Seorang peneliti sedang mempelajari jamur. Mereka telah menemukan cincin jamur dan memberi label koordinat. Biasanya jamur menyebar keluar dari pusat jamur awal. Dengan koordinat di bawah ini, peneliti ingin menjawab pertanyaan: Kira-kira di manakah letak pusat pertumbuhan jamur? Buat bagan yang memungkinkan peneliti memperkirakan pusat pertumbuhan.

Contoh Kasus

Data

Berikut ini adalah data yang diberikan. X dan Y merupakan variabel koordinat lokasi pertumbuhan jamur.

x = [4.61, 5.08, 5.18, 7.82, 10.46, 7.66, 7.6, 9.32, 
14.04, 9.95, 4.95, 7.23, 5.21, 8.64, 10.08, 8.32, 
12.83, 7.51, 7.82, 6.29, 0.04, 6.62, 13.16, 6.34, 
0.09, 10.04, 13.06, 9.54, 11.32, 7.12, -0.67, 10.5, 
8.37, 7.24, 9.18, 10.12, 12.29, 8.53, 11.11, 9.65, 
9.42, 8.61, -0.67, 5.94, 6.49, 7.57, 3.11, 8.7, 5.28, 
8.28, 9.55, 8.33, 13.7, 6.65, 2.4, 3.54, 9.19, 7.51, 
-0.68, 8.47, 14.82, 5.31, 14.01, 8.75, -0.57, 5.35, 
10.51, 3.11, -0.26 , 5.74,8.33, 6.5, 13.85, 9.78, 4.91, 
4.19, 14.8, 10.04, 13.47, 3.28] 

y = [-2.36, -3.41, 13.01, -2.91, -2.28, 12.83, 13.13,
 11.94, 0.93, -2.76, 13.31, -3.57, -2.33, 12.43, -1.83, 
 12.32, -0.42, -3.08, -2.98, 12.46, 8.34, -3.19, -0.47, 
 12.78, 2.12, -2.72, 10.64, 11.98, 12.21, 12.52, 5.53, 
 11.72, 12.91, 12.56, -2.49, 12.08, -1.09, -2.89, -1.78, 
 -2.47, 12.77, 12.41, 5.33, -3.23, 13.45, -3.41, 12.46, 
 12.1, -2.56, 12.51, -2.37, 12.76, 9.69, 12.59, -1.12, 
 -2.8, 12.94, -3.55, 7.33, 12.59, 2.92, 12.7, 0.5, 
 12.57, 6.39, 12.84, -1.95, 11.76, 6.82, 12.44, 13.28, 
 -3.46, 0.7, -2.55, -2.37, 12.48, 7.26, -2.45, 0.31, -2.51]

Kode Program

Kode program berikut ini digunakan untuk melakukan import library yang akan digunakan.

import matplotlib.pyplot as plt

Selanjutnya, memasukan data yang telah diberikan sebelumnya.

x = [4.61, 5.08, 5.18, 7.82, 10.46, 7.66, 7.6, 9.32, 
14.04, 9.95, 4.95, 7.23, 5.21, 8.64, 10.08, 8.32, 
12.83, 7.51, 7.82, 6.29, 0.04, 6.62, 13.16, 6.34, 
0.09, 10.04, 13.06, 9.54, 11.32, 7.12, -0.67, 10.5, 
8.37, 7.24, 9.18, 10.12, 12.29, 8.53, 11.11, 9.65, 
9.42, 8.61, -0.67, 5.94, 6.49, 7.57, 3.11, 8.7, 5.28, 
8.28, 9.55, 8.33, 13.7, 6.65, 2.4, 3.54, 9.19, 7.51, 
-0.68, 8.47, 14.82, 5.31, 14.01, 8.75, -0.57, 5.35, 
10.51, 3.11, -0.26 , 5.74,8.33, 6.5, 13.85, 9.78, 4.91, 
4.19, 14.8, 10.04, 13.47, 3.28] 

y = [-2.36, -3.41, 13.01, -2.91, -2.28, 12.83, 13.13,
 11.94, 0.93, -2.76, 13.31, -3.57, -2.33, 12.43, -1.83, 
 12.32, -0.42, -3.08, -2.98, 12.46, 8.34, -3.19, -0.47, 
 12.78, 2.12, -2.72, 10.64, 11.98, 12.21, 12.52, 5.53, 
 11.72, 12.91, 12.56, -2.49, 12.08, -1.09, -2.89, -1.78, 
 -2.47, 12.77, 12.41, 5.33, -3.23, 13.45, -3.41, 12.46, 
 12.1, -2.56, 12.51, -2.37, 12.76, 9.69, 12.59, -1.12, 
 -2.8, 12.94, -3.55, 7.33, 12.59, 2.92, 12.7, 0.5, 
 12.57, 6.39, 12.84, -1.95, 11.76, 6.82, 12.44, 13.28, 
 -3.46, 0.7, -2.55, -2.37, 12.48, 7.26, -2.45, 0.31, -2.51]

