Modul Pelatihan Python

P3 – Visualisasi Data

EMBEDDED & CYBER PHYSICAL SYSTEM

LABORATORY DEPARTEMEN TEKNIK FISIKA
FAKULTAS TEKNOLOGI INDUSTRI &
REKAYASA SISTEM INSTITUT TEKNOLOGI
SEPULUH NOPEMBER SURABAYA

Pengenalan Matplotlib

Matplotlib adalah library Python yang fokus pada visualisasi data dalam bentuk graphs. Library
ini digunakan untuk membuat plot, histogram, power spectra, grafik batang, grafik error,
scatterplot, dll. Matplotlib dapat digunakan dalam script Python, Python dan IPython shell,
server aplikasi web, dan beberapa toolkit graphical user interface (GUI) lainnya. Bentuk
representasi merupakan hal penting dengan mempertimbangkan jenis data apa yang
ditampilkan, sehingga data mudah untuk dibaca dan dipahami. Pada perkara ini matplotlib
mampu merepresentasikan data menjadi berbagai warna, tekstur, dan style menjadi
glyphs(points, lines, dan area). Graphs akan digambarkan pada suatu figure yang didalamnya
dapat terdiri dari satu atau lebih axes.

1. Membuat plotting sederhana

Untuk memulai menggunakan matplotlib, lakukan import terlebih dahulu library

matplotlib.pyplot as plt. Pyplot merupakan module utama yang digunakan untuk plotting data.

Gambar 1 Import matplotlib

Untuk membuat sebuah plot, hal yang perlu disiapkan adalah figure dan axes. Pertama-tama
siapkan sample data minimal 2 variabel yang akan di plot.

Gambar 2 Simple plot

2. Komponen dari matplot figures

Sebelum mendalami pembuatan figure dan kustomisasinya lebih lanjut, terlebih dahulu perlu
dikeathui apa saja bagian dari figure yang dimaksud. Berikut merupakan penjelasan
mengenai bagian dari sebauh figure.
 Gambar 3 Anatomy figure

a. Figure
Merupakan media atau wadah dasar untuk melakukan visualisasi data. Figure disini
merupakan tempat besar dimana plot akan ditampilkan. Didalam sebuah figure dapat
ditampilkan beberapa subplot kecil yang menampilkan data terpisah.
b. Axes
Axes merupakan area gambar/ area plotting. Axes berada didalam figure. Jika figure
belum dibuat, maka axes tidak dapat ditampilkan. Begitu pula sebaliknya, jika telah
dibuat figure namun tidak memiliki axes, maka tidak ada gambar yang ditampilkan.
Satu figure dapat memiliki beberapa axes/subplot.
 Gambar 4 Multiple axes

c. Axis
Axis mengindikasikan sumbu gambar. Matplotlib mampu melakukan visualisasi lebih
dari 2 sumbu

3. Cara pembentukan figure dan axes

a. Cara Object Oriented Style (eksplisit)
Ciri khas penggunaan cara ini yaitu perlunya pendefinisian figure dan axis terlebih dahulu.
Figure kemudian ditampilkan dengan memanggil method dari keduanya.

Gambar 5 Plotting OOS Style

Metode ini menggunakan function plt.subplots untuk membuat sebuah figure dan axes. Dapat
dilihat bahwa untuk metode eksplisit, terlebih dahulu user membuat sebuah figure dan sebuah
axes kosong. Setelah itu data kemudian di-assign ke dalam axes untuk ditampilkan.
 Gambar 6 Pembentukan figure

Secara default grafik yang ditampilkan akan memiliki latar belakang putih dan non-grid.
Ukuran grafik juga menyesuaikan dengan range maksimum pada data. Untuk keperluan
kustomisasi, style grafik dapat diubah sesuai dengan preferensi. Adapun perubahan style
tersebut dapat dilakukan dengan menambahkan method plt.style.use(“xx“). Sedangkan
ukuran figure diubah menggunakan figsize.
 Gambar 7 Merubah style grafik

Penjelasan lengkap mengenai macam-macam style matplotlib dapat dilihat pada ;

(https://matplotlib.org/stable/gallery/style_sheets/style_sheets_reference)

Gambar 8 Pilihan style pada matplotlib

b. Cara Pyplot Style (implisit)

Pyplot merupakan kumpulan fungsi yang menjadikan matplotlib generate visualisasi data
seperti MATLAB. Untuk cara ini figures dan axes tidak perlu dibentuk terlebih dahulu, karena
method pyplot digunakan untuk membuat dan mengelola figures sekaligus. Figure akan
otomatis terbentuk ketika menggunakan plt.plot.

