SCRAPING DATA BMKG DAN JOBSTREET
Tasya Anisah Rizqi
23 Juni 2024
PROSES SCRAPING
library(rvest)## Warning: package 'rvest' was built under R version 4.3.3library(httr)## Warning: package 'httr' was built under R version 4.3.3library(tidyverse)## Warning: package 'ggplot2' was built under R version 4.3.3## Warning: package 'purrr' was built under R version 4.3.3## ── Attaching core tidyverse packages ──────────────────────── tidyverse 2.0.0 ──
## ✔ dplyr 1.1.3 ✔ readr 2.1.4
## ✔ forcats 1.0.0 ✔ stringr 1.5.0
## ✔ ggplot2 3.5.0 ✔ tibble 3.2.1
## ✔ lubridate 1.9.2 ✔ tidyr 1.3.0
## ✔ purrr 1.0.2
## ── Conflicts ────────────────────────────────────────── tidyverse_conflicts() ──
## ✖ dplyr::filter() masks stats::filter()
## ✖ readr::guess_encoding() masks rvest::guess_encoding()
## ✖ dplyr::lag() masks stats::lag()
## ℹ Use the conflicted package (<http://conflicted.r-lib.org/>) to force all conflicts to become errorsBMKG
url_cuaca <- "https://www.bmkg.go.id/cuaca/prakiraan-cuaca-indonesia.bmkg"
webpage_1 <- read_html(url_cuaca)# Misalkan kita ingin mengekstrak tabel prakiraan cuaca
tabel_prakiraan <- webpage_1 %>%
html_nodes("table") %>%
html_table(fill = TRUE)
# Convert list ke dataframe
df_prakiraan_1 <- tabel_prakiraan[[1]]# Simpan data ke file CSV
cuaca_22_06_24 <- df_prakiraan_1
write.csv(cuaca_22_06_24, "cuaca_22_06_24.csv", row.names = FALSE)JOBSTREET
url_jobstreet <- "https://www.jobstreet.co.id/companies"
webpage_2 <- read_html(url_jobstreet)# Ekstrak judul pekerjaan
companies <- webpage_2 %>%
html_nodes("._1cyi0rr5") %>% # Ganti dengan selector CSS yang sesuai
html_text()
# Membuat dataframe
df_jobstreet <- data.frame(
Companies = companies,
stringsAsFactors = FALSE
)library(stringr)
# Definisikan regex untuk mengekstrak informasi perusahaan
pattern <- "([A-Za-z &-]+\\d(?:\\.\\d)? \\· \\d+ Reviews\\d+ Jobs)"
# Ekstrak pola yang sesuai
extracted_info <- str_extract_all(df_jobstreet$Companies, pattern)
# Bentuk ulang menjadi data frame dengan satu kolom per baris
df_jobstreet <- data.frame(info = unlist(extracted_info))# Pisahkan teks menjadi empat kolom
df_jobstreet <- df_jobstreet %>%
mutate(
Company = str_extract(info, "^[A-Za-z &-]+"), # Ekstrak nama perusahaan
Rating = str_extract(info, "\\d+(\\.\\d)?"), # Ekstrak rating
Reviews = str_extract(info, "\\d+ Reviews"), # Ekstrak ulasan
Jobs = str_extract(info, "\\d+ Jobs") # Ekstrak jumlah pekerjaan
)
df_jobstreet <- df_jobstreet %>% select(-info)# Simpan data ke file CSV
write.csv(df_jobstreet, "jobstreet_22_06_24.csv", row.names = FALSE)HASIL SCRAPING
BMKG
bmkg_15 <- read.csv("cuaca_15_06_24.csv")
bmkg_16 <- read.csv("cuaca_16_06_24.csv")
bmkg_17 <- read.csv("cuaca_17_06_24.csv")
bmkg_18 <- read.csv("cuaca_18_06_24.csv")
bmkg_19 <- read.csv("cuaca_19_06_24.csv")
bmkg_20 <- read.csv("cuaca_20_06_24.csv")
bmkg_21 <- read.csv("cuaca_21_06_24.csv")modify_dataframe <- function(df) {
df <- df[c(3, 2, 1, 4:nrow(df)), ]
df <- df[-c(1, 2), ]
rownames(df) <- NULL
colnames(df) <- c("Kota", "Pagi", "Siang", "Malam", "Dini_Hari", "Suhu", "Kelembapan")
return(df)
}
bmkg <- list(bmkg_15, bmkg_16, bmkg_17, bmkg_18, bmkg_19, bmkg_20, bmkg_21)
data_bmkg <- lapply(bmkg, modify_dataframe)
bmkg_15 <- data_bmkg[[1]]
bmkg_16 <- data_bmkg[[2]]
bmkg_17 <- data_bmkg[[3]]
bmkg_18 <- data_bmkg[[4]]
bmkg_19 <- data_bmkg[[5]]
bmkg_20 <- data_bmkg[[6]]
bmkg_21 <- data_bmkg[[7]]Menampilkan Data Scraping
library(dplyr)
# Menyimpan dataset dalam list
bmkg <- list(bmkg_15, bmkg_16, bmkg_17, bmkg_18, bmkg_19, bmkg_20, bmkg_21)
# Membuat urutan tanggal dari 15 Juni 2024 hingga 21 Juni 2024
dates <- seq(ymd("2024-06-15"), by = "days", length.out = length(bmkg))
# Menggabungkan semua dataset dalam list menjadi satu dataset besar dan menambahkan kolom tanggal
data_bmkg <- bind_rows(bmkg, .id = "Tanggal") %>%
mutate(Tanggal = dates[as.numeric(Tanggal)])
data_bmkg## Tanggal Kota Pagi Siang Malam
## 1 2024-06-15 Banda Aceh Cerah Cerah Cerah
## 2 2024-06-15 Denpasar Cerah Berawan Cerah Berawan Cerah Berawan
## 3 2024-06-15 Serang Cerah Berawan Hujan Ringan Hujan Sedang
## 4 2024-06-15 Bengkulu Berawan Hujan Ringan Hujan Petir
## 5 2024-06-15 Yogyakarta Cerah Berawan Hujan Ringan Berawan
## 6 2024-06-15 Jakarta Pusat Berawan Cerah Berawan Hujan Ringan
## 7 2024-06-15 Gorontalo Hujan Ringan Berawan Berawan
## 8 2024-06-15 Jambi Kabut Hujan Petir Berawan
## 9 2024-06-15 Bandung Cerah Berawan Hujan Petir Hujan Sedang
## 10 2024-06-15 Semarang Berawan Berawan Hujan Ringan
## 11 2024-06-15 Surabaya Berawan Cerah Berawan Cerah Berawan
## 12 2024-06-15 Pontianak Cerah Berawan Hujan Sedang Cerah Berawan
## 13 2024-06-15 Banjarmasin Cerah Berawan Hujan Petir Berawan
## 14 2024-06-15 Palangkaraya Berawan Berawan Berawan
## 15 2024-06-15 Samarinda Berawan Cerah Berawan Berawan
## 16 2024-06-15 Tarakan Cerah Berawan Cerah Berawan Hujan Ringan
## 17 2024-06-15 Pangkal Pinang Berawan Cerah Berawan Berawan
## 18 2024-06-15 Tanjung Pinang Berawan Hujan Petir Berawan
## 19 2024-06-15 Bandar Lampung Cerah Berawan Cerah Berawan Hujan Ringan
## 20 2024-06-15 Ambon Hujan Ringan Hujan Ringan Hujan Sedang
## 21 2024-06-15 Ternate Berawan Hujan Ringan Cerah Berawan
## 22 2024-06-15 Mataram Cerah Berawan Cerah Berawan Cerah Berawan
## 23 2024-06-15 Kupang Cerah Berawan Cerah Berawan Cerah Berawan
## 24 2024-06-15 Kota Jayapura Berawan Hujan Ringan Hujan Ringan
## 25 