Himpunan Mahasiswa Sains Data (HMSD) Adyatama, Departemen Akademik dan Keprofesian, Program Studi Sains Data, Fakultas Sains (FS), Institut Teknologi Sumatera (ITERA) sukses menggelar kegiatan rutin belajar bareng dengan tutor sebaya sebelum pelaksanaan Ujian Tengah Semester di semester ganjil tahun akademik 2024/2025 dengan membawakan mata kuliah materi kecerdasan buatan dan analisis data statistik. Kegiatan ini dilaksanakan pada Rabu, 16 Oktober 2024 dengan menghadirkan pemateri sebaya mata kuliah kecerdasan buatan, Sesilia Putri Subandi yang merupakan mahasiswa program studi Sains Data angkatan 2022 dan pemateri sebaya mata kuliah analisis data statistika, Giofani Aristyo dan M. Fadil Alfaizi, yang merupakan mahasiswa program studi Sains Data angkatan 2023. Pembukaan Tubaisada persiapan dan pemateri sebaya mata kuliah analisis data satatistika Giofani Aristyo juga Muhammad Fadil Alfaizi, serta mengenai pentingnya Tubaisada untuk kelancaran kegiatan Ujian Tengah Semester.

Dalam kesempatan kali ini, Giofani dan Fadil menyampaikan materi yang dibawakan malam hari ini berbasis contoh soal yang terbagi menjadi 6 kasus. Tiga kasus pertama akan dijelaskan oleh Giofani dan kasus lainnya akan dijelaskan oleh Fadil. Topik pembahasan materi malam hari ini yaitu:

- Diagram
- Nilai pencilan
- Skewness
- Fungsi distribusi
- Selang kepercayaan
- Tabel distribusi
- Hipotesis uji satu arah
- Hipotesis uji dua arahPada kasus soal pertama, Giofani, selaku pemateri tutor sebaya, menjelaskan tentang data diameter batang yang akan dianalisis. Peserta diajak untuk membahas tiga persoalan utama yang melibatkan penggunaan diagram dahan daun (stem-and-leaf plot), diagram kotak garis (boxplot), serta teknik perhitungan untuk mendeteksi nilai pencilan (outliers) dan skewness pada data.
Pada soal berikutnya, pembahasan berfokus pada waktu kegagalan dalam jam yang memiliki fungsi kepadatan. Dengan 3 kasus yang membutuhkan penyelesaian yaitu:

- Fungsi distribusi yang sesuai dengan waktu kegagalan
- Peluang komponen bertahan lebih dari 1000 jam
- Peluang komponen gagal sebelum 2000 jamContoh soal berikutnya dijelaskan oleh Fadil, terkait selang kepercayaan 95% bagi selisih rata-rata kedua populasi, yaitu sebelum dan sesudah dibersihkan dengan mesin. Fadil menegaskan langkah pertama dalam penyelesaian soal ini dengan mencari selisih (d) antara kedua populasi, kemudian mencari nilai rata-rata (mean). Seluruh selisih dijumlahkan dan dibagi n, lalu dilanjutkan dengan mencari standar deviasi dan derajat kebebasan (degrees of freedom), kemudian mengecek tabel distribusi.
Fadil menjelaskan perbedaan antara uji hipotesis satu arah dan dua arah untuk menguji umur baterai. Uji satu arah hanya melihaat satu sisi (lebih besar atau lebih kecil), sedangkan uji dua arah melihat kedua sisi. Nilai z-hitung dibandingkan dengan nilai z-alpha untuk memutuskan apakah hipotesis nol (H0) ditolah atau tidak. Dalam contoh yang diberikan, H0 ditolak baik dalam uji satu arah maupun dua arah, artinya rata-rata umur baterai tidak 100 jam. Fadil juga menjelaskan konsep p-value dan menunjukkan bahwa hasilnya mendukung penolakan H0. Perbedaan utama antara kedua jenis uji terletak pada arah ketidaksetaraan dalam hipotesis alternatif dan cara membagi nilai alpha. Meskipun rumum yang digunakan sederhana, pemahaman yang kuat tentang konsep dan tabel yang relevan sangat penting.

Para peserta uang mayoritas adalah mahasiswa Sains Data angkatan 2023 turut aktif dalam mengikuti kegiatan ini dengan menyampaikan berbagai pertanyaan. Diharapkan dengan adanya kegiatan TUBAISADA  dapat membantu mahasiswa dalam mengerjakan ujian tengah semester mata kuliah analisis data statistik.


Artikel ini merupakan tugas magang dari peserta CEO HMSD Adyatama 2024 yang melakukan magang di departemen MIKFES. Artikel ini membahas tentang kegiatan TUBAISADA yang dilaksanakan untuk persiapan UTS mata kuliah kecerdasan buatan dan analisis data statistik.

Pelaksanaan TUBAISADA Persiapan UTS 2024 Mata Kuliah Analisis Data Statistik

Artikel ini membahas cara mengimplementasikan struktur data stack di Python dengan menerapkan praktik terbaik, seperti penanganan error, pengelolaan kapasitas stack, serta contoh penggunaan stack dalam kehidupan nyata. Salah satu contoh aplikasi stack yang akan dibahas adalah membalikkan array, yang menunjukkan sifat Last-In-First-Out (LIFO) pada stack.

