Horizontal Bar Plot, Histogram & Subplots

Pada materi sebelumnya kita telah mempelajari beberapa jenis visualisasi dasar menggunakan Matplotlib:

Line Plot.
Scatter Plot.
Bar Plot.

Pada materi ini kita akan melanjutkan dengan tiga konsep penting:

Horizontal Bar Plot menggunakan ax.barh().
Histogram menggunakan ax.hist().
Subplots untuk membuat beberapa visualisasi dalam satu Figure.

Ketiga konsep ini sangat berguna dalam Exploratory Data Analysis atau EDA.

Secara sederhana:

Matplotlib
    │
    ├── Bar Plot
    │
    ├── Horizontal Bar Plot
    │
    ├── Histogram
    │
    └── Subplots

Horizontal Bar Plot

Pada materi sebelumnya kita telah menggunakan:

ax.bar()

untuk membuat bar plot vertikal.

Contohnya:

Harga
  │
12│        █
10│  █     █
 8│  █  █  █
  │──────────────
     A  P  C

Matplotlib juga menyediakan:

ax.barh()

untuk membuat horizontal bar plot.

Hasilnya kurang lebih:

Almond  ██████████ 10
Peanut  ████████    8
Cashew  ████████████ 12

Menggunakan `ax.barh()`

Sintaks dasar:

ax.barh(y, width)

Berbeda dengan ax.bar(), pada barh() kita menggunakan:

 y
 ↓
Kategori

width
 ↓
Nilai / panjang batang

Sedangkan pada bar plot vertikal:

ax.bar(x, height)

menggunakan:

 x
 ↓
Kategori

height
 ↓
Nilai / tinggi batang

Perbedaan `bar()` dan `barh()`

Fungsi	Orientasi	Kategori	Nilai
`ax.bar()`	Vertikal	`x`	`height`
`ax.barh()`	Horizontal	`y`	`width`

Secara visual:

ax.bar()

      █
  █   █
  █ █ █
──────────
 A B C

Sedangkan:

ax.barh()

A █████
B ███████
C ████

Menyiapkan Data Dictionary

Kita akan menggunakan data harga nut butter.

nut_butter_prices = {
    "Almond butter": 10,
    "Peanut butter": 8,
    "Cashew butter": 12,
}

Dictionary tersebut memiliki:

Keys
 ↓
Nama produk

Values
 ↓
Harga

Kita dapat mengambil keys menggunakan:

nut_butter_prices.keys()

dan values menggunakan:

nut_butter_prices.values()

Mengubah `keys()` dan `values()` Menjadi List

Untuk penggunaan barh(), kita dapat mengubah data dictionary menjadi list.

list(nut_butter_prices.keys())

dan:

list(nut_butter_prices.values())

Contohnya:

categories = list(nut_butter_prices.keys())
prices = list(nut_butter_prices.values())

Sekarang:

categories
→ ["Almond butter", "Peanut butter", "Cashew butter"]

prices
→ [10, 8, 12]

Membuat Horizontal Bar Plot

Contoh lengkap:

import matplotlib.pyplot as plt

nut_butter_prices = {
    "Almond butter": 10,
    "Peanut butter": 8,
    "Cashew butter": 12,
}

fig, ax = plt.subplots()

ax.barh(
    list(nut_butter_prices.keys()),
    width=list(nut_butter_prices.values())
)

ax.set(
    title="Harga Nut Butter",
    xlabel="Harga ($)",
    ylabel="Jenis Nut Butter"
)

plt.show()

matplotlib

Memahami Parameter `barh()`

Perhatikan:

ax.barh(
    list(nut_butter_prices.keys()),
    width=list(nut_butter_prices.values())
)

Parameter pertama:

list(nut_butter_prices.keys())

menentukan kategori pada sumbu Y.

Parameter:

width=list(nut_butter_prices.values())

menentukan panjang masing-masing batang.

Secara sederhana:

Y Axis
  ↓
Kategori

X Axis
  ↓
Nilai

Kapan Menggunakan Horizontal Bar Plot?

Horizontal bar plot sangat berguna ketika:

Nama kategori panjang.
Banyak kategori yang harus dibandingkan.
Label kategori sulit dibaca jika diletakkan secara horizontal.
Kita ingin membandingkan ranking secara visual.