2024-06-15 Manokwari Berawan Hujan Ringan Hujan Ringan
## 26 2024-06-15 Pekanbaru Kabut Berawan Hujan Ringan
## 27 2024-06-15 Mamuju Cerah Berawan Berawan Berawan
## 28 2024-06-15 Makassar Cerah Berawan Cerah Berawan Berawan
## 29 2024-06-15 Kendari Berawan Hujan Ringan Berawan
## 30 2024-06-15 Manado Cerah Berawan Hujan Ringan Cerah Berawan
## 31 2024-06-15 Padang Cerah Berawan Hujan Ringan Berawan
## 32 2024-06-15 Palembang Berawan Berawan Hujan Ringan
## 33 2024-06-15 Medan Cerah Berawan Cerah Berawan Hujan Lebat
## 34 2024-06-16 Banda Aceh Cerah Berawan Cerah Cerah Berawan
## 35 2024-06-16 Denpasar Cerah Berawan Berawan Berawan
## 36 2024-06-16 Serang Berawan Tebal Hujan Ringan Berawan
## 37 2024-06-16 Bengkulu Berawan Hujan Ringan Hujan Ringan
## 38 2024-06-16 Yogyakarta Cerah Berawan Cerah Berawan Cerah Berawan
## 39 2024-06-16 Jakarta Pusat Berawan Cerah Berawan Berawan
## 40 2024-06-16 Gorontalo Cerah Berawan Hujan Lebat Cerah Berawan
## 41 2024-06-16 Jambi Kabut Hujan Ringan Hujan Petir
## 42 2024-06-16 Bandung Cerah Cerah Berawan Cerah Berawan
## 43 2024-06-16 Semarang Berawan Berawan Berawan
## 44 2024-06-16 Surabaya Cerah Berawan Cerah Cerah
## 45 2024-06-16 Pontianak Berawan Cerah Berawan Berawan
## 46 2024-06-16 Banjarmasin Berawan Hujan Sedang Berawan
## 47 2024-06-16 Palangkaraya Cerah Berawan Berawan Berawan
## 48 2024-06-16 Samarinda Berawan Tebal Berawan Cerah Berawan
## 49 2024-06-16 Tarakan Cerah Berawan Cerah Berawan Cerah Berawan
## 50 2024-06-16 Pangkal Pinang Cerah Berawan Hujan Ringan Hujan Ringan
## 51 2024-06-16 Tanjung Pinang Hujan Ringan Hujan Ringan Berawan
## 52 2024-06-16 Bandar Lampung Hujan Ringan Cerah Cerah
## 53 2024-06-16 Ambon Hujan Ringan Hujan Ringan Berawan
## 54 2024-06-16 Ternate Berawan Berawan Hujan Sedang
## 55 2024-06-16 Mataram Cerah Cerah Berawan Cerah Berawan
## 56 2024-06-16 Kupang Cerah Cerah Cerah Berawan
## 57 2024-06-16 Kota Jayapura Berawan Hujan Ringan Berawan
## 58 2024-06-16 Manokwari Berawan Hujan Ringan Berawan
## 59 2024-06-16 Pekanbaru Kabut Hujan Ringan Berawan Tebal
## 60 2024-06-16 Mamuju Hujan Ringan Berawan Hujan Sedang
## 61 2024-06-16 Makassar Cerah Berawan Hujan Ringan Berawan
## 62 2024-06-16 Kendari Berawan Hujan Ringan Berawan
## 63 2024-06-16 Manado Berawan Hujan Lebat Cerah Berawan
## 64 2024-06-16 Padang Berawan Hujan Petir Hujan Petir
## 65 2024-06-16 Palembang Cerah Berawan Berawan Tebal Hujan Ringan
## 66 2024-06-16 Medan Berawan Cerah Berawan Hujan Lebat
## 67 2024-06-17 Banda Aceh Berawan Berawan Berawan
## 68 2024-06-17 Denpasar Cerah Berawan Cerah Berawan Cerah Berawan
## 69 2024-06-17 Serang Berawan Hujan Ringan Berawan
## 70 2024-06-17 Bengkulu Berawan Berawan Hujan Ringan
## 71 2024-06-17 Yogyakarta Cerah Berawan Cerah Berawan Berawan
## 72 2024-06-17 Jakarta Pusat Cerah Berawan Cerah Berawan Berawan
## 73 2024-06-17 Gorontalo Hujan Ringan Berawan Cerah Berawan
## 74 2024-06-17 Jambi Kabut Hujan Ringan Berawan
## 75 2024-06-17 Bandung Cerah Berawan Cerah Berawan Cerah Berawan
## 76 2024-06-17 Semarang Cerah Berawan Berawan Berawan
## 77 2024-06-17 Surabaya Cerah Cerah Berawan Cerah Berawan
## 78 2024-06-17 Pontianak Hujan Ringan Hujan Petir Berawan
## 79 2024-06-17 Banjarmasin Cerah Berawan Hujan Petir Berawan
## 80 2024-06-17 Palangkaraya Berawan Berawan Hujan Ringan
## 81 2024-06-17 Samarinda Berawan Berawan Cerah Berawan
## 82 2024-06-17 Tarakan Cerah Berawan Cerah Berawan Cerah
## 83 2024-06-17 Pangkal Pinang Hujan Ringan Hujan Ringan Hujan Ringan
## 84 2024-06-17 Tanjung Pinang Hujan Ringan Berawan Berawan
## 85 2024-06-17 Bandar Lampung Kabut Berawan Berawan
## 86 2024-06-17 Ambon Berawan Berawan Berawan
## 87 2024-06-17 Ternate Berawan Berawan Tebal Hujan Ringan
## 88 2024-06-17 Mataram Cerah Berawan Cerah Berawan Cerah Berawan
## 89 2024-06-17 Kupang Cerah Berawan Cerah Cerah Berawan
## 90 2024-06-17 Kota Jayapura Berawan Berawan Hujan Sedang
## 91 2024-06-17 Manokwari Hujan Ringan Berawan Hujan Ringan
## 92 2024-06-17 Pekanbaru Kabut Cerah Berawan Cerah Berawan
## 93 2024-06-17 Mamuju Hujan Lebat Hujan Lebat Berawan
## 94 2024-06-17 Makassar Cerah Berawan Cerah Berawan Berawan
## 95 2024-06-17 Kendari Berawan Berawan Berawan
## 96 2024-06-17 Manado Hujan Sedang Berawan Berawan
## 97 2024-06-17 Padang Cerah Cerah Cerah Berawan
## 98 2024-06-17 Palembang Kabut Berawan Cerah Berawan
## 99 2024-06-17 Medan Cerah Berawan Berawan Hujan Ringan
## 100 2024-06-18 Banda Aceh Berawan Hujan Ringan Berawan
## 101 2024-06-18 Denpasar Cerah Berawan Cerah Berawan Cerah Berawan
## 102 2024-06-18 Serang Berawan Berawan Berawan
## 103 2024-06-18 Bengkulu Hujan Ringan Berawan Hujan Sedang
## 104 2024-06-18 Yogyakarta Berawan Berawan Berawan
## 105 2024-06-18 Jakarta Pusat Berawan Berawan Cerah
## 106 2024-06-18 Gorontalo Hujan Ringan Cerah Berawan Berawan
## 107 2024-06-18 Jambi Kabut Hujan Ringan Hujan Ringan
## 108 2024-06-18 Bandung Cerah Berawan Cerah Berawan Berawan
## 109 2024-06-18 Semarang Berawan Cerah Berawan Berawan
## 110 2024-06-18 Surabaya Cerah Berawan Cerah Cerah Berawan
## 111 2024-06-18 Pontianak Berawan Berawan Tebal Berawan
## 112 2024-06-18 Banjarmasin Cerah Berawan Hujan Ringan Berawan Tebal
## 113 2024-06-18 Palangkaraya Berawan Hujan Ringan Hujan Ringan
## 114 2024-06-18 Samarinda Cerah Berawan Hujan Ringan Hujan Petir
## 115 2024-06-18 Tarakan Cerah Berawan Cerah