Sumber Gratis Terbaik untuk Belajar Python untuk Data Science di 2026

Materi Python gratis untuk data science mudah ditemukan dan sulit diurutkan. Tutorial resmi Python tidak pernah membahas DataFrame, banyak kursus "gratis" mengunci latihan di balik langganan, dan setidaknya satu kurikulum data yang paling direkomendasikan diam-diam berhenti diperbarui.

Daftar ini untuk 2 pembaca: seseorang yang belum pernah menulis kode, dan seseorang yang sudah tahu Python dasar tetapi belum benar-benar bekerja dengan pandas, NumPy, atau scikit-learn. Kami menilai setiap sumber berdasarkan seberapa banyak yang gratis, seberapa baik sumber tersebut membangun di atas yang lain, dan seberapa sering direkomendasikan para praktisi, serta kami menyebutkan persis di mana setiap tier gratis berakhir. Untuk gambaran besar sebelum Anda mulai, panduan DataCamp tentang cara belajar Python dari nol memetakan seluruh rute.

Akses gratis dan data kursus terakhir diverifikasi pada 29 Oktober 2026.

Perbandingan Sumber Daya Python Gratis untuk Data Science

Berikut 12 sumber daya secara sekilas, dalam urutan yang kami rekomendasikan untuk menggunakannya.

Sumber Gratis untuk Mempelajari Dasar-dasar Python

Ketiga sumber ini membahas bahasa Python itu sendiri, dari variabel hingga fungsi, sebelum pustaka data apa pun masuk ke gambar.

1. Pelajaran pertama gratis dari kursus Python DataCamp (pelajaran interaktif)

Kursus Python DataCamp dibuka dengan pelajaran gratis, sehingga Anda bisa menulis dan menjalankan Python di browser sebelum menginstal apa pun.

• Tingkat: Pemula
• Format: Pelajaran kursus interaktif, sekitar 50 hingga 60 menit per pelajaran gratis
• Akses gratis: Freemium: pelajaran pertama setiap kursus gratis, kemudian Premium mulai $14/bulan ditagihkan tahunan
• Terbaik untuk: Mencoba Python di browser tanpa pengaturan

Tiga kursus yang akan saya mulai adalah Introduction to Python, Intermediate Python, dan Data Manipulation with pandas, dalam urutan itu. Kursus pertama dibangun untuk analisis data sejak awal dan memperkenalkan paket populer lebih awal, dan yang ketiga menghadirkan pandas, pustaka DataFrame yang menjadi andalan sebagian besar daftar ini.

Kami menempatkannya di awal karena bagian tersulit dari minggu pertama biasanya adalah pengaturan, bukan sintaks. Bekerja di browser menghapus langkah itu sampai Anda yakin ingin lanjut.

Keterbatasan: Dalam 3 kursus ini hanya pelajaran pembuka yang gratis, sisanya membutuhkan Premium.

2. Tutorial resmi Python (dokumentasi)

Tutorial resmi Python adalah penjelasan gratis paling akurat tentang bahasa ini, ditulis oleh para pengelolanya.

• Tingkat: Pemula hingga Menengah
• Format: Tutorial tertulis resmi
• Akses gratis: Sepenuhnya gratis
• Terbaik untuk: Mempelajari sintaks inti dari sumbernya

Tutorial ini membahas alur kontrol, struktur data, modul, error dan exception, serta class, dengan cuplikan kode pendek yang bisa Anda tempelkan ke interpreter. Tutorial ini dikirimkan bersama dokumentasi Python 3.15, sehingga menggambarkan versi terkini bahasa tersebut, bukan versi beberapa tahun lalu.

Gunakan berdampingan dengan kursus, bukan sebagai penggantinya. Saat sebuah pelajaran melewatkan detail tentang cara kerja list slicing atau metode dictionary, di sinilah Anda mendapatkan jawaban yang tepat.

Keterbatasan: Tidak ada latihan atau umpan balik, dan berhenti sebelum pandas, NumPy, atau pustaka data lainnya.

3. Python for Everybody (kursus)

Python for Everybody adalah kursus penuh gratis terbaik untuk pemula yang menyukai ceramah, dengan buku teks gratis dan tugas yang dinilai otomatis di situsnya sendiri.