Gambar 9 Plotting pyplot style

Custom Visualisasi

Dalam melakukan pengolahan data, dibutuhkan visualisasi yang baik agar data yang
ditampilkan dapat diterima secara baik oleh pengguna. Pada matplotlib, terdapat banyak sekali
cara kustomisasi untuk visualisasi data dengan kegunaanya masing-masing, seperti
penggunaan histogram, bar, dan line. Setiap jenis plot yang disediakan oleh matplotlib dapat
dikostumisasi seperti labelling pada Sumbu, legenda, atau lainnya. Sub-bagian kali ini akan
membahas kustomisasi visualisasi dengan memanfaatkan library matplotlib.
A. Basic Visualisasi Plot
Penggunaan Visualiasi menggunakan .plot() merupakan visualisasi dasar pada
matplotlib. Dimana fungsi .plot memiliki parameter yang dapat dimasukkan ke dalam
fungsi tersebut yang membentuk kustomisasi tertentu.

Setelah mengimport matplotlib pada anaconda/google colab, kemudian dipanggil

fungsi .plot()

Gambar 10 Pemanggilan fungsi pyplot

Maka akan muncul blank canvas seperti ini

Gambar 11 Chart kosong

.plot() ini belum dimasukkan parameternya sehingga muncul blank canvas yang
menampilkan 2 sumbu dengan parameternya masih ter-declare secara default oleh
matplotlib. Untuk mengetahui informasi terkait syntax yang dipanggil, dapat dilakukan
dengan menekan Shift+Tab pada Anaconda dan Tab pada Google Colab. Maka pada
fungsi plot matplotlib dapat dilihat parameter-parameter yang dapat diinput beserta
kegunaan pemanggilan fungsi tersebut.
 Gambar 11 Parameter Pyplot

B. Set Warna pada Matplotlib

Dalam matplotlib, untuk dapat membedakan data saat diplot, kita dapat mengubah set
warna default yang diberikan matplotlib agar lebih menarik dan mudah dipahami. Pada
fungsi plot, pendeklarasian properti pengaturan warna line dapat mengunakan format
.plot(…,color = ‘kodewarna’,…)
Dimana marker dan line akan dibahas dimateri selanjutnya. Berdasarkan dokumentasi
plot() pada matplotlib, fungsi plot mendukung anotasi beberapa warna sebagai berikut.

Character Color

‘b’ Blue

‘g’ Green

‘r’ Red

‘c’ Cyan

‘m’ Magenta

‘y’ Yellow

‘k’ Black

‘w’ white

Fitur pemilihan warna juga mendukung menggunakan code hex dari warna tersebut
sehingga pendeklarasian menggunakan

.plot(…, color = ‘#hexcode’, …)

Contoh
Import library numpy dan matplotlib.pylot sebagai berikut

Gambar 12 Import numpy

Kemudian kita buat section dengan memasukkan data yang akan di plot, kali ini
menggunakan data hasil dari olahan library numpy.

Kita buat section kembali yang berisi data yang sudah diolah kita plot menggunakan
pyplot.plot()

Seluruh kode yang ditampilkan sehingga menjadi berikut

Sehingga jika di run akan menampilkan output sebagai berikut

Gambar 13 Hasil plot

 • np.linspace(0.1,5,30) merupakan fungsi pada
numpy untuk men-generate deretan nilai dengan
jarak(space yag linier. 0.1 merupakan nilai
awal, 5 merupakan nilai akhir, dan 30
merupakan jumlah data yang akan dihasilkan
• np.exp(x+2) merupakan fungsi exponential
yang ada pada library numpy
• plt.plot(x,y1,’r’) menampilkan data dengan
sumbu x dari data x dan sumbu y dari data y1
dengan line color merah
• plt.plot(x,y1,color = purple) menampilkan
data dengan sumbu x dari data x dan sumbu y
dari data y2 dengan line color #842BD7 ialah
ungu

