Praktikum Visualisasi Data

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

import Data

setwd("C:/Users/Acer/Pictures/Probstat/1-Praktikum-Visualisasi data")
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>

1. Pie Chart

Dari data tersebut akan disajikan visualisasi data dalam bentuk Pie Chart. Berikut terlampir hasil visualisasi data Persentase Responden berdasarkan 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

Visualisasi data menunjukkan bahwa distribusi industri dalam penggunaan tidak mendominasi melainkan mencakup berbagai industri secara seimbang.

2. Bar Chart

Dari data tersebut akan disajikan visualisasi data dalam bentuk Bar Chart. Berikut terlampir hasil visualisasi kategori Responden berdasarkan Distribusi 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

Visualisasi data menunjukkan bahwa pengguna Ai dengan tingkat intensif sudah melebihi tingkat lainnya, tapi mayoritas masih berada pada tingkat sedang dan rendah.

3. Dot Plot

Dari data tersebut akan disajikan visualisasi data dalam bentuk Dot Plot. Berikut terlampir hasil visualisasi data numerik Responden berdasarkan Lama bekerja dengan Efisiensi Kerja :

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

Visualisasi data ini menunjukkan bahwa lama kerja dengan efisiensi sebelum AI tidak memilihi hubungan yang kuat sehingga memengaruhi satu sama lain.

4. Stem and Leaf Plot

Dari data tersebut akan disajikan visualisasi data dalam bentuk Stem and Leaf Plot. Berikut terlampir hasil visualisasi pola sebaran data Responden berdasarkan 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

Visualisasi data ini menunjukkan angka terkonsentrasi di angka “2”, ini menunjukkan bahwa sebagian besar memiliki pengalaman kerja sekitar 20 tahun.

5. Histogram

Dari data tersebut akan disajikan visualisasi data dalam bentuk Histogram. Berikut terlampir hasil visualisasi frekuensi data numerik Responden berdasarkan 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

Visualisasi data ini menunjukkan distribusi penggunaan Ai per Minggu masih normal karena tidak ada condong ke sisi manapun.

6. Boxplot

Dari data tersebut akan disajikan visualisasi data dalam bentuk Boxplot. Berikut terlampir hasil visualisasi distribusi data Responden berdasarkan Lama Bekerja :

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

Visualisasi data ini menunjukkan lama bekerja condong ke angka 20 karena lebih banyak yang melebihi median.

7. Density Plot

Dari data tersebut akan disajikan visualisasi data dalam bentuk Density Plot. Berikut terlampir hasil visualisasi data distribusi variabel numerik Responden berdasarkan Efisiensi :

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

Visualisasi data ini menunjukkan mayoritas nilai efisiensi setelah menggunakan Ai berada pada nilai 70%.

Menampilkan semua plot

Dari data tersebut akan disajikan visualisasi data dalam semua bentuk / plot. Berikut terlampir hasil visualisasi data berdasarkan semua data :

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

Tampilan semua plot ini memungkinkan untuk membandingan atau mencari korelasi antar visualisasi data apakah terhubung.