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

#Input Data Sebelum melakukan visualisasi data, akan diinput data terkait dengan tren penggunaan AI dalam dunia kerja dengan 30 sampel dan 8 variabel.

setwd("D:/Shenry/data tren ai")
data <- read_excel("data_tren_penggunaan_ai.xlsx")
head(data)

#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

Dari hasil visualisasi grafik di atas dapat dilihat bahwa teknologi adalah industri yang paling banyak menggunakan AI. Sedangkan paling sedikit industri yang menggunakan AI adalah industri pendidikan.

#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 grafik bar di atas dapat dilihat bahwa frekuensi tingkat penggunaan AI dari berbagai industri berada dalam kategori penggunaan yang tinggi, dibandingkan dengan kategori penggunaan sedang dan rendah.

#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 grafik dot plot di atas dapat dilihat bahwa pola sebarannya tidak ada yang terlalu berkumpul.Sehingga dapat disimpulkan bahwa Ai tidak mempengaruhi efisiensi pekerjaan.

#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 stem and leaf plot di atas dapat disimpulkan mayoritas individu memiliki pengalaman bekerja dibawah 10 tahun.

#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 visualisasi histogram di atas dapat disimpulkan rata rata individu menggunakan AI sekitar 10 hingga 25 kali per minggu. Di mana puncak tertinggi dari histogram ada di sekitar 15-20 kali per minggu. Pencilan dalam histogram ini ada pada penggunaan AI 40 kali per minggu. Sebaran datanya cukup luas, namun mayoritas masih mengggunakan AI di bawah 20 kali per minggu.

#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 boxplot di atas, dapat disimpulkan individu sedang bekerja diantara 5 hingga 20 tahun. Di mana median nya sekitar 11-12 tahun.

#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 density di atas, efisiensi kerja sebagian besar individu mencapai efisiensi 60-80.

#Menampilkan semua plot

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