Diferent CubeHelix Palets
Kelompok 1
|
||||||||
UNIVERSITAS GUNADARMA
2015
Kata Pengantar
Buku Different Cubehelix
Palettesdibuatuntukmemenuhitugassofskill.Penulis menyadari bahwa karena
sulitnya percetakan notasi dan gambar pada buku ini masih sangat banyak
kesalahan cetak maupun kekurangsempurnaan gambar yang terjadi. Semoga dalam
cetakkan berikutnya dapat diadakan koreksi dan perbaikan seperlunya. Disamping
kesalahan cetak tersebut, susunan dan isi buku ini pun masih belum memadai,
karena itulah segala kritik dan saran yang membangun sangat diharapkan. Semoga
buku ini dapat bermanfaat bagi yang membacanya. Oleh karena itu penulis
mengucapkan terima kasih dan memberikan penghargaan serta memohon maaf atas
kesalahan yang telah penulis lakukan kepada pihak-pihak yang telah membantu
pembuatan skripsi ini, adapaun pihak-pihak tersebut adalah:
- Bapak Dr. rer. Nat. I Made
Wiryana, SKom, SSi, MAppSc selaku dosen mata kuliah Desain Pemodelan
Grafik.
- Dosen-dosen Teknik Informatika
yang telah mendidik dan mengajari penulis sehingga penulis memiliki ilmu
yang berguna untuk menyelesaikan buku ini.
- Teman-teman Mahasiswa dan
pihak-pihak yang tidak dapat penulis sebutkan satu persatu yang telah
membantu pembuatan buku ini.
Penulis menyadari sepenuhnya bahwa dalam
penyusunan buku ini masih terdapat banyak kekurangan, untuk itu penulis
mengharap kritik dan saran dari berbagai pihak untuk sempurnanya sebuah
bukuini. Selain itu penulis juga berharap semoga buku ini dapat memberikan
manfaat bagi kita semua.
Depok, 23 Januari 2016
Penulis
PENDAHULUAN
Desain pemodelan grafik
merupakan suatu proses penciptaan suatu objek baru dengan menggunakan software
dan melalui beberapa tahapan yakni membuat,menyimpan dan memanipulasi model dan
citra. Pada pemodelan grafik komputer terdapat pemodelan 2D dan 3D dimana 2D
hanya menggambarkan sebuah penggambaran tampak depan.sedangkan 3D lebih
terlihat seperti nyata. Desain grafik memiliki unsur yaitu bentuk, tekstur,
garis, ruang, warna yang membentuk prinsip-prinsip desain visual. Dimana
prinsip-prinsip tersebut meliputi keseimbangan, tekanan, proporsi, dan kesatuan
yang membentuk aspek-aspek structural komposisi yang lebih luas.
TUJUAN
PENULISAN
Dengan pemilihan tema dan penyusunan buku ini
diharapkan para pembaca dan kami, penulis sendiri mampu memahami aktifitas
mengenai cubehelix serta teknik-teknik dalam meningkatkan teknologi cubehelix.
Sehingga semoga buku ini dapat bermanfaat bagi semua pembacanya, dan dapat
memberikan banyak motivasi kecil bagi para mahasiswa lain ataupun para khalayak
ramai. Sekaligus, buku ini dibuat untuk memenuhi tugas perkuliahan, yaitu Mata
kuliah Desain Permodelan Grafik. Selaku kami sebagai penulis yang berasal dari
fakultas Teknologi Industri.
BAB
II
2.1 Penggunaan Warna
Mode dan Pemodelan Warna
Mode warna yang dipilih menentukan pemodelan warna yang
digunakan untuk men-display dan mencetak sebuah images. Sedangkan Beberapa
pemodelan warna diantaranya adalah HSB (hue,saturation,brightness); RGB (red,
green, blue); CMYK (cyan, magenta, yellow, black). Seperti telah disebutkan
pemodelan warna diantaranya adalah HSB(hue, saturation, brightness); RGB (red,
green, blue); CMYK (cyan, magenta, yellow,black). Untuk lebih jelas terkait
model-model warna tersebut akan coba dipaparkan pada bagian berikut.
