Install library

Beberapa librery yang perlu di install sebagai berikut:

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

Input Data

Tugas 1 Sebelum melakukan visualisasi data, akan di inputkan data terkait nilai ujian Probabilitas dan statiska Prodi Informatika. Berikut terlampir data nilainya:

kelas <-c(1,2,3,4,5,6,7," ")
data <-c(17,24,35,46,49,47,86,43,45,76,43,87,56,89,78,53,72,65,13,21,67,56,43,35,82,16,37,54,66,70,24,21,69,76,57,82,85,32,65,43,32,27,58,71,83,87,88,40,37,27)
data_range <-c("13 - 23", "24 - 34", "35 - 45", "46 - 56", "57 - 67", "68 - 78", "79 - 89","jumlah")
frekuensi <-c(5, 6, 10, 7, 6, 7, 9,50)
nilai_frekuensi <-c("13,16,17,21,21", "24,27,27,27,32,32", "35,35,37,37,40,43,43,43,43,45", "46,47,49,53,54,56,56", "57,58,65,65,66,67", "69,70,70,71,72,76,78", "82,82,83,85,86,87,87,88,89"," " )
data.frame(Kelas = kelas, Data = data_range, Frekuensi = frekuensi, Nilai = nilai_frekuensi)
##   Kelas    Data Frekuensi                         Nilai
## 1     1 13 - 23         5                13,16,17,21,21
## 2     2 24 - 34         6             24,27,27,27,32,32
## 3     3 35 - 45        10 35,35,37,37,40,43,43,43,43,45
## 4     4 46 - 56         7          46,47,49,53,54,56,56
## 5     5 57 - 67         6             57,58,65,65,66,67
## 6     6 68 - 78         7          69,70,70,71,72,76,78
## 7     7 79 - 89         9    82,82,83,85,86,87,87,88,89
## 8        jumlah        50

Data Deskriptif: Dari hasil data tersebut dapat dijelaskan bahwa nilai dengan rentang 35-45 merupakan nilai yang paling banyak dalam mata kuliah probabilitas dan statisika dengan jumlah frekuensi nilai 10. Sedangkan paling sedikit rentang nilai mata kuliah probabilitas dan statisika yaitu 13-23 debngan jumlah frekuensi nilai 5.

Data Inferensia: Dari hasil data tersebut dapat dijelaskan bahwa nilai dengan rentang 35-45 merupakan nilai yang paling banyak dalam mata kuliah probabilitas dan statisika.

Input Data

Data diInput dari Microsoft Excel dengan syntax sebagai berikut:

setwd("C:/Users/HP/OneDrive/Desktop/Perkuliahan Kk/Semester 2/Prosta")
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>

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_light()+
  labs(title = "Distribusi Industri") +
  theme(axis.text.x = element_blank())
pie_chart

Visualisasi bar chart

Hasil visualisasi data diatas 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

## Diagram Titik(Dot Plots) Hasil visualisasi data diatas dengan menggunakan Dot Plots disajikan sebagai berikut:

dot_plot <- ggplot(data, aes(x = `Lama Bekerja (tahun)`, y = `Efisiensi Kerja Sebelum AI`)) +
  geom_point(color = "blue", size = 3) +
  theme_bw() +
  labs(title = "Dot Plot: Lama Bekerja vs. Efisiensi Sebelum AI", x = "Lama Bekerja (tahun)", y = "Efisiensi Sebelum AI")

dot_plot

Steam and leaf plots

Hasil visualisasi data diatas dengan menggunakan Steam an leaf plots 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

Histogram

Hasil visualisasi data diatas dengan menggunakan Dot Plots 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

## Boxplot Hasil visualisasi data diatas dengan menggunakan Histogram disajikan sebagai berikut:

boxplot_data <- ggplot(data) +
  geom_boxplot(aes(y = `Lama Bekerja (tahun)`, fill = "lama bekerja (tahun"), alpha = 0.4) +
  theme_classic() +
  labs(title = "Boxplot: Lama Bekerja dalam tahun", fill = "Kondisi")

boxplot_data

## Density plot

density_plot <- ggplot(data, aes(x = `Efisiensi Kerja Sesudah AI`,fill = "Efisiensi")) +
  geom_density(alpha = 0.4) +
  theme_minimal() +
  labs(title = "Density Plot: Efisiensi Kerja Sesudah AI", x = "Efisiensi", y = "Density")
density_plot