Skip to content

Folders and files

NameName
Last commit message
Last commit date

Latest commit

 

History

2 Commits
 
 
 
 
 
 

Repository files navigation

📊 Analisis Kasus Jud8l Di indonesia

GitHub last commit
GitHub repo size

📌 Cara Menggunakan

📥 Mengunduh Data

  1. Clone repositori ini

    git clone https://github.com/JadesMichizaru/analisis-sensitif-content.git
    
  2. 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
    
  3. 🐍 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()
  4. 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()
    

🤝 Berkontribusi

Kontribusi sangat diterima untuk:

🆕 Menambahkan data terbaru

✅ Memperbaiki data yang kurang akurat

📊 Membuat visualisasi data

📝 Meningkatkan dokumentasi

Langkah-langkah kontribusi:

  1. Fork repositori ini

  2. Buat branch baru:

    git checkout -b fitur/nama-fiturbaru
    
  3. Commit perubahan Anda:

    git commit -m 'Menambahkan fitur: [deskripsi singkat]'
    
  4. Push ke branch:

    git push origin fitur/nama-fiturbaru
    

✉️ Kontak

About

Visualization of sensitive content analysis using Indonesian case data – quick setup with Python, Pandas, Matplotlib, Seaborn.

Topics

Resources

Stars

1 star

Watchers

0 watching

Forks

Releases

Packages

Contributors

Languages