Pertemuan 14

Library Numpy
Dr. Shoffi Izza S, S.Kom.

Medical Engineering
Department of Biomedical Engineering
Faculty of Intelligent Electrical and Informatics Technology
Institute of Technology Sepuluh Nopember Surabaya
2022

1
Tugas Mandiri
• Silahkan buat dataset anda sendiri (Dimana ada file lebih dari satu dengan
format apapun)
• Baca dataset tersebut menggunakan Program Python
• Gunakan konsep Percabangan maupun Perulangan yang telah anda pelajari.
• Buatlah PPT untuk dipresentasikan
• 3 Orang terbaik akan presentasi minggu depan dan mendapatkan hadiah

2
Library Numpy
Medical Engineering
Department of Biomedical Engineering
Faculty of Intelligent Electrical and Informatics Technology
Institute of Technology Sepuluh Nopember Surabaya
2022

3
Mengapa
Bagaimana
saya
Perhatikan
perlu
Cara
Data ini??
menuliskan
Numpy !! di
Python ?

4
Do You Remember me ??

6 4 3 5 2 1

Bagaimana program Python dari Data di atas ?

5
Kalau Data ini Bagaimana ??

6 4 3 5 2 1
4 8 1 7 2 9

Kalau ini ?
Bagaimana program Python
dari Data di atas ?

6
Apa itu Library NumPy?
• NumPy (Numerical Python) adalah library Python yang berfokus pada scientific computing,
seperti matriks, aljabar, statistik, dsb.

• Sebuah Library di Python yang mendukung array serta menyediakan koleksi fungsi matematika
untuk mengoperasikan array tersebut, terutama operasi pada Vector (1-d array) dan Matrix (2-
d array).

• NumPy memiliki kemampuan untuk membentuk objek N-dimensional array, yang mirip
dengan list [] pada Python.

• Keunggulan NumPy array dibandingkan dengan list [] pada Python adalah konsumsi memory yang
lebih kecil serta runtime yang lebih cepat.

7
Masih ingat dengan Array List[] ??
array List [] pada Python tidak mendukung penuh kemudahan scientific computing,
sebagai contoh kita akan lakukan operasi penjumlahan matrix di bawah ini:

Bagaimana program Python nya ??, Apakah seperti di bawah ini ?

8
Masih ingat dengan Array List[] ??
Tentu tidak sesuai yang diharapkan,

Maka, anda harus menggunakan

perulangan for untuk menambahkan tiap
elemen pada list a dan list b sesuai dengan
index.

Namun, proses penjumlahan list yang

menggunakan perulangan for membutuhkan
waktu yang lama dan tidak efisien dari sisi
penulisan code.

Library Numpy hadir untuk mengatasi hal ini.

9
Review : Element Pada Array
Array Indexing

Indeks pada suatu array dimulai pada indeks ke-0.

Untuk mengakses element pada array, kita menggunakan indeks sebagai alamat elemen pada array.

[1, 2, 3]

Kita dapat melakukan assign nilai baru pada suatu element berdasarkan alamat indeks.
Maka, setelah dilakukan assign nilai element pada indeks ke-0 berganti menjadi 10.

10
Cara install Library NumPy
• Numpy dapat kita install dengan package manager pip atau homebrew.
• Jalankan perintah berikut di Terminal atau CMD untuk menginstal Numpy:

• Cukup jalankan perintah ini sekali saja, maka Numpy akan terinstal di komputermu.
• Untuk menggunanan Library Numpy, kamu harus meng-impor terlebih dahulu di program .py

11
Cara install Library NumPy
• Lakukan import terlebih dahulu library numpy as np. np.array([])
• Penggunaan as disini, artinya kita menggantikan
pemanggilan numpy dengan prefix np untuk proses berikutnya.
• Untuk membuat sebuah array, kita menggunakan fungsi array() yang terdapat pada NumPy.

Lihat perbedaan menggunakan Numpy (a) dan tidak (b)

12
Sehingga…..

!=

13
Kalau Data ini Bagaimana ??

6 4 3 5 2 1
4 8 1 7 2 9

Bagaimana program Python

dari Data di atas ?

