Nama                     : Deasy Nur Aisya Budiono

NIM                        : 411423018

Prodi/Kelas            : Pendidikan Matematika/B

Mata Kuliah           : Komputasi Dan Pemrograman 

Dosen Pengampuh : Agusyarif Rezka Nuha, S.Pd, M.Pd

1. Plot fungsi menggunakan python pada interval x = -5hingga x = 5, tampilkan grafik yang jelas dengan label sumbu x dan y.

Disini kita akan menggunakan matplotlib dan numpy, berikut langkah-langkahnya :

Pertama, kita mengimpor pustaka numpy sebagai np dan pustaka matplotlib.pyplot sebagai plt. Numpy digunakan di sini untuk mengelola data numerik secara efisien, sementara matplotlib.pyplot digunakan untuk membuat visualisasi data dalam bentuk grafik.

Selanjutnya, kita mendefinisikan rentang nilai untuk variabel x yang akan digunakan dalam fungsi f(x). Untuk ini, kita menggunakan np.linspace(-5, 5, 100), yang menghasilkan 100 nilai antara -5 hingga 5, menciptakan distribusi nilai yang sama rata di sepanjang interval tersebut. Interval ini akan digunakan sebagai nilai-nilai untuk x dalam fungsi kita.

Kemudian, kita mendefinisikan fungsi matematika  dengan operasi aritmatika numpy pada array x. Hasil perhitungan ini disimpan dalam variabel f_x, yang mewakili nilai-nilai f(x) pada setiap titik dalam interval tersebut.

Setelah fungsi dan interval ditentukan, kita membuat grafik dari fungsi ini. plt.plot(x, f_x, color='pink') digunakan untuk menggambar grafik fungsi f(x) dalam warna pink. Untuk memperjelas grafik, kita menambahkan label pada sumbu x (plt.xlabel('x')) dan sumbu y (plt.ylabel('f(x)')). Selain itu, plt.title('Grafik Fungsi ) menambahkan judul yang menjelaskan fungsi yang sedang kita gambarkan. Untuk membantu pengguna dalam melihat pola grafik dengan lebih jelas, plt.grid(True) diaktifkan agar grid muncul di latar belakang grafik. Terakhir, plt.show() digunakan untuk menampilkan grafik secara langsung di layar.

Ketika program di jalankan akan menampilkan seperti berikut

2. Visualisasikann grafik dari fungsi kuadrat f(x) = menggunakan python:

Pertama-tama, dua pustaka penting diimpor. numpy digunakan untuk melakukan komputasi numerik yang efisien, terutama untuk bekerja dengan array, sementara matplotlib.pyplot adalah alat utama untuk membuat grafik dan visualisasi data. Dengan mengimpor kedua pustaka ini, kita mempersiapkan alat yang diperlukan untuk analisis matematis dan presentasi visual.

Selanjutnya, kita mendefinisikan fungsi kuadrat dengan nama f. Fungsi ini menerima parameter x dan menghitung nilai dari persamaan kuadrat  Dengan mendefinisikan fungsi secara terpisah, kita dapat dengan mudah menghitung nilai fungsi untuk berbagai input tanpa menulis ulang rumus.

Setelah fungsi didefinisikan, kita membuat rentang nilai untuk x menggunakan np.linspace. Dalam hal ini, kita membuat 100 titik nilai yang terdistribusi merata antara -10 hingga 10. Rentang ini memberikan kita cakupan yang luas untuk mengeksplorasi perilaku fungsi kuadrat.

Dengan rentang x yang telah ditentukan, kita kemudian menghitung nilai y dengan memanggil fungsi f untuk setiap nilai dalam array x. Ini menghasilkan array baru y yang berisi nilai-nilai fungsi kuadrat yang sesuai dengan titik-titik x yang telah kita buat sebelumnya.

Setelah kita memiliki kedua array nilai x dan nilai y kita siap untuk memvisualisasikan fungsi tersebut. Menggunakan plt.plot, kita menggambarkan grafik dari fungsi kuadrat dengan warna pink dan ketebalan garis 3. Ini memberikan tampilan yang menarik dan jelas pada grafik.

Untuk memberikan konteks lebih lanjut pada grafik, garis horizontal dan vertikal ditambahkan di titik nol menggunakan plt.axhline(0) dan plt.axvline(0). Garis-garis ini membantu menunjukkan sumbu x dan sumbu y secara jelas, sehingga pembaca dapat lebih mudah memahami posisi fungsi relatif terhadap kedua sumbu.

Setelah itu, judul grafik ditambahkan dengan perintah plt.title, menjelaskan bahwa grafik ini merepresentasikan fungsi kuadrat . Label untuk sumbu x dan sumbu y juga disediakan untuk meningkatkan keterbacaan.

