Dalam analisis data, pemetaan scatter (scatter plot) adalah salah satu jenis visualisasi yang paling umum digunakan. Dengan menggunakan pemetaan scatter, kita dapat melihat hubungan antara dua variabel numerik dan mencari pola atau relasi yang tidak terlihat dengan cara lain.

Pemetaan Scatter untuk Variabel Nominal

Dalam kasus variabel nominal, kita dapat menggunakan warna untuk mewakili setiap kelompok. Contohnya, jika kita memiliki data tentang warna baju dan ukuran baju, kita dapat menggunakan warna untuk mewakili warna baju dan ukuran baju untuk mewakili ukuran baju.

Pemetaan Scatter dengan Variabel Numerik

Dalam kasus variabel numerik, kita dapat menggunakan ukuran titik atau warna untuk menunjukkan nilai variabel. Contohnya, jika kita memiliki data tentang tinggi badan dan berat badan, kita dapat menggunakan ukuran titik untuk menunjukkan tinggi badan dan warna untuk menunjukkan berat badan.

Pemetaan Scatter dengan Variabel Nominal dan Numerik

Dalam kasus kombinasi variabel nominal dan numerik, kita dapat menggunakan warna dan ukuran titik untuk mewakili setiap kelompok. Contohnya, jika kita memiliki data tentang warna baju, ukuran baju, dan tinggi badan, kita dapat menggunakan warna untuk mewakili warna baju, ukuran titik untuk menunjukkan ukuran baju, dan warna untuk menunjukkan tinggi badan.

Pemetaan Scatter dengan Peta

Dalam kasus ketika dua variabel adalah koordinat geografi (latitude dan longitude), kita dapat menggunakan peta sebagai latar belakang untuk mewakili setiap titik. Contohnya, jika kita memiliki data tentang lokasi penyebaran penyakit dan kualitas air, kita dapat menggunakan peta untuk menunjukkan hubungan antara lokasi penyebaran penyakit dan kualitas air.

Pemetaan Heatmap

Dalam kasus ketika ada banyak titik yang perlu dipetakan, pemetaan heatmap (heatmap) dapat menjadi alternatif yang baik. Pemetaan heatmap dapat membantu menunjukkan hubungan antara dua variabel namun tidak terlalu efektif jika kita memiliki lebih dari beberapa ratus titik.

Pemetaan Connected Scatter

Dalam kasus ketika variabel yang ingin ditambahkan adalah timestamp, pemetaan connected scatter (connected scatter plot) dapat menjadi pilihan yang baik. Pemetaan ini dapat membantu menunjukkan bagaimana dua variabel berhubungan seiring waktu.

Tools Visualisasi

Pemetaan scatter adalah jenis visualisasi dasar yang harus dapat dihasilkan oleh apapun tools atau solusi untuk visualisasi data. Kita juga dapat menggunakan pemetaan ini untuk mengeksplorasi hubungan antara dua variabel numerik dalam data kita.

Prediksi dan Thresholding – Menghindari Hasil Terpencar

Saya memiliki model prediksi untuk segmentasi semantic binary cable.
Hasilnya baik-baik saja untuk sekarang:

Saya membuat masker dari prediksi dan mengaplikasikan threshold untuk mendapatkan gambar biner.
Seperti yang terlihat di sini, kontur-kontur yang ditemukan oleh OpenCV sangat terpencar; saya tidak dapat menemukan threshold yang sempurna untuk semua gambar.

Masalah saya adalah apakah ada library yang tersedia yang mengolah prediksi dengan cara yang lebih baik daripada hanya thresholding?
Mungkin seperti menemukan kontur berdasarkan nilai-nilai yang sedikit terlalu rendah namun dekat dengan kebenaran?

Saya harap saya dapat menjelaskan masalah saya dengan baik, terima kasih sebelumnya!