Panduan Lengkap Instalasi SciPy di Python: Cara Mudah Menggunakan uv, Pixi, dan Type Stubs

Panduan Lengkap Instalasi SciPy di Python: Cara Mudah Menggunakan uv, Pixi, dan Type Stubs

Apa Itu SciPy?

Kalau kamu mulai belajar data science, machine learning, komputasi ilmiah, atau analisis data menggunakan Python, pasti cepat atau lambat akan bertemu dengan SciPy.

SciPy merupakan salah satu library Python paling populer yang digunakan untuk komputasi ilmiah dan matematika tingkat lanjut. Library ini dibangun di atas NumPy dan menyediakan berbagai fungsi untuk optimasi, statistik, aljabar linear, integrasi numerik, pemrosesan sinyal, hingga pengolahan citra.

Singkatnya, jika NumPy adalah fondasi matematika di Python, maka SciPy adalah toolkit lengkap yang membuat pekerjaan ilmiah dan analisis data menjadi jauh lebih mudah.

Sebelum mulai menggunakan berbagai fitur SciPy, tentu kita harus menginstalnya terlebih dahulu. Kabar baiknya, proses instalasi SciPy saat ini jauh lebih mudah dibanding beberapa tahun lalu.

Pada artikel ini kita akan membahas beberapa metode instalasi SciPy yang direkomendasikan, mulai dari menggunakan uv, pixi, hingga memasang type stubs agar IDE dapat memberikan auto-completion dan type hint yang lebih akurat.

Memilih Metode Instalasi yang Tepat

Saat ini terdapat beberapa cara untuk menginstal SciPy.

Secara umum, metode instalasi dapat dibagi menjadi beberapa kategori:

• Project-based workflow (uv, pixi)
• Environment-based workflow (pip, conda)
• System package manager
• Build from source

Untuk pengguna baru, pendekatan berbasis proyek menggunakan uv atau pixi menjadi pilihan yang paling direkomendasikan karena lebih modern, rapi, dan mudah dikelola.

Mari kita bahas satu per satu.

Baca Juga

• Tutorial Python: Menghapus File Dan Folder Menggunakan Modul OS
• Panduan Lengkap Scipy Constants Di Python

 

Instalasi SciPy Menggunakan uv

Saat ini uv menjadi salah satu package manager Python yang sedang populer karena kecepatannya yang luar biasa.

Bahkan, uv dapat membantu menginstal Python secara otomatis jika Python belum tersedia di komputer.

Langkah 1: Install uv

Pertama, install uv sesuai sistem operasi yang kamu gunakan.

Pastikan proses instalasi selesai dengan baik sebelum melanjutkan ke tahap berikutnya.

Setelah terpasang, buka Terminal di Linux atau macOS, atau Command Prompt/PowerShell di Windows.

Langkah 2: Membuat Project Baru

Buat folder project baru dengan perintah berikut:

uv init try-scipy

Kemudian masuk ke direktori project:

cd try-scipy

Perintah pertama akan membuat struktur project Python baru.

Sedangkan perintah kedua digunakan untuk berpindah ke folder project tersebut.

Langkah 3: Install SciPy

Setelah berada di dalam folder project, jalankan:

uv add scipy

Perintah ini akan menginstal SciPy beserta semua dependency yang diperlukan.

Keunggulan uv adalah proses instalasinya sangat cepat dibanding package manager Python tradisional.

Jika Python belum tersedia di sistem, uv bahkan dapat mengunduh dan menginstalnya secara otomatis.

Langkah 4: Menjalankan Python

Setelah instalasi selesai, jalankan:

uv run python

Jika berhasil, Python interpreter akan terbuka.

Kamu bisa mencoba mengimpor SciPy:

import scipy


print(scipy.__version__)

Jika tidak muncul error, berarti instalasi berhasil.

 

Menambahkan Library Lain

Selain SciPy, biasanya project data science juga membutuhkan library tambahan seperti Matplotlib.

Kamu bisa memasangnya dengan:

uv add matplotlib

Atau library lain sesuai kebutuhan:

uv add pandas
uv add numpy
uv add scikit-learn

Semuanya akan dikelola secara otomatis oleh uv.

 

Menjalankan Script Python Menggunakan uv

Setelah membuat program Python, misalnya:

# myscript.py


import scipy


print("SciPy berhasil diinstall")

Jalankan dengan:

uv run myscript.py

Cara ini memastikan program menggunakan environment yang sama dengan project.

 

Instalasi SciPy Menggunakan Pixi

Selain uv, terdapat alternatif lain bernama Pixi.

Pixi cocok digunakan oleh developer yang sering bekerja dengan software non-Python karena menggunakan ekosistem Conda.

Jika kamu pernah menggunakan Conda sebelumnya, kemungkinan akan lebih nyaman menggunakan Pixi.

Langkah 1: Install Pixi

Install Pixi terlebih dahulu sesuai sistem operasi yang digunakan.

Setelah selesai, buka terminal.

Langkah 2: Membuat Project Baru

Buat project baru:

pixi init try-scipy

Masuk ke direktori project:

cd try-scipy

Langkah 3: Install SciPy

Tambahkan SciPy ke dalam project:

pixi add scipy

Pixi akan mengunduh seluruh dependency yang dibutuhkan secara otomatis.

Langkah 4: Menjalankan Python

Setelah selesai:

pixi run python

Kemudian lakukan pengujian:

import scipy


print(scipy.__version__)

Jika versi SciPy muncul, instalasi berhasil dilakukan.

