Input Data

Sebelum melakukan visualisasi data, akan diinputkan data terkait dengan korban tsunami di beberapa negara. Berikut terlampir 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 visualisai tersebut dapat dijelaskan bahwa negara Jerman 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="pink", main="Barplot Korban Tsunami", names.arg = negara)

Dari hasil visualisasi tersebut dapat dijelaskan bahwa negara Jerman merupakan negara yang paling banyak korban terdampak bencana Tsunami dengan jumlah korban sebanyak 16 korban. Sedangkan, paling sedikit korban terdampak bencana Tsunami yaitu Australia dengan jumlah korban sebanyak 4 orang.

Diagram Titik (Dots Plot)

Hasil visualisasi data di atas dengan menggunakan Dots Plot 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 hasil visualisasi data diatas dapat dijelaskan bahwa grafik Dot Plot menunjukkan data antara jarak tempuh kendaraan per liter, dan titik-titik terlihat cukup tersebar yang menunjukkan variasi konsumsi bahan bakar antar kendaraan. Data tersebar antara 10 sampai dengan 35 km, data yang paling banyak berkumpul terletak pada rentang 15 sampai dengan 25 km. Dan data yang paling sikit berkumpul terletak pada rentang 25 sampai dengan 30 km.

Steam And Leaf Plots

Hasil visualisasi data di atas dengan menggunakan Steam And Leaf Plots 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

Dari visualisasi data diatas menunjukkan tentang distribusi jarak tempuh kendaraan per liter (mpg atau milage per gallon) menyebar atau memiliki rentang dari 10 sampai dengan 32 km per liter. Mayoritas data berkumpul antara 14 sampai dengan 26 km per liter, karena pada rentang ini memiliki kepadatan yanglebih tinggi. Sedangkan, data lebih sedikit berkumpul pada rentang 28 sampai dengan 32 km per liter.

Histogram

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

hist(mtcars$mpg,breaks = 9,main = "Histogram jarak tempuh kendaraan per Liter", col= "pink", xlab = "Jarak Tempuh per Liter")

Dari visualisasi data diatas menunjukkan bahwa tersebar dari rentang 10 sampai dengan 30 km per liter, data kelompok dari rentang 15 sampai dengan 25 km memiliki frekuensi paling tinggi, yang artinya mayoritas kendaraan memiliki efisiensi bahan bakar dalam rentang ini. Sedangkan hanya sedikit kendaraan yang memiliki efisiensi diatas 30 km per liter (hal ini ditunjukkan dari data batang yang terpisah, karena mayoritas data terletak pada rentang 15 sampai dengan 25).

Note that the echo = FALSE parameter was added to the code chunk to prevent printing of the R code that generated the plot.