Welcome!!

Halo semua! Kembali lagi bersama sayaa, Brigitta Carmen :D

Pada LBB: Data Visualization kali ini, saya akan mencoba untuk memvisualisasikan data mengenai penumpang Bus Transjakarta pada bulan April. Transjakarta merupakan salah satu moda transportasi utama bagi warga Jakarta dan sekitarnya.

Transjakarta sendiri adalah perusahaan transportasi publik dari Indonesia yang berlokasi di Ibukota Negara, Jakarta. Angkutan Transjakarta sendiri terbagi menjadi tiga kategori, yaitu bus berukuran besar (BRT), bus berukuran medium (non-BRT), dan mini-bus (Mikrotrans). Metode pembayaran yang digunakan oleh Moda Transportasi Transjakarta adalah Tap-In dan Tap-Out menggunakan kartu pembayaran elektronik.

Harapannya, setelah membuat beberapa visualisasi dari data ini, kita sebagai kaum awam mendapat wawasan lebih mengenai para penumpang Transjakarta dan metode pembayarannya.

Data ini merupakan data dummy yang saya ambil dari Kaggle dengan link sebagai berikut: https://www.kaggle.com/datasets/dikisahkan/transjakarta-transportation-transaction.

Saya menggunakan data dummy ini dikarenakan setelah dicari tahu, ternyata pihak Transjakarta tidak menyebarluaskan data milik mereka.

Anda penasaran? Yuk selami LBB ini lebih lanjut! :)))

Read The Data

Hal yang pertama kita harus lakukan adalah membaca datanya terlebih dahulu. Karena data berbentuk csv, maka kita akan menggunakan read.csv.

Data akan kita beri nama ‘data_tj’.

# read data csv
data_tj <- read.csv("data_input/dfTransjakarta180kRows.csv")
head(data_tj)

tail(data_tj)

dim(data_tj)

## [1] 189500     22

Penyesuaian Tipe Data

Tahap selanjutnya yang harus kita kerjakan adalah penyesuaian tipe-tipe data yang terdapat dalam data frame.

Sebelum melakukan penyesuaian, kita dapat mengecek tipe data yang terdapat dalam ‘data_tj’ terlebih dahulu menggunakan fungsi ‘glimpse()’

glimpse(data_tj)

## Rows: 189,500
## Columns: 22
## $ transID          <chr> "VRPJ892P3M98RA", "ZWCH834I6M26HS", "YRLD835V6L82GO",…
## $ payCardID        <dbl> 3.561408e+15, 3.477281e+14, 3.771055e+14, 4.486493e+1…
## $ payCardBank      <chr> "dki", "emoney", "emoney", "dki", "bni", "bni", "dki"…
## $ payCardName      <chr> "Dr. Janet Nashiruddin, M.Ak", "Balamantri Rahayu", "…
## $ payCardSex       <chr> "M", "M", "F", "M", "F", "F", "M", "F", "F", "M", "M"…
## $ payCardBirthDate <int> 2010, 2002, 1993, 1980, 1997, 1993, 1966, 2011, 2009,…
## $ corridorID       <chr> "4", "JAK.28", "B13", "8K", "", "JAK.117", "9F", "JAK…
## $ corridorName     <chr> "Pulo Gadung 2 - Tosari", "Kp. Rambutan - Taman Wilad…
## $ direction        <dbl> 1, 1, 1, 1, 0, 1, 0, 0, 1, 0, 0, 1, 1, 1, 1, 0, 1, 0,…
## $ tapInStops       <chr> "P00167", "B04633P", "B02192P", "B03637P", "", "B0427…
## $ tapInStopsName   <chr> "Pemuda Rawamangun", "Sekolah Islam PB Soedirman", "M…
## $ tapInStopsLat    <dbl> -6.193488, -6.314293, -6.247861, -6.194813, -6.186792…
## $ tapInStopsLon    <dbl> 106.8916, 106.8630, 106.9921, 106.7821, 106.8351, 106…
## $ stopStartSeq     <int> 12, 27, 6, 16, 2, 17, 5, 55, 10, 46, 35, 40, 9, 24, 0…
## $ tapInTime        <chr> "2023-04-03 06:53:02", "2023-04-03 05:59:19", "2023-0…
## $ tapOutStops      <chr> "P00127", "B00865P", "B00108P", "", "B02755P", "B0481…
## $ tapOutStopsName  <chr> "Layur", "Jln. Ar Ridho", "Bandar Djakarta Bekasi", "…
## $ tapOutStopsLat   <dbl> -6.193539, -6.308148, -6.227085, -6.198896, -6.180673…
## $ tapOutStopsLon   <dbl> 106.8991, 106.8693, 106.9968, 106.7689, 106.8264, 106…
## $ stopEndSeq       <dbl> 13, 30, 9, 26, 5, 21, 7, 56, 37, 52, 47, 45, 37, 33, …
## $ tapOutTime       <chr> "2023-04-03 07:13:28", "2023-04-03 06:57:06", "2023-0…
## $ payAmount        <dbl> 3500, 0, 20000, 3500, 3500, 0, 0, 0, 0, 0, 0, 0, 0, 0…

