MODUL 12

VISUALISASI: PANDA & PLOTLY

BIG DATA ANALYTIC

Disusun Oleh :

Nama : Yermias Orocomna

Nim : 205410137
Kelas : IF2

SEKOLAH TINNGI MANAJEMEN INFORMATIKA DAN KOMPUTER

AKAKOM
YOGYAKARTA
2022
* KATA PENGATR

ython merupakan salah satu tool yang sering digunakan dalam proses visualisasi data.
Sebab, tool satu ini memiliki kegunaan yang begitu luas. Selain untuk visualisasi data, Anda juga
bisa memanfaatkannya untuk melakukan analisis statistik, membangun machine learning, deep
learning, bahkan mengembangkan website. Python juga didukung oleh banyak library yang
memudahkan Anda, terutama dalam hal hitungan yang kompleks.

Salah satu library andalan Python ialah Plotly. Library satu ini dikembangkan oleh sebuah

perusahaan yang bergerak di bidang AI (kecerdasan buatan) dan analitik. Plotly umumnya
digunakan untuk visualisasi data, terutama untuk data yang sifatnya interaktif. Mari membahas
lebih lanjut seputar Plotly, mulai dari kegunaan hingga jenis visualisasi yang dihasilkannya.

* DASAR TEORI

Visulisasi data merupakan salah satu hal terpenting untuk mempermudah dalam memahami
suatu data. Visualisasi data memberikan informasi yang sangat berguna untuk kepentingan
bisnis. Pengambil keputusan di perusahaan akan dapat dengan mudah melihat dan mengerti
hubungan antar beberapa variabel data, dan lebih canggihnya adalah hubungan ini dapat dilihat
dari segi multi dimensi. Contoh visualisasi data adalah diagram, peta, grafik, atau representasi
visual lainnya. Selain itu, visualisasi data juga dapat menggambarkan relasi dan pola antara
variabel yang ada dalam data. Para pengambil keputusan akan melihat koneksi antara data
yang bersifat multi-dimensi tersebut. Misalnya, kenaikan harga pangan ternyata dipengaruhi
oleh kurangnya pasokan bahan makanan dan tingginya tingkat permintaan atas bahan makanan
tersebut. Informasi seperti ini dapat dilihat dari visualisasi data yang sudah disederhanakan.
Dengan demikian, para pengambil keputusan dapat berinteraksi dengan data dan mengambil
suatu aksi yang paling efektif untuk bisnis mereka. Terlebih lagi dengan bantuan visualisasi data
juga dapat merangkum peristiwa serta sebagai suatu alat bagi dapat dengan langsung
menentukan kebijakan yang tepat untuk kelancaran bisnis.

Tapi tahukah kalian sahabat data kalau ternyata visualisasi data saat ini bisa kamu gunakan dan
kamu aplikasikan untuk menunjang pengambilan keputusan terkait suatu data dengan
menggunakan beragam software visualisasi data. Salah satu software visualisasi data yang
digunakan oleh Data Scientist adalah Python. Python menyediakan berbagai jenis library yang
menunjang representasi visualisasi data kamu agar terlihat kece dan valuable. Library yang
biasanya populer digunakan untuk kebutuhan visualisasi data yakni Matplotlib. Matplotlib
dinilai sangat mumpuni dan menyediakan banyak referensi bentuk visualisasi data yang
menarik. Tapi, apakah hanya Matplotlib saja yang dimiliki Python? Nah, penasaran kan dengan
library lainnya yang digunakan untuk visualisasi data. Pada artikel DQLab kali ini, kita akan
membahas mengenai library python apa saja  yang digunakan dalam representasi visualisasi
data agar terlihat lebih menarik dan kece. Dengan harapan bisa menjadi tambahan insight dan
rekomendasi bagi kalian calon praktisi data maupun data enthusiast. Jangan lewatkan artikel
berikut ini, pastikan simak baik-baik, stay tune and keep scrolling on this article guys

Plotly merupakan sebuah open-source library dari Python. Dengan memanfaatkan library ini,

Anda bisa melakukan visualisasi data agar data dapat lebih mudah dipahami oleh audiens.
Plotly menyediakan berbagai objek grafik, mulai dari diagram garis hingga plot sebar (scattered
plots). Antarmukanya canggih namun relatif mudah digunakan.

