Install library

Beberapa library yang perlu diinstal sebagai berikut:

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

Input data

Data diinput dari Microsoft Excel dengan syntax sebagai berikut:

setwd("D:/PROSTA/2, 24-2-25")
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>

Berdasarkan tabel dapat diketahui bahwa penggunaan AI paling tinggi ada di bidang Teknologi (Dosen) dan Keuangan (Analis Keuangan), dengan respon yang positif. Sementara itu, penggunaan AI paling rendah ada di bidang Manufaktur (Software Engineer) dan Teknologi (Analis Keuangan), dengan respon yang beragam, ada yang positif dan ada yang negatif.

Pie Chart

Dari data tersebut akan disajikan visualisasi data dalam bentuk Pie Chart Distribusi Industri:

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 data menggunakan Pie Chart, dapat diketahui bahwa distribusi Industri Teknologi menjadi terbesar, dan Industri Pendidikan menjadi yang terkecil dalam distribusi industri.

Bar Chart

Dari data tersebut akan disajikan visualisasi data dalam bentuk Bar Chart Distribusi Tingkat Penggunaan AI:

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 data menggunakan Bar Chart, dapat diketahui bahwa tingkat penggunaan AI yang paling banyak adalah kategori Tinggi. Sedangkan tingkat penggunaan AI yang paling sedikit adalah kategori Rendah dan Sedang dengan frekuensi yang sama.

Dot Plot

Dari data tersebut akan disajikan visualisasi data dalam bentuk Dot Plot hubungan antara Lama bekerja dengan Efisiensi kerja sebelum AI:

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 hasil visualisasi data menggunakan Dot Plot, dapat diketahui bahwa terdapat variasi efisiensi sebelum penggunaan AI berdasarkan lama bekerja. ada pekerja yang sudah lama bekerja dengan efisien kerja tinggi maupun rendah dan ada pekerja yang bekerja kurang dari 5 tahun dengan efisien yang bervariatif. Dengan kata lain bahwa hubungan efisiensi sebelum AI dengan lama bekerja tidak mempunyai pola khusus

Stem and Leaf Plot

Dari data tersebut akan disajikan visualisasi data dalam bentuk Stem and Leaf Plot berapa lama bekerja:

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 data, dapat diketahui bahwa kategori dengan jumlah terbanyak adalah lamanya individu bekerja adalah 1 tahun, 4 tahun dan 24 tahun. Sedangkan lamanya bekerja dengan jumlah terkecil adalah 14 tahun dan 29 tahun.

Histogram

Dari data tersebut akan disajikan visualisasi data dalam bentuk Histogram Frekuensi Penggunaan AI per Minggu:

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 hasil visualisasi data menggunakan histogram, dapat diketahui bahwa jumlah individu dengan frekuensi penggunaan AI per minggu paling banyak berada pada rentang sekitar 15–20 kali, dengan jumlah pengguna mencapai 5 orang. Sedangkan rentang frekuensi penggunaan AI yang paling sedikit digunakan oleh pengguna adalah sekitar 45–50 kali per minggu, dengan jumlah individu hanya 1 orang.

Box Plot

Dari data tersebut akan disajikan visualisasi data dalam bentuk Box Plot Lama Bekerja(tahun):

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 data menggunakan Box Plot, dapat diketahui bahwa lama bekerja dari 4 tahun hingga 24 tahun.

Density Plot

Dari data tersebut akan disajikan visualisasi data dalam bentuk Density Efisiensi kerja sesudah AI:

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 data menggunakan Density Plot, dapat diketahui bahwa efisiensi kerja setelah penggunaan AI yang paling tinggi sekitar 70-75. Sedangkan, efisiensi kerja yang paling rendah berada pada nilai 50.

Menampilkan semua plot

Di bawah ini akan menampilkan semua plot

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