Stack adalah salah satu konsep mendasar dalam struktur data yang banyak digunakan dalam algoritma, seperti depth-first search (DFS), proses rekursi, dan pengelolaan undo/redo pada aplikasi. Menguasai implementasi stack di Python akan memberi Anda fondasi kuat dalam mengelola data secara efisien.

# Apa itu Stack?

Stack adalah kumpulan data yang terurut di mana penambahan dan penghapusan elemen selalu dilakukan di ujung yang sama, yang disebut top. Stack mengikuti prinsip LIFO (Last-In-First-Out), yang berarti elemen terakhir yang ditambahkan adalah elemen pertama yang dihapus.

### Karakteristik Utama Stack:

- Struktur LIFO: Elemen yang paling akhir ditambahkan akan dikeluarkan pertama kali.
- Dua Operasi Utama:Push: Menambahkan elemen ke atas stack.Pop: Menghapus elemen dari puncak stack.
- Push: Menambahkan elemen ke atas stack.
- Pop: Menghapus elemen dari puncak stack.
Stack banyak digunakan dalam berbagai algoritma, seperti manajemen memori dalam pemanggilan fungsi, penelusuran pohon, dan banyak lagi.

# Operasi pada Stack

Berikut ini adalah cara mengimplementasikan struktur data stack di Python menggunakan pendekatan berbasis kelas yang mencakup operasi dasar stack.

### Implementasi Kelas Stack

```javascript
class StackFullError(Exception):
    """Exception yang dilemparkan ketika menambah elemen ke stack yang penuh."""
    pass

class StackEmptyError(Exception):
    """Exception yang dilemparkan ketika menghapus elemen dari stack yang kosong."""
    pass

class Stack:
    def __init__(self, kapasitas):
        self.items = []
        self.kapasitas = kapasitas

    def is_empty(self):
        return len(self.items) == 0

    def is_full(self):
        return len(self.items) >= self.kapasitas

    def push(self, item):
        if self.is_full():
            raise StackFullError("Stack penuh, tidak dapat menambahkan elemen lagi.")
        self.items.append(item)

    def pop(self):
        if self.is_empty():
            raise StackEmptyError("Stack kosong, tidak dapat menghapus elemen.")
        return self.items.pop()

    def peek(self):
        if self.is_empty():
            raise StackEmptyError("Stack kosong, tidak ada elemen untuk dilihat.")
        return self.items[-1]

    def size(self):
        return len(self.items)
```
Dalam kelas ini:

- Kami menggunakan dua exception khusus, yaitu StackFullError dan StackEmptyError, untuk menangani operasi yang tidak valid, seperti menambah elemen ke stack penuh atau menghapus elemen dari stack yang kosong.
- Stack memiliki kapasitas tetap untuk memastikan stack tidak terus bertambah tanpa batas.
- Operasi seperti push(), pop(), peek(), is_empty(), dan is_full() mencakup semua operasi dasar stack.
Contoh Penggunaan:

```javascript
stack = Stack(4)
stack.push(1)
stack.push(2)
stack.push(3)
stack.push(4)

print("Stack setelah push: ", stack.items)

print("Item yang dihapus: ", stack.pop())
print("Stack setelah pop: ", stack.items)

print("Item teratas: ", stack.peek())
print("Ukuran stack: ", stack.size())

```
Contoh ini menunjukkan cara:

- Membuat stack dengan kapasitas 4.
- Menambahkan (push) dan menghapus (pop) elemen dari stack.
- Melihat elemen teratas (peek) dan memeriksa ukuran stack.
## Penanganan Stack Overflow dan Stack Underflow

Ketika bekerja dengan struktur data seperti stack, penting untuk menangani kesalahan seperti overflow (menambah elemen ke stack yang penuh) dan underflow (menghapus elemen dari stack yang kosong) dengan benar.

### StackFullError

Exception ini dilemparkan ketika kita mencoba menambah elemen ke stack yang sudah penuh. Hal ini mencegah stack menerima elemen tambahan yang melampaui kapasitasnya.

### StackEmptyError

Exception ini dilemparkan ketika kita mencoba menghapus atau melihat elemen dari stack yang kosong. Hal ini mencegah operasi yang tidak valid yang dapat mengganggu alur program.

```javascript
try:
    stack.push(5)  # Ini akan menimbulkan StackFullError
except StackFullError as e:
    print(e)

try:
    empty_stack = Stack(3)
    empty_stack.pop()  # Ini akan menimbulkan StackEmptyError
except StackEmptyError as e:
    print(e)

```
## Membalikkan Array Menggunakan Stack

Salah satu aplikasi praktis stack adalah untuk membalikkan data. Karena stack mengikuti prinsip LIFO, jika kita memasukkan semua elemen array ke dalam stack, dan kemudian mengeluarkannya kembali, urutannya akan dibalik.

### Fungsi untuk Membalikkan Array

```javascript
def reverse_array(arr):
    stack = Stack(len(arr))  # Inisialisasi stack dengan ukuran array
    
    # Masukkan semua elemen ke dalam stack
    for item in arr:
        stack.push(item)

    # Keluarkan semua elemen dari stack untuk mendapatkan urutan terbalik
    reversed_arr = []
    while not stack.is_empty():
        reversed_arr.append(stack.pop())

    return reversed_arr

```
### Contoh Penggunaan

```javascript
input_arr = [1, 2, 3, 4]
print(f"Array asli: {input_arr}")
print(f"Array yang dibalik: {reverse_array(input_arr)}")

```
Contoh ini mengambil array [1, 2, 3, 4], memasukkan semua elemennya ke dalam stack, lalu mengeluarkannya untuk membentuk array terbalik [4, 3, 2, 1].

