Tugas Visualisasi Statistika Lingkungan

Persiapan Data

env_data <- data.frame(
  Kota = c("Jakarta", "Bandung", "Surabaya", "Medan", "Denpasar"),
  Polusi = c(85, 70, 78, 65, 55),       # indeks polusi udara
  Hijau = c(20, 35, 25, 40, 50),        # % area ruang hijau
  Sampah = c(90, 70, 80, 60, 50),       # indeks timbulan sampah
  Energi_Renew = c(10, 25, 15, 30, 40)  # % energi terbarukan
)
env_data

##       Kota Polusi Hijau Sampah Energi_Renew
## 1  Jakarta     85    20     90           10
## 2  Bandung     70    35     70           25
## 3 Surabaya     78    25     80           15
## 4    Medan     65    40     60           30
## 5 Denpasar     55    50     50           40

1. Spider/Radar Chart

Visualisasi perbandingan antar-kota berdasarkan indikator lingkungan.

# Plot Library
library(fmsb)

# Format data untuk radar chart
radar_data <- rbind(
  max = c(100, 100, 100, 100),
  min = c(0, 0, 0, 0),
  env_data[,2:5]
)
rownames(radar_data) <- c("Max", "Min", env_data$Kota)

# Plot Spider Chart
radarchart(radar_data,
           axistype=1,
           pcol=rainbow(5),
           plwd=2,
           cglcol="grey", cglty=1,
           axislabcol="grey", caxislabels=seq(0,100,25), cglwd=0.8,
           vlcex=0.8)
legend("topright", legend=env_data$Kota, col=rainbow(5), lty=1, cex=0.8)

Spider Chart memperlihatkan bahwa Jakarta memiliki tingkat polusi dan timbulan sampah tertinggi, sementara Denpasar unggul pada energi terbarukan dan ruang hijau

2. Treemap

Visualisasi kontribusi indikator sampah tiap kota.

# Import Library
library(treemap)

# Plot Treemap
treemap(env_data,
        index="Kota",
        vSize="Sampah",   # ukuran kotak berdasarkan sampah
        vColor="Hijau",   # warna berdasarkan ruang hijau
        type="value",
        palette="Greens",
        title="Treemap Timbulan Sampah & Ruang Hijau Kota")

Treemap menunjukkan bahwa Surabaya dan Jakarta menempati kotak besar karena kontribusi timbulan sampah yang tinggi, sedangkan warna lebih gelap pada Denpasar menandakan ruang hijau lebih besar.

3. Network Chart

Misalnya hubungan kota dengan isu lingkungan dominan.

# Import Library
library(igraph)

## 
## Attaching package: 'igraph'

## The following objects are masked from 'package:stats':
## 
##     decompose, spectrum

## The following object is masked from 'package:base':
## 
##     union

library(ggraph)

## Loading required package: ggplot2

# Buat edge list (hubungan kota dengan isu utama)
edges <- data.frame(
  from = c("Jakarta","Bandung","Surabaya","Medan","Denpasar"),
  to = c("Polusi Udara","Ruang Hijau","Sampah","Sampah","Energi Terbarukan")
)

# Buat graf
g <- graph_from_data_frame(edges)

# Visualisasi network
ggraph(g, layout="fr") + 
  geom_edge_link(color="grey") +
  geom_node_point(size=8, color="lightblue") +
  geom_node_text(aes(label=name), repel=TRUE) +
  theme_void() +
  ggtitle("Jaringan Kota & Isu Lingkungan Dominan")

Network Chart menunjukkan bahwa hubungan kota dengan isu dominan menunjukkan Jakarta terkait erat dengan polusi, sementara Denpasar fokus pada energi terbarukan.