Sumber Data

Data yang digunakan dalam analisis ini berasal dari publikasi resmi Badan Pusat Statistik mengenai persentase penduduk miskin di Indonesia pada September 2025 yang dipublikasikan melalui rilis berita statistik di situs resmi BPS. Data tersebut memuat informasi jumlah dan persentase penduduk miskin berdasarkan wilayah yang kemudian digunakan untuk membuat berbagai visualisasi data.

Sumber Data: https://www.bps.go.id/id/pressrelease/2026/02/05/2536/persentase-penduduk-miskin-september-2025-turun--menjadi-8-25-persen-.html

Input Data

Data diinput dari Microsoft Excel dengan syntax sebagai berikut:

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

setwd("C:/RStudio/Tugas Kelompok Probastik")

data1 <- read_excel("Data Kemiskinan.xlsx", sheet = "Data1")
data2 <- read_excel("Data Kemiskinan.xlsx", sheet = "Data2")

head(data1)

## # A tibble: 6 × 7
##      No Pulau `Perkotaan (juta)` `Perdesaan (juta)` `Total (juta)` `% Perkotaan`
##   <dbl> <chr>              <dbl>              <dbl>          <dbl>         <dbl>
## 1     1 Suma…               1.98               3.1            5.08          6.79
## 2     2 Jawa                7.58               4.74          12.3           6.83
## 3     3 Bali…               0.57               1.26           1.83          7.04
## 4     4 Kali…               0.37               0.51           0.88          4.11
## 5     5 Sula…               0.49               1.31           1.8           5.36
## 6     6 Malu…               0.19               1.26           1.45          6.38
## # ℹ 1 more variable: `% Perdesaan` <dbl>

head(data2)

## # A tibble: 6 × 6
##      No Pulau     Wilayah `Jml Provinsi` Jumlah Penduduk Misk…¹ `Persentase (%)`
##   <dbl> <chr>     <chr>   <chr>                           <dbl>            <dbl>
## 1     1 Sumatera  Barat … 10 provinsi                      5.08             8.07
## 2     2 Jawa      Barat … 6 provinsi                      12.3              7.81
## 3     3 Bali dan… Tengah… 3 provinsi                       1.83            11.3 
## 4     4 Kalimant… Tengah… 5 provinsi                       0.88             5.02
## 5     5 Sulawesi  Timur … 6 provinsi                       1.8              8.7 
## 6     6 Maluku d… Timur … 7 provinsi                       1.45            18.2 
## # ℹ abbreviated name: ¹`Jumlah Penduduk Miskin (juta)`

Visualisasi Data

1. Pie Chart (dengan persentase)

Diagram pie menunjukkan proporsi jumlah penduduk miskin pada setiap pulau di Indonesia pada September 2025 berdasarkan data dari Badan Pusat Statistik. Persentase pada setiap bagian pie menggambarkan kontribusi masing-masing pulau terhadap total penduduk miskin nasional. Grafik ini memperlihatkan bahwa distribusi penduduk miskin tidak merata antar wilayah.

data_pie <- data1 %>%
  mutate(Persentase = (`Total (juta)` / sum(`Total (juta)`)) * 100)

ggplot(data_pie, aes(x = "", y = `Total (juta)`, fill = Pulau)) +
  geom_bar(stat = "identity", width = 1) +
  coord_polar("y") +
  geom_text(aes(label = paste0(round(Persentase,1), "%")),
            position = position_stack(vjust = 0.5),
            size = 4) +
  labs(
    title = "Proporsi Penduduk Miskin per Pulau (September 2025)",
    fill = "Pulau"
  ) +
  theme_void()

2. Bar Chart (dengan persentase)

Bar chart menampilkan jumlah penduduk miskin pada setiap pulau di Indonesia dalam satuan juta jiwa. Tinggi batang menunjukkan total penduduk miskin pada masing-masing pulau, sedangkan label persentase menunjukkan kontribusi terhadap total nasional. Grafik ini memudahkan perbandingan tingkat kemiskinan antar wilayah.

ggplot(data_pie, aes(x = Pulau, y = `Total (juta)`, fill = Pulau)) +
  geom_bar(stat = "identity") +
  geom_text(aes(label = paste0(round(Persentase,1), "%")),
            vjust = -0.5) +
  labs(
    title = "Jumlah Penduduk Miskin per Pulau",
    x = "Pulau",
    y = "Total Penduduk Miskin (juta)"
  ) +
  theme_minimal()+
  theme(
    axis.text.x= element_text(
      angle=45,
      hjust=1,
      margin=margin(t=10)
    )
  )

3. Histogram Persentase Kemiskinan

Histogram menunjukkan distribusi frekuensi dari persentase tingkat kemiskinan pada data yang dianalisis. Setiap batang menggambarkan jumlah wilayah yang berada pada rentang persentase tertentu. Grafik ini membantu melihat pola penyebaran tingkat kemiskinan pada data.

