import streamlit as st import os import mysql.connector import pandas as pd import json with open("feature_explanation.json", "r") as f: feature_dict = json.load(f) # st.set_page_config(page_title="TALENTRA", layout="wide", initial_sidebar_state="collapsed") # Fungsi untuk mendapatkan gambar sebagai base64 def get_image_as_base64(image_path): import base64 with open(image_path, "rb") as img_file: return base64.b64encode(img_file.read()).decode("utf-8") # Fungsi untuk koneksi ke database def connect_to_db(): try: conn = mysql.connector.connect( host=st.secrets["mysql"]["host"], user=st.secrets["mysql"]["user"], password=st.secrets["mysql"]["password"], database=st.secrets["mysql"]["dbname"], port=st.secrets["mysql"]["port"] ) return conn except mysql.connector.Error as e: st.error(f"Koneksi ke database gagal: {e}") return None # Fungsi untuk mengambil data dari tabel history_prediction def get_all_predictions(): conn = connect_to_db() if conn: try: query = """SELECT employee_id as ID_Karyawan, hasil_prediksi_klasifikasi as Hasil_Prediksi_Retensi, hasil_prediksi_regresi as Hasil_Prediksi_Lama_Kerja, waktu_prediksi as Waktu_Prediksi FROM history_prediction""" df = pd.read_sql(query, conn) # Menggunakan Pandas untuk membaca data return df except mysql.connector.Error as e: st.error(f"Terjadi kesalahan saat mengambil data dari database: {e}") return pd.DataFrame() # Kembalikan DataFrame kosong jika terjadi error finally: conn.close() # Fungsi untuk mengambil data dari tabel shap_pred_result def get_shap_top_features(): conn = connect_to_db() if conn: try: query = """SELECT a.employee_id as ID_Karyawan, a.shap_values, b.hasil_prediksi_klasifikasi as Hasil_Prediksi_Retensi, b.hasil_prediksi_regresi as Hasil_Prediksi_Lama_Kerja FROM shap_pred_result a inner join history_prediction b on a.employee_id = b.employee_id""" df = pd.read_sql(query, conn) # Ekstraksi dan format ulang shap_values result = [] for _, row in df.iterrows(): employee_id = row['ID_Karyawan'] shap_values = json.loads(row['shap_values']) # Pastikan nilai SHAP berupa angka tunggal, jika list maka ambil rata-rata normalized_shap_values = { feature: (sum(value) / len(value) if isinstance(value, list) else value) for feature, value in shap_values.items() } # Ambil 5 fitur dengan SHAP value tertinggi (absolut) top_features = sorted( normalized_shap_values.items(), key=lambda x: abs(x[1]), reverse=True )[:5] # Buat format tabel baru formatted_row = { "ID_Karyawan": employee_id, "Hasil_Prediksi_Retensi": row["Hasil_Prediksi_Retensi"], # Tambahkan ini! "Hasil_Prediksi_Lama_Kerja": row["Hasil_Prediksi_Lama_Kerja"], # Tambahkan ini! } for i, (feature, value) in enumerate(top_features, start=1): formatted_row[f"Nama_Fitur_{i}"] = feature formatted_row[f"Besar_Value_{i}"] = value result.append(formatted_row) # Konversi ke DataFrame formatted_df = pd.DataFrame(result) return formatted_df except mysql.connector.Error as e: st.error(f"Terjadi kesalahan saat mengambil data: {e}") return pd.DataFrame() finally: conn.close() def navbar(): logo_path = os.path.join(os.path.dirname(__file__), "../asset/logo.png") st.markdown( f""" """, unsafe_allow_html=True) col1, col2 = st.columns([10, 1]) with col1: st.markdown(f"""

