VERSION 2.

0
JULI , 2022

[PRAKTIKUM PEMROG. FUNGSIONAL]

MODUL 2 – Pengenalan Pure Function, Lambda Expressions, List

Comprehension dan Generator

DISUSUN OLEH :
Andi Shafira Dyah K.
Mutaqhin Dean

DIAUDIT OLEH
Fera Putri Ayu L., S.Kom., M.T.

PRESENTED BY: TIM LAB-IT

UNIVERSITAS MUHAMMADIYAH MALANG
[PRAKTIKUM PEMROG. FUNGSIONAL]

PERSIAPAN MATERI
Praktikan diharapkan juga mempelajari dari sumber external mengenai bahasa python.

TUJUAN PRAKTIKUM
1. Praktikan diharap dapat mengenal pemrograman fungsional basic menggunakan Bahasa
pemrograman python

PERSIAPAN SOFTWARE/APLIKASI
● Komputer/Laptop
● Sistem operasi Windows/Linux/Max OS/Android
MATERI POKOK
Pada pemrograman fungsional, modul juga dapat diakses melalalui google collab agar lebih interaktif :
Modul 2

1|L A B - I T U M M
MODUL 2 Fungsional 2022

Pure Function, Lambda Expressions, List Comprehension, Generator

↳ 1 cell hidden

Pure Functions

Di modul 1 kita sudah belajar tetang tipe data tuple dan list, masih ingat kan kalau tuple itu
sifatnya immutable atau kekal (tidak dapat diubah). Nah, dalam pemrograman fungsional, setiap
fungsi yang dibuat sebaiknya bersifat immutable terhadap variabel lain di luar fungsi. Dengan
kata lain, fungsi yang ada tidak boleh merubah dan juga tidak boleh terikat dengan variabel lain
di luar fungsi. Fungsi tersebut dinamakan pure function atau fungsi murni. Hmm bingung
ngga? Coba perhatikan contoh berikut:

luasKotak=10 #sebuah variabel diluar fungsi

def pure(x,y): #deklarasi fungsi murni

luasKotak = (x*y)
return luasKotak

pure(5,6)

30

Contoh diatas merupakan pure function, dimana fungsi tersebut hanya bergantung pada
argumen yang diberikan dan akan mengembalikan nilai yang sama dengan argumen yang
sama. Ga percaya? coba kita panggil lagi deh..

print(luasKotak)
pure(5,6)

10
30

Nah kan tetep 30 outputnya. Dan juga, fungsi pure() tidak mempengaruhi/mengubah nilai
variabel luasKotak yang telah dideklarasikan sebelumnya. Coba bandingkan dengan
contoh berikut:

2|L A B - I T U M M
phi = 3.14
def impure(r):
luasLing = phi*r*r
return luasLing
impure(9)

254.34

Outputnya 254.34, kemudian perhatikan kode berikut:

phi = 3
impure(9)

243

Walau dengan argumen yang sama, outputnya berbedaa. Sehingga dapat dikatakan fungsi
impure ini tidak murni. Kenapa begituu? Hal ini dikarenakan fungsi impure masih terikat
dengan variabel lain di luar fungsi, yaitu "phi". Jadi apabila nilai phi diubah, outputnya ikut
berubah walau dengan argumen yang sama

Untuk penjelasan lebih detail mengenai pure functions, kalian bisa melihat video ini

Lambda Expressions

Lambda expressions adalah fungsi pada python yang bersifat anonymous. Kalian tau kan
anonymous ? yang identitasnya rahasia gitu. Nah kalau di lambda ini fungsi anonymous adalah
fungsi yang bisa tidak memiliki nama. Jadi gini, saat kita buat sebuah fungsi di python, kita
menggunakan keyword def kemudian diikuti dengan nama fungsi kan ? misal def fungsi1:,
nah jika menggunakan lambda expressions, kalian tidak perlu melakukan seperti itu. cukup
ketikkan keyword lambda diikuti dengan nama variabel/parameter yang digunakan sebagai
input kemudian mendefinisikan apa yang ingin di return. Jadi gini strukturnya:

lambda namaparameter : return/aksi yang dilakukan di fungsi itu

contoh
lambda x : x + 2

pada lambda expressions diatas, kita menggunakan x sebagai input, kemudian memproses x

3|L A B - I T U M M
tersebut untuk ditambahkan dengan 2. Untuk lebih jelasnya kalian bisa simak baris
kode dibawah.

def kali2(input):
return input * 2

double = kali2(2)
print(double)

double = lambda input : input * 2

print(double(2))

Kedua cell diatas menampilkan perbedaan antara penggunaan fungsi biasa dan penggunaan
lambda expressions. Terlihat lebih simpel menggunakan lambda expressions bukan? :D

List Comprehension

Salah fitur pada python yang cukup menarik dan dapat digunakan untuk pemrograman
fungsional yang lebih optimal dan ringkas adalah list comprehension.

