Matplotlib: Visualisasi Data Python

📋 Daftar Isi

Pengenalan Matplotlib
Instalasi dan Setup
Line Plot
Bar Chart
Scatter Plot
Histogram dan Pie Chart
Subplots
Styling dan Kustomisasi
Integrasi dengan Pandas
Menyimpan Grafik
Tips Visualisasi
Quiz Pemahaman

1. Pengenalan Matplotlib

Matplotlib adalah library visualisasi data paling populer di Python. Matplotlib menyediakan cara yang fleksibel dan powerful untuk membuat grafik statis, animasi, dan interaktif. Hampir semua library visualisasi Python lainnya (Seaborn, Plotly, Pandas plotting) dibangun di atas Matplotlib.

Modul utama yang digunakan adalah matplotlib.pyplot — antarmuka mirip MATLAB untuk membuat grafik dengan cepat.

Jenis Grafik yang Tersedia

Jenis Grafik	Fungsi	Cocok Untuk
Line Plot	`plt.plot()`	Tren data sepanjang waktu (time series)
Bar Chart	`plt.bar()`	Perbandingan antar kategori
Scatter Plot	`plt.scatter()`	Hubungan antara dua variabel
Histogram	`plt.hist()`	Distribusi frekuensi data
Pie Chart	`plt.pie()`	Proporsi bagian dari keseluruhan
Box Plot	`plt.boxplot()`	Sebaran data dan outlier
Heatmap	`plt.imshow()`	Matriks korelasi, intensitas

Diagram: Arsitektur Matplotlib

┌──────────────────────────────────────────────────────┐
│              ARSITEKTUR MATPLOTLIB                   │
│                                                      │
│  ┌──────────────────────────────────────────────┐    │
│  │           Scripting Layer (pyplot)            │    │
│  │   plt.plot(), plt.show(), plt.title()        │    │
│  │   → Interface sederhana, cepat               │    │
│  └──────────────────────┬───────────────────────┘    │
│                         │                            │
│  ┌──────────────────────▼───────────────────────┐    │
│  │            Artist Layer (Object-Oriented)     │    │
│  │   Figure, Axes, Axis, Line2D, Text           │    │
│  │   → Kontrol penuh atas setiap elemen         │    │
│  └──────────────────────┬───────────────────────┘    │
│                         │                            │
│  ┌──────────────────────▼───────────────────────┐    │
│  │            Backend Layer (Rendering)          │    │
│  │   Agg, PDF, SVG, GTK, Tkinter               │    │
│  │   → Render ke layar atau file                │    │
│  └──────────────────────────────────────────────┘    │
└──────────────────────────────────────────────────────┘

2. Instalasi dan Setup

Terminal — Instalasi

# Instal Matplotlib
pip install matplotlib

# Verifikasi
python -c "import matplotlib; print(matplotlib.__version__)"
# Output: 3.9.0

Setup untuk Berbagai Environment

Python — Setup

# Import konvensi
import matplotlib.pyplot as plt
import numpy as np

# Untuk Jupyter Notebook — tampilkan grafik inline
# %matplotlib inline

# Untuk Jupyter Notebook — grafik interaktif
# %matplotlib widget

# Set style global (opsional)
plt.style.use('seaborn-v0_8-darkgrid')  # Style modern
# plt.style.use('ggplot')                # Style R-like
# plt.style.use('dark_background')       # Tema gelap

# Cek style yang tersedia
print(plt.style.available)

# Set DPI untuk tampilan yang lebih tajam
plt.rcParams['figure.dpi'] = 100
plt.rcParams['savefig.dpi'] = 150

# Set font
plt.rcParams['font.family'] = 'sans-serif'
plt.rcParams['font.size'] = 12

3. Line Plot

Line plot adalah jenis grafik paling dasar — cocok untuk menampilkan tren data sepanjang waktu atau urutan.

