import pandas as pd # Fungsi dari import_data.py def normalize(col_name): if pd.isna(col_name): return "" return str(col_name).strip().lower() def find_column(source_cols, possible_names): source_cols_lower = {normalize(c): c for c in source_cols} for name in possible_names: if normalize(name) in source_cols_lower: return source_cols_lower[normalize(name)] return None # YEAR_CONFIG YEAR_CONFIG = { '2019': { 'skip_jumlah_perusahaan': True, 'has_email': True, 'email_col': 'Email', 'nama_col': 'Nama', 'tahun_col': 'Tahun Lulus', }, } # tracer_mapping tracer_mapping = { 'email': ['emailmsmh', 'Email', '6. Alamat Email / emailmsmh'], 'kode_pt': ['kdptimsmh', 'Kode PT', '1. Kode Perguruan Tinggi / kdptimsmh'], 'nik': ['NIK'], 'npwp': ['NPWP'], 'telepon': ['Telepon', 'No. Telepon'], 'status_saat_ini': ['F8', 'f8'], 'bulan_dapat_kerja': ['F502', 'f502'], 'dapet_kerja_6_bulan': ['F504', 'f504'], 'rata_pendapatan': ['F505', 'f505'], 'bulan_dapat_kerja_setelah': ['F506', 'f506'], 'provinsi_kerja': ['F5a1', 'f5a1'], 'kab_kota_kerja': ['F5a2', 'f5a2'], 'jenis_perusahaan_full': ['F1101', 'f1101'], 'jumlah_perusahaan': ['F1102', 'f1102'], 'nama_perusahaan': ['F5b', 'f5b'], 'jabatan': ['F5c', 'f5c'], 'tingkatan_tempat_kerja': ['F5d', 'f5d'], 'sumber_biaya_studi': ['F18a', 'f18a'], 'pt_studi_lanjut': ['F18b', 'f18b'], 'prodi_studi_lanjut': ['F18c', 'f18c'], 'tanggal_masuk_studi': ['F18d', 'f18d'], 'sumber_biaya_kuliah': ['F1201', 'f1201'], 'keeratan_bidang_studi': ['F14', 'f14'], 'tingkat_pendidikan_tepat': ['F15', 'f15'], 'etika_lulus_full': ['F1761', 'f1761'], 'etika_saat_ini': ['F1762', 'f1762'], 'keahlian_lulus_full': ['F1763', 'f1763'], 'keahlian_saat_ini': ['F1764', 'f1764'], 'bahasa_inggris_lulus_full': ['F1765', 'f1765'], 'bahasa_inggris_saat_ini': ['F1766', 'f1766'], 'teknologi_informasi_lulus_full': ['F1767', 'f1767'], 'teknologi_informasi_saat_ini': ['F1768', 'f1768'], 'komunikasi_lulus_full': ['F1769', 'f1769'], 'komunikasi_saat_ini': ['F1770', 'f1770'], 'kerja_sama_lulus_full': ['F1771', 'f1771'], 'kerja_sama_saat_ini': ['F1772', 'f1772'], 'pengembangan_diri_lulus_full': ['F1773', 'f1773'], 'pengembangan_diri_saat_ini': ['F1774', 'f1774'], 'metode_perkuliahan': ['F21', 'f21'], 'metode_demonstrasi': ['F22', 'f22'], 'metode_proyek_riset': ['F23', 'f23'], 'metode_magang': ['F24', 'f24'], 'metode_praktikum': ['F25', 'f25'], 'metode_kerja_lapangan': ['F26', 'f26'], 'metode_diskusi': ['F27', 'f27'], 'mulai_cari_kerja': ['F301', 'f301'], 'bulan_cari_sebelum_lulus': ['F302', 'f302'], 'bulan_cari_setelah_wisuda': ['F303', 'f303'], 'cari_iklan': ['F401', 'f401'], 'cari_melamar_tanpa_lowongan': ['F402', 'f402'], 'cari_bursa_pameran': ['F403', 'f403'], 'cari_internet': ['F404', 'f404'], 'cari_dihubungi_perusahaan': ['F405', 'f405'], 'cari_kemenakertrans': ['F406', 'f406'], 'cari_agen_tenaga_kerja': ['F407', 'f407'], 'cari_pusat_karir': ['F408', 'f408'], 'cari_kantor_mahasiswa': ['F409', 'f409'], 'cari_jejaring': ['F410', 'f410'], 'cari_relasi': ['F411', 'f411'], 'cari_bangun_usaha': ['F412', 'f412'], 'cari_magang': ['F413', 'f413'], 'cari_tempat_kuliah': ['F414', 