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("PlantGrowth")
head(PlantGrowth)
dim(PlantGrowth)
## [1] 30  2

Histogram

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

ggplot(data = PlantGrowth, mapping = aes(x = weight)) + 
  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 = 50. Hasilnya sebagai berikut.

ggplot(data = PlantGrowth, mapping = aes(x = weight)) + 
  geom_histogram(bins = 80)

Kita dapat memberikan pemisah dengan warna putih Anda dapat tambahkan argumen color = "red". Hasilnya sebagai berikut.

ggplot(data = PlantGrowth, mapping = aes(x = weight)) + 
  geom_histogram(bins = 30, color = "red")

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 = PlantGrowth, mapping = aes(x = weight)) + 
  geom_histogram(bins = 30, color = "white", fill = "red") + 
  scale_x_continuous(labels = comma) + 
  scale_y_continuous(labels = comma) + 
  labs(x = "Price", 
       y = "Frekuensi")

## Desnity Plot Untuk membuat density plot menggunakan ggplot2 kita cukup menggunakan function geom_density()

ggplot(data = PlantGrowth, mapping = aes(x = weight)) + 
  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 = PlantGrowth, mapping = aes(x = weight)) + 
  geom_density(fill = "blue", alpha = 0.7) + 
  scale_x_continuous(labels = comma) + 
  scale_y_continuous(labels = comma) + 
  labs(x = "Price")

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

ggplot(data = PlantGrowth, mapping = aes(x = weight, fill = group, color = group)) + 
  geom_density(alpha = 0.7) + 
  scale_x_continuous(labels = comma) + 
  scale_y_continuous(labels = comma) + 
  labs(x = "weight")

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

library(ggridges)
ggplot(data = PlantGrowth, mapping = aes(x = weight, y= group,fill = group)) + 
  geom_density_ridges() + 
  labs(x = "berat tumbuhan", y = "jenis tumbuhan")
## Picking joint bandwidth of 0.265

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

ggplot(data = PlantGrowth, mapping = aes(x = weight)) + 
  geom_boxplot()

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

ggplot(data = PlantGrowth, mapping = aes(x = weight)) + 
  geom_boxplot()+
  coord_flip()

kita dapat membuat boxplot dari data numerik dan membandingkan sebarannya berdasarkan kategori. Misalnya kita ingin membandingkan berat tumbuhan (weight) berdasarkan tingkat warna (color). Hasilnya sebagai berikut.

ggplot(data = PlantGrowth, mapping = aes(x = weight, y = group)) + 
  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 gunkan 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 = PlantGrowth, mapping = aes(x = weight, y = group, fill = group)) + 
  geom_boxplot()

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

ggplot(data = PlantGrowth, mapping = aes(x = weight, y = group, fill = group)) + 
  geom_boxplot() + 
  theme(legend.position = "none")

## Violin Plot

Plot ini dibentuk dengan menggabungkan antara Density Plot dengan boxplot. Hasilnya sebagai berikut.

ggplot(data = PlantGrowth, mapping = aes(x = weight,y="aaa")) +
  geom_violin(fill="red",alpha=0.5) +
  geom_boxplot(fill="blue",width=0.1)

## 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 = PlantGrowth, aes(sample = weight)) +
  stat_qq(col="pink", cex=0.9) +
  stat_qq_line(col="purple", lwd=1)

DATA LINECHART

library(readxl)

CLIM_TEST <- read_xlsx("C:/Users/rafir/OneDrive/Rafi Ramadhan Asshiddieqie/biano.xlsx")
CLIM_TEST$date <- as.Date.character(CLIM_TEST$date,"%m/%d/%Y")
head(CLIM_TEST)
str(CLIM_TEST)
## tibble [9 × 5] (S3: tbl_df/tbl/data.frame)
##  $ date        : Date[1:9], format: NA NA ...
##  $ meantemp    : num [1:9] 15.9 18.5 17.1 18.7 18.4 ...
##  $ humidity    : num [1:9] 85.9 77.2 81.9 70 74.9 ...
##  $ wind_speed  : num [1:9] 2.74 2.89 4.02 4.54 3.3 ...
##  $ meanpressure: num [1:9] 59 1018 1018 1016 1014 ...

Line chart Dasar

library(ggplot2)
ggplot(data = CLIM_TEST, aes(x=meanpressure,y= wind_speed )) +
  geom_line() +
  labs(x="freq meanpressure", x="kecepatan angin")

Area Plot

Untuk menambah estetika dapat dilakukan dengan mengarsir daerah di bawah plot deret waktu. Plot seperti ini disebut Area Plot. Hasilnya sebagai berikut.

ggplot(data = CLIM_TEST, aes(x=meanpressure,y= wind_speed)) +
  geom_line(lwd=1, col="darkgreen") +
  geom_area(fill="green", alpha=0.3)

  labs(x="freq meanpressure", x="kecepatan angin")
## $x
## [1] "freq meanpressure"
## 
## attr(,"class")
## [1] "labels"

Multiple Line Chart

Pada plot ini dapat digunakan untuk membandingkan trend data deret waktu pada beberapa wilayah/kelompok.

ggplot(data = CLIM_TEST, aes(x=meanpressure)) +
  geom_line(aes(y=wind_speed), lwd=1.2, col="blue") +
  geom_line(aes(y=wind_speed), lwd=1.2, col="red") +
  labs(x="tanggal", x="banyaknya kasus harian")

Untuk menambahkan nama kelompok digunakan perintah berikut.

ggplot(data = CLIM_TEST, aes(x=meanpressure)) +
  geom_line(aes(y=wind_speed), lwd=1.2, col="blue") +
  geom_line(aes(y=wind_speed), lwd=0.1, col="red") +
  xlim(min(CLIM_TEST$meanpressure),max(CLIM_TEST$meanpressure)+100) +
  geom_text(x=max(CLIM_TEST$meanpressure),y=tail(CLIM_TEST$wind_speed,1)+30,
            label="kecepatan angin", size = 5,
            color="blue", hjust= -0.004) +
    geom_text(x=max(CLIM_TEST$meanpressure),y=tail(CLIM_TEST$humidity,1)+30,
            label="HUMIDITY", size = 5,
            color="red", hjust=-0.008) +
  labs(x="TEKANAN RATARATA", x="KECEPATAN ANGIN")