Kadang dalam beberapa kasus, mengharuskan kita untuk mengisi elemen dari list sebelum
melakukan manipulasi data. Di modul 1 kita sudah belajar tetang list dan cara deklarasinya (list2
= [1, 2, 3, 4, 5 ]). Nah, untuk membuat daftar list yang lebih panjang, akan merepotkan jika kita
harus menuliskan isi datanya satu persatu. Hal tersebut dapat diatasi dengan menggunakan
perulangan for dengan append list pada tiap iterasinya. Coba perhatikan contoh berikut:

list = []
for i in range(40):
list.append(i)

print(list)

[0, 1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12, 13, 14, 15, 16, 17, 18, 19, 20, 21, 22, ...

Cara tersebut memang tidak salah, namun butuh banyak line code untuk mengisi sebuah
list saja, dengan kata lain borosss. Coba bandingkan dengan contoh berikut:

4|L A B - I T U M M
list = [i for i in range(40)]
print(list)

[0, 1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12, 13, 14, 15, 16, 17, 18, 19, 20, 21, 22, ...

Nahh kan tinggal 2 baris. Kode tersebut merupakan contoh sederhana penerapan list
comprehension. Cara ini akan sangat bermanfaat khususnya jika kita perlu membuat list
dengan daftar yang panjang tanpa harus menuliskan kode yang panjang pula(yang mana
memerlukan banyak waktu dan resource pastinya). Makanya, sudahi cara lama, mari beralih
menggunakan list comprehension :D

Tidak hanya itu, kita juga dapat menyisipkan kondisi serta ekspresi lain dalam list
comprehension. Perhatikan contoh berikut:

#List berisi bilanga kuadrat dari angka genap dalam range 0-10
list = [i*i for i in range(10) if i % 2 == 0 ] print(list)

[0, 4, 16, 36, 64]

eitss, tipe string juga bisa kokk. Perhatikan contoh berikut:

#List dengan value konstan

names = ["sayang ayang walau gapunya ayang" for x in range(10)]
print(names)

['sayang ayang walau gapunya ayang', 'sayang ayang walau gapunya ayang', ...

#List dengan value semua karakter dalam sebuah

kalimat/string sentence = "sayang ayang walau gapunya ayang"
chars = [char for char in sentence]
print(chars)

['s', 'a', 'y', 'a', 'n', 'g', ' ', 'a', 'y', 'a', 'n', 'g', ' ', 'w', 'a', 'l', ...

Iterator dan Generator

Iterator

5|L A B - I T U M M
Sebelum belajar lebih jauh mengenai generator, pertama-tama kita kenalan dulu dengan
yang namanya "iterator". Iterator merupakan objek yang berisi jumlah nilai yang dapat
dihitung. Iterator adalah objek yang dapat diulangi, sehingga akan mengembalikan data,
satu data per satu waktu.
Secara teknis, dalam Python, sebuah iterator adalah objek apa pun yang kelasnya memiliki
fungsi next() (__next __() dalam Python 3), fungsi __iter __() yang menghasilkan return self,
dan fungsi __init __().
Metode __iter __() digunakan untuk melakukan operasi (menginisialisasi dll), tetapi harus
selalu kembali objek iterator sendiri.
Metode __next __() juga digunakan untuk melakukan operasi, dan harus kembali item
berikutnya dalam urutan.
Kemudian untuk mencegah iterasi berjalan selamanya, kita dapat menggunakan pernyataan
Stop Iteration. Coba perhatikan contoh berikut:

class Count:

# fungsi init untuk proses inisialisasi

# objek count secara default akan dimulai dari angka 1(start) hingga 5(stop)
def __init__(self, start=1, stop=5):
self.num = start
self.n = stop

def __iter__(self):
return self

def __next__(self):
num = self.num
if num > self.n: # jika num > n/sudah mencapai nilai stop
raise StopIteration # raise Stop Iteration untuk menghentikan iterasi
self.num += 1
return num

# membuat objek iterator dengan parameter (start=5, stop=8)

my_iter = Count(5,8)

