-
Notifications
You must be signed in to change notification settings - Fork 0
/
index.py
503 lines (458 loc) · 25 KB
/
index.py
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97
98
99
100
101
102
103
104
105
106
107
108
109
110
111
112
113
114
115
116
117
118
119
120
121
122
123
124
125
126
127
128
129
130
131
132
133
134
135
136
137
138
139
140
141
142
143
144
145
146
147
148
149
150
151
152
153
154
155
156
157
158
159
160
161
162
163
164
165
166
167
168
169
170
171
172
173
174
175
176
177
178
179
180
181
182
183
184
185
186
187
188
189
190
191
192
193
194
195
196
197
198
199
200
201
202
203
204
205
206
207
208
209
210
211
212
213
214
215
216
217
218
219
220
221
222
223
224
225
226
227
228
229
230
231
232
233
234
235
236
237
238
239
240
241
242
243
244
245
246
247
248
249
250
251
252
253
254
255
256
257
258
259
260
261
262
263
264
265
266
267
268
269
270
271
272
273
274
275
276
277
278
279
280
281
282
283
284
285
286
287
288
289
290
291
292
293
294
295
296
297
298
299
300
301
302
303
304
305
306
307
308
309
310
311
312
313
314
315
316
317
318
319
320
321
322
323
324
325
326
327
328
329
330
331
332
333
334
335
336
337
338
339
340
341
342
343
344
345
346
347
348
349
350
351
352
353
354
355
356
357
358
359
360
361
362
363
364
365
366
367
368
369
370
371
372
373
374
375
376
377
378
379
380
381
382
383
384
385
386
387
388
389
390
391
392
393
394
395
396
397
398
399
400
401
402
403
404
405
406
407
408
409
410
411
412
413
414
415
416
417
418
419
420
421
422
423
424
425
426
427
428
429
430
431
432
433
434
435
436
437
438
439
440
441
442
443
444
445
446
447
448
449
450
451
452
453
454
455
456
457
458
459
460
461
462
463
464
465
466
467
468
469
470
471
472
473
474
475
476
477
478
479
480
481
482
483
484
485
486
487
488
489
490
491
492
493
494
495
496
497
498
499
500
501
502
503
import streamlit as st
import pandas as pd
import geopandas as gpd
import plotly.express as px
import sys
from pathlib import Path
import datetime
import numpy as np
try:
# MAIN VIEW ============================
# header html
st.set_page_config(page_title="AgriSatelite", layout="wide", page_icon="🗺️")
st.markdown("""
<link rel="stylesheet" href="https://cdnjs.cloudflare.com/ajax/libs/font-awesome/4.7.0/css/font-awesome.min.css">
<style>
html {
scroll-behavior: smooth;
}
a:link.tautan, a:visited.tautan {
background-color: rgb(76,155,130);
color: white;
padding: 0px 4px;
text-align: center;
text-decoration: none;
display: inline-block;
border-radius: 5px;
}
h1:hover, h3:hover{
color: orange;
}
a:hover.tautan, a:active.tautan, .roundedFixedBtn:hover {
background-color: rgb(236,112,20);
}
.fixedButton{
position: fixed;
bottom: 0px;
right: 0px;
padding: 20px;
}
.roundedFixedBtn{
height: 60px;
line-height: 60px;
width: 60px;
font-size: 2em;
font-weight: bold;
border-radius: 50%;
background-color: rgb(76,155,130);
color: white;
text-align: center;
cursor: pointer;
}
.small-font {
font-size:12px;
font-style: italic;
color: #b1a7a6;
}
</style>
""",
unsafe_allow_html=True
)
#st.write(px.colors.sequential.swatches()) #colorpalette
coolor = px.colors.sequential.Emrld
coolor_nonsawah = px.colors.sequential.Greys #abu grey
coolor_vegetatif = px.colors.sequential.Emrld #ijo emrld
coolor_generatif = px.colors.sequential.YlOrBr #kuning ylorbr
coolor_discret = ['rgb(115,115,115)','rgb(151,225,150)','rgb(76,155,130)','rgb(16,89,101)','rgb(236,112,20)']
# load file path
this_path = Path().resolve()
kec_path = str(this_path) + r"/map_source/geo_kec.geojson"
# load in geopandas using function to improv performance
@st.cache_data
def read_gpd(path):
return gpd.read_file(path, driver='GeoJSON')
#kec_gdf = gpd.read_file(kec_path, driver='GeoJSON')
kec_gdf = read_gpd(kec_path)
kec_gdf = kec_gdf.rename(columns={
'nmkec':'Kecamatan',
'nmdesa':'Desa',
})
#kec_gdf = kec_gdf.to_crs("WGS84")
# kab and its centroid
kdkab = {'-':'-',
'01': ["JEMBRANA",-8.3606,114.6257],
