File size: 2,288 Bytes
cdf2e97
 
e0c2d6d
cdf2e97
e0c2d6d
cdf2e97
 
 
 
 
 
 
 
 
e0c2d6d
cdf2e97
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
"""
Graded Challenge 5
Nama: Devin Yaung Lee
Batch: HCK-009
program ini untuk mendeploy model interface.
"""

import streamlit as st
import pandas as pd

# Function to run in app.py
def run():
    st.title("Explatoratory Data Analysis")

    df = pd.read_csv("P1G5_Set_1_devin_lee.csv")

    # The first 5 data
    st.header("The first 5 data entry")
    st.table(df.head(5))

    # The last 5 data
    st.header("The last 5 data entry")
    st.table(df.tail(5))

    # Heatmap correlation
    st.header("Correlation heatmap")
    st.image("heatmap.jpg", caption="Figure 1")
    with st.expander("Explanation"):
        st.caption("Berdasarkan dari visualisasi heatmap ini, didapatkan bahwa nilai default memiliki sedikit korelasi terhadap pay_1 sampai pay_6. Namun jika dilihat secara keseluruhan bahwa data ini tidak saling memiliki korelasi atau sedikit sekali yang memiliki korelasi.")

    # Education Level based on Default
    st.header("Education Level Based on Default")
    st.image("education_level.jpg", caption="Figure 2")
    with st.expander("Explanation"):
        st.caption("Pada proses ini dilakukan korelasi antara level edukasi dengan default. Kegunaannya adalah untuk melihat seberapa banyak yang belum bayar atau tidak menepati waktu pembayaran berdasarkan dari level edukasinya. Berdasarkan dari hasil ini didapatkan bahwa yang paling banyak adalah pada tingkat universitas.")
    
    # Gender based on Default
    st.header("Gender Based on Default")
    st.image("genderdefault.png", caption="Figure 3")
    with st.expander("Explanation"):
        st.caption("Pada proses ini dilakukan korelasi antara gender dengan default. Kegunaannya adalah untuk melihat seberapa banyak yang belum bayar atau tidak menepati waktu pembayaran berdasarkan dari gender. Berdasarkan dari hasil ini didapatkan bahwa yang paling banyak adalah pada perempuan")
    
    # Credit Behaviour
    st.header("Credit Behaviour")
    st.image("creditbehaviour.png", caption="Figure 4")
    with st.expander("Explanation"):
        st.caption("Berdasakarkan dari analisa credit behaviour, 'Use Revolving Credit' adalah yang paling umum. Ini menunjukkan bahwa sebagian besar pelanggan memilih untuk membayar sebagian dari total tagihan mereka setiap bulan, daripada melunasi secara penuh.")