C. Linestyle dan Marker

Library Matplotlib mendukung pengguna dalam kustomisasi linestyle, dimana bentuk
line style khususnya pada line chart dapat diubah sesuai dengan kebutuhan pengguna.
Linestyle merupakan ..
Pada matplotlib juga menyediakan marker dimana marker dapat berperan sebagai
penanda di suatu titik pada plot. Pendeklarasian linestyle dan marker didalam fungsi
plot dapat dilakukan dengan cara berikut.
linestyle = ‘linestyle’
marker = ‘marker’
jika digabungkan dengan format color, dapat disingkat pendeklarasiannya menjadi
berikut
fmt = ([marker][line][color]’
.plot(x,y,[fmt],…)
Properti fmt ini dapat diinput setelah data x dan y, jika format susunan tidak sesuai
maka akan terjadi error. Berikut beberapa key dari marker dan linestyle yang sudah
disiapkan oleh matplotlib
Markers
Character Description Character Description

‘.’ Point Marker ‘p’ Pentagon Marker

‘,’ Pixel Marker ‘*’ Star Marker

Triangle Down Hexagon1 marker

‘v’ ‘h’
marker
‘^’ Triangle Up marker ‘H’ Hexagon2 marker

Triangle Left
‘<’ ‘+’ Plus Marker
marker
Triangle Right ‘x’ X marker
‘>’
marker
‘1’ Tri Down marker ‘X’ X (filled) marker
 ‘2’ Tri Up marker ‘D’ Diamond Marker

Thin Diamond
‘3’ Tri Left marker ‘d’ Marker

‘4’ Tri Right marker ‘|’ Vline Marker

‘8’ Octagon marker ‘_’ Hline Marker

‘s’ Square Marker ‘o’ Circle Marker

‘P’ Plus(filled) Marker

Line Styles
Character Description

‘-’ Solid Line

‘--’ Dashed Line

‘-.’ Dash-dot Line

‘:’ Dotted Line

Penggunaan property lainnya .plot() dapat dilihat pada dokumentasi berikut ini.
Contoh
Pada contoh sebelumnya, kita tambahkan property marker dan line sehingga section
plot data menjadi berikut.

Sehingga keseluruhan kode menjadi berikut.

Maka setelah di run didapatkan hasil berikut.

 Gambar 14 Plot linestyle marker

• plt.plot(x,y1,’^:r’) menampilkan data dengan

sumbu x dari data x dan sumbu y dari data y1
dengan line color merah (‘r’), marker
triangle up (‘^’), dan linestyle dotted (‘:’)
• plt.plot(x,y1,color = purple, linestyle ='--
', marker = 's') menampilkan data dengan
sumbu x dari data x dan sumbu y dari data y2
dengan line color ialah ungu (#842BD7),
marker square (‘s’), dan linestyle dashline
(‘--’)

D. Custom Label, Title, Legenda, dan Axis Limit

Pada plot dari matplotlib, kita dapat memberi label pada plot tersebut, serta memberi
label pada setiap axis dan plot datanya. Pada matplotlib kita juga bisa menyertakan
legenda dari hasil plot tersebut serta membatasi nilai limit pada setiap sumbu.
a. Title
Matplotlib menyediakan sebuah fungsi yang dikhususkan untuk menamai judul
hasil plot dari sebuah kelas pyplot. Pendeklarasian fungsi title dilakukan
sebagai berikut.
.title(“title”,fontsize = “size”(optional),…)
Property lainnya pada fungsi ini juga mencakup ke dalam property lokasi
penempatan title
.title(“title”, loc = ‘string’,fontsize = “size”(optional),…)
Dimana location ini support di 3 lokasi, yaitu center, left, dan right. Saat tidak
dideklarasikan, maka location akan menjadi default yaitu berada pada center.
Selain itu, property fungsi ini juga ada pada text yang diinputkan seperti
fontsize, fontstyle, dan lainnya. Untuk lebih lengkapnya property pada text
properties matplotlib terdapat pada dokumentasi berikut ini.
Contoh
Pada contoh sebelumnya, silahkan tambahkan syntax berikut sebelum
plt.show()
 sehingga keseluruhan section kode menjadi berikut.