Grid diaktifkan dengan plt.grid(True), yang menambahkan garis bantu ke grafik. Ini memudahkan pembaca untuk menginterpretasikan nilai-nilai yang ditampilkan. Akhirnya, dengan perintah plt.show(), grafik ditampilkan di layar seperti berikut.

Nama                     : Deasy Nur Aisya Budiono

NIM                        : 411423018

Prodi/Kelas            : Pendidikan Matematika/B

Mata Kuliah           : Komputasi Dan Pemrograman 

Dosen Pengampuh : Agusyarif Rezka Nuha, S.Pd, M.Pd

Berikut ilustrasi data yang dibuat di MS Exel dengan format CSV:

Berikut langkah-langkah menganalisis dan memvisualisasikan data penjualan dari file CSV menggunakan pustaka matplotlib, pandas, dan numpy

1. Import Library

• matplotlib.pyplot: Library yang digunakan untuk membuat grafik dan visualisasi data.
• pandas: Library untuk manipulasi dan analisis data, khususnya data yang terstruktur dalam bentuk tabel (DataFrame).
• numpy: Library untuk operasi matematis dan statistik, seperti perhitungan nilai minimum, maksimum, dan rata-rata.

2. Membaca File CSV

• namaFile: Menyimpan path file CSV yang berisi data penjualan.
• pd.read_csv(...): Fungsi ini membaca file CSV dan memuat isinya ke dalam DataFrame bernama data. delimiter=";" menunjukkan bahwa data dalam file CSV dipisahkan dengan tanda titik koma.

3. Menampilkan Data

• Menampilkan seluruh isi DataFrame data di konsol. Anda dapat melihat semua kolom dan baris yang ada dalam dataset.

4. Statistik Penjualan

• np.min(data['Total Penjualan']): Menghitung nilai minimum dari kolom Total Penjualan.
• np.max(data['Total Penjualan']): Menghitung nilai maksimum dari kolom Total Penjualan.
• np.mean(data['Total Penjualan']): Menghitung rata-rata dari kolom Total Penjualan.
• "{:0,.2f}".format(...): Memformat angka agar memiliki dua desimal dan pemisah ribuan, sehingga lebih mudah dibaca.
• Menampilkan hasil perhitungan statistik tersebut ke konsol.

5. Persiapan Data untuk Grafik

• Bulan: Menyimpan data bulan dari kolom Bulan.
• Penjualan: Menyimpan data total penjualan dari kolom Total Penjualan. Ini memudahkan saat membuat grafik.

6. Membuat Grafik Batang

• plt.bar(...): Membuat grafik batang di mana sumbu x adalah Bulan dan sumbu y adalah Penjualan. Warna batang diatur menjadi abu-abu.
• plt.title(...): Menambahkan judul "Grafik Penjualan 1 Tahun" pada grafik.
• plt.ylabel(...): Menyediakan label "Jumlah" untuk sumbu y, menunjukkan bahwa nilai di sumbu tersebut adalah total penjualan.
• plt.xlabel(...): Menyediakan label "Bulan" untuk sumbu x, menunjukkan bahwa nilai di sumbu tersebut adalah bulan.
• plt.show(): Menampilkan grafik yang telah dibuat.

Kemudian jika menjalankan programnya akan memberikan tampilan seperti berikut ini :

Berikut Grafik Yang dihasilkan:

Nama                     : Deasy Nur Aisya Budiono

NIM                        : 411423018

Prodi/Kelas            : Pendidikan Matematika/B

Mata Kuliah           : Komputasi Dan Pemrograman 

Dosen Pengampuh : Agusyarif Rezka Nuha, S.Pd, M.Pd

Ilustrasi data yang dibuat di MS Exel dengan format CSV

Berikut langkah-langkah membuat program menganalisis data gaji karyawan dari file CSV. menggunakan python:

1. Mengimpor Library

• Import pandas as pd:
• Pandas adalah library yang sangat populer untuk analisis data.
• Dengan as pd, kita memberikan alias (nama pendek) untuk memudahkan penulisan. Jadi, kita bisa menggunakan pd alih-alih pandas setiap kali kita ingin mengakses fungsi dari library ini.
• Import numpy as np:
• NumPy adalah library yang digunakan untuk komputasi numerik.
• Sama seperti Pandas, kita menggunakan as np untuk memberi alias pada library ini, yang memungkinkan kita untuk menggunakan np sebagai singkatan.