CUBEHELIX COLOR PALETTES
Fitur yang paling penting mengenai cubehelix adalah bahwa
dapat mencetak baik dalam warna dan hitam putih. Cube helix dapat menghemat
banyak waktu ketika membuat angka untuk publikasi di mana warna hanya tersedia
secara online. Cubehelix menyelesaikan ini dengan bersepeda melalui kubus RGB ,
sambil terus meningkatkan saturasi ( hitam putih) . Cubehelix bekerja sebagai
berikut
Untuk menunjukkan kemampuan cetak, kami membuat palet
warna di kedua warna, yakni hitam & putih untuk cubehelix dan default untuk
sebagian besar paket plotting : rainbow
Cubehelix memiliki lebih banyak informasi pada hasilnya.
Ketika kami menggunakan warna untuk peta kontur atau kepadatan, kami mencoba
untuk menyampaikan data tiga dimensi di “flatland” ( ruang 2D ) . Dengan
pelangi , Anda mengandalkan warna saja . Dengan CUBEHELIX, kita dapat melakukan
ini dengan banyak warna dan saturasi. Seperti yang akan kita lihat nanti , Anda
bahkan dapat secara efektif melakukan ini untuk beberapa dataset sekaligus.
Sejak saturasi cubehelix “sangat baik” , orang-orang yang
biasa mencapai hasil printer hitam putih akan menyukainya. Cubehelix dapat
mencetak pemetaan kontur anda yang menakjubkan dan benar-benar memahaminya. Ini
memiliki fungsi ganda untuk menampilkan angka pada proyektor. Jika saluran
merah padam , atau kuning lemah, plot Anda akan menjadi antipeluru . Jika kami
sedang berpikir tentang warna aneh di visualisasi data Anda , kami tidak
berpikir tentang hasil wawasan atau groundbreaking Anda untuk mencoba
menunjukkan .
Mungkin bahkan lebih penting, cubehelix cukup ramah untuk
pembaca buta warna. Berikut ini adalah contoh dari skema warna cubehelix
default kami , diikuti oleh simulasi untuk bagaimana hal itu dilihat oleh
orang-orang dengan tiga jenis buta warna
Cubehelix umumnya sangat tidak baik untuk semua
bentuk-bentuk buta warna , berkat perubahan yang konstan. Sekitar 8-10% pria
memiliki beberapa bentuk kekurangan persepsi warna , dan jika Anda membuat peta
kerapatan dengan pelangi jenuh yang normal seperti saat Anda menendang
seseorang (mungkin siswa , kolega, pengusaha masa depan ) di lutut . Sebaiknya
tidak skema warna default kita menjadi yang paling mudah untuk semua orang
dapat melihat ?
Cubehelix , seperti yang didefinisikan oleh Dave Green (
2011) , memiliki beberapa kegunaan “tombol” agar Anda dapat menyesuaikan . Ini
termasuk : berapa kali pelangi akan pergi , dimulai dari warna apa, harus pergi
ke arah mana ( ROYGBIV vs vibgyor ) , seberapa cepat untuk pergi dari hitam ke
putih , dan bagaimana titik jenuh untuk membuat warna .
Roy G. Biv adalah singkatan dari warna-warna yang ada
dalam pelangi. Berikut singkatan warna pelangi secara berurutan :
- R
singkatan dari Red, warna merah
- O
singkatan dari Orange, warna jingga atau oranye
- Y
singkatan dari Yellow, warna kuning
- G
singkatan dari Green, warna hijau
- B
singkatan dari Blue, warna biru
- I
singkatan dari Indigo, warna nila
- V
singkatan dari Violet, warna ungu
- Skema
default akan “mundur” melalui roda pelangi sekali ( rotasi = -1 , vibgyor
) ,
- Setelah melalui
roda arah yang tepat,
- Gerakan
nol warna ( hanya hitam ke putih ) mulai biru,
- dan 5 kali
melalui pelangi.
Hal ini membuat keluarga hampir tak terbatas dari palet
warna yang tersedia . Jika Anda memiliki beberapa dataset untuk merencanakan
bersama-sama Anda bisa menggunakan rotasi = 0 dan hanya mengubah warna awal.