Berikut adalah list tipe data yang harus kita ubah: - payCardBank : dari chr menjadi factor, karena hanya terdapat enam levels. - payCardSex : dari chr menjadi factor, karena hanya terdapat dua jenis gender. - direction : dari dbl menjadi factor, karena hanya terdapat dua jenis direction (1 dan 0) - tapInTime : dari chr menjadi date, menggunakan library ‘lubridate’ - tapOutTime : dari chr menjadi date, menggunakan library ‘lubridate’

data_tj$payCardBank <- as.factor(data_tj$payCardBank)
data_tj$payCardSex <- as.factor(data_tj$payCardSex)
data_tj$direction <- as.factor(data_tj$direction)
data_tj$tapInTime <- ymd_hms(data_tj$tapInTime)
data_tj$tapOutTime <- ymd_hms(data_tj$tapOutTime)

Setelah itu, kita dapat mengecek dataframe kembali untuk memastikan bahwa tipe data yang kita inginkan untuk berubah telah berubah.

head(data_tj)

Bisa dilihat bahwa kolom-kolom yang kita inginkan untuk berubah telah berubah tipe-datanya.

Menghapus Kolom yang Tidak Diperlukan

Sesuai dengan keterangan kolom yang telah saya tuliskan sebelumnya, maka akan ada dua kolom yang kita hapus, yaitu kolom ‘stopStartSeq’ dan ‘stopEndSeq’.

data_tj <- data_tj[ , -c(14, 20)]

Setelah itu, kita dapat mengecek data lewat head() untuk memastikan kolom yang kita inginkan hilang sudah hilang atau belum.

#  panggil data kembali untuk memastikan apakah kolom sudah hilang atau belum
head(data_tj)

Jumlah kolom data yang awalnya 22 telah berubah menjadi 20. Berarti kedua kolom yang ingin kita hapus telah hilang.

(Feature Engineering) Menambah kolom dalam data

Karena terlihat bahwa tidak terdapat data usia penumpang, maka kita akan menambahkan kolom ‘age’ untuk mengetahui usia penumpang (didapat dari 2023 dikurangi tahun kelahiran.)

data_tj$age <- 2023 - (data_tj$payCardBirthDate)

Cek data:

head(data_tj)

Mencari tahu usia penumpang termuda dan tertua:

min(data_tj$age)

## [1] 11

max(data_tj$age)

## [1] 77

Insight: Usia penumpang termuda adalah 11 tahun dan usia penumpang tertua adalah 77 tahun.

Kolom telah bertambah satu; kolom ‘age’.

Setelah itu, kita akan menambah kolom lagi bernama ‘ageCategory’ untuk mengkategorikan umur pemegang kartu pembayaran.

Kolom ‘ageCategory’ akan dibuat menjadi 4 kategori sebagai berikut:

• 0 - 17 tahun
• 18 - 35 tahun
• 36 - 65 tahun
• lebih dari 65 tahun

Langkah yang akan saya dilakukan: 1. Membuat fungsi untuk mengkategorikan usia menggunakan if-else() 2. Menerapkan fungsi tersebut ke seluruh data 3. Memasukkan kategori yang terbentuk ke kolom baru (ageCategory)

if(kondisi){ (statement) } else if (kondisi){ (statement) } else if (kondisi) (statement) } else{ (statement) }

# x = data
usia <- function(x){ 
    if(x < 18){
      x <- "0 - 17 tahun" # penumpang berusia 0 hingga 17 tahun
    }else if(x >= 18 & x < 36){
      x <- "18 - 35 tahun" # penumpang berusia 18 hingga 35 tahun
    }else if(x >= 36 & x < 66){
      x <- "36 - 65 tahun" # penumpang berusia 36 hingga 65 tahun
    }else{
      x <- "66 - 90 tahun"  # penumpang berusia diatas 65 tahun
    }
}

# gunakan `sapply()` untuk aplikasi ke seluruh baris
data_tj$ageCategory <- sapply(data_tj$age, FUN = usia)

# ubah ke factor
data_tj$ageCategory <- as.factor(data_tj$ageCategory)

Cek kembali dataframe

head(data_tj)

Kolom telah bertambah, menandakan kita berhasil menambahkan kolom ageCategory.

Mulai Visualisasi Data

Pada tahap ini, kita akan mulai melakukan visualisasi data menggunakan plot-plot. Sebelum mulai memvisualisasi, ada baiknya tahap ini dimulai dengan Business Question.