", unsafe_allow_html=True) def menu(): if "page" not in st.session_state: st.session_state["page"] = "Home" # **Gunakan Streamlit Columns agar Navbar Sejajar (3 Kolom)** col2, col3, col4 = st.columns([1.5, 1.5, 1.5]) # 3 Kolom (Tanpa col5) # **Custom CSS untuk Tombol Navbar yang Spesifik** st.markdown( """ """, unsafe_allow_html=True ) # Tombol navigasi dengan warna berbeda di col2, col3, col4 with col2: if st.button("Prediksi", key="nav_prediksi"): st.switch_page("pages/Prediksi.py") # Pindah ke halaman yang sudah ada with col3: if st.button("Dashboard", key="nav_dashboard"): st.switch_page("pages/Dashboard.py") # Pindah ke halaman yang sesuai with col4: if st.button("Laporan", key="nav_laporan"): st.switch_page("pages/Laporan.py") # Pindah ke halaman laporan def show_report(): # Tampilkan navbar navbar() menu() st.markdown(""" """, unsafe_allow_html=True) # Konten halaman Laporan st.markdown( """

Lihat Hasil Prediksi

""", unsafe_allow_html=True ) # Menu dropdown menu_option = st.selectbox( "Pilih data yang ingin ditampilkan:", ["History Prediksi", "History SHAP Values"] ) if menu_option == "History Prediksi": # Ambil data dari tabel history_prediction df = get_all_predictions() if not df.empty: # **Filter Tanggal Prediksi** col1, col2, col3 = st.columns(3) with col1: # st.markdown("Pilih Tanggal Mulai Prediksi") start_date = st.date_input("Dari Tanggal Prediksi", df["Waktu_Prediksi"].min().date() if not df.empty else None) with col2: # st.markdown("Pilih Tanggal Akhir Prediksi") end_date = st.date_input("Sampai Tanggal Prediksi", df["Waktu_Prediksi"].max().date() if not df.empty else None) with col3: # **Filter Hasil Prediksi Retensi** # st.markdown("Pilih Retensi/Tidak") filter_retensi = st.selectbox("Pilih Kategori Retensi/Tidak", ["Semua", "Retensi", "Tidak Retensi"]) # **Filter Data Sesuai Input Pengguna** if start_date and end_date: df = df[(df["Waktu_Prediksi"] >= pd.Timestamp(start_date)) & (df["Waktu_Prediksi"] <= pd.Timestamp(end_date))] if filter_retensi != "Semua": df = df[df["Hasil_Prediksi_Retensi"] == filter_retensi] # Tampilkan data dalam bentuk tabel st.dataframe(df) # Tombol untuk mendownload CSV if not df.empty: csv = df.to_csv(index=False) # Konversi DataFrame ke CSV tanpa indeks st.download_button( label="Download Tabel sebagai CSV", data=csv, file_name="history_prediction_filtered.csv", mime="text/csv", ) else: st.write("Tidak ada data yang tersedia di tabel history_prediction.") elif menu_option == "History SHAP Values": st.markdown( """

Tabel Histori SHAP Values

""", unsafe_allow_html=True ) # Ambil data dari tabel shap_pred_result df = get_shap_top_features() filter_retensi = st.selectbox("Pilih Kategori Retensi/Tidak", ["Semua", "Retensi", "Tidak Retensi"]) if filter_retensi != "Semua": df = df[df["Hasil_Prediksi_Retensi"] == filter_retensi] if not df.empty: # Tambahkan kolom deskripsi fitur berdasarkan JSON for i in range(1, 6): # Karena ada 5 fitur top SHAP feature_col = f"Nama_Fitur_{i}" desc_col = f"Deskripsi_Fitur_{i}" if feature_col in df.columns: df[desc_col] = df[feature_col].map(feature_dict).fillna("-") # Isi dengan "-" jika tidak ada di JSON # Tampilkan data dalam bentuk tabel st.dataframe(df) # Konversi DataFrame ke CSV untuk di-download csv = df.to_csv(index=False) st.download_button( label="Download Tabel sebagai CSV", data=csv, file_name="shap_pred_result.csv", mime="text/csv", ) else: st.write("Tidak ada data yang tersedia di tabel shap_pred_result.") # Footer st.markdown( """ """, unsafe_allow_html=True ) # Jalankan fungsi show_report if __name__ == "__main__": show_report()