library(tidyverse)
## Warning: package 'tidyverse' 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 'forcats' 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 2.1.4
## ✔ forcats 1.0.0 ✔ stringr 1.5.0
## ✔ 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(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
library(readr)
data_susenas <- read.csv("C:/Users/ASUS/Downloads/KOR_Susenas22.csv",sep=";")
head(data_susenas)
## X URUT WI1 WI2 PSU SSU STRATA R101 R102 R105 R401 NUINFOBAYI R1401
## 1 0 1252 32773 2486 10938 119423 841081 32 3 2 1 1 0
## 2 1 1252 32773 2486 10938 119423 841081 32 3 2 2 1 0
## 3 2 1252 32773 2486 10938 119423 841081 32 3 2 3 1 0
## 4 3 1252 32773 2486 10938 119423 841081 32 3 2 4 2 11
## 5 4 4207 32151 5441 22826 137349 841114 32 73 1 1 1 0
## 6 5 4207 32151 5441 22826 137349 841114 32 73 1 2 1 0
## R1402 R1403 R1404A_TGL R1404A_BLN R1404A_THN R1404B_TGL R1404B_BLN R1404B_THN
## 1 0 0 0 0 0 0 0 0
## 2 0 0 0 0 0 0 0 0
## 3 0 0 0 0 0 0 0 0
## 4 2 0 0 0 0 0 0 0
## 5 0 0 0 0 0 0 0 0
## 6 0 0 0 0 0 0 0 0
## R1404C_TGL R1404C_BLN R1404C_THN R1404D_TGL R1404D_BLN R1404D_THN R1404E_TGL
## 1 0 0 0 0 0 0 0
## 2 0 0 0 0 0 0 0
## 3 0 0 0 0 0 0 0
## 4 0 0 0 0 0 0 0
## 5 0 0 0 0 0 0 0
## 6 0 0 0 0 0 0 0
## R1404E_BLN R1404E_THN R1404F_TGL R1404F_BLN R1404F_THN R1404G_TGL R1404G_BLN
## 1 0 0 0 0 0 0 0
## 2 0 0 0 0 0 0 0
## 3 0 0 0 0 0 0 0
## 4 0 0 0 0 0 0 0
## 5 0 0 0 0 0 0 0
## 6 0 0 0 0 0 0 0
## R1404G_THN R1404H_TGL R1404H_BLN R1404H_THN R1404I_TGL R1404I_BLN R1404I_THN
## 1 0 0 0 0 0 0 0
## 2 0 0 0 0 0 0 0
## 3 0 0 0 0 0 0 0
## 4 0 0 0 0 0 0 0
## 5 0 0 0 0 0 0 0
## 6 0 0 0 0 0 0 0
## R1404J_TGL R1404J_BLN R1404J_THN R1404K_TGL R1404K_BLN R1404K_THN R1404L_TGL
## 1 0 0 0 0 0 0 0
## 2 0 0 0 0 0 0 0
## 3 0 0 0 0 0 0 0
## 4 0 0 0 0 0 0 0
## 5 0 0 0 0 0 0 0
## 6 0 0 0 0 0 0 0
## R1404L_BLN R1404L_THN R1404M_TGL R1404M_BLN R1404M_THN R1404N_TGL R1404N_BLN
## 1 0 0 0 0 0 0 0
## 2 0 0 0 0 0 0 0
## 3 0 0 0 0 0 0 0
## 4 0 0 0 0 0 0 0
## 5 0 0 0 0 0 0 0
## 6 0 0 0 0 0 0 0
## R1404N_THN R1405 R1406 R1407 R1408 R1409 R1410A R1410B R1411 R1412 R1413
## 1 0 0 0 0 0 0 0 0 0 0 0
## 2 0 0 0 0 0 0 0 0 0 0 0
## 3 0 0 0 0 0 0 0 0 0 0 0
## 4 0 0 1 1 1 1 4 0 1 3 1
## 5 0 0 0 0 0 0 0 0 0 0 0
## 6 0 0 0 0 0 0 0 0 0 0 0
## R1414 R1415 R1416I R1416II R1417I R1417II R1417A R1417B0 R1417B1 R1417B2
## 1 0 0 