Data Matching - Pencocokan Data Kependudukan

Aplikasi web modern untuk mencocokkan data kependudukan dari dua file Excel dengan tingkat akurasi tinggi menggunakan Python Flask dan Tailwind CSS.

🚀 Fitur Utama

• Modern UI: Desain clean dan profesional dengan Tailwind CSS
• Field Mapping: Sistem dropdown untuk mapping kolom antar file yang berbeda
• Multi Upload: Upload dua file Excel (.xlsx, .xls) atau CSV
• Smart Preview: Preview data untuk memudahkan pemilihan field
• Flexible Matching: Map field yang berbeda nama (contoh: NIK → No_Induk_Kependudukan)
• Akurasi Threshold: Pengaturan minimum similarity (0-100%)
• Detailed Results: Hasil matching dengan tingkat akurasi per mapping dan overall
• Step-by-Step Process: Progress indicator yang jelas untuk user experience
• Responsive Design: Tampilan optimal di desktop dan mobile

🎯 Cara Menggunakan

1. Setup Environment

# Clone atau download project ini
cd coklit-python

# Buat virtual environment
python -m venv .venv

# Masuk ke mode virtual environment
source .venv/bin/activate  # Linux/Mac
# atau
.venv\Scripts\activate     # Windows

2. Install Dependencies

pip install -r requirements.txt

3. Jalankan Aplikasi

python app.py

Buka browser dan akses: http://localhost:5001

4. Proses Data Step-by-Step

Step 1: Upload File

• Pilih dua file Excel/CSV yang ingin dibandingkan
• Drag & drop atau klik untuk upload

Step 2: Field Mapping

• Preview data dari kedua file
• Buat mapping antara kolom File 1 dan File 2
• Tambah mapping tambahan dengan tombol "+"
• Atur minimum threshold akurasi

Step 3: Lihat Hasil

• Analisa summary statistics
• Lihat data yang cocok dan tidak cocok
• Export atau analisa lebih lanjut

📋 Contoh Penggunaan

Skenario: Data Kependudukan

File 1 (Database Lama):

NIK                | Nama      | Alamat
1234567890123456  | John Doe  | Jl. Merdeka 1

File 2 (Database Baru):

No_Induk_Kependudukan | Nama_Lengkap | Alamat_Rumah
1234567890123456      | John Doe     | Jl. Merdeka No. 1

Mapping yang dibuat:

• NIK → No_Induk_Kependudukan
• Nama → Nama_Lengkap
• Alamat → Alamat_Rumah

Hasil: Akurasi 95% (NIK: 100%, Nama: 100%, Alamat: 85%)

Struktur Project

coklit-python/
├── app.py                 # Main Flask application
├── requirements.txt       # Python dependencies
├── static/
│   └── css/
│       └── style.css     # Custom styling
├── templates/
│   └── index.html        # Main web interface
├── uploads/              # Temporary file storage
└── README.md            # Dokumentasi ini

Teknologi yang Digunakan

• Python 3.13+
• Flask 3.0 - Web framework
• Pandas 2.1 - Data manipulation
• OpenPyXL 3.1 - Excel file handling
• FuzzyWuzzy 0.18 - String matching algorithm
• Bootstrap 5 - Frontend styling
• jQuery 3.6 - Frontend interactions

Algoritma Matching

Aplikasi menggunakan algoritma fuzzy string matching untuk:

1. Exact Match: Mencari kesamaan exact antara nilai
2. Fuzzy Matching: Menggunakan Levenshtein distance untuk kesamaan parsial
3. Score Calculation: Menghitung rata-rata akurasi dari semua field yang dipilih
4. Threshold Filtering: Memisahkan data berdasarkan minimum akurasi yang ditentukan

Contoh Data Input

File 1 (Data Penduduk A):

NIK	Nama	Alamat	Tanggal_Lahir
1234567890123456	John Doe	Jl. Merdeka 1	1990-01-01

File 2 (Data Penduduk B):

NIK	Nama_Lengkap	Alamat_Rumah	Tgl_Lahir
1234567890123456	John Doe	Jl. Merdeka No. 1	01/01/1990

Hasil Matching:

• NIK: 100% (exact match)
• Nama vs Nama_Lengkap: 100% (exact match)
• Alamat vs Alamat_Rumah: 85% (fuzzy match)
• Overall Accuracy: 95%

Catatan Pengembangan

• File yang diupload akan otomatis dihapus setelah proses matching selesai
• Maximum file size: 16MB
• Supported formats: .xlsx, .xls, .csv
• Aplikasi berjalan di localhost port 5000

Troubleshooting

Import Error

Jika terjadi error import module, pastikan virtual environment aktif dan semua dependencies terinstall:

pip install -r requirements.txt

File Upload Error

• Pastikan file format supported (.xlsx, .xls, .csv)
• Check file size tidak melebihi 16MB
• Pastikan file tidak corrupt

Matching Error

• Pastikan minimal satu field dipilih untuk matching
• Check apakah ada kolom yang sama di kedua file
• Periksa format data (kosong, null values)

Kontribusi

Feel free to contribute to this project by:

1. Fork the repository
2. Create feature branch
3. Make your changes
4. Submit pull request

License

MIT License - feel free to use and modify as needed.