diff --git a/LICENSE b/LICENSE index c8535be..390a9ca 100644 --- a/LICENSE +++ b/LICENSE @@ -1,6 +1,6 @@ MIT License -Copyright (c) 2022 Taruma Sakti Megariansyah +Copyright ©️ 2022 Taruma Sakti Megariansyah, PT. FIAKO ENJINIRING INDONESIA Permission is hereby granted, free of charge, to any person obtaining a copy of this software and associated documentation files (the "Software"), to deal diff --git a/README.md b/README.md index 5d5fedf..9fd24b5 100644 --- a/README.md +++ b/README.md @@ -1,57 +1,107 @@ -# hidrokit Rainfall Data Explorer (hidrokit-rainfall) +# RAINFALL DATA EXPLORER (hidrokit-rainfall) -![image](https://user-images.githubusercontent.com/1007910/173458676-3db6da81-d583-40d0-87b6-0a635e25e50d.png) +
+hidrokit-rainfall thumbnail
-__Rainfall Data Explorer__ (`hidrokit-rainfall`) adalah _dashboard_ untuk mengeksplorasi data hujan di setiap stasiunnya dan membandingkannya baik secara numerik maupun visual. `hidrokit-rainfall` dibuat menggunakan teknologi [Dash + Plotly](https://plotly.com/) dengan bahasa pemrograman Python. Proyek `hidrokit-rainfall` bersifat _open-source_ dengan lisensi MIT. +developed by +project by +License +
+GitHub release +GitHub Release Date +
-## Cara Menjalankan Dashboard (Lokal) +**Rainfall Data Explorer** atau `hidrokit-rainfall` adalah aplikasi web atau dashboard yang dapat digunakan untuk menganalisis data hujan harian. Dari aplikasi ini dapat memperoleh informasi hujan maksimum, total hujan, hari hujan, hari kering, dan kejadian hujan maksimum setiap periode yang ditentukannya dengan presentasi menggunakan visualisasi data. Grafik kumulatif tahunan dan konsistensi (kurva massa ganda) juga ditambahkan sejak versi v1.1.x. -Sangat dianjurkan untuk menjalankan dashboard ini menggunakan mesin lokal. +## FITUR APLIKASI -- Buat _virtual environment_ menggunakan `environment.yml` (untuk conda) atau `requirements.txt` (untuk venv). -- Jalankan `app.py` di terminal. -- Buka alamat `http://127.0.0.1:8050/` di browser. +
+

Eksplorasi Data Hujan

+ +
+Interaksi Tabel Data Hujan +
-## Cara Penggunaan +
+

Visualisasi Data Hujan

+ +
+Visualisasi Data Hujan (line) +

+ +
+Visualisasi Data Hujan (bar) +
-Dashboard ini bisa membaca berkas berformat '.csv' dengan: +
+

Analisis Data Hujan

+ +
+Hasil Analisis (Tabel) +

+ +
+Download Hasil Analisis (CSV) +
-- 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. +
+

