Python untuk Pengolahan Data pada Google Colab

🎯 Tujuan Pembelajaran

Setelah mempelajari materi ini, siswa mampu:

1. Menjelaskan pengertian dataset.
2. Membedakan baris dan kolom dalam data.
3. Menjelaskan pengertian DataFrame.
4. Menjelaskan kegunaan library Pandas.
5. Mengimpor Pandas di Google Colab.
6. Membuat DataFrame dari data sederhana.
7. Mengakses kolom dan baris DataFrame.
8. Menghitung jumlah, rata-rata, nilai tertinggi, dan nilai terendah.
9. Membaca dataset dari file CSV.
10. Menganalisis dataset sederhana menggunakan Python dan Pandas.

☁️ Praktik di Google Colab

Google Colab memungkinkan kita menjalankan Python langsung melalui browser tanpa harus memasang Python secara manual di komputer.

print("Saya siap belajar pengolahan data!")

🗂️ Mengenal Dataset

Dataset adalah kumpulan data yang disusun agar dapat dibaca, dipelajari, dan diolah. Dataset dapat berasal dari nilai siswa, penjualan, cuaca, pelanggan, hasil survei, dan banyak sumber lainnya.

Contoh dataset nilai siswa

Dataset di atas memiliki informasi tentang nama siswa dan nilai pada tiga mata pelajaran.

↔️ Memahami Baris dan Kolom

Dalam tabel data, baris dan kolom memiliki fungsi yang berbeda.

📊 Mengenal DataFrame

DataFrame adalah struktur data berbentuk tabel yang disediakan oleh Pandas. DataFrame memiliki baris dan kolom sehingga sangat cocok untuk pengolahan dataset.

Gambaran sederhana

DataFrame
┌────────┬────────┬───────────┬────────────┐
│ Nama   │ Matematika │ Bahasa │ Informatika│
├────────┼────────┼───────────┼────────────┤
│ Andi   │ 80     │ 75        │ 90         │
│ Budi   │ 70     │ 80        │ 75         │
│ Citra  │ 90     │ 95        │ 92         │
│ Dina   │ 85     │ 80        │ 88         │
└────────┴────────┴───────────┴────────────┘

Dengan DataFrame, kita dapat memilih kolom tertentu, menghitung rata-rata, menyaring data, dan melakukan berbagai analisis lainnya.

🐼 Mengenal Pandas

Pandas adalah library Python yang banyak digunakan untuk bekerja dengan data berbentuk tabel.

Mengapa menggunakan Pandas?

📦 Import Pandas

Sebelum menggunakan Pandas, kita perlu mengimpornya. Nama alias yang umum digunakan adalah pd.

import pandas as pd

Setelah itu, kita dapat menggunakan perintah seperti pd.DataFrame() dan pd.read_csv().

🧱 Membuat DataFrame

Kita dapat membuat DataFrame langsung dari dictionary Python.

import pandas as pd

data = {
    "Nama": ["Andi", "Budi", "Citra", "Dina"],
    "Matematika": [80, 70, 90, 85],
    "Bahasa": [75, 80, 95, 80],
    "Informatika": [90, 75, 92, 88]
}

df = pd.DataFrame(data)

print(df)

Memahami kode

1. import pandas as pd memanggil library Pandas.
2. data menyimpan data dalam dictionary.
3. Setiap key seperti Nama dan Matematika menjadi nama kolom.
4. List di dalam dictionary menjadi isi setiap kolom.
5. pd.DataFrame(data) mengubah data menjadi tabel.
6. print(df) menampilkan DataFrame.

🔎 Mengakses DataFrame

Melihat seluruh DataFrame

df

Memilih satu kolom

df["Nama"]

Memilih beberapa kolom

df[["Nama", "Matematika"]]

Melihat beberapa baris pertama

df.head()

Melihat informasi struktur data

df.info()

Melihat ukuran DataFrame

print("Jumlah baris:", df.shape[0])
print("Jumlah kolom:", df.shape[1])

🧮 Mengolah Data dengan Pandas

Rata-rata nilai Matematika

rata_matematika = df["Matematika"].mean()
print("Rata-rata Matematika:", rata_matematika)

Nilai tertinggi

tertinggi = df["Matematika"].max()
print("Nilai tertinggi:", tertinggi)

Nilai terendah

terendah = df["Matematika"].min()
print("Nilai terendah:", terendah)

Rata-rata semua mata pelajaran

kolom_nilai = ["Matematika", "Bahasa", "Informatika"]

df["Rata-rata"] = df[kolom_nilai].mean(axis=1)

print(df)

axis=1 berarti perhitungan dilakukan mendatar untuk setiap baris siswa.

📄 Membaca File CSV

CSV adalah format file yang sering digunakan untuk menyimpan data dalam bentuk tabel. Pandas menyediakan read_csv() untuk membaca file tersebut.

Jika file CSV tersedia di Google Colab

import pandas as pd

df = pd.read_csv("data_nilai.csv")

print(df)

Mengunggah CSV ke Colab

🎯 Aktivitas — Analisis Dataset Nilai Siswa

Siswa diberikan dataset sederhana berikut.

