = "Budi"
skor = 100
print(nama)

3. input() - Mengambil Data User

Di Colab, fungsi ini akan memunculkan kotak teks agar Anda bisa mengetikkan data secara langsung.

makanan = input("Apa makanan favoritmu? ")
print("Kamu suka " + makanan)

4. ! (Magic Commands) - Perintah Sistem

Tanda seru digunakan untuk menjalankan perintah sistem operasi (Linux), seperti menginstal library atau melihat daftar file.

!pip install pandas # Menginstal library baru
!ls # Melihat file di folder Colab

5 Contoh Praktek Harian

# 1. Total Belanja: belanja = [15000, 25000, 5000]; print(f"Total: Rp{sum(belanja):,}")

# 2. Skor BMI: bmi = 75 / (1.75**2); print(f"Status BMI: {bmi:.1f}")

# 3. Hitung Diskon: bayar = 100000 * 0.8; print(f"Bayar: Rp{bayar:,.0f}")

# 4. Undian Acak: import random; print(f"Pemenang: {random.choice(['A','B','C'])}")

# 5. Konversi Suhu: f = (30 * 9/5) + 32; print(f"30C = {f}F")

03. Tugas Projek Mandiri

Kerjakan tugas-tugas di bawah ini di Google Colab untuk melatih logika Anda.

1 Projek Convert BMI

# Input data berat dan tinggi
berat = float(input("Berat (kg): "))
tinggi_cm = float(input("Tinggi (cm): "))

# Proses konversi tinggi ke meter
tinggi_m = tinggi_cm / 100
bmi = berat / (tinggi_m ** 2)

print(f"Hasil BMI Anda: {bmi:.2f}")

2 Projek Convert CM ke Meter & KM

cm = float(input("Masukkan nilai CM: "))
m = cm / 100
km = cm / 100000

print(f"{cm} cm sama dengan {m} meter")
print(f"{cm} cm sama dengan {km} kilometer")

3 Hitung Luas Persegi Panjang

panjang = float(input("Masukkan Panjang: "))
lebar = float(input("Masukkan Lebar: "))
luas = panjang * lebar

print(f"Luas Persegi Panjang adalah: {luas}")

04. Data Science & Analysis

Data Science

Berfokus pada pembuatan model prediksi, pemanfaatan algoritma cerdas, dan kecerdasan buatan (AI) untuk menemukan pola tersembunyi demi strategi masa depan.

Data Analysis

Berfokus pada pembersihan, transformasi, dan pengolahan data historis untuk memberikan wawasan (insight) nyata tentang performa saat ini.

Library Populer

Pandas

NumPy

Matplotlib

Seaborn

Contoh Koding (Analisis Tabel Dasar)

import pandas as pd

# Membuat data tabel sederhana (seperti Excel)
data = {
    'Nama': ['Andi', 'Budi', 'Caca', 'Dedi'],
    'Skor': [85, 92, 78, 88],
    'Kota': ['JKT', 'BDG', 'JKT', 'SBY']
}

# Memasukkan ke dalam DataFrame (Struktur tabel)
df = pd.DataFrame(data)

# Analisis statistik dasar
print("Rata-rata Skor:", df['Skor'].mean())
print("\nJumlah Data per Kota:\n", df['Kota'].value_counts())

Projek 1: Laporan Tren Penjualan

Membuat grafik tren penjualan bulanan secara otomatis menggunakan data tabel.

Tren_Penjualan.py

import pandas as pd
import matplotlib.pyplot as plt

data = {
    'Bulan': ['Jan', 'Feb', 'Mar', 'Apr', 'Mei'],
    'Unit_Terjual': [150, 200, 180, 250, 300]
}
df = pd.DataFrame(data)

plt.plot(df['Bulan'], df['Unit_Terjual'], marker='o', color='blue')
plt.title('Tren Penjualan Bulanan')
plt.grid(True)
plt.show()

Projek 2: Visualisasi Pengeluaran (Pie Chart)

Projek sederhana untuk menganalisis persentase pengeluaran harian di Google Colab.

Pie_Chart_Pengeluaran.py

import matplotlib.pyplot as plt

kategori = ['Makan', 'Transportasi', 'Kost', 'Hiburan', 'Lainnya']
nominal = [1200000, 450000, 2000000, 300000, 250000]

plt.figure(figsize=(7, 7))
plt.pie(nominal, labels=kategori, autopct='%1.1f%%', startangle=140, 
        colors=['#ff9999','#66b3ff','#99ff99','#ffcc99','#c2c2f0'])

plt.title('Distribusi Pengeluaran Bulanan')
plt.axis('equal')
plt.show()

Projek 3: Membuat Dashboard Laporan Multi-Grafik

Projek ini akan mengajarkan Anda cara membuat tampilan "Dashboard" profesional di Google Colab yang berisi dua grafik sekaligus dalam satu layar tampilan.

Panduan Membuat Dashboard di Colab:

1

Gunakan Subplots

Gunakan perintah plt.subplots(1, 2) untuk membagi area tampilan menjadi 1 baris dan 2 kolom (dua grafik bersampingan).

2

Gabungkan Bar & Line Chart

Grafik pertama akan menampilkan perbandingan stok (Bar Chart), dan grafik kedua menampilkan tren harga (Line Chart).

Multi_Grafik_Dashboard.py

import matplotlib.pyplot as plt

# 1. Data Inventaris Produk
produk = ['Laptop', 'Mouse', 'Keyboard', 'Webcam']
stok = [25, 150, 80, 45]
harga_tren = [12, 15, 14, 18, 20] # Tren harga dalam 5 bulan terakhir

# 2. Membuat Layout Dashboard (1 Baris, 2 Kolom)
fig, (ax1, ax2) = plt.subplots(1, 2, figsize=(14, 5))

# --- GRAFIK 1: Stok Barang (Bar Chart) ---
ax1.bar(produk, stok, color=['#4A89C8', '#A0D8B3', '#ffcc99', '#c2c2f0'])
ax1.set_title('Ketersediaan Stok Produk')
ax1.set_ylabel('Jumlah Unit')

# --- GRAFIK 2: Tren Harga (Line Chart) ---
ax2.plot(harga_tren, marker='o', linestyle='--', color='orange', linewidth=2)
ax2.set_title('Tren Kenaikan Harga (Global)')
ax2.set_xlabel('Bulan')
ax2.set_ylabel('Indeks Harga')

# 3. Merapikan Tampilan
plt.tight_layout()
plt.show()

Contoh Hasil Visualisasi Laporan Industri

Gambar di bawah ini merepresentasikan hasil akhir yang biasa dicapai melalui koding Python tingkat lanjut untuk dashboard bisnis:

Dashboard Real-time: Performa Penjualan & Perilaku Pelanggan Global

© 2024 Python Explorer Dashboard - Learning for Future

Kode berhasil disalin!