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 sektor industri Teknologi mendominasi kota x , sedangkan sektor industri yang paling sedikit di kota x adalah pendidikan

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

Dari Visualisasi data diatas dapat diketahui pengguna yang menggunakan AI pada tingkat rendah dan sedang hampir sama, sekitar 9 industri sedangkan pengguna yang menerapkan AI pada tingkat tinggi lebih banyak dibandingkan dua kategori lainnya, dengan jumlah sekitar 12 industri. - Rendah : Software Engineer 2 orang, Analisis Keuangan 3 Orang, Data Scientist 3 Orang, Dokter 1 Orang - Sedang : Data Scientist 3 Orang, Analisis Keuangan 1 orang, Dosen 2 orang, Dokter 1, Software Engineer 2 Orang - Tinggi : Analisis Keuangan 3 Orang, Dosen 3 Orang, Software Engineer 3 Orang, Data Scientist 3 Orang

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

Dari Visualisasi Data di atas dapat diketahui bahwa ada 1 orang Data Scientist yang sudah memilki efisiensi 75 padahal baru 1 tahun bekerja, namun ada juga Data Scientist yang hanya bisa mencapai efisensi bekerja hanya sebesar 59 selama 29 tahun bekerja. Hal ini dapat disimpulkan bahwa lama bekerja tidak selalu berbanding lurus dengan efisiensi, mungkin ada faktor lain yang memengaruhinya

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 Visualisasi data diaatas dapat diketahui bahwa lama waktu bekerja paling rendah adalah 2 orang Data Scientist dan 1 orang Dosen yang masing masing jangkanya yaitu 1 tahun, sedangkan yang paling lama adalah data scientist juga yaitu selama 29 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

Dari Visualisasi Data Diatas dapat disimpulkan bahwa frekuensi penggunaan AI paling banyak yaitu di frekuensi penggunaan AI 15-20 kali seminggu dengan jumlah pengguna yaitu 5 orang, sedangkan frekuensi penggunaan AI paling sedikit yaitu di frekuensi penggunaan AI 35-40 kali seminggu dengan pengguna 1 Orang.

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 Data Diatas Dapat disimpulkan bahwa Sebagian besar individu memiliki lama bekerja antara 5 hingga 20 tahun. Nilai median berada di 10 tahun, artinya separuh individu memiliki pengalaman kerja kurang dari 10 tahun dan separuh lainnya lebih dari 10 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

Dari Visualisasi data diatas dapat disimpulkan bahwa Sebagian besar individu memiliki efisiensi kerja sekitar 70-75 setelah AI diterapkan.Sebagian kecil individu memiliki efisiensi lebih tinggi, mendekati 90-100.

Menampilkan semua plot

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

Dari keseluruhan visualisasi data diatas dapat disimpulkan : - Mayoritas pekerja berasal dari industri teknologi, kesehatan, atau keuangan. - Tingkat penggunaan AI tinggi, menunjukkan adopsi yang luas. - Efisiensi kerja meningkat setelah penggunaan AI, dengan mayoritas individu mencapai efisiensi 70-75. - Tidak ada korelasi yang jelas antara lama bekerja dan efisiensi sebelum AI. - Sebagian besar individu memiliki pengalaman kerja 5-20 tahun.