Kemudian program di run kembali, maka didapatkan hasil plot sebagai

berikut.

Gambar 15 Pemberian judul plot

• plt.title("Laju Penyebaran COVID-

19",fontstyle ='italic', fontweight =
'bold',fontsize ='16')menampilkan title pada
kelas pyplot dengan judul “Laju Penyebaran
COVID-19”, ukuran font 16, font style italic
dan tebal font (weight) bold.

b. Label
a) Fungsi Label Matplotlib
Fungsi label pada matplotlib merupakan bagian dari matplotlib.pyplot
dimana terdapat 2 jenis fungsi untuk menambahkan label pada tiap-tiap
sumbu, yaitu .xlabel() dan .ylabel(). .xlabel() berguna untuk
menambahkan label sumbu x dan .ylabel() berguna untuk
menambahkan label sumbu y.
.xlabel(“xlabel”, …)
.ylabel(“ylabel”,…)
Property lainnya pada fungsi ini juga mencakup ke dalam properti pada
text yang diinputkan seperti fontsize, fontstyle, dan lainnya. Untuk lebih
lengkapnya property pada text properties matplotlib terdapat pada
dokumentasi berikut ini.

Contoh
Berdasarkan contoh sebelumnya, tambahkan kembali syntax berikut
sebelum fungsi show()
 Sehingga keseluruhan section kode menjadi berikut.

Kemudian program dirun, maka akan menampilkan gambar berikut.

Gambar 16 Pembelain legend plot (1)

• plt.xlabel("Bulan",
fontsize='12')menampilkan label pada
sumbu x dengan nama “Bulan” dan ukuran
font 12
• plt.ylabel("Kasus",fontsize ='12')
menampilkan label pada sumbu y dengan nama
“Kasus” dan ukuran font 12

b) Properti Label pada Plot

Pada fungsi .plot(), terdapat property yang dapat mendeklarasikan label
pada data yang di plot tersebut. Pada fungsi diinputkan property seperti
ini
.plot(…, label = “Label Name”, …)
Ubah kode pada fungsi .plot() menjadi berikut.

Kemudian tambahkan fungsi legend() sebelum fungsi show()

 Kemudian program di-run kembali dan menghasilkan gambar berikut

Gambar 17 Pembelain legend plot (2)

• Properti label =’Jakarta’ dan label =

‘Surabaya’ pada setiap fungsi .plot()
memberi labelling pada setiap plot
tersebut dengan nama yang diberikan
• plt.legend()menampilkan labelling pada
setiap plot dengan properti default

c. Legenda
Fungsi pada kelas pyplot juga terdapat pendeklarasian legenda. Pada
matplotlib.pyplot, pemanggilan fungsi legenda sebagai berikut.
.legend()
Legend dipanggil secara baik saat fungsi .plot() ditambahkan property label.
Jika pemanggilan fungsi legend tanpa menggunakan property label di fungsi
.plot(), maka akan ada informasi berikut.
No handles with labels found to put in legend.
Fungsi legend memiliki bentuk lain untuk mendeklarasikannya, yaitu dengan
penulisan label pada fungsi legend menggunakan array
.legend(([Data 1, Data2],[‘Label Data 1’, ‘ Label Data2’], …)
Dimana Data 1 akan memiliki label ‘Label Data 1’ dan data 2 akan memiliki
label ‘Label Data 2. Label juga dapat ditempatkan pada tempat-tempat tertentu
jika ingin kita pindahkan sesuai dengan keinginan.
.legend(loc = ‘string’)
.legend(loc = loc_code)
Dengan lokasi yang dapat atur berdasarkan tabel berikut.
Loc String Loc Code

‘best’ 0
 ‘upper right’ 1

‘upper left’ 2

‘lower left’ 3

‘lower right’ 4

‘right’ 5

‘center left’ 6

‘center right’ 7

‘lower center’ 8

‘upper center’ 9

‘center’ 10
Untuk selengkapnya terkait dokumentasi .legend() terdapat pada link berikut
ini.
Contoh
Pada program sebelumnya, tambahkan fungsi .legend() menjadi berikut

Sehingga keseluruhan section kode menjadi berikut.