Membuat skema heatmap di rona setiap usaha. Jika angka Anda mencakup kontur dan
garis atau titik , Anda bisa menggunakan cubehelix pastel seperti untuk kontur
dan sangat jenuh atau warna yang mendalam untuk poin untuk membuat kontras
benar-benar pop.
Bab
III
Applikasi Different Cubehelix Palettes
Pada bab ini kami akan membahas mengenai beberapa
software yang menggunakan tools-tools dari cubehelix. Seperti yang telah di
jelaskan di bab sebelumnya cubehelix adalah skema warna yang di gunakan untuk
menampilkan gambar intensitas Astronomi, yang sifatnya monoton atau hanya dapat
meningkatkan kecerahan saat di tampilkan di greyscale (hitam putih). Biasanya
cubehelix digunakan sebagai alat pembantu bagi penderita buta warna, pemetaan
Negara dan kependudukan, menentukan kontur, dan degradasi warna.
Seaborn adalah perpustakaan visualisasi Python
berdasarkan matplotlib. Ini menyediakan antarmuka tingkat tinggi untuk
menggambar grafik statistik yang menarik.
""" Anscombe’s quartet
==================
_thumb: .4, .4
"""
import seaborn as sns
sns.set(style="ticks")
# Load the example dataset for Anscombe’s quartet
df = sns.load_dataset("anscombe")
# Show the results of a linear regression within each dataset
sns.lmplot(x="x", y="y", col="dataset", hue="dataset", data=df,
col_wrap=2, ci=None, palette="muted", size=4,
scatter_kws={"s": 50, "alpha": 1})
"""
Plotting a diagonal correlation matrix
======================================
_thumb: .3, .6
"""
from string import letters
import numpy as np
import pandas as pd
import seaborn as sns
import matplotlib.pyplot as plt
sns.set(style="white")
# Generate a large random dataset
rs = np.random.RandomState(33)
d = pd.DataFrame(data=rs.normal(size=(100, 26)),
columns=list(letters[:26]))
# Compute the correlation matrix
corr = d.corr()
# Generate a mask for the upper triangle
mask = np.zeros_like(corr, dtype=np.bool) mask[np.triu_indices_from(mask)] = True
# Set up the matplotlib figure
f,ax = plt.subplots(figsize=(11, 9))
# Generate a custom diverging colormap
cmap = sns.diverging_palette(220, 10, as_cmap=True)
# Draw the heatmap with the mask and correct aspect ratio
sns.heatmap(corr, mask=mask, cmap=cmap, vmax=.3,
square=True, xticklabels=5, yticklabels=5,
linewidths=.5, cbar_kws={"shrink": .5}, ax=ax)
"""
Plotting on a large number of facets
====================================
"""
import numpy as np
import pandas as pd
import seaborn as sns
import matplotlib.pyplot as plt
sns.set(style="ticks")
# Create a dataset with many short random walks
rs = np.random.RandomState(4)
pos = rs.randint(-1, 2, (20, 5)).cumsum(axis=1)
pos -= pos[:, 0, np.newaxis]
step = np.tile(range(5), 20)
walk = np.repeat(range(20), 5)
df = pd.DataFrame(np.c_[pos.flat, step, walk],
columns=["position", "step", "walk"])
# Initialize a grid of plots with an Axes for each walk
grid = sns.FacetGrid(df, col="walk", hue="walk", col_wrap=5, size=1.5)
# Draw a horizontal line to show the starting point
grid.map(plt.axhline, y=0, ls=":", c=".5")
# Draw a line plot to show the trajectory of each random walk
grid.map(plt.plot, "step", "position", marker="o", ms=4)
# Adjust the tick positions and labels
grid.set(xticks=np.arange(5), yticks=[-3, 3],
xlim=(-.5, 4.5), ylim=(-3.5, 3.5))
# Adjust the arrangement of the plots
grid.fig.tight_layout(w_pad=1)
"""
Scatterplot Matrix
==================
_thumb: .5, .4
"""
import seaborn as sns
sns.set()
df = sns.load_dataset("iris")
sns.pairplot(df, hue="species")
"""
Hexbin plot with marginal distributions
=======================================
_thumb: .45, .4
"""
import numpy as np
from scipy.stats import kendalltau
import seaborn as sns sns.set(style="ticks")
rs = np.random.RandomState(11)
x = rs.gamma(2, size=1000)
