Ecosyste.ms: Awesome

An open API service indexing awesome lists of open source software.

Awesome Lists | Featured Topics | Projects

https://github.com/krisyohanda/pytn_assgn_1_3_shendykrisyohanda


https://github.com/krisyohanda/pytn_assgn_1_3_shendykrisyohanda

data-science data-visualization ipynb-jupyter-notebook python

Last synced: 27 days ago
JSON representation

Awesome Lists containing this project

README 

        
## Cara Menjalankan Program tanpa error

1. Download file London Crime Data, 2008-2016

2. Masukkan file yang telah didownload ke dalam dataset

3. Jalankan



## Ulasan Proyek



Tujuan dari proyek ini adalah untuk memperkenalkan visualisasi data dengan Python sekonkret dan sekonsisten mungkin. Menggunakan apa yang telah dipelajari; unduh Kumpulan Data Kejahatan London dari Kaggle. Dataset ini merupakan catatan kejahatan di wilayah metropolitan besar, seperti London, terjadi dalam pola yang berbeda. Data ini mencakup jumlah laporan kriminal menurut bulan, wilayah LSOA, dan kategori mayor/minor dari Jan 2008-Des 2016.



Kumpulan data ini berisi:  

- `lsoa_code`: **Kode untuk Area Output Super Bawah di London Raya.**

- `borough`: **Nama umum untuk wilayah London.**

- `major_category`: **Kategorisasi kejahatan tingkat tinggi.**

- `minor_category`: **Kategorisasi kejahatan tingkat rendah dalam kategori tingkat tinggi/mayor.**

- `value`: **Hitungan bulanan kejahatan kategoris yang dilaporkan di wilayah tertentu.**

- `year`: **Tahun penghitungan yang dilaporkan, 2008-2016.**

- `month`: **Bulan dari jumlah yang dilaporkan, 1-12.**



Merumuskan pertanyaan dan menurunkan uji hipotesis statistik untuk menjawab pertanyaan tersebut. Anda harus menunjukkan bahwa Anda mampu membuat keputusan menggunakan data secara ilmiah. Dan yang penting, Visualisasikan datanya. Contoh pertanyaan dapat berupa:



- Berapakah perubahan jumlah kejadian kejahatan dari tahun 2011 ke tahun 2016?

- Apa 3 kejahatan teratas per wilayah pada tahun 2016?



## Rubrik Proyek



Ulasan Kode



| Kriteria | Memenuhi Harapan 

| ----------- | ----------- |

| Area Plot | Mengimplementasikan Area Plot Menggunakan `Matplotlib` Dengan Data Yang Relevan Dan Sesuai Dengan Kegunaan Plot/Grafik.

| Histogram | Mengimplementasikan Histogram Menggunakan `Matplotlib` Dengan Data Yang Relevan Dan Sesuai Dengan Kegunaan Plot/Grafik.

| Bar Chart | Mengimplementasikan Bar Chart Menggunakan `Matplotlib` Dengan Data Yang Relevan Dan Sesuai Dengan Kegunaan Plot/Grafik.

| Pie Chart | Mengimplementasikan Pie Chart Menggunakan `Matplotlib` Dengan Data Yang Relevan Dan Sesuai Dengan Kegunaan Plot/Grafik.

| Box Plot | Mengimplementasikan Box Plot Menggunakan `Matplotlib` Dengan Data Yang Relevan Dan Sesuai Dengan Kegunaan Plot/Grafik.

| Scatter Plot | Mengimplementasikan Scatter Plot Menggunakan `Matplotlib` Dengan Data Yang Relevan Dan Sesuai Dengan Kegunaan Plot/Grafik.

| World Clouds | Mengimplementasikan Word Clouds Menggunakan `Wordclouds` Library Dengan Data Yang Relevan Dan Sesuai Dengan Kegunaan Plot/Grafik.

| Folium Maps | Mengimplementasikan London Maps Menggunakan `Folium`.

| Preprocessing | Student Melakukan Preproses Dataset Sebelum Menerapkan Visualisasi.

| Apakah Kode Berjalan Tanpa Ada Eror? | Seluruh Kode Berfungsi Dan Dibuat Dengan Benar.

  

Readability/Keterbacaan  



| Kriteria | Memenuhi Harapan 

| ----------- | ----------- |

| Tertata Dengan Baik | Semua Cell Di Notebook Terdokumentasi Dengan Baik Dengan Markdown Pada Tiap Cell Untuk Penjelasan Kode.

  

Analisis



| Kriteria | Memenuhi Harapan 

| ----------- | ----------- |

| Area Plot | Menarik Informasi/Kesimpulan Berdasarkan Area Plot Yang Telah Student Buat

| Histogram | Menarik Informasi/Kesimpulan Berdasarkan Histogram Yang Telah Student Buat

| Bar Chart | Menarik Informasi/Kesimpulan Berdasarkan Bar Chart Yang Telah Student Buat

| Pie Chart | Menarik Informasi/Kesimpulan Berdasarkan Pie Chart Yang Telah Student Buat

| Box Plot | Menarik Informasi/Kesimpulan Berdasarkan Box Plot Yang Telah Student Buat

| Scatter Plot | Menarik Informasi/Kesimpulan Berdasarkan Scatter Plot Yang Telah Student Buat

| Overall Analisis | Menarik Informasi/Kesimpulan Dari Keseluruhan Plot Yang Dapat Menjawab Hipotesis.