×

Membuat Dashboard Interaktif dengan Streamlit untuk Proyek Data

Laptop menampilkan dashboard interaktif Streamlit dengan grafik dan filter

Membuat Dashboard Interaktif dengan Streamlit untuk Proyek Data

Kamu punya hasil analisis data yang menarik, tetapi menyajikannya dalam bentuk tabel statis terasa kurang hidup. Dashboard interaktif membuat orang lain bisa menjelajahi data sendiri, memfilter, dan melihat pola yang mungkin terlewat. Streamlit memungkinkan kamu membuatnya hanya dengan Python.

Mengapa Streamlit untuk dashboard data science?

Streamlit adalah library Python yang mengubah skrip menjadi aplikasi web. Kamu menulis kode seperti biasa, lalu menambahkan komponen seperti slider, dropdown, atau grafik. Streamlit menangani tampilan dan interaksinya. Cocok untuk prototyping cepat dan presentasi internal.

Sebelum mulai, pastikan kamu sudah familiar dengan pandas dan library visualisasi seperti Matplotlib atau Plotly. Jika belum, lihat perbandingan library visualisasi data untuk proyek machine learning untuk memilih yang sesuai.

Langkah 1: Siapkan lingkungan dan instal Streamlit

Buat virtual environment baru dan instal Streamlit. Buka terminal dan jalankan perintah berikut:

python -m venv env
source env/bin/activate  # Windows: envScriptsactivate
pip install streamlit pandas plotly

Setelah instalasi selesai, kamu bisa memeriksa versi dengan streamlit --version.

Langkah 2: Tulis skrip dasar Streamlit

Buat file app.py dan tulis kode berikut:

import streamlit as st
import pandas as pd

st.title("Dashboard Data Science")
st.write("Selamat datang di dashboard interaktif pertama saya.")

# Muat data contoh
df = pd.read_csv("data.csv")
st.dataframe(df.head())

Jalankan dengan streamlit run app.py. Browser akan terbuka dan menampilkan dashboard sederhana. Setiap kali kamu mengubah skrip, Streamlit akan mendeteksi perubahan dan menawarkan untuk memperbarui halaman.

Langkah 3: Tambahkan komponen interaktif

Komponen interaktif membuat dashboard lebih hidup. Streamlit menyediakan berbagai widget seperti slider, selectbox, dan checkbox. Contoh penggunaan:

# Filter berdasarkan kolom
kategori = st.selectbox("Pilih kategori:", df["kategori"].unique())
filtered_df = df[df["kategori"] == kategori]

# Slider untuk rentang nilai
nilai_min = st.slider("Nilai minimum:", float(df["nilai"].min()), float(df["nilai"].max()))
filtered_df = filtered_df[filtered_df["nilai"] >= nilai_min]

st.dataframe(filtered_df)

Widget akan otomatis memperbarui tampilan saat nilainya berubah. Kamu tidak perlu menulis kode untuk menangani event.

Langkah 4: Tampilkan visualisasi data

Streamlit mendukung banyak library visualisasi. Untuk grafik interaktif, Plotly sering menjadi pilihan. Contoh:

import plotly.express as px

fig = px.scatter(filtered_df, x="fitur1", y="fitur2", color="kategori")
st.plotly_chart(fig)

Jika kamu ingin tahu lebih banyak tentang membuat grafik interaktif di Python, baca cara menampilkan data dengan grafik interaktif untuk pemula.

Langkah 5: Atur tata letak dan tambahkan informasi

Gunakan st.sidebar untuk menaruh filter di sidebar, dan st.columns untuk membagi halaman menjadi beberapa kolom. Contoh:

col1, col2 = st.columns(2)
col1.metric("Total data", len(filtered_df))
col2.metric("Rata-rata nilai", filtered_df["nilai"].mean())

Tambahkan juga teks penjelasan dengan st.markdown atau st.write agar pengguna memahami konteks data.

Langkah 6: Uji dan debug dashboard

Uji setiap widget dan pastikan data terfilter dengan benar. Seringkali kesalahan terjadi karena tipe data tidak cocok atau nama kolom salah. Manfaatkan pesan error yang ditampilkan Streamlit. Untuk debugging lebih lanjut, kamu bisa menggunakan teknik dari tips jQuery untuk pemula: debug kode dengan console, yang prinsipnya mirip dengan menggunakan console di browser.

Jika kamu bekerja dengan perangkat keras atau mikrokontroler, mungkin perlu debugger khusus. Lihat memilih debugger untuk mikrokontroler: 5 opsi dan perbandingannya untuk referensi.

Langkah 7: Deploy dashboard agar bisa diakses orang lain

Streamlit Community Cloud memungkinkan kamu meng-host dashboard secara gratis. Push kode ke repositori GitHub, lalu hubungkan ke Streamlit Cloud. Alternatif lain adalah menggunakan layanan seperti Heroku atau VPS. Pastikan dependensi tercatat di requirements.txt.

Selama proses pengembangan, kamu mungkin perlu merujuk ke berita terbaru tentang teknologi atau tips. Situs berita seperti indowarta menyajikan informasi aktual dengan sumber penulis berpengalaman, sehingga bisa menjadi referensi tambahan.

Ringkasan

Membuat dashboard interaktif dengan Streamlit membutuhkan beberapa langkah: menyiapkan lingkungan, menulis skrip dasar, menambahkan widget, menampilkan visualisasi, mengatur tata letak, menguji, dan melakukan deploy. Dengan latihan, kamu bisa menyajikan hasil analisis data science secara lebih menarik dan mudah dipahami.

Pertanyaan yang Sering Diajukan

Apakah Streamlit gratis?

Ya, Streamlit adalah library open-source dan gratis. Untuk hosting, Streamlit Community Cloud juga gratis dengan batasan tertentu.

Bisakah saya menggunakan Streamlit untuk dashboard produksi?

Bisa, tetapi perlu mempertimbangkan skalabilitas dan keamanan. Untuk kebutuhan produksi, biasanya digunakan server sendiri atau layanan cloud yang mendukung.

Apakah saya perlu belajar HTML/CSS untuk menggunakan Streamlit?

Tidak. Streamlit menangani tampilan secara otomatis. Namun, pengetahuan dasar HTML/CSS bisa membantu jika ingin kustomisasi lebih lanjut.

You May Have Missed