Kemudian program di run dan menampilkan hasil berikut.

Gambar 18 Penempatan legend

 • Properti legend ncol = 2 menentukan jumlah
kolom pada legend
• bbox_to_anchor = (0.5,-0.15)merupakan
koordinat legend dimana berada di titik
0.5 dan -0.15 dari plot. Nilai 1,1
merupakan titik pojok kanan atas plot dan
nilai 0,0 merupakan titik pojok kanan
bawah plot
• loc = 9 merupakan property untuk
memberikan lokasi spesifik dari legend,
dimana nomor 9 merupakan upper center

d. Axis Limit
Penggunaan kelas pyplot dalam matplotlib juga mendukung pengaturan
batas/limit dari sumbu hasil plot, dimana pengguna dapat membatasi titik awal
hingga akhir pada data yang diplot. Penggunaan fungsi ini dipanggil dengan
cara berikut.
.xlim(left,right)
.ylim(left,right)
Xlim merupakan limit yang akan digunakan pada sumbu X, sedangkan Ylim
merupakan limit yang digunakan pada sumbu Y. Left merupakan batas sumbu
terendah dan Right merupakan batas sumbu tertinggi yang akan ditampilkan.
Untuk selengkapnya terkait dokumentasi .legend() terdapat pada link berikut
ini.
Contoh
Pada contoh sebelumnya, tambahkan kode berikut.

Sehingga keseluruhan section kode menjadi berikut.

Kemudian program di-run dan menampilkan hasil berikut.

 Gambar 19 Range axis

• Fungsi .xlim(3,5) merupakan axis limit

pada sumbu x dengan property batas kiri 3
dan batas kanan 5

E. Multiple Axis Plot

Dalam visualisasi data, terkadang kita membutuhkan double y-axis agar melihat
paratemer y yang berbeda dengan acuan sumbu x yang sama. Dengan matplotlib kita
dapat melakukannya dengan cara berikut.
Multiple Plots

Matplotlib adalah salah satu library Python yang berfokus pada visualisasi data seperti
membuat plot grafik. Multiple subplot merupakan salah satu fungsi yang tersedia pada
matplotlib untuk pembuatan grafik lebih dari satu pada single command.

Hal pertama yang dilakukan untuk memulai menggunakan matplotlib, lakukan import terlebih
dahulu library matplotlib.pyplot as plt. Penggunaan as di sini, artinya kita menggantikan
pemanggilan fungsi pyplot pada matplotlib dengan plt untuk proses berikutnya. Lalu hal yang
sama dilakukan pada import library numpy. numpy merupakan salah satu library python yang
berfokus pada scientific computing yang di sini digantikan dengan np agar memudahkan
penulisan koding untuk kedepan nanti.

Data x dan y dapat ditulis dengan berbagai macam seperti gambar dibawah, berbagai jenis
macam penulisan seperti gambar dibawah ini mempunyai fungsi-fungsi terntentu seperti
np.linspace yang berfungsi sebagai pembatas contoh: Np.linspace (start = 0, stop = 100, num
= 5) ada fungsi lain seperti np.cos dan np.sin untuk penggunaan sin dan cos dan yang terakhir
ada f

1. Grafik dengan satu plot

Pertama kita masukan terlebih dahulu data x dan y yang ingin kita buat menjadi grafik pada
grafik satu sampai tiga kita menggunakan data dengan gambar dibawah ini

kedua kita bisa membuat grafik dengan satu plot dengan command line dibawah ini
Pada baris pertama kita tentukan berapa subplots yang kita inginkan, pada kasus ini hanya satu
karena tanda kurung tidak diisi (). subplots () tanpa argumen hanya dapat membuat Gambar
dan Sumbu tunggal Lalu baris kedua digunakan untuk menetukan axis/sumbu x dan y. Baris
ketiga yang terakhir untuk menentukan title atau nama pada grafik tersebut.

Gambar 20 Grafik satu plot

2. Grafik subplot menumpuk vertikal

Pada grafik yang kedua ini kita mencoba untuk membuat dua subplot menumpuk vertical
seperti gambar ini.

