Memulai JupyterLab: Tutorial

Tidak mungkin memahami pengembangan perangkat lunak tanpa bahasa pemrograman. Benar, pengembang perangkat lunak tanpa bahasa pemrograman ibarat sopir taksi tanpa mobil. Namun, semuanya lebih kompleks. Sama seperti GPS memudahkan hidup sopir taksi, begitu pula Integrated Development Environments (IDEs) bagi para pemrogram. 

IDE dirancang untuk memungkinkan pemrogram menulis kode dan mengembangkan aplikasi perangkat lunak dengan lebih efisien. IDE meningkatkan produktivitas pemrogram dengan menggabungkan berbagai utilitas dalam satu antarmuka. Menulis, menguji, dan men-debug kode, serta fungsi pengeditan seperti penyorotan sintaks, pencocokan tanda kurung, dan pelengkapan otomatis kode, termasuk di antara fitur paling umum dari IDE modern. 

Ada banyak IDE yang sangat cocok untuk ilmu data, termasuk DataLab milik DataCamp. Dalam artikel ini, kami akan memperkenalkan JupyterLab, generasi penerus Jupyter Notebook, mungkin IDE paling populer untuk ilmu data. Dirilis pada 2018, JupyterLab menawarkan antarmuka pengguna yang fleksibel dan lebih banyak fitur dibandingkan Jupyter Notebook klasik, dan tentunya merupakan masa kini dan masa depan dari Project Jupyter. Ingin mulai menggunakan JupyterLab? Teruskan membaca!

Pengenalan Singkat Jupyter Notebook

Saat Jupyter Notebook pertama kali diluncurkan pada 2014, alat ini dengan cepat merevolusi lanskap IDE. Baru-baru ini dianggap sebagai salah satu proyek komputasi terpenting yang telah mengubah proses penerbitan ilmiah selamanya, Jupyter telah menjadi standar de facto dalam ilmu data.

Jupyter Notebook bekerja sebagai aplikasi server-klien, memungkinkan pengode mengedit dan menjalankan notebook melalui peramban web. Aplikasi ini dapat dijalankan di komputer tanpa akses Internet, atau dapat dipasang di server jarak jauh, tempat Anda dapat mengaksesnya melalui Internet.

Awalnya dirancang untuk mendukung Julia, Python, dan R –tiga dari bahasa pemrograman untuk ilmu data paling populer–kini Jupyter mendukung lebih dari 40 bahasa pemrograman. 

Jupyter terdiri dari dua komponen utama.

• Kernel. Ini adalah program yang menjalankan dan menginspeksi kode pengguna. Secara default, Jupyter memiliki kernel untuk kode Python, tetapi ada juga kernel untuk bahasa pemrograman lain.
• Dasbor. Sebuah notebook terutama terdiri dari urutan sel, yang dapat berisi elemen seperti kode, teks, visualisasi, gambar, dan rumus. Selain sel, dasbor mencakup berbagai alat untuk mengonfigurasi alur kerja notebook, men-debug kode, mengekspor notebook dalam berbagai format, menelusuri dokumen, dan banyak lagi. 

Sebagai versi yang disempurnakan dari Jupyter Notebook, JupyterLab menambahkan fitur dan kapabilitas baru, meskipun komponen intinya tetap sama.

Memulai JupyterLab

Untuk menggunakan JupyterLab, pertama-tama Anda perlu menginstalnya di komputer, seperti program lainnya. Ini dapat dilakukan dengan beberapa cara, bergantung pada preferensi Anda: menggunakan pip, Anaconda, atau Docker.

Instalasi JupyterLab dengan pip

Pip adalah manajer paket standar di Python. Untuk memasang JupyterLab dengan pip, Anda cukup menjalankan di baris perintah:

>>pip install jupyterlab

Setelah menjalankan instruksi ini, pip akan memasang paket JupyterLab serta semua dependensi yang diperlukan agar JupyterLab berfungsi. Jika Anda ingin mengetahui lebih lanjut tentang cara mengelola paket di Python, lihat Tutorial Pip Python untuk Manajemen Paket kami.

Setelah Anda berhasil memasang JupyterLab di komputer, Anda hanya perlu menjalankan perintah berikut untuk membuka JupyterLab:

>>jupyter lab

Kemudian Anda akan melihat aplikasi terbuka di peramban web pilihan Anda pada alamat berikut: http://localhost:8888/lab 

Instalasi JupyterLab dengan Anaconda

Anaconda adalah manajer paket, manajer lingkungan, dan distribusi Python yang berisi kumpulan banyak paket sumber terbuka. Anaconda adalah pilihan yang tepat jika Anda ingin mulai berkecimpung di ilmu data. Anda tidak perlu lagi khawatir tentang cara memasang Python atau JupyterLab, karena keduanya dipasang secara otomatis pada distribusi Anaconda modern.

