Proyek: Eksplorasi Dataset Terbuka

Proyek ini menuntaskan satu alur kerja analis data secara utuh pada dataset terbuka: memilih dan memahami berkas, membersihkan dan memvalidasi, mengeksplorasi, lalu menyusun temuan. Bahan kerjanya satu berkas indikator_kesehatan.csv dari Portal Data Terbuka Nusantara — portal simulasi penyedia data terbuka pemerintah — berisi Indikator Layanan Kesehatan Dasar per Provinsi 2022-2024: 108 baris mentah untuk 34 provinsi kali 3 tahun dengan tujuh kolom, dari jumlah puskesmas hingga persen akses air bersih. Berkasnya dibuat oleh skrip deterministik (seed 77) sehingga semua pembaca mendapat isi yang sama, dan sengaja memuat masalah yang lazim ditemui pada ekspor data: enam baris duplikat, 12 label provinsi tak seragam, lima sel '-', sembilan persen kosong, empat persen di luar rentang, dan dua jumlah negatif. Empat bagian berurutan membawa dataset itu dari keadaan mentah menjadi temuan siap lapor:

• Bagian 1: Memilih dan Memahami Dataset — kriteria memilih dataset terbuka, pemuatan CSV dengan read_csv(), profil tiap kolom, dan pemetaan enam masalah data.
• Bagian 2: Membersihkan dan Memvalidasi Data — lima langkah pembersihan yang dikemas menjadi fungsi bersihkan() dan divalidasi dengan assert_frame_equal().
• Bagian 3: Melakukan Eksplorasi Data — statistik univariat dengan describe() dan quantile(), hubungan antarkolom lewat corr(), dan peringkat provinsi dengan nlargest() serta nsmallest().
• Bagian 4: Menyusun Temuan — matriks provinsi x tahun dengan pivot_table(), temuan bernomor dari angka yang dihitung kode, ekspor ringkasan CSV, dan narasi batasan data.

Kerjakan bagian demi bagian secara berurutan, karena tiap bagian memakai dataset dan hasil bagian sebelumnya; skrip pendamping buat_dataset.py tersedia di folder tiap bagian sehingga setiap chapter dapat dijalankan sendiri. Proyek ini menerapkan materi beberapa section sebelumnya pada satu dataset utuh: Membaca dan Menulis Data untuk CSV, Data Cleaning untuk pembersihan dan validasi, GroupBy dan Agregasi untuk perhitungan per kelompok, serta Menggabungkan dan Membentuk Data untuk pivot_table(). Bila Anda baru menyelesaikan proyek sebelumnya, keempat bagian ini memakai pola yang sama — memuat, membersihkan, mengeksplorasi, merangkum — pada data agregat per provinsi.