2. Membaca File CSV

• NamaFile: Variabel ini menyimpan path atau lokasi file CSV yang akan dibaca. Dalam hal ini, file tersebut berlokasi di D:\DEASY\kuliah\Semester 3\Kompetensi dan Pemograman\Studi Kasus 4 Bab 5.csv.
• Pd.read_csv(namaFile, delimiter=";"):
• Fungsi ini digunakan untuk membaca file CSV.
• delimiter=";" menunjukkan bahwa pemisah antar kolom dalam file tersebut adalah tanda titik koma (;). Ini penting jika file CSV Anda tidak menggunakan koma sebagai pemisah default.

3. Menampilkan Data

• Print(data):
• Mencetak seluruh DataFrame yang dihasilkan dari file CSV ke konsol. DataFrame adalah struktur data yang digunakan oleh Pandas untuk menyimpan data dalam format tabel (seperti spreadsheet).
• Print("="*80):
• Mencetak garis pemisah dari 80 tanda sama rata (=) untuk membuat output lebih rapi dan mudah dibaca. Ini memberikan visualisasi yang jelas antara tampilan data dan hasil statistik berikutnya.

4. Menghitung Gaji Maksimum dan Minimum, Mencetak Hasil dan Menyelesaikan Program

• np.max(data['GAJI']):
• Menghitung nilai maksimum dari kolom 'GAJI' dalam DataFrame data. Fungsi ini menggunakan NumPy untuk mencari nilai terbesar.
• np.min(data['GAJI']):
• Menghitung nilai minimum dari kolom 'GAJI'. Ini menggunakan fungsi yang sama, tetapi untuk menemukan nilai terkecil.
• "{:.2f}".format(...):
• Digunakan untuk memformat output angka agar hanya memiliki dua angka di belakang koma. Ini membantu menjadikan hasil lebih mudah dibaca, terutama untuk nilai moneter seperti gaji.
• print("Gaji maksimum: ", ...) dan print("Gaji minimum: ", ...):
• Mencetak hasil maksimum dan minimum dari gaji ke konsol, sehingga pengguna dapat melihat informasi tersebut dengan jelas.
• Mencetak garis pemisah lainnya setelah menampilkan statistik untuk menandai akhir dari hasil statistik tersebut.

Kemudian jika menjalankan programnya akan memberikan tampilan seperti berikut ini :

Nama                     : Deasy Nur Aisya Budiono

Nim                        : 411423018

Prodi /Kelas           : Pendidikan Matematika/ B

Mata Kuliah           : Komputasi dan pemrograman

Dosen Pengampu : Pak Agusyarif Rezka Nuha, S.Pd., M.

Berikut merupakan program python yaitu penjumlahan, pengurangan dan perkalian matriks tanpa menggunakan fungsi ada yang ada pada library.

• Input matriks(n, m):

• Fungsi ini bertujuan untuk mengambil input dari pengguna untuk membuat matriks berukuran n x m, di mana n adalah jumlah baris dan m adalah jumlah kolom matriks. Prosesnya dimulai dengan mencetak pesan untuk meminta pengguna memasukkan elemen matriks, kemudian menggunakan loop untuk meminta input setiap baris, yang selanjutnya diubah menjadi list of integers dan ditambahkan ke dalam matriks.

• Print matriks(matriks)
• Fungsi ini berfungsi untuk mencetak matriks ke layar dalam format yang rapi. Dengan menggunakan loop, fungsi ini mencetak setiap baris dari matriks, memastikan elemen-elemen dalam setiap baris dipisahkan oleh spasi untuk memudahkan pembacaan.

• Penjumlahan  matriks(A, B)
• Fungsi ini digunakan untuk menjumlahkan dua matriks A dan B. Setelah menentukan ukuran matriks, fungsi ini membuat matriks hasil C dengan ukuran yang sama, kemudian menggunakan nested loop untuk menjumlahkan elemen-elemen yang sesuai dari matriks A dan B, dan menyimpan hasilnya dalam matriks C.

• Pengurangan matriks(A, B)
• Fungsi ini berfungsi untuk mengurangi matriks B dari matriks A. Dengan cara yang mirip dengan penjumlahan, fungsi ini pertama-tama menentukan ukuran matriks dan membuat matriks hasil C, kemudian menggunakan nested loop untuk mengurangkan elemen-elemen matriks B dari elemen-elemen yang sesuai di matriks A, menyimpan hasilnya dalam matriks C.

• Perkalian matriks(A, B)
• Fungsi ini mengalikan dua matriks A dan B. Setelah memastikan ukuran matriks yang sesuai, fungsi ini membuat matriks hasil C, dan menggunakan tiga loop: satu untuk iterasi baris di matriks A, satu untuk iterasi kolom di matriks B, dan satu untuk iterasi elemen yang diperlukan untuk menghitung hasil perkalian, menyimpan hasilnya dalam matriks C.