Berawan Berawan
## 116 2024-06-18 Pangkal Pinang Berawan Hujan Petir Cerah Berawan
## 117 2024-06-18 Tanjung Pinang Cerah Berawan Hujan Sedang Cerah Berawan
## 118 2024-06-18 Bandar Lampung Berawan Berawan Berawan
## 119 2024-06-18 Ambon Berawan Berawan Berawan
## 120 2024-06-18 Ternate Berawan Berawan Tebal Hujan Ringan
## 121 2024-06-18 Mataram Cerah Berawan Berawan Cerah Berawan
## 122 2024-06-18 Kupang Cerah Cerah Cerah
## 123 2024-06-18 Kota Jayapura Berawan Berawan Hujan Ringan
## 124 2024-06-18 Manokwari Berawan Berawan Berawan
## 125 2024-06-18 Pekanbaru Kabut Cerah Berawan Cerah Berawan
## 126 2024-06-18 Mamuju Berawan Cerah Berawan Hujan Lebat
## 127 2024-06-18 Makassar Cerah Berawan Cerah Berawan
## 128 2024-06-18 Kendari Hujan Ringan Berawan Berawan
## 129 2024-06-18 Manado Cerah Berawan Hujan Petir Cerah Berawan
## 130 2024-06-18 Padang Cerah Berawan Cerah Berawan Cerah Berawan
## 131 2024-06-18 Palembang Cerah Berawan Hujan Ringan Cerah Berawan
## 132 2024-06-18 Medan Cerah Berawan Hujan Sedang Hujan Lebat
## 133 2024-06-19 Banda Aceh Berawan Cerah Berawan Cerah Berawan
## 134 2024-06-19 Denpasar Cerah Berawan Cerah Berawan Cerah Berawan
## 135 2024-06-19 Serang Cerah Berawan Cerah Berawan Berawan
## 136 2024-06-19 Bengkulu Berawan Hujan Ringan Berawan
## 137 2024-06-19 Yogyakarta Cerah Berawan Berawan Cerah Berawan
## 138 2024-06-19 Jakarta Pusat Cerah Berawan Cerah Berawan Cerah Berawan
## 139 2024-06-19 Gorontalo Berawan Berawan Tebal Berawan
## 140 2024-06-19 Jambi Berawan Berawan Hujan Petir
## 141 2024-06-19 Bandung Cerah Berawan Cerah Berawan Berawan
## 142 2024-06-19 Semarang Cerah Berawan Cerah Berawan Berawan
## 143 2024-06-19 Surabaya Cerah Cerah Berawan Cerah Berawan
## 144 2024-06-19 Pontianak Hujan Ringan Cerah Berawan Cerah Berawan
## 145 2024-06-19 Banjarmasin Berawan Hujan Petir Berawan
## 146 2024-06-19 Palangkaraya Berawan Berawan Berawan
## 147 2024-06-19 Samarinda Hujan Ringan Hujan Ringan Hujan Ringan
## 148 2024-06-19 Tarakan Berawan Cerah Berawan Hujan Petir
## 149 2024-06-19 Pangkal Pinang Hujan Ringan Berawan Cerah Berawan
## 150 2024-06-19 Tanjung Pinang Hujan Ringan Hujan Ringan Berawan
## 151 2024-06-19 Bandar Lampung Cerah Berawan Berawan Cerah Berawan
## 152 2024-06-19 Ambon Berawan Hujan Ringan Berawan
## 153 2024-06-19 Ternate Cerah Berawan Hujan Ringan Hujan Ringan
## 154 2024-06-19 Mataram Cerah Berawan Berawan
## 155 2024-06-19 Kupang Cerah Berawan Cerah Berawan Cerah Berawan
## 156 2024-06-19 Kota Jayapura Cerah Berawan Berawan Tebal Cerah Berawan
## 157 2024-06-19 Manokwari Hujan Ringan Hujan Ringan Berawan
## 158 2024-06-19 Pekanbaru Berawan Hujan Ringan Berawan Tebal
## 159 2024-06-19 Mamuju Cerah Berawan Berawan Hujan Ringan
## 160 2024-06-19 Makassar Cerah Berawan Cerah Berawan Berawan
## 161 2024-06-19 Kendari Berawan Cerah Berawan Berawan
## 162 2024-06-19 Manado Hujan Petir Hujan Ringan Berawan
## 163 2024-06-19 Padang Cerah Berawan Hujan Petir Hujan Ringan
## 164 2024-06-19 Palembang Cerah Berawan Cerah Berawan Cerah Berawan
## 165 2024-06-19 Medan Cerah Berawan Hujan Sedang Hujan Sedang
## 166 2024-06-20 Banda Aceh Cerah Berawan Cerah Cerah
## 167 2024-06-20 Denpasar Cerah Berawan Cerah Berawan Cerah Berawan
## 168 2024-06-20 Serang Cerah Berawan Cerah Berawan Cerah Berawan
## 169 2024-06-20 Bengkulu Hujan Ringan Berawan Hujan Ringan
## 170 2024-06-20 Yogyakarta Cerah Berawan Cerah Berawan Cerah Berawan
## 171 2024-06-20 Jakarta Pusat Cerah Cerah Berawan Cerah
## 172 2024-06-20 Gorontalo Cerah Berawan Cerah Berawan Cerah Berawan
## 173 2024-06-20 Jambi Kabut Hujan Petir Hujan Petir
## 174 2024-06-20 Bandung Cerah Berawan Cerah Berawan Berawan
## 175 2024-06-20 Semarang Cerah Berawan Cerah Berawan Berawan
## 176 2024-06-20 Surabaya Cerah Cerah Cerah
## 177 2024-06-20 Pontianak Berawan Cerah Berawan Hujan Ringan
## 178 2024-06-20 Banjarmasin Cerah Berawan Hujan Ringan Cerah Berawan
## 179 2024-06-20 Palangkaraya Berawan Berawan Berawan
## 180 2024-06-20 Samarinda Berawan Berawan Cerah Berawan
## 181 2024-06-20 Tarakan Cerah Berawan Cerah Berawan Hujan Ringan
## 182 2024-06-20 Pangkal Pinang Hujan Ringan Berawan Cerah Berawan
## 183 2024-06-20 Tanjung Pinang Hujan Ringan Hujan Sedang Berawan
## 184 2024-06-20 Bandar Lampung Cerah Berawan Berawan Cerah Berawan
## 185 2024-06-20 Ambon Berawan Berawan Berawan
## 186 2024-06-20 Ternate Cerah Berawan Hujan Ringan Berawan
## 187 2024-06-20 Mataram Cerah Berawan Cerah Berawan Cerah Berawan
## 188 2024-06-20 Kupang Cerah Berawan Cerah Berawan Cerah Berawan
## 189 2024-06-20 Kota Jayapura Hujan Ringan Berawan Berawan
## 190 2024-06-20 Manokwari Berawan Hujan Ringan Cerah Berawan
## 191 2024-06-20 Pekanbaru Kabut Hujan Ringan Hujan Ringan
## 192 2024-06-20 Mamuju Berawan Berawan Berawan
## 193 2024-06-20 Makassar Cerah Berawan Berawan Cerah Berawan
## 194 2024-06-20 Kendari Cerah Berawan Cerah Berawan Cerah Berawan
## 195 2024-06-20 Manado Berawan Cerah Berawan Cerah Berawan
## 196 2024-06-20 Padang Cerah Berawan Hujan Petir Berawan
## 197 2024-06-20 Palembang Kabut Cerah Berawan Cerah Berawan
## 198 2024-06-20 Medan Cerah Berawan Hujan Ringan Hujan Lebat
## 199 2024-06-21 Banda Aceh Cerah Berawan Cerah Cerah
## 200 2024-06-21 Denpasar Cerah Berawan Cerah Berawan Cerah Berawan
## 201 2024-06-21 Serang Cerah Berawan Cerah Berawan Cerah Berawan
## 202 2024-06-21 