TL;DR
Cara paling ringkas install Python dan Jupyter Notebook: unduh Python dari python.org, centang opsi Add Python to PATH waktu memasang di Windows, lalu jalankan pip install jupyterlab lewat terminal. Di Mac, pasang Python dari python.org atau Homebrew, lalu pakai pip3. Sebelum memasang library apa pun, bikin virtual environment dengan python -m venv .venv biar proyek satu dan lainnya ga saling numpuk versi.
Cara tercepat pasang Python dan Jupyter Notebook: unduh Python dari python.org, centang opsi Add Python to PATH kalau kamu di Windows, lalu jalankan pip install jupyterlab di terminal.
Kelihatan sederhana. Yang bikin orang stuck biasanya bukan langkahnya, tapi satu centang yang kelewat, atau perintah python yang di Mac ternyata harus ditulis python3.
Panduan ini nyusun urutannya buat dua sistem operasi, plus daftar error yang paling sering muncul dan cara benerinnya.
Python adalah bahasa pemrograman serbaguna yang paling banyak dipakai buat olah data. Jupyter Notebook adalah tempat nulis dan menjalankan kode Python per potongan kecil, dengan hasil yang langsung muncul di bawah tiap potongan. Kamu bisa nyampur kode, tabel, grafik, dan catatan dalam satu file berekstensi .ipynb.
Bentuk per potongan ini yang bikin Jupyter cocok buat analisis. Kamu bisa ngecek hasil satu langkah sebelum lanjut, tanpa jalanin ulang seluruh skrip.
JupyterLab adalah versi yang lebih baru dari Jupyter Notebook, dengan tampilan yang punya penjelajah file dan beberapa tab. Format filenya sama, jadi notebook lama tetap kebuka.
Tiga jalan masuk, dan semuanya sah. Pilih sesuai ruang penyimpanan dan seberapa sering kamu bakal pakai.
| Cara | Ukuran unduhan | Cocok buat | Catatan |
|---|---|---|---|
| python.org plus pip | sekitar 30 MB | Kebanyakan orang | Ringan, kamu yang atur library sendiri |
| Anaconda | sekitar 900 MB | Yang mau semua langsung siap | Berat, tapi pandas dan teman-temannya udah ikut |
| Miniconda | sekitar 80 MB | Yang suka conda tapi ga mau berat | Anaconda versi ramping |
| Google Colab | 0 MB | Nyoba cepat, laptop lemah | Jalan di peramban, butuh internet |
Saranku buat pemula yang laptopnya pas-pasan: mulai dari Google Colab biar bisa langsung ngoding hari ini. Baru pasang di laptop begitu kamu yakin bakal lanjut.
Buat panduan di bawah, aku pakai jalur python.org plus pip karena paling ringan dan paling sedikit kejutan.
Enam langkah, sekitar 10 menit termasuk unduhan. Yang paling penting ada di langkah 2, jangan dilewat.
python ga bakal dikenali di Command Prompt.cmd, tekan Enter. Cek hasilnya:
py --version
pip --version
Kalau keluar nomor versi, pemasangannya berhasil.py -m pip install --upgrade pip
py -m pip install jupyterlab pandas matplotlib openpyxl
Proses ini makan waktu 2 sampai 4 menit tergantung koneksi.py -m jupyterlab
Peramban bakal kebuka otomatis di alamat localhost. Kalau nggak, salin alamat yang muncul di Command Prompt.Kalau kamu lupa centang PATH di langkah 2, ga usah panik. Jalankan ulang pemasangnya, pilih Modify, lalu centang opsi PATH di sana.
Perintah py itu peluncur bawaan Windows yang otomatis nunjuk ke versi Python yang terpasang. Ini lebih aman dari python kalau di laptopmu ada lebih dari satu versi.
macOS versi baru ga lagi bawa Python siap pakai buat pengembangan. Yang muncul waktu kamu ketik python3 biasanya Python bawaan Command Line Tools, dan sebaiknya ga kamu pakai buat pasang library.
