Konverter online gratis JSON ke SAV

Apa itu format JSON

JSON adalah format teks UTF-8 yang dibangun dari object, array, string, angka, boolean, dan nilai null. Aplikasi web, REST API, pipeline data, database NoSQL, dan alat ekspor database umumnya membuat file JSON; dataset biasanya berupa array object, seperti satu object untuk setiap responden atau transaksi.

JSON tidak mengharuskan setiap object memiliki field yang sama, dan field dapat berisi object atau array bertingkat. Fleksibilitas ini berguna untuk pertukaran data, tetapi tidak secara langsung sesuai dengan model baris-dan-kolom berbentuk persegi panjang yang diharapkan oleh software statistik.

Apa itu format SAV

SAV adalah format data sistem IBM SPSS Statistics. Format ini menyimpan record berbentuk persegi panjang bersama metadata seperti nama variabel, label variabel, label nilai, level pengukuran, definisi nilai yang hilang, format, dan encoding karakter.

SPSS, PSPP, package R seperti haven, dan library Python yang berbasis ReadStat dapat membaca file SAV. SAV sesuai digunakan ketika penerima memerlukan metadata yang kompatibel dengan SPSS atau analisis statistik, bukan ekspor teks yang dapat dibaca manusia; SAV bukan format database relasional untuk keperluan umum.

Cara benar-benar mengonversi JSON ke SAV

Konversi dengan Python

Python adalah opsi yang paling dapat dikendalikan ketika JSON berisi array, field bertingkat, null, tanggal, atau nilai yang memerlukan pembersihan tipe. Instal package yang diperlukan:

python -m pip install pandas pyreadstat

Simpan kode berikut sebagai json_to_sav.py. Kode ini mengharapkan array JSON tingkat teratas atau object yang berisi array records.

import json
import pandas as pd
import pyreadstat

with open("input.json", encoding="utf-8") as file:
    data = json.load(file)

if isinstance(data, dict) and isinstance(data.get("records"), list):
    data = data["records"]

if not isinstance(data, list) or not all(isinstance(row, dict) for row in data):
    raise ValueError("Expected a JSON array of objects or an object with a records array")

df = pd.json_normalize(data, sep="_")
pyreadstat.write_sav(df, "output.sav")

Jalankan dengan:

python json_to_sav.py

pd.json_normalize mengubah path bertingkat menjadi nama kolom seperti address_city. Jika JSON menggunakan key wrapper lain, ganti records dengan key tersebut. Jika JSON berisi satu object, bukan record, tentukan properti mana yang merepresentasikan baris sebelum melakukan konversi.

Konversi tanpa menginstal software

Anda dapat mengonversi file secara gratis di situs web 101convert.com dengan mengunggah JSON, memilih SAV sebagai format output, lalu mengunduh file yang dihasilkan. Periksa hasilnya di SPSS atau PSPP, terutama jika sumber berisi data bertingkat atau tipe campuran.

Pertimbangan kualitas dan kompatibilitas

• Flattening adalah keputusan terkait data: object bertingkat menjadi kolom terpisah, sedangkan array memerlukan aturan seperti satu baris untuk setiap item array, teks yang digabungkan, atau tabel terkait yang terpisah. Converter tidak dapat menyimpulkan struktur relasional yang benar dalam setiap kasus.
• Tipe JSON campuran memerlukan pembersihan: kolom yang berisi angka, string, dan null dapat menjadi variabel karakter atau kehilangan nilai selama inferensi tipe. Konversikan setiap kolom secara sengaja di pandas sebelum menulis file SAV.
• Tanggal tidak otomatis menjadi tanggal statistik: parse string tanggal ISO dan tetapkan representasi tanggal atau datetime SPSS yang diinginkan jika perhitungan tanggal diperlukan. Jika tidak, string tersebut tetap menjadi kolom karakter biasa.
• Metadata biasanya tidak ada dalam JSON: label variabel, label nilai, level pengukuran, dan nilai yang dianggap hilang oleh pengguna harus disediakan secara terpisah. Konversi lebih andal dalam mempertahankan nilai daripada merekonstruksi makna statistik.
• Periksa nama dan panjang: gunakan nama kolom yang sederhana, unik, dan kompatibel dengan versi SPSS target. Nama yang panjang, tanda baca, key duplikat, dan nama yang diawali karakter yang tidak didukung dapat diubah atau ditolak.
• Validasi output: buka kembali output.sav dengan SPSS, PSPP, atau pyreadstat.read_sav, lalu bandingkan jumlah baris, jumlah kolom, penanganan null, nilai tanggal, dan record perwakilan dengan JSON sumber.