Bengkulu Cerah Berawan Berawan Berawan
## 203 2024-06-21 Yogyakarta Cerah Berawan Cerah Berawan Cerah Berawan
## 204 2024-06-21 Jakarta Pusat Cerah Cerah Berawan Cerah Berawan
## 205 2024-06-21 Gorontalo Hujan Ringan Berawan Cerah Berawan
## 206 2024-06-21 Jambi Hujan Ringan Cerah Berawan Hujan Petir
## 207 2024-06-21 Bandung Cerah Berawan Cerah Berawan Cerah Berawan
## 208 2024-06-21 Semarang Cerah Berawan Berawan Cerah Berawan
## 209 2024-06-21 Surabaya Cerah Cerah Cerah
## 210 2024-06-21 Pontianak Cerah Berawan Cerah Berawan Cerah Berawan
## 211 2024-06-21 Banjarmasin Hujan Ringan Berawan Hujan Ringan
## 212 2024-06-21 Palangkaraya Berawan Berawan Berawan
## 213 2024-06-21 Samarinda Cerah Berawan Hujan Ringan Berawan
## 214 2024-06-21 Tarakan Cerah Berawan Hujan Ringan Cerah Berawan
## 215 2024-06-21 Pangkal Pinang Berawan Berawan Berawan
## 216 2024-06-21 Tanjung Pinang Berawan Berawan Hujan Sedang
## 217 2024-06-21 Bandar Lampung Cerah Berawan Cerah Berawan Berawan
## 218 2024-06-21 Ambon Hujan Ringan Berawan Tebal Berawan
## 219 2024-06-21 Ternate Hujan Ringan Berawan Hujan Ringan
## 220 2024-06-21 Mataram Berawan Berawan Cerah Berawan
## 221 2024-06-21 Kupang Cerah Berawan Cerah Berawan Cerah Berawan
## 222 2024-06-21 Kota Jayapura Berawan Berawan Berawan
## 223 2024-06-21 Manokwari Hujan Ringan Hujan Ringan Hujan Ringan
## 224 2024-06-21 Pekanbaru Berawan Berawan Hujan Ringan
## 225 2024-06-21 Mamuju Hujan Sedang Hujan Ringan Berawan
## 226 2024-06-21 Makassar Berawan Berawan Berawan
## 227 2024-06-21 Kendari Hujan Sedang Berawan Cerah Berawan
## 228 2024-06-21 Manado Hujan Ringan Berawan Cerah Berawan
## 229 2024-06-21 Padang Cerah Berawan Cerah Berawan Hujan Petir
## 230 2024-06-21 Palembang Cerah Berawan Cerah Berawan Cerah Berawan
## 231 2024-06-21 Medan Berawan Cerah Berawan Hujan Ringan
## Dini_Hari Suhu Kelembapan
## 1 Berawan Tebal 24 - 34 60 - 85
## 2 Cerah Berawan 24 - 33 70 - 90
## 3 Hujan Ringan 24 - 34 60 - 95
## 4 Hujan Petir 22 - 32 75 - 100
## 5 Berawan 25 - 32 65 - 95
## 6 Berawan Tebal 24 - 30 70 - 95
## 7 Cerah Berawan 23 - 33 65 - 95
## 8 Kabut 23 - 33 60 - 100
## 9 Berawan 20 - 27 55 - 95
## 10 Berawan 24 - 33 60 - 90
## 11 Berawan 26 - 33 55 - 90
## 12 Cerah Berawan 24 - 34 65 - 100
## 13 Cerah Berawan 24 - 33 60 - 95
## 14 Berawan 24 - 32 65 - 95
## 15 Berawan Tebal 24 - 28 85 - 100
## 16 Hujan Ringan 24 - 32 70 - 95
## 17 Hujan Ringan 24 - 33 65 - 100
## 18 Berawan 25 - 31 70 - 95
## 19 Cerah Berawan 23 - 32 55 - 100
## 20 Hujan Ringan 24 - 30 80 - 95
## 21 Cerah Berawan 23 - 31 70 - 100
## 22 Cerah Berawan 22 - 31 60 - 95
## 23 Cerah Berawan 23 - 33 50 - 90
## 24 Berawan Tebal 23 - 31 65 - 95
## 25 Berawan 24 - 31 65 - 95
## 26 Hujan Ringan 24 - 30 80 - 100
## 27 Hujan Ringan 25 - 32 70 - 95
## 28 Berawan 24 - 32 75 - 90
## 29 Cerah Berawan 24 - 32 70 - 95
## 30 Cerah Berawan 23 - 31 70 - 95
## 31 Hujan Ringan 23 - 30 75 - 95
## 32 Berawan 24 - 33 55 - 95
## 33 Berawan 24 - 33 70 - 95
## 34 Berawan 25 - 35 50 - 85
## 35 Cerah Berawan 24 - 31 65 - 90
## 36 Hujan Ringan 22 - 32 65 - 95
## 37 Hujan Sedang 24 - 32 75 - 95
## 38 Berawan 25 - 33 60 - 95
## 39 Cerah Berawan 24 - 29 80 - 95
## 40 Berawan 23 - 33 65 - 95
## 41 Hujan Ringan 23 - 33 60 - 100
## 42 Cerah Berawan 19 - 26 60 - 95
## 43 Berawan 24 - 33 60 - 90
## 44 Hujan Sedang 25 - 33 65 - 90
## 45 Hujan Ringan 23 - 34 55 - 100
## 46 Berawan 24 - 33 60 - 95
## 47 Berawan 24 - 34 55 - 95
## 48 Hujan Ringan 24 - 31 70 - 100
## 49 Berawan 23 - 32 70 - 100
## 50 Cerah Berawan 24 - 33 65 - 100
## 51 Hujan Ringan 24 - 31 70 - 95
## 52 Berawan 23 - 28 75 - 100
## 53 Cerah Berawan 24 - 30 80 - 95
## 54 Berawan 25 - 31 70 - 90
## 55 Cerah 22 - 32 60 - 95
## 56 Cerah Berawan 23 - 32 50 - 90
## 57 Berawan 23 - 31 65 - 95
## 58 Berawan 24 - 32 70 - 95
## 59 Kabut 24 - 29 80 - 100
## 60 Hujan Lebat 26 - 30 70 - 85
## 61 Berawan 24 - 33 65 - 90
## 62 Berawan 24 - 32 70 - 95
## 63 Berawan 23 - 31 65 - 95
## 64 Berawan 24 - 26 90 - 100
## 65 Hujan Ringan 23 - 33 60 - 100
## 66 Berawan 24 - 29 80 - 95
## 67 Cerah Berawan 24 - 33 55 - 90
## 68 Cerah Berawan 24 - 32 60 - 95
## 69 Berawan 23 - 33 60 - 95
## 70 Berawan 24 - 32 65 - 95
## 71 Berawan 25 - 33 60 - 95
## 72 Cerah Berawan 25 - 32 75 - 95
## 73 Cerah Berawan 23 - 33 65 - 95
## 74 Cerah Berawan 23 - 32 70 - 100
## 75 Cerah Berawan 17 - 32 55 - 95
## 76 Berawan 26 - 33 60 - 85
## 77 Cerah 25 - 33 60 - 85
## 78 Berawan 24 - 33 60 - 95
## 79 Hujan Ringan 24 - 33 60 - 95
## 80 Berawan 24 - 32 60 - 95
## 81 Kabut 24 - 31 70 - 100
## 82 Cerah Berawan 25 - 31 75 - 90
## 83 Hujan Petir 23 - 33 65 - 100
## 84 Hujan Ringan 24 - 32 65 - 95
## 85 Berawan 23 - 29 75 - 100
## 86 Berawan 24 - 30 75 - 95
## 87 Berawan Tebal 24 - 31 75 - 100
## 88 Cerah Berawan 22 - 31 60 - 95
## 89 Cerah Berawan 23 - 32 50 - 90
## 90 Berawan 23 - 31 65 - 95
## 91 Berawan 24 - 31 70 - 95
## 92 Kabut 24 - 30 75 - 100
## 93 Hujan Sedang 25 - 28 80 - 90
## 94 Berawan 25 - 33 65 - 85
## 95 Berawan 24 - 32 70 - 95
## 96 Berawan 22 - 32 70 - 95
## 97 Cerah Berawan 23 - 31 75 - 90
## 98 Hujan Ringan 23 - 29 80 - 100
## 99 Cerah Berawan 23 - 33 70 - 95
## 100 Cerah Berawan 25 - 33 55 - 80
## 101 Cerah Berawan 22 - 32 60 - 95
## 102 Cerah Berawan 23 - 34 55 - 95
## 103 Berawan 24 - 32 75 - 95
## 104 Berawan 23 - 31 65 - 95
## 105 Cerah Berawan 25 - 28 80 - 90
## 106 Cerah