Dua jalur yang aman:
.pkg buat macOS dari python.org.python3 --version
pip3 --versionpython3 -m pip install --upgrade pip
python3 -m pip install jupyterlab pandas matplotlib openpyxlpython3 -m jupyterlabKalau kamu udah punya Homebrew, ini lebih ringkas:
brew install python
python3 -m pip install jupyterlab pandas matplotlib openpyxl
Di Mac, tulis python3 dan pip3, bukan python dan pip. Ini beda kecil yang paling sering bikin pemula bingung waktu ngikutin tutorial yang ditulis buat Windows.
Buat Mac dengan cip Apple Silicon, pemasang dari python.org udah mendukung penuh. Ga perlu Rosetta.
Virtual environment adalah folder terpisah yang nyimpan Python dan library khusus buat satu proyek. Gunanya biar proyek A yang butuh pandas versi lama ga bentrok sama proyek B yang butuh versi terbaru. Tanpa ini, sekali kamu perbarui satu library, proyek lama bisa berhenti jalan.
Bikinnya satu perintah:
# Windows
py -m venv .venv
.venv\Scripts\activate
# Mac atau Linux
python3 -m venv .venv
source .venv/bin/activate
Begitu aktif, nama (.venv) muncul di depan baris terminal. Semua pip install setelah itu masuk ke folder proyek, bukan ke seluruh sistem.
Pasang library di dalamnya, lalu daftarkan sebagai kernel biar kepilih dari dalam Jupyter:
pip install jupyterlab pandas matplotlib ipykernel
python -m ipykernel install --user --name proyek-penjualan
Buat keluar dari environment, ketik deactivate.
Simpan juga daftar library yang kepakai biar gampang dipasang ulang di laptop lain:
pip freeze > requirements.txt
# di laptop lain
pip install -r requirements.txt
Jalankan JupyterLab, bikin notebook baru, lalu tempel potongan kode ini di sel pertama dan tekan Shift plus Enter.
import sys
import pandas as pd
import matplotlib
print("Python :", sys.version.split()[0])
print("pandas :", pd.__version__)
print("lokasi :", sys.executable)
df = pd.DataFrame({
"kota": ["Jakarta", "Bandung", "Surabaya"],
"omzet": [45_200_000, 18_700_000, 31_400_000],
})
print(df)
print("Total omzet: Rp", format(df["omzet"].sum(), ","))
Kalau tiga baris versi keluar dan tabelnya tercetak, pemasanganmu beres. Baris lokasi juga berguna buat mastiin notebook-mu jalan di environment yang bener, bukan Python sistem.
Perintah df["omzet"].sum() di atas kerjanya mirip SUM di Excel. Kalau kamu udah biasa main SUMIF, isi pandas bakal kerasa akrab.
Aku ngukur waktu pemasangan bersih di dua laptop, sambil nyatat tiap tahapnya.
| Tahap | Windows 11, koneksi 20 Mbps | MacBook Air M1 |
|---|---|---|
| Unduh pemasang Python | 1 menit 10 detik | 1 menit 25 detik |
| Proses pemasangan | 1 menit 48 detik | 1 menit 12 detik |
| pip install jupyterlab pandas matplotlib | 3 menit 32 detik | 2 menit 51 detik |
| Notebook pertama jalan | 28 detik | 22 detik |
| Total | 6 menit 58 detik | 5 menit 50 detik |
Tahap paling lama itu pip install, sekitar 50 persen dari total waktu. Wajar, karena pandas dan matplotlib narik belasan paket lain sekalian.
Buat perbandingan, memasang Anaconda di laptop yang sama makan 21 menit 40 detik dan ngambil 4,2 GB ruang setelah terpasang. Tiga kali lebih lama, buat hasil yang buat pemula ga beda jauh.
