Menjalankan kode di komputermu · Coding Studio

Kapan kamu butuh panduan ini

Hampir semua contoh dan latihan berjalan langsung di peramban. Sebagian kecil tidak, misalnya karena hasil angkanya berbeda di Python peramban, butuh terminal sungguhan, atau terlalu berat. Item seperti itu tampil tanpa tombol Jalankan atau Periksa, dengan catatan "Kerjakan di laptop":

Contoh tanpa tombol Jalankan. Di bawah kodenya ada tombol Unduh kode, tautan data bila contoh memakai data, dan tombol untuk berkas pendukungnya.
Latihan "Kerjakan di laptop". Tombol Unduh berkas latihan memberimu satu berkas berisi kode awal dan tesnya.
Lab di luar peramban, misalnya Docker, Git, layanan model, atau data yang lebih besar. Ikuti langkah di modulnya; panduan ini menyiapkan Python-nya.

Ringkasnya: siapkan Python, pasang paket course, ambil data, lalu jalankan contoh atau jalankan tes latihan. Tidak punya laptop? Pakai Google Colab.

Siapkan Python dan venv

Pakai Python 3.12 atau 3.13: keluaran di materi diperiksa dengan kedua versi itu. Belum pernah memakai terminal, venv, atau pip? Kerjakan dulu F1 Modul 13 · Python di komputermu.

Windows: pasang dari python.org dan centang Add python.exe to PATH. Buka PowerShell; untuk membuat venv pakai py -3.12 -m venv .venv.
macOS: pasang dari python.org atau brew install python@3.12. Buka Terminal; untuk membuat venv pakai python3.12 -m venv .venv.
Linux: pasang lewat pengelola paket, misalnya sudo apt install python3.12 python3.12-venv, lalu python3.12 -m venv .venv.

Buat satu folder kerja dan venv di dalamnya, sekali saja:

Terminal (macOS dan Linux)

mkdir coding-studio
cd coding-studio
python3.12 -m venv .venv

PowerShell (Windows)

mkdir coding-studio
cd coding-studio
py -3.12 -m venv .venv

Aktifkan venv setiap kali membuka terminal baru. Sesudah aktif, perintah python di semua sistem memakai Python venv ini.

Terminal (macOS dan Linux)

source .venv/bin/activate

PowerShell (Windows)

.venv\Scripts\Activate.ps1

Bila PowerShell menolak menjalankan skrip aktivasi, jalankan sekali Set-ExecutionPolicy -Scope CurrentUser RemoteSigned, lalu coba lagi.

Pasang paket course

Dengan venv aktif, jalankan perintah course yang sedang kamu pelajari. Course jalur data dan AI memakai daftar paket yang sama, dengan versi yang sama dengan lab di peramban, jadi satu venv cukup untuk semuanya. Course lain cukup memakai pustaka standar Python ditambah pytest untuk menjalankan tes. Cara kerja pytest dibahas di F1 Modul 14 · Pengujian dengan pytest.

F1Python dari Nol
Terminal atau PowerShell, dengan venv aktif
```
python -m pip install pytest
```
F2SQL dan Data dari Nol
Terminal atau PowerShell, dengan venv aktif
```
python -m pip install pytest
```
Data F2 (data-f2.zip)
F5Rilis: dari Notebook ke Aplikasi
Terminal atau PowerShell, dengan venv aktif
```
python -m pip install pytest
```
Data F5 (data-f5.zip)
K1Struktur Data dan Algoritma
Terminal atau PowerShell, dengan venv aktif
```
python -m pip install pytest
```
Data K1 (data-k1.zip)
C1Data Science dan Analitik
Terminal atau PowerShell, dengan venv aktif
```
python -m pip install pytest -r https://numekara.com/coding-assets/c1-data-science/requirements.txt
```
requirements.txt Data C1 (data-c1.zip)
C2Machine Learning Engineering
Terminal atau PowerShell, dengan venv aktif
```
python -m pip install pytest -r https://numekara.com/coding-assets/c2-machine-learning/requirements.txt
```
requirements.txt Data C2 (data-c2.zip)
C3AI Engineering
Terminal atau PowerShell, dengan venv aktif
```
python -m pip install pytest
```

C4Data Engineering

Terminal atau PowerShell, dengan venv aktif

python -m pip install pytest -r https://numekara.com/coding-assets/c4-data-engineering/requirements.txt

requirements.txt Data C4 (data-c4.zip)

C5Agentic Engineering
Terminal atau PowerShell, dengan venv aktif
```
python -m pip install pytest
```
C9Deep Learning dari Dasar
Terminal atau PowerShell, dengan venv aktif
```
python -m pip install pytest -r https://numekara.com/coding-assets/c9-deep-learning/requirements.txt
```
requirements.txt Data C9 (data-c9.zip)
C10MLOps dan Platform ML
Terminal atau PowerShell, dengan venv aktif
```
python -m pip install pytest -r https://numekara.com/coding-assets/c10-mlops/requirements.txt
```
requirements.txt Data C10 (data-c10.zip)

C12NLP Terapan

Terminal atau PowerShell, dengan venv aktif

python -m pip install pytest -r https://numekara.com/coding-assets/c12-nlp-terapan/requirements.txt

requirements.txt Data C12 (data-c12.zip)

C13CV Terapan

Terminal atau PowerShell, dengan venv aktif

python -m pip install pytest -r https://numekara.com/coding-assets/c13-cv-terapan/requirements.txt

requirements.txt Data C13 (data-c13.zip)

Paket untuk lab di luar peramban (misalnya Docker, Streamlit, MLflow, atau PyTorch) dipasang di modul yang memakainya; ikuti langkah di sana.