y = -.5 * x + rs.normal(size=1000)
sns.jointplot(x, y, kind="hex", stat_func=kendalltau, color="#4CB391")
"""
Scatterplot with categorical variables
======================================
"""
import pandas as pd
import seaborn as sns
sns.set(style="whitegrid", palette="muted")
# Load the example iris dataset
iris = sns.load_dataset("iris")
# "Melt" the dataset to "long-form" or "tidy" representation
iris = pd.melt(iris, "species", var_name="measurement")
# Draw a categorical scatterplot to show each observation
sns.swarmplot(x="measurement", y="value", hue="species", data=iris)
Bab
IV
Pemanfaatan Seaborn untuk Cubehelix palettes
Fitur yang paling penting mengenai cubehelix adalah bahwa
dapat mencetak baik dalam warna dan hitam putih. Cubehelix dapat menghemat
banyak waktu ketika membuat angka untuk publikasi di mana warna hanya tersedia
secara online. Cubehelix menyelesaikan ini dengan bersepeda melalui kubus RGB,
sambil terus meningkatkan saturasi (hitam putih). Cubehelix dapat mencetak
pemetaan kontur anda yang menakjubkan dan benar-benar memahaminya. Ini memiliki
fungsi ganda untuk menampilkan angka pada proyektor. Jika saluran merah padam
atau kuning lemah, plot Anda akan menjadi antipeluru .
contoh beberapa gambar pemanfaantan cubehelix menggunakan
seaborn yang sudah di bahas bi bab sebelumnya
Sequential color palettes
Kelas utama kedua dari palet warna yang disebut
"berurutan". Semacam ini pemetaan warna sesuai ketika data berkisar
dari yang relatif rendah atau tidak menarik nilai-nilai ke nilai-nilai yang
relatif tinggi atau menarik. Meskipun ada kasus di mana Anda akan ingin warna
diskrit dalam palet berurutan, itu lebih umum untuk menggunakan mereka sebagai
colormap dalam fungsi seperti kdeplot () atau corrplot () (bersama dengan
fungsi matplotlib serupa). Ini umum untuk melihat colormaps seperti jet (atau
palet pelangi lainnya) yang digunakan dalam hal ini, karena butuh berbagai
warna memberikan kesan memberikan informasi tambahan tentang data. Namun,
colormaps dengan pergeseran rona besar cenderung untuk memperkenalkan
diskontinuitas yang tidak ada dalam data, dan sistem visual kita tidak dapat
secara alami memetakan pelangi untuk perbedaan kuantitatif seperti
"tinggi" atau "rendah". Hasilnya adalah bahwa visualisasi
ini berakhir menjadi lebih seperti teka-teki, dan mereka pola jelas dalam data
daripada mengungkapkan mereka. Palet jet sangat buruk karena warna terang,
kuning dan cyan, digunakan untuk nilai data menengah. Ini memiliki efek
menekankan tidak menarik (dan sewenang-wenang) nilai-nilai sementara
demphasizing ekstrem. Untuk data sekuensial, lebih baik menggunakan palet yang
memiliki paling banyak pergeseran relatif halus dalam warna disertai dengan
pergeseran besar dalam kecerahan dan saturasi. Pendekatan ini secara alami akan
menarik mata ke bagian yang relatif penting dari data. Warna Brewer perpustakaan
memiliki seperangkat besar palet tersebut. Mereka dinamai warna dominan (atau
warna) dalam palet.
Diverging color palettes
Kelas ketiga palet warna disebut "divergen".
Ini digunakan untuk data di mana baik besar nilai rendah dan tinggi yang
menarik. Ada juga biasanya titik tengah yang didefinisikan dalam data.
Misalnya, jika Anda sedang merencanakan perubahan suhu dari beberapa titik
waktu awal, yang terbaik adalah menggunakan colormap divergen untuk menunjukkan
daerah dengan penurunan relatif dan daerah dengan peningkatan relatif. Aturan
untuk memilih palet divergen baik mirip dengan palet berurutan baik, kecuali
sekarang Anda ingin memiliki dua shift warna yang relatif halus dari warna awal
yang berbeda yang bertemu di sebuah warna di bawah-ditekankan pada titik
tengah. Ini juga penting bahwa nilai-nilai yang mulai kecerahan sama dan saturasi.
