Simulasi Proses Bisnis SEEA 2024

Function

# Fungsi untuk kategorisasi berdasarkan rata-rata dan standar deviasi untuk dua kolom
kategorisasi1 <- function(data, column_name1) {
  # Hitung rata-rata dan standar deviasi untuk kolom pertama
  mean_data1 <- mean(data[[column_name1]], na.rm = TRUE)
  sd_data1 <- sd(data[[column_name1]], na.rm = TRUE)
  
  # Tentukan batas kategori untuk kolom pertama
  rendah_batas1 <- mean_data1 - sd_data1
  tinggi_batas1 <- mean_data1 + sd_data1
  
  # Kategorisasi untuk kolom pertama
  kategori1 <- cut(data[[column_name1]], 
                   breaks = c(-Inf, rendah_batas1, tinggi_batas1, Inf),
                   labels = c("Rendah", "Sedang", "Tinggi"))
  
  # Menambahkan hasil kategori ke data frame
  data$Kategori1 <- kategori1
}
kategorisasi2 <- function(data, column_name2) {
  # Hitung rata-rata dan standar deviasi untuk kolom kedua
  mean_data2 <- mean(data[[column_name2]], na.rm = TRUE)
  sd_data2 <- sd(data[[column_name2]], na.rm = TRUE)
  
  # Tentukan batas kategori untuk kolom kedua
  rendah_batas2 <- mean_data2 - sd_data2
  tinggi_batas2 <- mean_data2 + sd_data2
  
  # Kategorisasi untuk kolom kedua
  kategori2 <- cut(data[[column_name2]], 
                   breaks = c(-Inf, rendah_batas2, tinggi_batas2, Inf),
                   labels = c("Rendah", "Sedang", "Tinggi"))
  
  # Menambahkan hasil kategori ke data frame
  data$Kategori2 <- kategori2
}

1.1 Jumlah Perusahaan Berdasarkan Penerapan Sistem Pengelolaan Lingkungan (SPL)Menurut Provinsi di Pulau Sumatera.

#Library yang diperlukan
library(tidyr)
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(readxl)
library(ggplot2)

#Input Data
data.SEEA2024 <- read_excel("D:/Mata Kuliah STIS/Semester 5/Praktik Kuliah Lapangan/Penugasan 3/Clean Data Lembar Kerja Indepth SEEA.xlsx")

#Filter di Pulau Sumatra
data.SEEA2024 <- data.SEEA2024 %>%
  filter(grepl(("^[12]"), kdprov))
head(data.SEEA2024)

#Menghitung jumlah perusahaan yang menerapkan SPL
SPL <- data.SEEA2024 %>%
    filter(b2r10a_value == 1) %>%
    group_by(level_1_name) %>%
    summarise(Iya = n())
  
#Menghitung jumlah perusahaan yang tidak menerapkan SPL
NonSPL <- data.SEEA2024 %>%
    filter(b2r10a_value != 1) %>%
    group_by(level_1_name) %>%
    summarise(Tidak = n())
  
#Menggabungkan hasil SPL dan NonSPL
joint <- SPL %>%
    left_join(NonSPL, by = "level_1_name")
  
#Menghitung total perusahaan dan proporsi
tabulasi1.1 <- joint %>%
    mutate(Total = Iya + Tidak, Proporsi = Iya / Total)
tabulasi1.1

1.1.1 Bar Chart

# Menghitung proporsi SPL dan NonSPL
tabulasi1.1 <- tabulasi1.1 %>%
  mutate(Proporsi_SPL = Iya / Total, 
         Proporsi_NonSPL = Tidak / Total)

# Mengubah data ke format panjang (long format) untuk plot
tabulasi_long <- tabulasi1.1 %>%
  pivot_longer(cols = c(Proporsi_SPL, Proporsi_NonSPL), 
               names_to = "Category", values_to = "SUM")

