Mencoba belajar sebuah bahasa pemogramman kadang bukan hanya sekadar mempelajari sintaknya saja. Kadang kita harus belajar tentang bagaimana lingkungan bahasa itu bekerja, mengelola _package_, pilihan _editor_ dan terlebih lagi apabila kita perlu bahasa itu untuk mencapai tujuan lainnya.

Seperti kita ingin belajar [Python][]. Jangankan untuk _Data Science_, untuk _web_ saja kadang mengesalkan. Kita perlu memasang dan mengkonfigurasi banyak hal. Buat pemula di bahasa itu tentu jadi batu penghalang besar. Kita perlu semacam [XAMPP][] di [PHP][PHPLang].

### Anaconda

Dari [Continuum][] dibuatlah [Anaconda ("Anaconda Distribution")][Anaconda]. [Anaconda][] ini gratis, memiliki banyak _package_ dan _tool_, secara _setup_ untuk memulai sudah siap digunakan dan juga sudah termasuk [Python distribution][Python] di dalamnya.

Untuk mendapatkan [Anaconda][] ini cukup ke [sini][AnacondaGet] dan pilih berdasarkan sistem operasi yang digunakan. Memang cukup besar tapi ini lebih mudah dibandingkan melakukannya secara manual.

![alt text][i-continuum-website]

Pada saat pemasangan, apabila terdapat [Python][] sudah terpasang maka ia akan meminta untuk merubah _setting_ ke [Anaconda][].

Untuk memastikan ini sudah terpasang, kita buka _cmd_ dan ketik `python`. Harusnya kita melihat versi dari [Python][] dan [Anaconda][], itu menunjukan bahwa kita berada dilingkungan [Anaconda][].

Seperti biasa, _**Hello**_ rutin kita laksanakan. Kita ketikkan kode `print("Hello World!")` dan tekan `Enter`. Hasilnya akan muncul seperti gambar dibawah.

![alt text][i-anaconda-python]

Pada [Anaconda][] juga disertakan [conda][]. [Conda][] adalah _package management system_ dan _environment management system_ yang akan memudahkan pemasangan _package_ dan mengelolanya. Ini _open source_ dan dapat bekerja di _Linux_, _OS X_ dan _Windows_. Tadinya ini dibuat untuk membuat _package_ untuk [Python][], sekarang ia bisa melakukan itu untuk _software_ lainnya.

[Conda][] memiliki banyak _package_ seperti yang terlihat di [Conda Package List][conda-pkg]. Dan cara pasangnya juga mudah `conda install basemap`. Kebetulan _package_ yang kita contohkan agak berbeda perintahnya kalau di-_Windows_, dirubah seperti ini `conda install -c conda-forge basemap` (baca di [conda-forge/basemap-feedstock][GhBasemapFeedstock]).

![alt text][i-conda-basemap]

Walaupun [conda][] merupakan _tool_ utama untuk mengatur pemasangan _package_ di-[Anaconda][]. Dan karena ini juga merupakan [Python distribution][Python] maka tetap kita bisa menggunakan [pip][] untuk memasang _package_ yang tidak terdapat dalam [conda][]. Seperti _geopy_, *memory_profiler* dan lainnya. Penggunaannya juga sama seperti layaknya menggunakan [pip][], contoh `pip install geopy`.

Kita akan bisa melihat kalau _package_ yang kita perlukan tidak ada, maka akan muncul pesan _error_ seperti pada gambar dibawah. Pada saat kita memberikan perintah untuk meng-_import_, [Python][] akan berusaha mencari dalam koleksi yang dimilikinya. Bila tidak ada maka dimunculkanlah pesan _error_-nya.

![alt text][i-pip-geopy-not-install]

Kita pasang lewat [pip][] dengan perintah `pip install geopy memory_profiler`. Di sini kita juga coba memasang *memory_profiler* juga dalam satu perintah. Ini sebagai ilustrasi bahwa kita bisa memasang beberapa _package_ dalam satu waktu.

![alt text][i-pip-install]

Sekarang kita coba _import_ lagi. Dan tampaknya tidak ada _error_, boleh dibilang [Python][] sudah bisa mengakses _package geopy_.

