205090401111057
Asisten :
DEPARTEMEN MATEMATIKA
UNIVERSITAS BRAWIJAYA
2023
DAFTAR ISI
1
BAB I
DASAR TEORI
Visualisasi data adalah proses penyajian data dalam bentuk grafik yang
membuat informasi mudah dimengerti, hal ini membantu menjelaskan
tentang fakta dan menentukan arah tindakan (Rizki, 2020).
Visualisasi data tidak hanya mengubah data menjadi grafik visual, akan
tetapi visualisasi data juga memerlukan perencanaan. Setiap jenis data
memerlukan teknik visualisasi yang sesuai berdasarkan kebutuhannya.
Berdasarkan tingkat kompleksitas data, untuk menghasilkan solusi yang
berharga perlu melibatkan berbagai disiplin ilmu, seperti statistika, data
mining, desain grafis, dan information visualization (Rizki, 2020).
1.2 Statistik
Pada laporan kali ini, digunakan jenis statistika deskriptif yaitu statistika
yang menggunakan metode numerik dan grafik untuk mencari pola dalam
suatu kumpulan data, meringkas informasi yang terkandung dalam kumpulan
data, dan menghadirkan informasi dalam bentuk yang diinginkan.
2
BAB II
SOAL
Buatlah visualisasi data dari jumlah orang terkonfirmasi COVID 19 dari data
set yang diberikan dari negara yang ada di asia tenggara
Buatlah visualisasi data dari jumlah orang yang meninggal karena COVID
19 dari data set yang diberikan dari negara yang ada di asia tenggara
3
BAB III
SOURCE CODE
4
plt.grid(True)
plt.show()
import pandas as pd
from sklearn.preprocessing import StandardScaler
data_covid19 = pd.read_csv('confirmed_global.csv')
AsiaTenggara = ['Brunei', 'Burma', 'Cambodia',
'Indonesia', 'Laos', 'Malaysia', 'Philippines',
'Singapore', 'Thailand',
'Timor-Leste', 'Vietnam']
data_AT =
data_covid19.loc[data_covid19['Country/Region'].isin(As
iaTenggara)]
data_AT.drop(['Province/State', 'Lat', 'Long'], axis=1)
data_AT = data_AT.groupby('Country/Region').min()
p = []
for i in range(0, 3):
for j in range(2, 13):
if(i == 2):
if(j < 3):
p.append(''+str(j)+'/1/2'+str(i)+'')
else:
p.append(''+str(j)+'/1/2'+str(i)+'')
data_baru = data_AT[p]
ss = StandardScaler()
data_zscore = data_baru.values
data_zscore = ss.fit_transform(data_zscore)
data_zscore = pd.DataFrame(data_zscore, AsiaTenggara,
p)
print(data_zscore)
5
data_covid19 = pd.read_csv('confirmed_global.csv')
AsiaTenggara = ['Brunei', 'Burma', 'Cambodia',
'Indonesia', 'Laos', 'Malaysia', 'Philippines',
'Singapore', 'Thailand',
'Timor-Leste', 'Vietnam']
data_AT =
data_covid19.loc[data_covid19['Country/Region'].isin(As
iaTenggara)]
data_AT.drop(['Province/State', 'Lat', 'Long'], axis=1)
data_AT = data_AT.groupby('Country/Region').min()
p = []
for i in range(0, 3):
for j in range(2, 13):
if(i == 2):
if(j < 3):
p.append(''+str(j)+'/1/2'+str(i)+'')
else:
p.append(''+str(j)+'/1/2'+str(i)+'')
data_baru = data_AT[p]
ss = StandardScaler()
data_zscore = data_baru.values
data_zscore = ss.fit_transform(data_zscore)
data_zscore = pd.DataFrame(data_zscore, AsiaTenggara,
p)
print(data_zscore)
fig, ax = plt.subplots()
ax.plot(data_zscore.transpose(), label=AsiaTenggara,
lw=5)
ax.set_title('Covid-19 di Asia Tenggara (z-score)')
ax.set_xlabel('Tanggal')
ax.set_ylabel('Jumlah')
ax.set_ylim([-2, 5])
plt.xticks(rotation=90)
plt.legend()
plt.grid(True)
plt.show()
6
3.4 Program Nomor 4
7
BAB IV
PEMBAHASAN
Perintah Penjelasan
Lines 1-2 Import packages yang akan digunakan
Membaca dataset confirmed_global.csv yang telah
Lines 3-9 diberikan dan memilih country dengan kategori Asia
Tenggara
Lakukan perhitungan dengan perulangan for dan bantuan
Lines 10-17 array 1 dimensi p=[] untuk mendapatkan nilai baru dan
simpan ke dalam variabel bernama data_baru
Menampilkan visualisasi dalam bentuk grafik x dan y.
Lines 18-29 Untuk x adalah perubahan waktu dan y adalah kuantitas
orang yang terkonfirmasi COVID-19
8
Hasil analisa :
Perintah Penjelasan
Lines 1-2 Import packages yang akan digunakan
Membaca dataset confirmed_global.csv yang telah
Lines 3-9 diberikan dan memilih country dengan kategori Asia
Tenggara
Lakukan perhitungan dengan perulangan for dan bantuan
Lines 10-17 array 1 dimensi p=[] untuk mendapatkan nilai baru dan
simpan ke dalam variabel bernama data_baru
Membuat normalisasi dengan syntax StandardScaler()
Lines 18-22
dan akan diprint untuk data_zscore
9
Hasil analisa :
Perintah Penjelasan
Lines 1-2 Import packages yang akan digunakan
Membaca dataset confirmed_global.csv yang telah
Lines 3-9 diberikan dan memilih country dengan kategori Asia
Tenggara
Lakukan perhitungan dengan perulangan for dan bantuan
Lines 10-17 array 1 dimensi p=[] untuk mendapatkan nilai baru dan
simpan ke dalam variabel bernama data_baru
Membuat normalisasi dengan syntax StandardScaler()
Lines 18-22
dan akan diprint untuk data_zscore
Menampilkan visualisasi dalam bentuk grafik x dan y
setelah dilakukan normalisasi. Untuk x adalah perubahan
Lines 24-33
waktu dan y adalah kuantitas orang yang terkonfirmasi
COVID-19
10
Hasil analisa :
Perintah Penjelasan
Lines 1-2 Import packages yang akan digunakan
Membaca dataset deaths_global.csv yang telah
Lines 3-9 diberikan dan memilih country dengan kategori Asia
Tenggara
Lakukan perhitungan dengan perulangan for dan
Lines 10-17 bantuan array 1 dimensi p=[] untuk mendapatkan nilai
baru dan simpan ke dalam variabel bernama data_baru
Menampilkan visualisasi dalam bentuk grafik x dan y.
Lines 18-28 Untuk x adalah perubahan waktu dan y adalah kuantitas
orang yang meninggal karena COVID-19
11
Hasil analisa :
12
DAFTAR PUSTAKA
13