Skip to main content

Setup Environment

Dalam proyek Machine Learning, kita perlu menyiapkan folder kerja dan environment yang terorganisasi. Hal ini membantu memisahkan kode, dataset, dan library yang digunakan dalam setiap proyek.

Sebagai contoh, kita akan membuat proyek baru bernama heart-disease-project untuk mempelajari dataset penyakit jantung.

Pada materi ini, kita akan mempelajari cara membuat folder proyek, mengekspor konfigurasi environment Conda, membuat environment baru, dan menjalankan Jupyter Notebook.

info

Download Heart Disease Dataset.

1. Membuat Folder Proyek​

Setiap proyek sebaiknya memiliki folder tersendiri agar file tidak tercampur dengan proyek lain.

Contohnya, kita akan membuat folder:

heart-disease-project/

Buka terminal, kemudian jalankan perintah berikut:

mkdir heart-disease-project
cd heart-disease-project

Keterangan:

  • mkdir digunakan untuk membuat folder baru.
  • cd digunakan untuk berpindah ke folder proyek.

Dengan struktur ini, file kode, dataset, dan konfigurasi proyek dapat dikelola secara terorganisasi.

2. Mengekspor Environment Conda​

Jika sebelumnya kita sudah memiliki environment Conda yang berisi library untuk Machine Learning, konfigurasinya dapat diekspor ke file YAML.

Aktifkan environment lama terlebih dahulu:

conda activate nama_environment

Ganti nama_environment dengan nama environment yang digunakan sebelumnya.

Kemudian, ekspor konfigurasinya:

conda env export > environment.yaml

File environment.yaml berisi informasi environment, termasuk dependensi yang digunakan.

File ini dapat dimanfaatkan untuk membuat environment baru dengan konfigurasi yang serupa.

Catatan: Perintah tersebut mengekspor environment yang sedang aktif. File hasil ekspor juga dapat memuat informasi spesifik sistem, seperti dependensi platform dan prefix environment.

3. Membuat Environment Baru dari File YAML​

Setelah file environment.yaml tersedia, kita dapat menggunakannya untuk membuat environment baru di dalam folder proyek.

Misalnya, struktur file saat ini:

workspace/
├── environment.yaml
└── heart-disease-project/

Masuk ke folder proyek:

cd heart-disease-project

Kemudian jalankan:

conda env create --prefix ./env --file ../environment.yaml

Keterangan:

  • --prefix ./env membuat environment lokal di folder env.
  • --file ../environment.yaml menggunakan file YAML dari folder induk.
  • conda env create membuat environment berdasarkan konfigurasi yang tersedia.

Proses ini dapat memerlukan waktu karena Conda harus menyelesaikan dan memasang dependensi yang diperlukan.

tip

Cara lain dengan menentukan nama (name) untuk environment baru yang akan dibuat.

conda env create -n heart-disease -f path/ke/environment.yml

-n heart-disease: Menentukan nama (name) untuk environment baru.

Memeriksa Environment​

Setelah proses selesai, periksa environment yang tersedia:

conda env list

Environment lokal tersebut biasanya dapat diaktifkan menggunakan:

conda activate ./env

Setelah aktif, perintah Python dan library akan menggunakan environment proyek tersebut.

4. Menyiapkan Dataset​

Selanjutnya, siapkan dataset yang akan digunakan untuk proyek Machine Learning.

Contohnya:

heart-disease-project/
├── env/
├── data/
│   └── heart-disease.csv
└── notebooks/

Folder data digunakan untuk menyimpan dataset, sedangkan folder notebooks digunakan untuk menyimpan file Jupyter Notebook.

Buat folder tersebut melalui terminal:

mkdir data
mkdir notebooks

Kemudian tempatkan file CSV dataset ke dalam folder data.

Nama file dan lokasi dataset perlu disesuaikan dengan file yang benar-benar tersedia.

5. Menjalankan Jupyter Notebook​

Pastikan environment proyek sudah aktif:

conda activate ./env

Kemudian jalankan:

jupyter notebook

Jika Jupyter Notebook belum terpasang dalam environment, pasang terlebih dahulu:

conda install jupyter

Setelah instalasi selesai, jalankan kembali:

jupyter notebook

Buka folder notebooks melalui antarmuka Jupyter Notebook, kemudian buat notebook baru untuk mulai bekerja.

6. Memulai Analisis Data​

Setelah Jupyter Notebook siap, kita dapat mulai menggunakan library Python untuk mengolah dataset.

Contohnya, membaca dataset CSV dengan Pandas:

import pandas as pd

data = pd.read_csv("../data/heart-disease.csv")

data.head()

Sesuaikan nama file dan path apabila dataset memiliki lokasi atau nama yang berbeda.

Pada tahap ini, kita dapat mulai mengeksplorasi dataset sebelum melanjutkan ke proses pemodelan Machine Learning.

Ringkasan​

Pada materi ini, kita telah mempelajari cara memulai proyek baru dan mereplikasi environment menggunakan Conda.

Hal-hal utama yang perlu diingat:

  1. Setiap proyek sebaiknya memiliki folder kerja tersendiri.
  2. conda env export digunakan untuk mengekspor konfigurasi environment.
  3. File environment.yaml dapat digunakan untuk membuat environment baru.
  4. --prefix ./env memungkinkan environment ditempatkan di dalam folder proyek.
  5. Dataset dan notebook sebaiknya disimpan secara terorganisasi.
  6. Jupyter Notebook dapat digunakan untuk menjalankan analisis data secara interaktif.

Dengan environment yang terorganisasi, proyek Machine Learning menjadi lebih mudah dikelola dan lebih mudah direplikasi.