Optimasi tanpa pengukuran hanya spekulasi. Kita akan memahami cara Python mengelola memori, memprofil program dengan cProfile, membaca kompleksitas algoritma, dan mengetahui kapan optimasi memang layak dilakukan.

# Memahami Memory Management

Pahami cara Python menyimpan object di heap, overhead tiap object, kerja pymalloc, dan siklus pembebasan memorinya.

Buka → # Reference Counting dan Garbage Collection

Bedah reference counting, kegagalan siklus, garbage collector generasional, jebakan __del__, dan peran weakref.

Buka → # Profiling dengan cProfile

Temukan hotspot program dengan cProfile dan pstats: baca kolom ncalls, tottime, dan cumtime dengan benar.

Buka → # Benchmarking

Ukur kecepatan kode secara jujur dengan timeit, pilih perf_counter, dan baca derau hasil pengukuran.

Buka → # Time Complexity dan Big-O

Baca notasi Big-O dari O(1) sampai O(n²) beserta tabel pertumbuhan dan bukti pengukuran nyata di Python.

Buka → # Optimasi Algoritma

Menangkan performa lewat perbaikan algoritma: ganti O(n²) dengan O(n), pilih struktur data, dan prekomputasi.

Buka → # Caching

Hemat kerja berulang dengan functools.lru_cache: pahami cache_info, jebakan argument mutable, dan invalidasi.

Buka → # Generators untuk Memory Efficiency

Proses data besar dengan memori kecil: list vs generator, baca file baris per baris, dan pipeline generator.

Buka → # Memahami Memory Profiling

Lacak alokasi memori dengan tracemalloc, temukan kebocoran dengan compare_to, dan pahami kebocoran ala Python.

Buka → # Kapan Mengoptimalkan Program

Disiplin sebelum optimasi: kutipan Knuth, aturan 90/10, tangga prioritas, dan kapan boleh berhenti.

Buka →