Line Plot Dasar

Python — Line Plot

import matplotlib.pyplot as plt
import numpy as np

# Data sederhana
x = [1, 2, 3, 4, 5, 6, 7, 8, 9, 10]
y = [2, 4, 5, 7, 6, 8, 9, 10, 12, 11]

# Membuat line plot
plt.figure(figsize=(10, 6))
plt.plot(x, y, marker='o', color='blue', linewidth=2, markersize=8)
plt.title('Pertumbuhan Penjualan Bulanan', fontsize=16, fontweight='bold')
plt.xlabel('Bulan', fontsize=12)
plt.ylabel('Penjualan (Juta Rp)', fontsize=12)
plt.grid(True, alpha=0.3)
plt.tight_layout()
plt.show()

Multiple Lines

Python — Multiple Lines

import matplotlib.pyplot as plt
import numpy as np

bulan = ['Jan', 'Feb', 'Mar', 'Apr', 'Mei', 'Jun']
produk_a = [45, 52, 58, 63, 70, 78]
produk_b = [30, 35, 48, 55, 60, 65]
produk_c = [20, 28, 32, 40, 45, 52]

plt.figure(figsize=(12, 6))

# Plot tiga lini dengan gaya berbeda
plt.plot(bulan, produk_a, 'b-o', label='Laptop', linewidth=2, markersize=8)
plt.plot(bulan, produk_b, 'r--s', label='Mouse', linewidth=2, markersize=8)
plt.plot(bulan, produk_c, 'g-.^', label='Keyboard', linewidth=2, markersize=8)

plt.title('Tren Penjualan Produk (2024)', fontsize=16, fontweight='bold')
plt.xlabel('Bulan', fontsize=12)
plt.ylabel('Unit Terjual', fontsize=12)
plt.legend(fontsize=11, loc='upper left')
plt.grid(True, alpha=0.3)
plt.ylim(0, 90)

# Anotasi pada titik tertentu
plt.annotate('Target tercapai!', xy=(5, 78), xytext=(3, 82),
             fontsize=10, color='blue',
             arrowprops=dict(arrowstyle='->', color='blue'))

plt.tight_layout()
plt.show()

💡 Tips Format String

Format string singkat: 'b-o' = biru + garis + lingkaran. Warna: r(merah), g(hijau), b(biru), k(hitam). Garis: -(solid), --(putus), -.(titik-garis). Marker: o(lingkaran), s(kotak), ^(segitiga), D(diamond).

4. Bar Chart

Bar chart cocok untuk membandingkan nilai antar kategori. Matplotlib mendukung bar vertikal, horizontal, stacked, dan grouped.

Python — Bar Chart

import matplotlib.pyplot as plt
import numpy as np

# ===== Vertical Bar Chart =====
kota = ['Jakarta', 'Bandung', 'Surabaya', 'Medan', 'Makassar']
populasi = [10.56, 8.20, 5.85, 4.10, 3.25]

plt.figure(figsize=(10, 6))
bars = plt.bar(kota, populasi, color=['#3498db', '#2ecc71', '#e74c3c', '#f39c12', '#9b59b6'],
               edgecolor='white', linewidth=1.5)

# Tambahkan label nilai di atas bar
for bar, val in zip(bars, populasi):
    plt.text(bar.get_x() + bar.get_width()/2, bar.get_height() + 0.15,
             f'{val}M', ha='center', fontsize=11, fontweight='bold')

plt.title('Populasi Kota Terbesar Indonesia (Juta)', fontsize=16, fontweight='bold')
plt.xlabel('Kota', fontsize=12)
plt.ylabel('Populasi (Juta)', fontsize=12)
plt.ylim(0, 13)
plt.grid(axis='y', alpha=0.3)
plt.tight_layout()
plt.show()

Grouped Bar Chart

Python — Grouped Bar

import matplotlib.pyplot as plt
import numpy as np

# Data untuk grouped bar chart
departemen = ['IT', 'HR', 'Finance', 'Marketing']
gaji_2023 = [8500, 6200, 7800, 7000]
gaji_2024 = [9200, 6800, 8500, 7600]

x = np.arange(len(departemen))
width = 0.35

fig, ax = plt.subplots(figsize=(10, 6))
bars1 = ax.bar(x - width/2, gaji_2023, width, label='2023', color='#3498db')
bars2 = ax.bar(x + width/2, gaji_2024, width, label='2024', color='#e74c3c')

ax.set_title('Perbandingan Rata-rata Gaji per Departemen', fontsize=16, fontweight='bold')
ax.set_xlabel('Departemen', fontsize=12)
ax.set_ylabel('Gaji (Ribu Rp)', fontsize=12)
ax.set_xticks(x)
ax.set_xticklabels(departemen)
ax.legend(fontsize=11)
ax.grid(axis='y', alpha=0.3)

# Label pada bar
for bar in bars1:
    ax.text(bar.get_x() + bar.get_width()/2, bar.get_height() + 50,
            f'{bar.get_height():,}', ha='center', fontsize=9)
for bar in bars2:
    ax.text(bar.get_x() + bar.get_width()/2, bar.get_height() + 50,
            f'{bar.get_height():,}', ha='center', fontsize=9)

plt.tight_layout()
plt.show()

5. Scatter Plot

Scatter plot digunakan untuk menampilkan hubungan (korelasi) antara dua variabel numerik. Setiap titik mewakili satu observasi.

