0Pricing
Learn AI with Python · Pelajaran

Histogram dan Diagram Sebar

Menganalisis distribusi data

Histogram dan Diagram Sebar adalah pelajaran Learn AI with Python gratis di CoddyKit. Ini adalah pelajaran 3 dari 5. Kamu bisa membaca pelajaran lengkapnya di bawah secara gratis — lalu praktikkan langsung di browser dengan editor kode bawaan dan tutor AI 24/7. Ini adalah bagian dari jalur belajar Learn AI with Python, dan progresmu tersinkronisasi di web dan aplikasi CoddyKit. Kursus Learn AI with Python mencakup 5 pelajaran total.

Histogram dan Plot Scatter

Histogram dan Plot Scatter

Histogram dan plot sebar merupakan alat penting untuk menganalisis dan memvisualisasikan distribusi serta hubungan dalam data.

Histogram menunjukkan distribusi frekuensi data, sedangkan plot sebar memperlihatkan hubungan antara dua variabel.

Histogram dan Diagram Sebar — ilustrasi 1

Memahami Histogram

Memahami Histogram

Histogram mengelompokkan data ke dalam bin dan menunjukkan seberapa sering setiap rentang nilai muncul. Tinggi setiap batang menunjukkan frekuensinya.

Misalnya, histogram dapat menunjukkan distribusi usia dalam suatu populasi.

Contoh Histogram

Contoh Histogram

Bayangkan kita memiliki data usia 100 orang. Histogram dapat membantu kita memahami bagaimana usia-usia tersebut tersebar dalam berbagai rentang.

Memahami Plot Pencar

Memahami Plot Pencar

Plot pencar menampilkan titik-titik data pada bidang dua dimensi. Setiap titik mewakili sepasang nilai dari dua variabel.

Misalnya, plot pencar dapat menunjukkan hubungan antara jumlah jam belajar dan nilai ujian.

Contoh Plot Pencar

Contoh Plot Pencar

Perhatikan data yang menunjukkan jumlah jam belajar siswa dan nilai ujian mereka. Plot pencar dapat menunjukkan apakah terdapat korelasi positif, negatif, atau tidak ada korelasi antara variabel-variabel tersebut.

Membuat Histogram di Python

Membuat Histogram di Python

Berikut adalah contoh cara membuat histogram menggunakan Matplotlib:

import matplotlib.pyplot as plt
import numpy as np

data = np.random.normal(50, 10, 100)
plt.hist(data, bins=10, color='blue', alpha=0.7)
plt.title('Histogram Example')
plt.xlabel('Value')
plt.ylabel('Frequency')
plt.show()

Membuat Plot Scatter di Python

Membuat Plot Scatter di Python

Berikut contoh cara membuat plot sebar menggunakan Matplotlib:

import matplotlib.pyplot as plt

x = [1, 2, 3, 4, 5]
y = [10, 20, 25, 30, 50]

plt.scatter(x, y, color='red')
plt.title('Scatter Plot Example')
plt.xlabel('X-axis')
plt.ylabel('Y-axis')
plt.show()

Membandingkan Histogram dan Plot Pencar

Membandingkan Histogram dan Plot Pencar

Histogram menunjukkan distribusi data, sedangkan plot pencar mengungkapkan hubungan antara dua variabel. Keduanya bermanfaat, bergantung pada tujuan analisis.

Rangkuman dan Langkah Berikutnya

Rangkuman dan Langkah Berikutnya

Dalam pelajaran ini, kita telah membahas:

  • Tujuan histogram dan plot pencar.
  • Cara membuat dan menganalisisnya di Python.

Selanjutnya, kita akan mempelajari heatmap untuk memvisualisasikan korelasi dan matriks.

Histogram dan Diagram Sebar — ilustrasi 10

Pertanyaan yang Sering Diajukan

Apakah pelajaran “Histogram dan Diagram Sebar” gratis?

Ya — teks lengkap “Histogram dan Diagram Sebar” gratis dibaca di sini di web. Untuk praktiknya secara interaktif (editor kode bawaan dan tutor AI 24/7) dan buka sisa kursus Learn AI with Python, upgrade ke CoddyKit PRO. Kursus Learn AI with Python mencakup 5 pelajaran total.

Apa yang akan aku pelajari di “Histogram dan Diagram Sebar”?

Menganalisis distribusi data Kamu berlatih Learn AI with Python dengan kode praktik yang langsung kamu jalankan di browser, dan tutor AI 24/7 menjawab pertanyaanmu saat kamu mengerjakan pelajaran ini.

Apakah aku perlu pengalaman untuk memulai Learn AI with Python?

Tidak diperlukan pengalaman sebelumnya. Learn AI with Python di CoddyKit dirancang untuk pemula hingga pelajar tingkat lanjut, jadi kamu bisa memulai di sini atau dari awal dan belajar sesuai kecepatan kamu sendiri. Ini adalah pelajaran 3 dari 5.

Berapa lama pelajaran “Histogram dan Diagram Sebar” memakan waktu?

Sebagian besar pelajaran CoddyKit memakan waktu sekitar 5–10 menit. Setiap pelajaran ringkas dan interaktif, jadi kamu membuat kemajuan stabil dan melanjutkan dari tempat kamu tinggalkan di web dan aplikasi.

Bisakah aku menulis dan menjalankan kode dalam pelajaran Learn AI with Python ini?

Ya. Setiap pelajaran Learn AI with Python menyertakan editor kode bawaan, jadi kamu menulis dan menjalankan kode nyata langsung di browser dan mendapatkan umpan balik AI instan — tidak diperlukan penyiapan lokal.

Semua pelajaran dalam kursus ini

  1. Pengenalan Visualisasi Data
  2. Diagram Garis
  3. Histogram dan Diagram Sebar
  4. Peta Panas
  5. Visualisasi Interaktif
← Kembali ke Learn AI with Python