# Membuat stacked bar chart proporsi (100%) dengan `position = "fill"`
ggplot(tabulasi_long, aes(x = level_1_name, y = SUM, fill = Category)) + # position = "fill" memastikan 100%
  geom_bar(stat = "identity") +  
  labs(x = "Provinsi", y = "Proporsi Perusahaan", title = "Proporsi SPL vs NonSPL di Pulau Sumatra") +
  scale_y_continuous(labels = scales::percent) + # Menampilkan y-axis dalam persen
  scale_fill_manual(values = c("Proporsi_SPL" = "#579554", "Proporsi_NonSPL" = "#ffab55")) +
  theme_minimal() +
  theme(axis.text.x = element_text(angle = 45, hjust = 1))  # Agar label x-axis lebih mudah dibaca

1.1.2 Peta Tematik

library(sf)

## Warning: package 'sf' was built under R version 4.3.3

## Linking to GEOS 3.11.2, GDAL 3.8.2, PROJ 9.3.1; sf_use_s2() is TRUE

1.2 Jumlah Perusahaan Berdasarkan Penerapan Sistem Pengelolaan Lingkungan (SPL) Menurut Lapangan Usaha di Pulau Sumatera.

#Menghitung jumlah perusahaan yang menerapkan SPL
SPL <- data.SEEA2024 %>%
    filter(b2r10a_value == 1) %>%
    group_by(b2r6_var) %>%
    summarise(Iya = n())
  
#Menghitung jumlah perusahaan yang tidak menerapkan SPL
NonSPL <- data.SEEA2024 %>%
    filter(b2r10a_value != 1) %>%
    group_by(b2r6_var) %>%
    summarise(Tidak = n())
  
#Menggabungkan hasil SPL dan NonSPL
joint <- SPL %>%
    left_join(NonSPL, by = "b2r6_var")
  
#Menghitung total perusahaan dan proporsi
tabulasi1.2 <- joint %>%
    mutate(Total = Iya + Tidak, Proporsi = Iya / Total)
tabulasi1.2

1.2.1 Bar Chart

# Menghitung proporsi SPL dan NonSPL
tabulasi1.2 <- tabulasi1.2 %>%
  mutate(Proporsi_SPL = Iya / Total, 
         Proporsi_NonSPL = Tidak / Total)

# Mengubah data ke format panjang (long format) untuk plot
tabulasi_long <- tabulasi1.2 %>%
  pivot_longer(cols = c(Proporsi_SPL, Proporsi_NonSPL), 
               names_to = "Category", values_to = "SUM")

# Membuat stacked bar chart proporsi (100%) dengan `position = "fill"`
ggplot(tabulasi_long, aes(x = b2r6_var, y = SUM, fill = Category)) + # position = "fill" memastikan 100%
  geom_bar(stat = "identity") +  
  labs(x = "Provinsi", y = "Proporsi Perusahaan", title = "Proporsi SPL vs NonSPL di Pulau Sumatra") +
  scale_y_continuous(labels = scales::percent) + # Menampilkan y-axis dalam persen
  scale_fill_manual(values = c("Proporsi_SPL" = "#579554", "Proporsi_NonSPL" = "#ffab55")) +
  theme_minimal() +
  theme(axis.text.x = element_text(angle = 0, hjust = 1))  # Agar label x-axis lebih mudah dibaca

1.3 Tabel Kontingensi Pengeluran Operasional Lingkungan dan Pendapatan.

#Filter di Pulau Sumatra
data.SEEA2024 <- data.SEEA2024 %>%
  filter(b2r10a_value == 1)

#Kategori untuk Pengeluaran Operasional Lingkungan
data.SEEA2024$b5cr3_number <- kategorisasi1(data.SEEA2024,"b5cr3_number")

#Kategori untuk Pendapatan
data.SEEA2024$jum_b4a_number <- as.numeric(data.SEEA2024$jum_b4a_number)
data.SEEA2024$jum_b4a_number <- kategorisasi2(data.SEEA2024,"jum_b4a_number")

# Membuat tabel kontingensi
tabulasi1.3 <- table(data.SEEA2024$b5cr3_number, data.SEEA2024$jum_b4a_number)

# Menambahkan nama baris dan kolom
rownames(tabulasi1.3) <- c("Rendah", "Sedang", "Tinggi")
colnames(tabulasi1.3) <- c("Rendah", "Sedang", "Tinggi")