Python — Scatter Plot

import matplotlib.pyplot as plt
import numpy as np

np.random.seed(42)

# Data: jam belajar vs nilai ujian
jam_belajar = np.random.uniform(1, 10, 50)
nilai_ujian = 40 + 5 * jam_belajar + np.random.normal(0, 5, 50)
warna = np.where(nilai_ujian >= 70, '#2ecc71', '#e74c3c')

plt.figure(figsize=(10, 7))
scatter = plt.scatter(jam_belajar, nilai_ujian, c=warna,
                       s=100, alpha=0.7, edgecolors='white', linewidth=1)

# Garis tren (linear regression)
z = np.polyfit(jam_belajar, nilai_ujian, 1)
p = np.poly1d(z)
x_line = np.linspace(1, 10, 100)
plt.plot(x_line, p(x_line), 'b--', linewidth=2, label=f'Tren: y={z[0]:.1f}x+{z[1]:.1f}')

plt.title('Hubungan Jam Belajar vs Nilai Ujian', fontsize=16, fontweight='bold')
plt.xlabel('Jam Belajar per Hari', fontsize=12)
plt.ylabel('Nilai Ujian', fontsize=12)
plt.legend(fontsize=11)
plt.grid(True, alpha=0.3)

# Tambah anotasi
plt.axhline(y=70, color='orange', linestyle=':', alpha=0.7, label='KKM = 70')
plt.legend(fontsize=11)
plt.tight_layout()
plt.show()

6. Histogram dan Pie Chart

Histogram

Python — Histogram

import matplotlib.pyplot as plt
import numpy as np

np.random.seed(42)

# Distribusi nilai ujian
nilai = np.random.normal(loc=75, scale=12, size=200)
nilai = np.clip(nilai, 0, 100)  # Batasi 0-100

plt.figure(figsize=(10, 6))
n, bins, patches = plt.hist(nilai, bins=20, color='#3498db',
                             edgecolor='white', alpha=0.8)

# Warna bar berdasarkan rentang
for patch, left_edge in zip(patches, bins[:-1]):
    if left_edge < 60:
        patch.set_facecolor('#e74c3c')  # Merah (gagal)
    elif left_edge < 75:
        patch.set_facecolor('#f39c12')  # Kuning (cukup)
    else:
        patch.set_facecolor('#2ecc71')  # Hijau (baik)

plt.axvline(x=75, color='black', linestyle='--', linewidth=2, label=f'Mean: {nilai.mean():.1f}')
plt.title('Distribusi Nilai Ujian (200 Mahasiswa)', fontsize=16, fontweight='bold')
plt.xlabel('Nilai', fontsize=12)
plt.ylabel('Frekuensi', fontsize=12)
plt.legend(fontsize=11)
plt.grid(axis='y', alpha=0.3)
plt.tight_layout()
plt.show()

Pie Chart

Python — Pie Chart

import matplotlib.pyplot as plt

# Data market share
perusahaan = ['BeebaneLabs', 'Kompetitor A', 'Kompetitor B', 'Kompetitor C', 'Lainnya']
market_share = [35, 25, 20, 12, 8]
colors = ['#3498db', '#e74c3c', '#2ecc71', '#f39c12', '#95a5a6']
explode = (0.05, 0, 0, 0, 0)  # Sorong slice pertama

plt.figure(figsize=(10, 8))
wedges, texts, autotexts = plt.pie(
    market_share,
    labels=perusahaan,
    colors=colors,
    explode=explode,
    autopct='%1.1f%%',      # Tampilkan persentase
    startangle=140,           # Rotasi awal
    shadow=True,
    textprops={'fontsize': 12}
)

# Style teks persentase
for autotext in autotexts:
    autotext.set_fontweight('bold')
    autotext.set_color('white')

plt.title('Market Share Cloud Indonesia 2024', fontsize=16, fontweight='bold', pad=20)
plt.tight_layout()
plt.show()

7. Subplots

Subplots memungkinkan Anda menampilkan beberapa grafik dalam satu figure — sangat berguna untuk membandingkan data atau membuat dashboard.

