Input Data

Sebelum melakukan visualisasi data, akan diinputkan data terkait dengan korban tsunami di beberapa negara. berikut terlampir data korban tsunami :

korban <-c (10, 12, 4, 16, 8)
negara <-c ("US", "UK", "Australia", "Germany", "France")
persen <-round ((korban/sum(korban))*100)
data.frame(korban, negara, persen)
##   korban    negara persen
## 1     10        US     20
## 2     12        UK     24
## 3      4 Australia      8
## 4     16   Germany     32
## 5      8    France     16

Visualisasi Pie Chart

Hasil visualisasi data di atas dengan menggunakan pie chart disajikan sebagai berikut :

label <- paste (negara, persen, "%") #menambahkan persentase ke pie chart
pie (korban, labels=label, col=rainbow(length(label)), main= "pie chart korban tsunami")

Dari hasil visualisasi tersebut dapat dijelaskan bahwa negara german merupakan negara yang paling banyak korban terdampak bencana tsunami dengan jumlah korban sebanyak 32%. Sedangkan paling sedikit korban terdampak bencana tsunami yaitu australia dengan jumlah korban sebanyak 8%.

Visualisasi Bar Chart

Hasil visualisasi data di atas dengan menggunakan bar chart disajikan sebagai berikut :

barplot(korban, col="darkblue", main = "Barplot Korban Tsunami", names.arg = negara)

Grafik ini menunjukkan jumlah korban tsunami di lima negara, dengan Jerman memiliki jumlah korban tertinggi, diikuti oleh UK dan US yang hampir setara, sementara Prancis berada di tingkat menengah, dan Australia memiliki korban paling sedikit. Perbedaan ini dapat disebabkan oleh berbagai faktor seperti geografi, kesiapan infrastruktur, atau sistem peringatan dini.

Diagram Titik

Hasil visualisasi data di atas dengan menggunakan Diagram Titik disajikan sebagai berikut :

data("mtcars")
head(mtcars)
##                    mpg cyl disp  hp drat    wt  qsec vs am gear carb
## Mazda RX4         21.0   6  160 110 3.90 2.620 16.46  0  1    4    4
## Mazda RX4 Wag     21.0   6  160 110 3.90 2.875 17.02  0  1    4    4
## Datsun 710        22.8   4  108  93 3.85 2.320 18.61  1  1    4    1
## Hornet 4 Drive    21.4   6  258 110 3.08 3.215 19.44  1  0    3    1
## Hornet Sportabout 18.7   8  360 175 3.15 3.440 17.02  0  0    3    2
## Valiant           18.1   6  225 105 2.76 3.460 20.22  1  0    3    1
dotchart(mtcars$mpg, cex = 0.7, main = "Jarak Tempuh Kendaraan Per Liter", xlab = "jarak tempuh (km) per liter")

Dari pola titik-titiknya, terlihat bahwa sebagian besar kendaraan memiliki efisiensi antara 10 hingga 30 km per liter, dengan beberapa variasi. Adanya sebaran yang tidak merata bisa menunjukkan perbedaan tipe kendaraan, kondisi jalan, atau teknologi mesin yang digunakan.

Steam and Leaf Plots

Hasil visualisasi data di atas dengan menggunakan Steam and Leaf disajikan sebagai berikut :

stem (mtcars$mpg, scale = 2)
## 
##   The decimal point is at the |
## 
##   10 | 44
##   12 | 3
##   14 | 3702258
##   16 | 438
##   18 | 17227
##   20 | 00445
##   22 | 88
##   24 | 4
##   26 | 03
##   28 | 
##   30 | 44
##   32 | 49

Data tersebar dari 10 hingga 32, dengan konsentrasi terbesar di 14–15 dan 18–19, yang berarti rentang ini memiliki frekuensi data lebih tinggi dibanding rentang lainnya.

Histogram

Hasil visualisasi data di atas dengan menggunakan Histogram disajikan sebagai berikut :

hist (mtcars$mpg, breaks = 9, main = "Histogram Jarak Tempuh Kendaraan Per Liter", col = "blue", xlab = "jarak tempuh per liter")

Dari histogram ini, terlihat bahwa sebagian besar kendaraan memiliki efisiensi bahan bakar dalam rentang sekitar 15 hingga 20 km per liter, dengan puncak frekuensi tertinggi di sekitar 15 km per liter. Selain itu, terdapat beberapa kendaraan dengan efisiensi lebih tinggi, di atas 25 km per liter, namun jumlahnya lebih sedikit. Distribusi ini menunjukkan bahwa sebagian besar kendaraan memiliki efisiensi bahan bakar sedang, dengan beberapa outlier yang memiliki efisiensi sangat rendah atau sangat tinggi.