Target analisis

• Menghitung rata-rata setiap mata pelajaran.
• Mencari siswa dengan nilai tertinggi pada setiap mata pelajaran.
• Menghitung rata-rata setiap siswa.
• Mencari siswa dengan rata-rata tertinggi.

Langkah 1 — Membuat DataFrame

import pandas as pd

data = {
    "Nama": ["Andi", "Budi", "Citra", "Dina"],
    "Matematika": [80, 70, 90, 85],
    "Bahasa": [75, 80, 95, 80],
    "Informatika": [90, 75, 92, 88]
}

df = pd.DataFrame(data)

df

Langkah 2 — Rata-rata setiap mata pelajaran

print("Rata-rata Matematika:", df["Matematika"].mean())
print("Rata-rata Bahasa:", df["Bahasa"].mean())
print("Rata-rata Informatika:", df["Informatika"].mean())

Langkah 3 — Menambahkan kolom rata-rata siswa

kolom_nilai = ["Matematika", "Bahasa", "Informatika"]

df["Rata-rata"] = df[kolom_nilai].mean(axis=1)

print(df)

Langkah 4 — Mencari siswa dengan rata-rata tertinggi

index_tertinggi = df["Rata-rata"].idxmax()

print("Siswa dengan rata-rata tertinggi:")
print(df.loc[index_tertinggi])

Contoh hasil analisis

Rata-rata Matematika: 81.25
Rata-rata Bahasa: 82.5
Rata-rata Informatika: 86.25

Siswa dengan rata-rata tertinggi:
Nama            Citra
Matematika      90
Bahasa          95
Informatika     92
Rata-rata       92.33...

🚀 Proyek Mini — Analisis Data Nilai Siswa

Buat notebook Google Colab yang dapat membuat atau membaca dataset nilai siswa, kemudian melakukan analisis sederhana.

Ketentuan minimal

1. Dataset memiliki minimal 5 siswa.
2. Memiliki kolom Nama.
3. Memiliki minimal 3 kolom mata pelajaran.
4. Data disimpan dalam DataFrame.
5. Menampilkan rata-rata setiap mata pelajaran.
6. Menambahkan kolom rata-rata setiap siswa.
7. Menampilkan siswa dengan rata-rata tertinggi.
8. Menampilkan siswa dengan nilai tertinggi dan terendah pada salah satu mata pelajaran.

Kode proyek contoh

import pandas as pd

# 1. Membuat dataset
data = {
    "Nama": ["Andi", "Budi", "Citra", "Dina", "Eko"],
    "Matematika": [80, 70, 90, 85, 78],
    "Bahasa": [75, 80, 95, 80, 82],
    "Informatika": [90, 75, 92, 88, 85]
}

# 2. Membuat DataFrame
df = pd.DataFrame(data)

# 3. Menampilkan dataset
print("=== DATASET NILAI SISWA ===")
print(df)

# 4. Menentukan kolom nilai
kolom_nilai = ["Matematika", "Bahasa", "Informatika"]

# 5. Menghitung rata-rata setiap siswa
df["Rata-rata"] = df[kolom_nilai].mean(axis=1)

# 6. Rata-rata setiap mata pelajaran
print("\n=== RATA-RATA MATA PELAJARAN ===")
for kolom in kolom_nilai:
    print(kolom, ":", df[kolom].mean())

# 7. Siswa dengan rata-rata tertinggi
index_tertinggi = df["Rata-rata"].idxmax()
siswa_tertinggi = df.loc[index_tertinggi]

print("\n=== SISWA DENGAN RATA-RATA TERTINGGI ===")
print(siswa_tertinggi)

# 8. Menampilkan hasil akhir
print("\n=== DATA AKHIR ===")
print(df)

Pengembangan proyek

📝 5 Latihan Soal

🛠️ 5 Tugas Praktik

Checklist Pengumpulan

📌 Ringkasan

1. Dataset adalah kumpulan data yang akan dianalisis.
2. Baris mewakili record, sedangkan kolom mewakili atribut.
3. DataFrame adalah struktur data berbentuk tabel dari Pandas.
4. Pandas digunakan untuk membaca, mengatur, dan menganalisis data.
5. import pandas as pd digunakan untuk mengimpor Pandas dengan alias pd.
6. pd.DataFrame() dapat digunakan untuk membuat DataFrame.
7. df["Kolom"] digunakan untuk memilih sebuah kolom.
8. mean(), max(), dan min() membantu melakukan perhitungan data.
9. pd.read_csv() digunakan untuk membaca dataset CSV.
10. DataFrame membuat proses pengolahan data menjadi lebih terstruktur dan mudah dilakukan dengan Python.

💭 Refleksi Siswa

1. Apa yang dimaksud dengan dataset?
2. Apa perbedaan baris dan kolom?
3. Mengapa DataFrame cocok untuk pengolahan data?
4. Apa fungsi Pandas?
5. Bagian mana yang paling mudah dan paling sulit?
6. Apa manfaat mean(), max(), dan min()?
7. Mengapa membaca data dari CSV dapat membantu ketika jumlah data semakin banyak?

📚 Google Colab

Gunakan Google Colab untuk menjalankan seluruh contoh kode pada materi ini.

Materi Pembelajaran Koding dan Kecerdasan Artifisial • Python • Google Colab • Pengolahan Data