0 0 0 0 0 0 0 0
## 2 0 0 0 0 0 0 0 0 0 0
## 3 0 0 0 0 0 0 0 0 0 0
## 4 4 1 1 1 1 0 1 11 6 5
## 5 0 0 0 0 0 0 0 0 0 0
## 6 0 0 0 0 0 0 0 0 0 0
## R1418 R1419A R1419AY R1419B R1419C R1420A R1420B R1420C R1420D R1420E R1420F
## 1 0 0 0 0 0 0 0 0 0 0 0
## 2 0 0 0 0 0 0 0 0 0 0 0
## 3 0 0 0 0 0 0 0 0 0 0 0
## 4 1 5 0 1 5 1 5 5 1 1 5
## 5 0 0 0 0 0 0 0 0 0 0 0
## 6 0 0 0 0 0 0 0 0 0 0 0
## R1420G R1420H R1421 R1421Y NUINFOWPK R1501A R1501B R1502A R1502B R1503 R1504A
## 1 0 0 0 0 0 0 0 0 0 0 0
## 2 0 0 0 0 2 1 21 1 22 1 7
## 3 0 0 0 0 0 0 0 0 0 0 0
## 4 1 1 1 3 0 0 0 0 0 0 0
## 5 0 0 0 0 0 0 0 0 0 0 0
## 6 0 0 0 0 1 1 26 1 26 2 0
## R1504ALAIN R1504B R1504C R1505 R1601 R1602 R1602LAIN R1603 R1603LAIN R1604
## 1 0 0 0 0 0 0 0 0 0 0
## 2 3 2 2 2 6 5 5 0 5 0
## 3 0 0 0 0 0 0 0 0 0 0
## 4 0 0 0 0 0 0 0 0 0 0
## 5 0 0 0 0 0 0 0 0 0 0
## 6 0 0 0 5 0 0 0 0 5 0
## R1605 R1605LAIN R1606 R1607 R1608 R1609 R2205AA R2205AB R2205BA R2205BB
## 1 0 0 5 0 5 0 5 0 1 1
## 2 0 0 5 0 5 0 5 0 1 0
## 3 0 0 5 0 5 0 5 0 1 0
## 4 0 0 5 0 5 0 5 0 1 0
## 5 0 0 5 0 5 0 5 0 1 1
## 6 5 5 5 0 5 0 5 0 1 0
## R2206AA R2206AB R2210AA R2210AB R2210BA R2210BB FWT
## 1 1 1 5.119.970.934.184.570
## 2 1 0 5.119.970.934.184.570
## 3 1 0 5.119.970.934.184.570
## 4 1 0 5.119.970.934.184.570
## 5 1 1 41.072.721.618.661
## 6 1 0 41.072.721.618.661
data_susenas %>%
filter(R1602 %in% 1:9) %>%
mutate(R1602 = ifelse(R1602 ==1, "MOW", R1602),
R1602 = ifelse(R1602 ==2, "MOP", R1602),
R1602 = ifelse(R1602 ==3, "IUD", R1602),
R1602 = ifelse(R1602 ==4, "Suntikan", R1602),
R1602 = ifelse(R1602 ==5, "Implan", R1602),
R1602 = ifelse(R1602 ==6, "Pil", R1602),
R1602 = ifelse(R1602 ==7, "Karet KB", R1602),
R1602 = ifelse(R1602 ==8, "Intravag", R1602),
R1602 = ifelse(R1602 ==9, "Metode Menyusui Alami", R1602)) %>%
count(R1602) %>%
ggplot(aes(x = as.factor(R1602), y = n)) +
geom_col(fill = c("lightsalmon", "salmon", "darksalmon", "lightcoral", "indianred", "#DC143C", "firebrick", "red", "darkred"))+
labs(title = "Alat KB yang sedang digunakan", x = "Alat KB",y = "Jumlah Pemakaian") +
theme_classic()
Pada Bar Chart diatas terlihat bahwa alat KB yang lebih banyak digunakan oleh warga Jawa Barat pada tahun 2022 dengan metode Intravag dengan jumlah pemakaian lebih dari 4000, sedangkan yang paling sedikit digunakan dengan metode IUD dengan jumlah pemakaian kurang dari 500.