![alt text][i-pip-geopy]

### Jupyter

Salah satu alasan untuk menggunakan [Anaconda][] adalah [Jupyter][] sudah ada di dalamnya. [Jupyter Notebook][Jupyter] lebih di kenal dengan sebutan [Jupyter][]. [Jupyter][] pengembangan dari [IPython][], [IPython][] disini bertindak sebagai _kernel_ dan [Jupyter][] menggunakan antarmuka [Notebook Interface][WkNotebookInterface](silahkan baca penjelasannya) -- lebih mirip dokument interaktif. [Jupyter][] ini boleh dibilang _editor_ dalam bentuk _web aplikasi_ di _localhost_ komputer kita dan banyak yang bisa dilakukan. Seperti untuk menulis kode [Python][], _equations_, visualisasi dan bisa juga sebagai [Markdown][] editor.

![alt text][i-jupyter-website]

#### Hello

Menggunakan [Jupyter][] mudah sekali, sama halnya menggunakan _web_ aplikasi. Kita buka _cmd_ kemudian masuk ke _folder_ dimana kita bekerja. Disana masukan perintah `jupyter notebook` untuk menjalankan [Jupyter][]. Kalau sukses maka terbuka juga _browser_ dengan alamat `localhost:8888`.

Memulai menggunakannya bisa ditekan _file_ pada _tab **Files**_ atau kita bisa buat baru dengan _dropdown **New**_ lalu pilih pilihan dibawah _label **Notebooks**_.

![alt text][i-jupyter]

Ketika bekerja dengan [Jupyter][], maka kita bekerja dengan _tab_ atau _windows_ _browser_. _Per-Tab_ atau _windows_ _browser_ tersebut akan menjalankan dan berkomunikasi [IPython][] -- satu _tab_ dengan satu _instance_ [IPython][]. Jadi sebetulnya [Jupyter][] adalah antarmuka _web_ untuk [IPython][], makanya disebut sebagai _kernel_-nya.

Perlu di ingat, kode yang bisa dijalan oleh ini adalah kode [Python][]. Sekarang kita masukkan kode `print("Hello Jupyter")`. Untuk mengesekusi kode tersebut bisa dilaksanakan dengan menekan tombol seperti pada gamber atau gunakan `Shift + Enter`. Dan kita akan melihat hasilnya dibawah kode kita, seperti layaknya di-_cmd_. Bedanya ini akan terekam sebagai dokumen dan per-_cell_-nya bisa di esekusi lagi. Caranya, _cursor_ diarahkan ke-_cell_-nya lalu di esekusi.

![alt text][i-jupyter-hello]

#### Markdown

Karena ini menggunakan filosofi [Notebook Interface][WkNotebookInterface]. Maka dokumen ini juga bisa ditambahkan informasi yang bukan kode. Dalam kontek ini adalah _Text_ yang bisa ditulis dalam _format_ [Markdown][].

Pada saat kita di-_cell_ kita rubah di-_dropdown_ menjadi [Markdown][]. Setelah itu kita bisa menulis dalam _textbox_-nya dengan format itu. Dan tampaknya ia juga mendukung sintak _LATEX_ juga.

![alt text][i-jupyter-markdown]

Setelah kita tulis, kita esekusi seperti halnya dengan kode. Bedanya ini akan terlihat menyatu dalam dokumen. Jadi ada kode, informasi dan juga perintah dalam sebuah dokumen yang menjadi implementasi antarmuka [Notebook Interface][WkNotebookInterface].

![alt text][i-jupyter-markdown-done]

#### CMD

Di atas disebutkan ada `perintah`. Yang dimaksud adalah kita bisa menjalankan perintah _cmd_ di dalam [Jupyter][] ini.

Contohnya kita bisa menjalankan perintah untuk mengkompilasi kode yang bukan [Python][]. Seperti kita coba melakukan itu dengan kode [C][] dengan kompiler [Microsoft Visual C][MSVC]. Untuk itu kita akan memulai [jupyter][] ini lewat _Developer Command Prompt for VS2015_ (kebetulan ini pakai VS2015, versi apapun sama saja). Kenapa? untuk mengkompile dengan [MSVC][] _cmd_ perlu diberitahu dimana lokasi _header_, _bin_ dan _library_-nya. Dengan menggunakan _Developer Command Prompt for VS2015_ itu sudah di-_set_ jadi kita tidak perlu lakukan itu secara manual.

![alt text][i-vs-menu]

Setelah terbukan _cmd_-nya kita arahkan ke _folder_ dimana kita bekerja. Setelah itu kita bisa jalankan `jupyter notebook`. Pada gambar dibawah kita menjalankan perintah `python -V` dan `cl` untuk menunjukkan kita berada dilingkugan yang kita perlukan.

