Nama : Pahotton Ariel Audi Aritia Simanjuntak

NIM : 21060121140106
Mata Kuliah : Praktikum Algoritma dan Pemrograman
Kelas :B

1. Meng-import Numpy

Pada percobaan ini praktikan mencoba untuk menginstal library numpy dengan
mengguanakan visual studio code pada terminal dengan menggunakan kode ‘pip install
numpy’. Dan setelah itu dapat di import dengan numpy.

2. Membuat Array
Pada pembuatan array dapat dilakukan dengan menjabarkan variabel baru sebagai
referensi dan ditambah dengan kode np.array(). Dimana np alias dari numpy untuk
mempersingkat kodingan dan array adalah fungsi untuk membuat array numpy. Pada
percobaan kali ini juga praktikan mencetak tipe data variabel arr_kelas.
3. Dimensi Skalar

Pada array numpy terdapat sebuat dimensi dalam array. Dimensi dalam array adalah satu
tingkat kedalaman array (array bersarang/nested). Pada dimensi tersebut dapat berbentuk
scalar, 1 dimensi, 2 dimensi, 3 dimensi. Gambar diatas adalah contoh dari dimensi scalar.

4. Satu Dimensi
Pada percobaan tersebut praktikan membuat sebuah numpy array yang berdimensi 1.
Dapat dilihat pada percobaan tersebut hanya dijabarkan satu array yang diwakili oleh tanda
kurung siku sebanyak satu kali.
5. Dua Dimensi

Pada percobaan diatas ialah contoh dari pembuatan numpy array dengan 2 dimensi.
Dimana Array yang memiliki array 1 dimensi sebagai elemen-elemennya disebut array 2
dimensi.

6. Tiga dimensi
Pada percobaan diatas praktikan membuat sebuah array numpy dengan 3 dimensi. 3
dimensi serinng digunakan untuk mewakili tensor orde 3.
7. Menentukan Dimensi Array
Pada pembuatan sebuah array numpy dapat menentukan berapa dimensi yang dipakai
pada sebuah numpy array. Hal tersebut dapat dilakukan dengan menggunakan fungsi ndim.
8. Argument Ndmin
Argument ndim dapat digunakan untuk menentukan jumlah dimensi pada pembuatan
sebuah array numpy.

9. Indeks Pada Array Numpy

Pengindeksan array sama dengan mengakses elemen array. Elemen array dapat diakses
dengan merujuk nomor indeksnya. Indeks dalam array numpy dimulai dengan 0.
10. Penjumlahan Dengan Indeks Pada Array Numpy

Kegunaan indeks juga dapat dimanfaatkan untuk operasi bilangan dengan menjabarkan
nilai indeksnya saat melakukan perjumlahan.

11. Mengakses Array 2 Dimensi

Pada percobaan diatas praktikan melakukan percobaan untuk mengakses array 2 dimensi.
Untuk mengakses elemen dari array 2-D kita dapat menggunakan integer yang dipisahkan
koma yang mewakili dimensi dan indeks elemen.
12. Mengakses Array 3 Dimensi

Pada percobaan diatas praktikan melakukan percobaan untuk mengakses array 3 dimensi.
Untuk mengakses elemen dari array 3-D kita dapat menggunakan integer yang dipisahkan
koma yang mewakili dimensi dan indeks elemen.

13. Indeks NegatiF Pada Array Numpy

Pada percobaan diatas praktikan melakukan percobaan untuk menggunakan indeks
negatif. Indeks negative akan mengakses elemen dimulai pada akhir.
14. Slicing Numpy Array Pada 1 Dimensi
Pada percobaan diatas praktikan melakukan percobaan slicing dengan berbagai kondisi.
Slicing atau mengiris diartikan sebagai mengambil elemen dari satu indeks yang diberikan ke
indeks yang diberikan lainnya. Format untuk penulisan slicing ini dapat menggunakan
[start:end:step]. Dimana start jika tidak ditentukan maka dianggap 0, end jika tidak
ditentukan maka dianggap sepanjag array pada dimensi tersebut, dan step yaitu langkah jika
tidak dijabarkan maka dianggap 1.
15. Slicing Numpy Array Pada 2 Dimensi
Pada percobaan diatas praktikan melakukan pecobaan untuk slicing numpy pada 2
dimensi. Dapat diketahui kita dapat melakukan slicing pada kedua dimensi secara sekaligus.
16. Tipe Data Pada Aray Numpi
Pada numpy memiliki beberapa tipe data tambahan, dan merujuk ke tipe data dengan satu
karakter, seperti i untuk bilangan bulat, u untuk bilangan bulat tak bertanda (unsigned), dan
lain-lain. Pada library numpy terdapat argument yang dapat digunakan untuk mengembalikan
tipe data array yang digunakan pada array tersebut yaitu dtype.
17. Menentukan Tipe Data Pada Array Numpy
Pada numpy kita juga dapat pula untuk membuat array dengan tipe data yang ditentukan
saat pembuatannya. Hal ini dapat dilakukan dengan menggunakan argument dtype=.

18. Konversi Jenis Data Pada Array Yang Ada

Pada percobaan diatas praktikan melakukan konversi jenis data pada array dengan
menggunakan metode astype(). Dimana metode ini adalah cara terbaik untuk mengubah
tipe data dari array yang ada dengan membuat Salinan array dan memungkinkan untuk
memenentukan tipe data sebagai parameter.
19. Copy Array
Pada percobaan diatas praktikan melakukan pengcopyan array dengan menggunakan
fungsi copy. Fungsi copy adalah sebuah array baru dan memiliki data dan setiap perubahan
yang dilakukan pada copy tidak akan memengaruhi array asli dan perubahan apapun yang
dilakukan pada array asli tidak akan memengaruhi array salinan.

20. View Array

Pada percobaan diatas praktikan melaukan penyalinan dengan menggunakan fungsi view.
Berbeda dengan fungsi copy pada fungsi ini hanya berupa tampilan array asli, view tidak
memiliki data dan perubahan apapun yang dilakukan pada tampilan akan memengaruhi array
asli, dan perubahan apapun yang dilaukan pada array asli akan memengaruhi tampilan.
21. Basis Atribut
Pada percobaan diatas praktikan melakukan percobaan untuk memeriksa apakan array
lama dan baru memiliki basis apa tidak. Setiap array NumPy memiliki basis atribut yang
mengembalikan Tidak Ada jika array memiliki data. Jika tidak, atribut dasar merujuk ke
objek asli.