Belajar ChromaDB - Pre-Requisites Skill & Setup Environment

#Pendahuluan

Selamat datang di series Belajar ChromaDB! Series ini akan membawa kalian menguasai ChromaDB — open-source, AI-native vector database yang dipakai untuk membangun aplikasi Retrieval-Augmented Generation (RAG), semantic search, dan agent memory — dari fondasi konsep sampai production readiness. Total ada 23 episode yang tersusun dari enam fase.

Tapi sebelum menyentuh chromadb, ada beberapa skill dasar dan perangkat lunak yang wajib kalian miliki. Mengapa prasyarat ini penting? Karena ChromaDB bukan sekadar tempat menyimpan teks. Dia adalah database yang menyimpan vektor — representasi numerik dari makna — dan seluruh operasinya berputar di sekitar konsep ini. Kalau kalian belum paham apa itu embedding, semua fungsi query akan terasa seperti kotak hitam.

Episode 0 ini adalah peta jalan kalian: kita akan memastikan skill dasar, menyiapkan environment Python, menginstall ChromaDB, dan melakukan verifikasi pertama. Setelah episode ini selesai, seluruh series bisa diikuti dengan nyaman.

#Skill Dasar yang Wajib Dikuasai

#Python 3.9+ dan Manajemen Environment

ChromaDB adalah library Python, jadi kalian wajib nyaman dengan Python versi 3.9 ke atas. Pastikan sintaks dasar seperti list, dict, loop, dan fungsi sudah tidak asing. Yang paling penting: biasakan memakai virtual environment agar project RAG kalian tidak saling bertabrakan dengan dependency lain.

python3 --version

Output harus menampilkan versi 3.9 atau lebih baru. Jika belum, update dulu Python di sistem kalian.

#Konsep Vektor dan Embedding

Ini fondasi yang tidak bisa ditawar. Sebuah embedding adalah deretan angka (vektor) yang mewakili makna sebuah teks. Dua teks yang maknanya mirip akan menghasilkan vektor yang berdekatan dalam ruang berdimensi tinggi. Konsep kunci yang harus dipahami:

• Dimensi: panjang vektor, misalnya 384 atau 1536, tergantung model embedding.
• Similarity: kedekatan dua vektor, biasanya diukur dengan cosine similarity.
• ANN: approximate nearest neighbor, teknik pencarian tetangga terdekat secara cepat yang dipakai vector database.

Pahami juga alur RAG secara umum: dokumen dipecah, di-embed, disimpan di vector database, lalu saat ada pertanyaan, query di-embed dan vektor terdekat di-retrieve untuk menjadi konteks jawaban model.

embed → store → retrieve → generate

#Perangkat Lunak yang Perlu Disiapkan

#Environment Python dengan venv

Mulai dengan membuat direktori project dan virtual environment:

mkdir rag-project
cd rag-project
python3 -m venv .venv
source .venv/bin/activate

Setelah teraktivasi, prompt terminal kalian akan menampilkan (.venv). Semua instalasi berikutnya akan berjalan di dalam environment ini.

#Menginstall ChromaDB

Dengan environment aktif, install library utama:

pip install chromadb

Proses ini akan menarik beberapa dependency besar seperti onnxruntime dan numpy. Tunggu sampai selesai, lalu verifikasi:

pip show chromadb

Pastikan Version menunjukkan 1.5.9 atau lebih baru. Versi ini adalah stable release terbaru per penulisan series ini, dan penting karena memperbaiki celah keamanan yang akan kita bahas di episode 14.

#Tool Tambahan: Docker dan Model Embedding

Untuk episode 12-15 nanti, kalian akan menjalankan ChromaDB sebagai server. Siapkan Docker sekarang agar lancar nanti:

docker --version

Optional tapi sangat berguna: sentence-transformers untuk embedding lokal yang lebih kuat, atau akun OpenAI jika ingin memakai embedding API. Keduanya akan kita bahas mendalam di episode 6. Untuk sepanjang series, embedding bawaan ChromaDB sudah cukup — dia berjalan lokal tanpa API key.

#Verifikasi Environment

Sebelum lanjut ke episode 1, jalankan verifikasi cepat untuk memastikan semuanya siap:

Verifikasi pertama chromadb

import chromadb
 
client = chromadb.Client()
collection = client.create_collection("cek-instalasi")
collection.add(documents=["halo"], ids=["1"])
hasil = collection.query(query_texts=["halo"])
print(hasil["ids"])

Jika tidak ada error dan menampilkan [['1']], environment kalian sudah siap. Perintah chromadb.Client() di atas menciptakan klien in-memory, dan collection.add menyimpan dokumen pertama — detail keduanya akan kita bedah di episode 3.

Satu hal lagi: biasakan memakai client.query(query_texts=["halo"]) daripada menghafal sintaks. Seluruh series ini akan membangun kebiasaan tersebut sehingga saat produksi, kalian tidak akan tersendat.

#Ringkasan Skill yang Harus Dikuasai

Rangkuman prasyarat yang sudah kalian siapkan di episode 0:

• Python 3.9+ dengan kebiasaan memakai virtual environment.
• Konsep embedding: dimensi, cosine similarity, dan ANN.
• Alur RAG: embed, store, retrieve, generate.
• chromadb terinstall dengan versi 1.5.9 atau lebih baru.
• Docker sebagai persiapan mode server di episode berikutnya.

Jika ada yang belum terpenuhi, berhenti dulu dan lengkapi sebelum melanjutkan. Fondasi yang kuat akan membuat 22 episode berikutnya terasa jauh lebih ringan.

#Penutup

Di episode 0 ini kalian sudah menyiapkan pijakan untuk seluruh series: memahami konsep vektor dan embedding, alur RAG, menyiapkan environment Python dengan venv, menginstall chromadb versi 1.5.9, dan memverifikasi operasi pertama kali.

Inti yang harus dibawa pulang:

• ChromaDB menyimpan vektor, bukan sekadar teks: kuasai dulu konsep embedding.
• Alur RAG selalu berputar di embed → store → retrieve → generate.
• Selalu pakai virtual environment untuk project Python.
• Pastikan chromadb terinstall minimal versi 1.5.9.
• Verifikasi pertama: buat klien, tambah satu dokumen, dan query kembali.

Di episode 1 selanjutnya kita akan membahas sejarah, latar belakang, dan mengapa membutuhkan ChromaDB — dari masalah penyimpanan embedding skala jutaan, kelahiran Chroma sebagai search infrastructure for AI, hingga posisinya sebagai salah satu vector database open-source paling banyak dipakai. Pastikan environment kalian sudah siap, karena perjalanan Belajar ChromaDB baru saja dimulai!