• Input Matriks:
• Pengguna diminta untuk memasukkan ukuran matriks A (jumlah baris dan kolom) dan ukuran matriks B (jumlah kolom). Jumlah kolom matriks A harus sama dengan jumlah baris matriks B untuk perkalian matriks.

• Operasi Matriks:
• Setelah matriks A dan B dimasukkan, kode akan melakukan tiga operasi matriks: pertama, penjumlahan menggunakan fungsi penjumlahan_matriks, yang menjumlahkan elemen-elemen yang sesuai dari kedua matriks; kedua, pengurangan menggunakan fungsi pengurangan_matriks, yang mengurangi elemen-elemen matriks B dari elemen-elemen matriks A; dan ketiga, perkalian menggunakan fungsi perkalian_matriks, yang menghitung hasil perkalian matriks A dan B dengan mengikuti aturan perkalian matriks.

Ketika program di jalankan

Nama                     : Deasy Nur Aisya Budiono

Nim                        : 411423018

Prodi /Kelas           : Pendidikan Matematika/ B

Mata Kuliah           : Komputasi dan pemrograman

Dosen Pengampu : Pak Agusyarif Rezka Nuha, S.Pd., M.

Data jumlah Penduduk Kecamatan Kabila Tahun 2023

https://web-api.bps.go.id/download.php?f=YM3/l0krTNjzFJYeGEoFUHYrdTlZQjJnWVRwV1ZQV2VOSUJkZDd5Qzd0dEVUYzZXaFRtNVgxelV6YkI4cyt4djFzNklLODdVQlJsdStqUklieWcvenBsOFN2S2ZNYjNFbTNTdzRidGU4aG5QUWE3alEyaUZnNGZJZEJmZWdmNjFYelZwRUpteDVnaFBoWHdnU25LZmhiMHlrWXVEMmEvNS9PTUNycEIzMXA2eUd6QmFNeWg0NWdVK2lhL1JkY2pQQ2t0K0VKZG9HbUNXTy9QTzBRUEo5VFZhaGw4Sll2eTgvQ0xJSnFqbFB6cWFUWGE2TWQ2cjdUd3hUL3BESmJ6QzVqVytjS2FmRS8zRXhLck0=&_gl=1*xf5eff*_ga*MTA1Mjc4NjMyNC4xNzI5NTU2Mjg2*_ga_XXTTVXWHDB*MTcyOTU1NjQ4NS4xLjEuMTcyOTU1ODUwNC4wLjAuMA

 Langkah 1: Import Libraries

numpy diimpor sebagai np, digunakan untuk operasi array dan perhitungan numerik.

statistics digunakan untuk perhitungan statistik dasar seperti modus dan deviasi standar.

Langkah 2: Mendefinisikan Array

Array jumlah_penduduk_kec_kabila_2023 menyimpan jumlah penduduk di beberapa daerah kecamatan Kabila pada tahun 2023.

Langakah 3: Menghitung Mean

Fungsi np.mean() menghitung rata-rata dari elemen-elemen dalam array jumlah_penduduk_kec_kabila_2023.

Langkah 4:Menghitung Median

Fungsi np.median() menghitung nilai median atau nilai tengah dari data.

Langkah 5: Menghitung Modus

Fungsi statistics.mode() menghitung modus, yaitu nilai yang paling sering muncul. Jika tidak ada nilai yang sering muncul lebih dari sekali, maka akan menghasilkan error.

Langkah 6: Menghitung Deviasi

Fungsi statistics.stdev() menghitung standar deviasi, yaitu ukuran sebaran data dari rata-rata. Data diubah menjadi list menggunakan .tolist() karena statistics.stdev() hanya bekerja pada list. 

Langkah 7: Menghitung persentil

Menghitung dan mencetak kuantil:Q1 (25%)Q2 (50% atau median)Q3 (75%)

Langkah 8: Menghitung varians

Menghitung dan mencetak varians untuk mengukur sebaran data.

Langkah 9: Menghitung maksimum dan minimum

Fungsi np.max() dan np.min() menghitung nilai maksimum dan minimum dari data.

Langkah 10:Menghitung sum

Fungsi sum() menjumlahkan semua elemen dalam array.

Langkah 11:Menghitung prod

Fungsi prod() mengalikan semua elemen dalam array.

Langkah 12: Menghitung indeks dari elemen minimum dan maksimum

Fungsi argmin() dan argmax() mengembalikan indeks dari nilai minimum dan maksimum dalam array.

Kemudian kita menjalankan programnya maka tampilannya sebagai berikut