![alt text][i-jupyter-cmd-vs]

[Jupyter][] berjalan seperti biasa saja. Yang akan berbeda adalah ketika kita menjalan perintah _cmd_ maka ia akan menggunakan _set_ yang terdapat di-_Developer Command Prompt for VS2015_.

Terlihat di `In [1]`, kita masukkan _text_ itu. Itu adalah kode [Python][], lihat di _line 1_. Ada `%%file hello.c`, [Python][] mengenal itu sebagai perintah apapun setelah ini adalah _text_ dan itu akan dimasukkan ke dalam _file hello.c_. Pada saat kita mengesekusi _line_ ini, hasilnya adalah `Writing hello.c` -- kalau ada nama file itu ia akan ditimpa.

Pada `In [2]` dan `In [3]`, kita memanfaatkan tanda __!__ dilanjutkan dengan perintah seperti yang biasa dilakukan pada _cmd_. Tanda itu akan memerintahkan [Python][] untuk menesekusi perintah itu di-_process_ yang berbeda. Disini kita menjalankan perintah untuk mengkompile dan menjalankan hasil pengompilasian itu.

![alt text][i-jupyter-cmd-hello]

#### Pythonic

Menulis kode dengan [Python][] bisa berupa kode yang seperti layaknya kode pemogramman atau dalam [Python][] ada filosofi tersendiri untuk menulis kode yang efisien. Ideomatik itu biasa disebut __Pythonic__ seperti yang tertulis pada gambar dibawah.

![alt text][i-jupyter-zen]

Tentu seperti apa ya. Pada dasarnya sederhana saja tapi kadang bagi pemula terkesan _cryptic_ atau tersamar. Seperti pada contoh dibawah, disini kita coba menghitung __Pi__. Kita ada kode [C][] yang kita ubah menjadi kode [Python][]. Dari situ kita _refactor_ menjadi lebih efisien secara __Pythonic__.

![alt text][i-jupyter-pi]

Memang menulis secara __Pythonic__ memerlukan pengenalan atas [Python][] lebih dalam. Di seksi ini hanya ingin menunjukan arah mengkode [Python] lebih efisien dengan belajar di-[Jupyter][].

#### Flask

Mengenai esekusi dengan tanda __!__ kadang tidak selalu disarankan. Seperti kalau kita membuat aplikasi _web_. Karena kalau kita jalankan di-_process_-nya [Jupyter][] (dengan perintah `!python server.py`) kita akan kesulitan bilamana kita perlu me-_restart_ aplikasi tersebut.

Seperti contoh dibawah. Aplikasi _web_ itu akan menjalankan _process_ dengan _socket_, kalau kita jalankan di-[Jupyter][]. Maka _sub-process_ pada [IPython][] akan sulit dihentikan. Oleh karena itu kita menjalankan aplikasi itu di-_cmd_ yang berbeda dengan perintah `python server.py`, biarlah [Jupyter][] bertindak sebagai _editor_.

![alt text][i-jupyter-flask]

#### Mandelbrot

Kita bisa melakukan banyak hal juga dengan [Jupyter][] ini. Salah satunya melakukan perhitungan yang hasilnya berupa gambar, baik bentuk _chart_ atau lainnya.

Seperti yang terlihat dibawah kode untuk _Mandelbrot_ yang hasilnya bisa ditampilkan dalam dokumen ini. Jadi bisa dibayangkan kenapa [Jupyter][] banyak digunakan untuk melakukan analisa dengan ini. Antarmuka model [Notebook Interface][WkNotebookInterface] ini akan membantu penggunanya melihat 'hasil' analisa (_Data Science_, _ML_, _Deep Learning_ dan lainnya) dengan _chart_ atau ilustrasi gambar dibandingkan dengan antarmuka database yang hasilnya _tabular_ saja.

![alt text][i-jupyter-mandel]

### Penutup

[Anaconda][] akan banyak membantu mengorkestrasikan banyak hal bila kita ingin bekerja atau belajar dengan [Python][]. Kita tidak direpotkan oleh hal-hal diluar fokus kita. Apalagi dengan adanya [Jupyter][], lebih memudahkan lagi menggunakan [Python][] untuk tujuan lainnya.

