11/10/23, 5:44 PM P. Komputasi Big Data M6.

ipynb - Colaboratory

Praktikum VI

Nama : M. Fikri Zulhimmah Salman

NPM : 28323001

Kelas : 2TB02

Instruksi Praktikum mahasiswa Tekrek : Teknik Industri, Teknik Mesin, Agroteknologi dan FTSP
Transformasikan data pada kolom strength menjadi kolom baru bernama 'Category', dengan ketentuan :

1. jika nilai >= 65 = 'Hard'

2. jika nilai >= 40 = 'Medium'
3. Jika nilai < 40 = 'Light'
Lakukan analisis histogram untuk pengaruh kolom age terhadap kolom strength, apakah yang dapat Anda simpulkan ?
Cari tahu komposisi concrete yang memiliki kekuatan tertinggi dan terendah
Berikan kesimpulan akhir anda terhadap pengaruh komposisi concrete berdasarkan dataset yang digunakan

JAWABAN

1. Transformasikan data pada kolom strength menjadi kolom baru bernama 'Category',
dengan ketentuan :
jika nilai >= 65 = 'Hard' jika nilai >= 40 = 'Medium' Jika nilai < 40 = 'Light'

def get_category(x):
if x >= 65:
return 'Hard'
elif x >= 40:
return 'Medium'
return 'Light'

concrete['category'] = concrete['strength'].apply(get_category)
concrete.head()

cement slag ash water superplastic coarseagg fineagg age strength category

1 168.9 42.2 124.3 158.3 10.8 1080.8 796.2 14 23.51 Light

9 155.0 184.0 143.0 194.0 9.0 880.0 699.0 28 28.99 Light

10 151.8 178.1 138.7 167.5 18.3 944.0 694.6 28 36.35 Light

14 167.0 187.0 195.0 185.0 7.0 898.0 636.0 28 23.89 Light

15 213.8 98.1 24.5 181.7 6.7 1066.0 785.5 100 49.97 Medium

2. Lakukan analisis histogram untuk pengaruh kolom age terhadap kolom strength,
apakah yang dapat Anda simpulkan ?

fig, axes = plt.subplots(1, 2, figsize=(12, 6))

sns.histplot(concrete['age'], ax=axes[0]).set_title('histogram age')

sns.histplot(concrete['strength'], ax=axes[1]).set_title('histogram strength')

Text(0.5, 1.0, 'histogram strength')

https://colab.research.google.com/drive/1c1IBx_3m6bt5MuzsyMxx69FVKyxgoNEF#scrollTo=p24gV36za72W&printMode=true 1/3
11/10/23, 5:44 PM P. Komputasi Big Data M6.ipynb - Colaboratory
plt.scatter(concrete['age'], concrete['strength'])

<matplotlib.collections.PathCollection at 0x79f8ff598f70>

3. Cari tahu komposisi concrete yang memiliki kekuatan tertinggi dan terendah

print('komposisi terkuat')
concrete[concrete['strength']==concrete['strength'].max()]

komposisi terkuat
cement slag ash water superplastic coarseagg fineagg age strength c

491 275.0 180.0 120.0 162.0 10.4 830.0 765.0 28 76.24

print('komposisi terlemah')
concrete[concrete['strength']==concrete['strength'].min()]

komposisi terlemah
cement slag ash water superplastic coarseagg fineagg age strength c

332 182.0 45.2 122.0 170.2 8.2 1059.4 780.7 3 7.32

4. Berikan kesimpulan akhir anda terhadap pengaruh komposisi concrete berdasarkan

dataset yang digunakan

sns.heatmap(concrete.corr())

<ipython-input-28-3d02f58beedb>:1: FutureWarning: The default value of numeric_onl

sns.heatmap(concrete.corr())
<Axes: >

cols = concrete.columns[:-2]
fig, axes = plt.subplots(1, len(cols), figsize=(4 * len(cols), 4))

for i, col in enumerate(cols):

sns.scatterplot(x=concrete[col], y=concrete['strength'], ax=axes[i])

https://colab.research.google.com/drive/1c1IBx_3m6bt5MuzsyMxx69FVKyxgoNEF#scrollTo=p24gV36za72W&printMode=true 2/3
11/10/23, 5:44 PM P. Komputasi Big Data M6.ipynb - Colaboratory

https://colab.research.google.com/drive/1c1IBx_3m6bt5MuzsyMxx69FVKyxgoNEF#scrollTo=p24gV36za72W&printMode=true 3/3