Ini juga penting untuk menekankan di sini bahwa menggunakan merah dan hijau
harus dihindari, karena populasi besar potensi pemirsa akan dapat membedakan
mereka. Seharusnya tidak mengejutkan Anda bahwa perpustakaan Color Brewer
datang dengan satu set yang dipilih colormaps divergen
Cubehelix adalah skema warna bagian dari warna hitam dan
putih. Cubehelix tidak selalu memiliki palet warna yang paling artistic, tetapi
memiliki keuntungan untuk memudahkan orang-orang yang buta warna dapat melihat
warna tersebut. Dengan mengubah berbagai pengaturan, banyak variasi pada
“CubeHelix” skema yang mungkin. Biasanya cubehelix juga digunakan sebagai
pemetaan negara dan kependudukan, menentukan kontur, dan degradasi warna.
Cubehelix digunakan untuk menampilkan gambar Intensitas
Astronomi. Skema ini dimaksudkan untuk menjadi monoton meningkat di kecerahan
saat ditampilkan di greyscale ketika dicetak hitam putih. Meskipun Grayscale
merupakan suatu standar pemodelan warna, representase eksak dari suatu warna
keabuan dapat sangat bervariasi, sebagai contoh dalam kasus pencetakan sangat
dipengaruhi oleh kondisi mesin printer. Tidak memiliki peningkatan yang
mendasari dalam persepsi kecerahan warna yang digunakan. Fungsi mengevaluasi
heliks yang bergerak melalui RGB “kubus”, mulai dari hitam (0,0,0) dan berakhir
pada putih (1,1,1).
Fitur yang paling penting mengenai cubehelix adalah bahwa
dapat mencetak baik dalam warna dan hitam putih. Cubehelix dapat menghemat
banyak waktu ketika membuat angka untuk publikasi di mana warna hanya tersedia
secara online. Cubehelix menyelesaikan ini dengan bersepeda melalui kubus RGB,
sambil terus meningkatkan saturasi (hitam putih). Cubehelix dapat mencetak
pemetaan kontur anda yang menakjubkan dan benar-benar memahaminya. Ini memiliki
fungsi ganda untuk menampilkan angka pada proyektor. Jika saluran merah padam
atau kuning lemah, plot Anda akan menjadi antipeluru .
Bahasa pemrograman yang digunakan adalah bahasa pyhton,
PyQt dan NumPy. Software ini tersedia secara gratis bagi siapa saja untuk
mendistribusikan di bawah ketentuan GPL (General Public License) yang banyak
digunakan untuk lisensi perangkat lunak yang tidak berbayar atau gratis, yang
menjamin para pengguna (individu, organisasi, perusahaan) dalam kebebasan untuk
menjalakan, studi, menyebarluaskan dan memodifikasi suatu prangkat lunak atau
software. Hal ini di rancang untuk menghasilkan publikasi plots yang
berkualitas.
Program ini menghasilkan plot dalam format vektor yang
sudah populer seperti PDF, PostScript dan SVG. Ini adalah cross-platform,
bekerja di bawah Microsoft Windows, Mac OS X dan Unix / Linux. Data dapat
dibaca dari teks, CSV, HDF5 atau FITS file. Selain itu, Anda juga dapat
memasukkan, memanipulasi atau memeriksa data dari dalam aplikasi .
Fitur utama termasuk kemampuan untuk membuat grafik garis,
gambar, histogram, plot XY, kotak plot, bentuk, plot polar, plot terner, plot
kontur, dan vektor plot lapangan, tiga antarmuka pengguna (grafis, CLI dan
scripting), serta kemampuan untuk merancang tata letak yang kompleks.
Selain itu, aplikasi ini mampu memanipulasi dan
menciptakan dataset, data capture dari sumber eksternal, membuat dataset baru
yang terkait dengan dataset yang ada, data impor dalam format baru, dan impor
fungsi Python eksternal.