### Referensi

* [Python][PythonLang]
* [IPython][IPythonWeb]
* [Jupyter][]
* [Codepolitan: Memulai Pemrograman dengan Python][CpMulaiPython]

[XAMPP]: https://en.wikipedia.org/wiki/XAMPP "Wikipedia: Cross-Platform (X), Apache (A), MariaDB (M), PHP (P) and Perl (P) (XAMPP)"
[PHPLang]: https://php.net/ "PHP Programming Language"
[PythonLang]: https://www.python.org/ "Python Website"
[Python]: https://en.wikipedia.org/wiki/Python_(programming_language) "Wikipedia: Python"
[pip]: https://en.wikipedia.org/wiki/Pip_(package_manager) "pip (package manager)"
[IPython]: https://en.wikipedia.org/wiki/IPython "Wikipedia: IPython"
[WkNotebookInterface]: https://en.wikipedia.org/wiki/Notebook_interface "Wikipedia: Notebook interface"
[IPythonWeb]: https://ipython.org/ "IPython Website"
[Jupyter]: http://jupyter.org/ "Jupyter Website"
[Markdown]: https://en.wikipedia.org/wiki/Markdown "Wikipedia: Markdown"
[MSVC]: https://en.wikipedia.org/wiki/Visual_C%2B%2B "Wikipedia: Microsoft Visual C++"
[Continuum]: https://www.continuum.io/ "Continuum Analytics Website"
[C]: https://en.wikipedia.org/wiki/C_(programming_language) "Wikipedia: C (programming language)"
[Anaconda]: https://en.wikipedia.org/wiki/Anaconda_(Python_distribution) "Wikipedia: Anaconda (Python distribution)"
[AnacondaGet]: https://www.continuum.io/downloads "Anaconda Download"
[conda-pkg]: https://docs.continuum.io/anaconda/pkg-docs "Anaconda package list"
[conda]: https://conda.io/docs/index.html "Conda"
[GhBasemapFeedstock]: https://github.com/conda-forge/basemap-feedstock "GitHub: conda-forge/basemap-feedstock"
[CpMulaiPython]: https://www.codepolitan.com/memulai-pemrograman-python "Codepolitan: Memulai Pemrograman dengan Python"

[i-continuum-website]: https://dede.gitlab.io/a/i/p/py-anaconda/continuum-website.png "Continuum Website"
[i-jupyter-website]: https://dede.gitlab.io/a/i/p/py-anaconda/jupyter-website.png "Jupyter Website"
[i-anaconda-python]: https://dede.gitlab.io/a/i/p/py-anaconda/anaconda-python.png "Python Anaconda CLI"
[i-conda-basemap]: https://dede.gitlab.io/a/i/p/py-anaconda/conda-basemap.png "conda basemap"
[i-pip-install]: https://dede.gitlab.io/a/i/p/py-anaconda/pip-install.png "pip install geopy memory_profiler"
[i-pip-geopy-not-install]: https://dede.gitlab.io/a/i/p/py-anaconda/pip-geopy-not-install.png "import geopy (not install)"
[i-pip-geopy]: https://dede.gitlab.io/a/i/p/py-anaconda/pip-geopy.png "import geopy"
[i-jupyter]: https://dede.gitlab.io/a/i/p/py-anaconda/jupyter.png "Jupyter Notebook"
[i-jupyter-hello]: https://dede.gitlab.io/a/i/p/py-anaconda/jupyter-hello.png "Jupyter Hello"
[i-jupyter-markdown]: https://dede.gitlab.io/a/i/p/py-anaconda/jupyter-markdown.png "Jupyter Markdown"
[i-jupyter-markdown-done]: https://dede.gitlab.io/a/i/p/py-anaconda/jupyter-markdown-done.png "Jupyter Markdown Done"
[i-vs-menu]: https://dede.gitlab.io/a/i/p/py-anaconda/vs-cmd.png "Visual Studio Developer Command"
[i-jupyter-cmd-vs]: https://dede.gitlab.io/a/i/p/py-anaconda/jupyter-cmd-vs.png "Jupyter Visual Studio Developer Command"
[i-jupyter-cmd-hello]: https://dede.gitlab.io/a/i/p/py-anaconda/jupyter-cmd-hello.png "Jupyter Visual Studio Developer Command"
[i-jupyter-pi]: https://dede.gitlab.io/a/i/p/py-anaconda/jupyter-pi.png "Jupyter Pi"
[i-jupyter-zen]: https://dede.gitlab.io/a/i/p/py-anaconda/jupyter-zen.png "Jupyter Zen"
[i-jupyter-flask]: https://dede.gitlab.io/a/i/p/py-anaconda/jupyter-flask.png "Jupyter Flask"
[i-jupyter-mandel]: https://dede.gitlab.io/a/i/p/py-anaconda/jupyter-mandel.png "Jupyter Mandelbrot Set"

Instalasi Python Lebih Mudah dengan Anaconda

GenAI Video Fest adalah ajang kompetisi video kreatif yang diselenggarakan oleh CODEPOLITAN bekerjasama dengan Alibaba Cloud.

