Installing Library

Pertama, kita harus import package nya terlebih dahulu di Packages -> Install -> Input Package Name (ggplot2 readxl ggthemes gridExtra)

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

Input Dataset

Disini kalian harus menaruh File Directory dari Dataset nya Notes : setwd(“Directory”) -> untuk mensetting File Directory data <- read_excel(“nama_file”) -> untuk mensetting nama File Excel

setwd("C:/Users/carlo/OneDrive/Documents/Tugas Kuliah/Probstat/Pertemuan 2/Dataset")
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

Code ini akan membuat pie chart yang menampilkan distribusi kategori dalam variabel Industri, menggunakan warna berbeda untuk setiap kategori. Hasil akhirnya adalah sebuah grafik lingkaran

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

Bar Chart

Code ini membuat bar chart yang menggambarkan distribusi Tingkat Penggunaan AI, dengan:

Kategori pada Tingkat Penggunaan AI sebagai sumbu X. Frekuensi kemunculan tiap kategori sebagai tinggi batang. Pewarnaan batang berdasarkan kategori Tingkat Penggunaan AI. Tampilan minimalis dengan judul dan label yang jelas.

Hasil akhirnya adalah sebuah bar chart yang menunjukkan seberapa sering setiap tingkat penggunaan AI muncul dalam dataset data.

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

Dot Plot

Kode ini membuat dot plot (scatter plot) yang menggambarkan hubungan antara Lama Bekerja (tahun) dan Efisiensi Kerja Sebelum AI, dengan:

Sumbu X: Lama bekerja dalam tahun. Sumbu Y: Efisiensi kerja sebelum AI. Titik biru dengan ukuran 2 sebagai representasi data. Tema minimalis dengan judul dan label yang jelas.

Hasil akhirnya adalah scatter plot yang memperlihatkan pola hubungan antara pengalaman kerja seseorang dengan efisiensi kerjanya sebelum menggunakan AI.

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

Stem and Leaf Plot

data$‘Lama Bekerja (tahun)’ -> Mengambil kolom “Lama Bekerja (tahun)” dari dataframe data. stem() -> Fungsi bawaan R yang membuat stem-and-leaf plot, yaitu representasi grafis sederhana dari distribusi data numerik.

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

Histogram

Code ini berguna untuk melihat distribusi penggunaan AI per minggu dalam bentuk histogram, membantu dalam analisis tren penggunaan AI oleh individu.

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

Box Plot

Boxplot memberikan ringkasan statistik visual dari data, dengan elemen-elemen berikut:

Garis Tengah (Median) -> Menunjukkan nilai tengah dari data. Kotak (Interquartile Range / IQR) -> Menunjukkan distribusi data antara kuartil pertama (Q1, 25%) dan kuartil ketiga (Q3, 75%). Garis (“Whiskers”) -> Menunjukkan rentang data yang masih dianggap wajar. Titik di luar whiskers (Outliers) -> Menunjukkan nilai yang sangat berbeda dari mayoritas data.

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

Density Plot

Density plot ini mengungkapkan bahwa sebagian besar responden mengalami peningkatan efisiensi kerja setelah menggunakan AI, dengan puncak distribusi berada di nilai efisiensi yang tinggi. Hal ini menunjukkan bahwa AI memberikan dampak positif terhadap produktivitas kerja.

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)