# iterasi secara manual mengunakan method next()

print(next(my_iter)) # counting pertama --> print 5 (sesuai nilai start saat inisialisasi
print(next(my_iter)) # counting kedua --> print 6

5
6

6|L A B - I T U M M
# bisa juga dengan cara berikut:
# dimana next(obj) sama dengan obj.__next__()
print(my_iter.__next__()) # counting ketiga --> print 7
print(my_iter.__next__()) # counting keempat --> print 8 (nilai akhir/stop)

7
8

# Berikut ini akan memunculkan error karena item sudah habis

next(my_iter)

Karena Iterator adalah objek yang dapat diulangi, maka kita juga bisa menggunakan
perulangan untuk mengakses nilai dari suatu iterator. Seperti contoh berikut:

# looping objek iterator dengan nilai default/tanpa

parameter for n in Count():
print(n)

1
2
3
4
5

Suatu objek dikatakan iterable jika dari objek tersebut bisa kita buat iterator. Sebagian besar
objek di Python seperti list, tuple, string, dan lain-lain adalah iterable. seperti contoh berikut:

# mendefinisikan list
my_list = [5, 4, 7,
3] print(my_list)
print(type(my_list))

# membuat iterator dengan iter()

my_iter = iter(my_list)
print(my_iter)
print(type(my_iter))

[5, 4, 7, 3]
<class 'list'>
<list_iterator object at 0x7f5816870e10>
<class 'list_iterator'>

Sebenarnya Iterator ini sudah diterapkan di dalam looping for, while dan list comprehension
yang sudah kita pelajari sebelumnya, hanya saja tidak tampak secara langsung.
Paham kan gais? agak ribet yaa, soalnya iterator itu pake konsep OOP (dari awal bahas class

7|L A B - I T U M M
sama objek). Gak fungsional banget kan :D

Nahh untuk menghindari hal tersebut, khususnya di pemrograman fungsional, ketika

kita menginginkan sebuah iterator, kita membuat sebuah generator.

Generator

Sederhananya, generator dalam python adalah fungsi yang mengembalikan sebuah

objek iterator. Generator adalah cara cepat dan ringkas untuk membuat sebuah iterator.
Secara khusus, generator adalah subtipe dari iterator. Sehingga untuk pemanggilan
objek generator dapat dilakukan dengan method next() seperti pada iterator.
Generator dibuat dengan memanggil fungsi yang memiliki satu atau lebih ekspresi yield,
seperti contoh berikut:

# membuat fungsi count yang sama dengan class Count pada materi iterator
# fungsi dengan satu ekspresi yield
def count(start=1, stop=5):
for i in range(start,stop+1):
yield i

print(type(count)) # count adalah sebuah fungsi biasa yang mengembalikan nilai dengan keyw

<class 'function'>

Fungsi count dibuat untuk membuat sebuah iterasi dengan parameter default start = 1 dan stop
= 5. Kemudian dibuat perulangan menggunakan for untuk mencetak kembalian dengan
keyword yield pada range 1-6 (angka 6 didapatkan dari stop+1 berarti 5+1). Loh kenapa bukan
return? kenapa malah yield?
keyword yield mirip dengan keyword return, bedanya yield mengembalikan objek
generator. Coba perhatikan kode lanjutan untuk pemanggilan objek generator berikut

# membuat generator dengan memanggil fungsi count(start=5, stop=8)

my_gen = count(5,8) # saat fungsi count dipanggil,
print(type(my_gen)) # dia mengembalikan sebuah generator

# cara mengakses iterasi sama seperti mengakses iterator:

print('counting pertama dengan fungsi next():',next(my_gen)) # --> print 5 (sesuai nilai
print('counting kedua dengan method .__next__():',my_gen.__next__() ) # --> print 6
print('counting sisany dengan looping for:', end=" ")

8|L A B - I T U M M
for n in my_gen:
print(n, end=" ") # a --> print 7 & 8

<class 'generator'>
counting pertama dengan fungsi next(): 5
counting kedua dengan method .__next__(): 6
counting sisany dengan looping for: 7 8

Generator maupun iterator sama sama menggunakan fungsi next ataupun method ._ next_()
untuk melakukan pemanggilan dan sama sama menyimpan progres iterasi. Namun coba
bandingkan dengan kode iterator dalam kelas Count sebelumnya. Dengan tujuan dan output
yang sama kita dapat membuat sebuah kode iterator menjadi lebih ringkas dan efisien
dengan menggunakan Generator.

