Contoh Soal Google Colab Paling Sering Digunakan di Kelas dan Praktikum

Google Colab atau Google Colaboratory telah menjadi standar industri dan pendidikan dalam mempelajari pemrograman Python, Data Science, dan Machine Learning. Platform berbasis cloud ini memungkinkan pengguna menulis dan mengeksekusi kode langsung melalui browser tanpa perlu melakukan instalasi perangkat lunak yang rumit di perangkat lokal.

Dalam artikel ini, kita akan membahas berbagai contoh soal Google Colab yang paling sering muncul dalam konteks kelas perkuliahan dan praktikum laboratorium. Artikel ini dirancang untuk membantu mahasiswa, pengajar, maupun hobiis dalam menguasai fitur-fitur esensial Colab secara mendalam.

Baca juga: Pentingnya Menguasai Administrasi Kesehatan

Mengenal Google Colab dan Mengapa Digunakan dalam Praktikum

Sebelum masuk ke contoh soal, penting untuk memahami mengapa institusi pendidikan beralih ke Google Colab. Alasan utamanya adalah aksesibilitas. Karena berjalan di cloud, spesifikasi perangkat keras mahasiswa tidak lagi menjadi penghalang. Selama memiliki koneksi internet dan akun Google, mahasiswa dapat mengakses GPU (Graphics Processing Unit) dan TPU (Tensor Processing Unit) secara gratis.

Dalam praktikum, instruktur biasanya memberikan file berekstensi .ipynb (Jupyter Notebook). File ini tidak hanya berisi kode, tetapi juga teks penjelasan dalam format Markdown, visualisasi data, dan output langsung dari kode yang dijalankan.

Kumpulan Contoh Soal Dasar Google Colab

Bagian pertama ini fokus pada pengoperasian dasar platform yang wajib dikuasai sebelum masuk ke logika pemrograman yang kompleks.

Soal 1: Interaksi dengan Google Drive

Salah satu fitur paling krusial adalah menghubungkan notebook dengan penyimpanan Google Drive. Hal ini sering ditanyakan dalam praktikum agar data hasil olahan tidak hilang saat sesi runtime berakhir.

Pertanyaan: Tuliskan kode untuk melakukan mounting Google Drive ke dalam environment Google Colab.

Jawaban dan Penjelasan: Untuk mengakses file di Drive, kita menggunakan library bawaan Colab.

Python

from google.colab import drive
drive.mount('/content/drive')

Setelah menjalankan kode ini, pengguna akan diminta melakukan otentikasi melalui pop-up atau link. Penting untuk memahami bahwa /content/drive adalah path standar yang digunakan untuk mengakses direktori utama Drive Anda.

Soal 2: Instalasi Library Eksternal

Meskipun Google Colab sudah menyediakan banyak library pre-installed seperti NumPy, Pandas, dan Scikit-Learn, terkadang praktikum memerlukan library spesifik yang belum tersedia.

Pertanyaan: Bagaimana cara menginstal library “transformers” milik Hugging Face di dalam cell Google Colab?

Jawaban: Kita menggunakan perintah shell Linux dengan tanda seru di depan perintah pip.

Bash

!pip install transformers

Tanda seru (!) memberi tahu Colab untuk menjalankan baris tersebut di terminal sistem operasi, bukan sebagai kode Python.

Contoh Soal Manipulasi Data (Data Science)

Dalam mata kuliah Statistika atau Data Science, Google Colab sering digunakan untuk mengolah dataset. Berikut adalah contoh soal yang sering muncul.

Soal 3: Mengunggah dan Membaca File CSV

Dosen sering memberikan dataset dalam format .csv untuk dianalisis.

Pertanyaan: Buatlah kode untuk mengunggah file CSV secara manual dari komputer lokal ke session storage Colab, lalu baca file tersebut menggunakan library Pandas.

Jawaban:

Python

from google.colab import files
import pandas as pd

# Langkah 1: Mengunggah file
uploaded = files.upload()

# Langkah 2: Membaca file (asumsikan nama file adalah data.csv)
df = pd.read_csv('data.csv')
print(df.head())

Soal 4: Visualisasi Data Sederhana

Visualisasi adalah bagian tak terpisahkan dari praktikum.

Pertanyaan: Gunakan library Matplotlib untuk membuat grafik garis sederhana dari dua buah list angka yang merepresentasikan sumbu X dan Y.

Jawaban:

Python

import matplotlib.pyplot as plt

x = [1, 2, 3, 4, 5]
y = [10, 20, 25, 30, 40]

plt.plot(x, y)
plt.title("Grafik Pertumbuhan")
plt.xlabel("Waktu")
plt.ylabel("Nilai")
plt.show()

Contoh Soal Pemrograman Python Dasar di Colab

Praktikum pemrograman dasar biasanya menggunakan Colab untuk menguji logika mahasiswa dalam menangani input dan output.

Soal 5: Fungsi dan Input Pengguna

Pertanyaan: Buatlah sebuah fungsi bernama hitung_luas_lingkaran yang menerima input jari-jari dari pengguna dan mengembalikan nilai luasnya. Gunakan nilai pi sebesar 3.14.

Jawaban:

Python

def hitung_luas_lingkaran():
    jari_jari = float(input("Masukkan jari-jari: "))
    luas = 3.14 * (jari_jari ** 2)
    return f"Luas lingkaran adalah: {luas}"

print(hitung_luas_lingkaran())

Dalam Colab, fungsi input() akan memunculkan kotak teks kecil di bawah cell kode, yang sangat interaktif untuk simulasi program.

Contoh Soal Machine Learning dan Deep Learning

Ini adalah level lanjutan yang sering ditemukan di praktikum kecerdasan buatan.

