Visualisasi data Numerik

Input Data

Package {ggplot2} juga menyediakan beberapa dataframe yang dapat digunakan untuk latihan. Salah satu dataframe yang disediakan adalah diamonds, yaitu data tentang harga dan karakter dari 53.940 berlian.

library(ggplot2)
data(diamonds)
DT::datatable(diamonds)

## Warning in instance$preRenderHook(instance): It seems your data is too big for
## client-side DataTables. You may consider server-side processing:
## https://rstudio.github.io/DT/server.html

Histogram

Untuk membuat histogram pada package {ggplot2} menggunakan perintah geom_histogram(). Variable yang digunakan yaitu price pada data diamonds.

ggplot(data = diamonds, mapping = aes(x = price)) + 
  geom_histogram()

## `stat_bin()` using `bins = 30`. Pick better value with `binwidth`.

Secara defaut, geom_histogram() menggunakan 30 bins (batang). Selanjutnya mengganti nilai bins tersebut dengan menambahkan argumen bins = 80. Hasilnya sebagai berikut.

ggplot(data = diamonds, mapping = aes(x = price)) + 
  geom_histogram(bins = 80)

Kita dapat memberikan pemisah warna putih dengan menambahkan argumen color = "white". Hasilnya sebagai berikut.

ggplot(data = diamonds, mapping = aes(x = price)) + 
  geom_histogram(bins = 80, color = "white")

Kita dapat mengubah warna batang dengan menggunakan argumen fill, mengubah format penulisan nilai pada sumbu x dan y menggunakan function scale_x_continuous() untuk sumbu x dan scale_y_continuous() untuk sumbu y dan mengubah nama label pada sumbu x dan y dengan fungsi labs. Hasilnya sebagai berikut.

library(scales)
ggplot(data = diamonds, mapping = aes(x = price)) + 
  geom_histogram(bins = 30, color = "white", fill = "coral") + 
  scale_x_continuous(labels = comma) + 
  scale_y_continuous(labels = comma) + 
  labs(x = "harga berlian", 
       y = "Frekuensi")

Desnity Plot

Untuk membuat density plot menggunakan ggplot2 kita cukup menggunakan function geom_density().

ggplot(data = diamonds, mapping = aes(x = price)) + 
  geom_density()

Untuk mengatur warna, transaparansi, format penulisan nilai pada sumbu x dan y, dan labeling sumbu x sama seperti pembuatan Histogram. Hasilnya sebagai berikut.

ggplot(data = diamonds, mapping = aes(x = price)) + 
  geom_density(fill = "coral", alpha = 0.7) + 
  scale_x_continuous(labels = comma) + 
  scale_y_continuous(labels = comma) + 
  labs(x = "harga berlian")

Kita dapat membandingkan sebaran menggunakan density plot berdasarkan kategori. Misal akan dilihat sebaran harga berlian (Price) berdasarkan kategori kualitas potongan berlian (cut). Hasilnya sebagai berikut.

ggplot(data = diamonds, mapping = aes(x = price, fill = cut, color = cut)) + 
  geom_density(alpha = 0.7) + 
  scale_x_continuous(labels = comma) + 
  scale_y_continuous(labels = comma) + 
  labs(x = "Price")

Untuk mengurangi kesulitan dalam mengamati visual tersebut maka perlu dipisah per kategori dengan menggunakan visualisasi ridgeline plot atau disebut juga joyplot dengan menggunakan fungsi geom_density_ridges().

library(ggridges)

## Warning: package 'ggridges' was built under R version 4.4.3

ggplot(data = diamonds, mapping = aes(x = price, y= cut,fill = cut)) + 
  geom_density_ridges() + 
  labs(x = "Harga berlian", y = "kualitas berlian")

## Picking joint bandwidth of 458

Boxplot

Untuk membuat boxplot di ggplot2 kita dapat gunakan function geom_boxplot().

ggplot(data = diamonds, mapping = aes(x = price)) + 
  geom_boxplot()

Membuat boxplot secara vertikal menggunakan perintah coord_flip(). Hasilnya sebagai berikut.

ggplot(data = diamonds, mapping = aes(x = price)) + 
  geom_boxplot()+
  coord_flip()

kita dapat membuat boxplot dari data numerik dan membandingkan sebarannya berdasarkan kategori. Misalnya kita ingin membandingkan sebaran harga berlian (price) berdasarkan tingkat warna (color). Hasilnya sebagai berikut.