Ambil data dan berkas pendukung

Kode membuka data dengan nama berkas yang sama persis dengan di materi, dari folder tempat kode dijalankan. Simpan semuanya di folder kerjamu, di samping kodenya, tanpa mengubah nama (transaksi.csv, bukan transaksi (1).csv).

Data satu berkas (.csv, .json, .jsonl, .txt, .sql, …): unduh dari tautan di catatan "Kerjakan di laptop".
Data berupa folder (misalnya pos_harian/): ada di zip data course. Ekstrak isi zip langsung ke folder kerja, jangan ke subfolder baru, sehingga folder datanya berada di samping kode. Zip itu juga memuat semua data lain course tersebut.
Berkas pendukung: sebagian contoh dan latihan memakai berkas yang ditulis di materi (blok berjudul "Berkas" dengan nama berkasnya, misalnya modul .py pembantu). Catatan menyediakan tombol unduhnya; simpan dengan nama yang sama.
Data .sql untuk kode Python: kode yang memakai data warung membuka basis data warung.db. Buat sekali dari warung.sql, lalu hapus dan buat ulang bila ingin kembali ke data asli:

Terminal atau PowerShell

python -c "import sqlite3; db = sqlite3.connect('warung.db'); db.executescript(open('warung.sql', encoding='utf-8').read()); db.commit()"

Berkas unduhan dari catatan sudah menuliskan data dan berkas pendukung yang dibutuhkannya di baris-baris komentar paling atas.

Menjalankan contoh

Klik Unduh kode (atau salin kodenya ke berkas baru), lalu simpan di folder kerja.
Pastikan data dan berkas pendukungnya ada di folder yang sama.
Jalankan dengan venv aktif, lalu bandingkan hasilnya dengan blok Keluaran di materi.

Terminal atau PowerShell

python contoh_c1_10_577.py

Angka di digit terakhir bisa sedikit berbeda antarmesin, misalnya 0.1234567 di materi dan 0.1234568 di komputermu. Komputer menyimpan pecahan dalam bentuk biner sehingga setiap operasi membulatkan sedikit, dan pustaka numerik seperti NumPy menjumlahkan dengan urutan yang bergantung pada prosesor dan jumlah thread. Selisih sekecil itu bukan kesalahan kodemu. Agar hasilnya paling mirip dengan materi, jalankan dengan satu thread:

Terminal (macOS dan Linux)

OMP_NUM_THREADS=1 python contoh_c1_10_577.py

PowerShell (Windows)

$env:OMP_NUM_THREADS = "1"
python contoh_c1_10_577.py

Contoh SQL. Unduh kodenya (.sql) dan berkas data .sql course-nya, lalu jalankan dengan program SQLite di basis data baru di memori. macOS sudah memilikinya; di Linux pasang paket sqlite3; di Windows unduh sqlite-tools dari situs SQLite, taruh sqlite3.exe di folder kerja, dan tulis .\sqlite3.exe sebagai ganti sqlite3. Hasilnya tampil dengan format yang sama dengan blok Hasil di materi.

Terminal atau PowerShell

sqlite3 -header -separator " | " -nullvalue NULL :memory: ".read warung.sql" ".read contoh_f2_15_1453.sql"

Menjalankan latihan

Klik Unduh berkas latihan. Kamu mendapat satu berkas bernama test_<id latihan>.py, misalnya test_c4_11_3.py. Isinya kode awal di bagian KODEMU, lalu tes latihan di bawahnya. Tes dijalankan di berkas yang sama dengan kodemu, seperti di situs, jadi fungsi dan variabelmu bisa langsung dipanggil tes.
Simpan di folder kerja bersama data dan berkas pendukungnya.
Jalankan tesnya. Awalnya tes gagal; ubah bagian KODEMU sampai semuanya lulus, tanpa mengubah tesnya.

Terminal atau PowerShell

python -m pytest -q test_c4_11_3.py

Ingin menyusunnya sendiri? Buat test_latihan.py, tempel kode awal latihan, tempel blok Tes di bawahnya, lalu jalankan python -m pytest -q test_latihan.py. Bila tes memakai KELUARAN, KODE, jalankan, atau harus_galat, pakai berkas unduhan: pembantu itu sudah ada di dalamnya.

Tanpa laptop: Google Colab

Google Colab menjalankan Python di peramban dengan komputer milik Google, gratis dengan akun Google.

Buat notebook baru.
Unggah berkas lewat ikon folder di panel kiri: kode atau berkas latihan, data, berkas pendukung, dan requirements.txt course bila ada. Zip data diekstrak dengan sel !unzip -o data-c4.zip (ganti dengan nama zip course-mu).
Pasang paket di satu sel: !pip install pytest, atau !pip install pytest -r requirements.txt untuk versi yang sama dengan materi. Bila Colab meminta memulai ulang sesi, lakukan lalu lanjutkan.
Jalankan contoh dengan !python contoh_c1_10_577.py (atau tempel kodenya ke sel), dan latihan dengan !python -m pytest -q test_c4_11_3.py.

Berkas di Colab hilang saat sesi berakhir. Unduh kembali kodemu sebelum menutup notebook.