• Tingkat: Pemula
• Format: Kuliah video, buku teks gratis, dan tugas yang dinilai otomatis
• Akses gratis: Sepenuhnya gratis
• Terbaik untuk: Pemula berfokus video

Situs ini memberi Anda kuliah, buku, dan tugas secara gratis, dan masuk akan mengikutsertakan Anda ke kursus gratis dengan buku nilai, tugas dinilai otomatis, dan forum diskusi. Materinya berlisensi Creative Commons Attribution 4.0, itulah sebabnya kursus yang sama juga berjalan di beberapa platform lain.

Kursus ini muncul berulang kali di daftar sumber gratis pesaing, dan alasannya adalah tempo: sama sekali tidak mengasumsikan pengalaman ngoding sebelumnya.

Keterbatasan: Ini mengajarkan pemrograman umum, jadi Anda tidak akan bertemu pandas, NumPy, atau pustaka plotting di sini.

Pilihan kami: Mulai dengan Pelajaran pertama gratis dari kursus Python DataCamp untuk melihat apakah ngoding terasa klop, lalu kerjakan Python for Everybody dan tetap buka Tutorial resmi Python untuk sintaks yang tepat.

Sumber Gratis untuk Belajar Analisis Data dengan Python

Setelah dasar-dasarnya terasa familier, 4 sumber ini mengajarkan pustaka DataFrame yang menjadi dasar sebagian besar pekerjaan data di Python.

1. Kursus Polars gratis DataCamp (kursus)

Tiga kursus Polars DataCamp adalah satu-satunya jalur DataFrame yang terstruktur dan sepenuhnya gratis dalam daftar ini, dari kueri pertama Anda hingga pipeline siap produksi.

• Tingkat: Pemula hingga Menengah
• Format: 3 kursus interaktif, total 11 jam
• Akses gratis: Sepenuhnya gratis
• Terbaik untuk: Jalur DataFrame sepenuhnya gratis dari kueri pertama hingga pipeline produksi

Introduction to Polars mengajarkan Anda membersihkan, membentuk ulang, dan menganalisis data. Data Transformation with Polars menambahkan manipulasi teks, statistik rolling, join DataFrame, dan analitik yang lebih lanjut, dan Scaling and Optimizing Data Pipelines with Polars menunjukkan cara mengoptimalkan, menskalakan, dan menguji pipeline Anda. Ketiganya diajarkan oleh Liam Brannigan, kontributor Polars.

Setelah selesai, tutorial Polars read_csv() dari DataCamp menunjukkan cara memuat file CSV besar dengan skema terdefinisi.

Keterbatasan: Sebagian besar sumber lain dalam daftar ini, termasuk Kaggle Learn dan Python for Data Analysis, mengajarkan pandas, bukan Polars, jadi rencanakan untuk mempelajari keduanya.

2. Tutorial Python gratis DataCamp (tutorial)

Tutorial Python gratis DataCamp membahas setiap keterampilan data science dengan kode yang dapat dijalankan, dari latihan pertama Anda hingga evaluasi model machine learning.

• Tingkat: Pemula hingga Menengah
• Format: Tutorial tertulis dengan kode yang dapat dijalankan
• Akses gratis: Sepenuhnya gratis
• Terbaik untuk: Contoh dikerjakan dari dasar Python hingga evaluasi model

Enam ini membentuk urutan yang masuk akal:

• Python Exercises for Beginners: latihan dari variabel sederhana hingga fungsi, struktur data, dan proyek terpandu, dengan jawaban.

• Python pandas Tutorial: panduan pemula ke DataFrame.

• Joining DataFrames in pandas: merge(), concat(), dan join().

• Python Seaborn Tutorial: visualisasi data statistik.

• Ensemble Learning in Python: bagging vs boosting, random forest dan XGBoost pada dataset nyata.

• Precision vs Recall: memilih metrik yang tepat untuk model Anda.

