tugas

Install dan load library

library(ggplot2)

## Warning: package 'ggplot2' was built under R version 4.4.2

library(readxl)

## Warning: package 'readxl' was built under R version 4.4.2

library(ggthemes)

## Warning: package 'ggthemes' was built under R version 4.4.2

library(gridExtra)

## Warning: package 'gridExtra' was built under R version 4.4.2

Import Data

setwd("D:/tugas coolyeah/r")
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

Berdasarkan visualisasi diatas, dapat dilihat bahwa sektor industri mendominasi tren penggunaan AI didalam dunia kerja. Ditribusi ini menunjukkan bahwa sektor teknologi dan uang memiliki adopsi AI tertinggi, sedangan, sektor kesehatan dan manufaktur juga menunjukkan peningkatan yang cukup signifikan dalam penggunaan AI. Industri pendidikan dan pertanian memiliki adopsi AI yang cukup rendah.

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

Dari hasil visualisasi bar chart, bisa kita amati bagaimana distribusi tingkat penggunaan AI di berbagai sektor industri. sebagian besar sektor industri memiliki penggunaan AI tertinggi, menunjukkan tren penggunaan AI yang kuat. Hanya sedikit sektor industri yang menggunakan Ai tingkat 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

Dari hasil visualisasi menggunakan Dot Plot ini menunjukkan distribusi penggunaan AI di berbagai industri. Setiap titik merepresentasikan jumlah penggunaan AI dalam industri tertentu, memungkinkan kita melihat pola penyebaran dan variasi peggunaan Ai di berbagai sektor. Datanya tersebar secara acak dan tidak ada bagian yang mencolok.

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

Dari hasil visualisasi menggunakan Stem and Leaf Plot, terlihat bahwa mayoritas data terkonsentrasi pada rentang nilai 0.1 hingga 1.0, yang menunjukkan bahwa sebagian besar individu memiliki durasi penggunaan AI yang pendek. Meskipun data menyebar hingga nilai 2.9, penyebarannya lebih jarang pada nilai yang lebih tinggi, menandakan sedikitnya orang yang menggunakan AI dalam durasi yang lebih panjang. Secara keseluruhan, data ini mengindikasikan bahwa durasi penggunaan AI umumnya singkat, dengan sebagian kecil pengguna yang memiliki durasi lebih lama.

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 hasil visalisasi diatas, ini dapat membantu kita untuk memahami bagaimana data penggunaan AI tersebar dan dapat kita simpulkan sebagian besar individu menggunakan AI sekitar 10 - 20 kali per minggu. Tetapi, terdapat variasli penggunaan yang cukup besar, menunjukkan tidak semua individu memiliki kebiasaan yang sama dalam menggunakan AI.

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 hasil visualisasi diatas, dapat kita simpulkan bahwa lamanya karyawan bekerja beragam, dengan rata-rata sekitar 10 tahun. Sebagian besar karyawan bekerja atara 5 - 25 tahun. Ada yang lebih lama atau lebih singkat, tetapi tidak ada yang jauh dari rata rata.

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 hasil visualisasi diatas, kita dapat melihat puncak distribusi yang jelas, bisa disimpulkan bahwa efisiensi kerja setlah menggunakan AI cukup tinggi, dengan sebagian besar data berkumpul di kisara 70 - 90. Puncak data menunjukkan banyak individu efisiensi sekitar 80. Sebaran ata cukup lebar, dimulai dari sekitar 50 hingga hampir 100.

Menampilkan semua plot

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