Eksplorasi Data Awal di Google Colab: Yuk Kenalan sama head(), describe(), dan info() di Pandas

Setiap kali dapet dataset baru, pasti muncul pertanyaan di kepala: “Ini datanya kayak gimana sih isinya? Ada berapa baris? Kolomnya apa aja? Ada yang kosong nggak?” Nah, sebelum buru-buru bikin analisis atau visualisasi, ada tahap penting yang wajib dilakuin dulu, namanya eksplorasi data awal (istilah kerennya Exploratory Data Analysis, atau EDA).

Oleh karena itu, di tutorial ini kita bakal langsung praktik pakai Google Colab—platform gratis dari Google buat nulis dan jalanin kode Python langsung dari browser, tanpa perlu install apa-apa. Dengan begitu, cocok banget buat pemula karena tinggal buka, tulis kode, terus jalanin.

Kenapa Colab Jadi Pilihan yang Pas buat Pemula

Langkah 1: Buka Google Colab

Sebelum mulai ngoding, kita buka dulu Google Colab-nya.

Cara Membuka Google Colab

Selanjutnya, begitu notebook baru kebuka, kamu bakal liat satu kotak kosong yang disebut cell. Di situlah nanti kita nulis dan jalanin kode Python.

Mengenal Cell di Colab

Langkah 2: Import Pandas dan Siapin Data

Karena di Colab kita belum tentu punya file CSV yang di-upload, di tutorial ini kita bikin data contoh langsung lewat kode. Dengan demikian, kamu bisa langsung praktik tanpa perlu upload file apapun dulu.

Menyiapkan Data Contoh

import pandas as pd

data = {
    'id': [1, 2, 3, 4, 5, 6, 7, 8],
    'nama_produk': ['Kaos', 'Celana', 'Topi', 'Jaket', 'Sepatu', 'Tas', 'Kacamata', 'Ikat Pinggang'],
    'kategori': ['Atasan', 'Bawahan', 'Aksesoris', 'Atasan', 'Sepatu', 'Aksesoris', 'Aksesoris', 'Aksesoris'],
    'harga': [75000, 120000, 45000, 250000, 300000, None, 90000, 60000],
    'jumlah_terjual': [120, 85, 60, 40, 55, 30, None, 70]
}

df = pd.DataFrame(data)

Tekan Shift + Enter buat jalanin cell ini. Selanjutnya, kalau nggak muncul error, artinya library Pandas berhasil di-import dan data contohnya udah siap disimpan di variabel df.

Langkah 3: Ngintip Data Pakai head()

Sekarang saatnya liat isi data yang udah kita buat tadi. Untuk itu, kita pakai head()—fungsi yang nampilin beberapa baris pertama dari dataset.

Kegunaan head() Secara Singkat

df.head()

Klik cell baru (atau bikin cell baru dengan klik + Code), ketik kode di atas, terus jalanin pakai Shift + Enter. Secara default, head() bakal nampilin 5 baris pertama.

Output:

Selain itu, kalau mau nampilin lebih dari 5 baris, tinggal isi angkanya di dalam kurung, misalnya buat nampilin semua 8 baris data kita:

df.head(8)

Langkah 4: Cek Struktur Data Pakai info()

Udah liat isi datanya, sekarang kita cek “laporan singkat” soal struktur dataset pakai info(). Fungsi ini penting banget dijalanin di awal, sebab bisa langsung ketauan kalau ada data yang kosong atau tipe datanya nggak sesuai.

Kegunaan info() Secara Singkat

df.info()

Bikin cell baru lagi, ketik kode di atas, terus jalanin. Hasilnya bakal keluar langsung di bawah cell.

Output:

<class 'pandas.core.frame.DataFrame'>
RangeIndex: 8 entries, 0 to 7
Data columns (total 5 columns):
 #   Column          Non-Null Count  Dtype  
---  ------          --------------  -----  
 0   id              8 non-null      int64  
 1   nama_produk     8 non-null      object 
 2   kategori        8 non-null      object 
 3   harga           7 non-null      float64
 4   jumlah_terjual  7 non-null      float64
dtypes: float64(2), int64(1), object(2)
memory usage: 452.0+ bytes

Dari output ini, kita bisa langsung liat kolom harga dan jumlah_terjual ternyata cuma punya 7 data non-null dari total 8 baris. Dengan kata lain, ada 1 data kosong di masing-masing kolom itu (inget, tadi kita sengaja isi None pas bikin datanya).

Langkah 5: Liat Ringkasan Statistik Pakai describe()

Akhirnya, di langkah terakhir ini kita liat “angka-angka penting” dari data numerik pakai describe(). Fungsi ini ngasih ringkasan statistik dasar cuma dengan satu baris kode aja.

Kegunaan describe() Secara Singkat

df.describe()

Sama kayak sebelumnya, bikin cell baru, ketik kodenya, terus jalanin pakai Shift + Enter.

Output:

Dengan begitu, dari output ini kita bisa langsung tau misalnya harga rata-rata produk di data kita, harga termurah, harga termahal, sampai gambaran gimana sebaran harganya secara umum.

df.describe(include='object')

Biar Nggak Lupa, Ini Rangkuman Langkah-Langkahnya

Kalau Digabung, Alurnya Kayak Gini

Abis Ini Belajar Apa Lagi?

Penutup

Lewat tutorial ini, kamu udah praktik langsung di Google Colab buat eksplorasi data awal pakai tiga fungsi paling dasar di Pandas: head(), info(), dan describe().

Singkatnya, head() bantu kamu ngintip isi data dari atas. Selanjutnya, info() ngasih gambaran struktur dataset, termasuk tipe data dan data yang kosong. Sementara itu, describe() ngasih ringkasan statistik dari data numerik, biar kamu makin paham karakteristik datanya.

Selain itu, semua langkah ini bisa langsung kamu coba ulang kapan aja di Colab tanpa perlu install apapun. Oleh karena itu, begitu udah pede sama dasar ini, kamu bisa lanjut praktikin pengecekan missing value, groupby, sampai visualisasi data di notebook yang sama.

Ditulis oleh Aziz Achmad Juniar — Lihat Portofolio