lotly dapat menggunakan perpustakaan lain untuk membuat plot dalam konteks yang
berbeda. Misalnya pada notebook Jupyter, online melalui dashboard plot dll. Secara
default perpustakaan bekerja dengan mode offline yang kita inginkan. Namun, kami
juga perlu memberi tahu manset bahwa kami akan menggunakan mode offline untuk
bagan. Pengaturan ini dapat dibuat secara pemrograman dengan menambahkan sel
berikut ke notebook kami:

aya tidak ingin terlalu fokus pada memuat atau mengambil data. Untuk alasan ini, kami hanya
menghasilkan data acak untuk diagram. Di sel baru, kita bisa menggunakan Pandas dan Numpy untuk
membuat matriks 3D:

Dengan numpy kita dapat menghasilkan angka acak kita dan kemudian memuatnya ke objek Pandas
DataFrame. Mari kita lihat seperti apa data kita:
* PRATIK

 Plotly sendiri adalah perusahaan grafisdengan beberapa produk dan alat sumber

terbuka. Pustaka Python gratis untuk digunakan dan kami dapat membuat grafik tanpa batas offline
ditambah hingga 25 grafik online untuk dibagikan kepada dunia .)
semua pekerjaan dalam artikel ini dilakukan di Jupyter Notebook dengan
plotly + manset bekerja offline. Setelah menginstal plotly dan
manset, pip install cufflinks plotly impor yang berikut ini untuk
berjalan di Jupiter:

#Standard plotly imports

import plotly.plotly as py
import plotly.graph_objs as go
from plotly.offline import iplot, init_notebook_mode
# Using plotly + cufflinks in offline mode
import cufflinks
cufflinks.go_offline(connected=True)
init_notebook_mode(connected=True)
Secara otomatis mendapatkan deret waktu yang diformat dengan baik pada sumbu x
Menambahkan sumbu y sekunder karena variabel kami memiliki rentang yang berbeda
Menampilkan judul artikel pada hover

* LATIHAN

ntuk memulai dan sebagai rekomendasi yang diambil dari beberapa sumber, kita akan menyiapkan
sebuah virtual environtment untuk memulai menggunakan dash. Pertama-tama kita siapkan
dahulu virtual-environmentnya menggunakan perintah berikut dan pastikan juga perangkat
anda telah terinstall python.

python -m venv ./myvenv

setelah perintah ini dijalankan, maka akan terbentuk folder yang bernama myvenv , kemudian
dilanjutkan dengan mengaktifkan venv tersebut dengan perintah berikut:

source ./myvenv/bin/activate

kemudian, kita install packagenya menggunakan command pip,

pip install dash

sedikit tambahan kita install sekalian beberapa package pendukung seperti pandas, dan numpy
dengan perintah :

pip install pandas numpy

Dash Layout

Bagian Layout merupakan bagian dimana aplikasi kita akan di render pada frontend, dengan
kata lain merupakan bagian template view bagaimana aplikasi kita terlihat. Pada bagian ini, kita
akan membuat satu file dengan nama app.py kemudian kita isikan dengan beberapa syntax
berikut,

# -*- coding: utf-8 -*-

# Run this app with `python app.py` and

# visit http://127.0.0.1:8050/ in your web browser.

import dash

import dash_core_components as dcc

import dash_html_components as html

import plotly.express as px

import pandas as pd

external_stylesheets = ['https://codepen.io/chriddyp/pen/bWLwgP.css']

app = dash.Dash(__name__, external_stylesheets=external_stylesheets)

# assume you have a "long-form" data frame

# see https://plotly.com/python/px-arguments/ for more options

df = pd.DataFrame({

"Fruit": ["Apples", "Oranges", "Bananas", "Apples", "Oranges",

"Bananas"],

"Amount": [4, 1, 2, 2, 4, 5],

 "City": ["SF", "SF", "SF", "Montreal", "Montreal", "Montreal"]

})

fig = px.bar(df, x="Fruit", y="Amount", color="City", barmode="group")

app.layout = html.Div(children=[

html.H1(children='Hello Dash'),

html.Div(children='''

Dash: A web application framework for Python.

'''),

dcc.Graph(

id='example-graph',

figure=fig

])

if __name__ == '__main__':

app.run_server(debug=True)

kemudian kita jalankan dengan perintah sebagai berikut :

python app.py

dilanjutkan dengan membuka browser kita pada alamat berikut 127.0.0.1:8050.