Pertemuan 01: Setup Lingkungan Komputasi Data Science Modern

Panduan komprehensif penyiapan lingkungan komputasi Python 3.10+, isolasi virtual environment, package manager (pip, conda), JupyterLab, VS Code, dan Google Colab dengan akselerasi GPU.

Penyusun Modul: Mahendar Dwi Payana
Acuan Silabus: DTS Kominfo - STEI ITB (Ir. Windy Gambetta, MBA) & SKKNI No. 299 Tahun 2020


1. Urgensi Lingkungan Komputasi yang Terisolasi

Dalam siklus hidup proyek Data Science profesional, salah satu masalah paling fatal adalah benturan dependensi (dependency hell). Model machine learning seringkali bergantung pada versi spesifik dari pustaka seperti numpy, scipy, pandas, dan scikit-learn.

Penggunaan instalasi global tanpa isolasi menyebabkan:

  1. Kegagalan Reproduksibilitas: Proyek yang berjalan di komputer lokal tidak dapat dijalankan di mesin server atau cloud rekan satu tim.
  2. Konflik Versi Pustaka: Meng-upgrade pustaka untuk Proyek B dapat merusak kode pada Proyek A.
  3. Pencemaran Sistem Operasi: Menumpuk pustaka Python langsung pada direktori sistem operasi dapat mengganggu utilitas internal OS.

2. Taksonomi Lingkungan Pengembangan (Development Environment)

Secara garis besar, praktisi sains data mengombinasikan dua jenis lingkungan:

Lingkungan Komputasi Data Science
├── Lingkungan Lokal (Offline, Kontrol Penuh)
│   ├── CLI & Package Manager: Python 3.10+, pip, venv, Conda / Mamba
│   └── IDE / Notebook Editor: JupyterLab, Jupyter Notebook, VS Code + Python Extension
└── Lingkungan Cloud (Awan, Zero-Config, Hardware Acceleration)
    ├── Google Colaboratory (Gratis GPU T4/V100 & TPU)
    ├── Kaggle Notebooks (30 jam/minggu akselerasi GPU P100/T4)
    └── Cloud Managed Notebooks (AWS SageMaker, GCP Vertex AI Workbench)

3. Langkah Instalasi Lingkungan Lokal (Step-by-Step)

Memastikan Pemasangan Python 3.10+

Unduh rilis resmi stabil dari python.org. Pastikan opsi "Add Python to PATH" dicentang pada saat proses instalasi Windows.

python --version

Membuat & Mengaktifkan Virtual Environment (venv)

Gunakan modul bawaan venv untuk membuat lingkungan mandiri tanpa mencemari sistem utama:

mkdir -p ~/projects/learn-ai-datascience
cd ~/projects/learn-ai-datascience
python3 -m venv env-ds
source env-ds/bin/activate

Instalasi Pustaka Inti Sains Data

Pasang paket-paket inti data science terverifikasi dan daftarkan kernel ke Jupyter:

pip install --upgrade pip
pip install numpy scipy pandas matplotlib seaborn scikit-learn jupyterlab ipykernel
python -m ipykernel install --user --name=env-ds --display-name="Python (Learn-AI Data Science)"

4. Bekerja dengan Google Colaboratory (Cloud GPU)

Google Colaboratory adalah lingkungan Jupyter berbasis peramban yang terhubung langsung dengan Google Cloud Platform.

Fitur Kunci Google Colab:

  • Zero-Setup: Pustaka data science populer sudah terinstal (pre-installed).
  • Akselerasi Perangkat Keras: Akses bebas ke GPU Nvidia T4 / V100 dan Tensor Processing Unit (TPU).
  • Integrasi Google Drive: Menyimpan dataset dan bobot model langsung ke cloud storage.

Verifikasi Akselerasi GPU di Colab

Jalankan cuplikan kode berikut pada cell pertama notebook Google Colab:

import torch
import sys

print(f"Versi Python: {sys.version.split()[0]}")

if torch.cuda.is_available():
    print(f"Akselerasi GPU Aktif: {torch.cuda.get_device_name(0)}")
    print(f"Alokasi Memori GPU: {torch.cuda.get_device_properties(0).total_memory / 1e9:.2f} GB")
else:
    print("Berjalan pada CPU Runtime. Untuk mengaktifkan GPU: Edit -> Notebook settings -> Hardware accelerator -> T4 GPU.")

5. Script Pengujian & Verifikasi Pustaka Lengkap

Buat file bernama verify_env.py di direktori proyek Anda dan jalankan untuk mengonfirmasi bahwa seluruh pustaka terpasang dengan versi yang tepat:

"""
Skrip Verifikasi Lingkungan Data Science Modern
Disusun oleh: Mahendar Dwi Payana
"""

import sys

def verify_ecosystem():
    packages = [
        "numpy",
        "scipy",
        "pandas",
        "matplotlib",
        "seaborn",
        "sklearn",
    ]
    
    print("=" * 60)
    print("HASIL PEMERIKSAAN ENVIRONMENT SAINS DATA")
    print(f"Versi Python Interpreter: {sys.version.split()[0]}")
    print("=" * 60)
    
    success = True
    for pkg in packages:
        try:
            mod = __import__(pkg)
            version = getattr(mod, "__version__", "Terpasang (versi tidak terdeteksi)")
            print(f"[✓ OK] {pkg:<15} : {version}")
        except ImportError as e:
            print(f"[✗ GAGAL] {pkg:<15} : Belum terpasang! ({e})")
            success = False
            
    print("=" * 60)
    if success:
        print("Selamat! Seluruh ekosistem Data Science telah siap digunakan.")
    else:
        print("Perhatian: Mohon pasang paket yang gagal sebelum melanjutkan.")
    print("=" * 60)

if __name__ == "__main__":
    verify_ecosystem()

6. Latihan Mandiri & Evaluasi

  1. Buat notebook Jupyter baru dengan nama 01_setup_verifikasi.ipynb.
  2. Tuliskan sel markdown yang mendokumentasikan spesifikasi perangkat keras komputer Anda (RAM, Processor, OS).
  3. Jalankan kode verifikasi di atas dan ambil tangkapan layar (screenshot) sebagai bukti pemenuhan syarat awal pembelajaran.

On this page