Keenamnya diterbitkan atau diperbarui pada 2026, dan kategori Python lengkap memiliki ratusan lainnya saat Anda membutuhkan fungsi spesifik. Untuk dasar-dasar plotting, tutorial Matplotlib cocok dipasangkan dengan yang Seaborn.

Keterbatasan: Tutorial menunjukkan satu jalur yang dikerjakan, jadi Anda tidak akan mendapat umpan balik pada kode Anda sendiri seperti pada latihan.

3. Kaggle Learn (situs latihan)

Kaggle Learn adalah cara tercepat dan gratis untuk berlatih pandas pada data nyata, dengan kursus singkat yang disediakan Kaggle tanpa biaya.

• Tingkat: Pemula hingga Menengah
• Format: Kursus singkat dengan latihan langsung di notebook Kaggle
• Akses gratis: Sepenuhnya gratis
• Terbaik untuk: Latihan singkat pandas dan machine learning pada data nyata

Jalur data mencakup dari Intro to Programming dan Python hingga Pandas, Data Visualization, Data Cleaning, dan Feature Engineering, dan kursus Pandas memakan waktu sekitar 4 jam. Setiap pelajaran memasangkan tutorial singkat dengan notebook latihan, sehingga Anda menulis kode pada dataset nyata sejak pelajaran pertama.

Saya akan menggunakannya sebagai lapisan latihan di samping kursus: penjelasannya singkat sesuai desain, dan latihannya adalah tempat belajar terjadi.

Keterbatasan: Pelajarannya singkat dan mengasumsikan Anda akan mencari hal yang mereka lewati, sehingga pemula absolut bisa merasa lonjakannya curam.

4. Python for Data Analysis (edisi ke-3, akses terbuka) (buku)

Python for Data Analysis adalah buku gratis definitif tentang pandas, ditulis oleh Wes McKinney, pembuat pustaka tersebut, dan gratis dibaca online secara penuh.

• Tingkat: Pemula hingga Menengah
• Format: Buku online gratis dengan contoh kode dan dataset
• Akses gratis: Sepenuhnya gratis
• Terbaik untuk: Mempelajari pandas secara mendalam

Edisi ketiga akses terbuka mencakup NumPy, pemuatan dan pembersihan data, penggabungan dan pembentukan ulang, plotting, operasi grup, dan deret waktu, dengan kode dan dataset di GitHub di bawah lisensi MIT. Buku ini diperbarui untuk pandas 2.0 pada April 2023.

Bacalah bab demi bab setelah Anda bisa menulis loop dan fungsi.

Keterbatasan: Menargetkan pandas 2.0, jadi beberapa detail berbeda pada rilis pandas yang lebih baru, dan tidak memiliki latihan dengan umpan balik.

Pilihan kami: Ikuti kursus Polars gratis DataCamp untuk struktur, gunakan tutorial Python gratis DataCamp untuk contoh dikerjakan, dan latih ide yang sama di pandas dengan Kaggle Learn.

Sumber Gratis untuk Proyek Latihan dan Machine Learning

Lima sumber ini adalah tempat Anda menerapkan apa yang sudah dipelajari: proyek, model pertama, dan bantuan saat sesuatu rusak.

1. DataLab (sandbox)

Notebook DataLab milik DataCamp memberi Anda ruang kerja browser gratis untuk proyek data Anda sendiri, dengan Asisten AI yang menulis dan menjelaskan kode di samping Anda.

• Tingkat: Pemula hingga Menengah
• Format: Notebook di browser dengan Asisten AI
• Akses gratis: paket gratis memungkinkan 3 workbook dan 15 kali penggunaan Asisten AI; workbook dan bantuan AI tanpa batas memerlukan DataLab Premium
• Terbaik untuk: Membangun proyek data dengan asisten AI di browser
• Kursus awal: Introduction to DataLab (sepenuhnya gratis, 1 jam)

Paket gratis hanya memerlukan akun DataCamp dan mencakup 3 workbook dan 15 kali penggunaan Asisten AI, yang cukup untuk menyelesaikan beberapa proyek portofolio dari awal hingga akhir. Anda mengunggah file atau menghubungkan database dan mulai menulis pandas di browser.