ggplot(data2, aes(x = `Persentase (%)`)) +
  geom_histogram(binwidth = 2, fill = "skyblue", color = "black") +
  labs(
    title = "Distribusi Persentase Kemiskinan",
    x = "Persentase (%)",
    y = "Frekuensi"
  ) +
  theme_minimal()

4. Density Plot Persentase Kemiskinan

Density plot menggambarkan distribusi kepadatan dari persentase tingkat kemiskinan dalam bentuk kurva yang lebih halus. Garis vertikal putus-putus menunjukkan nilai rata-rata dari persentase kemiskinan pada data. Grafik ini membantu melihat kecenderungan distribusi data secara keseluruhan.

ggplot(data2, aes(x = `Persentase (%)`)) +
  geom_density(fill = "lightgreen", alpha = 0.6) +
  geom_vline(aes(xintercept = mean(`Persentase (%)`)),
             color = "red",
             linetype = "dashed",
             linewidth = 1) +
  labs(
    title = "Density Plot Persentase Kemiskinan",
    x = "Persentase (%)",
    y = "Kepadatan"
  ) +
  theme_minimal()

5. Boxplot Persentase Kemiskinan

Boxplot Persentase Kemiskinan

Boxplot menampilkan ringkasan statistik dari persentase tingkat kemiskinan yang meliputi nilai minimum, kuartil, median, dan maksimum. Grafik ini menunjukkan sebaran data serta posisi median dari tingkat kemiskinan. Selain itu, boxplot juga membantu melihat kemungkinan adanya nilai ekstrem dalam data.

ggplot(data2, aes(x = "", y = `Persentase (%)`)) +
  geom_boxplot(fill = "orange") +
  labs(
    title = "Boxplot Persentase Kemiskinan",
    y = "Persentase (%)"
  ) +
  theme_minimal()

Ukuran Pemusatan Data1

Mean

mean(data1$`Perdesaan (juta)`)

## [1] 2.03

Median

median(data1$`Perdesaan (juta)`)

## [1] 1.285

Modus

modus <- function(x) {
  uniqx <- unique(x)
  uniqx[which.max(tabulate(match(x, uniqx)))]
}

modus(data1$`Perdesaan (juta)`)

## [1] 1.26

Statistik 5 Serangkai

summary(data1$`Perdesaan (juta)`)

##    Min. 1st Qu.  Median    Mean 3rd Qu.    Max. 
##   0.510   1.260   1.285   2.030   2.652   4.740

Ukuran Penyebaran Data1

Varians

var(data1$`Perdesaan (juta)`)

## [1] 2.50072

Standar Deviasi

sd(data1$`Perdesaan (juta)`)

## [1] 1.581366

Ukuran Pemusatan Data2

Mean

mean(data2$`Persentase (%)`)

## [1] 9.853333

Median

median(data2$`Persentase (%)`)

## [1] 8.385

Modus

modus(data2$`Persentase (%)`)

## [1] 8.07

Statistik 5 Serangkai

summary(data2$`Persentase (%)`)

##    Min. 1st Qu.  Median    Mean 3rd Qu.    Max. 
##   5.020   7.875   8.385   9.853  10.650  18.220

Ukuran Penyebaran Data2

Varians

var(data2$`Persentase (%)`)

## [1] 20.82815

Standar Deviasi

sd(data2$`Persentase (%)`)

## [1] 4.563786

Kesimpulan

Berdasarkan visualisasi yang telah dibuat, dapat dilihat bahwa distribusi penduduk miskin di Indonesia pada September 2025 berbeda antar wilayah. Grafik pie chart dan bar chart menunjukkan perbandingan jumlah penduduk miskin antar pulau, sedangkan histogram, density plot, dan boxplot memberikan gambaran mengenai pola distribusi serta sebaran persentase kemiskinan pada data yang dianalisis. Visualisasi ini membantu memahami pola umum tingkat kemiskinan berdasarkan data yang dipublikasikan oleh BPS.

Data Kemiskinan BPS September 2025

Fauzan Al Anshori

09-03-2026

Sumber Data

Input Data

Visualisasi Data

1. Pie Chart (dengan persentase)

2. Bar Chart (dengan persentase)

3. Histogram Persentase Kemiskinan

4. Density Plot Persentase Kemiskinan

5. Boxplot Persentase Kemiskinan

Ukuran Pemusatan Data1

Mean

Median

Modus

Statistik 5 Serangkai

Ukuran Penyebaran Data1

Varians

Standar Deviasi

Ukuran Pemusatan Data2

Mean

Median

Modus

Statistik 5 Serangkai

Ukuran Penyebaran Data2

Varians

Standar Deviasi

Kesimpulan