# MEMANGGIL DATA
# install.packages("readxl")
library(readxl)
## Warning: package 'readxl' was built under R version 4.3.2
data1 <- read_excel("C:/Users/faiza/Downloads/Data Tugas 1 AED.xlsx")
## New names:
## • `` -> `...3`
## • `` -> `...4`
## • `` -> `...5`
print(data1)
## # A tibble: 37 × 5
## Provinsi Tingkat Pengangguran Terbuka Menurut Pro…¹ ...3 ...4 ...5
## <chr> <chr> <chr> <chr> <chr>
## 1 <NA> 2022 <NA> 2023… <NA>
## 2 <NA> Februari Agus… Febr… Agus…
## 3 ACEH 5.97 6.17 5,75 6,03
## 4 SUMATERA UTARA 5.47 6.16 5,24 5,89
## 5 SUMATERA BARAT 6.17 6.28 5,9 5,94
## 6 RIAU 4.40 4.37 4,25 4,23
## 7 JAMBI 4.70 4.59 4,5 4,53
## 8 SUMATERA SELATAN 4.74 4.63 4,53 4,11
## 9 BENGKULU 3.39 3.59 3,21 3,42
## 10 LAMPUNG 4.31 4.52 4,18 4,23
## # ℹ 27 more rows
## # ℹ abbreviated name: ¹​`Tingkat Pengangguran Terbuka Menurut Provinsi (Persen)`
# MERAPIHKAN DATA
# install.packages("stringr")
library("stringr")
## Warning: package 'stringr' was built under R version 4.3.2
data1 <- as.data.frame(lapply(data1, function(x) gsub("\\,",".",x)))
data1.2 <- data1[-(1:2),]
data1.3 <- data1.2[-35,]
data1.3$Tingkat.Pengangguran.Terbuka.Menurut.Provinsi..Persen. <- as.numeric(data1.3$Tingkat.Pengangguran.Terbuka.Menurut.Provinsi..Persen.)
data1.3$...3 <- as.numeric(data1.3$...3)
data1.3$...4 <- as.numeric(data1.3$...4)
data1.3$...5 <- as.numeric(data1.3$...5)
# MENGUBAH NAMA KOLOM
colnames(data1.3) = c("Provinsi", "Februari 2022", "Agustus 2022", "Februari 2023", "Agustus 2023")
data1.3
## Provinsi Februari 2022 Agustus 2022 Februari 2023 Agustus 2023
## 3 ACEH 5.97 6.17 5.75 6.03
## 4 SUMATERA UTARA 5.47 6.16 5.24 5.89
## 5 SUMATERA BARAT 6.17 6.28 5.90 5.94
## 6 RIAU 4.40 4.37 4.25 4.23
## 7 JAMBI 4.70 4.59 4.50 4.53
## 8 SUMATERA SELATAN 4.74 4.63 4.53 4.11
## 9 BENGKULU 3.39 3.59 3.21 3.42
## 10 LAMPUNG 4.31 4.52 4.18 4.23
## 11 KEP. BANGKA BELITUNG 4.18 4.77 3.89 4.56
## 12 KEP. RIAU 8.02 8.23 7.61 6.80
## 13 DKI JAKARTA 8.00 7.18 7.57 6.53
## 14 JAWA BARAT 8.35 8.31 7.89 7.44
## 15 JAWA TENGAH 5.75 5.57 5.24 5.13
## 16 DI YOGYAKARTA 3.73 4.06 3.58 3.69
## 17 JAWA TIMUR 4.81 5.49 4.33 4.88
## 18 BANTEN 8.53 8.09 7.97 7.52
## 19 BALI 4.84 4.80 3.73 2.69
## 20 NUSA TENGGARA BARAT 3.92 2.89 3.73 2.80
## 21 NUSA TENGGARA TIMUR 3.30 3.54 3.10 3.14
## 22 KALIMANTAN BARAT 4.86 5.11 4.52 5.05
## 23 KALIMANTAN TENGAH 4.20 4.26 3.84 4.10
## 24 KALIMANTAN SELATAN 4.20 4.74 3.95 4.31
## 25 KALIMANTAN TIMUR 6.77 5.71 6.37 5.31
## 26 KALIMANTAN UTARA 4.62 4.33 4.10 4.01
## 27 SULAWESI UTARA 6.51 6.61 6.19 6.10
## 28 SULAWESI TENGAH 3.67 3.00 3.49 2.95
## 29 SULAWESI SELATAN 5.75 4.51 5.26 4.33
## 30 SULAWESI TENGGARA 3.86 3.36 3.66 3.15
## 31 GORONTALO 3.25 2.58 3.07 3.06
## 32 SULAWESI BARAT 3.11 2.34 3.04 2.27
## 33 MALUKU 6.44 6.88 6.08 6.31
## 34 MALUKU UTARA 4.98 3.98 4.60 4.31
## 35 PAPUA BARAT 5.78 5.37 5.53 5.38
## 36 PAPUA 3.60 2.83 3.49 2.67
# SET DATA TINGKAT PENGANGGURAN DI INDONESIA BERDASARKAN BULAN
feb22 <- data.frame(