 

Kapan Sebaiknya Menggunakan uv?

uv sangat cocok jika:

• Fokus pada project Python
• Menginginkan instalasi cepat
• Mengelola banyak project Python
• Menginginkan workflow modern

Saat ini banyak developer Python mulai beralih ke uv karena performanya jauh lebih cepat dibanding pip tradisional.

Kapan Sebaiknya Menggunakan Pixi?

Pixi lebih cocok jika:

• Bekerja dengan banyak bahasa pemrograman
• Menggunakan tool berbasis Conda
• Membutuhkan compiler atau package non-Python
• Terbiasa menggunakan workflow data science berbasis Conda

Pixi menawarkan fleksibilitas yang lebih luas untuk lingkungan pengembangan kompleks.

 

Mengenal Type Stubs pada SciPy

Ketika menggunakan editor seperti:

• VS Code
• PyCharm
• Cursor
• Windsurf
• Zed

Kamu mungkin mengharapkan fitur seperti:

• Auto-completion
• IntelliSense
• Type checking
• Dokumentasi otomatis

Namun terkadang IDE tidak dapat memahami tipe data yang digunakan library tertentu.

Di sinilah type stubs berperan.

Type stubs adalah file tambahan yang menjelaskan tipe data, fungsi, parameter, dan nilai yang tersedia dalam sebuah library.

Dengan memasang type stubs, pengalaman coding menjadi jauh lebih nyaman.

 

Menginstal SciPy dengan Type Stubs Menggunakan uv

Jika ingin mendapatkan SciPy beserta type stubs sekaligus, gunakan:

uv add "scipy-stubs[scipy]"

Atau jika membutuhkan versi tertentu:

uv add "scipy-stubs[scipy]==1.14.1.*"

Dengan cara ini IDE akan lebih mudah memberikan rekomendasi kode yang akurat.

 

Menginstal Type Stubs Menggunakan Pixi

Untuk pengguna Pixi:

pixi add "scipy-typed=1.15.0.*"

Paket tersebut berisi SciPy beserta dukungan static typing yang lebih lengkap.

 

Menginstal Menggunakan Pip

Walaupun metode modern lebih direkomendasikan, masih banyak pengguna yang menggunakan pip.

Jika ingin memasang type stubs melalui pip:

python -m pip install "scipy-stubs[scipy]"

Cara ini cocok untuk project lama yang masih menggunakan workflow berbasis pip.

 

Keuntungan Menggunakan Type Stubs

Beberapa keuntungan yang bisa dirasakan:

1. Auto Completion Lebih Akurat

IDE dapat menampilkan parameter fungsi secara lengkap.

Contoh:

scipy.optimize.minimize()

Parameter yang tersedia akan langsung muncul.

2. Mengurangi Error

Kesalahan penulisan argumen bisa dideteksi sebelum program dijalankan.

3. Dokumentasi Lebih Mudah Diakses

Saat mengarahkan cursor ke fungsi tertentu, dokumentasi akan muncul secara otomatis.

4. Membantu Belajar SciPy

Bagi pemula, fitur ini sangat membantu memahami fungsi-fungsi yang tersedia tanpa harus selalu membuka dokumentasi resmi.

 

Contoh Program Sederhana SciPy

Setelah berhasil menginstal SciPy, coba jalankan contoh berikut:

from scipy import optimize


def fungsi(x):
    return x**2 + 5


hasil = optimize.minimize(fungsi, x0=0)


print(hasil.x)

Program tersebut menggunakan modul optimasi SciPy untuk mencari nilai minimum suatu fungsi matematika.

Meskipun sederhana, contoh ini menunjukkan salah satu kemampuan utama SciPy dalam komputasi numerik.

 

Tips untuk Pemula

Agar proses belajar lebih nyaman, beberapa tips berikut bisa diterapkan:

• Gunakan uv jika baru mulai belajar Python.
• Install VS Code sebagai editor utama.
• Pasang SciPy dan type stubs sekaligus.
• Pelajari NumPy terlebih dahulu sebelum mendalami SciPy.
• Buat project terpisah untuk setiap eksperimen.
• Biasakan menggunakan virtual environment atau project manager modern.

Dengan cara tersebut, project akan lebih rapi dan mudah dikelola.

 

Kesimpulan

SciPy merupakan salah satu library Python terpenting untuk kebutuhan komputasi ilmiah, analisis data, optimasi, statistik, hingga machine learning. Untungnya, proses instalasi SciPy saat ini semakin mudah berkat hadirnya package manager modern seperti uv dan pixi.

Bagi pengguna baru, uv menjadi pilihan yang paling direkomendasikan karena cepat, ringan, dan mampu mengelola project Python dengan sangat baik. Sementara itu, Pixi cocok bagi pengguna yang membutuhkan ekosistem Conda dan sering bekerja dengan package non-Python.

Agar pengalaman coding semakin nyaman, jangan lupa memasang type stubs. Dukungan auto-completion, type checking, dan dokumentasi otomatis dari IDE akan membuat proses belajar maupun pengembangan aplikasi menggunakan SciPy menjadi jauh lebih produktif.

Dengan mengikuti langkah-langkah di atas, kamu sudah siap mulai menjelajahi berbagai kemampuan SciPy dan membangun project Python yang lebih canggih.

Published on June 30, 2026
Last updated on July 01, 2026