library(ggplot2)
## Warning: package 'ggplot2' was built under R version 4.4.2
library(readxl)
## Warning: package 'readxl' was built under R version 4.4.2
library(ggthemes)
## Warning: package 'ggthemes' was built under R version 4.4.2
library(gridExtra)
## Warning: package 'gridExtra' was built under R version 4.4.2

Input Data

Data di input dari microsoft Excel dengan syntax sebagai berikut :

setwd("C:/Users/aulia.rachmah/Documents/Zoom/Tugas Kuliah-Informatika/Probabilitas & Statistika Sem.2")
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 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

Visualisasi Pie Chart diatas menunjukan bahwa lima sektor industri kesehatan, keuangan, manufaktur, pendidikan, dan teknologi memiliki distribusi yang bervariasi. Sektor teknologi memiliki proporsi terbesar, sementara sektor pendidikan memiliki proporsi terkecil.

2. Bar chart

Hasil visualisasi data di atas dengan menggunakan Bar chart disajikan sebagai berikut :

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 Bar Chart di atas menunjukkan distribusi tingkat penggunaan AI di antara responden. Mayoritas responden berada pada kategori Tinggi, yang memiliki frekuensi tertinggi dibandingkan kategori lainnya. Sementara itu, kategori Rendah dan Sedang memiliki jumlah responden yang hampir sama, tetapi masih lebih rendah dibandingkan kategori Tinggi. Hal ini mengindikasikan bahwa sebagian besar responden cenderung memiliki penggunaan AI yang cukup aktif.

3. Dot plot

Hasil visualisasi data di atas dengan menggunakan Dot Plot disajikan sebagai berikut :

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

Dot plot ini menunjukkan hubungan antara lama bekerja (dalam tahun) dan efisiensi kerja sebelum menggunakan AI. Terlihat bahwa responden dengan pengalaman kerja lebih dari 20 tahun cenderung memiliki efisiensi kerja yang lebih tinggi. Sebaliknya, responden dengan pengalaman kerja kurang dari 5 tahun memiliki efisiensi yang lebih bervariasi.

4. Stem and Leaf plot

Hasil visualisasi data di atas dengan menggunakan Stem and Leaf plot disajikan sebagai berikut :

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

Stem and Leaf plot menunjukan bahwa sebagian besar responden memiliki pengalaman kerja antara 10 hingga 20 tahun. Nilai-nilai di luar rentang ini, seperti di bawah 5 tahun atau di atas 30 tahun relatif lebih sedikit, yang menyatakan bahwa konsentrasi data pada kelompok usia kerja menengah.

5. Histogram

Hasil visualisasi data di atas dengan menggunakan Histogram disajikan sebagai berikut :

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

Histogram ini mengindikasikan bahwa frekuensi penggunaan AI per minggu paling banyak terjadi pada rentang 10-15 kali. Frekuensi di bawah 5 kali atau di atas 20 kali per minggu terlihat lebih jarang hal menandakan bahwa penggunaan AI cenderung berada pada tingkat sedang.

6. Boxplot

Hasil visualisasi data di atas dengan menggunakan Boxplot disajikan sebagai berikut :

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

Box plot menunjukkan bahwa sebagian besar data lama bekerja berada dalam rentang 10-20 tahun, dengan rata-rata tengah (median) sekitar 15 tahun. Ada beberapa data yang menyimpang di atas 30 tahun, menunjukkan adanya responden dengan pengalaman kerja yang jauh lebih lama dibandingkan lainnya.

7. Density plot

Hasil visualisasi data di atas dengan menggunakan Density plot disajikan sebagai berikut :

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

Density plot menunjukkan distribusi efisiensi kerja setelah penggunaan AI. Dari grafik, mayoritas data terkonsentrasi antara efisiensi 60 hingga 90, dengan puncak sekitar 80. Ini mengindikasikan bahwa setelah menggunakan AI, sebagian besar pekerja mengalami peningkatan efisiensi kerja dalam rentang tersebut. Hal ini menunjukkan bahwa AI memberikan dampak positif terhadap produktivitas kerja.

Menampilkan semua plot

Berikut adalah tampilan keseluruhan visualisasi data yang digunakan dalam riset tren penggunaan AI.

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