Read Data

library(readxl)
data <- read_xlsx("C:/Users/Alista/Documents/Semester 4/VISDAT/data visdat prak individu.xlsx")
## New names:
## • `` -> `...8`
str(data)
## tibble [84,688 × 14] (S3: tbl_df/tbl/data.frame)
##  $ R601 : chr [1:84688] "Yogyakarta" "Yogyakarta" "Yogyakarta" "Yogyakarta" ...
##  $ R605 : num [1:84688] 0 0 0 3 0 0 0 0 4 0 ...
##  $ R606 : chr [1:84688] "0" "0" "0" "TK" ...
##  $ R607 : chr [1:84688] "1" "1" "1" "Ya" ...
##  $ R611 : chr [1:84688] "1" "1" "1" "Swasta" ...
##  $ R612 : num [1:84688] 3 19 15 3 3 3 13 8 3 8 ...
##  $ R102 : num [1:84688] 7 7 7 7 72 72 6 6 6 72 ...
##  $ ...8 : logi [1:84688] NA NA NA NA NA NA ...
##  $ R617 : num [1:84688] 0 0 0 0 0 0 0 0 0 0 ...
##  $ R1208: num [1:84688] 35 49 112 14 48 42 84 60 35 49 ...
##  $ R405 : chr [1:84688] "2" "2" "2" "Laki-laki" ...
##  $ R709 : num [1:84688] 48 50 97 35 18 72 56 58 36 60 ...
##  $ R407 : num [1:84688] 68 46 16 6 62 38 54 41 10 40 ...
##  $ R1108: num [1:84688] NA 4 1 2 2 1 1 1 1 1 ...
library(tidyverse) 
## Warning: package 'tidyverse' was built under R version 4.3.2
## Warning: package 'ggplot2' was built under R version 4.3.2
## Warning: package 'readr' was built under R version 4.3.2
## Warning: package 'dplyr' was built under R version 4.3.2
## Warning: package 'stringr' was built under R version 4.3.2
## Warning: package 'lubridate' was built under R version 4.3.2
## ── Attaching core tidyverse packages ──────────────────────── tidyverse 2.0.0 ──
## ✔ dplyr     1.1.4     ✔ readr     2.1.5
## ✔ forcats   1.0.0     ✔ stringr   1.5.1
## ✔ ggplot2   3.4.4     ✔ tibble    3.2.1
## ✔ lubridate 1.9.3     ✔ tidyr     1.3.0
## ✔ purrr     1.0.2     
## ── Conflicts ────────────────────────────────────────── tidyverse_conflicts() ──
## ✖ dplyr::filter() masks stats::filter()
## ✖ dplyr::lag()    masks stats::lag()
## ℹ Use the conflicted package (<http://conflicted.r-lib.org/>) to force all conflicts to become errors
library(ggridges)
library(GGally) 
## Warning: package 'GGally' was built under R version 4.3.2
## Registered S3 method overwritten by 'GGally':
##   method from   
##   +.gg   ggplot2
library(plotly) 
## Warning: package 'plotly' was built under R version 4.3.2
## 
## Attaching package: 'plotly'
## 
## The following object is masked from 'package:ggplot2':
## 
##     last_plot
## 
## The following object is masked from 'package:stats':
## 
##     filter
## 
## The following object is masked from 'package:graphics':
## 
##     layout
library(ggmosaic)
## Warning: package 'ggmosaic' was built under R version 4.3.2
## 
## Attaching package: 'ggmosaic'
## 
## The following object is masked from 'package:GGally':
## 
##     happy
library(treemap)
## Warning: package 'treemap' was built under R version 4.3.2
library(treemapify)
## Warning: package 'treemapify' was built under R version 4.3.2

Visualisasi Besaran Data

Bar Chart

ggplot(data, aes(x = R601)) +
  geom_bar(fill = "brown", color="black", alpha=0.8) +
  labs(title = "Besaran Jumlah Kota Kelahiran Responden", x = "Kota", y = "Jumlah") +
  theme_classic() +
  coord_flip()

Keterangan:

R601: Provinsi tempat dilahirkannya responden yang terdapat pada BLOK VI. Keterangan Migrasi dan Pendidikan

Diagram visualisasi yang digunakan di atas merupakan Bar Chart yang menjelaskan perbandingan banyaknya besaran tempat lahir responden dari berbagai provinsi di Indonesia yang dapat dilihat bahwa mayoritas responden dilahirkan di provinsi Jawa Barat, kemudian DKI Jakarta, dan Jawa Tengah.

Lollipop Chart

data %>%
  group_by(R709) %>%
  summarize(total_hour = mean(R407)) %>%
  arrange(desc(total_hour)) %>%
  slice_head(n = 10) %>%
  ggplot(aes(x = reorder(R709, total_hour), y = total_hour)) +
  geom_segment(aes(xend = reorder(R709, total_hour), yend = 0), color = "darkorange") +
  geom_point(color = "red", size = 2.5) +
  geom_text(aes(label = total_hour), vjust = -0.5, color = "black", size = 3) +
  coord_flip() +
  ggtitle("Besaran Rata-rata Jam Kerja dan Umur") +
  xlab("Jam Kerja") +
  ylab("Umur") +
  theme_classic()

Keterangan:

R709: Jumlah jam kerja dari seluruh pekerjaan dalam seminggu

R407: Umur responden terkait

Diagram visualisasi yang diguanakn di atas adalah lollipop chart (needle chart) yang menjelaskan besaran rata-rata jam kerja responden selama seminggu berdasarkan umur. Dapat diketahui pula dengan rata-rata jumlah jam kerja 42 jam seminggu banyak terjadi pada responden dengan umur 40 tahun ke atas.