ggplot(data = diamonds, mapping = aes(x = price, y = color)) + 
  geom_boxplot()

Selanjutnya memberi warna berbeda untuk setiap box berdasarkan kategorinya. Kita dapat menambahkan argumen fill dengan nilai berupa nama variabel dari kategori yang ingin kita gunakan untuk perbandingan boxplot. Misalnya kita ingin membandingkan sebaran dari variabel harga berlian (price) berdasarkan warnanya (color) menggunakan boxplot dan menyesuaikan warnanya berdasarkan kategori dari color. Hasilnya sebagai berikut.

ggplot(data = diamonds, mapping = aes(x = price, y = color, fill = color)) + 
  geom_boxplot()

Untuk menghilangkan legend dari color kita dapat tambahkan theme(legend.position = "none").Hasilnya sebagai berikut.

ggplot(data = diamonds, mapping = aes(x = price, y = color, fill = color)) + 
  geom_boxplot() + 
  theme(legend.position = "none")

Violin Plot

Plot ini dibentuk dengan menggabungkan antara Density Plot dengan boxplot dengan fungsi geom_violin(). Hasilnya sebagai berikut.

ggplot(data = diamonds, mapping = aes(x = price,y="all")) +
  geom_violin(fill="green",alpha=0.5) +
  geom_boxplot(fill="blue",width=0.1) +
  scale_x_continuous(labels = comma) 

QQ-Plot

Plot ini berguna untuk memeriksa apakah sebaran data (sebaran empirik) memiliki bentuk yang sama dengan sebaran tertentu yang dispesifikan (sebaran hipotetik). Misalnya kita ingin melihat pola sebaran harga berlian (price). apakah menyebar normal atau tidak.

ggplot(data = diamonds, aes(sample = price)) +
  stat_qq(col="blue", cex=0.9) +
  stat_qq_line(col="red", lwd=1)

Scatter plot

Untuk membuat scatter plot menggunakan ggplot2 kita dapat menggunakan geom_point(). Misalnya kita ingin melihat pola sebaran antara carat dan price. Hasilnya sebagai berikut.

ggplot(data = diamonds, mapping = aes(x = carat, y = price)) + 
  geom_point()

Kita juga dapat memberikan warna untuk setiap titik. Misalnya pola sebaran antara carat dan price berdasarkan kategori jenis berlian (cut). Hasilnya sebagai berikut.

ggplot(data = diamonds, mapping = aes(x = carat, y = price, color = cut)) + 
  geom_point()

Line chart

Plot ini digunakan untuk melihat trend data berdasarkan perubahan waktu. Artinya pada Line Chart cocok untuk data-data deret waktu.

covid <- read.csv("data covid19-linechart.csv",sep = ";")
covid$date <- as.Date.character(covid$Tanggal,"%d/%m/%Y")
DT::datatable(covid)

ggplot(data = covid, aes(x=date,y=Jakarta)) +
  geom_line() +
  labs(x="waktu", y="banyaknya kasus harian") 

ggplot(data = covid, aes(x=date,y=Jakarta)) +
  geom_line(lwd=1.2, col="darkgreen") +
  geom_area(fill="green", alpha=0.3) +
  labs(x="waktu", y="banyaknya kasus harian")

ggplot(data = covid, aes(x=date)) +
  geom_line(aes(y=Jakarta), lwd=1.2, col="blue") +
  geom_line(aes(y=Jabar), lwd=1.2, col="red") +
  labs(x="waktu", y="banyaknya kasus harian") 

ggplot(data = covid, aes(x=date)) +
  geom_line(aes(y=Jakarta), lwd=1.2, col="blue") +
  geom_line(aes(y=Jabar), lwd=1.2, col="red") +
  xlim(min(covid$date),max(covid$date)+100) +
  geom_text(x=max(covid$date),y=tail(covid$Jakarta,1)+30,
            label="DKI Jakarta", size = 5,
            color="blue", hjust=-0.1) +
    geom_text(x=max(covid$date),y=tail(covid$Jabar,1)+30,
            label="Jawa Barat", size = 5,
            color="red", hjust=-0.1) +
  labs(x="waktu", y="banyaknya kasus harian")