Python — Subplots

import matplotlib.pyplot as plt
import numpy as np

np.random.seed(42)

# ===== Subplot dengan plt.subplot() =====
fig, axes = plt.subplots(2, 2, figsize=(14, 10))
fig.suptitle('Dashboard Analisis Data Penjualan', fontsize=18, fontweight='bold', y=1.02)

# Plot 1: Line Plot (atas kiri)
bulan = ['Jan', 'Feb', 'Mar', 'Apr', 'Mei', 'Jun']
penjualan = [45, 52, 58, 63, 70, 78]
axes[0, 0].plot(bulan, penjualan, 'b-o', linewidth=2, markersize=8)
axes[0, 0].set_title('Tren Penjualan Bulanan', fontsize=13, fontweight='bold')
axes[0, 0].set_ylabel('Unit Terjual')
axes[0, 0].grid(True, alpha=0.3)

# Plot 2: Bar Chart (atas kanan)
kota = ['Jakarta', 'Bandung', 'Surabaya', 'Medan']
pendapatan = [850, 620, 540, 380]
colors = ['#3498db', '#2ecc71', '#e74c3c', '#f39c12']
axes[0, 1].bar(kota, pendapatan, color=colors, edgecolor='white')
axes[0, 1].set_title('Pendapatan per Kota (Juta Rp)', fontsize=13, fontweight='bold')
axes[0, 1].set_ylabel('Pendapatan (Juta)')
axes[0, 1].grid(axis='y', alpha=0.3)

# Plot 3: Scatter Plot (bawah kiri)
jam = np.random.uniform(1, 10, 40)
nilai = 40 + 5 * jam + np.random.normal(0, 5, 40)
axes[1, 0].scatter(jam, nilai, c='#9b59b6', s=80, alpha=0.7, edgecolors='white')
axes[1, 0].set_title('Jam Belajar vs Nilai', fontsize=13, fontweight='bold')
axes[1, 0].set_xlabel('Jam Belajar')
axes[1, 0].set_ylabel('Nilai')
axes[1, 0].grid(True, alpha=0.3)

# Plot 4: Pie Chart (bawah kanan)
departemen = ['IT', 'HR', 'Finance', 'Marketing']
budget = [40, 20, 25, 15]
axes[1, 1].pie(budget, labels=departemen, autopct='%1.1f%%',
               colors=['#3498db', '#2ecc71', '#e74c3c', '#f39c12'],
               startangle=90)
axes[1, 1].set_title('Budget per Departemen', fontsize=13, fontweight='bold')

plt.tight_layout()
plt.show()

8. Styling dan Kustomisasi

Matplotlib Styles

Python — Styles

import matplotlib.pyplot as plt
import numpy as np

# Cek semua style yang tersedia
styles = plt.style.available
print(styles[:10])
# ['Solarize_Light2', '_classic_test_patch', 'bmh', 'dark_background',
#  'fast', 'fivethirtyeight', 'ggplot', 'grayscale', 'seaborn-v0_8', ...]

# Menggunakan style
plt.style.use('seaborn-v0_8-whitegrid')  # Modern & clean
# plt.style.use('ggplot')                  # Seperti R
# plt.style.use('fivethirtyeight')         # Seperti website FiveThirtyEight
# plt.style.use('dark_background')         # Tema gelap

# Context manager untuk style sementara
with plt.style.context('dark_background'):
    plt.figure(figsize=(8, 5))
    plt.plot([1, 2, 3, 4], [1, 4, 2, 3], 'o-', linewidth=3, markersize=10)
    plt.title('Grafik dengan Dark Theme')
    plt.show()

Kustomisasi Detail

Python — Kustomisasi

import matplotlib.pyplot as plt
import numpy as np

fig, ax = plt.subplots(figsize=(12, 7))

# Data
np.random.seed(42)
x = np.linspace(0, 10, 100)
y1 = np.sin(x)
y2 = np.cos(x)

# Plot dengan kustomisasi lengkap
ax.plot(x, y1, color='#3498db', linewidth=2.5, label='sin(x)',
        linestyle='-', marker='', zorder=2)
ax.plot(x, y2, color='#e74c3c', linewidth=2.5, label='cos(x)',
        linestyle='--', marker='', zorder=2)

# Fill area antara kurva
ax.fill_between(x, y1, y2, alpha=0.15, color='#9b59b6', label='Selisih')

# Kustomisasi axes
ax.set_title('Fungsi Sinus dan Kosinus', fontsize=18, fontweight='bold', pad=15)
ax.set_xlabel('Sumbu X (radian)', fontsize=14, labelpad=10)
ax.set_ylabel('Sumbu Y', fontsize=14, labelpad=10)

