Install Library

Berikut merupakan beberapa library yang diperlukan dan perlu di install:

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

`

Input Data

Data diambil dari excel dengan format seperti berikut:

data <- read_excel("C:/Users/najwa/Downloads/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>

Dari data tersebut dapat disimpulkan bahwa Industri keuangan dengan jenis pekerjaan analis keuangan dan Industri Teknologi dengan pekerjaan dosen memiliki tingkat penggunaan AI yang tinggi dibandingkan dengan jenis pekerjaan lain. Selain itu, Industri manufaktur dengan jenis pekerjaan software engineer dan Industri teknologi dengan jenis pekerjaan analis keuangan memiliki tingkat penggunaan AI yang paling rendah diantara yang lain.

Pie Chart

Berikut merupakan visualisasi berbentuk pie chart berdasarkan data persentase responden berdasarkan distrubusi 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 gambar pie chart diatas dapat diartikan bahwa responden terbanyak berasal dari industri teknologi dan responden dari industri pendidikan merupakan yang paling sedikit

Bar Chart

Berikut merupakan visualisasi bar chart mengenai persentase tingkat penggunaan AI 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

Dari bar chart diatas dapat disimpulkan bahwa tingkat penggunaan AI yang tinggi, menjadi yang paling tinggi diantara tingkatan lainnya

Dot Plot

Berikut merupakan visualisasi data lama tahun bekerja vs efisiensi sebelum AI berdasarkan distribusi tungkat penggunaan AI yang divisualisasikan kedalam bentuk dot plot:

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 data diatas tidak dapat disimpulkan karena data tersebar secara acak

Stem and Leaf

Berikut merupakan hasil visualisasi data lama tahun bekerja berdasarkan distribusi tingkat penggunaan AI kedalam bentuk steam dan leaf:

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, didapat kesimpulan bahwa lama tahun bekerja dengan durasi 2,0 s/d 2,4 tahun merupakan yang paling banyak. Kemudian lama tahun bekerja yang paling sedikit yaitu 1,4 tahun dan 2,9 tahun

Histogram

Berikut hasil visualisasi data frekuensi penggunaan AI Perminggu berdasarkan distribusi tingkat penggunaan AI dalam bentuk histogram:

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 histogram diatas dapat disimpulkan bahwa data persebaran hampir mendekati kurva persebaran normal

Box plot

Berikut merupakan hasil visualisasi data frekuensi lama bekerja dalam tahun berdasarkan distribusi tingkat penggunaan AI dalam bentuk box plot:

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 visualisasi box plot diatas dapat disimpulkan bahwa nilai tengah lama tahun bekerja cenderung lebih dekat kebawah.

Density Plot

Berikut adalah hasil visualisasi data frekuensi efisiensi kerja sesudah AI berdasarkan distribusi tingkat penggunaan AI menggunakan density plot:

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

Menampilkan Semua Plot

Berikut merupakan gabungan dari semua hasil visualisasi data yang telah dibuat:

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