🚲 Bike Sharing Dashboard with Streamlit

Dashboard ini dibuat untuk menganalisis data peminjaman sepeda dan memberikan insight interaktif melalui visualisasi. Proyek ini merupakan bagian dari submission Analisis Data dengan Python yang mencakup proses data cleaning, eksplorasi, visualisasi, serta penerapan teknik analisis lanjutan seperti clustering dan RFM analysis.

📌 Fitur Utama

🔍 Exploratory Data Analysis
Melihat pola penggunaan sepeda berdasarkan waktu, cuaca, dan hari kerja/libur.

📊 Data Visualization
Visualisasi interaktif yang efektif dan informatif menggunakan Matplotlib & Seaborn.

🏷️ Customer Segmentation - Clustering
Pengelompokan pengguna berdasarkan pola peminjaman menggunakan manual grouping dan binning.

📈 RFM Analysis
Menghitung Recency, Frequency, dan Monetary sebagai dasar analisis perilaku pengguna.

📁 Dashboard Interaktif
Dibangun menggunakan Streamlit agar mudah digunakan dan dijalankan secara lokal.

---

🧾 Dataset

Dataset yang digunakan berasal dari UCI Machine Learning Repository - Bike Sharing Dataset.

File yang digunakan:

• hour_dashboard.csv: Data peminjaman per jam
• day_dashboard.csv: Data peminjaman per hari

---

📂 Struktur Folder

submission/
│
├── dashboard/
│   ├── dashboard.py
│   ├── hour_dashboard.csv
│   └── day_dashboard.csv
│
├── data/
│   └── Bike-sharing-dataset/
│       ├── day.csv
│       ├── hour.csv
│       └── Readme.txt
│
├── Proyek_Analisis_Data.ipynb
├── cleaning.py
├── requirements.txt
├── README.md
└── streamlit_dashboard.png

---

⚙️ Cara Menjalankan Dashboard

Persyaratan

Pastikan Anda sudah menginstall:

• Python ≥ 3.x
• Streamlit
• Pandas
• Matplotlib
• Seaborn
• Babel (jika digunakan untuk formatting tanggal/waktu)

Instalasi

Clone repository ini dan install dependensi:

pip install -r requirements.txt

Jalankan Dashboard

cd dashboard
streamlit run dashboard.py

Dashboard akan terbuka secara otomatis di browser Anda.

---

📌 Insight dari Dashboard

1. Waktu Puncak Peminjaman

   • Terjadi pada pukul 8 pagi dan 5-6 sore, sesuai dengan jam berangkat dan pulang kerja.

2. Pengaruh Cuaca dan Suhu

   • Semakin cerah cuaca dan semakin hangat suhu, jumlah peminjaman cenderung meningkat.

3. Hari Kerja vs Hari Libur

   • Hari libur justru menunjukkan rata-rata peminjaman yang sedikit lebih tinggi dibandingkan hari kerja.

---

📷 Preview Dashboard

---

🙌 Kontribusi & Kredit

Proyek ini dikerjakan oleh Aditiya Ihzar Eka Prayogo sebagai bagian dari pembelajaran di Dicoding Academy.

---

Kalau kamu ingin eksplorasi lebih jauh atau kontribusi, jangan ragu buat fork dan bintangin ⭐ repository ini!