Dari sekian banyak bahasa pemrograman khususnya yang digunakan untuk pengolahan data, Python selalu menempati urutan teratas.
Salah satu ciri khas dari bahasa pemrograman Python adalah adanya beberapa framework yang berbasis web seperti Django, Flask, Pyramid, Bootle, Tornado, web2py, Streamlit, dan masih banyak lagi yang tidak mungkin kami sebutkan satu persatu.
Pada kali ini, kita hanya akan membahas salah satunya yakni Streamlit. Streamlit merupakan salah satu framework atau kerangka kerja dari Python yang berbasis web seperti yang telah dijelaskan diatas, Streamlit juga bersifat open sourceserta bersifat interaktif khususnya dalam membangun sebuah aplikasi web di bidang data scient dan machine learning.
Baca juga: Berkenalan Dengan Web Framework Flask
Apa itu Streamlit
Seperti yang telah di jelaskan sebelumnya diatas bahwa Streamlit merupakan salah satu framework atau sebuah library bawaan Python yang sifatnya open source.
Dengan menggunakan Streamlit pengguna bisa membangun suatu aplikasi berbasis web yang lebih interaktif. Selain itu Streamlit juga dapat digunakan untuk merepresentasikan hasil analisis data dalam bentuk visualisai.
Streamlit juga sangat kompatibel dengan library(pustaka) utama Python seperti scikit-learn, Keras, PyTorch, SymPy(latex), Numpy, Pandas, Matplotlib dan lain sebagainya.
Untuk informasi lebih lengkapanya tentang Streamlit bisa langsung mengunjungi situs resmi Streamlit atau bisa melihat dokumentasi resmi dari Streamlit pada link berikut ini: Dokumentasi Streamlit
Mengapa Menggunakan Streamlit
Kita mungkin sering bertanya-tanya, mengapa banyak orang yang menggunakan Streamlit? dan apa perbedaan serta keunggulan Streamlit dari library-libraary aplikasi Python lainnya?
Sekali lagi bahwa seperti yang sudah dijelaskan sebelumnya, kalau saat ini aplikasi-aplikasi visualisasi data, artificial intelligence atau kecerdasan buatan, hingga machine learning dan deep learning, kembali digandrungi atau kembali memasuki fase booming setelah beberapa dekade mengalami pasang surut. Dimana penerapannya dilakukan secara masive pada aplikasi-aplikasi bisnis, sosial media, pendidikan, dan sebagainya.
Nah, dengan Streamlit kita dapat dengan mudah untuk melakukan deploy model machine learning dan deep learning kedalam aplikasi berbasis web.
Kelebihan dan Fitur-fitur Menarik Python Streamlit
Sekarang saatnya kita akan membahas apa saja kelebihan dan fitur-fitur menarik dari Python Streamlit.
Streamlit sangat membantu dalam membuat aplikasi situs web yang interaktif meskipun tanpa pengetahuan dasar tentang HTML dan CSS sekalipun. Streamlit juga akan secara otomatis me-refresh aplikasi situs web kita setiap kali ada perubahan source code.
Juga banyak tersedia library atau pustaka visual yang didukung oleh Streamlit ketika kita ingin membuat dasboard yang lebih interaktif seperti Bokeh, Altair, dan Plotly.
Selain kelebihan diatas Python Streamlit juga sudah banyak digunakan untuk keperluan penelitian di bidang data science, machine learning, dan deep learning di tingkat dunia.
Secara umum, Streamlit sudah memliki fitur yang sudah terbilang lengkap. Fitur-fitur tersebut dapat digunakan untuk melakukan kontrol terhadap aplikasi web kita seperti slider, checkbox, text input, selectnox, dan sebagainya. Fitur-fitur tersebut dikemas dalam bentuk API Reference.
Instalasi Python Streamlit
Sebelum memulai sebuah proyek di Python Streamlit langkah dasar dan paling utama yang harus kita lakukan adalah melakukan instalasi kerangka aplikasi situs web Streamlit.
Jalankan saja perintah dibawah ini pada command prompt bagi kalian pengguna windows atau bagi kalian pengguna sistem operasi berbasis linux kalian bisa menjalankan di pada terminal kalian.
- pip install streamlit
Setelah selesai menjalankan perintah diatas, silahkan untuk memerikas apakah sudah berhasil diinstal atau belum, dengan menjalankan perintah berikut di terminal kalian.
- streamlit --version
Setelah selesai dan berhasil menginstal Streamlit di komputer kalian, selanjutnya kita akan menjalankan program pertama pada Streamlit menggunakan perinta dibawah ini.
- streamlit hello
Selanjutnya kita akan melihat hasilnya pada tab baru di browser kita seperti terlihat pada gambar berikut ini:
Pada halaman diatas kita dapat melihat atau memilih beberapa contoh demo dari aplikasi Streamlit. Kita cukup memilih salah satu demo aplikasi dari fitur pada bagian sidebar "Choose a demo".
Di bagian ini juga, ada beberapa contoh demo beserta source code yang telah disediakan seperti mapping, animasi, plotting, dan dataframe. Berikut contoh demo penerapan plotting data.
Sebagai referensi kita bisa dengan mudah menemukan bebagai contoh penerapan Python Streamlit di situs resminya di streamlit.io
Akhir Kata...
Itulah sedikit penjelasan tentang Python Streamlit. Semoga dapat di pahami.
Kalau ada yang kurang jelas, silahkan tanyakan melalui komlom komentar.