Install dan load library

library(ggplot2)
library(readxl)
library(ggthemes)
library(gridExtra)
library(dplyr)
library(tidyr)
library(modeest)

Import Data Dari Excel

# Import Data
setwd("C:/Users/HP-14/Downloads")
data <- read_excel("data-socialmedia-terhadap-mental-health.xlsx")
head(data)

## # A tibble: 6 × 22
##   Timestamp           `1. What is your age?` Gender `3. Relationship Status`
##   <dttm>                               <dbl> <chr>  <chr>                   
## 1 2022-04-18 19:18:47                     21 Male   In a relationship       
## 2 2022-04-18 19:19:28                     21 Female Single                  
## 3 2022-04-18 19:25:59                     21 Female Single                  
## 4 2022-04-18 19:29:43                     21 Female Single                  
## 5 2022-04-18 19:33:31                     21 Female Single                  
## 6 2022-04-18 19:33:48                     22 Female Single                  
## # ℹ 18 more variables: `4. Occupation Status` <chr>,
## #   `5. What type of organizations are you affiliated with?` <chr>,
## #   `6. Do you use social media?` <chr>,
## #   `7. What social media platforms do you commonly use?` <chr>,
## #   `8. What is the average time you spend on social media every day?` <chr>,
## #   `9. How often do you find yourself using Social media without a specific purpose?` <dbl>,
## #   `10. How often do you get distracted by Social media when you are busy doing something?` <dbl>, …

1. Pie Chart (Diagram Lingkaran)

pie_chart <- ggplot(data, aes(x = "", fill = Gender)) +
  geom_bar(width = 1) +
  coord_polar("y", start = 0) +
  theme_minimal() +
  labs(title = "Distribusi Gender") +
  theme(axis.text.x = element_blank())

# Tampilkan pie chart sendiri
print(pie_chart)

Pie Chart tersebut menjadi perbandingan total dari sample responden yang diambil pada data ini

2. Bar Chart (Diagram Batang)

data_responses <- c(
  "Facebook, Twitter, Instagram, YouTube, Discord, Reddit",
  "Facebook, Twitter, Instagram, YouTube, Discord, Reddit",
  "Facebook, Instagram, YouTube, Pinterest",
  "Facebook, Instagram",
  "Facebook, Instagram, YouTube",
  "Facebook, Twitter, Instagram, YouTube, Discord, Pinterest, TikTok",
  "Facebook, Instagram, YouTube, Snapchat, TikTok",
  "Facebook, Instagram, YouTube",
  "Facebook, Instagram, YouTube",
  "Reddit, Pinterest",
  "Facebook, Instagram, YouTube, Discord",
  "Facebook, Instagram, YouTube, Snapchat, Discord, Reddit, Pinterest, TikTok",
  "Facebook, Twitter, Instagram, YouTube, Snapchat, Discord, Reddit, Pinterest",
  "Facebook, Twitter, Instagram, YouTube, Snapchat, Reddit, Pinterest",
  "Facebook, YouTube, Pinterest",
  "Facebook, Instagram, YouTube, Reddit",
  "Facebook, YouTube, Discord",
  "Facebook, Instagram, YouTube, Reddit",
  "Facebook, YouTube, Discord, Reddit",
  "Facebook, Twitter, Instagram, YouTube",
  "Facebook, Instagram, YouTube, Discord, Reddit",
  "Facebook, Twitter, Instagram, YouTube, Discord, Reddit, TikTok",
  "Facebook, Instagram, YouTube, Pinterest",
  "Facebook, Instagram, YouTube, Snapchat, Pinterest",
  "Facebook, Twitter, YouTube, Discord",
  "Facebook, YouTube",
  "Facebook, Instagram, YouTube, Discord",
  "Facebook, Twitter, Instagram, YouTube",
  "Facebook, Instagram, YouTube, Snapchat, Discord, Pinterest, TikTok",
  "Facebook, Instagram, YouTube, Snapchat, Discord"
)