data_susenas %>%
filter(R1602 %in% 1:9) %>%
mutate(R1602 = ifelse(R1602 ==1, "MOW", R1602),
R1602 = ifelse(R1602 ==2, "MOP", R1602),
R1602 = ifelse(R1602 ==3, "IUD", R1602),
R1602 = ifelse(R1602 ==4, "Suntikan", R1602),
R1602 = ifelse(R1602 ==5, "Implan", R1602),
R1602 = ifelse(R1602 ==6, "Pil", R1602),
R1602 = ifelse(R1602 ==7, "Karet KB", R1602),
R1602 = ifelse(R1602 ==8, "Intravag", R1602),
R1602 = ifelse(R1602 ==9, "Metode Menyusui Alami", R1602)) %>%
count(R1602) %>%
arrange(desc(n)) %>%
ggplot() +
geom_segment(aes(x = fct_reorder(as.factor(R1602), n), xend = fct_reorder(as.factor(R1602), n), y = 0, yend = n), color = "green") +
geom_point(aes(x = fct_reorder(as.factor(R1602), n), y = n), color = "red", size = 2) +
scale_y_continuous(expand = c(0, 0)) +
coord_flip() +
ggtitle("Alat KB yang sedang digunakan") +
xlab("") +
ylab("Jumlah Pemakaian") +
theme_light() +
theme(plot.title = element_text(hjust = 0.5))
Pada Lollipop Chart diatas terlihat bahwa alat KB yang lebih banyak digunakan oleh warga Jawa Barat pada tahun 2022 dengan metode Intravag dengan jumlah pemakaian lebih dari 4000, sedangkan yang paling sedikit digunakan dengan metode IUD dengan jumlah pemakaian kurang dari 500. Pada Visualisasi besaran dengan data Jenis KB dan Jumlah Pemakaian lebih menarik untuk melihat dengan Lollipop Chart.
library(readr)
data_susenas22 <- read.csv("C:/Users/ASUS/Downloads/KOR_Susenas_22.csv",sep=";")
head(data_susenas22)
## X URUT WI1 WI2 PSU SSU STRATA R101 R102 R105 R401 R403 R404 R405
## 1 0 1241 32776 2475 9848 119395 841081 32 3 2 1 1 2 1
## 2 1 1241 32776 2475 9848 119395 841081 32 3 2 2 2 2 2
## 3 2 1241 32776 2475 9848 119395 841081 32 3 2 3 3 1 2
## 4 3 1242 32774 2476 21091 119419 841081 32 3 2 1 1 2 1
## 5 4 1242 32774 2476 21091 119419 841081 32 3 2 2 3 1 1
## 6 5 1243 32773 2477 10938 118495 841081 32 3 2 1 1 2 1
## R406A R406B R406C R407 R408 R409 R410 R501 R502 R503 R504 R506 R507 R508 R509
## 1 2 4 1957 64 1 20 2 5 1 0 1 1 1 5 1
## 2 4 6 1975 46 1 18 2 5 1 0 1 2 1 5 1
## 3 2 4 2007 14 0 0 2 0 1 2 1 2 1 1 1
## 4 10 5 1995 26 1 23 1 2 1 0 1 1 1 1 1
## 5 25 2 2019 3 0 0 1 0 1 0 1 1 3 1 1
## 6 12 10 1962 59 1 20 1 5 1 0 1 1 2 5 1
## R601 R602 R603 R604 R605 R606 R607 R608 R609 R610 R611 R612 R613 R614 R615
## 1 32 3 32 3 0 0 1 5 5 3 0 3 8 3 0
## 2 32 3 32 3 0 0 1 5 5 3 0 3 8 3 0
## 3 32 3 32 3 0 0 1 5 5 3 0 3 8 3 0
## 4 32 3 32 3 0 0 1 1 5 3 0 8 8 8 0
## 5 32 3 4 0 0 0 0 0 0 0 0 0 0 0 0
## 6 32 3 32 2 0 0 1 5 5 3 0 3 1 25 0
## R616 R617 R618 R619 R620 R621 R622 R701 R702_A R702_B R702_C R702_D R702_X
## 1 0 0 0 0 0 0 0 1 A C D 1 0
## 2 0 0 0 0 0 0 0 5 