Install library

Beberapa library yang perlu diinstall sebagai berikut:

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

Input Data

Data diinput dari Microsoft Excel dengan syntax sebagai berikut:

setwd("D:/Tugas Ami/SEMESTER 2/statistika/pertemuan 2")
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

Dari hasil visualisasi di atas dapat dijelaskan bahwa Industri Teknologi memiliki proporsi yang lebih besar dibandingkan dengan industri lainnya. Pada Industri Pendidikan memiliki proporsi terkecil dibandingkan dengan industri yang lainnya.

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

Dari hasil visualisasi di atas dapat dijelaskan bahwa tingkat penggunaan AI pada kategori Tinggi memiliki jumlah individu terbanyak dengan frekuensi sekitar 12. Sedangkan kategori Rendah dan Sedang memiliki julmah individu yang hampir sama dengan frekuensi sekitar 9. Ini berarti mayoritas individu sering menggunakan AI, sehingga penggunaan AI berada dalam tingkat Tinggi.

Dot Plot

Dari data tersebut akan disajikan visualisasi data dalam bentuk Dot Plot. Berikut terlampir hasil visualisasi datanya:

dot_plot <- ggplot(data, aes(x = `Lama Bekerja (tahun)`, y = `Efisiensi Kerja Sebelum AI`)) +
  geom_point(color = "pink", 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 di atas dapat dijelaskan bahwa tidak ada hubungan yang jelas antara lama bekerja dan efisiensi sebelum penggunaan AI. Sebagian besar individu memiliki efisiensi kerja sebelum AI di kisaran 50-80.

Stem and Leaf Plot

Dari data tersebut akan disajikan visualisasi data dalam bentuk Steam and Leaf Plot. Berikut terlampir hasil visualisasi datanya:

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 di atas dapat dijelaskan bahwa mayoritas individu memiliki lama bekerja kurang dari 20 tahun, jumlah individu lama bekerja terbanyak berada di rentang 0-10 tahun dengan individu berjumlah 15. Sedangkan jumlah individu lama bekerja terendah pada 29 tahun dengan individu berjumlah 1.

Histogram

Dari data tersebut akan disajikan visualisasi data dalam bentuk Histoggram. Berikut terlampir hasil visualisasi datanya:

histogram <- ggplot(data, aes(x = `Frekuensi Penggunaan AI per Minggu`)) +
  geom_histogram(binwidth = 5, fill = "pink", color = "black", alpha = 0.7) +
  theme_minimal() +
  labs(title = "Histogram: Frekuensi Penggunaan AI per Minggu", x = "Frekuensi", y = "Jumlah Individu")

histogram

Dari hasil visualisasi di atas dapat dijelaskan bahwa pada frekuensi penggunaan AI antara 15-20 kali per minggu memiliki jumlah individu tertinggi. Sedangkan pada frekuensi AI antara 38-40 kali per minggu memiliki jumlah individu terendah.

Boxplot

Dari data tersebut akan disajikan visualisasi data dalam bentuk Boxplot. Berikut terlampir hasil visualisasi datanya:

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 di atas dapat dijelaskan bahwa mayoritas individu memiliki lama bekerja antara 5 hingga 22 tahun, sebagian individu memiliki lama bekerja di bawah 12 tahun, dan sebagian lainnya di atas 12 tahun.

Density Plot

Dari data tersebut akan disajikan visualisasi data dalam bentuk Density Plot. Berikut terlampir hasil visualisasi datanya:

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 di atas dapat dijelaskan bahwa mayoritas individu memiliki efisiensi kerja dalam kisaran 70-80. Persebaran efisiensi kerja berada pada rentang antara 50-100. Pada rentang antara 50-70 mayoritas individu mengalami peningkatan efisiensi setelah menggunakan AI.

Menampilkan semua plot

Akan disajikan visualisasi data dengan semua plot. Berikut terlampir haasil visualisasi datanya:

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