{"id":19522506,"url":"https://github.com/lintangwisesa/ujian_analyticsvisualization_jcds08","last_synced_at":"2025-02-26T00:48:17.108Z","repository":{"id":121864574,"uuid":"251176315","full_name":"LintangWisesa/Ujian_AnalyticsVisualization_JCDS08","owner":"LintangWisesa","description":"Panduan Soal Ujian Data Analytics \u0026 Visualization Job Connector Data Science batch 8","archived":false,"fork":false,"pushed_at":"2020-05-20T01:23:31.000Z","size":62,"stargazers_count":9,"open_issues_count":0,"forks_count":6,"subscribers_count":3,"default_branch":"master","last_synced_at":"2025-01-08T14:16:54.455Z","etag":null,"topics":["dataanalytics","datascience","exam","visualization"],"latest_commit_sha":null,"homepage":null,"language":null,"has_issues":true,"has_wiki":null,"has_pages":null,"mirror_url":null,"source_name":null,"license":null,"status":null,"scm":"git","pull_requests_enabled":true,"icon_url":"https://github.com/LintangWisesa.png","metadata":{"files":{"readme":"README.md","changelog":null,"contributing":null,"funding":null,"license":null,"code_of_conduct":null,"threat_model":null,"audit":null,"citation":null,"codeowners":null,"security":null,"support":null,"governance":null,"roadmap":null,"authors":null,"dei":null,"publiccode":null,"codemeta":null}},"created_at":"2020-03-30T01:57:01.000Z","updated_at":"2024-11-10T10:17:28.000Z","dependencies_parsed_at":"2023-04-13T08:16:28.056Z","dependency_job_id":null,"html_url":"https://github.com/LintangWisesa/Ujian_AnalyticsVisualization_JCDS08","commit_stats":null,"previous_names":[],"tags_count":0,"template":false,"template_full_name":null,"repository_url":"https://repos.ecosyste.ms/api/v1/hosts/GitHub/repositories/LintangWisesa%2FUjian_AnalyticsVisualization_JCDS08","tags_url":"https://repos.ecosyste.ms/api/v1/hosts/GitHub/repositories/LintangWisesa%2FUjian_AnalyticsVisualization_JCDS08/tags","releases_url":"https://repos.ecosyste.ms/api/v1/hosts/GitHub/repositories/LintangWisesa%2FUjian_AnalyticsVisualization_JCDS08/releases","manifests_url":"https://repos.ecosyste.ms/api/v1/hosts/GitHub/repositories/LintangWisesa%2FUjian_AnalyticsVisualization_JCDS08/manifests","owner_url":"https://repos.ecosyste.ms/api/v1/hosts/GitHub/owners/LintangWisesa","download_url":"https://codeload.github.com/LintangWisesa/Ujian_AnalyticsVisualization_JCDS08/tar.gz/refs/heads/master","host":{"name":"GitHub","url":"https://github.com","kind":"github","repositories_count":240771905,"owners_count":19854982,"icon_url":"https://github.com/github.png","version":null,"created_at":"2022-05-30T11:31:42.601Z","updated_at":"2022-07-04T15:15:14.044Z","host_url":"https://repos.ecosyste.ms/api/v1/hosts/GitHub","repositories_url":"https://repos.ecosyste.ms/api/v1/hosts/GitHub/repositories","repository_names_url":"https://repos.ecosyste.ms/api/v1/hosts/GitHub/repository_names","owners_url":"https://repos.ecosyste.ms/api/v1/hosts/GitHub/owners"}},"keywords":["dataanalytics","datascience","exam","visualization"],"created_at":"2024-11-11T00:39:22.265Z","updated_at":"2025-02-26T00:48:17.073Z","avatar_url":"https://github.com/LintangWisesa.png","language":null,"funding_links":[],"categories":[],"sub_categories":[],"readme":"# Soal Ujian Data Science - Data Analytics \u0026 Visualization\n\n![Lintang_Purwadhika](https://static.wixstatic.com/media/2e6af2_f69a4271c3534ae1869a7ed63e278b2b~mv2.png/v1/fill/w_246,h_39,al_c,usm_0.66_1.00_0.01/2e6af2_f69a4271c3534ae1869a7ed63e278b2b~mv2.png)\n\n## **Soal 1 - Distributor Die Cast 🚗**\n\n![hotwheels](https://drimjuguetes.vteximg.com.br/arquivos/banner-landing-hotwheels.jpg)\n\nAnda adalah distributor ternama di bidang jual-beli _die cast_ (miniatur moda transportasi) yang menjual beragam produk dari vendor-vendor berkualitas,\ndengan 7 kantor cabang tersebar di beberapa negara dunia. Disediakan database\nyang menyimpan berbagai data terkait usaha Anda, mulai dari daftar customer, karyawan, produk hingga transaksi yang dilakukan. \n\nUnduh database __.sql__ di repo ini ([_**/database/retrowheels.sql**_](/database)) dan import ke local MySQL server Anda. Tata cara import database juga tercantum di folder: ([_**/database**_](/database)). Kemudian selesaikan soal-soal berikut. Anda __dilarang keras__ mengubah struktur \u0026 format tabel serta database yang telah disediakan.