#install library beberapa library yang perlu diinstal sebagai berikut:

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

##import data data diinput dari microsoft excel dengn syntax

setwd ("C:/Users/Erlangga/Documents/prosta")
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

dari data tersebut akan disajikan visualisasi data dalam bentuk pie chart, berikut terlampir hasil visualisasi data presentase responden berdasarkan distribusi industri: (Penggunaan AI dalam distribusi industri sesuai hasil data pie chat dibawah terlihat bagian Keuangan dan Manufaktur mendominasi dengan hampir 50% atau sebagian dari keseluruhan data di berbagai industri industri lainnya)

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

2. Bar Chart

Distribusi tingkat penggunaan AI dari bar chart di atas sangatlah tinggi hingga hampir mencapai 12.5

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

3. Dot Plot

Menurut dot plot dibawah Efisiensi lama bekerja rata rata kurang dari 10 tahun sampai dengan 20 tahun keatas

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

4. Stem and Leaf Plot

Melalui Stem and Leaf Plot dapat diketahui desimal yang di awali dengan 2 lebih banyak, ada 9 angka dibelakangnya

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

5. Histogram

Dapat diketahui dari histogram dibawah, penggunaan AI perminggu paling rendah dengan jumlah individu 1 (frekuensi 40) dan paling tinggi dengan jumlah individu 5 (frekuensi kurang dari 20)

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

6. Boxplot

Menurut box plot diatas Efisiensi lama bekerja rata rata kurang dari 10 tahun sampai dengan 20 tahun keatas

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

7. Density Plot

Density plot : Efisiensi kerja sesudah AI, menurut hasilnya efisiensi paling rendah berada di bawah 0.01 dan paling tinggi diatas 0.02

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

Menampilkan semua plot

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