Contohnya:

Harga Produk
│
Almond Butter   ██████████
Peanut Butter   ████████
Cashew Butter   ████████████

Nama kategori lebih mudah dibaca dibandingkan jika diputar atau dipadatkan pada sumbu X.

Histogram

Jenis visualisasi berikutnya adalah histogram.

Histogram digunakan untuk melihat distribusi data numerik dengan membagi rentang nilai ke dalam beberapa interval yang disebut bins.

Contoh sederhana:

Frekuensi
   │
   │       █
   │    █  █
   │    █  █  █
   │ █  █  █  █
   └────────────────
      Nilai

Histogram berbeda dari bar plot.

Bar plot biasanya digunakan untuk:

Kategori → Nilai

Sedangkan histogram digunakan untuk:

Nilai numerik → Distribusi frekuensi

Membuat Data Acak dengan `np.random.randn()`

Untuk mempraktikkan histogram, kita dapat membuat data acak menggunakan:

np.random.randn()

Contoh:

x = np.random.randn(1000)

Kode tersebut menghasilkan 1000 nilai acak yang mengikuti distribusi normal standar.

Kita dapat memeriksa jumlah datanya:

print(x.size)

Hasil:

Apa Itu Distribusi Normal?

Distribusi normal sering digambarkan sebagai bentuk seperti lonceng:

              █
           ███████
        █████████████
     ███████████████████
──────────────────────────

Distribusi normal memiliki nilai yang lebih banyak berada di sekitar pusat distribusi dibandingkan bagian ekstrem.

Namun, penting untuk memahami bahwa data nyata tidak selalu mengikuti distribusi normal.

Membuat Histogram dengan `ax.hist()`

Fungsi yang digunakan:

ax.hist()

Contoh: f

import numpy as np
import matplotlib.pyplot as plt

x = np.random.randn(1000)

fig, ax = plt.subplots()

ax.hist(x)

plt.show()

matplotlib

Matplotlib akan membagi data ke dalam beberapa bins dan menghitung berapa banyak data yang masuk ke masing-masing interval.

Memahami Bins

Misalnya kita memiliki data:

1, 2, 3, 4, 5, 6, 7, 8, 9

Data dapat dibagi menjadi beberapa interval:

1–3
4–6
7–9

Kemudian dihitung jumlah data dalam setiap interval.

Secara konseptual:

Interval    Frekuensi

1–3         ███
4–6         ███
7–9         ███

Histogram melakukan proses tersebut secara otomatis.

Mengatur Jumlah Bins

Jumlah bins dapat diatur menggunakan parameter:

bins

Contoh:

fig, ax = plt.subplots()

ax.hist(
    x,
    bins=20
)

plt.show()

Semakin banyak bins, interval menjadi semakin kecil.

Sebaliknya, semakin sedikit bins, interval menjadi lebih lebar.

Perbandingan:

Sedikit bins:

███
██████
████

Banyak bins:

█ ██ ███ ██ █ ███ ██

Pemilihan jumlah bins dapat memengaruhi cara distribusi data terlihat, sehingga perlu disesuaikan dengan ukuran dan karakteristik dataset.

Menambahkan Title dan Label Histogram

Contoh:

fig, ax = plt.subplots()

ax.hist(
    x,
    bins=20
)

ax.set(
    title="Distribusi Data",
    xlabel="Nilai",
    ylabel="Frekuensi"
)

plt.show()

Sekarang grafik memiliki informasi yang lebih jelas.

Histogram dalam Exploratory Data Analysis

Histogram sangat berguna dalam EDA.

Kita dapat menggunakannya untuk melihat:

Distribusi data.
Penyebaran data.
Konsentrasi nilai.
Kemungkinan skewness.
Nilai ekstrem.
Bentuk distribusi.

Contohnya:

Dataset
   ↓
Histogram
   ↓
Distribusi
   ↓
Analisis karakteristik data

Histogram juga dapat membantu menentukan apakah suatu data terlihat:

Simetris
Skewed ke kanan
Skewed ke kiri
Bimodal
Memiliki outlier

Interpretasi tersebut tetap perlu dilakukan dengan hati-hati dan tidak hanya berdasarkan satu grafik.

