src/eda.py

import streamlit as st
import pandas as pd
import seaborn as sns
import matplotlib.pyplot as plt
from sklearn.datasets import load_breast_cancer


def run_eda():
    st.title("📊 Exploratory Data Analysis (EDA) - Breast Cancer Dataset")

    # Load dataset
    data = load_breast_cancer()
    df = pd.DataFrame(data.data, columns=data.feature_names)
    df["target"] = data.target

    # --- Intro untuk orang awam ---
    st.markdown(
        "Dataset ini berasal dari **Breast Cancer Diagnostic Dataset**, "
        "yang berisi hasil pengukuran sel kanker payudara dari pasien. "
        "Tujuannya adalah **membedakan tumor ganas (malignant)** dan "
        "**jinak (benign)** berdasarkan karakteristik fisik sel, seperti "
        "ukuran, tekstur, dan bentuknya."
    )

    # --- Dataset overview ---
    st.markdown("### 🧾 Dataset Overview")
    st.write("Berikut adalah contoh 5 baris pertama dari dataset:")
    st.dataframe(df.head())

    # --- Data summary ---
    st.markdown("### 📈 Statistik Data")
    st.write(
        "Tabel di bawah menunjukkan statistik deskriptif dari setiap fitur — "
        "misalnya rata-rata, standar deviasi, nilai minimum dan maksimum."
    )
    st.dataframe(df.describe())

    # --- Target distribution ---
    st.markdown("### ⚖️ Distribusi Target")
    fig, ax = plt.subplots()
    sns.countplot(x="target", data=df, palette="Set2", ax=ax)
    ax.set_xticklabels(["Malignant (0) - Ganas", "Benign (1) - Jinak"])
    ax.set_title("Distribusi Kelas Pasien")
    st.pyplot(fig)

    st.markdown(
        "Terlihat bahwa **jumlah pasien dengan tumor jinak lebih banyak** "
        "dibanding yang ganas. Ini wajar dalam data medis karena kasus jinak "
        "biasanya lebih umum ditemukan."
    )

    # --- Correlation heatmap ---
    st.markdown("### 🔥 Korelasi Antar Fitur")
    fig, ax = plt.subplots(figsize=(10, 8))
    sns.heatmap(df.corr(), cmap="coolwarm", center=0, ax=ax)
    ax.set_title("Heatmap Korelasi Antar Fitur")
    st.pyplot(fig)

    st.markdown(
        "Warna merah menunjukkan korelasi positif (fitur naik bersama), "
        "sedangkan biru menunjukkan korelasi negatif. "
        "Misalnya, *mean radius* dan *mean perimeter* memiliki korelasi "
        "sangat tinggi, yang berarti keduanya berhubungan erat."
    )

    # --- Feature example ---
    st.markdown("### 🔍 Contoh Distribusi Salah Satu Fitur")
    fig, ax = plt.subplots()
    sns.histplot(df["mean radius"], kde=True, color="skyblue", ax=ax)
    ax.set_title("Distribusi Fitur 'Mean Radius'")
    st.pyplot(fig)

    st.markdown(
        "Fitur `mean radius` menunjukkan ukuran rata-rata sel. "
        "Semakin besar radiusnya, biasanya semakin berpotensi sebagai "
        "tumor ganas."
    )

    # --- Closing summary ---
    st.markdown(
        "---\n"
        "💡 **Kesimpulan Singkat:**\n"
        "- Dataset ini memiliki total **569 sampel pasien**.\n"
        "- Sebagian besar pasien memiliki **tumor jinak**.\n"
        "- Beberapa fitur saling berkorelasi tinggi (misalnya ukuran dan "
        "perimeter sel).\n"
        "- Analisis ini membantu kita memahami pola sebelum melatih model "
        "Machine Learning."
    )