Facetgrid

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