Berawan 23 - 33 60 - 95
## 107 Berawan 23 - 33 60 - 100
## 108 Cerah Berawan 20 - 32 55 - 95
## 109 Berawan 25 - 33 60 - 90
## 110 Cerah Berawan 26 - 32 60 - 95
## 111 Berawan 23 - 33 60 - 100
## 112 Berawan 24 - 33 60 - 95
## 113 Berawan 24 - 32 60 - 95
## 114 Hujan Petir 24 - 29 80 - 100
## 115 Cerah Berawan 24 - 31 75 - 95
## 116 Hujan Petir 23 - 32 70 - 100
## 117 Cerah Berawan 25 - 32 65 - 90
## 118 Cerah Berawan 23 - 28 80 - 100
## 119 Berawan 24 - 30 70 - 95
## 120 Hujan Ringan 24 - 31 75 - 100
## 121 Cerah Berawan 22 - 32 55 - 95
## 122 Cerah 22 - 33 55 - 90
## 123 Berawan 23 - 31 65 - 95
## 124 Hujan Ringan 24 - 32 65 - 95
## 125 Kabut 24 - 31 75 - 100
## 126 Hujan Lebat 23 - 32 65 - 90
## 127 Berawan 26 - 33 65 - 90
## 128 Berawan 24 - 31 75 - 95
## 129 Berawan 23 - 32 65 - 95
## 130 Cerah Berawan 23 - 31 75 - 85
## 131 Kabut 23 - 31 65 - 100
## 132 Hujan Ringan 23 - 32 65 - 95
## 133 Cerah Berawan 25 - 34 55 - 90
## 134 Cerah Berawan 23 - 32 60 - 90
## 135 Berawan 23 - 34 55 - 95
## 136 Berawan 23 - 32 75 - 95
## 137 Cerah Berawan 23 - 32 55 - 95
## 138 Cerah Berawan 25 - 32 60 - 85
## 139 Berawan 24 - 33 60 - 95
## 140 Kabut 23 - 33 60 - 100
## 141 Berawan 20 - 31 50 - 95
## 142 Berawan 24 - 35 55 - 85
## 143 Cerah Berawan 25 - 34 60 - 95
## 144 Berawan 24 - 33 60 - 95
## 145 Cerah Berawan 24 - 33 60 - 95
## 146 Berawan 24 - 33 60 - 95
## 147 Kabut 23 - 30 70 - 100
## 148 Hujan Ringan 24 - 33 75 - 90
## 149 Hujan Petir 24 - 32 65 - 100
## 150 Cerah Berawan 24 - 31 70 - 95
## 151 Cerah Berawan 23 - 29 75 - 100
## 152 Berawan 24 - 29 80 - 95
## 153 Berawan 24 - 31 70 - 100
## 154 Berawan 21 - 33 60 - 95
## 155 Cerah Berawan 23 - 33 50 - 90
## 156 Hujan Ringan 23 - 31 65 - 95
## 157 Berawan 24 - 31 70 - 95
## 158 Kabut 23 - 31 65 - 100
## 159 Berawan 23 - 32 65 - 90
## 160 Berawan 26 - 33 65 - 90
## 161 Cerah Berawan 24 - 32 70 - 95
## 162 Berawan 23 - 30 70 - 95
## 163 Cerah Berawan 24 - 31 80 - 95
## 164 Berawan 25 - 34 60 - 95
## 165 Berawan 23 - 33 65 - 95
## 166 Cerah 25 - 34 55 - 90
## 167 Cerah Berawan 25 - 31 55 - 85
## 168 Berawan 23 - 34 55 - 95
## 169 Berawan 24 - 32 80 - 95
## 170 Cerah Berawan 22 - 34 55 - 90
## 171 Cerah Berawan 25 - 31 60 - 85
## 172 Cerah 24 - 33 60 - 95
## 173 Kabut 23 - 33 60 - 100
## 174 Berawan 20 - 30 60 - 90
## 175 Berawan 24 - 34 50 - 85
## 176 Berawan 24 - 33 50 - 90
## 177 Berawan 24 - 34 60 - 100
## 178 Cerah Berawan 24 - 33 55 - 95
## 179 Berawan 24 - 32 60 - 95
## 180 Cerah Berawan 24 - 31 70 - 100
## 181 Hujan Petir 25 - 32 70 - 95
## 182 Berawan 24 - 32 65 - 100
## 183 Berawan 25 - 31 70 - 95
## 184 Cerah Berawan 23 - 29 75 - 100
## 185 Hujan Ringan 24 - 30 75 - 95
## 186 Berawan 24 - 32 65 - 90
## 187 Cerah Berawan 21 - 32 55 - 95
## 188 Cerah Berawan 23 - 32 50 - 90
## 189 Berawan 23 - 31 65 - 95
## 190 Berawan 24 - 31 65 - 95
## 191 Hujan Ringan 24 - 30 75 - 100
## 192 Berawan 24 - 31 65 - 90
## 193 Cerah Berawan 24 - 34 65 - 90
## 194 Berawan 24 - 32 70 - 95
## 195 Cerah Berawan 23 - 33 60 - 95
## 196 Berawan 24 - 27 85 - 95
## 197 Cerah Berawan 23 - 30 70 - 100
## 198 Hujan Ringan 24 - 33 70 - 95
## 199 Cerah Berawan 24 - 34 50 - 95
## 200 Cerah Berawan 24 - 32 60 - 85
## 201 Cerah Berawan 24 - 34 60 - 90
## 202 Cerah Berawan 25 - 33 70 - 90
## 203 Cerah Berawan 23 - 33 50 - 90
## 204 Cerah 25 - 31 60 - 90
## 205 Berawan 23 - 33 60 - 95
## 206 Berawan 24 - 32 70 - 100
## 207 Cerah Berawan 20 - 32 55 - 90
## 208 Berawan 25 - 34 50 - 85
## 209 Cerah 25 - 35 40 - 90
## 210 Berawan 23 - 33 65 - 100
## 211 Berawan 24 - 33 60 - 95
## 212 Berawan 23 - 34 55 - 95
## 213 Hujan Petir 24 - 29 80 - 95
## 214 Hujan Ringan 25 - 31 70 - 90
## 215 Berawan 24 - 31 65 - 100
## 216 Berawan 25 - 31 70 - 95
## 217 Cerah 21 - 30 65 - 100
## 218 Hujan Ringan 24 - 29 75 - 95
## 219 Hujan Ringan 23 - 32 70 - 100
## 220 Cerah Berawan 20 - 32 55 - 95
## 221 Cerah Berawan 21 - 32 50 - 95
## 222 Berawan 23 - 31 65 - 95
## 223 Berawan Tebal 24 - 31 65 - 95
## 224 Cerah Berawan 24 - 33 75 - 100
## 225 Hujan Ringan 25 - 30 70 - 95
## 226 Berawan 23 - 32 70 - 90
## 227 Berawan 24 - 30 75 - 95
## 228 Hujan Ringan 23 - 31 65 - 95
## 229 Cerah Berawan 24 - 31 75 - 90
## 230 Cerah Berawan 23 - 33 60 - 100
## 231 Cerah Berawan 23 - 32 70 - 95Menampilkan Rata-rata Pagi, Siang, Malam, dan Dini Hari serta Kategori Suhu dan Kelembapan
# Fungsi untuk mengubah nilai rentang menjadi nilai tengah
convert_range <- function(x) {
# Split rentang menjadi nilai terendah dan tertinggi
range_values <- strsplit(x, " - ")
min_value <- as.numeric(sapply(range_values, `[`, 1))
max_value <- as.numeric(sapply(range_values, `[`, 2))
# Kembalikan nilai tengah
return((min_value + max_value) / 2)
}
# Mengonversi variabel suhu dan kelembapan menjadi nilai numerik tengah
data_bmkg <- data_bmkg %>%
mutate(across(c(Suhu, Kelembapan), convert_range))
stat_mode <- function(x) {
uniq_x <- unique(x)
uniq_x[which.max(tabulate(match(x, uniq_x)))]
}
# Buat ringkasan berdasarkan kota
bmkg_by_city <- data_bmkg %>%
group_by(Kota) %>%
summarize(mean_pagi = stat_mode(Pagi),
mean_siang = stat_mode(Siang),
mean_malam = stat_mode(Malam),
mean_dini_hari = stat_mode(Dini_Hari),
mean_suhu = mean(Suhu),
mean_kelembapan = mean(Kelembapan))
# Menambahkan kolom kategori suhu
bmkg_by_city <- bmkg_by_city %>%
mutate(mean_suhu = case_when(
as.numeric(mean_suhu) < 10 ~ "Sangat Dingin",