# Legend
ax.legend(fontsize=12, loc='upper right', frameon=True,
          fancybox=True, shadow=True, framealpha=0.9)

# Grid
ax.grid(True, linestyle=':', alpha=0.5)

# Spine (border) kustomisasi
ax.spines['top'].set_visible(False)
ax.spines['right'].set_visible(False)
ax.spines['left'].set_linewidth(0.5)
ax.spines['bottom'].set_linewidth(0.5)

# Tick
ax.tick_params(axis='both', which='major', labelsize=11, width=0.5)
ax.set_xlim(0, 10)
ax.set_ylim(-1.5, 1.5)

# Text anotasi
ax.annotate('Maksimum', xy=(np.pi/2, 1), xytext=(4, 1.3),
            fontsize=11, fontweight='bold', color='#3498db',
            arrowprops=dict(arrowstyle='->', color='#3498db', lw=1.5))

plt.tight_layout()
plt.show()

9. Integrasi dengan Pandas

Pandas memiliki integrasi built-in dengan Matplotlib — Anda bisa membuat grafik langsung dari DataFrame dengan satu baris kode.

Python — Pandas Plot

import pandas as pd
import matplotlib.pyplot as plt
import numpy as np

# Buat DataFrame
np.random.seed(42)
df = pd.DataFrame({
    'Bulan': ['Jan', 'Feb', 'Mar', 'Apr', 'Mei', 'Jun'],
    'Laptop': [45, 52, 58, 63, 70, 78],
    'Mouse': [200, 180, 220, 250, 230, 260],
    'Keyboard': [80, 95, 88, 110, 105, 120]
})

# Quick plot langsung dari DataFrame
df.set_index('Bulan').plot(kind='line', figsize=(10, 6), marker='o', linewidth=2)
plt.title('Penjualan Produk per Bulan', fontsize=16, fontweight='bold')
plt.ylabel('Unit Terjual')
plt.grid(True, alpha=0.3)
plt.tight_layout()
plt.show()

# Bar chart dari DataFrame
df.set_index('Bulan').plot(kind='bar', figsize=(10, 6), width=0.8)
plt.title('Penjualan per Bulan (Bar Chart)', fontsize=16, fontweight='bold')
plt.ylabel('Unit Terjual')
plt.xticks(rotation=0)
plt.grid(axis='y', alpha=0.3)
plt.tight_layout()
plt.show()

# Histogram dari kolom DataFrame
data_nilai = pd.DataFrame({
    'Matematika': np.random.normal(75, 10, 100),
    'Fisika': np.random.normal(68, 15, 100),
    'Kimia': np.random.normal(72, 12, 100)
})
data_nilai.plot(kind='hist', alpha=0.5, bins=20, figsize=(10, 6))
plt.title('Distribusi Nilai Ujian', fontsize=16, fontweight='bold')
plt.xlabel('Nilai')
plt.ylabel('Frekuensi')
plt.tight_layout()
plt.show()

# Scatter dari DataFrame
df_sales = pd.DataFrame({
    'Budget_Iklan': np.random.uniform(10, 100, 30),
    'Penjualan': None
})
df_sales['Penjualan'] = df_sales['Budget_Iklan'] * 5 + np.random.normal(0, 20, 30)
df_sales.plot.scatter(x='Budget_Iklan', y='Penjualan', figsize=(10, 6),
                       c='Penjualan', cmap='viridis', s=100)
plt.title('Budget Iklan vs Penjualan', fontsize=16, fontweight='bold')
plt.tight_layout()
plt.show()

10. Menyimpan Grafik

Python — Save Figure

import matplotlib.pyplot as plt
import numpy as np

# Buat grafik
plt.figure(figsize=(10, 6))
x = np.linspace(0, 10, 100)
plt.plot(x, np.sin(x), label='sin(x)', linewidth=2)
plt.plot(x, np.cos(x), label='cos(x)', linewidth=2)
plt.title('Fungsi Trigonometri')
plt.legend()
plt.grid(True, alpha=0.3)

# Simpan dalam berbagai format
plt.savefig('grafik.png', dpi=150, bbox_inches='tight', facecolor='white')
plt.savefig('grafik.pdf', bbox_inches='tight')
plt.savefig('grafik.svg', bbox_inches='tight')
plt.savefig('grafik.jpg', dpi=200, bbox_inches='tight', quality=95)