'02': ["TABANAN",-8.5376,115.1247],
'03': ["BADUNG",-8.5819,115.1771],
'04': ["GIANYAR",-8.5367,115.3314],
'05': ["KLUNGKUNG",-8.5388,115.4024],
'06': ["BANGLI",-8.4543,115.3549],
'07': ["KARANGASEM",-8.4463,115.6127],
'08': ["BULELENG",-8.2239,114.9517],
'71': ["DENPASAR",-8.6705,115.2126]
}
def get_nmkab(kode): #from dict above
return kdkab[kode][0]
def get_latlonkab(kode): #return lat,lon
return kdkab[kode][1], kdkab[kode][2]
# SIDEBAR VIEW ============================
with st.sidebar: #.form(key="my_form"):
st.header("Filter Data")
# PILIH kab
selectbox_kab = st.selectbox("Pilih Kabupaten", options=list(kdkab.keys()), format_func=get_nmkab)
# set pilihan kec based on pilihan kab
kec_choices = list( set(
kec_gdf.loc[kec_gdf['nmkab'] == get_nmkab(selectbox_kab)].Kecamatan
) )
kec_choices.insert(0, "-")
des_path = str(this_path) + f"/map_source/geo_desa_{selectbox_kab}.geojson"
# PILIH kec
judulkec = " di KAB. "+get_nmkab(selectbox_kab) if selectbox_kab != '-' else ""
selectbox_kec = st.selectbox("Pilih Kecamatan"+judulkec, kec_choices)
# PILIH display choropleth
#st.write('<style>div.row-widget.stRadio > div{flex-direction:row;justify-content: center;} </style>', unsafe_allow_html=True)
#t.write('<style>div.st-bf{flex-direction:column;} div.st-ag{font-weight:bold;padding-left:2px;}</style>', unsafe_allow_html=True)
opt_displaymap = ["Luas Non Sawah", "Fase Persiapan Lahan","Fase Vegetatif 1","Fase Vegetatif 2","Fase Generatif",]
choose_displaymap=st.radio("Display map: ",opt_displaymap, index=4) #pilihan defaultnya Generatif
# PILIH date file source
from os import walk
csv_luas_path = str(this_path) + r"/data/hasil_ML_satelit"
csv_list = [[],[]]
for (dirpath, dirnames, filenames) in walk(csv_luas_path, topdown=False):
for filename in filenames:
csv_list[0].append(filename.split('_')[1])
csv_list[1].append(filename.split('_')[2].split('.')[0])
break
kdbln = {
'01':'Januari',
'02':'Februari',
'03':'Maret',
'04':'April',
'05':'Mei',
'06':'Juni',
'07':'Juli',
'08':'Agustus',
'09':'September',
'10':'Oktober',
'11':'November',
'12':'Desember'
}
def get_namabln(kode):
return kdbln[kode]
col1, col2 = st.columns(2)
with col1:
datenow = datetime.datetime.now()
selectbox_bln = st.selectbox("Bulan:", options=sorted(csv_list[0]), format_func=get_namabln,
#index=datenow.date().month-1) #dummy only
index= len(csv_list[0])-1 )
with col2:
selectbox_thn = st.selectbox("Tahun:", sorted(set(csv_list[1])), index=len(set(csv_list[1]))-1 )
#st.write( len(csv_list[0]) )
# pressed_filter = st.form_submit_button("Filter Map")
# if submit form filter
#if pressed_filter:
# kec_gdf = kec_gdf[kec_gdf["nmkab"] == selectbox_kab]
# TITLE ============================
st.title("Dashboard AgriSatelite 🗺️")
classtautan = 'a' if selectbox_kab!='-' else 'span'
if selectbox_kab == '-':
captiontitle = 'agregat rata-rata persentase luas jenis fase tanaman padi pada kecamatan se-Bali'
elif selectbox_kec == '-' and selectbox_kab != '-':
captiontitle = 'persentase luas jenis fase tanaman padi pada desa se-Kabupaten'
else:
captiontitle = 'persentase luas jenis fase tanaman padi pada wilayah yang terpilih'
st.markdown(f"""Dashboard ini bertujuan untuk memetakan luas tanam atau panen padi berdasarkan hasil _machine learning_ dan citra satelit. Peta heatmap di bawah menampilkan **{captiontitle}**. Terdapat juga data pendukung atau rekomendasi <{classtautan} class="tautan" href="#grafik-perbandingan-wilayah">di bawah</{classtautan}> untuk melihat lebih detail potensi wilayah tersebut.""", unsafe_allow_html=True)
# DATA FOR MAPPING ============================
titiktengah = False
# filter from date. read data luas padi satelit for mapping
des_df_path = csv_luas_path+f"/hasil_{selectbox_bln}_{selectbox_thn}.csv"
if not(Path(des_df_path).exists()):
st.error("Maaf data tidak ditemukan, silakan pilih filter lain pada sidebar.")
