<![CDATA[Penelitian ini bertujuan menganalisis efektivitas penggunaan Python dalam menyelesaikan persoalan matematika dasar, khususnya pada operasi aljabar dan kalkulus. Python dipilih karena telah menjadi keterampilan fundamental bagi praktisi data dalam analisis, pemodelan, dan komputasi numerik. Metode yang digunakan adalah eksperimen komputasi dengan membandingkan performa dua library utama, yaitu NumPy (numerik) dan SymPy (simbolik), pada serangkaian soal faktorisasi polinomial, turunan, integral, sistem persamaan linear, dan operasi matriks. Data dianalisis berdasarkan waktu eksekusi, tingkat akurasi, dan konsistensi hasil terhadap teori matematika. Hasil penelitian menunjukkan bahwa NumPy lebih unggul dalam kecepatan komputasi, sedangkan SymPy lebih akurat dalam manipulasi simbolik dan penyelesaian ekspresi matematika tingkat lanjut. Temuan ini menegaskan bahwa pendekatan numerik dan simbolik dalam ekosistem Python bersifat saling melengkapi dalam pemecahan masalah komputasional, serta memberikan implikasi praktis bagi mahasiswa, peneliti, dan praktisi data dalam memilih pendekatan komputasi yang tepat sesuai kebutuhan analisis matematis.]]>
Copyrights © 2024