Cara termudah untuk meluncurkan JupyterLab adalah melalui Anaconda Navigator, aplikasi yang memungkinkan Anda memanfaatkan fungsionalitas Anaconda dengan cara yang ramah pengguna dan tanpa kode. Seperti yang terlihat pada gambar di bawah, baik Jupyter Notebook maupun JupyterLab sudah terpasang. Anda hanya perlu mengeklik tombol Launch untuk membuka JupyterLab di peramban web Anda. 

Namun, dalam kondisi tertentu –misalnya, saat Anda membuat lingkungan conda baru–, Anda mungkin perlu memasang JupyterLab pada lingkungan tersebut. Untuk melakukannya, cara tercepat adalah menjalankan perintah berikut pada baris perintah conda (Anaconda Prompt di Windows dan terminal di macOS dan Linux):

>>conda install -c conda-forge jupyterlab

Instalasi JupyterLab dengan Docker

Docker adalah platform terbuka untuk menjalankan perangkat lunak dalam kontainer. Kontainer ini merupakan proses yang tertutup dan terisolasi yang memungkinkan Anda memisahkan aplikasi dari infrastruktur sehingga Anda dapat mengirimkan perangkat lunak dengan cepat. 

Jika Anda telah memasang Docker, Anda dapat memasang dan menggunakan JupyterLab dengan memilih salah satu dari banyak citra Docker yang didukung oleh Jupyter Docker Stacks. Anda dapat menganggap citra ini sebagai bundel perangkat lunak siap pakai yang dapat diunduh otomatis dari Docker saat Anda menjalankannya.

Misalnya, jika Anda ingin memasang citra Docker jupyter/datascience-notebook, yang mencakup pustaka untuk analisis data dari Julia, Python, dan R, Anda hanya perlu menjalankan perintah berikut pada Docker:

>>docker run -it -p 10000:8888 -e JUPYTER_ENABLE_LAB=yes jupyter/scipy-notebook

Untuk detail dan contoh lebih lanjut tentang cara menggunakan JupyterLab di Docker, lihat dokumentasi. Juga, untuk pengantar Docker yang mendalam, kami sangat merekomendasikan tutorial DataCamp ini.

Antarmuka JupyterLab

Antarmuka JupyterLab adalah versi yang ditata ulang dari antarmuka Jupyter Notebook, menyediakan serangkaian blok bangunan modular baru untuk komputasi interaktif dan efisien. JupyterLab mengintegrasikan beberapa alat pengodean dalam satu antarmuka, sehingga menawarkan pengalaman pengodean yang lebih mirip dengan IDE tradisional. 

Antarmuka JupyterLab terdiri dari elemen utama berikut: 

• Area kerja. Area kerja utama hadir dengan tata letak berbasis tab baru yang memungkinkan Anda menggabungkan berbagai dokumen (notebook, file data, HTML, pdf, gambar, dll.) dan alat pengodean (terminal, konsol kode, editor teks, dll.) ke dalam panel tab yang dapat diubah ukurannya atau dibagi dengan seret dan lepas. Sistem berbasis tab, yang tidak ada di Jupyter Notebook, memungkinkan pemrograman yang lebih terintegrasi dan efisien, karena pengembang dapat melakukan sebagian besar tugas tanpa meninggalkan JupyterLab. 
• Bilah sisi kiri. Bilah sisi yang dapat diciutkan ini berisi berbagai tab yang umum digunakan, termasuk:
  • Penjelajah file. Memungkinkan Anda mengelola file dan folder di komputer Anda.
  • Pengelola tab dan kernel. Menyediakan daftar tab di area kerja utama serta kernel dan terminal yang berjalan.
  • Daftar isi. Indeks interaktif berdasarkan heading yang disertakan dalam sel markdown.
  • Pengelola ekstensi. Memungkinkan Anda memasang aplikasi dan plugin baru untuk meningkatkan pengalaman JupyterLab Anda (lihat lebih lanjut di bawah). 
• Bilah sisi kanan. Bilah sisi kedua yang dapat diciutkan yang berisi:
  • Inspektur properti. Memungkinkan Anda meninjau secara rinci informasi dan properti sel. 
  • Debugger (lihat lebih lanjut di bawah)
• Bilah menu. Bilah menu di bagian atas JupyterLab mencakup menu tingkat atas dengan tindakan yang tersedia di JupyterLab. Menu yang berbeda adalah: 
  • File: tindakan terkait file dan direktori.
  • Edit: tindakan terkait pengeditan dokumen dan aktivitas lainnya.
  • View: tindakan yang mengubah tampilan JupyterLab.
  • Run: tindakan untuk menjalankan kode dalam berbagai aktivitas.
  • Kernel: tindakan untuk mengelola kernel.
  • Tabs: daftar dokumen dan aktivitas yang terbuka di area kerja.
  • Settings: pengaturan umum dan editor pengaturan lanjutan. Salah satu fitur paling menarik dari JupyterLab adalah kemungkinan memilih tema yang berbeda untuk antarmuka, termasuk Mode Gelap.
  • Help: daftar tautan bantuan JupyterLab dan kernel.