### Penjelasan

- Fase Push: Semua elemen array dimasukkan ke dalam stack sesuai urutan awal.
- Fase Pop: Karena sifat LIFO stack, elemen pertama yang dikeluarkan adalah elemen terakhir yang dimasukkan, sehingga menghasilkan array yang dibalik
## Kesimpulan

Pada artikel ini, kita telah membahas implementasi struktur data stack di Python dengan menerapkan praktik terbaik, seperti manajemen kapasitas dan penanganan error. Kita juga telah melihat bagaimana stack dapat digunakan untuk membalikkan array, salah satu aplikasi praktis dari stack.

Pemahaman tentang stack penting dalam banyak algoritma dan dapat menjadi alat yang berguna dalam menyelesaikan berbagai masalah. Baik itu untuk mengelola pemanggilan fungsi, operasi undo, atau membalikkan data, stack menawarkan solusi yang efisien. Dengan menerapkan teknik-teknik ini di Python, Anda dapat memperdalam pemahaman tentang struktur data dan penerapannya di dunia nyata.

SALAM DATA SALAM ADYTAMA




Artikel ini membahas secara mendalam implementasi struktur data stack di Python, dengan penekanan pada praktik terbaik seperti penanganan error, pengelolaan kapasitas, dan penggunaan stack dalam membalikkan array

Implementasi Struktur Data Stack di Python

Dalam era pengembangan perangkat lunak modern, kolaborasi tim menjadi kunci kesuksesan proyek. GitHub, platform hosting repositori Git terkemuka, telah menjadi tempat berkumpulnya para pengembang untuk berkolaborasi secara efektif. Artikel ini akan membahas cara memaksimalkan kolaborasi tim menggunakan fitur-fitur GitHub, disertai dengan praktik terbaik yang dapat Anda terapkan dalam proyek Anda.

## Mengapa GitHub Menjadi Pilihan Utama untuk Kolaborasi?

GitHub bukan sekadar tempat menyimpan kode. Platform ini menawarkan berbagai fitur yang memudahkan tim untuk bekerja bersama, melacak perubahan, dan mengelola proyek dengan lebih efisien. Mari kita jelajahi fitur-fitur utama dan cara memanfaatkannya.

### 1. Forking dan Pull Requests: Jantung Kolaborasi GitHub

Forking memungkinkan Anda membuat salinan repositori orang lain di akun GitHub Anda. Ini adalah langkah awal yang sempurna untuk berkontribusi pada proyek open source atau bekerja pada fitur baru tanpa mengganggu kode utama.

![fork.pngImages](https://res.cloudinary.com/diqabuwwk/image/upload/v1725889160/WISATA/file_ugwg8p.png)

Praktik Terbaik:

- Fork repositori utama ke akun Anda
- Buat branch baru untuk fitur atau perbaikan yang Anda kerjakan
- Setelah selesai, ajukan pull request ke repositori asal
Pull request adalah cara Anda mengusulkan perubahan ke repositori asal. Ini membuka pintu untuk diskusi dan review kode sebelum perubahan diintegrasikan 

### 2. Issues: Melacak Tugas dan Bug dengan Efektif

Issues di GitHub bukan sekadar untuk melaporkan bug. Fitur ini bisa menjadi pusat diskusi tim tentang fitur baru, perbaikan, atau ide pengembangan.

![issue.pngImages](https://res.cloudinary.com/diqabuwwk/image/upload/v1725889267/WISATA/file_dfz3si.png)

Praktik Terbaik:

- Gunakan label untuk mengkategorikan issues (misalnya: bug, enhancement, discussion)
- Assign issues ke anggota tim yang bertanggung jawab
- Gunakan milestone untuk mengelompokkan issues terkait dalam satu tujuan proyek
Tips Humanis:

## 3. Open Pull Request: Memulai Diskusi Kolaboratif

Setelah Anda membuat perubahan pada fork repositori dan siap untuk mengusulkannya ke repositori utama, saatnya untuk membuka pull request.

Studi Kasus: Misalkan Anda telah menambahkan fitur baru untuk menampilkan profil pengguna di website portofolio tim. Setelah menyelesaikan pengembangan dan melakukan commit, Anda siap untuk mengajukan pull request.

![pull_req.pngImages](https://res.cloudinary.com/diqabuwwk/image/upload/v1725889586/WISATA/file_qavt7a.png)

Langkah-langkah:

- Buka pull request dari branch fitur Anda ke branch utama repositori.
- Berikan judul dan deskripsi yang jelas tentang apa yang Anda ubah dan mengapa.
- Tag anggota tim yang mungkin perlu me-review perubahan Anda.
![pull_req2.pngImages](https://res.cloudinary.com/diqabuwwk/image/upload/v1725889663/WISATA/file_nsyily.png)

## 4. Review Pull Request: Memberikan Umpan Balik yang Konstruktif

Setelah Anda membuka pull request, anggota tim lain dapat memeriksa dan memberikan umpan balik pada perubahan Anda.

Studi Kasus: Seorang anggota tim mereview pull request Anda untuk menambahkan fitur profil pengguna. Dia menemukan beberapa masalah dalam implementasi dan memberikan komentar.