\n\n1. Rumuskan _single query_ untuk menampilkan jumlah __total customer__ yang Anda layani, beserta jumlah __total kota \u0026 negara asal__ customer-customer Anda. Contoh output yang diharapkan:\n\n    ```bash\n    +-----------+--------+-----------+\n    | Customers | Cities | Countries |\n    +-----------+--------+-----------+\n    |       122 |     95 |        27 |\n    +-----------+--------+-----------+\n    ```\n\n    Anda memiliki __122 customer__ dari __95 kota__ yang tersebar di __27 negara__!\n\n2. Rumuskan _single query_ untuk menampilkan _resources_ yang Anda miliki, mulai dari jumlah __karyawan__, jumlah __kantor \u0026 lokasi negaranya__, jumlah __barang yang dijual__, total __stok barang__ \u0026 jumlah __vendor__ yang menjadi partner Anda. Contoh output yang diharapkan:\n\n    ```bash\n    +-----------+---------+---------+----------+---------------+---------+\n    | Employees | Offices | Country | Products | StockProducts | Vendors |\n    +-----------+---------+---------+----------+---------------+---------+\n    |        23 |       7 |       5 |      110 |        555131 |      13 |\n    +-----------+---------+---------+----------+---------------+---------+\n    ```\n\n    Anda memiliki __23 karyawan__ di __7 kantor__ yang berada di __5 negara__, dengan __110 model die cast__ (total stok mencapai __555131 item__) yang didistribusikan dari __13 vendor partner__.\n\n3. Dari soal sebelumnya tercatat Anda memiliki __110 model die cast__ dengan total stok __555131 item__. Jika dikategorikan, produk yang Anda jual terbagi menjadi __7 product line__ _die cast_, yakni model mobil klasik, mobil _vintage_, sepeda motor, pesawat terbang, kapal laut, kereta api serta truk \u0026 bus. Rumuskan _single query_ yang dapat menampilkan __harga produk terendah \u0026 tertinggi__ untuk masing-masing kategori. Contoh output yang diharapkan:\n\n    ```bash\n    +------------------+----------+----------+\n    | productLine      | minPrice | maxPrice |\n    +------------------+----------+----------+\n    | Classic Cars     |    15.91 |   103.42 |\n    | Motorcycles      |    24.14 |    91.02 |\n    | Planes           |    29.34 |    77.27 |\n    | Ships            |    33.30 |    82.34 |\n    | Trains           |    26.72 |    67.56 |\n    | Trucks and Buses |    24.92 |    84.76 |\n    | Vintage Cars     |    20.61 |    86.70 |\n    +------------------+----------+----------+\n    ```\n\n4. Rumuskan _single query_ yang dapat menampilkan daftar 10 customer paling _royal_ (paling banyak mendatangkan uang bagi kita), yang total nominal transaksinya paling tinggi. Data yang ditampilkan adalah nama customer, kota \u0026 negara asal, beserta total uang yang dihabiskan di produk kita. Contoh output yang diharapkan:\n\n    ```bash\n    +------------------------------+---------------+-------------+-----------+\n    | customerName                 | city          | country     | total     |\n    +------------------------------+---------------+-------------+-----------+\n    | Euro+ Shopping Channel       | Madrid        | Spain       | 715738.98 |\n    | Mini Gifts Distributors Ltd. | San Rafael    | USA         | 584188.24 |\n    | Australian Collectors, Co.   | Melbourne     | Australia   | 180585.07 |\n    | Muscle Machine Inc           | NYC           | USA         | 177913.95 |\n    | Dragon Souveniers, Ltd.      | Singapore     | Singapore   | 156251.03 |\n    | Down Under Souveniers, Inc   | Auckland      | New Zealand | 154622.08 |\n    | AV Stores, Co.               | Manchester    | UK          | 148410.09 |\n    | Anna's Decorations, Ltd      | North Sydney  | Australia   | 137034.22 |\n    | Corporate Gift Ideas Co.     | San Francisco | USA         | 132340.78 |\n    | Saveley \u0026 Henriot, Co.       | Lyon          | France      | 130305.35 |\n    +------------------------------+---------------+-------------+-----------+\n    ```\n\n5. Pada __2003-06-05__, terdapat pembayaran masuk sebesar __US$ 14571.44__. Tampilkan data seputar transaksi tersebut, mencakup __nama customer__ yang melakukan pembayaran, __nama produk__ yang dibeli, __jumlah tiap produk__ yang dibeli dan __harga satuannya__. Pastikan\ntotal harga yang dibeli sesuai dengan data pembayaran masuk. Output yang diharapkan:\n\n    ```bash\n    +-------------------+--------------------------------+-----------------+-----------+\n    | customername      | productname                    | quantityOrdered | priceEach |\n    +-------------------+--------------------------------+-----------------+-----------+\n    | Atelier graphique | 1965 Aston Martin DB5          |              26 |    120.71 |\n    | Atelier graphique | 1999 Indy 500 Monte Carlo SS   |              46 |    114.84 |\n    | Atelier graphique | 1948 Porsche Type 356 Roadster |              34 |    117.26 |\n    | Atelier graphique | 1966 Shelby Cobra 427 S/C      |              50 |     43.27 |\n    +-------------------+--------------------------------+-----------------+-----------+\n    ```\n\n    Jika Anda cek jumlah total dari ```quantityOrdered``` dikali ```priceEach``` dari tabel di atas, hasilnya __14571.44__. Dan transaksi pembayaran tersebut terjadi tepat pada tanggal __2003-06-05__.\n\n✅ _Kirim \u0026 lampirkan jawaban soal ini dalam bentuk text (__.txt__) via email ke lintang@purwadhika.com_ dengan subject email \"_NamaLengkap_DieCast_\".\n\n\u003chr\u003e\n\n## **Soal 2 - World Happiness 😄**\n\nDisediakan dataset laporan tingkat kebahagiaan di berbagai negara di dunia, unduh di sini: [World Happiness](https://www.kaggle.com/unsdsn/world-happiness#2019.csv). Gunakan hanya dataset _2019.csv_, lalu buatlah sebuah file _notebook_ (__.ipynb__) dan selesaikanlah beberapa soal berikut:\n\n1. Untuk setiap numerik _feature/column_ (kecuali column ```Overall Rank```), hitunglah:\n    - Mean, Median dan Modus\n    - Range, Q1, Q3 dan IQR\n    - Standard Deviasi \u0026 Variance\n    - Z-score tiap data point\n\n2. Untuk setiap numerik _feature/column_ (kecuali column ```Overall Rank```), carilah _data outlier_-nya berdasarkan:\n    - IQR method\n    - Z-score method\n\n3. Tampilkan sebaran masing-masing numerik _feature/column_ (kecuali column ```Overall Rank```) dalam bentuk _boxplot_ dan _histogram_!\n\n4. Di antara semua numerik _feature/column_ (kecuali column ```Overall Rank```), _feature/column_ mana saja yang sangat mempengaruhi _happiness score_ suatu negara? Buktikan dengan menghitung nilai:\n    - Covariance\n    - Pearson Correlation\n    - Spearman Correlation\n    - Kendall Correlation\n\n5. Visualisasikan dalam bentuk _bar chart_ data berikut:\n    - 10 Negara dengan _GDP per capita_ tertinggi.\n    - 10 Negara dengan _Healthy life expectancy_ tertinggi.\n    - 10 Negara dengan _Perceptions of corruption_ tertinggi.\n\n✅ _Push \u0026 commit jawaban Anda ke sebuah repo github dengan nama __Soal2_WorldHappiness__. Kirim \u0026 lampirkan url repo github Anda via email ke lintang@purwadhika.com_ dengan subject email \"_NamaLengkap_WorldHappiness_\".\n\n\u003chr\u003e\n\n## **Soal 3 - Indonesia Covid-19 Maps 🌏**\n\nJumlah kasus infeksi virus corona Covid-19 masih terus mengalami peningkatan. Hingga Minggu (29/3/2020) sore, jumlah kasus infeksi Covid-19 yang telah dilaporkan di seluruh dunia adalah sebanyak __669.312 kasus__ dengan __145.609 pasien sembuh__ dan __31.700 meninggal dunia__. Wabah ini telah dilaporkan di lebih dari 170 negara di dunia, termasuk Indonesia.