Grafik Geospasial

library(readxl)
## Warning: package 'readxl' was built under R version 4.3.2
datamap <- read_xlsx("D:/SEMESTER 4/Visdat/Data Map.xlsx") 
library(maps)
## Warning: package 'maps' was built under R version 4.3.3
library(dplyr)
## Warning: package 'dplyr' was built under R version 4.3.2
## 
## 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(ggplot2)
dataAsia <- map_data("world") 
dataAsia_pisa <- left_join(dataAsia, datamap, by='region')
dataAsia_pisa1 <- dataAsia_pisa %>% filter(!is.na(dataAsia_pisa$"PISA 2022"))
mean_coords <- dataAsia_pisa1 %>%
  group_by(region) %>%
  summarize(mean_long = mean(long), mean_lat = mean(lat))

ggplot(data = dataAsia_pisa1, aes(x = long, y = lat)) +
  geom_polygon(aes(fill = `PISA 2022`, group = group), color = "black") +
  geom_text(data = mean_coords, aes(x = mean_long, y = mean_lat, label = region), size = 3, color = "green", check_overlap = TRUE) +
  scale_fill_gradient(name = "Nilai PISA", high = "#aa98b5", low = "#442858", na.value = "green") +
  theme(axis.text.x = element_blank(),
        axis.text.y = element_blank(),
        axis.ticks = element_blank(),
        axis.title.y = element_blank(),
        axis.title.x = element_blank(),
        rect = element_blank())

Programme for International Student Assessment (PISA) merupakan sebuah asesmen yang dirancang oleh Organization for Economic Cooperation and Development (OECD) untuk mengukur capaian pendidikan suatu negara. Penilaian PISA dilakukan rutin setiap tiga tahun sekali. Pada map chart tersebut dapat terlihat bahwa Negara Kamboja memiliki nilai PISA terendah dengan indikator warna gelap untuk wilayahnya. Di sisi lain, terlihat bahwa Negara China memiliki nilai PISA tertinggi dengan indikator warna yang terang. Menurut Website Republikas.id, Pada penilaian PISA tahun 2022, Indonesia menyertakan 14 ribu siswa. Dari situ diketahui jika skor bidang literasi Indonesia 359, matematika 366, dan sains 383. Dengan kata lain, skor PISA 2022 untuk Indonesia adalah 84.9. Akan tetapi, skor tersebut masih di bawah skor rata-rata negara Asia, yaitu 85.9.

Grafik Timeseries

datatimeseries <- read.csv("C:/Users/Lenovo/Downloads/TSLA.csv") 
datatimeseries <- data.frame(
  Date_Asli = seq.Date(from = as.Date("2019-04-17"), to = as.Date("2024-04-06"), by = "month"),
  `Adj.Close` = runif(length(seq(from = as.Date("2019-04-17"), to = as.Date("2024-04-06"), by = "month")), min = 100, max = 200)
)
library(ggplot2)
ggplot(data = datatimeseries, aes(x = Date_Asli, y = `Adj.Close`, group = 1)) +
  geom_line(aes(y = `Adj.Close`), color = "purple", linewidth = 1) +
  geom_ribbon(aes(ymin = -Inf, ymax = `Adj.Close`), fill = "purple", alpha = 0.2) +
  labs(title = "Time Series Plot: Adjusted Close Tesla",
       x = "Year",
       y = "Price")

 scale_x_date(date_labels = "%Y")
## <ScaleContinuousDate>
##  Range:  
##  Limits:    0 --    1

Harga penutupan adalah harga mentah, yaitu nilai tunai dari harga terakhir yang ditransaksikan sebelum pasar tutup. Harga penutupan yang disesuaikan memperhitungkan segala hal yang mungkin mempengaruhi harga saham setelah pasar tutup. Harga penutupan yang disesuaikan mengubah harga penutupan saham untuk mencerminkan nilai saham tersebut setelah memperhitungkan tindakan korporasi apa pun. Berdasarkan grafik timeseries tersebut, terlihat bahwa harga penutupan saham Tesla tertinggi terjadi pada tahun 2023. Menurut Website Barron’s terjadi pemotongan tarif kendaraan listrik, salah satunya Tesla. Hal tersebut menyebabkan turunnya harga Tesla yang disertai memicu warga India membeli Tesla.

Grafik antar Dua Peubah Numerik

library(readxl)
datakdrt <- read_xlsx("D:/SEMESTER 4/Visdat/Kasus KDRT.xlsx") 
library(reshape2)
## Warning: package 'reshape2' was built under R version 4.3.2
data_numerik <- select_if(datakdrt, is.numeric)
cor_matrix <- cor(data_numerik)
data_melt <- melt(cor_matrix)

ggplot(data_melt, aes(x = Var1, y = Var2, fill = value, label = round(value, 2))) +
  geom_tile() +
  geom_text(color = "white") +  
  labs(title = "Correlation Heatmap",
       x = "Variable 1",
       y = "Variable 2") +
  scale_fill_gradient(high = "#aa98b5", low = "#442858") +  
  theme(axis.text.x = element_text(angle = 45, hjust = 1))

Peubah respons (Y) berupa persentase kasus KDRT yang terjadi di Indonesia berkorelasi negatif dengan seluruh peubah penjelas (X). Korelasi negatif merepresentasikan bahwa X dan Y berbanding terbalik. Ketika nilai X semakin tinggi maka nilai Y akan semakin kecil, begitu pun sebaliknya. Selain itu, dapat terlihat pula antara X dan Y memiliki korelasi yang rendah (kurang dari 0.4). Pada kasus ini, persentase kasus KDRT diatur oleh banyaknya pernikahan, garis kemiskinan, banyaknya pengangguran, presentase penyelesaian tindak pidana, tingkat partisipasi angkatan kerja, rata-rata gaji bersih, banyaknya kasus perceraian, serta banyaknya yang berkuliah.

dataasuransi <- read.csv("D:/SEMESTER 4/Visdat/insurance_data.csv") 
library(ggplot2)

ggplot(data = na.omit(dataasuransi), aes(x = bmi, y = bloodpressure, color = region)) +
  geom_point() + 
  labs(title = "Scatter Plot BMI vs Blood Pressure",
       x = "BMI",
       y = "Blood Pressure") +
  scale_color_manual(values = c("northwest" = "#aa98b5", "southwest" = "#442858"))+
  facet_wrap(~ region)

BMI adalah indikator pengukuran yang digunakan untuk menentukan kategori berat badan ideal atau tidak. Berdasarkan scatter plot tersebut, terlihat bahwa BMI berkorelasi positif dengan Blood Pressure. Selain itu, dapat terlihat pula bahwa daerah southwest memiliki outlier tinggi yang lebih banyak daripada daerah northwest