# Penjelasan parameter:
# dpi         = resolusi (150 untuk web, 300 untuk cetak)
# bbox_inches = 'tight' menghilangkan whitespace berlebih
# facecolor   = warna background
# format      = ditentukan dari ekstensi nama file

plt.show()

# Format yang didukung:
# PNG  → Web, presentasi (lossless)
# PDF  → Dokumen, cetak (vector)
# SVG  → Web, editing (vector)
# JPG  → Web (lossy, ukuran kecil)
# EPS  → Jurnal ilmiah (vector)

11. Tips Visualisasi yang Baik

💡 Praktik Terbaik Visualisasi Data

1. Selalu beri judul dan label sumbu. Grafik tanpa konteks tidak informatif.
2. Gunakan warna yang bermakna. Merah untuk negatif, hijau untuk positif.
3. Hindari terlalu banyak elemen. Less is more — jangan terlalu ramai.
4. Pilih jenis grafik yang tepat. Line untuk tren, bar untuk perbandingan, scatter untuk korelasi.
5. Perhatikan ukuran dan DPI. Sesuaikan untuk target (web/cetak).
6. Gunakan legend yang jelas. Terutama jika ada beberapa seri data.

Python — Contoh Profesional

import matplotlib.pyplot as plt
import numpy as np

# Template grafik profesional
def buat_grafik_profesional():
    """Template grafik dengan standar profesional."""

    # Setup
    fig, ax = plt.subplots(figsize=(12, 7))

    # Data
    np.random.seed(42)
    kategori = ['Q1', 'Q2', 'Q3', 'Q4']
    revenue = [2.5, 3.2, 3.8, 4.5]
    target = [3.0, 3.5, 4.0, 4.2]

    x = np.arange(len(kategori))
    width = 0.35

    # Plot
    bars = ax.bar(x - width/2, revenue, width, label='Revenue Aktual',
                  color='#3498db', edgecolor='white', zorder=3)
    ax.plot(x, target, 'ro-', linewidth=2.5, markersize=10,
            label='Target', zorder=4)

    # Kustomisasi
    ax.set_title('Revenue vs Target per Quarter 2024',
                 fontsize=18, fontweight='bold', pad=20)
    ax.set_xlabel('Quarter', fontsize=14, labelpad=10)
    ax.set_ylabel('Revenue (Miliar Rp)', fontsize=14, labelpad=10)
    ax.set_xticks(x)
    ax.set_xticklabels(kategori, fontsize=12)
    ax.legend(fontsize=12, loc='upper left', frameon=True,
              fancybox=True, shadow=True)
    ax.grid(axis='y', linestyle=':', alpha=0.5, zorder=0)
    ax.spines['top'].set_visible(False)
    ax.spines['right'].set_visible(False)

    # Label pada bar
    for bar in bars:
        ax.text(bar.get_x() + bar.get_width()/2, bar.get_height() + 0.05,
                f'Rp {bar.get_height():.1f}T', ha='center',
                fontsize=11, fontweight='bold')

    plt.tight_layout()
    plt.savefig('grafik_profesional.png', dpi=150, bbox_inches='tight')
    plt.show()

buat_grafik_profesional()

12. Quiz: Uji Pemahamanmu!

Setelah membaca tutorial di atas, jawablah 5 pertanyaan berikut untuk menguji pemahamanmu tentang Matplotlib:

Pertanyaan 1: Fungsi apa yang digunakan untuk membuat scatter plot di Matplotlib?

a) plt.plot()

b) plt.scatter()

c) plt.points()

d) plt.dots()

Pertanyaan 2: Apa fungsi dari `plt.subplot(2, 3, 1)`?

a) Membuat 2 grafik dengan 3 kolom

b) Membuat grid 2x3 dan memilih posisi ke-1

c) Membuat grafik dengan 2 sumbu dan 3 garis

d) Mengatur ukuran figure 2x3 inci

Pertanyaan 3: Parameter apa yang digunakan untuk menyimpan grafik dengan resolusi tinggi?

a) quality=300

b) resolution=300

c) dpi=300

d) res=300

Pertanyaan 4: Jenis grafik apa yang paling cocok untuk menampilkan proporsi bagian dari keseluruhan?

a) Line Plot

b) Bar Chart

c) Scatter Plot

d) Pie Chart

Pertanyaan 5: Bagaimana cara menghilangkan border atas dan kanan pada grafik?

a) plt.hide_border()

b) ax.spines['top'].set_visible(False) dan ax.spines['right'].set_visible(False)

c) plt.no_border()

d) ax.set_border(False)