Belajar Data Scientist - Pre-Requisites Skill & Setup Environment

#Pendahuluan

Selamat datang di series Belajar Data Scientist! Series ini akan membawa kalian menguasai peran Data Scientist secara utuh — dari statistika & probabilitas, Python data stack, data wrangling, EDA & visualisasi, machine learning, deep learning, NLP, time series, A/B testing, etika data & governance, hingga AI-integrated data science. Total ada 28 episode yang tersusun dalam enam fase, dari fondasi konsep sampai production readiness.

Sebelum memanggil model.fit(X_train, y_train) atau membaca hasil uji hipotesis, ada skill dasar dan perangkat yang wajib kalian siapkan. Mengapa prasyarat ini penting? Karena Data Scientist bekerja di persimpangan tiga dunia: matematika (untuk memahami mengapa metode bekerja), pemrograman (untuk mengubah data menjadi model), dan domain/bisnis (untuk mengubah insight menjadi keputusan). Tanpa salah satu, kalian akan kesulitan menilai apakah hasil analisis benar-benar valid atau hanya kebetulan.

Episode 0 ini adalah peta jalan kalian: kita akan memastikan skill dasar terpenuhi, menyiapkan environment Python, memasang library utama, lalu memverifikasi semuanya untuk pertama kali. Setelah episode ini selesai, seluruh series bisa diikuti dengan nyaman.

#Skill Dasar yang Wajib Dimiliki

#Python

Python adalah bahasa utama data science — hampir semua tooling (Pandas, scikit-learn, PyTorch, MLflow) memakainya. Kalian wajib nyaman dengan syntax dasar, struktur data (list, dict), loop & fungsi, serta list comprehension. Latihan kecil: buat fungsi yang menghitung rata-rata sebuah list tanpa library.

def mean(values):
    return sum(values) / len(values)
 
print(mean([3, 7, 2, 9, 5]))

Jika kalian bisa menebak output 5.2 tanpa menjalankannya, dasar Python kalian sudah cukup. Kalau belum, pelajari dulu series learn-python sebelum lanjut.

#Statistika dan Linear Algebra

Data Scientist adalah statistician yang bisa coding. Kalian butuh intuisi untuk topik-topik berikut — semuanya akan kita perdalam di episode 3:

Tidak perlu hafal semua rumus sekarang — yang penting kalian paham apa artinya setiap konsep, karena episode-episode berikut akan membangun di atasnya.

#SQL Dasar

Data di dunia nyata tidak pernah berbentuk CSV rapi; ia tersimpan di database. Kalian wajib bisa SELECT, WHERE, GROUP BY, dan JOIN — di episode 8 kita akan memakainya untuk ekstraksi fitur dari database secara langsung.

#Rasa Ingin Tahu Data

Ini skill paling tidak terukur tapi paling menentukan. Data Scientist yang baik selalu bertanya: "kenapa angka ini naik?", "apakah pola ini nyata atau kebetulan?", "apa konsekuensi jika salah?". Kalian akan melatihnya di hampir semua episode lewat praktik EDA dan evaluasi.

#Perangkat Software dan Hardware yang Disiapkan

#Python 3.12+

Pastikan Python versi 3.12 atau lebih baru terinstall. Cek versi dan buat virtual environment:

python3 --version
python3 -m venv ~/ds-lab/venv
source ~/ds-lab/venv/bin/activate

Gunakan venv untuk semua proyek di series ini agar dependency tidak saling tabrakan antar proyek.

#Jupyter Notebook dan VS Code

Jupyter adalah tempat paling nyaman untuk eksplorasi data: kode dijalankan per-sel, hasil langsung terlihat, dan plot tampil di bawah kode. Install di dalam venv:

pip install jupyter
jupyter notebook

Alternatif modern: VS Code dengan ekstensi Python dan Jupyter. Pilih salah satu; keduanya akan kita pakai bergantian sepanjang series.

#Library Inti

Install library yang akan menemani seluruh series ini:

pip install numpy pandas matplotlib seaborn scikit-learn statsmodels

Versi yang direkomendasikan di series ini adalah scikit-learn 1.8.x. Verifikasi:

python3 -c "import sklearn; print(sklearn.__version__)"

Library tambahan seperti PyTorch, transformers, MLflow, XGBoost, LightGBM, dan Prophet akan ditambahkan di episode yang membutuhkannya — tidak perlu diinstall semuanya sekarang.

#SQL Client dan Database

Untuk episode 8 kita butuh PostgreSQL. Cara paling ringan adalah Docker:

docker run -d --name ds-pg -e POSTGRES_PASSWORD=secret -p 5432:5432 postgres:16

Jika belum punya Docker, install PostgreSQL lokal atau gunakan SQLite untuk latihan — prinsip query-nya sama.

#Hardware: RAM ≥ 8GB

Seluruh praktik di series ini (kecuali eksperimen GPU opsional di episode 13) dirancang berjalan di CPU dengan RAM minimal 8GB. GPU baru terasa wajib saat kalian masuk ke deep learning serius — yang merupakan kelanjutan dari series ini, bukan bagian wajibnya.

#Verifikasi Environment

Sebelum lanjut ke episode 1, jalankan verifikasi menyeluruh:

python3 --version
pip --version
jupyter --version
python3 -c "import numpy, pandas, matplotlib, sklearn, statsmodels; print('OK')"

Semua perintah harus tampil tanpa error. Uji kecil berikut memastikan seluruh stack berjalan normal:

import numpy as np
import pandas as pd
from sklearn.linear_model import LinearRegression
 
df = pd.DataFrame({"x": [1, 2, 3], "y": [2, 4, 6]})
model = LinearRegression().fit(df[["x"]], df["y"])
print(model.predict([[4]])[0])

Outputnya harus mendekati 8.0. Jika semua lancar, environment kalian siap.

#Ringkasan Prasyarat

Rangkuman yang sudah kalian siapkan di episode 0:

• Skill: dasar Python, statistika & linear algebra, SQL dasar, dan rasa ingin tahu data.
• Environment: Python 3.12+ dengan venv, Jupyter atau VS Code terinstall.
• Library: NumPy, Pandas, Matplotlib, Seaborn, scikit-learn 1.8.x, dan statsmodels.
• Database: PostgreSQL berjalan (Docker atau lokal) untuk episode 8.
• Hardware: RAM minimal 8GB; GPU opsional.
• Verifikasi: python3 --version, jupyter --version, dan uji LinearRegression berhasil.

Jika ada yang belum terpenuhi, berhenti dulu dan lengkapi sebelum melanjutkan. Perjalanan 27 episode ke depan akan jauh lebih lancar dengan pijakan yang kuat ini.

#Penutup

Inti yang harus dibawa pulang:

• Data Scientist berdiri di persimpangan matematika, pemrograman, dan bisnis — semua prasyaratnya wajib ada.
• Siapkan Python 3.12+ dengan venv, Jupyter, scikit-learn 1.8.x, dan statsmodels.
• RAM 8GB cukup untuk seluruh series; GPU opsional.
• Verifikasi environment dengan uji kecil sebelum praktik apa pun.

Di episode 1 selanjutnya kita akan membahas peran & karir Data Scientist di 2026 — apa sebenarnya yang dikerjakan seorang data scientist sehari-hari, proyeksi pertumbuhan lapangan kerja (BLS), dan bagaimana AI mengubah inti peran ini. Pastikan environment kalian sudah siap, karena perjalanan Belajar Data Scientist baru saja dimulai!