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
setwd("C:/Users/ain/OneDrive/Desktop/STATISTIKA/file buat 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>
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

Kemudian gunakan head(data) untuk melihat beberapa baris pertama dataset sebagai pratinjau awal.

1. Pie Chart

Ini adalah visualisasi menggunakan Pie Chart, yang menggambarkan distribusi industri berikut adalah pie chartnya:

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

terlihat lumayan secara jelas bahwa teknologi menungguli dalam penggunaan ai dari bagian yang lain, manufaktur berada di posisi kedua, dan di ikuti oleh keuangan, dan sisanya

2. Bar Chart

Ini adalah visualisasi menggunakan bar chart, yang menggambarkan distribusi industri berikut adalah bar chartnya:

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

terlihat secara jelas, tingkat penggunaan ai saat ini berada di penggunaan tinggi, penggunaan ai dengan sedang dan rendah terhitung sama, ini membuktikan bahwa pengaruh ai sudah mulai terasa dalam kehidupan sehari”

3. Dot Plots

Ini adalah visualisasi menggunakan dot plots, yang menggambarkan lama berkerja vs efisiensi sebelum ai, berikut adalah dot plots:

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

dot plot dengan menunjukan perbandingan antara lama bekerja seorang dengan efisiensi seblum ai, dri dot plot ini terlihat bahwa, tidak ada perbandingan secara jelas, terlihat bahwa pekerja dengan pengalaman singkat bisa memiliki efisiensi yang bisa setara dengan yang sudah bekerja lama

4. Stem and Leaf Plot

Ini adalah visualisasi menggunakan stem adn leaf plot, yang menggambarkan lama berkerja, berikut adalah stem adn 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

pada plot ini terlihat banyaknya suatu data di sebuah rentang tertentu

5. Histogram

Ini adalah visualisasi menggunakan histogram, yang menggambarkan frekuensi penggunaan ai per minggu berikut adalah histrogram:

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

histogram

histogram ini menunjukan jumlah individu dalam penggunaan ai dalam frekuensi per minggu, dari data terlihat, penggunaan pada frekuensi 0 - 20 terlihat sangat banyak dibandingkan dengan 20 - 40, beberapa orang mungkin menggunakan ai secara terus menerus, namun tidak semua

6. Box Plot

Ini adalah visualisasi menggunakan box plot, yang menggambarkan lama berkerja, berikut adalah box plot:

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

lama berkerja dapat dilihat dri box plot ini, dengan median menunjukan nilai tengah dari distribusi ini

7. Density Plot

Ini adalah visualisasi menggunakan density plot, yang menggambarkan efisiensi kerja sesudah ai, berikut adalah 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

dalam plot ini dapat dilihat puncak density berada di efeisiensi menengah, atau bisa dibilang standar atau umum, dan bisa di lihat sebenarnya ada dua puncak lebih tepatnya di bagian arah kanan, tpi dia tidak memuncak setinggi yang di bagian kiri

Menampilkan semua Plot

setelah semua yang di atas sudah di run, maka kita bisa menampilkan seluruh visualisasi secara bersamaan

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