Perangkat
Lunak Facetgrid With Custom Projection
Penggunaan
facetgrid with custom projection pada buku ini terdapat dua metode, yaitu
Seaborn dan GGPLOT2. Kedua metode tersebut menggunakan pemrograman phyton dan
perlu menambah packages tambahan untuk dapat menjalankan program facetgrid with
custom projection. Berikut ini merupakan langkah-langkah nya :
·
Instalasi Seaborn
Untuk mengistal versi yang telah dirilis anda dapat menggunakan
pip (pip dalam instalasi seaborn) atau anda dapat menggunakan pip untuk
instalasi versi pengembangan, dengan perintah pip instal git +
(git://github.com/seaborn/waskom). Pilihan yang lain akan menggandakan
repositori dari github dan mengistal dengan pip install dari direktori source.
Seaborn ini sendiri berasal dari Phyton murni, sehingga cara pinstalasi nya
cukup sederhana bila menggunakan versi pengembangan.
Yang
diperlukan :
1.
Phyton 2.7 atau 3.3+
2.
Matplotlib
3.
Pandas
4.
Seaborn Import
5.
Scipy
6.
Umpy
Seaborn akan menerapkan parameter gaya default untuk global
(umum) gaya matplotlib kamus ketika mengimpor. Ini datap mengubah tampilan
semua plot, termasuk yang dibuat dengan menggunakan fungsi matplotlib langsung.
Untuk itu dapat menggunakan matplotlib umum (bawaan)
·
Instalasi GGPLOT2
Sebelum menggunakan GGPLOT2 ini diwajibkan untuk
mengistalnya terlebih dahulu, dan pastikan anda mengistal versi terbaru dari
http://r-project.org kemudian jalankan, berikut baris kode untuk meng-unduh dan
menginstal paket ggplot2. Instal packages ggplot2 tidak sempurna? sehingga dari
waktu ke waktu anda menemukan suatu masalah pada saat proses instalasi atau
berkas tidak terunduh dengan baik.
Masuklah
ke situs-situs ini, berisi tentang makalah yang berhubungan dengan ggplot2.
Website
cran , http: //cran.r-project.or/web/paket/ggplot2/
ggplot2
mailing list , http://groups.google.com/grou /ggplot2/
Situs
buku ,http://had.co.nz/ggplot2/book, menyediakan update untuk buku ini, serta
PDF yang berisi semua grafis yang digunakan dalam buku ini, dengan kode dan
data yang diperlukan untuk mereproduksi mereka .
Selain kedua aplikasi penting diatas yang terpenting adalah
spesifikasi dari konputer untuk mengolah pemrograman ini. Pertama yang harus
kita tau, apa sih komputer itu sendiri. Komputer adalah salah satu perangkat
yang sudah menjadi kebutuhan manusia yang manusia gunakan untuk membantunya
dalam menjalankan tugasnya seperti desain, pemrograman, mengetik, membantu
menghiburnya seperti: memutar lagu, Video, bermain game, dan lain sebagainya
karena melihat tujuan dan pemanfaat dari pemakaian komputer yang berbeda-beda,
hal ini juga mempengaruhi spesifikasi (komponen-komponen) penyusun dari
komputer itu sendiri agar komputer yang dibeli sesuai dengan keperluan
penggunaannya.
Bagi seorang programmer saat ini, komputer adalah alat atau
tools yang paling utama dalam menyelesaikan pekerjaan sehari-hari atau
berbulan-bulan. Yang menjadi acuan adalah jenis sistem yang dibuat dan
dibangun. Tiap programmer tentunya mendambakan komputer yang kencang speednya
ketika digunakan untuk membuat aplikasi. Akan sangat menjengkelkan ketika
komputer yang dipakai menjadi lambat dan ngehang. Untuk menjaga hal itu mari
kita rakit komputer dengan keinginan kita.
Singkatnya yang terpenting adalah untuk mengolah suatu
bahasa pemrograman dibutuhkan sebuah peran processor yang mumpuni. Untuk
mengolah sedikit sintaks tidak memerlukan processor yang cepat, namun bayangkan
jika kita mengolah banyak sekali kata atau sintaks pada suatu source code, maka
carilah processor yang benar-benar bermanfaat dan harga terjangkau.