A 1 0 1 6
## 3 5 5 0 0 3 0 0 5 C D 3 5 0
## 4 5 5 0 0 0 0 0 5 A C 1 0 12
## 5 0 0 0 0 0 0 0 0 0 0 0 0 1
## 6 0 0 0 0 0 0 0 5 A C D 1 0
## R703 R704 R705 R706 R707 R708 R801 R802 R807_A R807_B R807_C R807_X R808
## 1 1 2 30 42 1 1 X 5 5 5 0 0 0
## 2 30 30 1 5 X 5 5 5 0 0 0 5 0
## 3 0 0 0 1 1 X 1 D A B E F A
## 4 4 63 63 1 1 X 1 D A C D J 5
## 5 5 X 1 D A J 0 1 1 0 7 5 0
## 6 11 6 63 63 1 5 X 1 D A D 5 5
## R809_A R809_B R809_C R809_D R809_E R810_A R810_B R810_C R810_D R810_E R810_F
## 1 5 0 0 0 0 0 0 0 0 0 0
## 2 0 0 0 0 0 0 0 0 0 0 1
## 3 D J 5 1 1 1 1 5 0 0 0
## 4 1 1 0 7 5 0 0 0 0 0 0
## 5 0 0 0 0 0 0 0 0 0 0 1
## 6 0 0 0 5 0 0 0 0 0 0 0
## R811_A R811_B R811_C R811_D R811_E R811_F R811_G R811_H R811_I R811_J R811_K
## 1 0 1 4 8 4 8 4 8 4 8 5
## 2 4 8 4 8 4 8 4 8 5 A 1
## 3 0 0 0 0 0 0 0 0 1 4 8
## 4 0 0 0 0 0 1 4 8 4 8 4
## 5 4 8 4 8 4 8 4 8 5 X 1
## 6 0 0 0 0 1 4 8 4 8 4 8
## R811_L R812 R901 R902 R903 R904 R905 R906 R907 R908 R909 R910 R911 R912 R913
## 1 A 5 0 0 0 0 0 5 0 5 1 42 1 1 5
## 2 1 1 5 5 0 5 0 5 5 0 5 1 5 B 5
## 3 4 8 4 8 4 8 5 X 5 0 0 0 0 0 5
## 4 8 4 8 5 X 1 1 1 5 5 0 5 0 5 1
## 5 1 1 5 5 0 5 0 0 0 0 0 0 0 0 0
## 6 4 8 5 X 1 5 1 5 5 0 5 0 5 1 91
## R914 R915 R916 R1001 R1002
## 1 B 5 5 A 5
## 2 5 A 5 3.483.821.766.987.630
## 3 0 5 5 0 5
## 4 72 1 0 0 0
## 5 0 2.908.865.500.855.340
## 6 1 0 0 0 0
## R1003 R1004 R1005 R1006 R1007
## 1 3.483.821.766.987.630
## 2
## 3 0 0 0 0 0
## 4 0 0 2.908.865.500.855.340
## 5
## 6 0 7.440.836.509.624.990
## R1008 R1009 R1010 R1101_A R1101_B R1101_C R1101_D R1101_E
## 1
## 2
## 3 3.483.821.766.987.630
## 4
## 5
## 6
## R1101_X R1102 R1103 R1104 R1105 R1106 R1107_A R1107_B R1107_C R1107_D R1107_E
## 1 NA
## 2 NA
## 3 NA
## 4 NA
## 5 NA
## 6 NA
## R1107_F R1107_G R1107_H R1108 R1109_A R1109_B R1109_C R1109_D R1109_E R1109_X
## 1 NA NA NA NA NA NA NA NA NA NA
## 2 NA NA NA NA NA NA NA NA NA NA
## 3 NA NA NA NA NA NA NA NA NA NA
## 4 NA NA NA NA NA NA NA NA NA NA
## 5 NA NA NA NA NA NA NA NA NA NA
## 6 NA NA NA NA NA NA NA NA NA NA
## R1201 R1202_A R1202_B R1202_C R1202_D R1202_E R1202_F R1202_G R1203 R1204_A
## 1 NA NA NA NA NA NA NA NA NA NA
## 2 NA NA NA NA NA NA NA NA NA NA
## 3 NA NA NA NA NA NA NA NA NA NA
## 4 NA NA NA NA NA NA NA NA NA NA
## 5 NA NA NA NA NA NA NA NA NA NA
## 6 NA NA NA NA NA NA NA NA NA NA
## R1204_B R1204_C R1204_D R1204_E R1204_X R1205 R1206 R1207 R1208 R1301 R1302
## 1 NA NA NA NA NA NA NA NA NA NA NA
## 2 NA NA NA NA NA NA NA NA NA NA NA
## 3 NA NA NA NA NA NA NA NA NA NA NA
## 4 NA NA NA NA NA NA NA NA NA NA NA
## 5 NA NA NA NA NA NA NA NA NA NA NA
## 6 NA NA NA NA NA NA NA NA NA NA