Kegunaan dan Ekosistem Python

Bahasa pemrograman hanya berguna jika dapat menyelesaikan masalah nyata. Python menempati posisi unik: bahasa yang sama dipakai untuk membuat website, membersihkan data penelitian, mengotomatiskan pekerjaan kantor, hingga melatih model kecerdasan buatan. Pada Chapter ini kita memetakan bidang penggunaan Python dan mengenal ekosistem package yang membuat semuanya mungkin.

Di Mana Python Digunakan #

Tabel berikut merangkum bidang utama beserta library populer di masing-masing bidang:

Bidang	Contoh pekerjaan	Library populer
Web development	Backend website dan REST API	Django, Flask, FastAPI
Data science dan analisis	Pembersihan dan analisis data tabel	pandas, NumPy, Polars
Machine learning	Pelatihan dan evaluasi model	scikit-learn, TensorFlow, PyTorch
Visualisasi data	Grafik dan dashboard	matplotlib, seaborn
Otomatisasi dan scripting	Pengolahan file, web scraping, tugas berulang	Selenium, BeautifulSoup, pathlib
Computing ilmiah	Simulasi dan komputasi numerik	SciPy, SymPy
Pendidikan	Pengajaran pemrograman dasar	Standard library saja sudah cukup

Pola yang perlu kita cermati: Python jarang menjadi bahasa tercepat di setiap bidang, tetapi Python hampir selalu menjadi bahasa termudah untuk memulai di setiap bidang. Sebagian besar library komputasi berat seperti NumPy justru ditulis dalam bahasa C dan C++ di lapisan dalam; Python berperan sebagai antarmuka yang nyaman.

Standard Library: Baterai yang Sudah Terpasang #

Instalasi Python sudah dibundel dengan standard library — kumpulan module siap pakai untuk pekerjaan umum: membaca file, mengolah JSON, operasi matematika, bekerja dengan tanggal, hingga membuat server sederhana. Filosofi ini sering dijuluki batteries included.

Mari kita buktikan dengan dua module dari standard library, json dan math:

python
import json
import math

profil = {"nama": "Budi", "hobi": ["membaca", "bersepeda"]}

print(json.dumps(profil))
print(math.sqrt(144))

Output yang Dihasilkan:

text

{"nama": "Budi", "hobi": ["membaca", "bersepeda"]}
12.0

Mari kita bedah contoh di atas:

Baris 1 dan 2 (import json, import math): statement import memuat module ke dalam program. Module json menyediakan konversi data Python ke format JSON, sedangkan math menyediakan fungsi matematika.
Baris 4 (profil = {...}): variable profil menyimpan sebuah dictionary — struktur data pasangan kunci-nilai.
Baris 6 (print(json.dumps(profil))): fungsi json.dumps() mengubah dictionary menjadi string berformat JSON.
Baris 7 (print(math.sqrt(144))): fungsi math.sqrt() menghitung akar kuadrat 144 dan mengembalikan 12.0.

Tanpa satu baris instalasi tambahan pun, interpreter Python yang baru dipasang sudah bisa menjalankan kedua pekerjaan tersebut.

Ekosistem Package dan PyPI #

Ketika kebutuhan kita melampaui standard library, kita masuk ke wilayah package pihak ketiga. Ribuan package tersebut dipublikasikan di PyPI (Python Package Index) di alamat pypi.org dan dipasang dengan tool pip, misalnya pip install requests untuk mendapatkan library HTTP yang populer.

Ekosistem ini besar sekali, dan dua hal berikut penting untuk disadari sejak awal:

Paket berkualitas tinggi hidup berdampingan dengan paket terbengkalai. Sebelum memasang package, periksa dokumentasi, tanggal rilis terakhir, dan jumlah pengguna.
Setiap project sebaiknya memiliki lingkungan tersendiri. Memasang semua package ke satu tempat yang sama lama-lama menimbulkan konflik versi. Praktik ini dibahas tuntas pada section Virtual Environments dan Dependencies.

Perintah pip sendiri akan kita praktikkan langsung pada Chapter Menggunakan pip setelah fondasi dasar selesai dibangun.

Bahasa Satu, Pintu Banyak #

Kekuatan kombinasi Python dapat diringkas begini: satu bahasa yang sintaksnya ramah pemula, standard library yang kaya, dan ekosistem package terbesar salah satunya di dunia pemrograman. Ketika kita menyelesaikan section instalasi nanti dan mulai menulis kode sungguhan, semua bidang pada tabel di atas berada dalam jangkauan — cukup dengan menguasai fondasi yang sama.