Langkah-langkah:

- Tinjau kode yang diubah dengan saksama.
- Buat komentar inline untuk memberikan saran perbaikan yang spesifik.
- Diskusikan solusi yang mungkin dalam komentar pull request.
- Minta penjelasan lebih lanjut jika ada yang kurang jelas.
## 5. Merge Pull Request: Menggabungkan Perubahan ke Kode Utama

Setelah pull request disetujui dan di-review, saatnya untuk menggabungkan perubahan ke branch utama.

Studi Kasus: Setelah melalui beberapa iterasi review, pull request Anda untuk menambahkan fitur profil pengguna telah disetujui. Sekarang Anda siap untuk menggabungkannya ke branch utama.

Langkah-langkah:

- Pastikan Anda telah menyelesaikan semua komentar review.
- Lakukan "rebase" atau "merge" branch Anda ke branch utama.
- Selesaikan konflik, jika ada, dengan hati-hati.
- Klik tombol "Merge pull request" untuk menggabungkan perubahan.
![pull_req2.pngImages](https://res.cloudinary.com/diqabuwwk/image/upload/v1725889948/WISATA/file_f7rr44.png)

![after_merge.pngImages](https://res.cloudinary.com/diqabuwwk/image/upload/v1725889983/WISATA/file_wqounf.png)

Setelah melakukan merge dalam pull request.

## 6. Solved Conflict: Menangani Konflik saat Menggabungkan Perubahan

Terkadang, saat Anda mencoba menggabungkan perubahan, Git dapat menemukan konflik antara versi yang berbeda dari file yang sama. Ini perlu diselesaikan secara manual.

Studi Kasus: Saat Anda mencoba menggabungkan pull request untuk fitur profil pengguna, Git mendeteksi konflik pada file index.html. Dua anggota tim telah membuat perubahan pada bagian yang sama.

Langkah-langkah:

- Buka file yang mengalami konflik dan lihat bagian yang bertentangan.
- Diskusikan dengan anggota tim lain untuk menentukan solusi terbaik.
- Edit file untuk menyelesaikan konflik secara manual.
- Tambahkan file yang telah diselesaikan ke staging dan lakukan commit baru.
- Lanjutkan proses penggabungan pull request.
Dengan menguasai langkah-langkah ini, Anda akan dapat berkolaborasi dengan tim Anda secara efektif menggunakan GitHub. Ingatlah untuk selalu berkomunikasi dengan jelas, memberikan umpan balik yang konstruktif, dan memecahkan masalah bersama-sama.

## Membangun Budaya Kolaborasi yang Kuat

Alat seperti GitHub memang penting, tapi ingatlah bahwa kolaborasi yang sukses lebih dari sekadar teknologi. Ini tentang membangun budaya tim yang mendukung kerja sama dan komunikasi terbuka.

Tips untuk Membangun Budaya Kolaboratif:

- Dokumentasi yang Baik: Buatlah README.md yang informatif dan selalu perbarui dokumentasi proyek.
- Komunikasi Terbuka: Dorong diskusi di issues dan pull requests. Tidak ada pertanyaan yang "terlalu sederhana" untuk ditanyakan.
- Mentoring: Pasangkan anggota tim yang lebih berpengalaman dengan yang baru untuk transfer pengetahuan.
- Celebrate Small Wins: Akui kontribusi setiap anggota tim, sekecil apapun itu.
- Retrospektif Rutin: Adakan pertemuan tim secara berkala untuk membahas apa yang berjalan baik dan apa yang bisa diperbaiki dalam proses kolaborasi.
## Kesimpulan

Kolaborasi menggunakan GitHub bukan hanya tentang menguasai alat, tapi juga membangun hubungan dan praktik kerja yang efektif dalam tim. Dengan memanfaatkan fitur-fitur GitHub secara optimal dan menerapkan praktik-praktik terbaik yang telah kita bahas, Anda dapat meningkatkan produktivitas tim dan kualitas proyek secara signifikan.

Ingatlah bahwa setiap tim unik, jadi jangan ragu untuk bereksperimen dan menemukan cara kerja yang paling cocok untuk tim Anda. Yang terpenting, nikmati proses kolaborasi ini. Selamat berkarya bersama menggunakan GitHub!


Artikel ini membahas cara memaksimalkan kolaborasi tim menggunakan GitHub, dengan fokus pada fitur-fitur penting seperti forking, pull requests, issues, projects, code reviews, dan GitHub Actions. Ditulis dalam gaya yang humanis dan praktis, artikel ini juga memberikan tips untuk membangun budaya kolaboratif yang kuat dalam tim, serta praktik terbaik untuk meningkatkan efisiensi kerja. 

Memaksimalkan Kolaborasi Tim dengan GitHub: Panduan Praktis untuk Pengembangan Bersama

Sebagai seorang pengembang perangkat lunak, Anda pasti pernah mendengar tentang Git dan GitHub. Dua teknologi ini telah menjadi bagian tak terpisahkan dari dunia pengembangan modern. Namun, bagi pemula, memahami perintah-perintah dasar Git bisa terasa menakutkan. Jangan khawatir! Dalam artikel ini, kita akan menjelajahi perintah-perintah penting Git dan GitHub melalui studi kasus sederhana yang akan membantu Anda memahami konsep-konsep ini dengan lebih baik.

