IDE (Integrated Development Environment) sangatlah penting untuk menunjang kebutuhan seorang data analyst dan scientist. Selain itu, pustaka/library bahasa juga penting untuk memudahkan melakukan perhitungan numerik dan visualisasi.

Berikut ini beberapa perkakas baik IDE dan pustaka open source yang harus dimiliki yaitu:

1. Python path

Spyder IDE

• Website: https://spyder-ide.org
• Dokumentasi: https://docs.spyder-ide.org
• Kode sumber: https://github.com/spyder-ide/spyder

Spyder adalah IDE Open source untuk kebutuhan ilmiah yang ditulis dengan bahasa python native. Ditujukan untuk ilmuan (scientists), engineer dan data analisis.

Sypder memiliki fitur builtin yang luar biasa seperti pengefitan lanjutan, analisis, debugging, pembuatan profil dari alat pengembangan komprehensif dengan eksplorasi data dan kemampuan visualisasi dari paket pypi.

IDE ini tentu untuk pemrograman python sebagai tools yang wajib dimiliki oleh data analyst. Spyder dapat dipasang melalui Anaconda yang telah dibundling langsung dengan software lainnya.

jika Anda menggunakan Windows, saya menyarankan untuk menggunakan versi mandiri (agar tidak bloat) yang dapat diunduh di SourceForge .

JupyterLab

• Website: https://jupyter.org
• Dokumentasi: https://jupyterlab.readthedocs.io/en/stable/index.html
• Kode sumber: https://github.com/jupyterlab/jupyterlab-git

JupyterLab merupakan projek free software, standar terbuka, dan web servis untuk interaktif semua bahasa pemrograman komputasi. JupyterLab juga merupakan generasi baru untuk mengantikan jupyter notebook (antarmuka klasik). Bahkan memiliki fitur lebih seperti notebook, terminal, teks editor, file browser, output, dan lain-lain.

Fiturnya sangat mampu untuk memenuhi alur kerja untuk bidang data sains, komputasi ilmiah, jurnalis komputasi dan machine learning. JupyterLab didistribusikan melalui PyPI, conda dan paket manager lain. Jika sudah familiar dengan jupyter, maka tentu saja disarankan menggunakan jupyterlab.

2. R path

RStudio Desktop

• Website: https://posit.co/products/open-source/rstudio
• Dokumentasi: https://docs.posit.co/ide/user/ide/get-started
• Kode sumber: https://github.com/rstudio/rstudio

Selain menggunakan python, seorang data analyst juga diharuskan untuk memiliki keterampilan teknis bahasa pemrograman R. IDE yang sesuai dengan bahasa R adalah RStudio Desktop.

Uniknya RStudio tidak hanya untuk bahasa R saja, tetapi terintegrasi dengan bahasa pemrograman Python juga. Fitur RStudio sudah termasuk console, syntax highlight, alat untuk plotting, debugging dan manajemen area kerja (workspace).

RStudio tersedia versi open source edisi komunitas dan edisi komersil yang keduanya dapat berjalan di sistem operasi Windows, Mac, dan Linux.

Edisi komunitas dapat diunduh ditautan ini https://posit.co/download/rstudio-desktop .

3. Database path

DBeaver

• Website: https://dbeaver.com
• Dokumentasi: https://dbeaver.com/docs/wiki
• Kode sumber: https://github.com/dbeaver/dbeaver

Software GUI multi-platform untuk database developer, database administator, analisis dan semua orang yang bekerja di bidang database. DBeaver mendukung populer database seperti MySQL, MariaDB, PostgreSQL, SQLite, Oracle, DB2, SQL Server, Sybase, MS Access, Teradata, Firebird, Apache Hive, Phoenix, Presto, dan lain-lain.

Dengan DBeaver mampu memanipulasi data seperti di aplikasi spreadsheet reguler, membuat pelaporan analitik yang berbasis record dari penyimpanan database yang berbeda dan ekspor informasi ke berbagai format.

Sebagai penggunaan tingkat lanjutan menggunakan DBeaver disarankan untuk memakai SQL editor, fitur administrasi, kemampuan data, skema migrasi dan masih banyak lagi. Jika menggunakan DBeaver versi PRO tentu mendukung 80 jenis database.

Jika Anda mempunyai pertanyaan, saran, dan kritikan silahkan komentar dibawah ini atau di akun telegram @hervyqa . Sekian, semoga tulisan ini bermanfaat untuk pembaca semuanya. Aamiin.

Catatan: Artikel ini akan diperbarui untuk menambah aplikasi open source lainnya.