Install dan load library

library(ggplot2)
library(readxl)
library(ggthemes)
library(gridExtra)
# Import Data
setwd("C:/Users/fitoa/OneDrive/Documents")
data <- read_excel("data_tren_penggunaan_ai.xlsx")
head(data)
## # A tibble: 6 × 8
##   Industri   `Jenis Pekerjaan` `Tingkat Penggunaan AI` `Respon terhadap AI`
##   <chr>      <chr>             <chr>                   <chr>               
## 1 Manufaktur Software Engineer Rendah                  Negatif             
## 2 Keuangan   Analis Keuangan   Tinggi                  Positif             
## 3 Teknologi  Data Scientist    Sedang                  Negatif             
## 4 Teknologi  Dosen             Tinggi                  Positif             
## 5 Teknologi  Analis Keuangan   Rendah                  Positif             
## 6 Pendidikan Analis Keuangan   Sedang                  Positif             
## # ℹ 4 more variables: `Lama Bekerja (tahun)` <dbl>,
## #   `Frekuensi Penggunaan AI per Minggu` <dbl>,
## #   `Efisiensi Kerja Sebelum AI` <dbl>, `Efisiensi Kerja Sesudah AI` <dbl>

1. Pie Chart

pie_chart <- ggplot(data, aes(x = "", fill = Industri)) +
  geom_bar(width = 1) +
  coord_polar("y", start = 0) +
  theme_minimal() +
  labs(title = "Distribusi Industri") +
  theme(axis.text.x = element_blank())
pie_chart

dari data pie chart di atas dapat disimpulkan teknologi mendapatkan porsi terbesar dalam distribusi industri, sedangkan pendidikan mendapat porsi terendah dalam distribusi industri

2. Bar Chart

bar_chart <- ggplot(data, aes(x = `Tingkat Penggunaan AI`, fill = `Tingkat Penggunaan AI`)) +
  geom_bar() +
  theme_minimal() +
  labs(title = "Distribusi Tingkat Penggunaan AI", x = "Tingkat Penggunaan AI", y = "Frekuensi")
bar_chart

berdasarkan data bar chart di atas dapat disimpulkan mayoritas pengguna AI berada pada tingkat penggunaan tinggi, diikuti oleh tingkat sedang dan rendah.

3. Dot Plot

dot_plot <- ggplot(data, aes(x = `Lama Bekerja (tahun)`, y = `Efisiensi Kerja Sebelum AI`)) +
  geom_point(color = "blue", size = 2) +
  theme_minimal() +
  labs(title = "Dot Plot: Lama Bekerja vs. Efisiensi Sebelum AI", x = "Lama Bekerja (tahun)", y = "Efisiensi Sebelum AI")

dot_plot

berdasarkan data Dot Plot di atas dapat disimpulkan bahwa lama bekerja tampaknya bukan faktor penentu utama efisiensi karyawan sebelum implementasi AI

4. Stem and Leaf Plot

stem(data$`Lama Bekerja (tahun)`)
## 
##   The decimal point is 1 digit(s) to the right of the |
## 
##   0 | 11123344
##   0 | 5778889
##   1 | 4
##   1 | 7889
##   2 | 011233444
##   2 | 9

berdasarkan data stem and leaf plot di atas dapat disimpulkan bahwa lama bekerja tidak secara langsung menentukan efisiensi sebelum penerapan AI, karena efisiensi tampaknya bervariasi tanpa adanya tren yang konsisten.

5. Histogram

histogram <- ggplot(data, aes(x = `Frekuensi Penggunaan AI per Minggu`)) +
  geom_histogram(binwidth = 5, fill = "blue", color = "black", alpha = 0.7) +
  theme_minimal() +
  labs(title = "Histogram: Frekuensi Penggunaan AI per Minggu", x = "Frekuensi", y = "Jumlah Individu")

histogram

dari data histogram di atas dapat disimpulkan bahwa Distribusi frekuensi penggunaan AI per minggu bervariasi di antara individu. Sebagian besar individu menggunakan AI dalam rentang frekuensi tertentu, dengan beberapa puncak menunjukkan kelompok pengguna yang lebih dominan.

6. Boxplot

boxplot_data <- ggplot(data) +
  geom_boxplot(aes(y = `Lama Bekerja (tahun)`, fill = "lama bekerja (tahun"), alpha = 0.6) +
  theme_minimal() +
  labs(title = "Boxplot: Lama Bekerja dalam tahun", fill = "Kondisi")

boxplot_data

dari data Boxplot di atas dapat disimpulkan bahwa mayoritas pekerja memiliki lama bekerja antara sekitar 5 hingga 25 tahun, dengan median di kisaran 10-15 tahun.

7. Density Plot

density_plot <- ggplot(data, aes(x = `Efisiensi Kerja Sesudah AI`,fill = "Efisiensi")) +
  geom_density(alpha = 0.5) +
  theme_minimal() +
  labs(title = "Density Plot: Efisiensi Kerja Sesudah AI", x = "Efisiensi", y = "Density")
density_plot

dari data Denisty Plot di atas dapat disimpulkan bahwa setelah penerapan AI, efisiensi kerja cenderung meningkat dengan mayoritas pekerja memiliki efisiensi di atas 70.

Menampilkan semua plot

grid.arrange(pie_chart, bar_chart, dot_plot, histogram, boxplot_data, density_plot, ncol = 2)