Gimana? paham kann gais? Coba kita beralih ke contoh yang lebih sederhana dari
penggunaan generator. Perhatikan contoh berikut!

def my_generator(n):

print('Pertama nih boss')

yield n

print('Kedua banget')
yield n + 1

print('Ketiga')
yield n + 2

g = my_generator(1)
print(next(g))

Pertama nih boss

1

Loh kok cuma yang pertama aja yang diprint? Inilah kunci dari keyword yield yang kita gunakan.

Tidak seperti keyword return yang biasa kita gunakan untuk membuat fungsi pada
umumnya, yang mana akan menghentikan(terminate) function secara keseluruhan.
Yield hanya akan menghentikan sementara(pause) function dan menyimpan semua state
variable yang ada didalamnya, sehingga nantinya bisa dilanjutkan kembali. Perhatikan
kode berikut

9|L A B - I T U M M
print(next(g))

Kedua banget
2

print(next(g))

Ketiga
3

Nah Kalau habis iterasinya gimana? yaudah selesaii

#Nih StopIteration
print(next(g))

Jadi object generator hanya bisa diiterasi untuk sekali saja. Kita harus membuat object
generator baru untuk melakukan iterasi kembali.

Generator Expression

Selain itu, generator juga dapat dibuat dengan cara yang lebih ringkas lagi tanpa harus
membuat fungsi yang menggunakan keyword yield terlebih dahulu. Kita menyebutnya dengan
istilah generator expression. Coba perhatikan contoh berikut

count = (i for i in range(5,9))

for i in count:
print(i, end=" ")

5678

kode diatas adalah cara yang sama untuk membuat iterasi dengan range 5-9 yang
akan mencetak nilai 5-8
Tidak hanya itu, kita juga dapat menyisipkan kondisi serta ekspresi lain sama seperti saat kita
membuat list comprehension. Perhatikan contoh berikut:

generator_expression = (i for i in range(11) if i % 2 == 0)

print(generator_expression)

<generator object <genexpr> at 0x7fc28866ced0>

10 | L A B - I T U M M
Namun berbeda dengan list comprehension, kita tidak bisa mencetak nilainya secara
langsung menggunakan fungsi print. Kenapa begitu??? karena Generator merupakan
implementasi dari Lazy Evaluation. Apa lagi ini Lazy Evaluation? :(

Lazy Evaluation merupakan strategi evaluasi yang menunda evaluasi ekspresi hingga
nilainya diperlukan dan yang juga menghindari evaluasi berulang. Pada lazy evaluation, dia
hanya melakukan evaluasi pada variabel yang dibutuhkan saja, yaah namanya juga malass,
ngapain dieval semua kalau tidak dibutuhkan ya kann..

Namun menjadi malas bukan berarti bad attitude dalam pemrograman fungsional, dia justru
dapat meningkatkan efisiensi kode dan menghemat banyak sumber daya. Inilah salah satu
keunggulan dari paradigma fungsional.

Untuk lebih memahami lazy evaluation, coba kita bandingkan generator dengan
list comprehension (yang tidak lazy). cekidott

Generator vs List Comprehension

Pertama tama, coba perhatikan cara membuat list comprehension dengan generator
expresion berikut dan temukan apa perbedaannya!

list_comp = [i for i in range(10000)]

gen_exp = (i for i in range(10000))

Nah dari contoh di atas sudah kelihatan kan bedanya Iyess, kalau List Comprehension dia
pakai kurung siku, sedangkan generator pakai kurung biasa, sehingga List Comprehension
akan menghasilkan data squence list dan generator menghasilkan sebuah objek iterator
Selain format penulisan, generator menghasilkan satu item pada satu waktu dan menghasilkan
item hanya saat dibutuhkan. Padahal, dalam List Comprehension, Python menyimpan memori
untuk seluruh isi list. Dengan demikian dapat dikatakan bahwa ekspresi generator lebih hemat
memori daripada List Comprehension. Ga percaya? coba cek kode berikut

from sys import getsizeof

#memberikan size untuk list comprehension

x = getsizeof(comp)
print("x = ", x)

11 | L A B - I T U M M
#memberikan size untuk generator expression
y = getsizeof(gen)
print("y = ", y)

x = 87632
y = 128

Dapat dilihat pada output yang dihasilkan, bahwa generator lebih hemat memori. Tapi
apakah hemat waktu eksekusi juga? skuy buktikann

import timeit

print(timeit.timeit('''list_com = [i for i in range(100) if i % 2 == 0]''', number=1000000

7.81876667799952

import timeit

print(timeit.timeit('''gen_exp = (i for i in range(100) if i % 2 == 0)''', number=1000000)

0.4818928770000639

Iyess, generator menang telak :) jadi dapat disimpulkan bahwa generator lebih hemat
memori serta lebih efisien waktu.