Kami menantang kreator, tech-enthusiast, dan siapa saja untuk mendobrak batas imajinasi menggunakan teknologi Generative AI terbaru. Di sini, kamu wajib menggunakan WAN Model Studio dari Alibaba Cloud sebagai tools utama untuk menghasilkan karya videomu (bisa dikombinasikan dengan tools editing lainnya).

Tunjukkan pada dunia bagaimana teknologi dan kreativitas bisa bersatu menciptakan karya visual yang berdampak!

Kategori Kompetisi
Pilih satu dari empat tema besar ini untuk karyamu:
* Humanity (Kemanusiaan): Cerita yang menyentuh hati, sosial, dan kepedulian antar sesama.
* Sports (Olahraga): Energi, semangat juang, dan dinamika dunia olahraga.
* Entertainment (Hiburan): Komedi, musik, video klip, atau parodi yang menghibur.
* Science (Sains): Visualisasi masa depan, teknologi, alam semesta, atau penemuan ilmiah.

Total Prize Pool senilai Rp 250.000.000 menunggu para pemenang!
* Top Winners Rewards: Uang Tunai, Alibaba Cloud Credits (hingga $500), Merchandise Eksklusif, dan SWAG CODEPOLITAN.
* Lucky Draw Event: Kesempatan menang hadiah tambahan bagi peserta yang beruntung.
* Massive Exposure: Karya terbaik akan di-highlight di media sosial CODEPOLITAN, Alibaba Cloud, dan channel industri kreatif lainnya.
* Special Access (Khusus Alumni RuangAI): Dapatkan 2 Token untuk klaim Kelas Spesialisasi di RuangAI secara gratis.

Jangan sampai ketinggalan tanggal penting ini:
* Pendaftaran & Submission: 23 Desember 2024 - 23 Januari 2025
* Penjurian (Judging Phase): 24 - 26 Januari 2025
* Pengumuman Pemenang: 27 Januari 2025

Cara Ikutan:
1. Daftar: Klik tombol "Daftar Sekarang" dan pastikan kamu punya akun RuangAI.
2. Join Discord: Masuk ke server Discord komunitas untuk info teknis dan diskusi.
3. Create: Buat video kreatifmu menggunakan WAN Model Studio (Alibaba Cloud) sesuai kategori pilihan.
4. Upload & Submit: Unggah videomu ke media sosial (IG/TikTok/YouTube) dan submit link karyamu di halaman submission RuangAI.

Ikuti kompetisi video Generative AI terbesar dari CODEPOLITAN dan Alibaba Cloud! Gunakan teknologi WAN Model Studio untuk menyulap ide liarmu menjadi visual memukau. Rebut total hadiah senilai Rp 250.000.000!

GenAI Video Fest

Beasiswa Basic Cybersecurity adalah program inisiatif dari JagoanSiber yang dirancang untuk membuka wawasan masyarakat luas tentang dunia keamanan digital. Program ini hadir untuk menjawab kebutuhan talenta keamanan siber yang tinggi, dimulai dengan membangun pemahaman fundamental yang kokoh.

Program ini berbentuk Kelas Online Belajar Mandiri (Self-Paced Learning) berbasis video. Peserta diberikan keleluasaan penuh untuk mengakses materi kapan saja dan di mana saja tanpa terikat jadwal, sehingga sangat fleksibel bagi pelajar, mahasiswa, maupun pekerja profesional.

Kelebihan utama program ini adalah aksesnya yang 100% GRATIS dan terbuka untuk siapa saja tanpa syarat latar belakang IT. Peserta akan dibimbing langsung oleh Mahrus Qusaery, seorang praktisi keamanan siber berpengalaman, yang akan mengupas tuntas materi dasar yang krusial.

Program beasiswa kelas online gratis untuk mempelajari dasar keamanan siber dari nol. Belajar mandiri berbasis video langsung dari praktisi ahli, Mahrus Qusaery.

Instalasi Python Lebih Mudah dengan Anaconda

Learning

KelasFullstack

RuangAI

JagoanSiber

Baca Artikel Lainnya

IBM Swift Sandbox, Belajar dan Tes Kode Program Swift Online

T-SQL : Greatest Function di SQL Server

WinForm: Cross-Thread

Implementasi Math Summation

PeachPie, PHP compiler untuk .NET

UrhoSharp Game-Engine dari Xamarin