as.numeric(mean_suhu) >= 10 & as.numeric(mean_suhu) < 15 ~ "Dingin",
as.numeric(mean_suhu) >= 15 & as.numeric(mean_suhu) < 20 ~ "Sejuk",
as.numeric(mean_suhu) >= 20 & as.numeric(mean_suhu) < 25 ~ "Sedang",
as.numeric(mean_suhu) >= 25 & as.numeric(mean_suhu) < 30 ~ "Hangat",
as.numeric(mean_suhu) >= 30 & as.numeric(mean_suhu) < 35 ~ "Panas",
as.numeric(mean_suhu) >= 35 ~ "Sangat Panas",
TRUE ~ "Tidak Diketahui" # Untuk menangani nilai yang tidak sesuai kategori di atas
)) %>%
mutate(mean_kelembapan = case_when(
as.numeric(mean_kelembapan) < 30 ~ "Sangat Kering",
as.numeric(mean_kelembapan) >= 30 & as.numeric(mean_kelembapan) < 40 ~ "Kering",
as.numeric(mean_kelembapan) >= 40 & as.numeric(mean_kelembapan) < 60 ~ "Sedang",
as.numeric(mean_kelembapan) >= 60 & as.numeric(mean_kelembapan) < 80 ~ "Lembap",
as.numeric(mean_kelembapan) >= 80 ~ "Sangat Lembap",
TRUE ~ "Tidak Diketahui" # Untuk menangani nilai yang tidak sesuai kategori di atas
))
bmkg_by_city## # A tibble: 33 × 7
## Kota mean_pagi mean_siang mean_malam mean_dini_hari mean_suhu
## <chr> <chr> <chr> <chr> <chr> <chr>
## 1 Ambon Berawan Hujan Ringan Berawan Hujan Ringan Hangat
## 2 Banda Aceh Cerah Berawan Cerah Cerah Cerah Berawan Hangat
## 3 Bandar Lampung Cerah Berawan Berawan Berawan Cerah Berawan Hangat
## 4 Bandung Cerah Berawan Cerah Beraw… Cerah Ber… Cerah Berawan Sedang
## 5 Banjarmasin Cerah Berawan Hujan Petir Berawan Cerah Berawan Hangat
## 6 Bengkulu Berawan Berawan Hujan Rin… Berawan Hangat
## 7 Denpasar Cerah Berawan Cerah Beraw… Cerah Ber… Cerah Berawan Hangat
## 8 Gorontalo Hujan Ringan Berawan Cerah Ber… Cerah Berawan Hangat
## 9 Jakarta Pusat Berawan Cerah Beraw… Berawan Cerah Berawan Hangat
## 10 Jambi Kabut Hujan Ringan Hujan Pet… Kabut Hangat
## # ℹ 23 more rows
## # ℹ 1 more variable: mean_kelembapan <chr>JOBSTREET
jobstreet_15 <- read.csv("jobstreet_15_06_24.csv")
jobstreet_16 <- read.csv("jobstreet_16_06_24.csv")
jobstreet_17 <- read.csv("jobstreet_17_06_24.csv")
jobstreet_18 <- read.csv("jobstreet_18_06_24.csv")
jobstreet_19 <- read.csv("jobstreet_19_06_24.csv")
jobstreet_20 <- read.csv("jobstreet_20_06_24.csv")
jobstreet_21 <- read.csv("jobstreet_21_06_24.csv")library(dplyr)
library(stringr)
remove_df <- function(df)
{
df %>%
mutate(Reviews = str_replace(Reviews, " Reviews", "")) %>%
mutate(Reviews = as.numeric(Reviews)) %>%
mutate(Jobs = str_replace(Jobs, " Jobs", "")) %>%
mutate(Jobs = as.numeric(Jobs))
}
# Terapkan fungsi remove_reviews ke masing-masing dataset
jobstreet_15 <- remove_df(jobstreet_15)
jobstreet_16 <- remove_df(jobstreet_16)
jobstreet_17 <- remove_df(jobstreet_17)
jobstreet_18 <- remove_df(jobstreet_18)
jobstreet_19 <- remove_df(jobstreet_19)
jobstreet_20 <- remove_df(jobstreet_20)
jobstreet_21 <- remove_df(jobstreet_21)Menampilkan Data Scraping
library(dplyr)
# Menyimpan dataset dalam list
jobstreet <- list(jobstreet_15, jobstreet_16, jobstreet_17, jobstreet_18, jobstreet_19, jobstreet_20,
jobstreet_21)
# Membuat urutan tanggal dari 15 Juni 2024 hingga 21 Juni 2024
dates <- seq(ymd("2024-06-15"), by = "days", length.out = length(jobstreet))
# Menggabungkan semua dataset dalam list menjadi satu dataset besar dan menambahkan kolom tanggal
data_jobstreet <- bind_rows(jobstreet, .id = "Tanggal") %>%
mutate(Tanggal = dates[as.numeric(Tanggal)])
data_jobstreet## Tanggal Company Rating Reviews Jobs
## 1 2024-06-15 Aeon Credit Service 4.0 44 13
## 2 2024-06-15 Gojek 4.3 213 62
## 3 2024-06-15 United Tractors 4.4 129 12
## 4 2024-06-15 Deloitte 4.2 30 25
## 5 2024-06-15 Nusantara Sakti Group 4.2 429 14
## 6 2024-06-15 EY 4.2 130 66
## 7 2024-06-15 PT Freeport Indonesia 4.7 133 4
## 8 2024-06-15 Manulife 4.2 149 23
## 9 2024-06-15 XL Axiata 4.3 264 23
## 10 2024-06-15 Panin Dai-Ichi Life 4.1 58 8
## 11 2024-06-15 RGE Indonesia 3.8 9 4
## 12 2024-06-15 Kanmo Group 3.5 29 20
## 13 2024-06-15 BFI Finance Indonesia 4.3 355 122
## 14 2024-06-15 Schneider Electric 4.5 147 11
## 15 2024-06-15 Finfleet 3.4 7 13
## 16 2024-06-16 Aeon Credit Service 4.0 44 13
## 17 2024-06-16 Metrodata 3.9 12 61
## 18 2024-06-16 Indomobil Finance 3.9 133 15
## 19 2024-06-16 Gojek 4.3 213 62
## 20 2024-06-16 JT International 4.6 45 13
## 21 2024-06-16 Nusantara Sakti Group 4.2 429 11
## 22 2024-06-16 PwC 4.5 71 59
## 23 2024-06-16 DBS Bank 4.4 159 14
## 24 2024-06-16 Nestle 4.5 125 6
## 25 2024-06-16 PT Freeport Indonesia 4.7 133 4
## 26 2024-06-16 EY 4.2 130 66
## 27 2024-06-16 IBM 4.3 76 39
## 28 2024-06-16 Bank Danamon 4.2 1047 16
## 29 2024-06-16 Finfleet 3.4 7 13
## 30 2024-06-16 AXA 4.2 138 59
## 31 2024-06-17 Sinar Mas Land 4.2 78 7
## 32 2024-06-17 Finfleet 3.4 7 23
## 33 2024-06-17 Aeon Credit Service 4.0 44 14
## 34 2024-06-17 BFI Finance Indonesia 4.3 355 142
## 35 2024-06-17 Lazada 4.2 100 38
## 36 2024-06-17 DBS Bank 4.4 159 13
## 37 2024-06-17 Bayan Resources 4.4 18 9
## 38 2024-06-17 Manulife 4.2 149 23
## 39 2024-06-17 AXA 4.2 138 59
## 40 2024-06-17 Kanmo Group 3.5 29 17
## 41 2024-06-17 Coway 3.9 9 6
## 42 2024-06-17 Panin Dai-Ichi Life 4.1 58 11
## 43 2024-06-17 ASRI 4.2 21 81
## 44 2024-06-17 United Tractors 4.4 129 12
## 45 2024-06-17 PwC 4.5 71 61
## 46 2024-06-18 Bank Danamon 4.2 1047 12
## 47 2024-06-18 Schneider Electric 4.5 147 9
## 48 2024-06-18 Aeon Credit Service 4.0 44 14
## 49 2024-06-18 Finfleet 3.4 7 19
## 50 2024-06-18 Panin Dai-Ichi Life 4.1 58 8
## 51 2024-06-18 Sheraton 