\n\nDisediakan:\n- Data sebaran Covid-19 tiap provinsi di Indonesia: [klik sini](https://en.wikipedia.org/wiki/2020_coronavirus_pandemic_in_Indonesia), untuk mengaksesnya silakan gunakan teknik _web scraping_.\n- Data lokasi latitude \u0026 longitude tiap provinsi di Indonesia: [klik sini](https://raw.githubusercontent.com/LintangWisesa/Indonesia-Covid19-Maps/master/data/gps_indonesia.json), untuk mengaksesnya silakan lakukan GET request ke ```https://raw.githubusercontent.com/LintangWisesa/Indonesia-Covid19-Maps/master/data/gps_indonesia.json```.\n\nDengan data tersebut, buatlah sebuah peta sebaran Covid-19 per provinsi di Indonesia, dengan minimum requirements sebagai berikut:\n- Tampilkan _marker_ di setiap provinsi.\n- Saat _marker_ diklik akan menampilkan _popup message_ total kasus, pasien sembuh \u0026 kematian akibat Covid-19 di provinsi tersebut.\n- Jawaban yang diminta berupa 1 file _notebook_ (__.ipynb__) berisi proses ekstraksi \u0026 data cleaning, beserta 1 file _html_ peta sebaran Covid-19 per provinsi (__.html__). \n- Contoh output dapat Anda simak di [bit.ly/cov19id](http://bit.ly/cov19id). Tampilan tidak harus sama, utamakan fitur.\n\n✅ _Push \u0026 commit jawaban Anda ke sebuah repo github dengan nama __Soal3_Covid19__. Kirim \u0026 lampirkan url repo github Anda via email ke lintang@purwadhika.com_ dengan subject email \"_NamaLengkap_Covid19_\".\n\n\u003chr\u003e\n\n🔸🔸🔸🔸🔸🔸🔸🔸🔸🔸🔸🔸🔸🔸🔸🔸🔸🔸🔸🔸🔸🔸🔸🔸🔸🔸🔸🔸🔸🔸🔸🔸🔸🔸🔸🔸🔸🔸🔸\n\n# Remedial Ujian Python Data Analytics \u0026 Visualization\n\n### **Soal - 🍔 Nutrisi McD 🍟**\n\nDisediakan dataset daftar nutrisi tiap menu di McDonald, unduh di sini: [Nutrition Facts for McDonald's Menu](https://www.kaggle.com/mcdonalds/nutrition-facts). Buatlah sebuah file _notebook_ (__.ipynb__) dan selesaikanlah beberapa soal berikut:\n\n1. Untuk _feature/column_ ```Serving Size```, ```Calories```, \u0026 ```Total Fat``` hitunglah:\n    - Mean, Median dan Modus\n    - Range, Q1, Q3 dan IQR\n    - Standard Deviasi \u0026 Variance\n    - Z-score tiap data point\n\n2. Untuk _feature/column_ ```Serving Size```, ```Calories```, \u0026 ```Total Fat``` carilah _data outlier_-nya berdasarkan:\n    - IQR method\n    - Z-score method\n\n3. Untuk menu dengan kategori ```Coffee \u0026 Tea```, ```Breakfast```, ```Chicken \u0026 Fish```, ```Beef \u0026 Pork``` \u0026 ```Snacks \u0026 Sides```, tampilkan sebaran data dalam bentuk _boxplot_ dan _histogram_ untuk _feature/column_ ```Serving Size```, ```Calories```, \u0026 ```Total Fat```.\n\n4. Untuk menu dengan kategori ```Coffee \u0026 Tea```, ```Breakfast```, ```Chicken \u0026 Fish```, ```Beef \u0026 Pork``` \u0026 ```Snacks \u0026 Sides```, visualisasikan dalam bentuk _bar chart_ data berikut:\n    - 5 Menu dengan ```Serving Size``` tertinggi tiap kategori.\n    - 5 Menu dengan ```Calories``` tertinggi tiap kategori.\n    - 5 Menu dengan ```Total Fat``` tertinggi tiap kategori.\n\n_**Catatan:**_ \n\n✅ Commit \u0026 push source code jawaban soal ini ke __Github__ Anda, buatlah repo dengan nama __Nutrisi_McD__, kemudian lampirkan __url link repo Github__ Anda via email ke _lintang@purwadhika.com!_\n\n\u003chr\u003e\n\n### *__#HappyCoding__* :relaxed:\n\n#### Lintang Wisesa :love_letter: _lintangwisesa@ymail.com_\n\n[Facebook](https://www.facebook.com/lintangbagus) | \n[Twitter](https://twitter.com/Lintang_Wisesa) |\n[Google+](https://plus.google.com/u/0/+LintangWisesa1) |\n[Youtube](https://www.youtube.com/user/lintangbagus) | \n:octocat: [GitHub](https://github.com/LintangWisesa) |\n[Hackster](https://www.hackster.io/lintangwisesa)","project_url":"https://awesome.ecosyste.ms/api/v1/projects/github.com%2Flintangwisesa%2Fujian_analyticsvisualization_jcds08","html_url":"https://awesome.ecosyste.ms/projects/github.com%2Flintangwisesa%2Fujian_analyticsvisualization_jcds08","lists_url":"https://awesome.ecosyste.ms/api/v1/projects/github.com%2Flintangwisesa%2Fujian_analyticsvisualization_jcds08/lists"}