-
Clone repositori ini
git clone https://github.com/JadesMichizaru/analisis-sensitif-content.git
-
Gunakan jupyter notebooks ataupun tools analisis lainnya dan package dari python Lalu Import Package jika belum ada
pip install pandas pip install numpy pip install matplotlib pip install seaborn pip install scipy
-
🐍 Contoh Analisis dengan package Python (Yang sudah diinstall sebelumnya)
import pandas as pd import numpy as np import matplotlib.pyplot as plt import seaborn as sns from scipy import stats # Konfigurasi tampilan pd.set_option('display.max_columns', 50) %matplotlib inline # PILIH SALAH SATU: # sns.set_theme(style="darkgrid") # Opsi terbaik plt.style.use('seaborn-v0_8-darkgrid') # Alternatif # Contoh plot untuk test data = pd.DataFrame({'x': np.random.randn(100), 'y': np.random.randn(100)}) sns.scatterplot(data=data, x='x', y='y') plt.title('Contoh Plot dengan Style yang Benar') plt.show()
-
Contoh Visualisasi Tambahan (opsional)
# Peta Heatmap regional # Contoh data provinsi provinsi = ['Jawa Barat', 'DKI Jakarta', 'Jawa Timur', 'Sumatera Utara'] kasus = [127, 98, 85, 43] plt.figure(figsize=(10,6)) sns.barplot(x=kasus, y=provinsi, palette='viridis') plt.title('Distribusi Geografis Kasus Terkait') plt.xlabel('Jumlah Kasus') plt.show() # Time Series Analysis from statsmodels.tsa.seasonal import seasonal_decompose # Data time series contoh dates = pd.date_range(start='2020-01-01', periods=36, freq='M') values = np.random.randint(10, 50, size=36) + np.sin(np.linspace(0, 10, 36)) * 10 ts = pd.Series(values, index=dates) result = seasonal_decompose(ts, model='additive') result.plot() plt.tight_layout() plt.show()
Kontribusi sangat diterima untuk:
🆕 Menambahkan data terbaru
✅ Memperbaiki data yang kurang akurat
📊 Membuat visualisasi data
📝 Meningkatkan dokumentasi
-
Fork repositori ini
-
Buat branch baru:
git checkout -b fitur/nama-fiturbaru
-
Commit perubahan Anda:
git commit -m 'Menambahkan fitur: [deskripsi singkat]' -
Push ke branch:
git push origin fitur/nama-fiturbaru
- Pemilik Repositori: JadesMichizaru