Tutorial Visualisasi data Marginal Histogram Dengan Aplikasi Stata

[sitemap]

Tutorial Visualisasi data Marginal Histogram Dengan Aplikasi Stata-Marginal histogram adalah visualisasi data yang menunjukkan distribusi satu variabel pada sisi kiri atau kanan plot. Ini menunjukkan distribusi frekuensi untuk setiap kategori atau interval. Marginal histogram sering digunakan bersama dengan visualisasi lain seperti scatter plot atau heatmap untuk mempermudah analisis hubungan antar variabel.

 

Kelebihan Visualisasi data Marginal Histogram

Beberapa kelebihan Marginal Histogram:

1. Mudah dipahami: visualisasi yang sederhana membuat mudah bagi pemirsa untuk memahami distribusi data.
2. Efisiensi waktu: memvisualisasikan data dengan marginal histogram dapat dilakukan dengan cepat dan mudah.
3. Kemampuan untuk menemukan pola: membantu menemukan pola umum dalam distribusi data, seperti bentuk, titik puncak, dan simetri.
4. Efektif untuk data diskrit: memberikan visualisasi yang baik untuk data diskrit, seperti data nominal atau ordinal.
5. Kemampuan untuk membandingkan: memungkinkan membandingkan distribusi data dari beberapa populasi atau sample secara visual.

Walaupun demikian, penting untuk diingat bahwa marginal histogram tidak cocok untuk semua jenis data dan situasi, dan seringkali harus digunakan bersama dengan visualisasi lain untuk memperoleh gambaran yang lebih komprehensif dari data.

Kekurangan Visualisasi Data Marginal Histogram

Beberapa kekurangan dari Marginal Histogram:

1. Kemampuan visualisasi yang terbatas: hanya dapat menunjukkan distribusi satu variabel pada satu waktu, sehingga tidak mampu menyediakan informasi hubungan antar variabel secara visual.
2. Keterbatasan interpretasi: marginal histogram hanya menunjukkan frekuensi untuk setiap kategori atau interval, sehingga kadang-kadang tidak mampu menyediakan informasi yang cukup mengenai distribusi data.
3. Kemungkinan visualisasi yang tidak representatif: jika tidak dibentuk dengan benar, histogram marginal dapat menghasilkan visualisasi yang tidak representatif dari data asli.
4. Keterbatasan analisis kompleksitas: marginal histogram tidak dapat memvisualisasikan kompleksitas data secara efektif, seperti pola yang kompleks atau outliers.

Meskipun demikian, marginal histogram masih berguna untuk memvisualisasikan distribusi data dan membantu dalam analisis sederhana.

 

Tutorial Cara membuat Visualisasi data Marginal Histogram Dengan Aplikasi Stata

Tutorial ini menjelaskan bagaimana menggabungkan histogram dan plot scatter count dalam satu plot bernama marginal histogram menggunakan aplikasi Stata. Berikut adalah penjelasan secara detail:

1. Import Data: Data mpg diambil dari sumber https://raw.githubusercontent.com/tidyverse/ggplot2/master/data-raw/mpg.csv dan di-import ke dalam Stata dengan perintah “import delimited”.
2. Membuat variabel baru: Variabel baru “total” dibuat dengan menggabungkan variabel “cty” dan “hwy” dengan perintah “egen total = group(cty hwy)”. Kemudian, variabel “count” dibuat untuk menghitung jumlah data setiap kelas dengan perintah “bysort total: egen count = count(total)”.
3. Plot scatter count: Plot scatter count dibuat dengan menggunakan perintah “twoway (scatter hwy cty [aw = count], mcolor(%60) mlwidth(0) msize(1) legend(off)) (lfit hwy cty), legend(off) name(main, replace) ytitle(“Highway MPG”) xtitle(“City MPG”) graphregion(margin(t=-5))”. Ini memplot data dengan warna dan ukuran yang sesuai dengan jumlah data pada setiap titik.
4. Plot histogram city MPG: Plot histogram city MPG dibuat dengan perintah “twoway (histogram cty, yscale(off) xscale(off) ylabel(, nogrid) xlabel(, nogrid) bin(30)), name(cty_hist, replace) graphregion(margin(l=16)) fysize(15)”. Ini membuat histogram dengan skala y dan x dalam mode off dan membatasi ruang dari sisi kiri.
5. Plot histogram highway MPG: Plot histogram highway MPG dibuat dengan perintah “twoway (histogram hwy, horizontal yscale(off) xscale(off) ylabel(, nogrid) xlabel(, nogrid) bin(30)), name(hwy_hist, replace) graphregion(margin(b=15 t=-5)) fxsize(20)”. Ini membuat histogram yang dalam bentuk horizontal dengan skala y dan x dalam mode off dan membatasi ruang dari bagian bawah.
6. Gabungkan plot: Plot-plot dalam halaman yang sama dengan perintah “graph combine cty_hist main hwy_hist, hole(2) commonscheme scheme(white_tableau) title(“{bf}Marginal Histogram – Scatter Count plot”, size(2.75) pos(11)) subtitle(“mpg: Highway vs. City Mileage”, size(2.5) pos(11))”. Ini menggabungkan plot histogram dan scatter count dalam satu halaman dengan area kosong yang memisahkan antara dua plot.

Berikut adalah rangkuman codingan yang dapat digunakan untuk visualisasi data tersebut:

 import delimited "https://raw.githubusercontent.com/tidyverse/ggplot2/master/data-raw/mpg.csv", clear

  egen total = group(cty hwy)
  bysort total: egen count = count(total)

  * Using loop to write and store the plotting commands and syntax by class
  
  twoway  (scatter hwy cty [aw = count], mcolor(%60) mlwidth(0) msize(1) legend(off)) ///
    (lfit hwy cty), legend(off) name(main, replace) ytitle("Highway MPG") xtitle("City MPG") ///
    graphregion(margin(t=-5))
  twoway  (histogram cty, yscale(off) xscale(off) ylabel(, nogrid) xlabel(, nogrid) bin(30)), name(cty_hist, replace) graphregion(margin(l=16)) fysize(15)
  twoway  (histogram hwy, horizontal yscale(off) xscale(off) ylabel(, nogrid) xlabel(, nogrid) bin(30)), name(hwy_hist, replace) graphregion(margin(b=15 t=-5)) fxsize(20)
  
  graph  combine cty_hist main hwy_hist, hole(2) commonscheme scheme(white_tableau) ///
    title("{bf}Marginal Histogram - Scatter Count plot", size(2.75) pos(11)) subtitle("mpg: Highway vs. City Mileage", size(2.5) pos(11))

codingan diatas akan menjadi vasualisasi data sebagai berikut ya sobat:

bagaimana sobat menarik bukan ?

menarik kan , yuk coba

Kesimpulan

Demikian adalah tutorial tentang Tutorial Cara membuat Visualisasi data Marginal Histogram Dengan Aplikasi Stata. semoga tutorial ini memberikan kebermanfaatan kepada kita. silahkan tatnyakan ke admin jia terdapat pertanyaan ya sobat.

Baca juga:

• Tutorial Visualisasi Data Circle Pack Menggunakan Aplikasi Stata
• Tutorial Visualisasi Data Treemap Menggunakan Aplikasi Stata
• Survey Online untuk Peneliti

 

Reference

https://medium.com/the-stata-gallery/top-25-stata-visualizations-with-full-code-668b5df114b6