Nah mungkin cukup itu aja ya untuk di modul 2 ini. Sekarang waktunya tugas praktikum, hehehe

Tugas Praktikum

Kegiatan 1

NIM Ganjil

Modifikasi program dengan dua akun sebelumnya (tugas modul 1), yaitu admin dan
anggota perpustakaan mini dengan ketentuan :

1. Admin dapat melakukan CRUD (create, read, update, delete) pada buku yang
tersedia maupun yang sedang dipinjam.
2. Admin dapat melakukan CRUD (create, read, update, delete) pada akun anggota
12 | L A B - I T U M M
 3. Terdapat 4 kolom untuk data anggota, yakni ID (untuk mempermudah, id sebaiknya
berurut dari 0 dst.), Nama, riwayat pinjaman, lama keanggotaan(dihitung mulai dari hari
pertama mendaftar dalam hitungan hari)
4. Buku yang sudah dipinjam tidak dapat dipinjam lagi oleh anggota lain kecuali
sudah dikembalikan
5. Anggota yang sama hanya boleh meminjam 3 buku setiap harinya
6. Akun anggota bisa menampilkan point apresiasi keanggotaan((jumlah buku yang
pernah dipinjam+lama keanggotaan)/2) dan daftar riwayat peminjaman buku
7. Buatlah program sekreatif mungkin dengan mengimplementasikan materi yang sudah
dipelajari dalam modul ini
8. Kode yang identik akan mendapat pengurangan nilai

NIM GENAP

Modifikasi program dengan dua akun sebelumnya (tugas modul 1), akun teacher dan
akun student dengan ketentuan :

1. Guru dapat melakukan CRUD (create, read, update, delete) pada nilai murid.
2. Guru dapat melakukan CRUD (create, read, update, delete) pada akun murid
3. Terdapat 4 kolom untuk data student, yakni ID (untuk mempermudah, id sebaiknya
berurut dari 0 dst.), Nama, nilai ulangan harian, nilai UAS.
4. Guru diberi batasan untuk mengadakan ulangan harian maksimal 3 kali sehari
5. Akun student bisa menampilkan nilai akhir dari student itu sendiri dan daftar nilai ulangan
harian + UAS
6. Nilai akhir diperoleh dari nilai (nilai ulangan harian + UAS) / 2
7. Buatlah program sekreatif mungkin dengan mengimplementasikan materi yang sudah
dipelajari dalam modul ini
8. Kode yang identik akan mendapat pengurangan nilai

Kegiatan 2

NIM GANJIL

Buatlah sebuah program yang dapat menampilkan sebuah deret fibonacci dengan ketentuan:

1. Menggunakan Fungsi Generator

2. Jumlah bilangan merupakan inputan user

13 | L A B - I T U M M
 3. Buatlah dengan kode seringkas dan seefektif mungkin

NIM GENAP

Buatlah sebuah program yang dapat menampilkan sebuah deret dengan ketentuan:

1. Menggunakan Generator Expression

2. Deret berisi bilangan prima dibawah angka 100
3. Buatlah dengan kode seringkas dan seefektif mungkin

Rubrik Penilaian

Kegiatan 1 :

1. Program dapat berfungsi (max. 10)

2. Program harus sesuai dengan ketentuan yang diberikan (max. 20)
3. Menjelaskan dengan baik dan lancar kepada asisten saat demo (max. 30):

• Menjelaskan program yang dibuat (10 poin)

• Menjelaskan yang sudah dipelajari dari modul (10 poin)
• Menjawab pertanyaan dari asisten (10 poin)

Kegiatan 2 :

1. Program dapat berfungsi (max. 10)

2. Program harus menggunakan materi yang sudah dipelajari pada modul (max. 15)
3. Menjelaskan dengan baik dan lancar kepada asisten saat demo (max. 15):

• Menjelaskan program yang dibuat (5 poin)

• Menjelaskan yang sudah dipelajari dari modul (5 poin)
• Menjawab pertanyaan dari asisten (5 poin)

14 | L A B - I T U M M