Part 20 — Mini Project: Analisis Data Lengkap

Menggabungkan semua skill di Stata: import, clean, manipulasi, visualisasi, dan export dalam satu analisis end-to-end.
Fundamental
MiniProject
Diterbitkan

26 Februari 2026

Fundamental Series — Part 20 of 20 🎉

Selamat! Ini part terakhir. Kita menggabungkan semua skill dari Part 0–19 dalam satu do-file analisis end-to-end.

Skenario

Kamu mendapat dataset penjualan toko. Tugasmu: import, bersihkan, analisis, dan buat laporan sederhana — semuanya dalam satu do-file terstruktur.

Master Do-file

* ============================================
* mini_project.do
* Analisis Data Penjualan — End-to-End
* ============================================

clear all
set more off
version 17

* Log
capture log close
log using "output/mini_project.log", replace

Step 1 — Import / Buat Data

* Buat data simulasi
clear
set seed 42
set obs 200

generate id = _n
generate tanggal = date("01jan2025", "DMY") + int(runiform() * 365)
format tanggal %td

generate produk = ""
replace produk = "Laptop" if runiform() < 0.2
replace produk = "Mouse" if produk == "" & runiform() < 0.25
replace produk = "Keyboard" if produk == "" & runiform() < 0.33
replace produk = "Monitor" if produk == "" & runiform() < 0.5
replace produk = "Headset" if produk == ""

generate kota = ""
replace kota = "Jakarta" if runiform() < 0.2
replace kota = "Bandung" if kota == "" & runiform() < 0.25
replace kota = "Surabaya" if kota == "" & runiform() < 0.33
replace kota = "Semarang" if kota == "" & runiform() < 0.5
replace kota = "Medan" if kota == ""

generate jumlah = int(runiform() * 10) + 1
generate harga = cond(runiform() < 0.3, 300, cond(runiform() < 0.5, 100, 75))
generate diskon = cond(runiform() < 0.25, ., cond(runiform() < 0.5, 0.05, 0))

Step 2 — Eksplorasi

describe
codebook, compact
misstable summarize
tabulate produk
tabulate kota

Step 3 — Cleaning

* Isi missing diskon dengan 0
replace diskon = 0 if missing(diskon)

* Hitung total
generate total = jumlah * harga * (1 - diskon)

* Ekstrak komponen tanggal
generate bulan = month(tanggal)
generate kuartal = quarter(tanggal)

* Filter valid
drop if total <= 0

Step 4 — Analisis

* Revenue per kota
preserve
collapse (sum) total_revenue=total (count) n=id (mean) avg=total, by(kota)
gsort -total_revenue
list
restore

* Revenue per bulan
preserve
collapse (sum) total_revenue=total, by(bulan)
sort bulan
list
restore

* Produk terlaris
preserve
collapse (sum) total_terjual=jumlah total_revenue=total, by(produk)
gsort -total_terjual
list
restore

Step 5 — Visualisasi

* Bar chart revenue per kota
preserve
collapse (sum) total=total, by(kota)
graph bar total, over(kota, sort(1) descending) ///
    title("Total Revenue per Kota") ///
    ytitle("Revenue") ///
    bar(1, color(navy))
graph export "output/revenue_kota.png", replace
restore

* Line chart trend bulanan
preserve
collapse (sum) total=total, by(bulan)
twoway line total bulan, ///
    title("Revenue Trend Bulanan") ///
    xtitle("Bulan") ytitle("Revenue") ///
    lwidth(thick) lcolor(navy)
graph export "output/revenue_bulan.png", replace
restore

Step 6 — Export

* Simpan data bersih
save "output/penjualan_clean.dta", replace

* Export ke CSV
export delimited using "output/penjualan_clean.csv", replace

* Tutup log
log close

Checklist Skills yang Digunakan

Part Skill ✓
1 Variabel & tipe data ✓
2 Macro & scalar ✓
3 Dataset ✓
4 Operator ✓
5 Conditional (cond/replace if) ✓
9 Date & time ✓
10 Missing values ✓
12 Import & export ✓
13 keep/drop/if ✓
14 generate/replace/sort ✓
15 collapse/bysort ✓
18 Log files ✓
19 Project structure ✓

Tantangan Tambahan

BahayaExtend the Project
  1. Analisis diskon — produk mana yang paling sering didiskon?
  2. Buat cross-tabulation table kota produk, statistic(sum total)
  3. Identifikasi bulan terbaik per kota (pakai bysort + egen)
  4. Buat program ringkasan_kota yang menerima nama kota dan tampilkan summary
  5. Export tabel ke Excel: putexcel

Penutup

Selamat menyelesaikan Fundamental Programming Series! 🎉

Kamu sekarang punya fondasi kuat untuk:

  • Mengimpor dan membersihkan data
  • Memanipulasi dan menganalisis data
  • Menulis do-file yang terstruktur dan reproducible

Langkah selanjutnya: Lanjut ke tutorial topik spesifik — regresi, panel data, atau IV estimation.

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