Baris pertama pada kali ini berbeda dengan sebelumnya karena kali ini plt.subplots mempunyai
angka dua pada dalam kurung. Angka dua yang terdapat di dalam kurung digunakan untuk
menyatakan berapa baris grafik yang kita inginkan, pada contoh ini kita gunakan dua. Pada
baris ketiga dan keempat terdapat angka didalam kurung, angka ini digunakan untuk
menyatakan ada dibaris berapa sumbu tersebut contoh: axs[0]. plot (x, y) berarti axis ini akan
ditempatkan pada baris nol (di sini yang dimaksud nol adalah pertama).
 Gambar 21 Grafik subplot vertical

3. Grafik Subplot Menumpuk Horizontal

Pada grafik yang ketiga ini kita akan mencoba untuk membuat dua subplot menumpuk
horizontal seperti dibawah ini

Hal yang berubah pada grafik menumpuk horizontal adalah pada baris pertama plt.subplots(1,
2) yang disini berarti grafik subplot memiliki satu baris dan memiliki dua kolom yang
menghasilkan grafik menumpuk horizontal seperti gambar dibawah.

Gambar 22 Grafik subplot horizontal

4. Subplots dua arah
Setelah mengerti cara membuat grafik yang mengarah horizontal dan vertical kini kita
bisa menyesuaikan berapa kolom dan baris grafik yang kita inginkan. Pertama-tama
sebelum membuat grafik kita akan menggunakan data seperti berikut.

Lalu setelah kita menggunakan data diatas untuk dijadikan sebagai grafik kita dapat
menulis coding seperti gambar dibawah ini.

pada baris pertama kita bisa menyesuaikan kolom dan baris untuk grafik sesuai dengan
kemauan kita, lalu dilanjutkan dengan menulis sharex=True dan sharey=True ini berarti
kita dapat Mengontrol berbagi properti di antara sumbu x (sharex) atau y (sharey). Pada
command ax[0][0] dan sejenisnya digunakan untuk menkoordinatkan grafik contoh
pada ax[0][0] yang berartikan bahwa sumbu ini berada pada kolom pertama dan baris
pertama dan begitu pula dengan sumbu-sumbu selanjutnya. Fungsi color adalah untuk
menentukan warna pada figur grafik dan fungsi label untuk menandakan grafik. Pada
baris selanjutnya terdapat fungsi fig.legend() yang berfungsi untuk membuat legenda
pada grafik, yang terakhir ada plt.show() untuk menunjukan grafik ke output.

Gambar 23 Subplot dalam matriks

5. Subplots kecil didalam subplot besar

Setelah mempelajari cara membuat multiple subplot kita ternyata juga bisa membuat
grafik kecil didalam suatu grafik besar. Ada beberapa perubahan dalam beberapa baris
koding seperti pada plt.subplots akan kita ubah menjadi plt.figure yang disini figure
digunakan untuk menyesuaikan figure grafik sesuai kemauan tanpa sumbu yang berarti
kita harus menentukan sumbu grafik kita sendiri. Pada baris selanjutnya terdapat
fig.add_axes yang merupakan lanjutan dari plt.figure yaitu kita haris menentukan
sumbu kita sendiri.

Gambar 24 Subplot didalam plot utama

Bar chart, Scatterplot, Histogram

Pada materi-materi sebelumnya telah di perkenalkan tentang pondasi-pondasi visualisasi. Dari

sekarang dan ke depan materi akan lebih advance lagi, pertama akan di perkenalkan beberapa
bentuk visualisasi lainnya (sebelumnya telah di pelajari lineplot), kemudian akan di
tunjukankegunaannya untuk perbandingan kuantitatif.

Langsung saja. beberapa bentuk visualisasi yang akan di perkenalkan adalah :

1. Bar Chart
2. Scatter Plot
3. Histogram

Akan di gunakan data tentang data harga dan atribut dari berlian.

https://www.kaggle.com/shivam2503/diamonds?select=diamonds.csv

Datanya sebagai berikut :

Gambar 24 Input data csv

Pengenalan Beberapa Bentuk Visualisasi
1. Bar Chart
Bar chart bisa di buat dengan method bar. Bar chart berguna untuk memvisualisasikan
frekuensi kejadian suatu data berdasarkan suatu kategori. Jadi, bar chart ini di visualisasikan
untuk membandingkan data yang bertipe kategori. Bar chart berguna bila jumlah kategori tidak
lebih dari 30 pada umumnya. Apabila lebih dari itu, biasanya bar chart akan menjadi kacau
sehingga data sulit untuk di interpretasi.