Saya telah menyiapkan beberapa Business Question yang akan kita coba jawab disini:

1. Berapa banyak pengguna moda transportasi Transjakarta berdasarkan kategori usia?

2. Melanjutkan pertanyaan nomor 1, berapa jumlah penumpang laki-laki dan wanita menurut kategori usia?

3. Tampilkan grafik jumlah penggunaan kartu pembayaran moda transportasi Transjakarta!

4. Bank BCA adalah bank pemilik kartu pembayaran Flazz. Bantu BCA untuk menganalisis kategori usia target pemasaran Flazz dari para pembayar Transjakarta yang masih menggunakan metode online!

# buat data frame
tj_ageCat <- as.data.frame(table(data_tj$ageCategory))
tj_ageCat

# rename kolom
names(tj_ageCat) <- c("ageCategory", "count")
tj_ageCat

# buat plot
ggplot(tj_ageCat, aes(x = ageCategory, y = count)) +
  geom_col(aes(fill = "indianred4"), col = "black") +
  geom_label(aes(label = count)) +
  labs(
    title = "Grafik Usia Penumpang Bus Transjakarta",
    subtitle = "April, 2023",
    x = "Kategori Usia",
    y = "Jumlah Penumpang",
    caption = "Source: kaggle.com"
  ) +
  theme(legend.position="none") +
  scale_fill_brewer(palette = 14)

# aggregasi data
# head(vids_u)
tj_agg <- as.data.frame(table(data_tj$ageCategory, data_tj$payCardSex))
tj_agg

# perbaiki nama kolom
names(tj_agg) <- c("ageCat", "gender", "count")

# menampilkan data hasil agregasi
tj_agg

ggplot(tj_agg, mapping = aes(x = count, y = ageCat)) +
  geom_col(aes(fill = gender), position = "dodge") +
   labs(
    title = "Grafik Data Penumpang Transjakarta",
    subtitle = "April, 2023",
    x = "Jumlah Penumpang",
    y = NULL,
    fill = "Gender",
    caption = "Source: kaggle.com"
  ) +
  scale_fill_brewer(palette = 14) +
  theme_light()

# buat data frame terlebih dahulu
tj_cardbank <- as.data.frame(table(data_tj$payCardBank))
tj_cardbank

# rename nama kolom
names(tj_cardbank) <- c("cardBank", "count")

tj_cardbank

# lalu kita buat plotnya

ggplot(tj_cardbank, mapping = aes(x = count, y = reorder(cardBank, count))) +
  geom_col(aes(fill = -count), show.legend = FALSE) +
  scale_fill_gradient(low = "darkred", high = "burlywood1") +
  geom_label(aes(label = count)) +
  labs(
    title = "Jumlah Penumpang Transjakarta menurut Metode Pembayaran",
    subtitle = "April, 2023",
    x = "Jumlah Penumpang",
    y = NULL,
    fill = "Gender",
    caption = "Source: kaggle.com"
  ) +
  theme_light()

# aggregasi data
# head(vids_u)
tj_agg2 <- as.data.frame(table(data_tj$payCardBank, data_tj$payCardSex))
tj_agg2

# perbaiki nama kolom
names(tj_agg2) <- c("cardBank", "gender", "count")

# menampilkan data hasil agregasi
tj_agg2

ggplot(tj_agg2, mapping = aes(x = count, y = reorder(cardBank, count))) +
  geom_col(aes(fill = gender), position = "dodge") +
   labs(
    title = "Jumlah Penumpang Transjakarta menurut Metode Pembayaran",
    subtitle = "April, 2023",
    x = "Jumlah Penumpang",
    y = NULL,
    fill = "Gender",
    caption = "Source: kaggle.com"
  ) +
  scale_fill_brewer(palette = 14) +
  theme_light()

tj_online <- data_tj[data_tj$payCardBank == "online", ]
tj_online

# kita buat data framenya
tj_online2 <- as.data.frame(table(tj_online$ageCategory))
names(tj_online2) <- c("ageCat", "count")
tj_online2

# lalu kita buat plotnya

ggplot(tj_online2, mapping = aes(x = count, y = reorder(ageCat, count))) +
  geom_col(aes(fill = -count), show.legend = FALSE) +
  scale_fill_gradient(low = "darkred", high = "burlywood1") +
  geom_label(aes(label = count)) +
  labs(
    title = "Jumlah Penumpang Transjakarta dengan Metode Pembayaran Online",
    subtitle = "April, 2023",
    x = "Jumlah Penumpang",
    y = NULL,
    fill = "Gender",
    caption = "Source: kaggle.com"
  ) +
  theme_light()

Penutup

Terima kasih telah meluangkan waktu untuk mereview LBB: Data Visualization milik saya! Semoga berkenan dan mudah dipahami yaaa :))

Salam,

Brigitta Carmen