'f414'], 'cari_lainnya': ['F415', 'f415'], 'jumlah_perusahaan_dilamar': ['F6', 'f6'], 'jumlah_perusahaan_merespons': ['F7', 'f7'], 'jumlah_perusahaan_wawancara': ['F7a', 'f7a'], 'aktif_cari_kerja_4_minggu': ['F1001', 'f1001'], 'kerja_tidak_sesuai_1': ['F1601', 'f1601'], 'kerja_tidak_sesuai_2': ['F1602', 'f1602'], 'alasan_tidak_sesuai_1': ['F1603', 'f1603'], 'alasan_tidak_sesuai_2': ['F1604', 'f1604'], 'alasan_tidak_sesuai_3': ['F1605', 'f1605'], 'alasan_tidak_sesuai_4': ['F1606', 'f1606'], 'alasan_tidak_sesuai_5': ['F1607', 'f1607'], 'alasan_tidak_sesuai_6': ['F1608', 'f1608'], 'alasan_tidak_sesuai_7': ['F1609', 'f1609'], 'alasan_tidak_sesuai_8': ['F1610', 'f1610'], 'alasan_tidak_sesuai_9': ['F1611', 'f1611'], 'alasan_tidak_sesuai_10': ['F1612', 'f1612'], 'alasan_tidak_sesuai_11': ['F1613', 'f1613'], 'alasan_tidak_sesuai_lainnya': ['F1614', 'f1614'] } # Apply year config tahun = '2019' year_config = YEAR_CONFIG.get(tahun, {}) if year_config.get('skip_jumlah_perusahaan', False): if 'jumlah_perusahaan' in tracer_mapping: del tracer_mapping['jumlah_perusahaan'] # Konversi jawaban JAWABAN_MAPPING = { 'F8': {1: 'Bekerja (full time/part time)', 2: 'Belum memungkinkan bekerja', 3: 'Wiraswasta', 4: 'Melanjutkan Pendidikan', 5: 'Tidak kerja tetapi sedang mencari kerja'}, 'F505': {1000000: 'Rp 1.000.000', 1500000: 'Rp 1.500.000', 2000000: 'Rp 2.000.000', 2500000: 'Rp 2.500.000', 3000000: 'Rp 3.000.000'}, 'F1101': {1: 'Instansi pemerintah', 2: 'Organisasi non-profit/Lembaga Swadaya Masyarakat', 3: 'Perusahaan swasta', 4: 'Wiraswasta/perusahaan sendiri', 5: 'Lainnya', 6: 'BUMN/BUMD', 7: 'Institusi/Organisasi Multilateral'}, 'F5d': {1: 'Lokal/wilayah/wiraswasta tidak berbadan hukum', 2: 'Nasional/wiraswasta berbadan hukum', 3: 'Multinasional/Internasional'}, 'F5c': {1: 'Founder', 2: 'Co-Founder', 3: 'Staff', 4: 'Freelance/Kerja Lepas'}, 'F18a': {1: 'Biaya Sendiri', 2: 'Bea Siswa'}, 'F1201': {1: 'Biaya Sendiri/Keluarga', 2: 'Beasiswa ADIK', 3: 'Beasiswa BIDIKMISI', 4: 'Beasiswa PPA', 5: 'Beasiswa AFIRMASI', 6: 'Beasiswa Perusahaan/Swasta', 7: 'Lainnya'}, 'F14': {1: 'Sangat Erat', 2: 'Erat', 3: 'Cukup Erat', 4: 'Kurang Erat', 5: 'Tidak sama sekali'}, 'F15': {1: 'Setingkat lebih tinggi', 2: 'Tingkat yang sama', 3: 'Setingkat lebih rendah', 4: 'Tidak perlu pendidikan tinggi'}, 'F301': {1: 'Saya mencari kerja sebelum lulus', 2: 'Saya mencari kerja sesudah wisuda', 3: 'Saya tidak mencari kerja'}, 'F1001': {1: 'Tidak', 2: 'Tidak, tapi saya sedang menunggu hasil lamaran kerja', 3: 'Ya, saya akan mulai bekerja dalam 2 minggu ke depan', 4: 'Ya, tapi saya belum pasti akan bekerja dalam 2 minggu ke depan', 5: 'Lainnya'}, 'F1601': {0: 'Tidak sesuai', 1: 'Pekerjaan saya sekarang sudah sesuai dengan pendidikan saya'}, 'F1602': {0: 'Pekerjaan saya sudah sesuai', 1: 'Saya belum mendapatkan pekerjaan yang lebih sesuai'}, } KOMPETENSI_LEVEL = {1: 'Sangat Rendah', 2: 'Rendah', 3: 'Netral', 4: 'Tinggi', 5: 'Sangat Tinggi'} METODE_LEVEL = {1: 'Sangat Besar', 2: 'Besar', 3: 'Cukup Besar', 4: 'Kurang', 5: 'Tidak Sama Sekali'} YA_TIDAK = {0: 'Tidak', 1: 