## Studi Kasus: Proyek Website Portofolio

Bayangkan Anda adalah seorang pengembang web pemula yang ingin membuat website portofolio. Anda telah memutuskan untuk menggunakan Git untuk mengelola kode Anda dan GitHub untuk menyimpan proyek Anda secara online. Mari kita lihat bagaimana perintah-perintah Git dapat membantu Anda dalam perjalanan ini.

### 1. Git Init: Memulai Perjalanan

```javascript
git init
```
Perintah ini akan membuat repositori Git baru di folder Anda. Sekarang Anda siap untuk mulai melacak perubahan pada proyek Anda!

### 2. Git Add: Menyiapkan Perubahan

Setelah membuat beberapa file HTML dan CSS untuk website Anda, saatnya untuk menambahkan file-file tersebut ke area staging. Gunakan perintah:

```javascript
git add .
```
Tanda titik (.) berarti Anda menambahkan semua file baru dan yang dimodifikasi ke area staging. Jika Anda hanya ingin menambahkan file tertentu, ganti tanda titik dengan nama file, misalnya git add index.html 

### 3. Git Commit: Menyimpan Perubahan

Sekarang file-file Anda sudah berada di area staging, saatnya untuk membuat commit. Commit adalah cara Git untuk menyimpan snapshot dari proyek Anda pada titik waktu tertentu. Gunakan perintah:

```javascript
git commit -m "Menambahkan halaman utama dan stylesheet"
```
Pesan dalam tanda kutip adalah deskripsi singkat tentang perubahan yang Anda buat. Usahakan untuk membuat pesan commit yang jelas dan deskriptif.

### 4. Git Remote: Menghubungkan ke GitHub

Sekarang Anda ingin menyimpan proyek Anda di GitHub. Pertama, buat repositori baru di GitHub. Kemudian, hubungkan repositori lokal Anda dengan repositori GitHub menggunakan perintah:

```javascript
git remote add origin https://github.com/username/nama-repo.git
```
Ganti username dan nama-repo dengan informasi repositori GitHub Anda.

### 5. Git Push: Mengunggah ke GitHub

Untuk mengunggah commit Anda ke GitHub, gunakan perintah:

```javascript
git push -u origin main
```
Perintah ini akan mengirim semua commit Anda ke branch main di repositori GitHub Anda.

### 6. Git Pull: Mengambil Pembaruan

Misalkan Anda bekerja di komputer lain dan ingin mengambil versi terbaru dari proyek Anda dari GitHub. Gunakan perintah:

```javascript
git pull origin main
```
Perintah ini akan mengambil dan menggabungkan perubahan dari repositori GitHub ke repositori lokal Anda.

### 7. Git Fetch: Memeriksa Pembaruan

Jgit fetch originika Anda hanya ingin melihat perubahan tanpa langsung menggabungkannya, gunakan:

```javascript
git fetch origin
```
Perintah ini akan mengambil informasi tentang perubahan di repositori remote tanpa menggabungkannya ke repositori lokal Anda.

## Tips dan Praktik Terbaik

- Commit Sering: Buatlah commit kecil dan sering. Ini memudahkan pelacakan perubahan dan pemecahan masalah.
- Gunakan Branch: Untuk fitur baru atau eksperimen, buatlah branch terpisah dengan git branch nama-branch.
- Review Sebelum Commit: Gunakan git status dan git diff untuk memeriksa perubahan sebelum melakukan commit.
- Tulis Pesan Commit yang Baik: Jelaskan apa dan mengapa dalam pesan commit Anda.
- Gunakan .gitignore: Buat file .gitignore untuk mengabaikan file yang tidak perlu dilacak oleh Git.
## Kesimpulan

Dengan memahami perintah-perintah dasar Git dan GitHub ini, Anda telah memiliki fondasi yang kuat untuk mengelola proyek pengembangan Anda. Ingatlah bahwa praktek adalah kunci. Jangan ragu untuk bereksperimen dengan repositori uji coba untuk membiasakan diri dengan alur kerja Git.

Git dan GitHub mungkin terlihat rumit pada awalnya, tetapi dengan latihan, Anda akan menemukan bahwa alat-alat ini sangat berharga dalam perjalanan Anda sebagai pengembang. Selamat mencoba, dan semoga sukses dengan proyek-proyek Anda!


Artikel ini membahas perintah-perintah dasar Git dan GitHub melalui studi kasus pengembangan website portofolio. Ditulis dengan gaya praktis dan mudah dipahami, artikel ini menjelaskan cara menggunakan git init, git add, git commit, git push, git pull, dan git fetch, serta memberikan tips dan praktik terbaik dalam menggunakan Git untuk pemula. Cocok untuk pengembang web yang baru mulai belajar Git dan ingin mengelola proyek mereka secara lebih efektif dengan GitHub.

Menguasai Perintah Dasar Git dan GitHub: Panduan Praktis untuk Pemula

Halo, sobat data! Pasti kalian sudah tidak asing dengan Visualisasi Data , nah kali ini aku mau share nih salah satu tools yang menurut aku powerfull dalam pembuatan visualisasi data yang interaktf di python Yuk, kita bahas bareng-bareng!

