Proyek: Analisis Dataset dengan Python

Kita telah melingkari materi inti Course Statistika dua kali: pertama lewat hitungan manual dan konsep pada section-section teori, lalu lewat alat Python pada Section Statistika dengan Python — pandas untuk tabel, NumPy untuk angka, matplotlib untuk grafik. Section Interpretasi dan Etika menutupnya dengan kerangka membaca hasil secara kritis. Proyek ini merangkai semuanya menjadi satu alur kerja nyata: sebuah dataset karyawan hasil ekspor sistem HR yang belum sempurna kita muat, kita periksa kesehatannya, kita bersihkan, kita hitung, kita gambar, lalu kita tafsirkan menjadi laporan lima temuan bernomor. Fokus proyek bukan alat baru — semua fungsi yang dipakai sudah pernah dibahas — melainkan disiplin urutan kerja: inspeksi dulu, angka kemudian, gambar setelahnya, dan tafsiran paling akhir.

Objek analisis kita adalah data kepegawaian PT Maju Bersama, perusahaan fiktif dengan empat departemen: Produksi, Keuangan, Pemasaran, dan SDM. Berkas karyawan.csv berisi 30 baris data dengan tujuh kolom: id, nama, departemen, umur, masa_kerja, gaji, dan skor_kinerja. Gaji dicatat dalam juta rupiah per bulan, skor kinerja pada skala 0-100, dan seluruh nama serta angka adalah data buatan untuk keperluan latihan. Sebagaimana data ekspor di dunia nyata, berkas ini membawa beberapa masalah kualitas yang tidak diumumkan di mana pun — Bagian 1 bertugas menemukannya lewat inspeksi terstruktur, bukan lewat tebakan.

Tahapan Pengerjaan #

Proyek dikerjakan dalam empat bagian berurutan. Setiap bagian dibangun di atas hasil bagian sebelumnya: dataset bersih dari Bagian 1 menjadi input seluruh perhitungan pada Bagian 2, grafik pada Bagian 3, dan skrip pelaporan pada Bagian 4.

Mulailah dari Bagian 1 dan pertahankan urutannya. Melompat ke perhitungan sebelum data diperiksa adalah kebiasaan yang paling sering membuat analisis bermasalah — angka yang dihitung dari data yang belum dibersihkan terlihat meyakinkan padahal salah.

Alat yang Dipakai #

Seluruh proyek hanya membutuhkan tiga package yang telah dipakai pada Section Statistika dengan Python, pada versi yang sama dengan lingkungan uji course:

Tidak ada package tambahan yang perlu dipasang. Dua berkas pendukung tersedia langsung pada bagian yang relevan: karyawan.csv pada Bagian 1 sebagai data mentah, dan analisis_lengkap.py pada Bagian 4 sebagai skrip analisis menyeluruh. Setiap contoh kode pada keempat bagian bersifat mandiri — dataset disematkan sebagai teks di dalam kode — sehingga Anda dapat menjalankan blok mana pun tanpa bergantung pada berkas atau folder lain.

Dengan peta di tangan, kita masuk ke pekerjaan pertama: memuat berkas dan menghadapi data apa adanya.