Debugging di JupyterLab

Tujuan di balik debugging adalah untuk menunjukkan penyebab bug yang ditemukan dalam program Anda selama proses pengujian, sehingga Anda dapat menyesuaikan kode agar menghasilkan keluaran yang akurat dan sesuai keinginan. 

Praktisi data, dan secara lebih luas, pengembang perangkat lunak, memantau interaksi antar variabel program dan perubahannya dalam proses debugging. Anda dapat menyelidiki kemungkinan penyebab kesalahan dalam program dengan melihat bagaimana setiap fungsi, metode, atau bahkan baris kode mengubah nilai dan fungsionalitas variabel.

Jupyter Notebook dan versi awal JupyterLab menggabungkan perintah magic bawaan %debug untuk melakukan tugas debugging. Namun, alat ini cukup sederhana dibandingkan debugger di IDE lain. 

Untungnya, versi terbaru JupyterLab menyertakan antarmuka depan Debugger secara default. Ini mencakup kapabilitas debugging tradisional, termasuk menetapkan breakpoint, melangkah ke dalam fungsi, dan menginspeksi variabel. Anda dapat mengaktifkannya dari bilah sisi kanan, seperti ditunjukkan pada gambar di bawah: 

Ekstensi JupyterLab

JupyterLab sudah merupakan alat yang kuat dan lengkap, dengan fitur-fitur baru yang akan membuat pengalaman pengodean Anda semakin mirip IDE. Namun, jika Anda merasa ada beberapa fungsionalitas yang kurang atau ingin meningkatkan kapabilitas JupyterLab, Anda sebaiknya memeriksa Ekstensi Jupyter.

Ditulis dalam JavaScript, ekstensi JUpyterLab adalah potongan perangkat lunak yang berisi satu atau beberapa plugin untuk menambahkan kapabilitas baru ke JupyterLab, seperti tema baru, editor file, dan pintasan perintah baru. 

Ada dua jenis ekstensi JupyterLab: 

• Ekstensi pra-bangun. Mereka tidak memerlukan proses build ulang JupyterLab.
• Ekstensi sumber. Mereka memerlukan build ulang JupyterLab saat dipasang. Membangun ulang JupyterLab memerlukan Node.js –lingkungan lintas platform sumber terbuka untuk menjalankan aplikasi JavaScript– agar terpasang. 

Jika Anda menggunakan conda dengan paket conda-forge, Anda dapat memperoleh Node.js dengan:

>>conda install -c conda-forge nodejs

Ada beberapa cara untuk mengelola ekstensi JupyterLab, namun kami sangat menyarankan Anda menggunakan Pengelola Ekstensi bawaan. Diakses melalui ikon puzzle pada bilah sisi kiri, Pengelola ekstensi memungkinkan Anda memasang dan menonaktifkan ekstensi tanpa perlu menulis kode.

Untuk informasi lebih lanjut tentang ekstensi JupyterLab dan cara mengelolanya, lihat dokumentasi JupyterLab.

JupyterLab vs Jupyter Notebook

​​Di bawah ini, Anda dapat menemukan tabel perbedaan antara Jupyter Notebook dan JupyterLab:

DataLab

Jika Anda mencari IDE daring berbasis cloud yang memungkinkan Anda menulis kode dan menganalisis data secara kolaboratif serta membagikan wawasan data Anda, DataLab adalah pilihan yang tepat. 

Dibuat oleh DataCamp, DataLab adalah platform analisis data berbasis cloud yang dirancang untuk membantu Anda memulai dengan cepat dan mudah. Dengan DataLab, Anda dapat melewati proses penyiapan yang memakan waktu dan langsung mulai bekerja dengan data. Tidak perlu memasang apa pun, karena semuanya dapat diakses melalui peramban. 

Saat menggunakan DataLab, Anda akan menemukan dataset bawaan yang dapat langsung digunakan, serta templat siap pakai dengan kode yang telah ditulis sebelumnya. DataLab dapat diakses oleh semua tingkat keterampilan, dengan alat low-code dan no-code yang tersedia untuk membuat laporan dan visualisasi yang menarik. 

DataLab juga mendukung Python dan R, keduanya dengan integrasi SQL native dan hadir dalam keadaan prakonfigurasi serta prainstal dengan paket ilmu data paling populer di dunia.