Visualisasi untuk Publikasi

Bagi peneliti, ada dua jenis visualisasi yang sering digunakan, yaitu visualisasi untuk eksplorasi data dan publikasi. Untuk eksplorisasi data, figur yang dihasilkan biasanya tidak perlu terlalu rapi mengingat tujuan utama dari proses ini adalah untuk melakukan eksplorasi data. Lain halnya dengan visualisasi untuk publikasi, figur yang dihasilkan harus rapi dan sesuai dengan standar jurnal yang dituju.

Pada sesi kali ini, kita akan membahas beberapa hal yang perlu diperhatikan dalam pembuatan visualisasi untuk publikasi.

Objek Figur

Untuk membuat figur yang mudah dikonfigurasi, sebaiknya kita menyimpan variabel-variabel yang berisi komponen figur.

Misalnya untuk membuat plot sederhana, kita sering melakukan:

import matplotlib.pyplot as plt
import numpy as np

x = np.linspace(0, 2*np.pi, 100)
y = np.sin(x)

plt.plot(x, y)

Sisi negatif dari cara ini adalah kita tidak mudah untuk mengatur komponen dari figur. Pendekatan yang lebih tepat adalah dengan menyimpan objek-objek plot yang dibuat secara manual. Misalnya:

fig = plt.figure()
ax = fig.add_subplot(111)
ax.plot(x, y)

Dengan cara ini, masing-masing komponen figur dapat direferensi dan diatur dengan mudah. Misalnya, apabila kita ingin mengubah skala sumbu x pada menjadi logaritmik, kita dapat menggunakan ax.set_xscale('log').

Figure dan Axes yang sedang aktif juga dapat diperoleh dengan menggunakan fig = plt.gcf() dan ax = plt.gca().

Pengaturan Dimensi Figur

Sesuai dengan hirarki komponen dalam Matplotlib, kita akan memulai dengan membahas parameter yang berkaitan dengan Figure.

Untuk figur publikasi, biasanya terdapat dua jenis dimensi yang perlu diperhatikan, yaitu ukuran figur dan resolusi plot. Ukuran figur biasanya ditentukan dari ukuran kertas dan margin yang ditetapkan oleh jurnal. Sebaliknya, resolusi plot cenderung lebih fleksibel selama tidak mengganggu kualitas gambar.

Di luar kedua dimensi ini, ukuran font dan margin dari figur juga harus diperhatikan.

Ukuran Figur

Ukuran figur dapat ditentukan dengan menggunakan parameter figsize yang menjadi salah satu input dari fungsi plt.figure().

Secara global, nilai dari parameter ini dapat diatur dengan mengganti nilai dari variabel figure.figsize di pengaturan rcParams dari Matplotlib. Untuk masing-masing figur, parameter figsize dapat diatur secara terpisah dengan menggunakan tuple atau list yang berisi dua nilai, yaitu lebar dan tinggi figur dalam satuan inci.

Biasanya ukuran figur yang diterima oleh jurnal dapat ditemukan di halaman Author Guidelines atau Instruction for Authors.

Resolusi Figur

Sama seperti ukuran figur, resolusi figur dapat dubah dengan dengan menggunakan parameter dpi sebagai input dari fungsi plt.figure().

Nilai parameter ini secara global dapat diubah melalui variabel figure.dpi di pengaturan rcParams Matplotlib. Nilai dari dpi mengatur berapa banyak pixel per satuan inci dari ukuran figur yang diberikan.

Ukuran figur dalam pixel dapat dihitung melalui:

Ukuran Figur (inci)=l×w,Ukuran Figur (pixel)=(l×dpi)×(w×dpi).

Ukuran Font

Ukuran font dapat ditentukan dengan menggunakan angka dalam satuan pt, sama dengan nilai yang digunakan di word processor pada umumnya.

Selain nilai numerik, kita juga dapat mengatur ukuran relatif terhadap figur dengan nilai: {'xx-small', 'x-small', 'small', 'medium', 'large', 'x-large', 'xx-large'}.

Ukuran font dapat diatur secara global melalui variabel font.size di rcParams Matplotlib.

Banyak komponen turunan dari figur yang memiliki parameter fontsize sendiri baik dalam proses inisialisasi maupun di rcParams.

Satuan pt untuk font memiliki asumsi dpi dengan nilai 72.

Apabila nilai dpi figur telah berubah, ukuran font yang relatif sama dapat diperoleh dengan mengalikan nilai fontsize dengan nilai dpi baru dan membaginya dengan 72.

Pengaturan Margin

Pengaturan Margin menjadi penting apabila kita ingin membuat figur dengan banyak komponen yang berbeda.

Secara umum nilai nominal margin diukur sebagai persentase dari ukuran figur, dengan rentang nilai [0., 1.].

Nilai margin dapat diatur secara global melalui parameter figure.subplot.{left|right|bottom|top|hspace|wspace} di rcParams Matplotlib.

Nilai right dan top adalah batas lokasi Axes terhadap tepi Figure yang umumnya memiliki nilai mendekati 1.0. Nilai hspace mengatur jarak vertikal antar Axes, sedangkan wspace mengatur jarak horizontal.

