Part 20 — Mini Project: Analisis Data Lengkap

Fundamental Series — Part 20 of 20 🎉

Selamat! Ini part terakhir. Kita akan menggabungkan semua skill dari Part 0–19 dalam satu mini project end-to-end.

---

Skenario

Kamu mendapat dataset penjualan toko. Tugasmu: import, bersihkan, analisis, dan buat laporan sederhana.

---

Step 1 — Setup & Import

import polars as pl
import numpy as np
from datetime import date, timedelta
from pathlib import Path

# Buat data simulasi
np.random.seed(42)
n = 200

start = date(2025, 1, 1)
dates = [start + timedelta(days=int(d)) for d in np.random.randint(0, 365, n)]

penjualan = pl.DataFrame({
    "id": range(1, n + 1),
    "tanggal": dates,
    "produk": np.random.choice(["Laptop", "Mouse", "Keyboard", "Monitor", "Headset"], n),
    "kategori": np.random.choice(["Elektronik", "Aksesoris"], n),
    "kota": np.random.choice(["Jakarta", "Bandung", "Surabaya", "Semarang", "Medan"], n),
    "jumlah": np.random.randint(1, 11, n),
    "harga": np.random.choice([100, 50, 75, 300, 80], n),
    "diskon": np.random.choice([0, 0.05, 0.1, None], n)
})

---

Step 2 — Eksplorasi Awal

# Struktur
penjualan.schema
penjualan.shape

# Missing
penjualan.null_count()

# Frekuensi
penjualan["produk"].value_counts()
penjualan["kota"].value_counts()

---

Step 3 — Cleaning

penjualan_clean = (
    penjualan
    # Isi diskon null dengan 0
    .with_columns(pl.col("diskon").fill_null(0))
    # Hitung total
    .with_columns(
        (pl.col("jumlah") * pl.col("harga") * (1 - pl.col("diskon"))).alias("total"),
        pl.col("tanggal").dt.month().alias("bulan"),
        pl.col("tanggal").dt.quarter().alias("kuartal")
    )
    # Filter transaksi valid
    .filter(pl.col("total") > 0)
)

---

Step 4 — Analisis

# Revenue per kota
revenue_kota = (
    penjualan_clean
    .group_by("kota")
    .agg(
        pl.col("total").sum().alias("total_revenue"),
        pl.col("id").count().alias("n_transaksi"),
        pl.col("total").mean().alias("avg_transaksi")
    )
    .sort("total_revenue", descending=True)
)

# Revenue per bulan
revenue_bulan = (
    penjualan_clean
    .group_by("bulan")
    .agg(pl.col("total").sum().alias("total_revenue"))
    .sort("bulan")
)

# Produk terlaris
produk_terlaris = (
    penjualan_clean
    .group_by("produk")
    .agg(
        pl.col("jumlah").sum().alias("total_terjual"),
        pl.col("total").sum().alias("total_revenue")
    )
    .sort("total_terjual", descending=True)
)

---

Step 5 — Visualisasi

from plotnine import ggplot, aes, geom_col, geom_line, geom_point, labs, coord_flip, theme_minimal

# Revenue per kota
(
    ggplot(revenue_kota, aes(x="kota", y="total_revenue"))
    + geom_col(fill="steelblue")
    + coord_flip()
    + labs(title="Total Revenue per Kota", x="", y="Revenue")
)

# Trend bulanan
(
    ggplot(revenue_bulan, aes(x="bulan", y="total_revenue"))
    + geom_line(size=1)
    + geom_point(size=3)
    + labs(title="Revenue Trend Bulanan", x="Bulan", y="Revenue")
)

---

Step 6 — Export

output_dir = Path("output")
output_dir.mkdir(exist_ok=True)

penjualan_clean.write_csv(output_dir / "penjualan_clean.csv")
penjualan_clean.write_parquet(output_dir / "penjualan_clean.parquet")
revenue_kota.write_csv(output_dir / "revenue_kota.csv")

---

Checklist Skills yang Digunakan

Part	Skill	✓
1	Variabel & tipe data	✓
2	List & dict	✓
3	DataFrame (Polars)	✓
4	Operator	✓
5	Conditional (when/then)	✓
8	String	✓
9	Date & time	✓
10	Missing values	✓
11	Packages	✓
12	Import & export	✓
13	Filter & select	✓
14	Mutate & sort	✓
15	Group & agg	✓
19	pathlib, seed	✓

---

Tantangan Tambahan

BahayaExtend the Project

1. Analisis diskon — produk mana yang paling sering didiskon?
2. Buat cross-tabulation kota × produk
3. Identifikasi bulan terbaik per kota
4. Buat fungsi ringkasan_kota(df, kota_nama) yang return summary
5. Simpan plot sebagai PNG

---

Penutup

Selamat menyelesaikan Fundamental Programming Series! 🎉

Kamu sekarang punya fondasi kuat untuk:

• Mengimpor dan membersihkan data
• Memanipulasi dan menganalisis data
• Menulis kode yang terstruktur dan reproducible

Langkah selanjutnya: Lanjut ke tutorial topik spesifik — regresi, machine learning, atau causal inference.

---

Sebelumnya: Part 19 — Reproducible Workflow Kembali ke: Index Tutorial Python