Visualisasi Sebaran Data

Histogram

ggplot(data)+
  geom_histogram(aes(x = R1208),fill="lightblue", color="black", alpha=0.8)+
  labs(title="Histogram Sebaran Konsumsi Batang Rokok Tembakau")+
  xlab("Banyak Batang Rokok")+
  ylab("Jumlah Individu")+
  xlim(2,300)
## `stat_bin()` using `bins = 30`. Pick better value with `binwidth`.
## Warning: Removed 64189 rows containing non-finite values (`stat_bin()`).
## Warning: Removed 2 rows containing missing values (`geom_bar()`).

Diagram visualisasi sebaran yang digunakan adalah histogram untuk menggambarkan sebaran banyak batang rokok yang dikonsumsi selama seminggu oleh responden terkait dan dapat dilihat bahwa dalam seminggu mayoritas responden menghabiskan batang rokok dalam jumlah terbanyak dalam selang 2 sampai 100 batang. Adapun beberapa responden yang menghabiskan lebih dari 200 batang rokok dalam seminggu walaupun tidak dalam jumlah yang banyak.

Density Plot

ggplot(data)+
  geom_density(aes(x = R709), fill= "purple",color="purple", alpha=0.4)+
  labs(title="Density Plot Sebaran Jumlah Jam Kerja Seluruh Pekerjaan")+
  xlab("Jam Kerja")+
  ylab("Jumlah Individu")
## Warning: Removed 46465 rows containing non-finite values (`stat_density()`).

Diagram visualisai sebaran yang digunakan adalah density plot untuk menggambarkan sebaran jumlah jam kerja responden terkait dalam seminggu. Dari density plot di atas dapat terlihat bahwa dalam seminggu banyak responden terkait menghabiskan jumlah jam kerja kurang lebih 50 jam. Adapun yang memiliki jumlah jam kerja di bawah 25 jam dan di atas 75 jam.

Violin Plot

ggplot(data, aes(x = "", y = R709)) +
  geom_violin(fill = "skyblue", alpha = 0.5) +
  geom_boxplot(width = 0.1, color = "black", fill = "white", outlier.shape = NA) +
  labs(title = "Violin Plot dan Boxplot: Jumlah Jam Kerja Seluruh Pekerjaan",
       x = NULL,
       y = "Jam Kerja") +
  coord_flip() +
  theme_minimal()
## Warning: Removed 46465 rows containing non-finite values (`stat_ydensity()`).
## Warning: Removed 46465 rows containing non-finite values (`stat_boxplot()`).

Untuk melihat nilai min, max, kuartil 1, 2, dan 3 dari sebaran jumlah jam kerja seluruh pekerjaan dalam seminggu yang dilakukan responden terkait dapat digunakan pula diagram violin plot dan boxplot.

Visualisasi Komposisi

Pie Chart

datas <- data.frame(
  R1108 = c("1", "2", "3", "4+"),
  count = table(cut(data$R1108, breaks=c(0,1,2,3,Inf), labels=c("1", "2", "3", "4+")))
)
ggplot(datas, aes(x = "", y = count.Freq , fill = R1108)) +
  geom_bar(stat = "identity", width = 1) +
  coord_polar("y", start = 0) +
  scale_fill_brewer(palette = "Set3") +
  theme_void() +
  theme(legend.position = "right") +
  labs(title = "Komposisi Jumlah Rawat Jalan", fill = "Jumlah Rawat Jalan") +
  geom_text(aes(label = count.Freq), position = position_stack(vjust = 0.5))

Diagram visualisasi komposisi di atas adalah pie chart yang memperlihatkan komposisi jumlah rawat jalan responden terkait dalam sebulan. Dapat dilihat bahwa lebih dari setengah responden mengalami rawat jalan setidaknya 1 kali dalam sebulan.

Treemap

library(treemap)
treemap(data, 
          index=c("R102", "R1108", "R407"), 
          vSize="R1208",
          draw=TRUE,
          title="Treemap: Konsumsi Batang Rokok Berdasarkan Wilayah,Jumlah Rawat Jalan, dan Konsumsi Batang Rokok ",
          fontsize.title=20,
          fontsize.labels=12,
          fontcolor.labels="white")

Keterangan:

R102: Kabupaten/kota tempat tinggal responden

R1208: Rata-rata konsumsi batang rokok tembakau dalam sebulan terakhir

R407: umur responden

R1108: Jumlah rawat jalan dalam sebulan terakhir

Kode kota/kabupaten:

1 : Bogor

2 : Sukabumi

4 : Bandung

5 : Garut

16 : Bekasi

Diagram visualisasi komposisi Treemap di atas dapat diketahui bahwa konsumsi rokok terbanyak berada di wilayah Bandung dan Garut, dengan jumlah rawat jalan individu terjadi dalam selang 1 - 5 kali dalam sebulan terakhir.