https://drive.google.com/drive/folders/1aX6R5–8ralq-5P3OPsxweXSvo2BOqn4
Video Presentation
Video testing promting
A. Judul proyek
Identifying Pattern in Steam Table Using Pearson Correlation
B. Nama lengkap Penulis
TRI AGUNG SUSANTO
2506565521
C. Afiliasi
Department of Mechanical Engineering, Faculty of Engineering, Universitas Indonesia.
D. Abstrak
Dalam project ini bertujuan untuk mempelajari pola (pattern) dalam suatu data dari data steam table dalam thermodinamika menggunkan pearson correlation sebagai alogaritma untuk memetakan hasil dari korelasi data tersebut. Sehingga mendapatkan hasil pattern dari data steam table.
E. Deklarasi penulis
Penulis menggunakan buku DAI5 “Deep Awareness of I” sebagai framework untuk menyelesaikan permasalahan dalam project ini.
1.1. Deep Awareness of I
Bismillahirrahmanirrahim
Segala puji bagi ALLAH yang telah memberikan kita akal dan ilmu kepada kita semua, dalam studi ini saya memfokuskan untuk mempelajari dan mengamalkan ilmu mengenai Pearson correlation. Dan saya berharap dalam ilmu yang saya amalkan ini dapat memberikan dampak positif bagi masyarakat.
1.2 Intention
Dalam ilmu yang saya pelajari dengan niat untuk dapat mengamalkannya kepada seluruh umat manusia agar dapat mengaplikasikan ilmu Pearson correlation dimana saja dan dengan menggunakan data set apa saja sehingga kita dapat meneliti lebih lanjut pola correlasi antar variabel.
F. Pendahuluan
Kita sering sekali berhubungan dengan dataset akan tetapi dari dataset tersebut masih memiliki keterbatasan akan memahami dataset tersebut dikarenakan kita kurang akan adanya pemahaman dasar dari dataset tersebut. Maka dari itu dalam project saya ini saya ingin memahami pola (pattern) dari dataset yang digunakan ialah dataset steam table Properties of Saturated Water (Liquid–Vapor): Temperature Table.
Dimana dari dataset tersebut terdapat 11 parameter, terdiri dari : Temperature, Pressure, Specific Volume in Liquid, Specific Volume in Vapor, Internal Energy Liquid, Internal Energy Vapor, Enthalpy Liquid, Enthalpy Vapor, Entropy Liquid, Entropy Vapor, dan Entropy of Vaporization. Kemudian dari variabel tersebut kita cari korelasi (Correlation) antar variabel sehingga kita mendapatkan berupa pattern yang bisa mudah pahami.
Initial thingking (about the problem)
Dalam studi ini saya memakai contoh kasus Steam Table dalam Termodinamika dan mencari korelasi dari variabel satu dengan variabel lainnya. Sehingga kita mendapatkan pola berupa dalam bentuk tabel yang dapat kita pahami sehingga memudahkan kita dalam membaca pola dari dataset yang kita pelajari.
G. Metodologi & Prosedur
Flow chart
1.Idealisasi:
Dalam studi kasus ini alogaritme yang digunakan menggunakan model matematis yaitu Pearson correlation. Dan nilai tersebut memliki rentang -1 sampai dengan +1.
2. Instruksi (Set):
untuk prosedurnya
1. Siapkan dataset berupa csv, dimana dataset yang saya gunakan steam table.csv
2. Copy coding dari ai.dai5 mengenai pearson correlation
3. Buka Visual Studio Code (VSC)
4. Copy paste Code di dalam jupyter notebook dan kemudian di edit di bagian path file dengan dataset csv yang digunakan.
5. Run code dan kemudian hasilnya dapat di baca.
import numpy as np
import pandas as pd
import seaborn as sns
import matplotlib.pyplot as plt
# Load data from local file CSV
data=pd.read_csv("C:/Users/agung/OneDrive/Documents/Data Science/steam-table.csv")
# Make correlation
corr = data.corr()
# Make plot heatmap correlation
plt.figure(figsize=(20, 16))
sns.heatmap(corr, annot=True, cmap='coolwarm', fmt=".2f", linewidths=0.5)
plt.title('Heatmap Correlation')
plt.show()
# Make plot half to make data read easier
lower_only = corr.where(np.tril(np.ones(corr.shape), k=0).astype(bool))
plt.figure(figsize=(16, 12))
sns.heatmap(lower_only, annot=True, fmt=".2f", cmap="coolwarm", vmin=-1, vmax=1,
square=True, linewidths=.5, cbar_kws={"shrink": .8})
plt.title('Pearson Correlation Coeficient')
plt.xticks(rotation=45, ha='right')
plt.yticks(rotation=0)
plt.show()H. Hasil dan pembahasan
Setelah di run didapat table di atas kemudian kita hilangkan ½ data karena data tersebut sama.
I. Kesimpulan, Penutup, Rekomendasi
Kesimpulan pattern yang kita dapatkan :
Enthalpy_liquid / temperature = memiliki nilai +1 yaitu memiliki korelasi yang kuat
Internal_energy_liquid / temperature = memiliki nilai +1 yaitu memiliki korelasi yang kuat
Entropy_liquid / temperature = memiliki nilai +1 yaitu memiliki korelasi yang kuat
Enthalpi_liquid / Internal_energy_liquid = memiliki nilai +1 yaitu memiliki korelasi yang kuat
Enthalpy_gas / Internal_energy_gas = memiliki nilai +1 yaitu memiliki korelasi yang kuat
J. Ucapan Terima Kasih
Saya ucapkan terima kasih banyak kepada Prof. Ir. Ahmad Indra Siswantara, Ph.D sebagai mentor , karena berkat beliau saya dapat memahami dan menyelesaikan Project ini.
K. Referensi yang Dikutip
1. Buku Deep awareness of I , Prof. Ir. Ahmad Indra Siswantara, Ph.D
2. AIDAI5 sebagai AI agent assistant
L. Lampiran
import numpy as np
import pandas as pd
import seaborn as sns
import matplotlib.pyplot as plt
# Load data from local file CSV
data=pd.read_csv("C:/Users/agung/OneDrive/Documents/Data Science/steam-table.csv")
# Make correlation
corr = data.corr()
# Make plot heatmap correlation
plt.figure(figsize=(20, 16))
sns.heatmap(corr, annot=True, cmap='coolwarm', fmt=".2f", linewidths=0.5)
plt.title('Heatmap Correlation')
plt.show()
# Make plot half to make data read easier
lower_only = corr.where(np.tril(np.ones(corr.shape), k=0).astype(bool))
plt.figure(figsize=(16, 12))
sns.heatmap(lower_only, annot=True, fmt=".2f", cmap="coolwarm", vmin=-1, vmax=1,
square=True, linewidths=.5, cbar_kws={"shrink": .8})
plt.title('Pearson Correlation Coeficient')
plt.xticks(rotation=45, ha='right')
plt.yticks(rotation=0)
plt.show()