Terakhir, ini merupakan kode untuk menampilkan diagram sebar.

plt.title('Area Pertumbuhan Jamur')
plt.scatter(x, y)
plt.show()

Berikut ini merupakan tampilan scatter plot yang dihasilkan dari kode program

Contoh Kode Program Scatter Plot

Berikut ini merupakan contoh kode program dalam pemanfaatan scatter plot.

import matplotlib.pyplot as plt

lemon_diameter = [6.44, 6.87, 7.7, 8.85, 8.15, 9.96, 7.21, 10.04, 10.2, 11.06] 
lemon_weight = [112.05, 114.58, 116.71, 117.4, 128.93, 132.93, 138.92, 145.98, 148.44, 152.81] 
lime_diameter = [6.15, 7.0, 7.0, 7.69, 7.95, 7.51, 10.46, 8.72, 9.53 , 10.09] 
lime_weight = [112.76, 125.16, 131.36, 132.41, 138.08, 142.55, 156.86, 158.67, 163.28, 166.74]

plt.title('Lemons vs. Limes')
plt.xlabel('Diameter (cm)')
plt.ylabel('Weight (g)')
plt.scatter(lemon_diameter, lemon_weight, color='y')
plt.scatter(lime_diameter, lime_weight, color='g')
plt.legend(['lemons', 'limes'])
plt.show()

Berikut ini merupakan tampilan diagram sebar yang dihasilkan dari kode program

Kesimpulan

Bila diperhatikan pada pola titik yang terlihat pada diagram sebar maka akan dapat disimpulkan apakah kedua variabel tersebut memiliki hubungan atau tidak? Jika memiliki hubungan apakah hubungan postif atau negatif. Hubungan positif atinya semakin tinggi nilai x maka semakin tinggi pula nilai y sedangkan hubungan negatif adalah apabila salah variabel meninggi nilainya maka variabelnya lainnya menjadi merendah.

Tentu saja cara yang sudah dijelaskan hanya merupakan salah satu dari sekian banyak cara yang disediakan oleh Matplotlib itu sendiri terkait diagram sebar. Kunjungi tautan ini untuk mengetahui tema data science lainnya. Semoga bermanfaat.

The post Belajar Data Science – Visualisasi Data dengan Scatter Plot Matplotlib appeared first on Onestring Lab.

Contoh Kasus

Diketahui daftar harga Bitcoin yang dicatat setiap akhir minggu (Minggu) di 2018 dan 2019. Buat visualisasi yang memungkinkan Anda menjawab pertanyaan: Tahun apa, 2018 atau 2019, yang cenderung memberikan pengembalian yang lebih baik bagi pemegang Bitcoin?

Import Library Matplolib

Pada bagian ini akan diperlihat kode program untuk import libary Pandas dan Matplotlib.

import matplotlib.pyplot as plt
import pandas as pd
import numpy as npt

Data Harga Bitcoin

Berikut ini merupakan data harga bitcoin dalam setiap minggunya. Data terdiri dari 104 minggu dalam kurun waktu selama 2 tahun yaitu tahun 2018 dan 2019.

prices = [
14292.2, 12858.9, 11467.5, 9241.1, 8559.6, 11073.5, 9704.3 , 11402.3, 
8762.0, 7874.9, 8547.4, 6938.2, 6905.7, 8004.4, 8923.1, 9352.4, 9853.5, 
8459.5, 8245.1, 7361.3, 7646.6, 7515.8, 6505.8, 6167.3, 6398.9, 6765.5, 
6254.8, 7408.7, 8234.1, 7014.3, 6231.6, 6379.1, 6734.8, 7189.6, 6184.3, 
6519.0, 6729.6, 6603.9, 6596.3, 6321.7, 6572.2, 6494.2, 6386.2, 6427.1, 
5621.8, 3920.4, 4196.2, 3430.4, 3228.7, 3964.4, 3706.8, 3785.4, 3597.2, 
3677.8, 3570.9, 3502.5, 3661.4, 3616.8, 4120.4, 3823.1, 3944.3, 4006.4, 
4002.5, 4111.8, 5046.2, 5051.8, 5290.2, 5265.9, 5830.9, 7190.3, 7262.6, 
8027.4, 8545.7, 7901.4, 8812.5, 10721.7, 11906.5, 11268.0, 11364.9 , 
10826.7, 9492.1, 10815.7, 11314.5, 10218.1, 10131.0, 9594.4, 10461.1, 
10337.3, 9993.0, 8208.5, 8127.3, 8304.4, 7957.3, 9230.6, 9300.6, 8804.5, 
8497.3, 7324.1, 7546.6, 7510.9, 7080.8, 7156.2, 7321.5, 7376.8
]

Membuat data Weeks

Sebelum membuat dataframe yang akan menjadi sumber data utama diperlukan tambahan 1 buah variabel yaitu Week. Variabel ini akan menjadi sumbu X dan harga bitcoin akan menjadi sumbu Y. Setelah variabel Week terbentuk maka proses selanjutnya adalah membuat dataframe dari kedua variabel tersebut. Berikut ini kode programnya.

weeks = list(range(1, len(prices)+1))
df = pd.DataFrame({'Week': weeks, 'Price': prices })
df.head()

Membagi dataframe menjadi 2 bagian

Pada bagian ini data akan dibagi menjadi 2 bagian yaitu pekan ke 1-52 menjadi dataframe tahun 2018 dan pekan 53-104 menjadi dataframe tahun 2019. Berikut ini kode programnya.

df2018 = df[0:52]
df2018.head()

df2019 = df[52:104]
df2019.head()

Membuat visualisasi data dengan Matplotlib

Pada bagian ini akan dijelaskan mengenai cara membuat diagram garis.