Perbedaan Bar Plot dan Histogram

Bar plot dan histogram sama-sama menggunakan batang, tetapi tujuan dan datanya berbeda.

Karakteristik	Bar Plot	Histogram
Data	Kategori	Numerik
Tujuan	Membandingkan kategori	Melihat distribusi
Sumbu X	Kategori	Interval nilai
Batang	Mewakili kategori	Mewakili bins
Contoh	Harga produk	Distribusi usia

Contoh bar plot:

Produk A ███████
Produk B █████
Produk C █████████

Contoh histogram:

Frekuensi
  │
  │      ███
  │  ███████
  │ █████████
  └──────────────
      Nilai

Subplots

Terkadang kita ingin menampilkan beberapa visualisasi sekaligus.

Misalnya:

Line Plot
Scatter Plot
Bar Plot
Histogram

daripada membuat empat Figure terpisah, kita dapat menempatkannya dalam satu Figure menggunakan subplots.

Contoh:

Figure
┌───────────────┬───────────────┐
│  Line Plot    │ Scatter Plot  │
├───────────────┼───────────────┤
│  Bar Plot     │ Histogram     │
└───────────────┴───────────────┘

Membuat Grid Subplots

Kita dapat menggunakan:

plt.subplots()

dengan parameter:

nrows
ncols

Contoh:

fig, ax = plt.subplots(
    nrows=2,
    ncols=2
)

Artinya:

2 rows
×
2 columns

sehingga terdapat empat Axes.

Axes[0, 0]    Axes[0, 1]

Axes[1, 0]    Axes[1, 1]

Mengakses Axes dengan Tuple Unpacking

Jika kita mengetahui bahwa terdapat 2 × 2 Axes, kita dapat melakukan tuple unpacking:

fig, ((ax1, ax2), (ax3, ax4)) = plt.subplots(
    nrows=2,
    ncols=2
)

Sekarang kita memiliki:

ax1 → posisi [0, 0]

ax2 → posisi [0, 1]

ax3 → posisi [1, 0]

ax4 → posisi [1, 1]

Kita dapat menggunakan masing-masing Axes untuk visualisasi yang berbeda.

Contoh Subplots 2 × 2

Gunakan data:

import numpy as np
import matplotlib.pyplot as plt

x = np.linspace(0, 10, 100)

nut_butter_prices = {
    "Almond butter": 10,
    "Peanut butter": 8,
    "Cashew butter": 12,
}

Kemudian:

fig, ((ax1, ax2), (ax3, ax4)) = plt.subplots(
    nrows=2,
    ncols=2,
    figsize=(10, 5)
)

Axes Pertama - Line Plot

ax1.plot(x, x / 2)

Axes Kedua - Scatter Plot

ax2.scatter(
    np.random.random(10),
    np.random.random(10)
)

Axes Ketiga - Bar Plot

ax3.bar(
    nut_butter_prices.keys(),
    nut_butter_prices.values()
)

Axes Keempat - Histogram

ax4.hist(
    np.random.randn(1000)
)

Kode lengkap:

import numpy as np
import matplotlib.pyplot as plt

x = np.linspace(0, 10, 100)

nut_butter_prices = {
    "Almond butter": 10,
    "Peanut butter": 8,
    "Cashew butter": 12,
}

fig, ((ax1, ax2), (ax3, ax4)) = plt.subplots(
    nrows=2,
    ncols=2,
    figsize=(10, 5)
)

ax1.plot(x, x / 2)

ax2.scatter(
    np.random.random(10),
    np.random.random(10)
)

ax3.bar(
    nut_butter_prices.keys(),
    nut_butter_prices.values()
)

ax4.hist(
    np.random.randn(1000)
)

plt.show()

matplotlib

Mengatur Judul Setiap Subplot

Kita dapat memberikan judul berbeda untuk setiap Axes.

ax1.set_title("Line Plot")
ax2.set_title("Scatter Plot")
ax3.set_title("Bar Plot")
ax4.set_title("Histogram")

Contoh:

fig, ((ax1, ax2), (ax3, ax4)) = plt.subplots(
    2,
    2,
    figsize=(10, 6)
)

ax1.plot(x, x / 2)
ax1.set_title("Line Plot")

ax2.scatter(
    np.random.random(10),
    np.random.random(10)
)
ax2.set_title("Scatter Plot")

ax3.bar(
    nut_butter_prices.keys(),
    nut_butter_prices.values()
)
ax3.set_title("Bar Plot")

ax4.hist(np.random.randn(1000))
ax4.set_title("Histogram")

plt.show()

Mengatur Ukuran Figure

Saat menggunakan banyak subplot, ukuran Figure biasanya perlu diperbesar.