bulan = rep("Februari 2022", 34),
tpt = data1.3[,2]
)
agt22 <- data.frame(
bulan = rep("Agustus 2022", 34),
tpt = data1.3[,3]
)
feb23 <- data.frame(
bulan = rep("Februari 2023", 34),
tpt = data1.3[,4]
)
agt23 <- data.frame(
bulan = rep("Agustus 2023", 34),
tpt = data1.3[,5]
)
bbulan <- rbind(feb22, agt22, feb23, agt23)
bbulan$bulan <- factor(bbulan$bulan, levels = c("Februari 2022", "Agustus 2022", "Februari 2023", "Agustus 2023"))
# GUNAKAN BOXPLOT
# install.packages("ggplot2")
library(ggplot2)
## Warning: package 'ggplot2' was built under R version 4.3.2
ggplot(bbulan, aes(x = bulan, y = tpt, fill = bulan)) +
geom_boxplot() +
labs(title = "Tingkat Pengangguran Terbuka Di Indonesia 2022-2023",
x = "Bulan", y = "Angka Pengangguran (%)") +
theme_minimal()
# MELIHAT DATA FEBRUARI 2022
# SET DATA BERDASARKAN PULAU
pusum <- data.frame(
Pulau = rep("Sumatra", 10),
Angka_Pengangguran = data1.3[(1:10), 2]
)
puljaw <- data.frame(
Pulau = rep("Jawa", 6),
Angka_Pengangguran = data1.3[(11:16), 2]
)
punus <- data.frame(
Pulau = rep("Nusa Tenggara", 3),
Angka_Pengangguran = data1.3[(17:19), 2]
)
pukal <- data.frame(
Pulau = rep("Kalimantan", 5),
Angka_Pengangguran = data1.3[(20:24), 2]
)
pusul <- data.frame(
Pulau = rep("Sulawesi", 6),
Angka_Pengangguran = data1.3[(25:30), 2]
)
pumal <- data.frame(
Pulau = rep("Maluku", 2),
Angka_Pengangguran = data1.3[(31:32), 2]
)
pupa <- data.frame(
Pulau = rep("Papua", 2),
Angka_Pengangguran = data1.3[(32:33), 2]
)
pina <- rbind(pusum, puljaw, punus, pukal, pusul, pumal, pupa)
ggplot(pina, aes(x = Pulau, y = Angka_Pengangguran, fill = Pulau)) +
geom_boxplot(width = 0.7, outlier.shape = TRUE) +
labs(title = "Tingkat Pengangguran Terbuka di Indonesia Berdasarkan Pulau Februari 2022",
x = "Pulau", y = "Angka Pengangguran (%)") +
scale_fill_manual(values = c("lightblue", "lightgreen", "lightpink", "lightyellow", "lightcoral", "lightcyan", "lightgoldenrodyellow")) +
theme_minimal()
# MELIHAT PULAU JAWA DENGAN ANGKA TERTINGGI
# SET DATA PROVINSI DI PULAU JAWA
pj <- data.frame(
Provinsi = data1.3[(11:16), 1],
TPT = data1.3[(11:16), 2]
)
ggplot(pj, aes(x = Provinsi, y = TPT, fill = Provinsi)) + geom_bar(stat = "identity", position = "dodge") + labs(title = "Tingkat Pengangguran di Pulau Jawa Februari 2022", x = "Provinsi", y = "Angka Pengangguran (%)") + theme(axis.text.x = element_text(angle = 45, vjust = 0.5), plot.title = element_text(hjust = 0.5))
# MELIHAT DATA TERBARU AGUSTUS 2023
# SET DATA BERDASARKAN PULAU
pusum2 <- data.frame(