Membuat tempat visualisasi data

fig = plt.figure()
ax = plt.axes()

Menambahkan line chart

fig = plt.figure(figsize=(6,4))
ax = plt.axes()
ax.plot(df2018['Week'],df2018['Price'])

fig = plt.figure(figsize=(6,4))
ax = plt.axes()
ax.plot(df2019['Week'],df2019['Price'])

Menggabungkan 2 Line Chart

fig = plt.figure(figsize=(6,4))
ax = plt.axes()
ax.plot(df2018['Week'],df2018['Price'])
ax.plot(df2019['Week'],df2019['Price'])

Memberikan title dan label pada line chart

Judul dapat ditambahkan pada diagram yang dibuat. Perintah set_title() digunakan untuk menampilkan judul pada diagram. Untuk label sumbu x digunakan perintah set_xlabel() sedangkan sumbu y digunakan perintah set_ylabel().

fig = plt.figure(figsize=(6,4))
ax = plt.axes()
ax.plot(df2018['Week'],df2018['Price'])
ax.plot(df2019['Week'],df2019['Price'])
ax.set_title('Bitcoin Price 2018- 2019')
ax.set_ylabel('Price')
ax.set_xlabel('Week')

Merubah warna dan tipe garis

Pada bagian ini dicontohkan untuk merubah warna garis dan tipe garis yang digunakan. Label 2018 diberi kode “co” yang artinya “c” itu cyan dan “o” itu jenis garis ang dalam bentuk bulat. Sedangkan label 2019 memilki kode “m^” yang artinya m itu magentha dan “^” itu jenis garis yang dalam bentuk segitiga

fig = plt.figure(figsize=(6,4))
ax = plt.axes()
ax.plot(df2018['Week'],df2018['Price'],'co')
ax.plot(df2019['Week'],df2019['Price'],'m^')
ax.set_title('Bitcoin Price 2018- 2019')
ax.set_ylabel('Price')
ax.set_xlabel('Week')

Mengatur ukuran sumbu X dan Y pada line chart

Untuk dapat melihat diagram lebih jelas dapat dilakukan dengan mengatur range nilai data. Pada contoh telihat bahwa x bernilai dari 0-104 , sedangkan nilai y memiliki rentan darii 1000-20000.

fig = plt.figure(figsize=(6,4))
ax = plt.axes()
ax.plot(df2018['Week'],df2018['Price'],'co')
ax.plot(df2019['Week'],df2019['Price'],'m^')
ax.set_xlim(0,104)
ax.set_ylim(1000,20000)
ax.set_title('Bitcoin Price 2018- 2019')
ax.set_ylabel('Price')
ax.set_xlabel('Week')

Menambahkan legend label

Legend pada diagram merupakan keterangan yang menunjukkan warna atau pola yang digunakan pada setiap label. Pada contoh terdapat 2 label yaitu 2018 dan 2019.

fig = plt.figure(figsize=(6,4))
ax = plt.axes()
ax.plot(df2018['Week'],df2018['Price'],'c+', label="2018")
ax.plot(df2019['Week'],df2019['Price'],'m2', label="2019")
ax.set_xlim(0,104)
ax.set_ylim(0,20000)
ax.set_title('Bitcoin Price 2018- 2019')
ax.set_ylabel('Price')
ax.set_xlabel('Week')
ax.legend(loc="upper center", ncol=2, shadow=True, borderpad=1);

Kesimpulan Line Chart – Visualisasi Data

Jawaban dari soal yang telah diberikan adalah tahun 2019. Pada tahun 2019 terlihat harga dari bitcoin meningkat pesat. Namun, pada pertengahan tahun terlihat menurun walaupun turunnya landai saja. Harga bitcoin di tahun 2018 cenderung terus menurun dari awal tahun sampai dengan akhir tahun.

Proses melakukan visualisasi data dengan menggunakan Matplotlib dapat dikatakan sangat mudah. Namun, tentu saja cara yang sudah dijelaskan hanya merupakan salah satu dari sekian banyak cara yang disediakan oleh Matplotlib itu sendiri. Pada artikel ini hanya membahas satu bentuk visualisasi data yaitu grafik garis. Kunjungi tautan ini untuk mengetahui tema data science lainnya.

The post Belajar Data Science – Visualisasi Data dengan Line Chart Matplotlib appeared first on Onestring Lab.