NA
## R1303_A R1303_B R1303_C R1303_D R1303_E R1303_F R1303_G R1303_H R1303_I
## 1 NA NA NA NA NA NA NA NA NA
## 2 NA NA NA NA NA NA NA NA NA
## 3 NA NA NA NA NA NA NA NA NA
## 4 NA NA NA NA NA NA NA NA NA
## 5 NA NA NA NA NA NA NA NA NA
## 6 NA NA NA NA NA NA NA NA NA
## R1303_J R1303_K R1304 R1305_A R1305_B R1305_C R1305_D R1305_E R1305_F R1305_G
## 1 NA NA NA NA NA NA NA NA NA NA
## 2 NA NA NA NA NA NA NA NA NA NA
## 3 NA NA NA NA NA NA NA NA NA NA
## 4 NA NA NA NA NA NA NA NA NA NA
## 5 NA NA NA NA NA NA NA NA NA NA
## 6 NA NA NA NA NA NA NA NA NA NA
## R1306 R1307_A R1307_B R1307_C R1307_D R1307_E R1307_F R1307_G R1307_H R1307_I
## 1 NA NA NA NA NA NA NA NA NA NA
## 2 NA NA NA NA NA NA NA NA NA NA
## 3 NA NA NA NA NA NA NA NA NA NA
## 4 NA NA NA NA NA NA NA NA NA NA
## 5 NA NA NA NA NA NA NA NA NA NA
## 6 NA NA NA NA NA NA NA NA NA NA
## R1307_J R1308 R1309_A R1309_B R1309_C R1309_D R1309_E R1309_F R1309_G R1309_H
## 1 NA NA NA NA NA NA NA NA NA NA
## 2 NA NA NA NA NA NA NA NA NA NA
## 3 NA NA NA NA NA NA NA NA NA NA
## 4 NA NA NA NA NA NA NA NA NA NA
## 5 NA NA NA NA NA NA NA NA NA NA
## 6 NA NA NA NA NA NA NA NA NA NA
## FWT
## 1 NA
## 2 NA
## 3 NA
## 4 NA
## 5 NA
## 6 NA
ggplot(data_susenas22)+
geom_histogram(aes(x=R407),fill="#69b3a2", color="#e9ecef", alpha=0.5)+
labs(title="Histogram Sebaran Umur di Jawa Barat")+
xlab("Umur")+
ylab("Jumlah")+
xlim(0,100)
## `stat_bin()` using `bins = 30`. Pick better value with `binwidth`.
## Warning: Removed 2 rows containing missing values (`geom_bar()`).
Pada Histogram terlihat sebaran Umur di Jawa Barat sangat bervariasi, terlihat bahwa umur >75 Tahun memiliki sebaran yang sedikit, sedangkan umur produktif <65 masih memiliki sebaran yang banyak, berarti dapat disimpulkan pada tahun 2022 di Provinsi Jawa Barat masih memiliki banyak populasi di umur produktif. Umur produktif merupakan seseorang dianggap berpotensi untuk berkontribusi secara produktif dalam kegiatan ekonomi atau pekerjaan.
ggplot(data_susenas22)+
geom_density(aes(x=R407,fill= "Jumlah Umur" ),color="coral", alpha=0.4)+
labs(title="Density Plot Sebaran Umur di Jawa Barat")+
xlab("Umur")+
ylab("Jumlah")+
xlim(0,100)
Pada Density Plot terlihat sebaran Umur di Jawa Barat sangat bervariasi, terlihat bahwa umur >75 Tahun memiliki sebaran yang sedikit, sedangkan umur produktif <65 masih memiliki sebaran yang banyak, berarti dapat disimpulkan pada tahun 2022 di Provinsi Jawa Barat masih memiliki banyak populasi di umur produktif. Umur produktif merupakan seseorang dianggap berpotensi untuk berkontribusi secara produktif dalam kegiatan ekonomi atau pekerjaan.