# JIKA GADA DATANYA MAKA GAUSA LOAD AJA SEKALIAN!
else :
des_df = pd.read_csv(des_df_path, dtype={'iddesa': object})
# jika ga dipilih kab, maka tampilin aggregate
des_df['idkec'] = des_df['iddesa'].str[:7]
# ngitung
des_df['total'] = des_df['vegetatif1'] + des_df['vegetatif2'] + des_df['generatif'] + des_df['persiapan'] + des_df['nonsawah']
des_df['nonsawah'] = des_df.nonsawah/des_df.total
des_df['persiapan'] = des_df.persiapan/des_df.total
des_df['vegetatif1'] = des_df.vegetatif1/des_df.total
des_df['vegetatif2'] = des_df.vegetatif2/des_df.total
des_df['generatif'] = des_df.generatif/des_df.total
# agg
des_agg_df = des_df[['idkec','nonsawah','persiapan','vegetatif1','vegetatif2','generatif']].groupby("idkec").agg('mean')
if selectbox_kec == '-':
kec_gdf = kec_gdf.merge(des_agg_df, how='inner', on='idkec')
# filter geomap desa (biar cuman ngeload ketika kefilter kab aja n ga mberatin)
if Path(des_path).exists() :
# koordinat centroid zoom map kec
if selectbox_kec != '-':
titiktengah = kec_gdf[kec_gdf['Kecamatan'] == selectbox_kec ].geometry.centroid.iloc[0]
# read desa di kec terpilih
#des_gdf = gpd.read_file(des_path, driver='GeoJSON')
des_gdf = read_gpd(des_path)
if selectbox_kec != '-':
des_gdf = des_gdf.loc[des_gdf['nmkec'] == selectbox_kec ]
des_gdf['nmkab'] = get_nmkab(selectbox_kab)
# merge data hasil satelit dengan data shp geopandas
des_df = des_gdf.merge(des_df, how='inner', on='iddesa')
# data final for display map
#kec_gdf = kec_gdf.drop('nmdesa', axis=1)
#kec_gdf = kec_gdf.merge(des_gdf, how='outer')
kec_gdf = des_df[['iddesa','nmkec','nmdesa','luas','idkec_x','geometry','nmkab','akurasi','nonsawah','persiapan','vegetatif1','vegetatif2','generatif']] # desa df yang udah dimerge sama df dan geodf
kec_gdf[['nonsawah','persiapan','vegetatif1','vegetatif2','generatif']] = kec_gdf[['nonsawah','persiapan','vegetatif1','vegetatif2','generatif']].apply(lambda row: (row*100).round(3),axis = 1,result_type ='expand')
kec_gdf = kec_gdf.rename(columns={
'nmkec':'Kecamatan',
'nmdesa':'Desa',
'vegetatif1': 'Fase_Vegetatif1',
'vegetatif2': 'Fase_Vegetatif2',
'generatif': 'Fase_Generatif',
'persiapan': 'Fase_Persiapan_lahan',
'nonsawah': 'Luas_Nonsawah'
})
# MAIN VIEW MAPPING ============================
hover_data = [kec_gdf.Kecamatan, kec_gdf.Desa, kec_gdf.Luas_Nonsawah, kec_gdf.Fase_Persiapan_lahan, kec_gdf.Fase_Generatif, kec_gdf.Fase_Vegetatif1, kec_gdf.Fase_Vegetatif2] if selectbox_kab != '-' else [kec_gdf.Kecamatan, kec_gdf.Luas_Nonsawah, kec_gdf.Fase_Persiapan_lahan, kec_gdf.Fase_Generatif, kec_gdf.Fase_Vegetatif1, kec_gdf.Fase_Vegetatif2]
#pilihan coolor
displaymapchoosen = kec_gdf.columns[opt_displaymap.index(choose_displaymap)+5] if selectbox_kab=='-' else kec_gdf.columns[opt_displaymap.index(choose_displaymap)+8]
if displaymapchoosen=='Fase_Generatif':
coolor_choosen = coolor_generatif
