Visualisasi Data dengan ggplot2

##Install library beberapa library yang perlu diinstall sebagai berikut:

library(ggplot2)
library(readxl)
library(ggthemes)
library(gridExtra)

INPUT data

Data diiput dari mirosoft excel dengan syntax sebagai berikut:

setwd ("C:/Users/DELL/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>

pie chart

dari data tersebut akan disajikan visualisasi data dalam bentuk pie chart.berikut terlampir hasil visualisasi datanya:

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

Industri teknologi mendominasi dalam penggunaan AI dibandingkan industri lainnya.Hal ini membuktikan bahwa sektor ini lebih cepat dalam mengadopsi AI untuk meningkatkan efisiensi kerja dan inovasi.

bar chart

dari data tersebut akan disajikan visualisasi data dalam bentuk bar chart.berikut terlampir hasil visualisasi datanya:

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 bar chart tersebut,AI mulai digunakan dengan tingkat adopsi yang cukup tinggi. Dengan tren seperti ini, penggunaan AI dalam dunia kerja kemungkinan akan terus meningkat.

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

Tidak ada hubungan yang signifikan antara lama bekerja dan efisiensi sebelum AI. Ini menunjukkan bahwa efisiensi kerja sebelum AI bergantung pada faktor lain selain jumlah tahun pengalaman.

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

Sebagian besar pekerja memiliki pengalaman dibawah 21 Tahun,dengan rata-rata sekitar 11,5 tahun. Akan tetapi ada beberapa orang yang memiliki pengalaman kerja yang jauh lebih lama. Hal ini menunjukan bahwa jumlah pekerja dengan pengalaman yang panjang lebih sedikit dibandingkan dengan pekerja dengan jumlah pengalaman yang pendek.

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

Terdapat sebagian pekerja yang menggunakan AI sangat jarang atau bahkan tidak sama sekali.Namun, mayoritas pekerja menggunakan AI secara aktif dengan frekuensi penggunaan sedang per minggu nya.

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

mayoritas pekerja memiliki pengalaman kerja antara 3-7 tahun,dengan rata-rata di sekitar 5 tahun dengan pengalaman kerja yang relatif seimbang.

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

Mayoritas pekerja mengalami peningkatan signifikan, hal ini mengindikasikan AI berdampak positif secara umum.

Semua plot

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