treemap(data_susenas22,
index = c("R407", "R406C"), # Kolom untuk pengelompokan
vSize = "R409", # Kolom untuk ukuran area
draw = TRUE, # Gambar treemap
title = "Treemap Umur pernikahan dan Tahun Kelahiran ",
fontsize.title = 20,
fontsize.labels = 12,
fontcolor.labels = "white")
Treemap diatas menggambarkan membagi data berdasarkan umur dan tahun kelahiran, dengan ukuran area treemap menunjukkan umur saat menikah. Hal ini akan memberikan visualisasi yang informatif tentang distribusi umur pernikahan dalam hubungannya dengan tahun kelahiran individu.
library(readr)
data_susenas23 <- read.csv("C:/Users/ASUS/Downloads/KOR_Susenas_23.csv",sep=";")
head(data_susenas23)
## X URUT PSU SSU WI1 WI2 R101 R102 R105 R401 NUINFOBAYI R1401 R1402
## 1 0 500001 12448 123442 12435 123427 32 7 2 1 0 0 0
## 2 1 500001 12448 123442 12435 123427 32 7 2 2 0 0 0
## 3 2 500001 12448 123442 12435 123427 32 7 2 3 0 0 0
## 4 3 500001 12448 123442 12435 123427 32 7 2 4 0 0 0
## 5 4 500002 31373 311039 31360 311024 32 72 1 1 0 0 0
## 6 5 500002 31373 311039 31360 311024 32 72 1 2 0 0 0
## R1403 R1404A_TGL R1404A_BLN R1404A_THN R1404B_TGL R1404B_BLN R1404B_THN
## 1 0 0 0 0 0 0 0
## 2 0 0 0 0 0 0 0
## 3 0 0 0 0 0 0 0
## 4 0 0 0 0 0 0 0
## 5 0 0 0 0 0 0 0
## 6 0 0 0 0 0 0 0
## R1404C_TGL R1404C_BLN R1404C_THN R1404D_TGL R1404D_BLN R1404D_THN R1404E_TGL
## 1 0 0 0 0 0 0 0
## 2 0 0 0 0 0 0 0
## 3 0 0 0 0 0 0 0
## 4 0 0 0 0 0 0 0
## 5 0 0 0 0 0 0 0
## 6 0 0 0 0 0 0 0
## R1404E_BLN R1404E_THN R1404F_TGL R1404F_BLN R1404F_THN R1404G_TGL R1404G_BLN
## 1 0 0 0 0 0 0 0
## 2 0 0 0 0 0 0 0
## 3 0 0 0 0 0 0 0
## 4 0 0 0 0 0 0 0
## 5 0 0 0 0 0 0 0
## 6 0 0 0 0 0 0 0
## R1404G_THN R1404H_TGL R1404H_BLN R1404H_THN R1404I_TGL R1404I_BLN R1404I_THN
## 1 0 0 0 0 0 0 0
## 2 0 0 0 0 0 0 0
## 3 0 0 0 0 0 0 0
## 4 0 0 0 0 0 0 0
## 5 0 0 0 0 0 0 0
## 6 0 0 0 0 0 0 0
## R1404J_TGL R1404J_BLN R1404J_THN R1404K_TGL R1404K_BLN R1404K_THN R1404L_TGL
## 1 0 0 0 0 0 0 0
## 2 0 0 0 0 0 0 0
## 3 0 0 0 0 0 0 0
## 4 0 0 0 0 0 0 0
## 5 0 0 0 0 0 0 0
## 6 0 0 0 0 0 0 0
## R1404L_BLN R1404L_THN R1404M_TGL R1404M_BLN R1404M_THN R1404N_TGL R1404N_BLN
## 1 0 0 0 0 0 0 0
## 2 0 0 0 0 0 0 0
## 3 0 0 0 0 0 0 0
## 4 0 0 0 0 0 0 0
## 5 0 0 0 0 0 0 0
## 6 0 0 0 0 0 0 0
## R1404N_THN R1405 R1406 R1407 R1408 R1409 R1410A R1410B R1411 R1412 R1413
## 1 0 0 0 0 0 0 0 0 0 0 0
## 2 0 0 0 0 0 0 0 0 0 0 0
## 