elif displaymapchoosen=='Luas_Nonsawah':
coolor_choosen = coolor_nonsawah
else:
coolor_choosen = coolor_vegetatif
#st.write(opt_displaymap.index(choose_displaymap))
figmap = px.choropleth_mapbox(
kec_gdf,
geojson=kec_gdf.geometry,
locations=kec_gdf.index,
color=displaymapchoosen,
color_continuous_scale=coolor_choosen,
hover_name=kec_gdf.nmkab,
hover_data= hover_data
)
# set layout map
figmap.update_layout(
height=550,
mapbox_zoom=8.5,
mapbox_center= {"lat": -8.409518, "lon": 115.188919},
margin={"r":0,"t":0,"l":0,"b":0},
#mapbox_style='carto-positron',
mapbox_style='open-street-map',
#legend=dict(yanchor="top", xanchor='left',orientation="h",)
coloraxis_colorbar = dict(
orientation='h',
yanchor='bottom',
y=-0.175,
tickfont_weight='bold',
title_font_weight = 'bold',
#tickformat = ".2%"
)
)
# layout map jika filter kab
if selectbox_kab != "-":
figmap.update_layout(
mapbox_zoom=9.5,
mapbox_center={"lat": get_latlonkab(selectbox_kab)[0],
"lon":get_latlonkab(selectbox_kab)[1]}
)
# layout map jika filter kec
if titiktengah:
figmap.update_layout(
mapbox_zoom=10.5,
mapbox_center={"lat": titiktengah.y, "lon": titiktengah.x}
)
# show in web
st.write(" ")
st.plotly_chart(figmap)
# SEE DF DETAILS IF FILTER KAB GA KOSONG ============================
if selectbox_kab !="-":
# gtw gapenting
st.markdown(
"""
<hr>
<a class="fixedButton" href="#grafik-perbandingan-wilayah" title="Scroll down">
<div class="roundedFixedBtn"><i class="fa fa-arrow-circle-down"></i></div>
</a>
<script>
function bottomFunction() {
document.getElementById('bottom').scrollIntoView({behavior: "smooth"});
}
/*document.querySelectorAll('a[href^="#"]').forEach(anchor => {
anchor.addEventListener('click', function (e) {
e.preventDefault();
document.querySelector(this.getAttribute('href')).scrollIntoView({
behavior: 'smooth'
});
});
});*/
</script>
""", unsafe_allow_html=True
)
# VIEW GRAFIK STACK BAR ============================
#st.write("df des col:", kec_gdf.columns)
st.subheader("Grafik Perbandingan Wilayah")
captionsect2 = f"Kecamatan di KAB. {str(get_nmkab(selectbox_kab))}" if selectbox_kec == '-' else f"Desa di KEC. {selectbox_kec}, KAB. {get_nmkab(selectbox_kab)}"
caption2sect2 = "agregat rata-rata " if selectbox_kec == '-' else ""
subjudulsect2 = f"Kecamatan di Kabupaten {str(get_nmkab(selectbox_kab).title())}" if selectbox_kec == '-' else f"Desa di Kecamatan {selectbox_kec.title()}, Kabupaten {get_nmkab(selectbox_kab).title()}"
st.caption(captionsect2)
st.write(f"Grafik di bawah menampilkan {caption2sect2}persentase luas wilayah berdasarkan jenis fase tanaman padi per ", subjudulsect2)
if selectbox_kec == '-':
dfstack = kec_gdf.iloc[:,[1,8,9,10,11,12]].groupby("Kecamatan").agg('mean').stack().to_frame().reset_index()
dfstack.columns = ['Nama Kecamatan','Kategori','Persentase']
else:
dfstack = kec_gdf.iloc[:,[2,8,9,10,11,12]].set_index("Desa").stack().to_frame().reset_index()
