Tugas Visualisasi Data

Berkegiatan atau Tidak? (Besaran)

Kode pertanyaan R704 merupakan kode pertanyaan “Kegiatan apa yang menggunakan waktu terbanyak?” dengan kode pilihan yaitu

• 0: Tidak Melakukan Kegiatan

• 1 : Bekerja

• 2: Sekolah

• 3: Mengurus Rumah Tangga

• 4 : Lainnya selain kegiatan pribadi

  Untuk melihat perbandingan kita dapat memisahkan ke yang tidak berkegiatan (0) dan berkegiatan (1,2,3,4)

susenas_individu %>% 
  mutate(grup_r704 = ifelse(R704=="0","0","1")) %>%
  select(grup_r704) %>%
  count(grup_r704) %>% 
  ggplot()+
  geom_col(aes(x=fct_reorder(as.factor(grup_r704),n),y=n))+
  geom_text(aes(x=fct_reorder(as.factor(grup_r704),n),y=n,label=n),
            position = position_stack(vjust = 0.5), color = "white", size = 3)+
  labs(title = "Berkegiatan atau tidak?",x="Kegiatan", y= "Jumlah")+
  theme_classic()+
  scale_x_discrete(labels = c("1"="BK", "0" = "Tidak BK"))

Dapat dilihat bahwa sample masyarakat Jawa Barat lebih banyak yang berkegiatan dalam kehidupan sehari-harinya.

Jenis Kegiatan (Komposisi)

Setelah diketahui bahwa lebih banyak warga Jawa Barat yang berkegiatan mari kita lihat kegiatan apa saja yang dilakukan. Menggunakan kolom pertanyaan yaitu R704, kita akan pilih nilai yang bukan 0 dan membuat Pie Chart.

Kode pertanyaan R704 merupakan kode pertanyaan “Kegiatan apa yang menggunakan waktu terbanyak?” dengan kode pilihan yaitu

• 1 : Bekerja

• 2: Sekolah

• 3: Mengurus Rumah Tangga

• 4 : Lainnya selain kegiatan pribadi

jkegiatan <- data.frame(
  kegiatan <- table(susenas_individu$R704)
)

jkegiatan %>% 
  filter(Var1 != 0) %>% 
  ggplot(aes(x="", y=Freq, fill =Var1))+
  geom_bar(stat= "identity",width =1)+
  coord_polar("y",start=0)+
  labs(title = "Jenis Kegiatan",fill="Jenis Kegiatan")+
  theme_void()

Dapat dilihat bahwa hampir 50% warga Jawa Barat yang berkegiatan dengan jenis kegiatan 1 yaitu bekerja disusu dengan berkegiatan 3 yaitu mengurus rumah tangga, dan terakhir jenis kegiatan 2 yaitu sekolah.

Status dalam Pekerjaan Utama (Besaran)

Mengingat bahwa hampir mayoritas warga Jawa Barat bekerja, mari kita lihat bagaimana status warga Jawa Barat dalam utama.

Pada kode pertanyaan R707 dengan pertanyaan “Apa status/kedudukan dalam pekerjaan utama?” dengan kode jawaban

• 1 : Berusaha sendiri

• 2: Berusaha dibantu buruh tdk tetap/tdk dibayar

• 3: Berusaha dibantu buruh tetap/buruh dibayar

• 4: Buruh/karyawan/pegawai

• 5: Pekerja bebas

• 6: Pekerja keluarga atau tidak dibayar

susenas_individu %>% 
  select(R707) %>%
  filter(R707 != 0) %>% 
  count(R707) %>% 
  ggplot()+
  geom_segment(aes(x=fct_reorder(as.factor(R707),n),xend=fct_reorder(as.factor(R707),n),y=0,yend=n),color="red")+
  geom_point(aes(x=fct_reorder(as.factor(R707),n),y=n),color="green",size=4)+
  geom_text(aes(x=fct_reorder(as.factor(R707),n),y=n,label=n),
            position = position_stack(vjust = 0.5), color = "black", size = 3)+
  labs(title = "Jenis Pekerjaan",x="Pekerjaan", y= "Jumlah")+
  theme_classic()+
  coord_flip()

Di daerah Jawa Barat, masyarakat cenderung menjadi karyawan/buruh/pegawai. Angka orang yang melakukan usaha sendiri menyusul di urutan kedua dan juga pekerja bebas di urutan ketiga.

Jenis Kegiatan dan Jenis Kelamin (Komposisi)

Sekarang mari kita lihat komposisi jenis kegiatan berdasarkan jenis kelamin. Kita dapat menggunakan data pada kode R405, yang merupakan kolom jenis kelamin, dan juga data R704 yang merupakan jenis kegiatan.

jkjk <- as.data.frame(
  jkKegiatan <- table(susenas_individu$R704,susenas_individu$R405)
)
jkjk$Var1 <- as.character(jkjk$Var1)

map_kegiatan <- c("1"="Bekerja", "2"="Sekolah", "3"="Rumah Tangga", "4"="Lainnya")

jkjk_modified <- filter(jkjk,Var1!=0) %>% 
  mutate(Var2 = ifelse(Var2==1,"L","P"),
         Var1 = case_when(
           Var1 %in% names(map_kegiatan) ~ map_kegiatan[Var1]
         ))

treemap(jkjk_modified,
        index = c("Var1","Var2"),
        vSize = "Freq",
        draw=TRUE,
        title="Treemap: Jenis Kegiatan dan Kelamin",
        fontsize.title=20,
        fontsize.labels=11,
        fontcolor.labels="white")

Pada treemap dapat dilihat bahwa pada kegiatan bekerja, proporsi laki-laki lebih banyak dibandingkan dengan perempuan, sedangkan pada kegiatan mengurus rumah tangga, proporsi perempuan lebih banyak dibandingkan laki-laki. Pada kegaitan sekolah proporsi antara laki-laki dan perempuan sama.

Sebaran Umur Masyarakat Jawa Barat (Sebaran)

Sekarang kita akan beralih ke topik umur. Pada kode pertanyaan R407 berisi sample umur masyarakat Jawa Barat, mari kita lihat bagaimana sebarannya dengan menggunakan histogram.

susenas_individu %>% 
  select(R407) %>%
  mutate(R407 = as.numeric(R407)) %>% 
  ggplot()+
  geom_histogram(aes(x=R407),binwidth=4,fill="skyblue")+
  labs(title="Sebaran Umur Masyarakat Jawa Barat 2023",x="Umur")+
  theme_classic()

Sebaran umur masyarakat di Jawa Barat pada tahun 2023 tampaknya bimodal dan menjulur ke kanan. Modus pertama berada disekitar umur 10-12 tahun dan modus kedua ada di sekitar umur 30-40 tahun. Hal ini menunjukan bahwa masyarakat Jawa Barat di dominasi oleh anak muda dan juga masyarakat usia produktif.

Sebaran Umur Berdasarkan Jenis Kelamin (Sebaran)

Mari kita lihat sebaran umur untuk masing-masing jenis kelamin.

susenas_individu %>% 
  select(R407,R405) %>%
  mutate(R407 = as.numeric(R407),
         R405 = ifelse(R405==1,"L","P")) %>% 
  ggplot()+
  geom_boxplot(aes(x=R405, color=R405,y=R407))+
  labs(title="Sebaran Umur Vs Jenis Kelamin",x="Jenis Kelamin", y="Umur")+
  theme_classic()

Sebaran umur laki-laki dan perempuan di Jawa Barat pada tahun 2023 hampir sama.