Install dan load library

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

Import Data

setwd("C:/Semester 2/Prosta/1-Praktikum-Visualisasi data")
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

Penggunaan AI paling dominan di sektor Teknologi dan Manufaktur, sementara sektor Keuangan dan Kesehatan juga menunjukkan adopsi signifikan. Pendidikan masih dalam tahap pertumbuhan dalam pemanfaatan AI.

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

Tren penggunaan AI menunjukkan peningkatan signifikan, dengan sebagian besar organisasi telah mengadopsi AI pada tingkat tinggi. Namun, masih terdapat beberapa yang menggunakannya dalam kapasitas sedang atau 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

Lama bekerja tidak memiliki korelasi yang jelas dengan efisiensi sebelum AI. Efisiensi kerja sebelum penerapan AI bervariasi secara signifikan terlepas dari jumlah tahun pengalaman kerja.

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

Mayoritas pekerja dalam dataset ini memiliki pengalaman kerja kurang dari 20 tahun, dengan kepadatan terbesar pada kisaran 0-10 tahun. Hanya sedikit pekerja yang memiliki pengalaman lebih dari 20 tahun, menunjukkan bahwa data ini kemungkinan berasal dari populasi tenaga kerja yang relatif muda.

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

Sebagian besar individu menggunakan AI dalam kisaran 10-30 kali per minggu, dengan beberapa individu yang memiliki penggunaan lebih tinggi. Pola distribusi menunjukkan bahwa AI cukup sering digunakan oleh sebagian besar individu, tetapi ada juga variasi dalam jumlah penggunaannya.

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

Sebagian besar individu memiliki pengalaman kerja dalam rentang 5 hingga 20 tahun, dengan median sekitar 10 tahun. Data menunjukkan variasi yang cukup besar dalam lama bekerja, namun tetap dalam batas normal tanpa banyak nilai ekstrem.

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

Mayoritas individu mengalami peningkatan efisiensi dalam kisaran 70-80 setelah menggunakan AI. Beberapa individu memiliki efisiensi lebih tinggi mendekati 90-100, tetapi jumlahnya lebih sedikit. Secara keseluruhan, AI tampaknya memberikan dampak positif pada efisiensi kerja, dengan sebagian besar pekerja mengalami peningkatan yang signifikan.

Menampilkan semua plot

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