# Menambahkan total baris dan kolom
tabulasi1.3 <- addmargins(tabulasi1.3, FUN = list(Total = sum))

## Margins computed over dimensions
## in the following order:
## 1: 
## 2:

tabulasi1.3

##         
##          Rendah Sedang Tinggi Total
##   Rendah      0      0      0     0
##   Sedang      0     49      4    53
##   Tinggi      0      3      2     5
##   Total       0     52      6    58

1.3.1 Sankey Diagram

library(networkD3)

## Warning: package 'networkD3' was built under R version 4.3.3

library(htmlwidgets)

## Warning: package 'htmlwidgets' was built under R version 4.3.2

## 
## Attaching package: 'htmlwidgets'

## The following object is masked from 'package:networkD3':
## 
##     JS

# Data tabel kontingensi
tabulasi1.3 <- table(data.SEEA2024$b5cr3_number, data.SEEA2024$jum_b4a_number)

# Konversi ke data frame (format long)
sankey_data <- as.data.frame(as.table(tabulasi1.3))

# Menamai kolom
colnames(sankey_data) <- c("source", "target", "value")

# Membuat node (kategori unik)
nodes <- data.frame(name = c("Pengeluaran Operasional Lingkungan Rendah", "Pengeluaran Operasional Lingkungan Sedang", "Pengeluaran Operasional Lingkungan Tinggi","Pendapatan Rendah", "Pendapatan Sedang", "Pendapatan Tinggi"))

# Menambahkan indeks untuk setiap node
sankey_data$source_id <- c(0,1,2,0,1,2,0,1,2)
sankey_data$target_id <- c(3,3,3,4,4,4,5,5,5)

# Data frame untuk Sankey Diagram
links <- sankey_data[, c("source_id", "target_id", "value")]

#Pewarnaan
my_color <- 'd3.scaleOrdinal().domain(["Pengeluaran Operasional Lingkungan Rendah", "Pengeluaran Operasional Lingkungan Sedang", "Pengeluaran Operasional Lingkungan Tinggi","Pendapatan Rendah", "Pendapatan Sedang", "Pendapatan Tinggi"]).range(["#2F4A24", "#456438", "#679554", "#ABC28F", "#ECFAF2", "#837642"]);'

# Membuat Sankey Diagram
sankey <- sankeyNetwork(Links = links, 
              Nodes = nodes, 
              Source = "source_id", 
              Target = "target_id", 
              Value = "value", 
              NodeID = "name", 
              fontSize = 10, 
              nodeWidth = 30,
              colourScale = my_color,
              fontFamily = "Times New Roman")

# Menambahkan judul
sankey_with_title <- prependContent(
  sankey,
  htmltools::tags$h1(
    "Diagram Sankey Pengeluaran Operasional Lingkungan dan Pendapatan",
    style = "font-family: Courier; font-size: 14px; color: #333; text-align: center;"
  )
)

# Tampilkan diagram
sankey_with_title

Diagram Sankey Pengeluaran Operasional Lingkungan dan Pendapatan

1.4 Tabel Kontingensi Efisiensi dan Pendapatan di Pulau Sumatra

data.SEEA2024$b4dr2a_nilai <- as.numeric(data.SEEA2024$b4dr2a_nilai)
data.SEEA2024$b4dr2b_nilai <- as.numeric(data.SEEA2024$b4dr2b_nilai)
data.SEEA2024$b4dr2c_nilai <- as.numeric(data.SEEA2024$b4dr2c_nilai)
data.SEEA2024$b4dr2d_nilai <- as.numeric(data.SEEA2024$b4dr2d_nilai)
data.SEEA2024$b4dr2e_nilai <- as.numeric(data.SEEA2024$b4dr2e_nilai)

#Filter di Pulau Sumatra
data.SEEA2024 <- data.SEEA2024 %>%
  filter(b2r10a_value == 1)

#Variabel baru
data.SEEA2024$jum_b4dr2 <- data.SEEA2024$b4dr2a_nilai + data.SEEA2024$b4dr2b_nilai + data.SEEA2024$b4dr2c_nilai + data.SEEA2024$b4dr2d_nilai + data.SEEA2024$b4dr2e_nilai

#Kategori untuk Efisiensi
data.SEEA2024$jum_b4dr2 <- kategorisasi1(data.SEEA2024,"jum_b4dr2")

