Query 6: Deteksi Greenwashing dengan Dictionary

Deskripsi

Tujuan: Mendeteksi greenwashing dari CSV berdasarkan klaim hijau dan emisi.

Konsep: Dictionary, if-else (Chapter 8, 5), Pandas untuk baca CSV.

Output: Status greenwashing untuk setiap perusahaan.

Kode

# Impor Pandas untuk mengelola data CSV
import pandas as pd

# Baca file CSV emisi_perusahaan.csv dari folder proyek
df = pd.read_csv('C:/EnergiHijau2025/emisi_perusahaan.csv')

# Inisiasi dictionary kosong untuk menyimpan emisi dan klaim
emisi_dict = {}

# Iterasi setiap baris di dataframe untuk simpan ke dictionary
for index, row in df.iterrows():
    # Ambil nama perusahaan sebagai kunci dictionary
    perusahaan = row['Nama_Perusahaan']
    # Simpan emisi dan klaim hijau dalam dictionary bersarang
    emisi_dict[perusahaan] = {
        'emisi': row['Emisi_2024'],
        'klaim': row['Klaim_Hijau']
    }

# Iterasi dictionary untuk cek greenwashing
for perusahaan, data in emisi_dict.items():
    # Cek apakah perusahaan klaim hijau dan emisi > 50 ton
    if data['klaim'] == 'ya' and data['emisi'] > 50:
        # Cetak status greenwashing jika kondisi terpenuhi
        print(f"{perusahaan} terdeteksi greenwashing dengan emisi {data['emisi']} ton!")
    else:
        # Cetak status tidak greenwashing jika kondisi tidak terpenuhi
        print(f"{perusahaan} tidak terdeteksi greenwashing.")
        

Narasi Dialog

Halo, teman-teman! Query ini cek greenwashing dari CSV. Kalau klaim hijau tapi emisi lebih dari 50 ton, itu greenwashing! Pakai dictionary, if-else, dan Pandas, kita analisis kejujuran perusahaan. Keren untuk energi hijau! Yuk, coba di Jupyter!

Kenapa Query Seperti Ini

Query ini gabungkan dictionary dan if-else (Chapter 8, 5) untuk deteksi greenwashing dari emisi_perusahaan.csv. Dictionary bersarang menyimpan emisi dan klaim, if-else cek klaim “ya” dan emisi > 50 ton (standar lingkungan). Pandas memuat data, query kembangkan Query 5, tambah analisis kejujuran. Logika “klaim hijau tapi emisi tinggi” sesuai definisi greenwashing (KLHK). Query ini ajarkan dictionary kompleks dan logika bersyarat, perkuat portofolio dengan usulan verifikasi klaim ke pemerintah, relevan untuk energi hijau.

Query yang Digunakan dan Mengapa

Query: Dictionary bersarang, if-else dengan Pandas untuk cek greenwashing.

Mengapa: Deteksi kejujuran perusahaan, gunakan struktur data kompleks.

Step-by-Step Penjelasan dan Artinya

• Impor Pandas: import pandas as pd mengimpor library. Artinya: Siapkan alat untuk baca CSV.
• Baca CSV: df = pd.read_csv(...) memuat data perusahaan. Artinya: Ambil data untuk analisis.
• Inisiasi dictionary: emisi_dict = {} buat wadah kosong. Artinya: Siapkan tempat simpan emisi dan klaim.
• Iterasi dataframe: for index, row in df.iterrows() loop baris. Artinya: Periksa setiap perusahaan.
• Ambil nama: perusahaan = row['Nama_Perusahaan'] ambil nama. Artinya: Gunakan nama sebagai kunci.
• Simpan data: emisi_dict[perusahaan] = {...} simpan emisi dan klaim. Artinya: Organisir data untuk cek greenwashing.
• Iterasi dictionary: for perusahaan, data in emisi_dict.items() loop dictionary. Artinya: Periksa setiap perusahaan.
• Logika if-else: if data['klaim'] == 'ya' and data['emisi'] > 50 cek greenwashing. Artinya: Identifikasi pelaku greenwashing.
• Output pesan: print(...) tampilkan status. Artinya: Informasikan hasil untuk pemerintah.

Arti Output

Output “PT_Textilindo terdeteksi greenwashing dengan emisi 62.5 ton!” artinya klaim hijau tapi emisi tinggi, tak patuh. “PT_Semindo tidak terdeteksi greenwashing” artinya emisi rendah atau tanpa klaim, jujur. Hasil bantu pemerintah audit kejujuran perusahaan.

Output Contoh (potongan)

PT_Textilindo terdeteksi greenwashing dengan emisi 62.5 ton!
PT_Semindo tidak terdeteksi greenwashing.
PT_EnergiJaya terdeteksi greenwashing dengan emisi 78.2 ton!
...