Gunakan:

figsize=(10, 6)

Contoh:

fig, ax = plt.subplots(
    2,
    2,
    figsize=(10, 6)
)

Ingat bahwa:

figsize=(width, height)

menggunakan satuan inch.

Pendekatan Kedua - `plt.subplot()`

Selain:

plt.subplots()

Matplotlib juga menyediakan:

plt.subplot()

Perhatikan perbedaannya:

plt.subplots()
     ↓
Membuat Figure + Axes

plt.subplot()
     ↓
Membuat / memilih satu subplot pada posisi tertentu

Sintaks:

plt.subplot(nrows, ncols, index)

Parameter:

Parameter	Fungsi
`nrows`	Jumlah baris
`ncols`	Jumlah kolom
`index`	Posisi subplot

Index dimulai dari:

bukan 0.

Contoh `plt.subplot()`

Kita dapat membuat Figure:

fig = plt.figure(figsize=(10, 5))

Kemudian membuat subplot pertama:

ax1 = fig.add_subplot(2, 2, 1)

Subplot kedua:

ax2 = fig.add_subplot(2, 2, 2)

Strukturnya:

┌───────────────┬───────────────┐
│       1       │       2       │
├───────────────┼───────────────┤
│       3       │       4       │
└───────────────┴───────────────┘

Contoh:

fig = plt.figure(figsize=(10, 5))

ax1 = fig.add_subplot(2, 2, 1)
ax1.plot(x, x / 2)

ax2 = fig.add_subplot(2, 2, 2)
ax2.scatter(
    np.random.random(10),
    np.random.random(10)
)

plt.show()

`plt.subplots()` vs `add_subplot()`

Keduanya dapat digunakan untuk membuat beberapa Axes.

Namun pendekatannya berbeda.

`plt.subplots()`

Contoh:

fig, ax = plt.subplots(2, 2)

Kita langsung mendapatkan kumpulan Axes.

Pendekatan ini biasanya lebih nyaman ketika struktur layout sudah diketahui sejak awal.

`fig.add_subplot()`

Contoh:

fig = plt.figure()

ax1 = fig.add_subplot(2, 2, 1)
ax2 = fig.add_subplot(2, 2, 2)

Kita membuat atau menambahkan Axes satu per satu.

Pendekatan ini berguna ketika kita ingin mengelola Axes secara bertahap.

Mana yang Digunakan?

Untuk workflow umum, kita akan lebih sering menggunakan:

fig, ax = plt.subplots()

atau:

fig, ax = plt.subplots(
    nrows=2,
    ncols=2
)

Karena struktur Figure dan Axes dapat dibuat dengan jelas sejak awal.

Sedangkan add_subplot() tetap penting untuk dipahami karena akan sering ditemukan dalam kode dan dokumentasi Matplotlib.

Contoh Workflow Lengkap

Berikut contoh yang menggabungkan seluruh materi:

import numpy as np
import matplotlib.pyplot as plt

# Data
x = np.linspace(0, 10, 100)

nut_butter_prices = {
    "Almond butter": 10,
    "Peanut butter": 8,
    "Cashew butter": 12,
}

# Membuat Figure dan 4 Axes
fig, ((ax1, ax2), (ax3, ax4)) = plt.subplots(
    nrows=2,
    ncols=2,
    figsize=(12, 8)
)

# Line Plot
ax1.plot(x, x**2)
ax1.set_title("Line Plot")

# Scatter Plot
ax2.scatter(x, np.sin(x))
ax2.set_title("Scatter Plot")

# Horizontal Bar Plot
ax3.barh(
    list(nut_butter_prices.keys()),
    width=list(nut_butter_prices.values())
)
ax3.set_title("Horizontal Bar Plot")

# Histogram
ax4.hist(np.random.randn(1000))
ax4.set_title("Histogram")

# Menampilkan Figure
plt.show()

matplotlib

Hasilnya merupakan satu Figure dengan empat jenis visualisasi.