Visualisasi Analisis Data Hujan

+ +
+Visualisasi Analisis (Rekap) +

+ +
+Visualisasi Max + Sum +

+ +
+Visualisasi Dry + Rain +

+ +
+Visualisasi Kejadian Hujan Maksimum +

+ +
+Kumulatif Tahunan +

+ +
+Konsistensi (Kurva Massa Ganda) +
-Navigasi dashboard ini antara lain: +## KEKURANGAN -- _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. +Berikut daftar kekurangan atau _known issues_ aplikasi ini: -Navigasi dengan grafik interaktif plotly: +- Perlu dilakukan koreksi ataupun analisis lebih lanjut untuk masuk ke proses analisis frekuensi. Contohnya: + - Koreksi kurva massa ganda. + - Menghitung hujan wilayah. +- Harus melakukan pengolahan tabel setelah menerima hasil analisis dalam bentuk CSV. -- 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. +## LISENSI -## Catatan +[MIT LICENSE](./LICENSE) -- ~~Dashboard ini seharusnya bergantung pada paket hidrokit terutama pada modul `hidrokit.contrib.taruma.hk98` mengenai rekap data (tabel analisis). Akan tetapi ditemukan isu di hidrokit/hidrokit#219. Sehingga untuk sementara modul tersebut terpisah dengan dashboard ini.~~ Sudah menggunakan hidrokit versi 0.4.1. +``` +Copyright ©️ 2022 Taruma Sakti Megariansyah, PT. FIAKO ENJINIRING INDONESIA + +Permission is hereby granted, free of charge, to any person obtaining a copy +of this software and associated documentation files (the "Software"), to deal +in the Software without restriction, including without limitation the rights +to use, copy, modify, merge, publish, distribute, sublicense, and/or sell +copies of the Software, and to permit persons to whom the Software is +furnished to do so, subject to the following conditions: + +The above copyright notice and this permission notice shall be included in all +copies or substantial portions of the Software. + +THE SOFTWARE IS PROVIDED "AS IS", WITHOUT WARRANTY OF ANY KIND, EXPRESS OR +IMPLIED, INCLUDING BUT NOT LIMITED TO THE WARRANTIES OF MERCHANTABILITY, +FITNESS FOR A PARTICULAR PURPOSE AND NONINFRINGEMENT. IN NO EVENT SHALL THE +AUTHORS OR COPYRIGHT HOLDERS BE LIABLE FOR ANY CLAIM, DAMAGES OR OTHER +LIABILITY, WHETHER IN AN ACTION OF CONTRACT, TORT OR OTHERWISE, ARISING FROM, +OUT OF OR IN CONNECTION WITH THE SOFTWARE OR THE USE OR OTHER DEALINGS IN THE +SOFTWARE. +``` \ No newline at end of file diff --git a/_readme/fiakodev-rainfall-thumbnail.png b/_readme/fiakodev-rainfall-thumbnail.png new file mode 100644 index 0000000..dca6091 Binary files /dev/null and b/_readme/fiakodev-rainfall-thumbnail.png differ diff --git a/_readme/fkrainfall-ft-1-1.gif b/_readme/fkrainfall-ft-1-1.gif new file mode 100644 index 0000000..4215a11 Binary files /dev/null and b/_readme/fkrainfall-ft-1-1.gif differ diff --git a/_readme/fkrainfall-ft-2-1.gif b/_readme/fkrainfall-ft-2-1.gif new file mode 100644 index 0000000..b43924b Binary files /dev/null and b/_readme/fkrainfall-ft-2-1.gif differ diff --git a/_readme/fkrainfall-ft-2-2.gif b/_readme/fkrainfall-ft-2-2.gif new file mode 100644 index 0000000..450d74c Binary files /dev/null and b/_readme/fkrainfall-ft-2-2.gif differ diff --git a/_readme/fkrainfall-ft-3-1.gif b/_readme/fkrainfall-ft-3-1.gif new file mode 100644 index 0000000..e0267fe Binary files /dev/null and b/_readme/fkrainfall-ft-3-1.gif differ diff --git a/_readme/fkrainfall-ft-3-2.gif b/_readme/fkrainfall-ft-3-2.gif new file mode 100644 index 0000000..e0f7c41 Binary files /dev/null and b/_readme/fkrainfall-ft-3-2.gif differ diff --git a/_readme/fkrainfall-ft-4-1.gif b/_readme/fkrainfall-ft-4-1.gif new file mode 100644 index 0000000..a7d5440 Binary files /dev/null and b/_readme/fkrainfall-ft-4-1.gif differ diff --git a/_readme/fkrainfall-ft-4-2.gif b/_readme/fkrainfall-ft-4-2.gif new file mode 100644 index 0000000..7258b40 Binary files /dev/null and b/_readme/fkrainfall-ft-4-2.gif differ diff --git a/_readme/fkrainfall-ft-4-3.gif b/_readme/fkrainfall-ft-4-3.gif new file mode 100644 index 0000000..96005d1 Binary files /dev/null and b/_readme/fkrainfall-ft-4-3.gif differ diff --git a/_readme/fkrainfall-ft-4-4.gif b/_readme/fkrainfall-ft-4-4.gif new file mode 100644 index 0000000..594b313 Binary files /dev/null and b/_readme/fkrainfall-ft-4-4.gif differ diff --git a/_readme/fkrainfall-ft-4-5.gif b/_readme/fkrainfall-ft-4-5.gif new file mode 100644 index 0000000..b1add8d Binary files /dev/null and b/_readme/fkrainfall-ft-4-5.gif differ diff --git a/_readme/fkrainfall-ft-4-6.gif b/_readme/fkrainfall-ft-4-6.gif new file mode 100644 index 0000000..1643105 Binary files /dev/null and b/_readme/fkrainfall-ft-4-6.gif differ diff --git a/docs/old_readme.md b/docs/old_readme.md new file mode 100644 index 0000000..5d5fedf --- /dev/null +++ b/docs/old_readme.md @@ -0,0 +1,57 @@ +# hidrokit Rainfall Data Explorer (hidrokit-rainfall) + +![image](https://user-images.githubusercontent.com/1007910/173458676-3db6da81-d583-40d0-87b6-0a635e25e50d.png) + +__Rainfall Data Explorer__ (`hidrokit-rainfall`) adalah _dashboard_ untuk mengeksplorasi data hujan di setiap stasiunnya dan membandingkannya baik secara numerik maupun visual. `hidrokit-rainfall` dibuat menggunakan teknologi [Dash + Plotly](https://plotly.com/) dengan bahasa pemrograman Python. Proyek `hidrokit-rainfall` bersifat _open-source_ dengan lisensi MIT. + +## Cara Menjalankan Dashboard (Lokal) + +Sangat dianjurkan untuk menjalankan dashboard ini menggunakan mesin lokal. + +- Buat _virtual environment_ menggunakan `environment.yml` (untuk conda) atau `requirements.txt` (untuk venv). +- Jalankan `app.py` di terminal. +- Buka alamat `http://127.0.0.1:8050/` di browser. + +## Cara Penggunaan + +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. + +## Catatan + +- ~~Dashboard ini seharusnya bergantung pada paket hidrokit terutama pada modul `hidrokit.contrib.taruma.hk98` mengenai rekap data (tabel analisis). Akan tetapi ditemukan isu di hidrokit/hidrokit#219. Sehingga untuk sementara modul tersebut terpisah dengan dashboard ini.~~ Sudah menggunakan hidrokit versi 0.4.1. diff --git a/docs/old_tutorial.md b/docs/old_tutorial.md new file mode 100644 index 0000000..ce3aeb8 --- /dev/null +++ b/docs/old_tutorial.md @@ -0,0 +1,37 @@ +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.