Install dan load library

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

Input Data

Data diinput dari Microsoft excel dengan syntax sebagai Berikut :

setwd("C:/Users/Lenovo/OneDrive - untirta.ac.id/Dokumen/kuliah nida/project yang mau dipindahin/file yang mau dipindahin/kuliah/file kuliah/Semester 2/Probabilitas Dan Statistika")
data <- read_excel("data_tren_penggunaan_ai.xlsx")
data
## # A tibble: 30 × 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             
##  7 Pendidikan Software Engineer Tinggi                  Negatif             
##  8 Keuangan   Software Engineer Tinggi                  Negatif             
##  9 Manufaktur Dosen             Sedang                  Positif             
## 10 Teknologi  Software Engineer Rendah                  Positif             
## # ℹ 20 more rows
## # ℹ 4 more variables: `Lama Bekerja (tahun)` <dbl>,
## #   `Frekuensi Penggunaan AI per Minggu` <dbl>,
## #   `Efisiensi Kerja Sebelum AI` <dbl>, `Efisiensi Kerja Sesudah AI` <dbl>

1. 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 tersebut dapat dijelaskan bahwa Industri Teknologi memiliki tingkat penggunaan AI tertinggi, sedangkan Pendidikan memiliki tingkat penggunaan AI terendah

2. 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

Berdasarkan diagram batang distribusi tingkat penggunaan AI, kategori rendah dan sedang memiliki frekuensi yang hampir sama, yaitu sekitar 8 hingga 9. Sementara itu, kategori tinggi memiliki frekuensi tertinggi, yaitu sekitar 11 hingga 12. Individu dalam dataset memiliki tingkat penggunaan AI yang tinggi dibandingkan dengan tingkat rendah atau sedang.

3. 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

Berdasarkan dot plot, efisiensi kerja sebelum penggunaan AI berada dalam rentang 50 hingga 80, sementara lama bekerja berkisar antara 0 hingga 30 tahun. Sebaran data terlihat seimbang tanpa pola yang jelas. Menunjukkan bahwa efisiensi sebelum AI tidak terlalu dipengaruhi oleh lama bekerja.

4. 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, terlihat bahwa sebagian besar individu dalam dataset memiliki pengalaman kerja kurang dari 10 tahun, yang ditunjukkan oleh banyaknya angka pada stem 0 dan 1. Sementara itu, hanya sedikit bagian individu yang memiliki pengalaman kerja lebih dari 20 tahun.

5. 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

Berdasarkan histogram frekuensi penggunaan AI per minggu, terlihat bahwa Sebagian besar individu memiliki frekuensi penggunaan AI yang rendah.Dengan data terbanyak berada di kisaran 0 hingga 20 kali per minggu. # 6. 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 visualisasi ini, kita bisa menyimpulkan bahwa sebagian besar individu memiliki pengalaman kerja berkisar antara 5 hingga 20 tahun.

7. 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

Berdasarkan density plot efisiensi kerja setelah penggunaan AI, data menunjukkan bahwa sebagian besar nilai efisiensi berada dalam rentang 60 hingga 90. Tetapi puncaknya ada pada sekitar 70-80. Artinya efisiensi kerja mayoritas meningkat ke tingkat yang cukup tingg setalah adanya AI.

Menampilkan semua plot

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