DATA

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(ggplot2)
Gdp <- read.csv("/Users/fauzanfajari/Desktop/Semester IV/VISDAT/gdp_1960_2020.csv")
EUGdp <- Gdp %>% filter(state == "Europe", year == 2020)
fix <- EUGdp[, c(3,5)]
colnames(fix) <- c("region", "gdp")
fix
##                    region          gdp
## 1                 Germany 3.806060e+12
## 2          United Kingdom 2.707744e+12
## 3                  France 2.603004e+12
## 4                   Italy 1.886445e+12
## 5                  Russia 1.483498e+12
## 6                   Spain 1.281199e+12
## 7             Netherlands 9.122423e+11
## 8             Switzerland 7.479686e+11
## 9                  Turkey 7.201012e+11
## 10                 Poland 5.941647e+11
## 11                 Sweden 5.376099e+11
## 12                Belgium 5.153325e+11
## 13                Austria 4.289654e+11
## 14                Ireland 4.186218e+11
## 15                 Norway 3.620090e+11
## 16                Denmark 3.551840e+11
## 17                Finland 2.712339e+11
## 18                Romania 2.487156e+11
## 19                  Czech 2.435304e+11
## 20               Portugal 2.312556e+11
## 21                 Greece 1.894101e+11
## 22                Ukraine 1.555820e+11
## 23                Hungary 1.550129e+11
## 24               Slovakia 1.045741e+11
## 25             Luxembourg 7.326398e+10
## 26               Bulgaria 6.910510e+10
## 27                Belarus 6.025824e+10
## 28                Croatia 5.596658e+10
## 29              Lithuania 5.588727e+10
## 30                 Serbia 5.296013e+10
## 31               Slovenia 5.288047e+10
## 32                 Latvia 3.350519e+10
## 33                Estonia 3.102997e+10
## 34                 Cyprus 2.380434e+10
## 35                Iceland 2.171467e+10
## 36 Bosnia and Herzegovina 1.978842e+10
## 37                Albania 1.479962e+10
## 38                  Malta 1.464738e+10
## 39              Macedonia 1.226695e+10
## 40                Moldova 1.191404e+10
## 41             Montenegro 4.778582e+09
dataworld <- map_data("world") 
join <- left_join(dataworld, fix, by="region")
df <- join %>% filter(!is.na(join$gdp))
head(df)
##       long      lat group order  region subregion         gdp
## 1 20.06396 42.54727     6   770 Albania      <NA> 14799615097
## 2 20.10352 42.52466     6   771 Albania      <NA> 14799615097
## 3 20.18574 42.42588     6   772 Albania      <NA> 14799615097
## 4 20.24053 42.33897     6   773 Albania      <NA> 14799615097
## 5 20.34824 42.30879     6   774 Albania      <NA> 14799615097
## 6 20.40830 42.27495     6   775 Albania      <NA> 14799615097

Data yang digunakan adalah data besar GDP negara-negara di Eropa dari tahun 1960-2020 yang bersumber dari kaggle. variabel yang digunakan pada dataset tersebut adalah variabel Country dan GDP

Sebaran Besar GDP di Eropa pada Tahun 2020

ggplot(df, aes( x = long, y = lat, group=group)) +
  geom_polygon(aes(fill = gdp), color = "black")+ 
  scale_fill_gradient(name = "GDP", low = "yellow", high =  "red", 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())

Berdasarkan data yang diperoleh dari eksplorasi plot geospasial sebaran GDP negara-negara di Eropa, terlihat bahwa Jerman menjadi negara dengan GDP tertinggi di Eropa pada tahun 2020. Dan Moldova menjadi negara di Eropa dengan GDP terkecil.

Grafik Perkembangan GDP di Jerman

# Create a function to generate random walk time series data
generate_random_walk <- function(n, start = 0, sd = 1) {
  steps <- rnorm(n, mean = 0, sd = sd)
  walk <- cumsum(steps) + start
  return(walk)
}

# Create the time series data using random walk
set.seed(123)
dates <- seq(as.Date("1970-01-01"), by = "year", length.out = 51)
x <- Gdp %>% filter(country == "Germany")
values <- x$gdp
time_series_data <- data.frame(date = dates, value = values)


ggplot(time_series_data, aes(x = date, y = value)) +
  geom_line() +
  labs(title = "Random Walk Time Series Plot",
       x = "Date",
       y = "Value")

dalam rentang 1970 - 2020, terjadi kenaikan pada GDP di Jerman. meskipun pada tahun-tahun tertentu terjadi penurunan, akan terjadi lonjakan kenaikan GDP pada tahun-tahun berikutnya.

Perbandingan GDP Jerman dengan Perancis

pr <- Gdp %>% filter(country == "France")
y <- pr %>% slice(11:61)
values2 <- y$gdp

time_series_data2 <- data.frame(date = dates, value = values2)

ggplot() +
  geom_line(data = time_series_data, aes(x = date, y = value, color = "Jerman")) +
  geom_line(data = time_series_data2, aes(x = date, y = value * 2, color = "Perancis")) +
  scale_color_manual(values = c("blue", "red")) +
  labs(title = "Time Series Data for Two Locations/Scenarios",
       x = "YEAR",
       y = "In Germany") +
  theme_minimal() +
  theme(axis.title.y = element_text(color = "blue"),
        axis.title.y.right = element_text(color = "red"),
        axis.text.y.right = element_text(color = "red")) + scale_y_continuous(sec.axis = sec_axis(~./2, name = "In France")) + labs(color = "Locations")

Berikut adalah pebandingan perkembangan GDP Jerman dengan Perancis sebagai negara dengan GDP tertinggi ke-3 pada tahun 2020.