3 0 0 0 0 0 0 0 0 0 0 0
## 4 0 0 0 0 0 0 0 0 0 0 0
## 5 0 0 0 0 0 0 0 0 0 0 0
## 6 0 0 0 0 0 0 0 0 0 0 0
## R1414 R1415 R1416I R1416II R1417I R1417II R1417A R1417B0 R1417B1 R1417B2
## 1 0 0 0 0 0 0 0 0 0 0
## 2 0 0 0 0 0 0 0 0 0 0
## 3 0 0 0 0 0 0 0 0 0 0
## 4 0 0 0 0 0 0 0 0 0 0
## 5 0 0 0 0 0 0 0 0 0 0
## 6 0 0 0 0 0 0 0 0 0 0
## R1418 R1419A R1419AY R1419B R1419C R1420A R1420B R1420C R1420D R1420E R1420F
## 1 0 0 0 0 0 0 0 0 0 0 0
## 2 0 0 0 0 0 0 0 0 0 0 0
## 3 0 0 0 0 0 0 0 0 0 0 0
## 4 0 0 0 0 0 0 0 0 0 0 0
## 5 0 0 0 0 0 0 0 0 0 0 0
## 6 0 0 0 0 0 0 0 0 0 0 0
## R1420G R1420H R1421 R1421Y NUINFOWPK R1501A R1501B R1502A R1502B R1503 R1504A
## 1 0 0 0 0 0 0 0 0 0 0 0
## 2 0 0 0 0 2 1 23 1 25 2 0
## 3 0 0 0 0 0 0 0 0 0 0 0
## 4 0 0 0 0 0 0 0 0 0 0 0
## 5 0 0 0 0 0 0 0 0 0 0 0
## 6 0 0 0 0 0 0 0 0 0 0 0
## R1504B R1504C R1505 R1601 R1602 R1603 R2205A R2205B R2206A R2206B R2210A
## 1 0 0 0 0 0 0 5 0 5 0 5
## 2 0 0 0 2 4 8 5 0 5 0 5
## 3 0 0 0 0 0 0 5 0 5 0 5
## 4 0 0 0 0 0 0 5 0 5 0 5
## 5 0 0 0 0 0 0 5 0 5 0 5
## 6 0 0 0 0 0 0 5 0 5 0 5
## R2210B FWT
## 1 0 45.488.910.141.175
## 2 0 45.488.910.141.175
## 3 0 45.488.910.141.175
## 4 0 45.488.910.141.175
## 5 0 1.723.768.210.467.770
## 6 0 1.723.768.210.467.770
data_susenas23 %>%
mutate(R1601 = ifelse(R1601 ==0, "Tidak Menjawab", R1601),
R1601 = ifelse(R1601 ==1, "Ya, Pernah", R1601),
R1601 = ifelse(R1601 ==2, "Ya, Sedang", R1601),
R1601 = ifelse(R1601 ==5, "Tidak", R1601)) -> data_susenas23
sebaran.KB <- data_susenas23 %>% group_by(R1601) %>%
summarize(jumlah.KB = n())
df <- head(sebaran.KB)
ggplot(df, aes(x = "", y = jumlah.KB, fill = R1601)) +
geom_bar(stat = "identity", width = 1) +
coord_polar("y", start = 0) +
scale_fill_brewer(palette = "earth tone") +
theme_void() +
theme(legend.position = "right") +
labs(title = "Sebaran Pemakaian KB", fill = " ") +
geom_text(aes(label = jumlah.KB), position = position_stack(vjust = 0.5))
## Warning in pal_name(palette, type): Unknown palette earth tone
Pada visualisasi terakhir, yaitu pie chart terlihat bahwa komposisi sebaran pemakaian KB di Jawa Barat pada tahun 2023. Terlihat komposisi Tidak menjawab lebih banyak, hal tersebut bisa saja bahwa informasi mengenai KB belum merata. Tetapi sudah banyak juga yang mengetahui informasi mengenai KB, terlihat sebanyak 8963 sedang memakai KB, 5371 tidak memakai KB, dan 4313 pernah memakai.