# Mengubah data menjadi format yang bisa dihitung frekuensinya
data_frame <- data.frame(Platforms = unlist(strsplit(data_responses, ", "))) %>%
  count(Platforms, sort = TRUE)

bar_chart <- ggplot(data_frame, aes(x = n, y = reorder(Platforms, n), fill = Platforms)) +
  geom_bar(stat = "identity") +
  coord_flip() +
  theme_minimal() +
  labs(title = " Platform Media Sosial Yang Digunakan", x = "Frekuensi", y = "Platform") +
  theme(legend.position = "none")

# Tampilkan bar chart sendiri
print(bar_chart)

Terdapat 7 Platform Sosial Media yang sering digunakan oleh para responden, Seperti : Facebook, Instagram, YouTube, Snapchat, Discord, Reddit, Pinterest, TikTok.Dari hasil Bar Chart tersebut dapat dikatakan bahwa Facebook adalah platform sosial media yang sering digunakan

3. Dot Plot (Diagram Titik)

# 3. Dot Plot (Diagram Titik)
dot_plot <- ggplot(data, aes(x = `Gender`, y = `How often do you feel depressed or down?`)) +
  geom_point(color = "violet", size = 2) +
  theme_minimal() +
  labs(title = "Dot Plot: Jenis Kelamin vs Tingkat Depresi", x = "Jenis Kelamin", y = "Tingkat Depresi")

print(dot_plot)

Dari Dot Plot tersebut dapat disimpulkan bahwa tingkat depresi perempuan lebih tinggi daripada pria

4. Histogram

# 4. Histogram
histogram_data <- c(5,5,4,4,4,3,5,5,5,1,5,3,3,3,5,3,4,2,3,2,2,3,4,4,3,4,4,4,4,5)
df <- as.data.frame(table(histogram_data))
colnames(df) <- c("Individu", "Frekuensi")
df$Individu <- as.numeric(as.character(df$Individu))

hist_plot <- ggplot(df, aes(x=Individu, y=Frekuensi)) +
  geom_bar(stat="identity", fill="cyan", color="black") +
  geom_text(aes(label=Frekuensi), vjust=0.5, hjust=-0.2, size=5) +
  labs(title="Histogram: Frekuensi Tingkat Depresi", x="Skor", y="Frekuensi") +
  theme_minimal() +
  coord_flip()

print(hist_plot)

Frekeunsi terhadap penilaian hasil survey responden dengan skala tingkat depresi 1-5, menghasilkan bahwa tingkat depresi cenderung tinggi

5. Boxplot (Diagram Kotak)

# 5. Boxplot (Diagram Kotak)
boxplot_data <- ggplot(data) +
  geom_boxplot(aes(y = `On a scale of 1 to 5, how often do you face issues regarding sleep?`, fill = "Masalah Tidur"), alpha = 0.6) +
  theme_minimal() +
  labs(title = "Box Plot: Masalah Tidur", fill = "Kondisi")

print(boxplot_data)

Pada bagian boxplot ini, kita membuat visualisasi distribusi data terkait frekuensi masalah tidur berdasarkan skala 1 hingga 5. Berikut adalah analisis deskriptifnya:

Komponen dalam Boxplot: Kotak (Box): Mewakili interquartile range (IQR), yaitu rentang antara kuartil pertama (Q1, 25%) dan kuartil ketiga (Q3, 75%). Garis dalam kotak (Median): Menunjukkan nilai tengah (Q2, 50%) dari data masalah tidur. Garis horizontal (Whiskers): Menunjukkan jangkauan data, kecuali jika ada pencilan (outliers). Titik di luar whiskers: Menunjukkan outliers, yaitu individu yang memiliki skor yang sangat berbeda dari kebanyakan responden.
Interpretasi Statistik Deskriptif Kode ini menggunakan fungsi geom_boxplot() dengan variabel “On a scale of 1 to 5, how often do you face issues regarding sleep?”, yang berarti tingkat masalah tidur diukur dalam skala Likert 1-5. Median (Q2): Menunjukkan tingkat masalah tidur yang paling umum dihadapi oleh responden. IQR (Q1 - Q3): Jika kotak cukup besar, berarti ada variasi besar dalam pengalaman masalah tidur antar individu. Whiskers: Jika panjang whiskers berbeda, itu menunjukkan adanya asimetri dalam distribusi data. Outliers: Jika ada titik-titik di luar whiskers, beberapa individu mengalami masalah tidur jauh lebih sering atau lebih jarang dibandingkan responden lainnya.
Kesimpulan Boxplot ini membantu memahami distribusi masalah tidur dalam data. Jika median lebih condong ke atas atau ke bawah dalam kotak, itu menunjukkan skewness (asimetris). Jika ada banyak outliers, berarti beberapa individu memiliki pengalaman yang sangat ekstrem terkait masalah tidur.

Secara keseluruhan, analisis ini memberikan gambaran visual tentang bagaimana responden dalam dataset mengalami masalah tidur dalam skala 1 hingga 5.

6. Density Plot

# 6. Density Plot (Diagram Kepadatan)
density_plot <- ggplot(data, aes(x = `14. Do you find it difficult to concentrate on things?`, fill = "Kesulitan Konsentrasi")) +
  geom_density(alpha = 0.5) +
  theme_minimal() +
  labs(title = "Density Plot: Tingkat Kesulitan Berkonsentrasi", x = "Tingkat Kesulitan", y = "Kepadatan")

print(density_plot)

Dari Density Plot tersebut dapat disimpulkan bahwa responden seringkali mengalami kesulitan berkonsentrasi, hal tersebut merupakan dampak dari penggunaan sosial media

7. Scatter Plot

scatter_plot <- ggplot(data, aes(x = `8. What is the average time you spend on social media every day?`, 
                                 y = `How often do you feel depressed or down?`)) +
  geom_point(color = "blue", alpha = 0.6) +
  theme_minimal() +
  labs(title = "Scatter Plot: Waktu di Sosial Media vs Tingkat Depresi", 
       x = "Jam per Hari di Sosial Media", 
       y = "Tingkat Depresi (1-5)")

print(scatter_plot)

Scatter plot menunjukkan distribusi yang cukup tersebar, sehingga hubungan langsung antara kedua variabel tidak terlalu jelas.

8. Line Chart

line_chart_data <- data %>%
  group_by(`8. What is the average time you spend on social media every day?`) %>%
  summarise(mean_depression = mean(`How often do you feel depressed or down?`, na.rm = TRUE))

line_chart <- ggplot(line_chart_data, aes(x = `8. What is the average time you spend on social media every day?`, 
                                          y = mean_depression)) +
  geom_line(color = "red", size = 1) +
  geom_point(color = "red", size = 2) +
  theme_minimal() +
  labs(title = "Line Chart: Rata-rata Tingkat Depresi Berdasarkan Waktu di Sosial Media", 
       x = "Jam per Hari di Sosial Media", 
       y = "Rata-rata Tingkat Depresi")

## Warning: Using `size` aesthetic for lines was deprecated in ggplot2 3.4.0.
## ℹ Please use `linewidth` instead.
## This warning is displayed once every 8 hours.
## Call `lifecycle::last_lifecycle_warnings()` to see where this warning was
## generated.

print(line_chart)

## `geom_line()`: Each group consists of only one observation.
## ℹ Do you need to adjust the group aesthetic?

Line chart memberikan gambaran jelas tentang tren rata-rata tingkat depresi. Jika ada tren naik, ini bisa menjadi indikasi bahwa lebih banyak waktu di media sosial berhubungan dengan peningkatan tingkat depresi.

