Belajar AI - Python untuk AI & Tools Dasar

#Pendahuluan

Setelah di episode 2 kita membangun peta bidang AI dan terminologi kunci, kini saatnya turun ke kode. Episode ini adalah jembatan dari teori ke praktik: kalian akan menguasai empat library paling mendasar di dunia AI — NumPy, Pandas, Matplotlib, dan scikit-learn — lalu mempraktikkannya dengan Exploratory Data Analysis (EDA) pada dataset nyata.

Mengapa ini penting? Karena 80% pekerjaan AI engineer nyata justru bukan training model, melainkan memahami dan membersihkan data. Sebelum model bisa belajar apa pun, kalian harus tahu bentuk, kualitas, dan pola datanya. Library-library di episode ini adalah peralatan sehari-hari untuk pekerjaan itu.

#Stack Python untuk AI

#NumPy: Komputasi Numerik

NumPy adalah fondasi segalanya — TensorFlow dan PyTorch dibangun di atas konsep array NumPy. Library ini menyediakan array multidimensi dan operasi vektor yang cepat (jauh lebih cepat dari list Python biasa).

import numpy as np
 
arr = np.array([[1, 2], [3, 4]])
print(arr.shape)        # (2, 2)
print(arr + 10)         # broadcast: tambahkan ke semua elemen
print(np.mean(arr))     # 2.5

Kunci mental: selalu vektorisasi. Tulis operasi pada seluruh array, jangan loop per-elemen — itu pembeda performa antara kode yang lambat dan cepat.

#Pandas: Manipulasi Data

Pandas menyediakan DataFrame — struktur tabel dua dimensi mirip spreadsheet. Ini alat utama EDA: membaca CSV, memfilter, mengelompokkan, dan menangani nilai kosong.

import pandas as pd
 
df = pd.read_csv("data.csv")
print(df.head())          # 5 baris pertama
print(df.info())          # tipe & non-null per kolom
print(df.describe())      # statistik ringkas per kolom numerik

#Matplotlib: Visualisasi

Matplotlib membuat grafik: scatter, histogram, boxplot. Visualisasi adalah cara tercepat menemukan pola dan anomali yang tidak terlihat di tabel angka.

#scikit-learn: ML Dasar

scikit-learn adalah library ML klasik yang paling populer: model (klasifikasi, regresi, clustering), preprocessing, dan metrik evaluasi dalam satu API yang konsisten. Kita mulai memakainya di episode 4.

#Instalasi dan Workflow Jupyter

Install semuanya dalam satu perintah di dalam venv episode 0:

pip install numpy pandas matplotlib scikit-learn jupyter

Buat notebook baru, lalu jalankan sel-demi-sel. Workflow khas AI: tulis hipotesis, eksplorasi dengan kode, amati hasil, ulangi. Jupyter membuat loop ini cepat karena setiap sel bisa dijalankan ulang tanpa memulai dari nol.

#Praktik: Exploratory Data Analysis (EDA)

Kita pakai dataset Iris — legenda dunia ML: 150 sampel bunga iris dari 3 spesies, masing-masing dengan 4 fitur ukuran (sepal dan petal). Meski sederhana, Iris punya semua elemen EDA yang kalian butuhkan.

#1. Memuat dan Memahami Data

import pandas as pd
from sklearn.datasets import load_iris
 
iris = load_iris()
df = pd.DataFrame(iris.data, columns=iris.feature_names)
df["species"] = iris.target_names[iris.target]
 
print(df.head())
print(df["species"].value_counts())

Perhatikan: iris.feature_names memberi nama kolom fitur, dan kita menambahkan kolom species sebagai label.

#2. Menangani Nilai Kosong dan Tipe Data

print(df.isnull().sum())       # harus 0 di semua kolom
print(df.dtypes)               # semua numerik + object untuk species
print(df.duplicated().sum())   # baris duplikat

Data ideal tidak pernah ada di dunia nyata. isnull().sum(), duplicated(), dan dtypes adalah pemeriksaan pertama yang selalu dilakukan — jika ada nilai kosong, kita perlu memutuskan strategi (dibahas di episode 10).

#3. Statistik Ringkas per Kelas

grouped = df.groupby("species").agg(["mean", "std"]).round(2)
print(grouped)

Pertanyaan klasik EDA: apakah spesies benar-benar bisa dibedakan dari fiturnya? Jika rata-rata fitur antar spesies berbeda nyata, maka klasifikasi ML berpeluang besar bekerja.

#4. Visualisasi: Sebelumnya Hanya Angka

import matplotlib.pyplot as plt
 
for species in df["species"].unique():
    subset = df[df["species"] == species]
    plt.scatter(subset["sepal length (cm)"],
                subset["petal length (cm)"],
                label=species)
 
plt.xlabel("Sepal length (cm)")
plt.ylabel("Petal length (cm)")
plt.legend()
plt.show()

Dari plot, kalian akan melihat satu spesies (setosa) terpisah jelas, sementara dua lainnya saling tumpang tindih — petunjuk penting bahwa tugas klasifikasi antar kedua spesies itu lebih sulit.

#5. Menguji Hipotesis Secara Kuantitatif

Analisis korelasi memperkuat temuan visual:

numeric = df.select_dtypes(include="number")
print(numeric.corr().round(2))

Korelasi tinggi antara petal length dan petal width (sekitar 0.96) menunjukkan keduanya membawa informasi yang serupa — pengetahuan yang berguna saat feature selection di episode 10.

#Common Pitfalls

• Loop di Pandas: hindari for baris per baris; pakai operasi vektor (groupby, apply).
• Mengabaikan nilai kosong: model akan error atau diam-diam menghasilkan prediksi buruk.
• Melihat angka tanpa visualisasi: selalu pasangkan statistik dengan plot.
• Data leakage saat EDA: jangan latih model dari statistik seluruh dataset sebelum split — aturan detail di episode 4 dan 9.

#Penutup

Inti yang harus dibawa pulang:

• NumPy = komputasi numerik vektor, Pandas = tabel data, Matplotlib = visualisasi, scikit-learn = ML dasar.
• EDA adalah langkah pertama semua proyek AI: cek kualitas data, statistik per kelas, korelasi, dan plot.
• Dataset iris dipakai sebagai media latih yang aman: lengkap, bersih, dan pola yang jelas.
• Pola EDA ini (muat → periksa → statistik → visual → hipotesis) akan kalian ulangi di semua proyek nyata.

Di episode 4 selanjutnya kita akan membahas Machine Learning untuk pemahaman AI — supervised (classification & regression), unsupervised (clustering), dan reinforcement learning, plus pipeline nyata train/test split, fit, predict, dan evaluasi accuracy/precision di dataset iris yang sama. Sampai jumpa di episode 4!