# Apasih itu Visualisasi Data dan mengapa sangat penting bagi seorang data science ?

Visualisasi data adalah proses representasi informasi atau data dalam bentuk grafis, seperti grafik, diagram, peta, dan bagan, untuk memudahkan pemahaman pola, tren, dan wawasan dari data tersebut. Dengan menggunakan elemen visual seperti titik, garis, batang, dan warna, visualisasi data membantu mempercepat pemahaman dan analisis data yang kompleks, sehingga memudahkan pengambilan keputusan.

# Apa itu plotly ?

Plotly Express adalah visualisasi tingkat tinggi, sebuah library Python yang digunakan untuk membuat visualisasi data interaktif. Plotly Express memungkinkan pembuatan grafik yang kompleks dengan sedikit kode, menjadikannya ideal untuk eksplorasi data cepat.

# Beberapa Fitur yang ada di plotly

Berikut adalah beberapa fitur utama dari Plotly Express:

- Kemudahan Penggunaan: Dengan sintaks yang sederhana, Plotly Express memungkinkan pengguna membuat berbagai jenis grafik hanya dengan beberapa baris kode.
- Beragam Grafik: Plotly Express mendukung berbagai jenis visualisasi seperti grafik garis, grafik batang, scatter plot, peta, histogram, box plot, dan banyak lagi.
- Integrasi dengan Pandas: Plotly Express bekerja sangat baik dengan DataFrame dari Pandas, memungkinkan pengguna untuk membuat grafik langsung dari data yang terstruktur.
- Interaktif: Grafik yang dibuat dengan Plotly Express bersifat interaktif, sehingga pengguna dapat memanipulasi grafik secara langsung, seperti melakukan zoom, pan, dan memilih data yang ditampilkan.
- Fleksibilitas: Meskipun Plotly Express dirancang untuk kesederhanaan, grafik yang dihasilkan dapat disesuaikan lebih lanjut menggunakan library Plotly utama untuk kebutuhan visualisasi yang lebih kompleks.
# Cara penggunaan plotly untuk visualisasi

pertama kalian harus import library plotly terlebih dahulu

```javascript
pip install plotly

```
setelah itu import library plotly

```javascript
import plotly.express as px

```
nah sekarang mari kita coba untuk melakukan visualisasi 

disini aku menggunakan contoh data sederhana.

```javascript
# pertama kita definisikan datanya terlebih dahulu
data = {
    'species': ['Setosa', 'Versicolor', 'Virginica'],
    'count': [50, 45, 55]
}

```
```javascript
# kemudian kita ubah menjadi dataframe dari data
df = pd.DataFrame(data)

```
```javascript
# selanjutnya membuat barchart nya seperti fungsi di bawah
fig = px.bar(df, x='species', y='count', title='Total Spesies')

```
```javascript
# kemudian tampilkan grafiknya
fig.show()

```


nah hasinya kurang lebih seperti ini dan jika kita mengarahkan cursor pada bagian barchart maka akan muncul informasi seperti nama spesiesnya dan jumlah nya

selanjutnya kita contohkan pada grafik yang berbeda

kita contohkan masih menggunakan data sebelumnya

```javascript
# Membuat visualisasi pie chart
fig = px.pie(df, names='species', values='count', title='Total Spesies')

```
```javascript
# Menampilkan grafik
fig.show()

```


Selain itu juga kita bisa langsung mengunduh hasil visualisasi yang sudah kita buat pada icon yang berada di pojok kanan atas



# Kesimpulan

Jadi gimana nih sobat data? tertarik juga menggunakan plotly? langsung saja eksplor dunia visualisasi data yang mengasikkan ini!!

Dan jadilah master di bidang yang kamu sukai!!!


Visualisasi data adalah salah satu keterampilan penting bagi seorang data scientist. Artikel ini memperkenalkan Plotly, sebuah library Python yang mempermudah pembuatan grafik interaktif dengan hanya beberapa baris kode. 

Visualisasi Data yang Interaktif Menggunakan Plotly Express

Pernahkah Anda merasa frustrasi saat bekerja pada proyek bersama teman-teman, di mana file terus berubah dan Anda kesulitan melacak siapa yang mengubah apa? Atau mungkin Anda pernah tidak sengaja menghapus bagian penting dari kode Anda dan berharap bisa kembali ke versi sebelumnya? Jika ya, tenang saja! Ada solusi untuk masalah-masalah ini, dan namanya adalah Git dan GitHub.

# Apa itu Git?

Git adalah seperti mesin waktu untuk kode Anda. Bayangkan Anda sedang menulis sebuah cerita. Setiap kali Anda menyelesaikan satu bab, Anda menyimpan salinannya. Dengan Git, Anda bisa melakukan hal yang sama dengan kode Anda. Setiap perubahan yang Anda buat disimpan sebagai "snapshot", sehingga Anda bisa kembali ke versi sebelumnya kapan saja.

## Mengapa Git Penting?

- Pelacakan Perubahan: Git memungkinkan Anda melihat siapa yang mengubah apa dan kapan.
- Kolaborasi: Bekerja bersama tim menjadi lebih mudah karena setiap orang bisa melihat dan menggabungkan perubahan.
- Backup: Kode Anda aman tersimpan, bahkan jika komputer Anda rusak.
# Apa itu GitHub?

Jika Git adalah mesin waktu, maka GitHub adalah perpustakaan online tempat Anda menyimpan mesin waktu tersebut. GitHub adalah platform berbasis web yang menggunakan Git, memungkinkan Anda untuk menyimpan proyek-proyek Anda secara online dan berkolaborasi dengan orang lain dari seluruh dunia.

