Bisakah Julia Gantikan R dan Python?

Julia merupakan bahasa pemrograman dinamis yang dipakai oleh programmer untuk memberikan perintah kepada komputer. Dinamis merupakan istilah yang secara luas dipakai dalam ilmu komputer. Secara garis besar berarti bahasa pemrograman tingkat tinggi yang mengeksekusi berjalannya program (runtime) saat kompilasi. Selain Julia, ada beberapa contoh bahasa pemrograman dinamis lainnya, seperti ActionScript, BeanShell, Python, Ruby, Perl, PHP, dan Java.

Sebagai bahasa pemrograman baru, Julia ​​membantu software engineers, analis, scientist, dan ahli matematika berinovasi dan melakukan pekerjaan dengan lebih baik, lebih cepat, dan lebih cerdas. Mengadopsi beberapa bahasa pemrograman, mulai dari tingkat rendah, seperti C, hingga bahasa tingkat tinggi, seperti Python, Julia banyak digunakan oleh para ilmuwan data dan analis keuangan. Lantas, apakah Julia tepat untuk Anda?

Kenalan dengan Julia

Julia adalah bahasa pemrograman yang dikembangkan oleh tim dari MIT (Massachusetts Institutes of Technology), yaitu Jeff Bezanson, Stefan Karpinski, Viral B. Shah, dan Alan Edelman. Para ilmuwan komputer di MIT ini menciptakan Julia sebagai high level general purpose programming language atau bahasa pemrograman umum level tinggi. Jadi, meskipun merupakan bahasa pemrograman high-level, Julia yang memiliki performa cepat yang bisa digunakan oleh siapa pun.

Tahun ini, Julia sudah memasuki tahun keempat, setelah stable release versi 1.0 pada Agustus 2018 lalu. Meskipun tergolong baru, Julia sukses mencapai 3,2 juta unduhan pada awal kemunculannya. Sedikit latar belakang, Julia adalah bahasa pemrograman ini dibuat untuk memecahkan masalah klasik yang dialami oleh para programmer, yaitu harus memilih salah satu antara performa bahasa pemrograman low-level atau kemudahan bahasa pemrograman high-level.

Artinya, kini perusahaan yang ingin melakukan pengembangan software tidak perlu lagi memilih antara kedua bahasa pemrograman tersebut. Sebab, Julia menawarkan keduanya. Penggunaan bahasa pemrograman high-level di tahap awal pengembangan software oleh programmer, kemudian penulisan ulang kode software dengan bahasa pemrograman low-level oleh tim lain sangat tidak efektif karena harus memulai siklus baru. Dengan Julia, Anda bisa merampingkan proses tersebut karena hanya perlu menggunakan satu bahasa pemrograman saja.

Bisakah Julia Gantikan R dan Python?

Dalam ilmu data dan pemrograman, Python dan R adalah dua bahasa pemrograman yang tidak akan berhenti digunakan dalam waktu dekat. Sebab, terdapat basis kode, kerangka kerja, dan kode produksi dalam jumlah besar yang berjalan di Python dan R. Selain itu, soal lapangan pekerjaan, permintaan atas ilmuwan data yang ahli dalam Python juga akan tetap dibutuhkan, bahkan semakin meningkat. Jadi, Python dan R tetap belum akan digantikan oleh Julia.

Saat ini, Julia juga belum diadopsi di seluruh industri. Setidaknya, selama sepuluh tahun lagi, Python akan tetap menjadi pemain utama menyangkut ilmu data. Ambil contoh, COBOL yang dirancang oleh sebuah komite pimpinan Grace Hopper pada 1959. Bahasa pemrograman ini masih menjadi bahasa utama untuk pemrograman mainframe selama lebih dari 50 tahun. Hal ini menunjukkan bahwa Python dan R yang kini banyak digunakan memiliki peluang sangat besar untuk terus diandalkan, setidaknya selama dua dekade ke depan.

Bahkan, jika lebih dari 70 persen komunitas ilmu data beralih ke Julia sebagai pilihan pertama untuk ilmu data, basis kode yang ada di Python dan R tidak akan hilang dalam waktu dekat. Julia adalah platform yang masih membutuhkan lebih banyak waktu untuk menjadi lebih “matang” sebagai bahasa pemrograman.

Beberapa fungsi Julia berjalan lebih lambat daripada Python, implementasinya juga belum optimal dan teruji dengan baik, terutama pada perangkat lama. Jadi, untuk saat ini, Julia belum akan menggantikan Python dan R, namun seiring waktu bisa menjadi skill yang dibutuhkan untuk  menjadi ilmuwan data profesional.

Kelemahan Julia

Meskipun inovatif, Julia mungkin bukan solusi terbaik untuk setiap masalah. Berikut beberapa kelemahan Julia yang penting untuk diketahui:

1. Daya tanggap

Kecepatan dan keserbagunaan Julia juga dapat menyebabkan beberapa kerugian. Misalnya, ada latensi (penundaan) waktu kompilasi atau masalah Time to First Plot yang menyebabkan jeda saat mulai menulis kode. Mengimpor perpustakaan plot dan membuat plot sederhana juga dapat memakan waktu selama 8 detik atau lebih.

2. Cocok hanya untuk pengguna Julia

Paket Julia cukup berat, bahkan program Hello World yang sederhana dapat melebihi 1 GB. Akibatnya, berbagi program menjadi tidak praktis dan berbagi kode menjadi cara terbaik untuk mendistribusikan program ke pengguna Julia lainnya. Selain itu, Julia juga memakan jumlah memori yang besar sehingga tidak cocok untuk aplikasi yang disematkan. Ini juga membuat kode Julia tidak dapat dengan mudah diintegrasikan ke dalam bahasa lain.

3. Penanganan kesalahan pengetikan

Sementara Julia menawarkan fungsi anotasi ketik, penanganan kesalahan hanya muncul saat runtime. Meski demikian, ada beberapa paket yang membantu analisis statis. Namun, solusi linting tidak ideal untuk semua kasus penggunaan.

Kesimpulan

Julia adalah bahasa pemrograman dinamis tingkat tinggi yang dirancang untuk memberi pengguna kecepatan seperti pada program C/C++ dan mudah digunakan seperti Python. Dengan begitu, Julia bisa digunakan untuk memecahkan masalah lebih cepat dan lebih efektif. Julia sangat bagus untuk masalah komputasi yang kompleks, tapi tetap perlu disesuaikan dengan kebutuhan spesifik Anda karena bahasa pemrograman ini juga memiliki beberapa kelemahan.

Referensi:

• Towards Data Science - Is Julia actually right for you? (diakses pada tanggal 15 Juni 2022)
• Jigsaw - What is Julia? (diakses pada tanggal 15 Juni 2022)
• Towards Data Science - Python vs. Julia: It’s also about Consistency (diakses pada tanggal 15 Juni 2022)