'Ya'} def konversi_jawaban(field_code, nilai): if pd.isna(nilai) or nilai == 0 or nilai == '': return None if isinstance(nilai, float): if nilai != int(nilai): return None nilai = int(nilai) nilai_key = nilai if isinstance(nilai, (int, float)): nilai_key = int(nilai) if field_code in ['F1761', 'F1762', 'F1763', 'F1764', 'F1765', 'F1766', 'F1767', 'F1768', 'F1769', 'F1770', 'F1771', 'F1772', 'F1773', 'F1774']: return KOMPETENSI_LEVEL.get(nilai_key) if field_code in ['F21', 'F22', 'F23', 'F24', 'F25', 'F26', 'F27']: return METODE_LEVEL.get(nilai_key) if field_code in ['F401', 'F402', 'F403', 'F404', 'F405', 'F406', 'F407', 'F408', 'F409', 'F410', 'F411', 'F412', 'F413', 'F414', 'F415', 'F416']: return YA_TIDAK.get(nilai_key) if field_code in ['F1603', 'F1604', 'F1605', 'F1606', 'F1607', 'F1608', 'F1609', 'F1610', 'F1611', 'F1612', 'F1613']: return YA_TIDAK.get(nilai_key) if field_code in JAWABAN_MAPPING: return JAWABAN_MAPPING[field_code].get(nilai_key) return nilai # Baca CSV df = pd.read_csv(r'c:\Users\syifa\TA-PROJEK\Data_Tracerstudy\Data_2019_Tracer_study.csv', sep=';', encoding='utf-8-sig') source_cols = list(df.columns) row = df.iloc[0] def get_val(mapping_dict, key, default=None): cols = mapping_dict.get(key, []) col = find_column(source_cols, cols) if col and pd.notna(row.get(col)): val = row[col] if isinstance(val, (int, float)): return int(val) if val == int(val) else val return str(val).strip() return default # Simulasi build tracer_data print('=== SIMULASI BUILD TRACER_DATA (2019) ===') print() tracer_data = {} numeric_fields = ['bulan_dapat_kerja', 'dapet_kerja_6_bulan', 'bulan_dapat_kerja_setelah', 'jumlah_perusahaan', 'bulan_cari_sebelum_lulus', 'bulan_cari_setelah_wisuda', 'jumlah_perusahaan_dilamar', 'jumlah_perusahaan_merespons', 'jumlah_perusahaan_wawancara'] target_fields = ['nama_perusahaan', 'jabatan', 'jenis_perusahaan_full', 'status_saat_ini', 'email'] for field, cols in tracer_mapping.items(): if field not in target_fields: continue print(f'Processing: {field}') print(f' cols: {cols}') val = get_val(tracer_mapping, field) print(f' val dari get_val: {repr(val)}') if val is None: print(f' -> SKIP: val is None') print() continue if isinstance(val, str) and val.strip() in ['', 'nan', 'None', '-', '_']: print(f' -> SKIP: invalid string "{val}"') print() continue field_code = None if cols: for col in cols: if str(col).upper().startswith('F'): field_code = str(col).upper() break print(f' field_code: {field_code}') converted_val = konversi_jawaban(field_code, val) print(f' converted_val: {repr(converted_val)}') if field in numeric_fields: try: tracer_data[field] = int(val) print(f' -> SAVED as numeric: {int(val)}') except (ValueError, TypeError) as e: print(f' -> SKIP: cannot convert to int - {e}') elif converted_val is not None: tracer_data[field] = converted_val print(f' -> SAVED: {repr(converted_val)}') else: print(f' -> SKIP: converted_val is None') print() print('=== HASIL AKHIR ===') for field in target_fields: if field in tracer_data: print(f'{field}: {repr(tracer_data[field])}') else: print(f'{field}: NOT SAVED')