## Keunggulan GitHub:

- Berbagi Kode: Anda bisa menunjukkan karya Anda kepada dunia.
- Belajar dari Orang Lain: Lihat bagaimana programmer lain menyelesaikan masalah.
- Kontribusi: Anda bisa membantu proyek open-source yang Anda sukai.
# Memulai dengan Git & GitHub

### Langkah 1: Instalasi Git

Pertama, unduh dan instal Git dari situs resmi . Prosesnya mirip dengan menginstal aplikasi lain di komputer Anda.

### Langkah 2: Buat Akun GitHub

Kunjungi dan buat akun gratis. Ini seperti membuat akun media sosial, tapi untuk kode!

### Langkah 3: Buat Repository Pertama Anda

- Di GitHub, klik tombol "+" di pojok kanan atas dan pilih "New repository".
- Beri nama repositori Anda, misalnya "proyek-pertamaku".


- Klik "Create repository".
Selamat! Anda baru saja membuat rumah online pertama untuk proyek Anda.

### Langkah 4: Clone Repository ke Komputer Anda

Sekarang, mari bawa proyek online Anda ke komputer:

- Buka terminal atau command prompt.
- Ketik
```javascript
git clone https://github.com/[username-anda]/proyek-pertamaku.git

```
note: ganti username-anda dengan username Github anda.

- Tekan Enter.Voila! Proyek Anda sekarang ada di komputer Anda.
## Tips untuk Pemula

- Commit Sering: Simpan perubahan Anda secara teratur. Ini seperti menyimpan dokumen saat menulis.
- Tulis Pesan Commit yang Jelas: Jelaskan apa yang Anda ubah. Ini akan membantu Anda (dan orang lain) nanti.
- Jangan Takut Bereksperimen: Dengan Git, Anda selalu bisa kembali ke versi sebelumnya jika ada kesalahan.
- Gunakan README: Buat file README.md di repositori Anda untuk menjelaskan proyek Anda kepada orang lain.
# Kesimpulan

Git dan GitHub mungkin terlihat menakutkan pada awalnya, tapi dengan sedikit latihan, mereka akan menjadi alat yang tak tergantikan dalam perjalanan coding Anda. Ingat, setiap programmer hebat pernah menjadi pemula. Jadi, jangan ragu untuk memulai dan terus belajar!

Selamat mencoba, dan selamat menjelajahi dunia Git dan GitHub!

SALAM DATA SALAM ADYATAMA


Pernah merasa kesulitan melacak perubahan pada proyek atau ingin kembali ke versi kode sebelumnya? Git dan GitHub hadir sebagai solusi! Artikel ini menjelaskan bagaimana Git berfungsi sebagai mesin waktu untuk kode Anda, serta bagaimana GitHub memudahkan kolaborasi dan penyimpanan proyek secara online. 

Mengenal Git & GitHub: Panduan Sederhana untuk Pemula

Halo, sobat data! Sudah pernah dengar tentang Pandas? Bukan, bukan panda yang imut dan menggemaskan itu, tapi Pandas library di Python. Penasaran? Yuk, kita bahas bareng-bareng!

# Apa Sih Pandas Itu?

Pandas itu seperti pisau Swiss untuk data di Python. Dia bisa melakukan banyak hal, mulai dari membaca data, mengolahnya, sampai menganalisisnya. Kalau kamu suka main Excel, bayangkan Pandas sebagai Excel-nya Python, tapi jauh lebih keren dan powerful!

# Kenapa Harus Pakai Pandas?

- Cepat dan Efisien: Pandas bisa menangani data besar dengan cepat.
- Fleksibel: Bisa handle berbagai jenis data, dari CSV sampai SQL.
- Banyak Fitur: Punya banyak fungsi bawaan yang bikin hidup kita lebih mudah.
- Populer: Banyak digunakan di dunia data science, jadi belajarnya pasti berguna
# Struktur Data Utama di Pandas

Ada dua struktur data utama di Pandas yang wajib kamu kenal:

- Series: Bayangkan ini seperti satu kolom di Excel. Cocok untuk data 1 dimensi.
- DataFrame: Nah, kalau ini seperti tabel lengkap di Excel. Bisa punya banyak kolom dan baris.
## Cara Mulai Pakai Pandas

Pertama-tama, pastikan kamu sudah install Pandas ya. Bisa pakai pip:

```javascript
pip install pandas

```
Terus, di script Python-mu, jangan lupa import:

```javascript
import pandas as pd

```
Nah, sekarang kamu udah siap jelajah dunia Pandas!

## Contoh Penggunaan Pandas yang Keren

- Baca File CSV
```javascript
df = pd.read_csv('data_keren.csv')

```
dengan pandas kalian bisa membaca dan mengelolahan file dengan mudah!

- Lihat Data Awal
```javascript
print(df.head())

```
dengan menuliskan code diatas  kalian bisa melihat data 5 teratas.

- Hitung Rata-rata
```javascript
rata_rata = df['kolom_angka'].mean()

```
dengan mengunakan perintah mean kita bisa langsung melihat rata-rata dari data.

- Filter Data
```javascript
data_filtered = df[df['umur'] > 25]

```
dengan menulisakan perintah diatas kita bisa mencari data yang hanya berumur lebih dari 25

- Grouping dan Agregasi
```javascript
hasil = df.groupby('kota')['pendapatan'].mean()

```
dengan hanya perintah diatas kita bisa melihat rata-rata pendapatan dikelompokan berdasarkan kotanya.

