Visualisasi Besaran

Bar Chart

library(dplyr)
## 
## Attaching package: 'dplyr'
## The following objects are masked from 'package:stats':
## 
##     filter, lag
## The following objects are masked from 'package:base':
## 
##     intersect, setdiff, setequal, union
library(forcats)
library(ggplot2)

data_house <- read.csv("C:/Users/TUBAGUS/Downloads/Visdat/data akhir alphabet adit.csv", header = TRUE, sep=",")

str(data_house)
## 'data.frame':    84688 obs. of  1 variable:
##  $ Data.Pekerjaan: chr  "Tidak ada kedudukan pekerjaan utama" "Tidak ada kedudukan pekerjaan utama" "Tidak ada kedudukan pekerjaan utama" "Tidak ada kedudukan pekerjaan utama" ...
ggplot(data_house, aes(x = Data.Pekerjaan)) +
  geom_bar(fill = "steelblue") +
  labs(title = "Jumlah Pekerjaannya", x = "Pekerjaan", y = "Jumlah Pekerjaan") +
  theme_classic() +
  coord_flip()

Interpretasi: Dilihat pada bar chart di atas bahwa yang bekerja dibantu buruh serta dibayar memiliki sedikit orang hampir sama dengan orang yang bekerja tidak dibayar. Sedangkan banyak sekali orang yang tidak ada kedudukan pekerjaan utama.

Lollipop Chart

data_house <- read.csv("C:/Users/TUBAGUS/Downloads/Visdat/data akhir alphabet adit.csv", header = TRUE, sep=",")
str(data_house)
## 'data.frame':    84688 obs. of  1 variable:
##  $ Data.Pekerjaan: chr  "Tidak ada kedudukan pekerjaan utama" "Tidak ada kedudukan pekerjaan utama" "Tidak ada kedudukan pekerjaan utama" "Tidak ada kedudukan pekerjaan utama" ...
data_house%>%count(Data.Pekerjaan)%>%
  mutate(ijazah=fct_reorder(as.factor(Data.Pekerjaan),desc(n)))%>%
  ggplot()+
  geom_segment(aes(x=Data.Pekerjaan,xend=Data.Pekerjaan, y=0, yend=n), color="maroon")+
  geom_point(aes(x=Data.Pekerjaan,y=n),color="pink", size=2)+ 
  scale_y_continuous(expand = c(0,0))+
  coord_flip() +
  ggtitle("Data Pekerjaan") +
  xlab("Keterangan Pekerjaan") +
  ylab("Jumlah Kedudukan Pekerjaan") +
  theme_light() +
  theme(plot.title = element_text(hjust = 0.5))

Interpretasi: Dilihat pada lollipop chart di atas bahwa keterangan tidak ada kedudukan pekerjaan utama memiliki jumlah kedudukan pekerjaan terbanyak dan jumlah kedudukan yang paling sedikit ada di keterangan berusaha dibantu buruh tetap/buruh dibayar.

Visualisasi Sebaran

Density Plot

library(ggplot2)

data_house <- read.csv("C:/Users/TUBAGUS/Downloads/Visdat/data histogram.csv", header = TRUE, sep=",")
str(data_house)
## 'data.frame':    25890 obs. of  1 variable:
##  $ Luas.Bangunan: int  110 35 96 300 84 300 100 42 54 80 ...
ggplot(data_house)+
  geom_density(aes(x=Luas.Bangunan,fill= "Luas Bangunan" ), alpha=0.8)+
  labs(title="Density Plot Luas Bangunan Rumah")+
  xlab("Luas Bangunan")+
  ylab("Jumlah")+
  xlim(2,600)
## Warning: Removed 7 rows containing non-finite outside the scale range
## (`stat_density()`).

Interpretasi: Dilihat pada density plot di atas bahwa luas bangunan dengan rentang 0-200m^2 berada di sebaran terbanyak. Sedangkan di rentang 200-400m^2 sebarannya semakin sedikit hingga rentang ke 600m^2.

