TUGAS PENERAPAN ARRAY
NAMA : MUHAMMAD RAFI
KELAS : 2 B
NPM : 2555208032
LINK CODINGAN :
https://colab.research.google.com/drive/1wd5qxsBnzEl0Kp56JZrEw8kRj5-bC482?usp=sharing
COLLABS NYA :
PENJELASANNYA DARI CODINGAN INI :
Berikut adalah penjelasan mendalam mengenai setiap bagian dari kode program di atas agar Anda memahami cara kerjanya dan bisa memodifikasinya sesuai kebutuhan tugas:
1. Import Library (Memuat Alat)
python
import numpy as np
from tabulate import tabulate
* import numpy as np : Memanggil library NumPy yang sangat kuat untuk pengolahan angka dan array (matriks). Kita menyingkatnya jadi `np` agar pengetikannya lebih cepat.
* `from tabulate import tabulate` : Memanggil fungsi `tabulate` dari library Tabulate. Library ini khusus digunakan untuk mengubah data kotor menjadi tabel yang rapi dan cantik (seperti di Excel).
2. Membuat Data Struktur (NumPy Array)
python
data_penjualan = np.array([
[101, "Laptop Asus", 7500000, 5],
[102, "Mouse Logitech", 150000, 20],
# ... data lainnya ...
])
* Di sini kita membuat Array 2 Dimensi (baris dan kolom).
* Struktur datanya adalah List of Lists (Daftar di dalam daftar).
* np.array : Fungsi ini mengubah list biasa Python menjadi NumPy Array. Ini penting karena tugas Anda meminta "aplikasi data terstruktur". Array NumPy jauh lebih cepat dan terstruktur dibanding list biasa.
* Setiap kurung siku mewakili satu baris data.
3. Header (Judul Kolom)
python
headers = ["ID Barang", "Nama Produk", "Harga (Rp)", "Stok"]
* Kita membuat daftar string untuk memberi nama pada setiap kolom agar data mudah dibaca.
4. Menampilkan Tabel (Tabulate)
python
tabel_rapi = tabulate(data_penjualan, headers, tablefmt="fancy_grid")
print(tabel_rapi)
* tabulate : Fungsi ajaib pembuat tabel. Ia membutuhkan 3 argumen utama:
1. `data_penjualan`: Isi datanya.
2. `headers`: Judul kolomnya.
3. tablefmt="fancy_grid": Ini adalah style atau format tampilan. "fancy_grid" membuat garis ganda yang tebal dan rapi. Anda bisa menggantinya menjadi "simple", "grid", atau "pipe" untuk tampilan berbeda.
5. Operasi Matematika dengan NumPy
Bagian ini mendemonstrasikan kekuatan NumPy dalam menganalisis data.
A. Mengambil Data Spesifik (Slicing)
python
harga = data_penjualan[2].astype(int)
stok = data_penjualan[3].astype(int)
* data_penjualan[2] : Ini adalah teknik slicing.
* Tanda : (titik dua) di depan artinya : Ambil semua baris.
* Angka 2 di belakang artinya : Ambil kolom ke-2 (ingat, pemrograman mulai hitung dari 0, jadi indeks 2 adalah kolom ketiga, yaitu Harga).
* astype(int) : Karena data dalam array campuran antara teks (Nama Produk) dan angka (Harga), NumPy menganggap semua data sebagai teks (string). Fungsi ini memaksa mengubah kolom Harga dan Stok kembali menjadi angka (integer) agar bisa dihitung.
B. Perhitungan Statistik
python
total_aset = np.sum(harga stok)
print(f"Rata-rata Harga Barang: Rp {np.mean(harga)0f}")
* harga * stok` : NumPy melakukan perkalian elemen per elemen secara otomatis. Ia mengalikan Harga baris 1 dengan Stok baris 1, Harga baris 2 dengan Stok baris 2, dan seterusnya.
* np.sum(...): Menjumlahkan total hasil perkalian tadi.
* np.mean(...): Menghitung rata-rata dari kolom harga.
* np.max(...): Mencari angka terbesar (harga termahal).
0f: Ini adalah format angka di Python. Tanda koma membuat pemisah ribuan (misal:7.500.000), dan .0f` membulatkan angka desimal menjadi 0 di belakang koma.
Kesimpulan untuk Laporan Tugas Anda:
Kode ini memenuhi kriteria tugas karena:
1. Menggunakan Google Colab (bisa dijalankan di browser).
2. Menggunakan NumPy untuk struktur data array dan perhitungan matematika.
3. Menggunakan Library Tabular (Tabulate) untuk visualisasi data yang rapi.
4. Data memiliki lebih dari 10 elemen (sebenarnya 40 elemen: 10 baris x 4 kolom).
Comments
Post a Comment