#Kategori untuk Pendapatan
data.SEEA2024$jum_b4a_number <- as.numeric(data.SEEA2024$jum_b4a_number)
data.SEEA2024$jum_b4a_number <- kategorisasi2(data.SEEA2024,"jum_b4a_number")

# Membuat tabel kontingensi
tabulasi1.4 <- table(data.SEEA2024$jum_b4dr2, data.SEEA2024$jum_b4a_number)

# Menambahkan nama baris dan kolom
rownames(tabulasi1.4) <- c("Rendah", "Sedang", "Tinggi")
colnames(tabulasi1.4) <- c("Rendah", "Sedang", "Tinggi")

# Menambahkan total baris dan kolom
tabulasi1.4 <- addmargins(tabulasi1.4, FUN = list(Total = sum))

## Margins computed over dimensions
## in the following order:
## 1: 
## 2:

tabulasi1.4

##         
##          Rendah Sedang Tinggi Total
##   Rendah      0      0      0     0
##   Sedang      0     50      6    56
##   Tinggi      0      2      0     2
##   Total       0     52      6    58

1.4.1 Sankey Diagram

# Data tabel kontingensi
tabulasi1.4 <- table(data.SEEA2024$jum_b4dr2, data.SEEA2024$jum_b4a_number)

# Konversi ke data frame (format long)
sankey_data <- as.data.frame(as.table(tabulasi1.4))

# Menamai kolom
colnames(sankey_data) <- c("source", "target", "value")

# Membuat node (kategori unik)
nodes <- data.frame(name = c("Efisiensi Rendah", "Efisiensi Sedang", "Efisiensi Tinggi", "Pendapatan Rendah", "Pendapatan Sedang", "Pendapatan Tinggi"))

# Menambahkan indeks untuk setiap node
sankey_data$source_id <- c(0,1,2,0,1,2,0,1,2)
sankey_data$target_id <- c(3,3,3,4,4,4,5,5,5)

# Data frame untuk Sankey Diagram
links <- sankey_data[, c("source_id", "target_id", "value")]

#Pewarnaan
my_color <- 'd3.scaleOrdinal().domain(["Efisiensi Rendah", "Efisiensi Sedang", "Efisiensi Tinggi", "Pendapatan Rendah", "Pendapatan Sedang", "Pendapatan Tinggi"]).range(["#2F4A24", "#456438", "#679554", "#ABC28F", "#ECFAF2", "#837642"]);'

# Membuat Sankey Diagram
sankey <- sankeyNetwork(Links = links, 
              Nodes = nodes, 
              Source = "source_id", 
              Target = "target_id", 
              Value = "value", 
              NodeID = "name",
              fontFamily = "Times New Roman",
              fontSize = 10, 
              nodeWidth = 30,
              colourScale = my_color,
              sinksRight = TRUE)

# Menambahkan judul
sankey_with_title <- prependContent(
  sankey,
  htmltools::tags$h1(
    "Diagram Sankey Efisiensi dan Pendapatan",
    style = "font-family: Courier; font-size: 14px; color: #333; text-align: center;"
  )
)

# Tampilkan diagram
sankey_with_title

Diagram Sankey Efisiensi dan Pendapatan

my_color

## [1] "d3.scaleOrdinal().domain([\"Efisiensi Rendah\", \"Efisiensi Sedang\", \"Efisiensi Tinggi\", \"Pendapatan Rendah\", \"Pendapatan Sedang\", \"Pendapatan Tinggi\"]).range([\"#2F4A24\", \"#456438\", \"#679554\", \"#ABC28F\", \"#ECFAF2\", \"#837642\"]);"

#DBE7FF","#8985D6","#4A3D99","#DBE7FF","#3A3679 ","#1F155E"

1.5 Tabel Kontingensi Belanja Modal dan Belanja Modal Perlindungan Lingkungan di Pulau Sumatra

#Filter di Pulau Sumatra
data.SEEA2024 <- data.SEEA2024 %>%
  filter(b2r10a_value == 1)

#Kategori untuk Belanja Modal dan Belanja Modal Perlindungan Lingkungan
data.SEEA2024$kat1 <- kategorisasi1(data.SEEA2024,"b6ar7_number")