Box Plot

data_house <- read.csv("C:/Users/TUBAGUS/Downloads/Visdat/data histogram.csv", header = TRUE, sep=",")
str(data_house)
## 'data.frame':    25890 obs. of  1 variable:
##  $ Luas.Bangunan: int  110 35 96 300 84 300 100 42 54 80 ...
data_house2 <- data_house
data_house2 <- data_house2 %>% filter(Luas.Bangunan > 2)
ggplot(data_house2)+
  geom_boxplot(aes(y=Luas.Bangunan))+
  labs(title="Boxplot Sebaran Luas Bangunan")

Interpretasi: Dilihat pada boxplot di atas bahwa sebaran terbanyak berada direntang 0-250m^2. Diatas 250m^2 sebaran semakin kecil dan menjadi pencilan.

Visualisasi Komposisi

Diagram Donat

data_house <- read.csv("C:/Users/TUBAGUS/Downloads/Visdat/data komposisi 2.csv", header = TRUE, sep=",")

str(data_house)
## 'data.frame':    25890 obs. of  1 variable:
##  $ Status.Kepemilikan.Bangunan.Tempat.Tinggal: chr  "Milik Sendiri" "Milik Sendiri" "Milik Sendiri" "Milik Sendiri" ...
data <- data.frame(
  category=c("Milik sendiri", "Kontrak/sewa", "Bebas sewa", "Dinas", "Lainnya"),
  count=c(21385, 1444, 2978, 77, 5)
)
 
data$fraction = data$count / sum(data$count)
data$ymax = cumsum(data$fraction)
data$ymin = c(0, head(data$ymax, n=-1))
 
ggplot(data, aes(ymax=ymax, ymin=ymin, xmax=4, xmin=3, fill=category)) +
    geom_rect() +
    coord_polar(theta="y") +
    xlim(c(2, 4)) +
    labs (title = "Komposisi Tempat Tinggal") +
    theme_classic()

Interpretasi: Dilihat pada diagram donat di atas bahwa sebagian banyak orang tempat tinggalnya adalah rumah milik sendiri sedangkan kategori lainnya hanya sedikit orang.

Mosaic Plot

library(ggplot2)
library(ggmosaic)

data_house <- read.csv("C:/Users/TUBAGUS/Downloads/Visdat/data komposisi 3.csv", header = TRUE, sep=",")

str(data_house)
## 'data.frame':    2 obs. of  1 variable:
##  $ X.BPJS.PBI.BPJS.NON.PBI: chr  "Rawat Jalan;1967;1376" "Rawat Inap;836;665"
set.seed(123) 
n <- 4000 # Jumlah observasi
BPJS <- sample(c("BPJS PBI", "BPJS NON PBI"), n, replace = TRUE) # Define BPJS
Rawat <- sample(c("Rawat Jalan", "Rawat Inap"), n, replace = TRUE) # Define RAWAT
data_simulasi <- data.frame(BPJS = BPJS, Rawat = Rawat)

ggplot(data_simulasi) +
  geom_mosaic(aes(x = product(BPJS, Rawat), fill = BPJS)) +
  scale_fill_brewer(palette = "Set2") +
  labs(title = "Mosaic Plot: BPJS vs Rawat", 
       x = "Rawat", y = "BPJS") +
  theme_classic()
## Warning: The `scale_name` argument of `continuous_scale()` is deprecated as of ggplot2
## 3.5.0.
## This warning is displayed once every 8 hours.
## Call `lifecycle::last_lifecycle_warnings()` to see where this warning was
## generated.
## Warning: The `trans` argument of `continuous_scale()` is deprecated as of ggplot2 3.5.0.
## ℹ Please use the `transform` argument instead.
## This warning is displayed once every 8 hours.
## Call `lifecycle::last_lifecycle_warnings()` to see where this warning was
## generated.
## Warning: `unite_()` was deprecated in tidyr 1.2.0.
## ℹ Please use `unite()` instead.
## ℹ The deprecated feature was likely used in the ggmosaic package.
##   Please report the issue at <https://github.com/haleyjeppson/ggmosaic>.
## This warning is displayed once every 8 hours.
## Call `lifecycle::last_lifecycle_warnings()` to see where this warning was
## generated.

Interpretasi: Dilihat pada mosaicplot di atas bahwa masyarakat yang menggunakan BPJS PBI lebih banyak digunakan untuk berobat rawat inap dibandingkan rawat jalan sedangkan BPJS Non PBI lebih banyak digunakan untuk berobat rawat jalan dibandingkan rawat inap.