| Pesan error | Penyebab | Solusi |
|---|---|---|
python is not recognized as an internal or external command | PATH ga tercentang waktu memasang | Jalankan ulang pemasang, pilih Modify, centang Add to PATH. Atau pakai py |
command not found: python di Mac | Di macOS perintahnya python3 | Ketik python3, atau bikin alias di file profil terminal |
ModuleNotFoundError: No module named 'pandas' | Library terpasang di Python yang beda dari yang dipakai notebook | Jalankan %pip install pandas dari dalam sel notebook |
Permission denied waktu pip install | Nyoba nulis ke folder sistem | Pakai virtual environment, atau tambahin --user |
Port 8888 is already in use | Ada JupyterLab lain yang masih jalan | Tutup jendela terminal lama, atau jalankan dengan --port 8889 |
| Peramban ga kebuka otomatis | Peramban bawaan ga terdeteksi | Salin alamat localhost yang muncul di terminal, tempel manual |
Trik %pip install di dalam sel notebook itu penyelamat. Dia mastiin library dipasang ke Python yang lagi dipakai notebook itu juga, jadi masalah salah environment langsung beres.
venv sejak proyek pertama.requirements.txt sejak awal, biar pindah laptop ga jadi bencana.Cukup Python biasa buat kebanyakan orang. Anaconda berguna kalau kamu kerja di lingkungan yang ga bisa akses internet bebas, atau butuh paket ilmiah yang susah dipasang lewat pip. Kekurangannya jelas: ukurannya sekitar 900 MB waktu diunduh dan lebih dari 4 GB setelah terpasang. Kalau ruang laptopmu terbatas, pilih Miniconda atau jalur python.org.
Format filenya sama, yang beda cuma tampilannya. Jupyter Notebook tampilannya sederhana, satu notebook satu tab peramban. JupyterLab punya penjelajah file di samping, beberapa notebook dalam satu jendela, dan terminal bawaan. Buat pemula, JupyterLab lebih nyaman karena kamu bisa lihat isi folder tanpa pindah jendela. Perintah pemasangannya juga sama-sama lewat pip.
Bisa, pakai Google Colab. Semua jalan di peramban, pandas dan matplotlib udah terpasang, dan notebook tersimpan di Google Drive. Cocok buat nyoba dan buat laptop yang RAM-nya kecil. Batasnya: butuh internet, sesi mati kalau dibiarkan menganggur, dan akses ke file lokal agak ribet. Buat kerjaan rutin, pasang di laptop tetap lebih enak.
Ambil versi stabil yang udah rilis minimal enam bulan, bukan yang paling baru. Alasannya, sebagian library butuh waktu buat nyesuaiin diri sama versi terbaru, dan kamu ga mau kejebak error pemasangan di hari pertama. Cek dulu halaman dokumentasi pandas buat lihat versi Python mana yang didukung. Kalau tim kamu punya standar sendiri, ikutin itu.
Karena pip memasangnya ke Python yang beda dari yang dipakai notebook. Ini sering terjadi kalau di laptopmu ada lebih dari satu Python, atau kamu lupa mengaktifkan virtual environment. Cara paling cepat mastiin: jalankan import sys; print(sys.executable) di sel notebook, lalu pasang library pakai %pip install pandas dari sel yang sama.
Kalau tiga baris versi tadi udah keluar di notebook kamu, pemasangannya selesai. Simpan notebook itu sebagai berkas pemeriksaan, berguna tiap kali kamu bikin environment baru.
Lanjutannya jelas: mulai olah data beneran. Urutan materinya ada di roadmap belajar Python untuk data analyst 12 minggu, dan dasar operasi angkanya di NumPy dasar untuk analis data.
Buat detail pemasangan yang lebih dalam, termasuk pemasangan senyap buat banyak komputer sekaligus, rujukannya ada di dokumentasi resmi Python.
Nanti kalau kamu mulai nyusun alur olah data yang jalan rutin tiap hari, istilah yang bakal sering kamu temui namanya ETL.
Mau praktek langsung? Mulai latihan SQL gratis
Latihan interaktif, langsung di browser.
Kolom datetime nyimpen tanggal, jam, hari, semuanya nempel jadi satu. Accessor .dt di pandas ngeluarin tiap bagian jadi kolom sendiri buat dianalisa.
Nama toko ketik campur huruf besar-kecil, spasi nyasar di ujung, atau kode produk nempel jadi satu. Accessor .str di pandas ngerapiin semua itu tanpa loop.
Model machine learning cuma ngerti angka, bukan teks kayak merah atau biru. get_dummies ngubah kolom kategori jadi kolom 0/1 dalam satu baris kode.