library(ggplot2)
library(readxl)
library(tidyr)
library(ggthemes)
library(gridExtra)
library(dplyr)
## 
## Attaching package: 'dplyr'
## The following object is masked from 'package:gridExtra':
## 
##     combine
## The following objects are masked from 'package:stats':
## 
##     filter, lag
## The following objects are masked from 'package:base':
## 
##     intersect, setdiff, setequal, union
setwd("D:/Prosta/Pertemuan 2")
data <- read_excel("data_tren_penggunaan_ai.xlsx")
str(data)
## tibble [30 × 8] (S3: tbl_df/tbl/data.frame)
##  $ Industri                          : chr [1:30] "Manufaktur" "Keuangan" "Teknologi" "Teknologi" ...
##  $ Jenis Pekerjaan                   : chr [1:30] "Software Engineer" "Analis Keuangan" "Data Scientist" "Dosen" ...
##  $ Tingkat Penggunaan AI             : chr [1:30] "Rendah" "Tinggi" "Sedang" "Tinggi" ...
##  $ Respon terhadap AI                : chr [1:30] "Negatif" "Positif" "Negatif" "Positif" ...
##  $ Lama Bekerja (tahun)              : num [1:30] 21 4 1 24 9 8 8 5 24 4 ...
##  $ Frekuensi Penggunaan AI per Minggu: num [1:30] 34 26 14 28 37 17 0 48 10 44 ...
##  $ Efisiensi Kerja Sebelum AI        : num [1:30] 64 45 75 58 80 79 63 76 52 44 ...
##  $ Efisiensi Kerja Sesudah AI        : num [1:30] 76 55 94 75 93 91 78 82 64 50 ...
colnames(data) <- make.names(colnames(data))

Visualisasi Data

1. Distribusi Lama Bekerja

Chart ini menunjukkan distribusi lama bekerja (dalam tahun) dari sampel yang ada. Histogram ini menggunakan binwidth 5, yang berarti setiap batang mewakili rentang 5 tahun. Warna biru digunakan untuk mengisi batang, dengan garis hitam sebagai pembatas. Chart ini membantu memahami sebaran pengalaman kerja responden, apakah lebih banyak yang memiliki pengalaman kerja rendah, menengah, atau tinggi.

ggplot(data, aes(x = Lama.Bekerja..tahun.)) +
  geom_histogram(binwidth = 5, fill = "blue", color = "black") +
  labs(title = "Distribusi Lama Bekerja", 
       x = "Lama Bekerja (tahun)", 
       y = "Frekuensi")

2. Distribusi Tingkat Penggunaan AI

Chart ini adalah pie chart yang menunjukkan distribusi tingkat penggunaan AI (Rendah, Sedang, Tinggi) dalam dataset. Setiap bagian dari pie chart mewakili proporsi responden yang memiliki tingkat penggunaan AI tertentu. Chart ini membantu melihat seberapa banyak responden yang menggunakan AI secara intensif (Tinggi), sedang (Sedang), atau sedikit (Rendah).

df_pie <- as.data.frame(table(data$Tingkat.Penggunaan.AI))
colnames(df_pie) <- c("Tingkat_Penggunaan_AI", "Jumlah")

ggplot(df_pie, aes(x = "", y = Jumlah, fill = Tingkat_Penggunaan_AI)) +
  geom_bar(stat = "identity", width = 1) +
  coord_polar("y", start = 0) +
  labs(title = "Distribusi Tingkat Penggunaan AI") +
  theme_void()

3. Efisiensi Kerja Sebelum dan sesudah AI

Chart ini adalah boxplot yang membandingkan efisiensi kerja sebelum dan sesudah menggunakan AI. Boxplot merah mewakili efisiensi kerja sebelum menggunakan AI, sedangkan boxplot hijau mewakili efisiensi kerja setelah menggunakan AI. Chart ini membantu melihat perbedaan distribusi efisiensi kerja sebelum dan sesudah penggunaan AI, termasuk median, kuartil, dan outlier. Dari sini, kita dapat menilai apakah penggunaan AI secara signifikan meningkatkan efisiensi kerja.

ggplot(data) +
  geom_boxplot(aes(x = "Sebelum AI", y = Efisiensi.Kerja.Sebelum.AI), fill = "red") +
  geom_boxplot(aes(x = "Sesudah AI", y = Efisiensi.Kerja.Sesudah.AI), fill = "green") +
  labs(title = "Efisiensi Kerja Sebelum dan Sesudah AI", x = "Kondisi", y = "Efisiensi Kerja") +
  theme_minimal()

4. Distribusi Industri

Chart ini adalah bar chart yang menunjukkan distribusi responden berdasarkan jenis pekerjaan mereka (misalnya, Data Scientist, Software Engineer, Dosen, dll.). Setiap batang mewakili jumlah responden dengan jenis pekerjaan tertentu. Chart ini membantu melihat jenis pekerjaan mana yang paling banyak diwakili dalam dataset.

ggplot(data, aes(x = Industri)) +
  geom_bar(fill = "orange") +
  labs(title = "Distribusi Industri", x = "Industri", y = "Jumlah") +
  theme_minimal()

5. Distribusi Jenis

Chart ini adalah bar chart yang menunjukkan distribusi responden berdasarkan jenis pekerjaan mereka (misalnya, Data Scientist, Software Engineer, Dosen, dll.). Setiap batang mewakili jumlah responden dengan jenis pekerjaan tertentu. Chart ini membantu melihat jenis pekerjaan mana yang paling banyak diwakili dalam dataset.

ggplot(data, aes(x = Jenis.Pekerjaan)) +
  geom_bar(fill = "purple") +
  labs(title = "Distribusi Jenis Pekerjaan", x = "Jenis Pekerjaan", y = "Jumlah") +
  theme_minimal()

6. Distribusi respon Terhadap ai

Chart ini adalah bar chart yang menunjukkan distribusi respon responden terhadap penggunaan AI di tempat kerja (Positif, Netral, Negatif). Setiap batang mewakili jumlah responden dengan respon tertentu. Chart ini membantu memahami bagaimana responden merespons penggunaan AI, apakah lebih banyak yang positif, netral, atau negatif.

ggplot(data, aes(x = Respon.terhadap.AI)) +
  geom_bar(fill = "pink") +
  labs(title = "Distribusi Respon terhadap AI", x = "Respon terhadap AI", y = "Jumlah") +
  theme_minimal()