Berikut silabus 20 sesi x 1,5 jam untuk topik:
“Visualisasi Data Covid-19 di Indonesia Menggunakan Python dan Matplotlib”
Sesi 1: Pengantar Data Science & Covid-19 Data
Mengenalkan konsep dasar data science, pentingnya analisis data COVID-19, dan bagaimana Python digunakan dalam analisis data. Penjelasan umum jenis data yang tersedia (kasus harian, kematian, kesembuhan, vaksinasi).
Sesi 2: Instalasi Tools
Instalasi Python, Jupyter Notebook, pip, dan virtualenv. Memastikan peserta dapat menjalankan kode Python untuk analisis data.
Sesi 3: Dasar Python untuk Analisis
Belajar struktur dasar Python: variabel, list, dictionary, if-else, loop, dan fungsi yang akan sering digunakan dalam analisis data.
Sesi 4: Pengenalan Pandas dan Numpy
Penggunaan Pandas untuk manipulasi data tabular dan Numpy untuk data numerik. Membuat DataFrame dan melakukan indexing serta slicing.
Sesi 5: Membaca Dataset Covid-19
Membaca file CSV/XLSX dari sumber data COVID-19 resmi seperti Kementerian Kesehatan, Kaggle, atau Github. Preview dan memahami isi dataset.
Sesi 6: Data Cleaning
Menghapus atau mengisi missing value, mengganti nama kolom, menyamakan format tanggal, dan normalisasi nama wilayah (provinsi/kota).
Sesi 7: Eksplorasi Data Covid-19
Menggunakan Pandas untuk agregasi data (jumlah kasus per hari/per minggu), grouping data berdasarkan wilayah atau kategori umur.
Sesi 8: Pengenalan Matplotlib
Belajar dasar penggunaan Matplotlib: line plot, bar plot, pie chart, dan cara memberi judul, label, dan legend.
Sesi 9: Customisasi Visualisasi
Menyesuaikan warna, ukuran font, gaya garis, grid, dan menambahkan anotasi untuk membuat visualisasi lebih informatif.
Sesi 10: Visualisasi Tren Harian
Membuat grafik garis (line chart) yang menunjukkan tren kasus harian nasional dan per provinsi.
Sesi 11: Visualisasi Perbandingan Antar Wilayah
Membuat bar chart yang membandingkan total kasus, kematian, dan kesembuhan antar provinsi atau antar kelompok umur.
Sesi 12: Pie Chart & Donut Chart
Visualisasi proporsi menggunakan pie chart, misalnya persentase kasus sembuh, meninggal, dan dirawat.