Jika Anda belum pernah menggunakan notebook, kursus 1 jam Introduction to DataLab gratis dan menunjukkan seluk-beluknya. Untuk ide, daftar 50+ proyek Python DataCamp mengurutkannya berdasarkan tingkat.

Keterbatasan: Batas 3 workbook berarti Anda akan menghapus atau mengarsipkan proyek lama seiring waktu, dan bantuan AI tanpa batas memerlukan DataLab Premium.

2. Code-along Python gratis DataCamp (video)

Code-along Python gratis DataCamp memungkinkan Anda menonton instruktur membawa dataset nyata dari data mentah hingga hasil, dan Anda dapat menontonnya tanpa akun.

• Tingkat: Pemula hingga Menengah
• Format: Video code-along rekaman dengan notebook untuk mengikuti di DataLab
• Akses gratis: Sepenuhnya gratis
• Terbaik untuk: Menyaksikan analisis lengkap dari data mentah hingga hasil

Setiap rekaman dilengkapi dengan notebook, sehingga Anda dapat ikut ngoding di DataLab dengan akun DataCamp gratis. Empat yang bagus untuk mulai:

• Exploratory Data Analysis in Python for Absolute Beginners: statistik ringkas dengan pandas dan chart dengan Plotly Express pada data pemesanan hotel.
• Absolute Beginners Analysis of Chicago City Service Data: permintaan 311 Chicago dianalisis dengan Python dan bantuan AI, termasuk cara meninjau kode yang ditulis AI.
• AI Python Zero-to-Hero: Build Your Own Fitness Tracker: analisis eksploratori dan plot interaktif data kebugaran.
• Getting Started with Machine Learning in Python: model klasifikasi dan regresi di scikit-learn pada data pinjaman bank.

Keterbatasan: Ini rekaman, jadi sesi yang lebih lama menggunakan versi pustaka pada masanya, dan tidak ada yang memeriksa kode Anda sendiri.

3. freeCodeCamp Data Analysis with Python (kurikulum terbuka)

Data Analysis with Python dari freeCodeCamp adalah sumber gratis terbaik untuk proyek portofolio terpandu, dengan 5 proyek yang menguji keterampilan NumPy, pandas, dan plotting Anda.

• Tingkat: Pemula hingga Menengah
• Format: Pelajaran video dengan kuis dan 5 proyek portofolio
• Akses gratis: Sepenuhnya gratis
• Terbaik untuk: Proyek portofolio

Pelajaran videonya membahas pembacaan data dari file CSV dan SQL serta bekerja dengan NumPy, pandas, Matplotlib, dan Seaborn. Proyeknya mencakup dari Mean-Variance-Standard Deviation Calculator hingga Medical Data Visualizer dan Sea Level Predictor.

Keterbatasan: freeCodeCamp menyatakan bagian ini tidak lagi diperbarui, jadi harapkan versi pustaka yang lebih lama di beberapa tempat; tetap berguna terutama untuk proyeknya.

4. Dokumentasi scikit-learn (dokumentasi)

Dokumentasi scikit-learn adalah referensi gratis paling andal untuk membangun model machine learning pertama Anda di Python.

• Tingkat: Menengah
• Format: Dokumentasi resmi dengan contoh kode
• Akses gratis: Sepenuhnya gratis
• Terbaik untuk: Model machine learning pertama Anda

Halaman Getting Started menunjukkan fitting dan predicting, transformer dan pre-processor, serta evaluasi model dalam beberapa contoh singkat, dan panduan pengguna kemudian mendokumentasikan setiap estimator secara detail. Dokumentasi stable mencakup scikit-learn 1.9.1, sehingga contohnya cocok dengan versi yang akan Anda instal.

Keterbatasan: Mengasumsikan Anda nyaman dengan array NumPy dan statistik dasar, dan menjelaskan API alih-alih teori di balik setiap model.

5. ChatGPT dan Claude (asisten AI)

Gunakan ChatGPT atau Claude sebagai rekan belajar gratis yang menjelaskan pesan error dan menelusuri kode Anda baris demi baris.