dfstack.columns = ['Nama desa','Kategori','Persentase']
figbar = px.bar(
dfstack,
y="Nama Kecamatan" if selectbox_kec=='-' else "Nama desa",
x='Persentase',
color='Kategori',
color_discrete_sequence=coolor_discret
#px.colors.qualitative.Plotly_r,
)
figbar.update_layout(legend=dict(
orientation="h",
)
)
st.plotly_chart(figbar)
# VIEW DATA PENDUKUNG
st.markdown("<hr>", unsafe_allow_html=True,)
st.subheader("Rekomendasi / Data pendukung")
st.caption(captionsect2)
# VIEW IF FILTER KAB ============================
if selectbox_kec == "-":
#dfpendukung = pd.read_csv(csv_path+f"/{selectbox_bln}_{selectbox_thn}.csv", dtype={'kd_wilayah': object})
# read data ssn
dfpendukung = pd.read_csv(str(this_path) + r"/data/pendukung"+f"/kecamatan_susenas.csv", dtype={'idkec': object})
# drop col pertama
# dfpendukung = dfpendukung.drop(dfpendukung.columns[0], axis=1) # tidak terpakai, dataframe sudah diupdate
# buat kolom pembantu buat filter
dfpendukung['kdkab'] = dfpendukung.idkec.str[2:4]
# filter pake kolom baru
dfpendukung = dfpendukung[dfpendukung.kdkab == selectbox_kab].reset_index().drop(dfpendukung.columns[-1], axis=1)
# select subset column
dfpendukung = dfpendukung[['kec','rasio_kur','rasio_jasa_keuangan','rasio_rekening',]]
dfpendukung = dfpendukung.rename(columns={
'kec':'Kecamatan',
'rasio_kur':'Persentase pengguna KUR',
'rasio_jasa_keuangan':'Persentase Pengguna jasa keuangan',
'rasio_rekening': 'Persentase pemilik nomor rekening'
})
# BAR
multiselect_bar = st.multiselect(
"Pilih variabel yang ingin dimunculkan:",
['Persentase pemilik nomor rekening', 'Persentase Pengguna jasa keuangan', 'Persentase pengguna KUR'],
['Persentase pemilik nomor rekening', 'Persentase Pengguna jasa keuangan', 'Persentase pengguna KUR']
)
figbar = px.bar(dfpendukung, x=multiselect_bar, y='Kecamatan', orientation='h', color_discrete_sequence=coolor_discret)
figbar.update_layout(
barmode='group',
legend=dict(orientation="h",)
)
st.plotly_chart(figbar)
st.write(' ')
#st.markdown("<br> ", unsafe_allow_html=True)
st.dataframe(dfpendukung[['Kecamatan']+multiselect_bar].set_index('Kecamatan'), use_container_width=True)
#st.write(px.colors.qualitative.Plotly_r)
# paragraf
st.markdown(
f'<p class="small-font">Sumber Data: Susenas Maret {selectbox_thn}</p>',
unsafe_allow_html=True,
)
# st.write("Lorem ipsum dolor sit amet, consectetur adipiscing elit. Sed felis arcu, mollis sit amet orci nec, tincidunt eleifend tortor. In vehicula est eget enim eleifend, ac aliquam sem gravida. Suspendisse arcu lectus, ornare viverra mi eu, egestas placerat lectus.")
st.write("Tabel di atas menampilkan informasi tentang Wilayah, Rasio Anggota Rumah Tangga (ART) yang berusia 5 tahun ke-atas yang memiliki rekening, Rasio ART yang berusia 5 tahun ke atas yang menggunakan produk/layanan jasa keuangan, dan Rasio ART yang menerima Kredit Usaha Rakyat (KUR).")