4.4 9 53
## 52 2024-06-18 IBM 4.3 76 27
## 53 2024-06-18 XL Axiata 4.3 264 22
## 54 2024-06-18 ASRI 4.2 21 81
## 55 2024-06-18 PwC 4.5 71 61
## 56 2024-06-18 Lazada 4.2 100 6
## 57 2024-06-18 Indomobil Finance 3.9 133 16
## 58 2024-06-18 Kawan Lama 4.2 180 52
## 59 2024-06-18 BFI Finance Indonesia 4.3 355 131
## 60 2024-06-18 Yakult 4.3 223 68
## 61 2024-06-19 Sheraton 4.4 9 47
## 62 2024-06-19 United Tractors 4.4 129 12
## 63 2024-06-19 Deloitte 4.2 30 26
## 64 2024-06-19 Nestle 4.5 125 9
## 65 2024-06-19 Panin Dai-Ichi Life 4.1 58 9
## 66 2024-06-19 Accenture 4.1 42 15
## 67 2024-06-19 JT International 4.6 45 13
## 68 2024-06-19 Coda Payments 5.0 1 18
## 69 2024-06-19 DBS Bank 4.4 159 16
## 70 2024-06-19 Indomobil Finance 3.9 133 19
## 71 2024-06-19 Manulife 4.2 149 20
## 72 2024-06-19 Danone 4.3 68 12
## 73 2024-06-19 Finfleet 3.4 7 25
## 74 2024-06-19 Metrodata 3.9 12 59
## 75 2024-06-19 Bayan Resources 4.4 18 9
## 76 2024-06-20 Coda Payments 5.0 1 18
## 77 2024-06-20 JobsEY 4.2 130 67
## 78 2024-06-20 Indomobil Finance 3.9 133 19
## 79 2024-06-20 Finfleet 3.4 7 30
## 80 2024-06-20 DBS Bank 4.4 159 15
## 81 2024-06-20 PwC 4.5 71 61
## 82 2024-06-20 PT Freeport Indonesia 4.7 133 10
## 83 2024-06-20 XL Axiata 4.3 264 23
## 84 2024-06-20 United Tractors 4.4 129 12
## 85 2024-06-20 Aeon Credit Service 4.0 44 15
## 86 2024-06-20 Kanmo Group 3.5 29 16
## 87 2024-06-20 Sheraton 4.4 9 49
## 88 2024-06-20 co 4.0 2 19
## 89 2024-06-20 Gojek 4.3 213 89
## 90 2024-06-21 Sinar Mas Agribusiness and Food 4.2 431 72
## 91 2024-06-21 Bayan Resources 4.4 18 9
## 92 2024-06-21 Accenture 4.1 42 17
## 93 2024-06-21 Kanmo Group 3.5 29 19
## 94 2024-06-21 KB Finansia Multi Finance 4.1 229 45
## 95 2024-06-21 Finfleet 3.4 7 24
## 96 2024-06-21 Traveloka 4.3 28 105
## 97 2024-06-21 Panin Dai-Ichi Life 4.1 58 9
## 98 2024-06-21 Yakult 4.3 223 72
## 99 2024-06-21 JT International 4.6 45 13
## 100 2024-06-21 Nusantara Sakti Group 4.2 429 13
## 101 2024-06-21 DBS Bank 4.4 159 14
## 102 2024-06-21 ASRI 4.2 21 77
## 103 2024-06-21 Danone 4.3 68 12Menampilkan Kategori Rating
data_jobstreet <- data_jobstreet %>%
arrange(Company, desc(Tanggal)) %>%
distinct(Company, .keep_all = TRUE) %>%
distinct(Rating, Reviews, Jobs, .keep_all = TRUE) %>%
mutate(Rating = case_when(
as.numeric(Rating) <= 1 ~ "Sangat Buruk",
as.numeric(Rating) > 1 & as.numeric(Rating) <= 2 ~ "Buruk",
as.numeric(Rating) > 2 & as.numeric(Rating) <= 3 ~ "Cukup",
as.numeric(Rating) > 3 & as.numeric(Rating) <= 4 ~ "Baik",
as.numeric(Rating) > 4 & as.numeric(Rating) <= 5 ~ "Sangat Baik",
TRUE ~ "Tidak Diketahui" # Untuk menangani nilai yang tidak sesuai kategori di atas
))
data_jobstreet## Tanggal Company Rating Reviews Jobs
## 1 2024-06-20 JobsEY Sangat Baik 130 67
## 2 2024-06-21 ASRI Sangat Baik 21 77
## 3 2024-06-17 AXA Sangat Baik 138 59
## 4 2024-06-21 Accenture Sangat Baik 42 17
## 5 2024-06-20 Aeon Credit Service Baik 44 15
## 6 2024-06-18 BFI Finance Indonesia Sangat Baik 355 131
## 7 2024-06-18 Bank Danamon Sangat Baik 1047 12
## 8 2024-06-21 Bayan Resources Sangat Baik 18 9
## 9 2024-06-20 Coda Payments Sangat Baik 1 18
## 10 2024-06-17 Coway Baik 9 6
## 11 2024-06-21 DBS Bank Sangat Baik 159 14
## 12 2024-06-21 Danone Sangat Baik 68 12
## 13 2024-06-19 Deloitte Sangat Baik 30 26
## 14 2024-06-16 EY Sangat Baik 130 66
## 15 2024-06-21 Finfleet Baik 7 24
## 16 2024-06-20 Gojek Sangat Baik 213 89
## 17 2024-06-18 IBM Sangat Baik 76 27
## 18 2024-06-20 Indomobil Finance Baik 133 19
## 19 2024-06-21 JT International Sangat Baik 45 13
## 20 2024-06-21 KB Finansia Multi Finance Sangat Baik 229 45
## 21 2024-06-21 Kanmo Group Baik 29 19
## 22 2024-06-18 Kawan Lama Sangat Baik 180 52
## 23 2024-06-18 Lazada Sangat Baik 100 6
## 24 2024-06-19 Manulife Sangat Baik 149 20
## 25 2024-06-19 Metrodata Baik 12 59
## 26 2024-06-19 Nestle Sangat Baik 125 9
## 27 2024-06-21 Nusantara Sakti Group Sangat Baik 429 13
## 28 2024-06-20 PT Freeport Indonesia Sangat Baik 133 10
## 29 2024-06-21 Panin Dai-Ichi Life Sangat Baik 58 9
## 30 2024-06-20 PwC Sangat Baik 71 61
## 31 2024-06-15 RGE Indonesia Baik 9 4
## 32 2024-06-18 Schneider Electric Sangat Baik 147 9
## 33 2024-06-20 Sheraton Sangat Baik 9 49
## 34 2024-06-21 Sinar Mas Agribusiness and Food Sangat Baik 431 72
## 35 2024-06-17 Sinar Mas Land Sangat Baik 78 7
## 36 2024-06-21 Traveloka Sangat Baik 28 105
## 37 2024-06-20 United Tractors Sangat Baik 129 12
## 38 2024-06-20 XL Axiata Sangat Baik 264 23
## 39 2024-06-21 Yakult Sangat Baik 223 72
## 40 2024-06-20 co Baik 2 19VISUALISASI DATA SCRAPING
BMKG
library(ggplot2)
# Buat grafik horizontal bar plot untuk variabel Pagi
ggplot(data_bmkg, aes(x = Kota, fill = Pagi)) +
geom_bar(position = "dodge") +
coord_flip() +
labs(title = "Distribusi Cuaca Pagi Berdasarkan Kota per 15-21 Juni 2024",
x = "Kota",
y = "Frekuensi",
fill = "Cuaca Pagi") +
theme_minimal()+
theme(plot.title = element_text(hjust = 0.5, face = "bold"))
# Buat grafik horizontal bar plot untuk variabel Siang
ggplot(data_bmkg, aes(x = Kota, fill = Siang)) +
geom_bar(position = "dodge") +
coord_flip() +
labs(title = "Distribusi Cuaca Siang Berdasarkan Kota per 15-21 Juni 2024",
x = "Kota",
y = "Frekuensi",
fill = "Cuaca Siang") +
theme_minimal()+
theme(plot.title = element_text(hjust = 0.5, face = "bold"))
# Buat grafik horizontal bar plot untuk variabel Malam
ggplot(data_bmkg, aes(x = Kota, fill = Malam)) +