Soal 6: Mengecek Akses GPU

Mahasiswa sering kali lupa mengaktifkan akselerasi hardware.

Pertanyaan: Tuliskan perintah untuk memeriksa apakah runtime Google Colab saat ini sudah menggunakan GPU atau masih CPU.

Jawaban:

Python

import tensorflow as tf
device_name = tf.test.gpu_device_name()
if device_name != '/device:GPU:0':
  print('GPU tidak ditemukan')
else:
  print('GPU ditemukan di: {}'.format(device_name))

Untuk mengaktifkan GPU, mahasiswa harus pergi ke menu Runtime > Change runtime type dan memilih T4 GPU.

Soal 7: Membagi Dataset dengan Scikit-Learn

Dalam alur kerja machine learning, pembagian data training dan testing adalah wajib.

Pertanyaan: Diberikan sebuah dataframe df, bagi data tersebut menjadi X_train, X_test, y_train, dan y_test dengan rasio 80:20.

Jawaban:

Python

from sklearn.model_selection import train_test_split

X = df.drop('target', axis=1) # Asumsi kolom target bernama 'target'
y = df['target']

X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=42)

print(f"Jumlah data training: {len(X_train)}")
print(f"Jumlah data testing: {len(X_test)}")

Tips Menggunakan Google Colab Agar Tidak Sering Error

Dalam praktikum, sering kali terjadi error yang membingungkan mahasiswa. Berikut adalah beberapa tips untuk menjawab soal praktikum dengan lancar:

1. Restart Runtime Secara Berkala: Jika variabel terasa berantakan atau ada library yang baru diinstal tapi tidak terbaca, gunakan menu Runtime > Restart session.
2. Perhatikan Urutan Eksekusi Cell: Colab mengeksekusi kode berdasarkan urutan cell yang Anda klik tombol “play”-nya, bukan berdasarkan urutan dari atas ke bawah secara otomatis. Pastikan cell library dijalankan paling awal.
3. Cek Penggunaan RAM: Jika mengerjakan proyek Deep Learning dengan gambar besar, perhatikan indikator RAM di pojok kanan atas. Jika penuh, Colab akan melakukan crash secara otomatis.

Soal Analisis Lanjutan: Penanganan Missing Values

Dalam data praktikum dunia nyata, data tidak pernah bersih.

Pertanyaan: Tunjukkan cara mendeteksi nilai kosong (null) pada sebuah dataset dan cara mengisi nilai kosong tersebut dengan nilai rata-rata (mean) kolom tersebut.

Jawaban:

Python

# Mendeteksi missing values
print(df.isnull().sum())

# Mengisi missing values pada kolom 'Umur' dengan mean
df['Umur'] = df['Umur'].fillna(df['Umur'].mean())

Soal Penggunaan Form di Google Colab

Google Colab memiliki fitur unik yang disebut “Forms” untuk membuat input kode menjadi lebih user-friendly melalui elemen GUI seperti dropdown dan slider.

Pertanyaan: Buatlah sebuah variabel learning_rate yang inputnya diambil dari slider antara 0.001 hingga 0.1 menggunakan fitur Forms.

Jawaban:

Python

#@title Parameter Training
learning_rate = 0.01 #@param {type:"slider", min:0.001, max:0.1, step:0.001}
print(f"Learning rate yang dipilih: {learning_rate}")

Saat kode ini dijalankan di Colab, di sisi kanan akan muncul slider yang bisa digeser oleh pengguna.

Integrasi dengan GitHub

Banyak praktikum yang mengharuskan mahasiswa mengumpulkan tugas melalui GitHub.

Pertanyaan: Bagaimana cara menyimpan notebook Colab langsung ke repositori GitHub?

Jawaban:

1. Klik menu File.
2. Pilih Save a copy in GitHub.
3. Lakukan otentikasi akun GitHub.
4. Pilih repositori dan branch yang diinginkan, lalu klik OK.

Pentingnya Markdown dalam Laporan Praktikum

Google Colab bukan hanya tempat menulis kode, tapi juga media laporan. Mahasiswa sering diminta menjelaskan hasil analisis menggunakan cell teks (Markdown).

Contoh Soal Penulisan Markdown: Buatlah format Markdown untuk membuat daftar berpoin dan rumus matematika menggunakan LaTeX di dalam Google Colab.

Jawaban: Untuk daftar berpoin:

Markdown

* Poin Pertama
* Poin Kedua

Untuk rumus matematika (misal rumus Pythagoras):

Markdown

$$a^2 + b^2 = c^2$$

Baca juga: Rektor Universitas Teknokrat Indonesia Salurkan Donasi untuk Korban Bencana Sumatera melalui ICMI

Kesimpulan

Google Colab telah merevolusi cara praktikum pemrograman dan sains data dilakukan di universitas. Dengan memahami contoh-contoh soal di atas—mulai dari dasar-dasar cloud environment, manipulasi data dengan Pandas, visualisasi, hingga pengelolaan resource GPU—mahasiswa akan jauh lebih siap menghadapi tantangan di kelas.

Kunci utama dalam menguasai Google Colab adalah latihan yang konsisten dan pemahaman terhadap dokumentasi library yang digunakan. Platform ini bukan sekadar alat tulis kode, melainkan ekosistem kolaborasi yang memungkinkan ide-ide kompleks diwujudkan tanpa kendala infrastruktur.

Apakah Anda siap mempraktikkan contoh soal di atas di sesi praktikum berikutnya? Pastikan untuk selalu melakukan backup file .ipynb Anda secara berkala ke Drive atau GitHub agar progres belajar Anda tetap aman.

Penulis: Aripin