# VIEW IF FILTER KEC ============================
else:
st.write("Tampilan data hasil clustering")
# read data ssn
dfpendukung = pd.read_csv(str(this_path) + r"/data/pendukung"+f"/cluster_podes.csv", dtype={'kd_wilayah': object})
# drop col pertama
dfpendukung = dfpendukung.drop(dfpendukung.columns[0:1], axis=1)
# buat kolom pembantu buat filter
dfpendukung['nmkec'] = dfpendukung.r103.str[5:]
dfpendukung['kdkab'] = dfpendukung.kd_wilayah.str[2:4]
dfpendukung['rasio_tani'] = dfpendukung.rasio_tani.round(3).apply(lambda x: ('{:,.2f}'.format(x*100)))
# filter pake kolom baru
dfpendukung = dfpendukung[(dfpendukung.kdkab == selectbox_kab) &
(dfpendukung.nmkec.str.strip() == str(selectbox_kec))]#.drop(dfpendukung.columns[-2:], axis=1)
# select subset columns
dfpendukung = dfpendukung[['kd_wilayah','r104','r105','rasio_tani','sektor_utama','jumlah_bank','jumlah_koperasi','keberadaan_toko_sarana_pertanian','keberadaan_fasilitas_kredit','cluster']].rename(columns={
'kd_wilayah':'iddesa',
'r104':'Nama Desa',
'r105':'Status Desa',
'rasio_tani':'Persentase petani',
'sektor_utama':'Sektor utama',
'jumlah_bank':'Jumlah bank',
'jumlah_koperasi':'Jumlah koperasi',
'keberadaan_toko_sarana_pertanian':'Keberadaan toko sarana pertanian',
'keberadaan_fasilitas_kredit':'Keberadaan fasilitas kredit'
}).sort_values('Nama Desa').reset_index().drop('index', axis=1)
dfpend = dfpendukung.copy()
# PLOT CLUSTERING
# merge
#dfpend = dfpend.merge(kec_gdf[['iddesa','Desa','Luas_Nonsawah', 'Fase_Persiapan_lahan', 'Fase_Vegetatif1', 'Fase_Vegetatif2', 'Fase_Generatif']], how='inner', on='iddesa')
#dfpend['cluster'] = dfpend['cluster'].astype("string")
# list selectbox
#numerics = ['int16', 'int32', 'int64', 'float16', 'float32', 'float64']
#listnum = dfpend.select_dtypes(include=numerics)
# selectbox
#cols = st.columns(3)
#with cols[0]:
# selectbox_dotx = st.selectbox("Pilih Variable X", listnum.columns, index=7)
# #st.write(kec_gdf.columns)
#with cols[1]:
# selectbox_doty = st.selectbox("Pilih Variable Y", listnum.columns, index=0)
# #st.write(dfpend.columns)
#with cols[2]:
# selectbox_dotz = st.selectbox("Pilih Variable Size", listnum.columns, index=2)
# plot
#figplot = px.scatter(
# dfpend, x=selectbox_dotx, y=selectbox_doty, size=selectbox_dotz, hover_data=[dfpend.Desa],
# color='cluster', color_discrete_sequence=coolor_discret
#)
#figplot.add_scatter
#st.plotly_chart(figplot)
# apply style coloring row df n SHOW
def highlight_color(row):
if row['cluster'] == 2:
return [f'background-color: {coolor_discret[3]}; color:white;'] * len(row)
else:
return [''] * len(row)
try:
st.dataframe(dfpendukung.drop('iddesa', axis=1).style.apply(highlight_color, axis=1))
except Exception as e:
st.dataframe(dfpendukung.drop('iddesa', axis=1))
#st.write("Terjadi error: ", str(e))
exc_type, exc_obj, exc_tb = sys.exc_info()
#print(exc_type, exc_tb.tb_lineno)
st.error(
f"""
**Terjadi kesalahan.**
Error: {e}. Type error: {exc_type}, on line no {exc_tb.tb_lineno}
"""
)
# paragraf
st.markdown(
f'<p class="small-font">Sumber Data: Podes {selectbox_thn}</p>',
unsafe_allow_html=True,
)
#st.write("Lorem ipsum dolor sit amet, consectetur adipiscing elit. Sed felis arcu, mollis sit amet orci nec, tincidunt eleifend tortor. In vehicula est eget enim eleifend, ac aliquam sem gravida. Suspendisse arcu lectus, ornare viverra mi eu, egestas placerat lectus.")
st.markdown("""
Data tabel di atas dihasilkan dari analisis clustering, menggunakan Elbow Method dengan variable rasio keluarga tani, sektor utama pekerjaan di desa, jumlah bank, jumlah koperasi, dan ada tidaknya fasilitas kredit dihasilkan 2 klaster.
- **Klaster 1** : memiliki ciri-ciri persentase keluarga tani yang kecil, sektor utama pekerjaan di desa bukan petani tanaman pangan, serta jumlah bank dan jumlah koperasi yang banyak
- **Klaster 2** : memiliki ciri-ciri persentase keluarga tani yang tinggi, sektor utama pekerjaan di desa adalah petani tanaman pangan, serta jumlah bank dan jumlah koperasi yang sedikit
Rekomendasi Lanjutan
""")
#getrowindex = st.number_input('Enter an index of row to show')
#st.write(kec_gdf.iloc[int(getrowindex)])
st.markdown("<div id='bottom'> </div>", unsafe_allow_html=True)
except Exception as e:
#st.write("Terjadi error: ", str(e))
exc_type, exc_obj, exc_tb = sys.exc_info()
print(exc_type, exc_tb.tb_lineno)
st.error(
f"""
**Terjadi kesalahan.**
Error: {e}. Type error: {exc_type}, on line no {exc_tb.tb_lineno}
"""
)