visualisasi data dengan ggplot2

Install dan load library

Beberapa library yang perlu diinstall sebagai berikut:

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

Input Data

Data diinput dari Mircosoft Excel dengan syntax sebagai berikut:

setwd("C:/Users/User/Desktop/Project/ProSta")
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>

Pie Chart

Dari data tersebut akan disajikan visualisasi data dalam bentuk Pie Chart. Berikut lampiran hasil visualisasi datanya:

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 distribusi industri paling banyak berada di Teknologi. Sedangkan distribusi industri terendah berada di Pendidikan.

Bar Chart

Dari data tersebut akan disajikan visualisasi data dalam bentuk Bar Chart. Berikut lampiran hasil visualisasi datanya:

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 tersebut dapat dijelaskan bahwa Distribusi tingkat penggunaan AI semakin meningkat dengan nilai tertinggi yaitu 12%. Sedangkan nilai terendah dalam Distribusi tingkat penggunaan AI yaitu 8,5%.

Dot Plot

Dari data tersebut akan disajikan visualisasi data dalam bentuk Dot Plot. Berikut lampiran hasil visualisasi datanya:

dot_plot <- ggplot(data, aes(x = `Lama Bekerja (tahun)`, y = `Efisiensi Kerja Sebelum AI`)) +
  geom_point(color = "navy", 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 tersebut dapat dijelaskan bahwa efiensi sebelum AI berkisar 0-80% dengan lama bekerja selama 0-10 tahun. Tetapi data di atas tidak berhubungan.

Stem and Leaf Plot

Dari data tersebut akan disajikan visualisasi data dalam bentuk Stem and Leaf Plot. Berikut lampiran hasil visualisasi datanya:

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 tersebut dapat dijelaskan bahwa data terkumpul di 0, dan jauh data terdapat dari 0 sampai 2.

Histogram

Dari data tersebut akan disajikan visualisasi data dalam bentuk Histogram. Berikut lampiran hasil visualisasi datanya:

histogram <- ggplot(data, aes(x = `Frekuensi Penggunaan AI per Minggu`)) +
  geom_histogram(binwidth = 5, fill = "purple", color = "black", alpha = 0.7) +
  theme_minimal() +
  labs(title = "Histogram: Frekuensi Penggunaan AI per Minggu", x = "Frekuensi", y = "Jumlah Individu")

histogram

Dari hasil visualisasi tersebut dapat dijelaskan bahwa frekuensi penggunaan AI paling banyak berada di minggu ke-20 dengan jumlah individu 5%. Sedangkan sedikitnya frekuensi penggunaan AI berda di minggu ke-40 dengan jumlah individu 1%.

Boxplot

Dari data tersebut akan disajikan visualisasi data dalam bentuk Boxplot. Berikut lampiran hasil visualisasi datanya:

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 tersebut, dapat dilihat bahwa distribusi data menunjukkan pola tertentu, seperti posisi median, rentang interkuartil, serta adanya kemungkinan nilai pencilan.

Density Plot

Dari data tersebut akan disajikan visualisasi data dalam bentuk Density Plot. Berikut lampiran hasil visualisasi datanya:

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 tersebut dapat dijelaskan bahwa efiensi kerja sesudah ada AI meningkat hingga 0,028 dengan skala 73. Sedangkan efiensi kerja menurun sesudah ada AI berada di 0.015 dengan skala 86.

Menampilkan semua plot

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