Tutorial: Rainfall Data Explorer (hidrokit-rainfall)

Penggunaan Rainfall Data Explorer.

Dashboard ini bisa membaca berkas berformat ‘.csv’ dengan:

• Kolom pertama merupakan tanggal dengan format yang dapat dibaca oleh fitur parse_dates yang tersedia di pandas. Direkomendasikan mengubahnya menjadi format YYYY-MM-DD.
• Kolom lainnya merupakan data hujan dengan header.
• Baris pertama akan dibaca sebagai header tabel, sehingga dianjurkan menambahkan label untuk setiap kolomnya. Gunakan label DATE untuk kolom tanggal yang akan digunakan sebagai index.

Navigasi dashboard ini antara lain:

• Drag and Drop berkas atau pilih berkas pada tombol “Drag and Drop or Select Files”. Klik “Use Example Data” jika ingin melihat demonstrasi dashboard ini.
• Jika prosesnya berhasil, akan muncul tabel dengan data yang di-upload atau contoh data. Tabel ini editable sehingga bisa menyesuaikan saat proses pengoreksian saat eksplorasi data. Bisa juga diubah nama tabelnya. Pastikan nama kolom berbeda dan nama kolom pertama (tanggal) selalu “DATE”.
• Klik “Visualize Data” untuk melihat visualisasi data. Pada tahap ini, Anda bisa kembali ke tabel jika ingin melakukan pengoreksian data. Anda juga bisa melakukan filter pada setiap kolom untuk eksplorasi selanjutnya.`
• Tabel yang telah diubah, bisa di-download kembali dalam bentuk CSV.
• Setelah tabel sudah dikoreksi. Bisa dilanjutkan ke tahapan analisis data. Perlu diingat, data yang dianalisis sesuai dengan tampilan/informasi tabel terkini. Jadi, jika masih ada filter, maka analisis hanya dilakukan pada data yang telah terfilter.
• Klik “Analyze Data” untuk melakukan analisis data. Perlu diingat, proses ini akan memakan waktu jika memiliki dataset yang besar. Jadi, sangat disarankan menggunakan mesin lokal untuk proses ini. Karena yang dapat diakses di web hanya berupa demonstrasi saja dan menggunakan layanan gratis sehingga sangat terbatas kemampuannya.
• Analisis data terbagi menjadi tiga periode yaitu 2 periode (biweekly), setiap bulanan (monthly), dan tahunan (yearly). Sebagai catatan, biweekly itu dibagi berdasarkan 16 hari pertama kemudian sisa harinya pada setiap bulan.
• Baru di v1.1.0: Analisis konsistensi (kurva massa ganda) dan kumulatif hujan tahunan.
• Analisis data yang dilakukan berupa:
  • days: Jumlah hari pada setiap periodenya (16 hari untuk biweekly, 1 bulan untuk monthly, dan 1 tahun untuk yearly).
  • max: Nilai maksimum pada setiap periode.
  • sum: Total nilai pada setiap periode.
  • n_rain: Jumlah hari hujan di setiap periode.
  • n_dry: Jumlah hari kering di setiap periode. Catatan: Ini akan menghitung nilai np.nan sebagai hari kering.
  • max_date: Tanggal kejadian hujan maksimum terjadi pada setiap periode.
• Tabel analisis tidak dapat diubah dan hanya sebagai penyedia informasi saja.
• Melihat tabel analisis rasanya cukup sulit untuk diceritakan atau diinterpretasikan, oleh karena itu disediakan tombol “Visualize it!” untuk melakuakn visualisasi tabel analisis.
• Selain melakukan visualisasi, tabel analisis juga dapat di-download dengan mengklik tombol “Download Results as CSV”. Perlu dicatat, dataframe tabel analisis menggunakan MultiIndex sehingga pada format CSV akan perlu dilakukan pengolahan lagi.
• Visualisasi dari tabel analisis berupa:
  • Group Bar Chart untuk setiap periode dengan kolom max dan sum. Grafik ini bisa melihat secara langsung perbandingan nilai antar stasiun.
  • Stack Bar Chart untuk setiap periode dengan kolom n_rain dan n_dry. Grafik ini bisa memberikan gambaran periode yang memiliki frekuensi hujan/kekeringan tinggi/rendah secara sekilas.
  • Bubble Chart (Maximum Rainfall Events) memberikan gambaran besar terkait tanggal kejadian saat hujan maksimum terjadi di setiap stasiun. Ukuran lingkaran menunjukkan seberapa besar hujan maksimum yang terjadi.
  • Baru di v1.1.0: Ditambahkan grafik kumulatif hujan tahunan dan konsistensi (kurva massa ganda) untuk setiap stasiun. Navigasi dengan grafik interaktif plotly:
• Pada setiap grafik plotly, dapat dilakukan interaksi langsung dengan grafik seperti mengatur stasiun/data mana saja yang ditampilkan, pembesaran pada periode tertentu. mengatur ukuran sumbu, dll.
• Sangat dianjurkan untuk mengeksplorasi sendiri mengenai mode bar yang ada di kanan atas setiap grafik plotly.
• Setiap grafik bisa di-download dalam bentuk .png untuk kepentingan menaruh di dokumen atau lainnya.