Gimana? mudah bukan mengunakan pandas untuk mengelolah data?

# Tips Jitu Belajar Pandas

- Praktek, Praktek, Praktek: Jangan cuma baca, langsung coba di laptop!
- Mulai dari Yang Simple: Jangan langsung tackle data besar. Mulai dari dataset kecil dulu.
- Manfaatkan Dokumentasi: Pandas punya dokumentasi yang lengkap dan user-friendly.
- Join Komunitas: Banyak forum dan grup yang membahas Pandas. Jangan malu bertanya!
- Bikin Proyek Kecil: Coba analisis data yang kamu suka, misal data film atau musik.
# Kesimpulan

Nah, gimana? Seru kan Pandas itu? Memang di awal mungkin terasa overwhelming, tapi percaya deh, sekali kamu jago Pandas, dunia data akan jadi mainanmu!

Ingat, setiap master pernah jadi pemula. Jadi, jangan takut untuk mulai belajar Pandas dari sekarang. Siapa tahu, beberapa bulan lagi kamu sudah jadi jagoan data yang bikin kagum teman-teman!

Selamat belajar dan jangan lupa have fun dengan Pandas! 🐼📊

SALAM DATA SALAM ADYATAMA


Pernah dengar tentang Pandas? Bukan panda hewan, tapi Pandas library di Python! Pandas adalah alat yang sangat powerful untuk mengolah dan menganalisis data, layaknya Excel versi Python, namun jauh lebih fleksibel dan cepat. 

Pandas: Si Jagoan Data di Python yang Wajib Kamu Kenal!

Yo, apa kabar sobat Data! Udah pernah denger istilah "Data Science" belum? Kalo belum, tenang aja, gue bakal jelasin ke lo semua tentang si keren ini. Siap-siap ya, karena kita bakal nyemplung ke dunia yang asyik banget!

# Apaan sih Data Science Itu?

Gampangnya, Data Science tuh kayak jadi detektif di dunia digital. Lo bakal ngulik-ngulik data yang bejibun banyaknya, terus nyari petunjuk dan pola yang tersembunyi di dalemnya. Keren kan?

Data Science itu campuran dari beberapa ilmu:

- Statistik (buat ngitung-ngitung)
- Ilmu Komputer (biar bisa ngoding)Nah, gabungan dari semua itu bikin Data Science jadi "senjata pamungkas" buat mecahin masalah di dunia nyata.
# Kenapa Data Science Itu Penting Banget?

Coba deh bayangin:

- Netflix bisa ngasih rekomendasi film yang cocok buat lo
- Gojek bisa nentuin harga yang pas dan driver yang dekat dengan lo.
- Bank bisa deteksi transaksi mencurigakanNah, itu semua berkat Data Science, bro!
# Skill Apa Aja yang Harus Dikuasain?

Kalo lo mau jadi Data Scientist, ini nih beberapa skill yang wajib lo kuasain:

- Programming: Python atau R tuh wajib hukumnya. Ibarat kata, ini tuh kayak punya HP canggih di kantong lo.
- Statistik: Jago statistik itu kayak punya kacamata ajaib buat liat pola di data.
- Machine Learning: Ini tuh kayak ngajarin komputer buat mikir sendiri. Keren kan?
- Data Visualization: Karena kadang, gambar tuh lebih ngena daripada 1000 kata.
- Domain Expertise: Lo harus ngerti bidang yang lo teliti. Masa mau analisis data sepak bola tapi gak tau offside?
# Gimana Cara Mulainya?

- Belajar Python atau R: Mulai dari yang basic aja. Ada banyak tutorial gratis di YouTube atau Coursera.
- Latihan pake dataset: Cari dataset di , terus coba-coba analisis.
- Ikut komunitas: Join grup Data Science di Facebook atau Reddit. Jangan malu buat nanya!
- Bikin projek: Cari masalah di sekitar lo, terus coba pecahin pake Data Science.
- Keep Learning: Data Science tuh berkembang terus. Jadi, jangan pernah berhenti belajar ya!
# Kesimpulan

Nah, gimana sob? Udah mulai ngerti kan apa itu Data Science? Inget ya, ini cuma pengantar doang. Masih banyak lagi yang bisa lo pelajari.

Data Science itu kayak main game RPG. Awalnya mungkin lo bingung, tapi makin lama makin seru. Jadi, jangan nyerah di tengah jalan ya!

Yuk, mulai petualangan lo di dunia Data Science. Siapa tau, beberapa tahun lagi lo bisa jadi Data Scientist kece yang bikin impact besar di dunia. Semangat belajar, Bro dan Sis! 

SALAM DATA SALAM ADYATAMA


Apa sih Data Science? Artikel ini mengajak Anda masuk ke dunia seru Data Science, di mana Anda bisa menjadi detektif digital yang mengulik data dan menemukan pola tersembunyi. Mulai dari pengertian dasar hingga skill yang dibutuhkan untuk menjadi Data Scientist, semuanya dikupas dengan gaya santai dan asyik

Berita & Artikel
HMSD ITERA
Dapatkan informasi terbaru, berita kegiatan, dan artikel menarik seputar Himpunan Mahasiswa Sains Data ITERA. Tetap terinformasi dan terdepan.