Scipy+Numpy+Python+Matplotlib=Nice
Bagi anda yang ingin melakukan komputasi sains tapi tidak
mempunyai MatLab, anda bisa menggunakan python sebagai penggantinya. Python
adalah salah satu bahasa pemrograman. Python dapat di-download secara gratis di
sini. Untuk keperluan komputasi, sebaiknya menggunakan versi 2.6.
Kalau
anda belum pernah mempelajari python dan computer science sebelumnya, saya
sangat merekomendasikan buku “Python Programming: An Introduction to Computer
Science” karya John M Zelle. Buku tersebut bisa di-download di sini: Python
Programming: An Introduction to Computer Science.
Sebenarnya
python bukan bahasa pemrograman yang dikhususkan untuk melakukan komputasi,
tapi dengan adanya beberapa modul-modul yang disediakan (secara gratis), python
dapat digunakan untuk keperluan komputasi. Beberapa modul saya gunakan untuk
komputasi antara lain: SciPy, NumPy, dan Matplotlib.
1
SciPy
SciPy adalah modul untuk melakukan beberapa perhitungan
scientific dengan python. Sedikit contohnya adalah integral numerik,
menyelesaikan persamaan differensial secara numerik, optimisasi, interpolasi,
pemrosesan sinyal, dll. SciPy dapat di-download di situs resmi dan
dokumentasinya dapat di-download di situs resmi.
2
NumPy
NumPy
adalah modul yang menyediakan objek-objek matematika yang memudahkan dalam
melakukan perhitungan. Untuk menggunakan SciPy, biasanya kita membutuhkan
NumPy. Objek utama yang disediakan NumPy adalah array yang dapat berperan
sebagai matrix. Array ini tidak sama dengan array biasa pada bahasa-bahasa
pemrograman secara umum. Agak susah untuk dijelaskan jadi sebaiknya anda
mencoba sendiri.
3
Matplotlib
Nah, modul yang satu ini sangat penting untuk membuat
grafik. Jika tidak ada modul ini, data-data yang diperoleh menggunakan NumPy
dan SciPy tidak dapat divisualisasikan. Matplotlib menyediakan banyak fungsi di
antaranya untuk menggambar grafik biasa, grafik polar, plot kontur, grafik 3D,
dll. Untuk mengunjungi website matplotlib, bisa klik di sini. Kalau anda malas
mendownload dan meng-install satu per satu modul di atas.
Contoh penggunaan
KASUS
I:
Tinjau
sebuah benda dengan persamaan gerak sebagai berikut: y'= -y+\sin(4t) dan
kondisi awalnya adalah y=2
Tugas
kita adalah menggambarkan grafik y sebagai fungsi t. Berikut adalah kodenya:
>>>
from pylab import * #mengimpor beberapa fungsi penting dari NumPy dan
Matplotlib
>>>
from scipy.integrate import odeint #Ordinary Differential Equation
>>>
t = arange(0, 10.001, 0.01) #membuat rentang waktu dari 0-10 s
>>>
f = lambda y,t: -y+sin(4*t) #fungsi y' dalam y dan t
>>>
y = odeint(f, 2, t) #menyelesaikan persamaan differensial dengan 2 sebagai
kondisi awal y
>>>
plot(t,y) #memplot dengan t sebagai absis dan y sebagai ordinat
>>>
show() #menampilkan grafik
KASUS
II:
Tinjau
sebuah balok yang sangat panjang dengan penampang berupa persegi (tanpa alas
dan tanpa tutup). Balok tersebut terdiri dari 4 plat konduktor yang sangat
panjang dan tidak terhubung satu sama lain. Misalkan salah satu plat diberi
potensial 1V dan tiga plat yang lainnya diberi potensial 0V. Kita disuruh
mencari distribusi potensial di dalam balok tersebut.
Cara
mencarinya tidak saya jelaskan di sini karena cukup panjang (mungkin di post
yang lain), tapi hasilnya adalah sebagai berikut:
Gambar
di atas adalah plot kontur potensial sebagai fungsi posisi.
Masih terdapat pembahasan lain, silahkan unduh di SINI