Berikut contoh sederhana dari visualisasi bar chart:

dan seperti inilah hasil dari visualisasi menggunakan Bar Chart:

Gambar 25 Visualisasi chart

Dari gambar di atas dapat di lihat bahwa data ini memiliki paling banyak data berlian dengan
cut ideal, premium, very good, good, dan fair. Method set_xticklabels() adalah untuk
mengontrol komponen label data di sumbu x. di berikan label nya dengan data category, dan
di putar sebesar 90 derajat agar label tidak bertumpuk.
Selanjutnya kita akan mempelajari penggunaan Multiple Bar Chart atau biasa juga disebut
dengan Grouped Bar chart. Metode ini digunakan saat kita ingin membandingkan beberapa
data dengan lebih dari satu variabel pembanding. Kita akan mengambil contoh mebandingkan
kolom cut dengan variabel pembanding depth dan table karna mempunyai selisih nilai yang
cukup dekat sehingga kita mudah untuk membandingkannya, namun jika kita membandingkan
data dengan selisih nilai yang berbeda jauh seperti pada kolom price dan kolom carat, maka
visualisasi dari bar plot akan sulit untuk dibaca karna perbedaan nilai yang sangat jauh.

Langkah pertama adalah kita mengelompokan data yang ingin kita bandingkan di dalam
variabel ‘group’ agar memudahkan kita untuk melakukan Multiple Bar Chart:

kemudian kita akan membuat Multiple Bar Chart dengan membandingkan data pada kolom
cut dengan kolom depth dan table sebagai variabel pembandingnya:
Berikut merupakan hasil dari visualisasi menggunakan Bar Chart:

Gambar 26 Multiple chart

Pada code diatas kita menambahkan nilai 0.2 pada variabel sumbu x dalam ax.bar kedua dengan
tujuan menempatkan bar chart table di sumbu x geser ke kanan sebesar 0.2 satuan agar bar
chart table tidak bertumpang tindih dengan bar chart depth, karna bar chart depth mempunyai
lebar(width) sebesar 0.2 satuan. kita juga menambahkan 0.1 pada variabel x dalam plt.xticks
agar label pada sumbu x berada tepat ditengah kedua bar chart.

Selanjutnya jika kita ingin menukar data yang ingin kita banding menjadi kolom depth dan
table dengan variabel pembandingnya adalah colom cut, maka langkah pertama adalah dengan
men-tranpose group yang sudah kita buat.
Ada dua cara untuk membuat Multiple Bar Chart seperti ini yaitu dengan cara manual atau
dengan cara looping.

- Cara manual :

Hasil visualisasi Multiple Bar Chart :

 - Cara looping :

2. Scatter Plot
Scatter plot berguna untuk melakukan perbandingan data antara data bertipe numerik. untuk
melakukan visualisasi scatter plot bisa dilakukan menggunakan method scatter().Perbedaan
menggunakan plot biasa dengan menggunakan scatter plot.

Menggunakan plot biasa :

Gambar 27 Scatter plot

Menggunakan Scatter Plot :

Kelebihan Scatter Plot daripada Plot biasa adalah Scatter Plot memiliki banyak paramater yang
bisa kita atur sesuai kebutuhan agar bisa memudahkan kita untuk memvisualisasi data.

Contoh visualisasi menggunakan scatter plot:

3. Histogram
Histogram mempunyai kemiripan dengan bar chart, beberapa keliru memahami bahwa bar
chart sama dengan histogram. Kunci dari perbedaannya adalah Histogram untuk
memvisualisasikan distribusi data dari suatu data bertipe numerik dan continues. sedangan bar
chart untuk memvisualisasikan data bertipe kategori.

Misalkan ingin mengetahui perbedaan distribusi harga berlian di seluruh dunia untuk cut Very
Good dan Premium. Berikut adalah contoh visualisasi dari Histogram nya :

dan seperti inilah hasil dari visualisasi menggunakan Histogram :

Gambar 28 Histogram