geom_bar(position = "dodge") +
coord_flip() +
labs(title = "Distribusi Cuaca Malam Berdasarkan Kota per 15-21 Juni 2024",
x = "Kota",
y = "Frekuensi",
fill = "Cuaca Malam") +
theme_minimal()+
theme(plot.title = element_text(hjust = 0.5, face = "bold"))
# Buat grafik horizontal bar plot untuk variabel Dini Hari
ggplot(data_bmkg, aes(x = Kota, fill = Dini_Hari)) +
geom_bar(position = "dodge") +
coord_flip() +
labs(title = "Distribusi Cuaca Dini Hari Berdasarkan Kota per 15-21 Juni 2024",
x = "Kota",
y = "Frekuensi",
fill = "Cuaca Dini Hari") +
theme_minimal()+
theme(plot.title = element_text(hjust = 0.5, face = "bold"))
# Buat grafik bar plot untuk Kota berdasarkan variabel Pagi
ggplot(data_bmkg, aes(x = Pagi, fill = Kota)) +
geom_bar(position = "dodge") +
labs(title = "Distribusi Kota Berdasarkan Cuaca Pagi\nper 15-21 Juni 2024",
x = "Cuaca Pagi",
y = "Jumlah Kota",
fill = "Kota") +
theme_minimal() +
theme(plot.title = element_text(hjust = 0.5, face = "bold"),
axis.text.x = element_text(angle = 45, hjust = 1))
# Buat grafik bar plot untuk Kota berdasarkan variabel Siang
ggplot(data_bmkg, aes(x = Siang, fill = Kota)) +
geom_bar(position = "dodge") +
labs(title = "Distribusi Kota Berdasarkan Cuaca Siang\nper 15-21 Juni 2024",
x = "Cuaca Siang",
y = "Jumlah Kota",
fill = "Kota") +
theme_minimal() +
theme(plot.title = element_text(hjust = 0.5, face = "bold"),
axis.text.x = element_text(angle = 45, hjust = 1))
# Buat grafik bar plot untuk Kota berdasarkan variabel Malam
ggplot(data_bmkg, aes(x = Malam, fill = Kota)) +
geom_bar(position = "dodge") +
labs(title = "Distribusi Kota Berdasarkan Cuaca Malam\nper 15-21 Juni 2024",
x = "Cuaca Malam",
y = "Jumlah Kota",
fill = "Kota") +
theme_minimal() +
theme(plot.title = element_text(hjust = 0.5, face = "bold"),
axis.text.x = element_text(angle = 45, hjust = 1))
# Buat grafik bar plot untuk Kota berdasarkan variabel Dini Hari
ggplot(data_bmkg, aes(x = Dini_Hari, fill = Kota)) +
geom_bar(position = "dodge") +
labs(title = "Distribusi Kota Berdasarkan Cuaca Dini Hari\nper 15-21 Juni 2024",
x = "Cuaca Dini Hari",
y = "Jumlah Kota",
fill = "Kota") +
theme_minimal() +
theme(plot.title = element_text(hjust = 0.5, face = "bold"),
axis.text.x = element_text(angle = 45, hjust = 1))
# Buat grafik horizontal bar plot untuk variabel Suhu
ggplot(bmkg_by_city, aes(x = Kota, fill = mean_suhu)) +
geom_bar(position = "dodge") +
coord_flip() +
labs(title = "Distribusi Suhu Berdasarkan Kota per 15-21 Juni 2024",
x = "Kota",
y = "Frekuensi",
fill = "Suhu") +
theme_minimal()+
theme(plot.title = element_text(hjust = 0.5, face = "bold"))
# Buat grafik bar plot untuk Kota berdasarkan rata-rata suhu
ggplot(bmkg_by_city, aes(x = mean_suhu, fill = Kota)) +
geom_bar(position = "dodge") +
labs(title = "Distribusi Kota Berdasarkan Suhu\nper 15-21 Juni 2024",
x = "Suhu",
y = "Jumlah Kota",
fill = "Kota") +
theme_minimal() +
theme(plot.title = element_text(hjust = 0.5, face = "bold"),
axis.text.x = element_text(angle = 45, hjust = 1))
# Buat grafik horizontal bar plot untuk variabel Kelembapan
ggplot(bmkg_by_city, aes(x = Kota, fill = mean_kelembapan)) +
geom_bar(position = "dodge") +
coord_flip() +
labs(title = "Distribusi Kelembapan Berdasarkan Kota per 15-21 Juni 2024",
x = "Kota",
y = "Frekuensi",
fill = "Kelembapan") +
theme_minimal()+
theme(plot.title = element_text(hjust = 0.5, face = "bold"))
# Buat grafik bar plot untuk Kota berdasarkan rata-rata kelembapan
ggplot(bmkg_by_city, aes(x = mean_kelembapan, fill = Kota)) +
geom_bar(position = "dodge") +
labs(title = "Distribusi Kota Berdasarkan Kelembapan\nper 15-21 Juni 2024",
x = "Kelembapan",
y = "Jumlah Kota",
fill = "Kota") +
theme_minimal() +
theme(plot.title = element_text(hjust = 0.5, face = "bold"),
axis.text.x = element_text(angle = 45, hjust = 1))
JOBSTREET
library(ggplot2)
# Buat grafik horizontal bar plot untuk variabel Rating
ggplot(data_jobstreet, aes(x = Company, fill = Rating)) +
geom_bar(position = "dodge") +
coord_flip() +
labs(title = "Distribusi Rating Berdasarkan Company per 15-21 Juni 2024",
x = "Company",
y = "Frekuensi",
fill = "Rating") +
theme_minimal()+
theme(plot.title = element_text(hjust = 0.5, face = "bold"))
# Buat grafik bar plot untuk Company berdasarkan Rating
ggplot(data_jobstreet, aes(x = Rating, fill = Company)) +
geom_bar(position = "dodge") +
labs(title = "Distribusi Company Berdasarkan Rating\nper 15-21 Juni 2024",
x = "Rating",
y = "Jumlah Company",
fill = "Company") +
theme_minimal() +
theme(plot.title = element_text(hjust = 0.5, face = "bold"),
axis.text.x = element_text(angle = 45, hjust = 1))
library(ggplot2)
# Buat grafik horizontal bar plot untuk variabel Reviews
ggplot(data_jobstreet, aes(x = Company, y = Reviews)) +
geom_bar(stat = "identity", fill = "pink")+
coord_flip() +
labs(title = "Distribusi Reviews Berdasarkan Company per 15-21 Juni 2024",
x = "Company",
y = "Reviews") +
theme_minimal()+
theme(plot.title = element_text(hjust = 0.5, face = "bold"))
library(ggplot2)
# Buat grafik horizontal bar plot untuk variabel Jobs
ggplot(data_jobstreet, aes(x = Company, y = Jobs)) +
geom_bar(stat = "identity", fill = "skyblue")+
coord_flip() +
labs(title = "Distribusi Jobs Berdasarkan Company per 15-21 Juni 2024",
x = "Company",
y = "Jobs") +
theme_minimal()+
theme(plot.title = element_text(hjust = 0.5, face = "bold"))