14
Multi-Dimensional Array
• Salah satu fitur menarik dari NumPy adalah library ini mampu membuat
multidimensional array dan melakukan manipulasi array dengan
mudah dan cepat.
• Multidimensional array adalah array yang berbentuk lebih dari 1 dimensi
seperti 2D, 3D, 4D dan seterusnya.
• Cara membuat multidimensional array sama dengan membuat array 1
dimensi, perbedaannya hanya pada parameter yang digunakannya saja.
• Untuk cek dimensi dalam sebuah array
print(a.ndim)
• Untuk menampilkan panjang
sebuah array pada tiap dimensi.
shape()

15
Perbedaan Dimensi Array

16
Perbedaan 1 Dimensi (1D) dan 2 Dimensi (2D)
Perbedaan terletak pada struktur penyimpanan dan representasi data:

A. Array 1 Dimensi (1D):

1. Merupakan kumpulan elemen data yang disusun dalam satu baris atau satu kolom.
2. Hanya memiliki satu tingkat indeks untuk mengakses elemen-elemen tersebut.
3. Setiap elemen memiliki satu indeks saja. list_angka[i]

B. Array 2 Dimensi (2D):

1. Merupakan kumpulan elemen data yang disusun dalam bentuk grid dengan dua
dimensi, yaitu baris dan kolom.
2. Memiliki dua tingkat indeks untuk mengakses elemen-elemen tersebut:
satu untuk baris dan satu untuk kolom.
3. Setiap elemen memiliki dua indeks: satu untuk baris [i] dan satu untuk kolom [j].
list_angka[i][j]

17
Membuat Matrix 2D
Array List[] biasanya

Array menggunakan Numpy

18
Penulisan Python Array 2D

(jumlah baris, jumlah kolom).

19
Array Indexing for Multi-dimenssion Array

list_angka[i][j] (BAKOM)
dua indeks: satu untuk BAris [i] dan satu untuk KOloM [j].

20
Contoh melihat Dimensi pada data a dan array_2d

21
Untuk menampilkan panjang sebuah array pada tiap dimensi.
shape()

22
Operasi Matrix dengan Numpy
• Penjumlahan • Pengurangan

23
Operasi Matrix dengan Numpy
• Perkalian • Pembagian

24
Transformasi Matrix

25
Pengolahan Data Matrix

26
More details of Numpy
Ada beberapa fungsi lagi yang dapat digunakan dalam membuat array antara lain

27
Kelebihan dan Kekurangan Numpy
• Kelebihan
a. Memori yang digunakan lebih sedikit sehingga memberikan kecepatan runtime lebih baik jika dibandingkan dengan struktur
data yang serupa di python (list dan tuples)
b. Mendukung beberapa fungsi ilmiah khusus seperti alin (aljabar linear) yang dapat membantu memecahkan permasalahan linear
c. Mendukung operasi vektor, seperti penambahan dan penggandaan elemen, komputasi dan lainnya
d. Merupakan alternatif yang sangat baik untuk MATLAB karena menyediakan fungsionalitas dan dukungan serupa dengan
perkembangan yang lebih cepat dan lebih sedikit overhead mental (karena sintaks python lebih mudah ditulis dan dipahami)
jadi numpy sangat baik untuk analisis data.

• Kekurangan
a. Numpy mendukung "NAN" tapi mendukung untuk lintas platform sehingga dapat mempersulit pengguna.
b. Operasi penyisipan dan penghapusan menjadi mahal karena data disimpan di lokasi memori yang berdekatan jadi perlu menggesernya
terlebih dahulu sehingga membutuhkan banyak waktu untuk melakukan operasi yang besar
c. Bersifat homogen artinya harus memiliki tipe data yang sama dimana dalam suatu array tidak bisa memiliki berbagai elemen seperti
elemen karakter, elemen bilangan, dan elemen lainnya.

28
Kuis. (20 menit)
1. 20poin. Hitunglah rata-rata dari array NumPy 1D berikut:
C = [3, 7, 9, 13, 5]

2. 20poin. Hitunglah hasil penjumlahan dan perkalian antara kedua array berikut:
A = [1, 2, 3]
B = [4, 5, 6]

3. 30poin. Buatlah sebuah array NumPy 2D dengan 4 baris dan 3 kolom, di mana setiap elemen
memiliki nilai 10.

4. 30poin. Diberikan array NumPy 1D acak dengan 10 elemen. Temukan nilai maksimum,
minimum, dan rata-ratanya. hint: array_acak = np.random.rand(10)

29
 Thank you

06/24/2024
30