• Tingkat: Pemula hingga Lanjutan
• Format: Asisten chat yang menjelaskan dan debug kode
• Akses gratis: Freemium: batas penggunaan pada paket gratis; paket berbayar menambah kuota dan fitur
• Terbaik untuk: Menjelaskan kesalahan dalam kode Anda sendiri

Keduanya memiliki paket gratis: paket ChatGPT mencakup chat teks tanpa batas, dan Claude dapat menjalankan kode. Tempelkan traceback dan tanyakan mengapa itu terjadi, atau minta satu baris pandas ditulis ulang langkah demi langkah agar Anda melihat apa yang dilakukan setiap metode.

Jebakannya adalah membiarkan asisten menulis kode untuk Anda. Cheat sheet Python dengan AI dari DataCamp menunjukkan cara menulis prompt yang menghasilkan kode pandas dan NumPy yang andal, lalu Anda yang mengetik perbaikannya sendiri.

Keterbatasan: Keduanya bisa sangat yakin namun salah tentang detail pustaka, jadi periksa hal penting terhadap dokumentasi resmi.

Pilihan kami: Tonton salah satu code-along Python gratis DataCamp, lalu bangun proyek serupa milik Anda di DataLab, gunakan dokumentasi scikit-learn saat tiba di langkah pemodelan.

Rute Belajar yang Disarankan

Jika Anda mulai dari nol, urutan ini membawa Anda dari baris kode pertama ke model pertama.

Tahap 1: Pelajari bahasanya

Coba pelajaran gratis di Introduction to Python, Intermediate Python, dan Data Manipulation with pandas, lalu kerjakan Python for Everybody dengan tutorial resmi Python sebagai referensi Anda. Targetkan menulis skrip kecil dengan loop, fungsi, dan dictionary tanpa melihat referensi.

Tahap 2: Pelajari cara bekerja dengan data

Ikuti kursus Polars gratis DataCamp dan kursus Pandas Kaggle Learn berdampingan, dan gunakan tutorial pandas dan Seaborn serta Python for Data Analysis untuk pendalaman. Pada akhirnya Anda seharusnya dapat memuat CSV berantakan, membersihkannya, menggabungkannya dengan tabel lain, dan meringkasnya per grup.

Tahap 3: Bangun proyek dan model pertama

Tonton code-along, bangun proyek freeCodeCamp, lalu jalankan proyek Anda sendiri di DataLab, gunakan dokumentasi scikit-learn untuk langkah pemodelan. Jika Anda lebih suka satu jalur terstruktur, career track berbayar DataCamp Associate Data Scientist in Python mencakup ketiga tahap di satu tempat.

Bagaimana Kami Memilih Sumber Ini

• Akses gratis diverifikasi pada tanggal cap dari halaman sumber masing-masing; uji coba gratis dikecualikan, dan tidak ada yang hanya audit.
• Sumber yang disebut di daftar Python gratis yang paling direkomendasikan disertakan atau dikecualikan dengan alasan. Codecademy Learn Python 3, misalnya, sering disebut tetapi hanya berlangganan.
• Untuk kursus, rating ditampilkan hanya di atas 200 ulasan, dan kursus yang tidak diperbarui dalam 18 bulan dikecualikan sebagai entri daftar.
• Sumber eksternal dijelaskan dalam prosa, tanpa stat strip, karena kami tidak memiliki data rating terverifikasi untuknya.
• Kami memprioritaskan sumber yang mengajarkan pustaka data (pandas, NumPy, Polars, scikit-learn) dibanding materi pemrograman umum, karena daftar ini untuk data science.

Pemikiran Akhir

Jika Anda belum pernah ngoding, mulailah dengan pelajaran gratis di kursus Python DataCamp dan Python for Everybody; jika Anda sudah tahu dasar-dasarnya, langsung ke kursus Polars gratis DataCamp. Apa pun itu, beralihlah ke proyek di DataLab secepat mungkin, karena proyek adalah tempat sumber gratis mulai berbuah.

Gratis sudah cukup untuk belajar Python untuk data science; yang tidak diberikannya adalah satu jalur terhubung atau umpan balik di setiap latihan. Jika Anda menginginkan keduanya, career track berbayar DataCamp Associate Data Scientist in Python menyatukannya dalam satu urutan.