Mengapa Subplots Berguna dalam EDA?

Dalam Exploratory Data Analysis, kita sering ingin membandingkan beberapa visualisasi.

Misalnya:

Figure
│
├── Distribusi data
├── Hubungan variabel
├── Perbandingan kategori
└── Tren data

Dengan subplot, semua informasi tersebut dapat ditampilkan dalam satu Figure.

Hal ini membantu kita mendapatkan gambaran dataset secara lebih menyeluruh.

Tips Membuat Subplots

Gunakan Ukuran Figure yang Cukup

Jika jumlah subplot banyak, gunakan ukuran Figure yang lebih besar.

Contoh:

fig, ax = plt.subplots(
    2,
    2,
    figsize=(12, 8)
)

Berikan Judul

Setiap subplot sebaiknya memiliki konteks yang jelas.

ax1.set_title("Distribusi Harga")
ax2.set_title("Hubungan X dan Y")

Hindari Informasi yang Terlalu Padat

Jika terlalu banyak grafik ditempatkan dalam satu Figure, grafik dapat menjadi sulit dibaca.

Lebih banyak subplot tidak selalu berarti visualisasi lebih baik.

Fokus pada pertanyaan analisis yang ingin dijawab.

Ringkasan

Pada materi ini kita mempelajari tiga konsep utama.

Horizontal Bar Plot

Menggunakan:

ax.barh(y, width)

Digunakan untuk membuat bar plot horizontal.

Histogram

Menggunakan:

ax.hist(x)

Digunakan untuk melihat distribusi data numerik.

Subplots

Menggunakan:

fig, ax = plt.subplots(
    nrows,
    ncols
)

Digunakan untuk membuat beberapa Axes dalam satu Figure.

Cheat Sheet

Horizontal Bar Plot

fig, ax = plt.subplots()

ax.barh(
    categories,
    width=values
)

plt.show()

Histogram

fig, ax = plt.subplots()

ax.hist(data)

plt.show()

Subplots

fig, ax = plt.subplots(
    nrows=2,
    ncols=2
)

Tuple Unpacking

fig, ((ax1, ax2), (ax3, ax4)) = plt.subplots(
    2,
    2
)

`add_subplot()`

fig = plt.figure()

ax1 = fig.add_subplot(2, 2, 1)
ax2 = fig.add_subplot(2, 2, 2)

Fungsi yang Perlu Diingat

Fungsi	Kegunaan
`ax.bar()`	Bar plot vertikal
`ax.barh()`	Bar plot horizontal
`ax.hist()`	Histogram
`plt.subplots()`	Membuat Figure dan Axes
`fig.add_subplot()`	Menambahkan Axes ke Figure
`np.random.randn()`	Menghasilkan sampel acak dari distribusi normal standar
`np.linspace()`	Membuat angka yang berjarak merata

Checklist Pembelajaran

Setelah menyelesaikan materi ini, Anda seharusnya dapat:

Latihan

Latihan 1 - Horizontal Bar Plot

Gunakan data:

programming_languages = {
    "Python": 95,
    "JavaScript": 85,
    "Java": 75,
    "C++": 65,
}

Buat horizontal bar plot.

Tambahkan:

Title.
X label.
Y label.

Latihan 2 - Histogram

Buat 1000 data acak:

data = np.random.randn(1000)

Kemudian buat histogram dengan:

bins=20

Tambahkan:

Title.
X label.
Y label.

Latihan 3 - Membandingkan Bins

Gunakan dataset yang sama.

Buat tiga histogram dengan jumlah bins:

10
20
50

Bandingkan bagaimana perubahan jumlah bins memengaruhi tampilan distribusi.

Latihan 4 - Subplots

Buat Figure dengan layout:

2 × 2

Isi dengan:

Line Plot
Scatter Plot
Bar Plot
Histogram

Berikan title untuk setiap subplot.

Latihan 5 - EDA Mini

Buat sebuah dataset numerik menggunakan NumPy.

Kemudian tampilkan dalam satu Figure:

┌───────────────────┬───────────────────┐
│   Line Plot       │   Scatter Plot    │
├───────────────────┼───────────────────┤
│   Bar Plot        │   Histogram       │
└───────────────────┴───────────────────┘

Kemudian jelaskan informasi apa yang dapat diperoleh dari masing-masing visualisasi.