Pulau = rep("Sumatra", 10),
Angka_Pengangguran = data1.3[(1:10), 5]
)
puljaw2 <- data.frame(
Pulau = rep("Jawa", 6),
Angka_Pengangguran = data1.3[(11:16), 5]
)
punus2 <- data.frame(
Pulau = rep("Nusa Tenggara", 3),
Angka_Pengangguran = data1.3[(17:19), 5]
)
pukal2 <- data.frame(
Pulau = rep("Kalimantan", 5),
Angka_Pengangguran = data1.3[(20:24), 5]
)
pusul2 <- data.frame(
Pulau = rep("Sulawesi", 6),
Angka_Pengangguran = data1.3[(25:30), 5]
)
pumal2 <- data.frame(
Pulau = rep("Maluku", 2),
Angka_Pengangguran = data1.3[(31:32), 5]
)
pupa2 <- data.frame(
Pulau = rep("Papua", 2),
Angka_Pengangguran = data1.3[(32:33), 5]
)
pina2 <- rbind(pusum2, puljaw2, punus2, pukal2, pusul2, pumal2, pupa2)
#GUNAKAN BOXPLOT UNTUK MELIHAT PESEBARAN DATANYA
ggplot(pina2, aes(x = Pulau, y = Angka_Pengangguran, fill = Pulau)) +
geom_boxplot(width = 0.7, outlier.shape = TRUE) +
labs(title = "Tingkat Pengangguran Terbuka di Indonesia Berdasarkan Pulau Agustus 2023",
x = "Pulau", y = "Angka Pengangguran (%)") +
scale_fill_manual(values = c("lightblue", "lightgreen", "lightpink", "lightyellow", "lightcoral", "lightcyan", "lightgoldenrodyellow")) +
theme_minimal()
#MELIHAT PULAU SULAWESI DENGAN ANGKA PENGANGGURAN PALING KECIL
# SET DATA PROVINSI DI PULAU SULAWESI
psul <- data.frame(
Provinsi = data1.3[(25:30), 1],
TPT = data1.3[(25:30), 5]
)
ggplot(psul, aes(x = Provinsi, y = TPT, fill = Provinsi)) + geom_bar(stat = "identity", position = "dodge") + labs(title = "Tingkat Pengangguran di Pulau Sulawesi Agustus 2023", x = "Provinsi", y = "Angka Pengangguran (%)") + theme(axis.text.x = element_text(angle = 45, vjust = 0.5), plot.title = element_text(hjust = 0.5))
#MELIHAT PERBANDINGAN PENGANGGURAN DARI TAHUN 2022-2023 DI INDONESIA
# SET DATA BERDASARKAN PULAU
pulau <- c(rep("Sumatra", 10), rep("Jawa", 6), rep("Nusa Tenggara", 3), rep("Kalimantan", 5), rep("Sulawesi", 6), rep("Maluku", 2), rep("Papua", 2))
feb2022 <- data1.3[,2]
agt2022 <- data1.3[,3]
feb2023 <- data1.3[,4]
agt2023 <- data1.3[,5]
bul <- data.frame(feb2022, agt2022, feb2023, agt2023)
pinaul <- cbind(pulau, bul)
colnames(pinaul) <- c("Pulau", "Februari, 2022", "Agustus, 2022", "Februari, 2023", "Agustus, 2023")
# UBAH BENTUK DATA
# install.packages("reshape2")
library(reshape2)
## Warning: package 'reshape2' was built under R version 4.3.2
pinaul2 <- melt(pinaul, id.vars = "Pulau", variable.name = "Tahun", value.name = "Angka(%)")
ggplot(pinaul2, aes(x = Pulau, y = `Angka(%)`, fill = Tahun)) +
geom_bar(stat = "identity", position = "dodge") +
labs(title = "Perbandingan Tingkat Pengangguran di Indonesia berdasarkan Pulau",
x = "Pulau", y = "Angka Pengangguran (%)", fill = "Bulan, Tahun") +
theme_minimal()