Menampilkan semua chart dalam satu grid

grid.arrange(
  pie_chart, bar_chart, dot_plot, hist_plot, 
  boxplot_data, density_plot, scatter_plot, line_chart, 
  ncol = 2, nrow = 4
)

## `geom_line()`: Each group consists of only one observation.
## ℹ Do you need to adjust the group aesthetic?

Menghitung Mean, Median, Modus, Q1, Q3, Range, Varian, Dan Standar Deviasi

Mean (Rata-rata): Nilai rata-rata dari data. Ini menunjukkan tingkat umum dari masing-masing masalah.

Median: Titik tengah dari distribusi data, yang kurang sensitif terhadap outlier dibandingkan mean.

Mode (Modus): Nilai yang paling sering muncul dalam dataset.

Q1 (Kuartil 1): Nilai di mana 25% data berada di bawahnya.

Q3 (Kuartil 3): Nilai di mana 75% data berada di bawahnya.

Range (Jangkauan): Perbedaan antara nilai maksimum dan minimum, menunjukkan sebaran data.

Variance (Variansi): Mengukur seberapa jauh data tersebar dari mean.

Standard Deviation (Simpangan Baku): Akar kuadrat dari variansi, menunjukkan tingkat variabilitas dalam data.

# Pilih kolom yang akan dianalisis
depresi <- data$`How often do you feel depressed or down?`
konsentrasi <- data$`14. Do you find it difficult to concentrate on things?`
tidur <- data$`On a scale of 1 to 5, how often do you face issues regarding sleep?`

# Fungsi untuk menghitung statistik deskriptif
calculate_statistics <- function(variable) {
  mean_value <- mean(variable, na.rm = TRUE)
  median_value <- median(variable, na.rm = TRUE)
  mode_value <- mfv(variable, na_rm = TRUE)[1]  # Modus
  q1_value <- quantile(variable, 0.25, na.rm = TRUE)
  q3_value <- quantile(variable, 0.75, na.rm = TRUE)
  range_value <- max(variable, na.rm = TRUE) - min(variable, na.rm = TRUE)
  variance_value <- var(variable, na.rm = TRUE)
  std_dev_value <- sd(variable, na.rm = TRUE)
  
  return(list(Mean = mean_value, Median = median_value, Mode = mode_value,
              Q1 = q1_value, Q3 = q3_value, Range = range_value,
              Variance = variance_value, Standard_Deviation = std_dev_value))
}

# Hitung statistik untuk setiap kolom
stats_depresi <- calculate_statistics(depresi)
stats_konsentrasi <- calculate_statistics(konsentrasi)
stats_tidur <- calculate_statistics(tidur)

Statistik Tingkat Depresi Pada Responden

print(stats_depresi)

## $Mean
## [1] 3.7
## 
## $Median
## [1] 4
## 
## $Mode
## [1] 4
## 
## $Q1
## 25% 
##   3 
## 
## $Q3
##  75% 
## 4.75 
## 
## $Range
## [1] 4
## 
## $Variance
## [1] 1.182759
## 
## $Standard_Deviation
## [1] 1.087547

Statistik Kesulitan Konsentrasi Pada Responden

print(stats_konsentrasi)

## $Mean
## [1] 3.333333
## 
## $Median
## [1] 4
## 
## $Mode
## [1] 4
## 
## $Q1
##  25% 
## 2.25 
## 
## $Q3
## 75% 
##   4 
## 
## $Range
## [1] 4
## 
## $Variance
## [1] 1.747126
## 
## $Standard_Deviation
## [1] 1.321789

Statistik Masalah Tidur Pada Responden

print(stats_tidur)

## $Mean
## [1] 2.8
## 
## $Median
## [1] 2
## 
## $Mode
## [1] 1
## 
## $Q1
## 25% 
##   1 
## 
## $Q3
##  75% 
## 4.75 
## 
## $Range
## [1] 4
## 
## $Variance
## [1] 2.648276
## 
## $Standard_Deviation
## [1] 1.627352

Pengaruh Sosial Media Terhadap Mental Health

Created By: Kiagus Ahmad Farhan Aziz

2025-03-08