Horizontal Bar Plot​

Menggunakan ax.barh()​

Perbedaan bar() dan barh()​

Menyiapkan Data Dictionary​

Mengubah keys() dan values() Menjadi List​

Membuat Horizontal Bar Plot​

Memahami Parameter barh()​

Kapan Menggunakan Horizontal Bar Plot?​

Histogram​

Membuat Data Acak dengan np.random.randn()​

Apa Itu Distribusi Normal?​

Membuat Histogram dengan ax.hist()​

Memahami Bins​

Mengatur Jumlah Bins​

Menambahkan Title dan Label Histogram​

Histogram dalam Exploratory Data Analysis​

Perbedaan Bar Plot dan Histogram​

Subplots​

Membuat Grid Subplots​

Mengakses Axes dengan Tuple Unpacking​

Contoh Subplots 2 × 2​

Axes Pertama - Line Plot​

Axes Kedua - Scatter Plot​

Axes Ketiga - Bar Plot​

Axes Keempat - Histogram​

Mengatur Judul Setiap Subplot​

Mengatur Ukuran Figure​

Pendekatan Kedua - plt.subplot()​

Contoh plt.subplot()​

plt.subplots() vs add_subplot()​

plt.subplots()​

fig.add_subplot()​

Mana yang Digunakan?​

Contoh Workflow Lengkap​

Mengapa Subplots Berguna dalam EDA?​

Tips Membuat Subplots​

Gunakan Ukuran Figure yang Cukup​

Berikan Judul​

Hindari Informasi yang Terlalu Padat​

Ringkasan​

Horizontal Bar Plot​

Histogram​

Subplots​

Cheat Sheet​

Horizontal Bar Plot​

Histogram​

Subplots​

Tuple Unpacking​

add_subplot()​

Fungsi yang Perlu Diingat​

Checklist Pembelajaran​

Latihan​

Latihan 1 - Horizontal Bar Plot​

Latihan 2 - Histogram​

Latihan 3 - Membandingkan Bins​

Latihan 4 - Subplots​

Latihan 5 - EDA Mini​

Share

Horizontal Bar Plot

Menggunakan `ax.barh()`

Perbedaan `bar()` dan `barh()`

Menyiapkan Data Dictionary

Mengubah `keys()` dan `values()` Menjadi List

Membuat Horizontal Bar Plot

Memahami Parameter `barh()`

Kapan Menggunakan Horizontal Bar Plot?

Histogram

Membuat Data Acak dengan `np.random.randn()`

Apa Itu Distribusi Normal?

Membuat Histogram dengan `ax.hist()`

Memahami Bins

Mengatur Jumlah Bins

Menambahkan Title dan Label Histogram

Histogram dalam Exploratory Data Analysis

Perbedaan Bar Plot dan Histogram

Subplots

Membuat Grid Subplots

Mengakses Axes dengan Tuple Unpacking

Contoh Subplots 2 × 2

Axes Pertama - Line Plot

Axes Kedua - Scatter Plot

Axes Ketiga - Bar Plot

Axes Keempat - Histogram

Mengatur Judul Setiap Subplot

Mengatur Ukuran Figure

Pendekatan Kedua - `plt.subplot()`

Contoh `plt.subplot()`

`plt.subplots()` vs `add_subplot()`

`plt.subplots()`

`fig.add_subplot()`

Mana yang Digunakan?

Contoh Workflow Lengkap

Mengapa Subplots Berguna dalam EDA?

Tips Membuat Subplots

Gunakan Ukuran Figure yang Cukup

Berikan Judul

Hindari Informasi yang Terlalu Padat

Ringkasan

Horizontal Bar Plot

Histogram

Subplots

Cheat Sheet

Horizontal Bar Plot

Histogram

Subplots

Tuple Unpacking

`add_subplot()`

Fungsi yang Perlu Diingat

Checklist Pembelajaran

Latihan

Latihan 1 - Horizontal Bar Plot

Latihan 2 - Histogram

Latihan 3 - Membandingkan Bins

Latihan 4 - Subplots

Latihan 5 - EDA Mini