#Kategori untuk Belanja Modal Perlindungan Lingkungan
data.SEEA2024$jum_b6b <- data.SEEA2024$b6br1a + data.SEEA2024$b6br2a
data.SEEA2024$kat2 <- kategorisasi2(data.SEEA2024,"jum_b6b")

# Membuat tabel kontingensi
tabulasi1.5 <- table(data.SEEA2024$kat1, data.SEEA2024$kat2)

# Menambahkan nama baris dan kolom
rownames(tabulasi1.5) <- c("Rendah", "Sedang", "Tinggi")
colnames(tabulasi1.5) <- c("Rendah", "Sedang", "Tinggi")

# Menambahkan total baris dan kolom
tabulasi1.5 <- addmargins(tabulasi1.5, FUN = list(Total = sum))

## Margins computed over dimensions
## in the following order:
## 1: 
## 2:

tabulasi1.5

##         
##          Rendah Sedang Tinggi Total
##   Rendah      0      0      0     0
##   Sedang      0     56      1    57
##   Tinggi      0      1      0     1
##   Total       0     57      1    58

1.5.1 Sankey Diagram

# Data tabel kontingensi
tabulasi1.5 <- table(data.SEEA2024$kat1, data.SEEA2024$kat2)

# Konversi ke data frame (format long)
sankey_data <- as.data.frame(as.table(tabulasi1.5))

# Menamai kolom
colnames(sankey_data) <- c("source", "target", "value")

# Membuat node (kategori unik)
nodes <- data.frame(
  name = c("Belanja Modal Rendah", "Belanja Modal Sedang", "Belanja Modal Tinggi", "Belanja Modal PL Rendah", "Belanja Modal PL Sedang", "Belanja Modal PL Tinggi"))

#Pewarnaan
my_color <- 'd3.scaleOrdinal().domain(["Belanja Modal Rendah","Belanja Modal Sedang", "Belanja Modal Tinggi","Belanja Modal PL Rendah", "Belanja Modal PL Sedang", "Belanja Modal PL Tinggi"]).range(["#2F4A24", "#456438", "#679554", "#ABC28F", "#ECFAF2", "#837642"]);'

# Menambahkan indeks untuk setiap node
sankey_data$source_id <- c(0,1,2,0,1,2,0,1,2)
sankey_data$target_id <- c(3,3,3,4,4,4,5,5,5)

# Data frame untuk Sankey Diagram
links <- sankey_data[, c("source_id", "target_id", "value")]

# Membuat Sankey Diagram
sankey <- sankeyNetwork(Links = links, 
              Nodes = nodes, 
              Source = "source_id", 
              Target = "target_id", 
              Value = "value", 
              NodeID = "name", 
              fontFamily = "Times New Roman",
              fontSize = 10, 
              nodeWidth = 30,
              colourScale = my_color)

# Menambahkan judul
sankey_with_title <- prependContent(
  sankey,
  htmltools::tags$h1(
    "Diagram Sankey Belanja Modal dan Belanja Modal Perlindungan Lingkungan",
    style = "font-family: Courier; font-size: 14px; color: #333; text-align: center;"
  )
)

# Tampilkan diagram
sankey_with_title

Diagram Sankey Belanja Modal dan Belanja Modal Perlindungan Lingkungan

Tim 1_Iqbal Maulana_VDD

212212669_Iqbal Maulana

2024-12-25

Simulasi Proses Bisnis SEEA 2024

Function

1.1 Jumlah Perusahaan Berdasarkan Penerapan Sistem Pengelolaan Lingkungan (SPL)Menurut Provinsi di Pulau Sumatera.

1.1.1 Bar Chart

1.1.2 Peta Tematik

1.2 Jumlah Perusahaan Berdasarkan Penerapan Sistem Pengelolaan Lingkungan (SPL) Menurut Lapangan Usaha di Pulau Sumatera.

1.2.1 Bar Chart

1.3 Tabel Kontingensi Pengeluran Operasional Lingkungan dan Pendapatan.

1.3.1 Sankey Diagram

Diagram Sankey Pengeluaran Operasional Lingkungan dan Pendapatan

1.4 Tabel Kontingensi Efisiensi dan Pendapatan di Pulau Sumatra

1.4.1 Sankey Diagram

Diagram Sankey Efisiensi dan Pendapatan