GridSpec

GridSpec adalah objek pembantu yang dapat digunakan untuk mengatur layout dari Figure dengan banyak Axes.

Dibandingkan dengan penggunaan fig.add_subplot(...), penggunaan GridSpec dapat memberikan fleksibilitas yang lebih tinggi dalam pengaturan dimensi sub-figur.

Contoh penggunaan GridSpec misalnya:

from matplotlib.gridspec import GridSpec

fig = plt.figure()
gs = GridSpec(3, 3, figure=fig)
ax1 = fig.add_subplot(gs[0, :])
ax2 = fig.add_subplot(gs[1:, 0])
gs_sub = gs[1:, 1:].subgridspec(2, 2, width_ratios=[1, 2], height_ratios=[2, 1])
ax3 = fig.add_subplot(gs_sub[0, :])
ax4 = fig.add_subplot(gs_sub[1:, 0])
ax5 = fig.add_subplot(gs_sub[1:, 1:])

Colorbar

Meskipun penambahan colorbar untuk figur berwarna dapat dilakukan dengan beberapa cara, sebaiknya hal ini dilakukan secara eksplisit dengan Axes yang sudah disiapkan terlebih dahulu.

Pengaturan ukuran dan dimensi Axes dapat dilakukan dengan menggunakan GridSpec yang baru saja kita bahas di atas. Contoh penambahan colorbar yang benar sudah dapat dilihat di sesi sebelumnya.

Selain lokasi dan dimensi dari colorbar kita juga harus memperhatikan pemilihan skema warna untuk figur kita.

Persepsi warna manusia sangat bergantung dari tingkat kecerahan warna. Skema warna pelangi yang sering kita jumpai sebenarnya dapat membuat kesalahan representasi data. Hal ini juga dapat diperburuk apabila figur tidak ditampilkan dengan seharusnya, misalnya saat dicetak secara hitam-putih.

Beberapa artikel yang dapat kalian baca untuk memahami pentingnya pilihan gradasi warna:

Pilihan opsi warna yang tersedia secara default di matplotlib dapat dilihat di sini.

Penggunaan LaTeX

LaTeX sebagai sarana penulisan teks dapat diintegrasi ke dalam figur hasil Matplotlib.

Untuk menggunakan fitur ini, pastikan bahwa terdapat instalasi luring dari LaTeX di komputer kita:

Untuk mengaktifkan fitur ini, ubah nilai text.usetex di rcParams menjadi True.

Apabila instalasi berjalan dengan lancar, teks dengan format LaTeX "$...$" akan secara otomatis berubah menjadi persamaan.

Tanda backslash \ dalam LaTeX harus di-escape menjadi double backslash \\ atau kita juga dapat menggunakan raw string r"$...$".

Apabila kita ingin menggunakan package-package khsusus di LaTeX, kita dapat menambahkan package tersebut ke dalam pengaturan rcParams pada key text.latex.preamble.

Kita dapat menggunakan f-string di Python untuk memasukkan nilai variabel ke dalam string LaTeX. Contoh:

t = 1.25368
plt.title(rf"$t = {t:.2f}$")

Penyimpanan Pengaturan

Pada sesi kali ini kita banyak menyebut penggunaan rcParams untuk pengaturan di Matplotlib. Agar pengaturan yang telah kita buat dapat disimpan dan digunakan dengan mudah, kita dapat menyimpan pengaturan ke dalam file *.mplstyle secara terpisah.

Contoh file dapat dilihat di bawah ini:

# Figure sizes
figure.dpi: 200
figure.subplot.left: 0.1125
figure.subplot.right: 0.975
figure.subplot.bottom: 0.1125
figure.subplot.top: 0.975
figure.subplot.hspace: 0.1
figure.subplot.wspace: 0.1

# Saving figure
savefig.dpi: 200
savefig.transparent: True

# Figure texts
text.usetex: True
# text.latex.preamble: \usepackage{xcolor}\usepackage{siunitx}

font.family: monospace

# Axes
axes.linewidth: 0.5
axes.labelsize: 8
axes.prop_cycle: cycler(color='bgrcmyk')

axes.formatter.limits: -2, 4
axes.formatter.offset_threshold: 3

# Ticks
xtick.top: True
xtick.labelsize: 7
xtick.major.size: 2.5
xtick.minor.size: 1.5
xtick.major.width: 0.5
xtick.minor.width: 0.3
xtick.direction: in
xtick.minor.visible: True

ytick.right: True
ytick.labelsize: 7
ytick.major.size: 2.5
ytick.minor.size: 1.5
ytick.major.width: 0.5
ytick.minor.width: 0.3
ytick.direction: in
ytick.minor.visible: True

# Legend
legend.edgecolor: k
legend.fancybox: False

# Animation
animation.html: html5

Konfigurasi ini kemudian dapat dijalankan dengan menggunakan plt.style.use('nama_file').

Untuk konfigurasi yang lebih kompleks, kalian dapat membuat file Python terpisah yang bertugas untuk mengatur rcParams dan melakukan pengaturan lain seperti Ticker atau definisi color cycle tertentu.