1 Pendahuluan

Nilai tukar mata uang merupakan indikator penting dalam perekonomian global. Kurs menunjukkan nilai suatu mata uang dibandingkan dengan mata uang lainnya dan sering digunakan dalam perdagangan internasional, investasi, serta kebijakan ekonomi suatu negara.

Perubahan nilai tukar dipengaruhi oleh berbagai faktor seperti inflasi, suku bunga, stabilitas ekonomi, serta kebijakan moneter. Oleh karena itu, analisis statistik terhadap nilai tukar mata uang dapat memberikan gambaran mengenai perbandingan kekuatan mata uang dunia terhadap Rupiah.

Tujuan analisis ini adalah untuk melihat gambaran statistik nilai tukar beberapa mata uang dunia terhadap Rupiah menggunakan metode statistik deskriptif dan visualisasi data.

Sumber data:

https://www.xe.com https://www.investing.com https://www.exchange-rates.org

2 Metodologi

2.1 Variabel yang Dianalisis

Variabel Keterangan
Mata_Uang Jenis mata uang
Kawasan Wilayah mata uang
Nilai_Tukar_IDR Nilai tukar terhadap Rupiah
Perubahan_Persen Persentase perubahan nilai tukar

Variabel Mata_Uang dan Kawasan merupakan data kategorik, sedangkan Nilai_Tukar_IDR dan Perubahan_Persen merupakan data numerik.

2.2 Metode Analisis

Metode analisis yang digunakan adalah statistik deskriptif yang meliputi:

  • Mean
  • Median
  • Modus
  • Kuartil (Q1 dan Q3)
  • Range
  • Varians
  • Standar deviasi

Visualisasi data yang digunakan:

  • Bar Chart
  • Pie Chart
  • Histogram
  • Density Plot
  • Box Plot
  • Scatter Plot

3 Hasil dan Pembahasan

3.1 Persiapan Data

mata_uang <- data.frame(
  Mata_Uang = c("USD","EUR","JPY","GBP","AUD","SGD","CNY","KRW","MYR","THB"),
  Kawasan = c("Amerika","Eropa","Asia","Eropa","Australia","Asia","Asia","Asia","Asia","Asia"),
  Nilai_Tukar_IDR = c(15600,17000,105,19800,10200,11600,2200,11,3300,430),
  Perubahan_Persen = c(0.5,-0.2,0.1,0.3,-0.4,0.2,0.1,-0.1,0.0,0.2)
)

mata_uang <- mata_uang %>%
  arrange(desc(Nilai_Tukar_IDR)) %>%
  mutate(Ranking = row_number())

kable(mata_uang, caption="Dataset Nilai Tukar Mata Uang terhadap Rupiah")
Dataset Nilai Tukar Mata Uang terhadap Rupiah
Mata_Uang Kawasan Nilai_Tukar_IDR Perubahan_Persen Ranking
GBP Eropa 19800 0.3 1
EUR Eropa 17000 -0.2 2
USD Amerika 15600 0.5 3
SGD Asia 11600 0.2 4
AUD Australia 10200 -0.4 5
MYR Asia 3300 0.0 6
CNY Asia 2200 0.1 7
THB Asia 430 0.2 8
JPY Asia 105 0.1 9
KRW Asia 11 -0.1 10

3.2 Bar Chart Nilai Tukar Mata Uang

ggplot(mata_uang,
       aes(x=reorder(Mata_Uang, Nilai_Tukar_IDR),
           y=Nilai_Tukar_IDR,
           fill=Nilai_Tukar_IDR)) +
  geom_bar(stat="identity") +
  coord_flip() +
  geom_text(aes(label=paste0("#",Ranking)),
            hjust=-0.1,
            size=4,
            fontface="bold") +
  scale_y_continuous(labels=comma) +
  scale_fill_viridis(option="C") +
  labs(
    title="Perbandingan Nilai Tukar Mata Uang terhadap Rupiah",
    x="Mata Uang",
    y="Nilai Tukar (IDR)"
  ) +
  theme(legend.position="none")

Grafik bar menunjukkan perbandingan nilai tukar mata uang dunia terhadap Rupiah serta menampilkan peringkat nilai tukar tertinggi.

3.3 Pie Chart Distribusi Kawasan

region <- mata_uang %>%
  count(Kawasan) %>%
  mutate(persen = n / sum(n) * 100)

ggplot(region, aes(x="", y=n, fill=Kawasan)) +
  geom_col(width=1, color="white") +
  coord_polar("y") +
  geom_text(aes(label=paste0(round(persen,1),"%")),
            position=position_stack(vjust=0.5),
            color="white",
            size=5) +
  scale_fill_viridis(discrete=TRUE) +
  labs(title="Distribusi Mata Uang Berdasarkan Kawasan") +
  theme_void()

Pie chart menunjukkan proporsi mata uang berdasarkan kawasan dengan persentase distribusi.

3.4 Histogram Nilai Tukar

ggplot(mata_uang,
       aes(x=Nilai_Tukar_IDR)) +
  geom_histogram(bins=8,
                 fill="#2c7fb8",
                 color="white") +
  geom_vline(aes(xintercept=mean(Nilai_Tukar_IDR)),
             color="red",
             linetype="dashed",
             linewidth=1) +
  labs(
    title="Histogram Nilai Tukar Mata Uang",
    x="Nilai Tukar (IDR)",
    y="Frekuensi"
  )

Histogram menunjukkan distribusi nilai tukar mata uang serta garis merah yang menunjukkan nilai rata-rata.

3.5 Density Plot

ggplot(mata_uang,
       aes(x = Nilai_Tukar_IDR)) +
  geom_density(fill = "#41ab5d", alpha = 0.6) +
  geom_vline(aes(xintercept = median(Nilai_Tukar_IDR)),
             color = "red",
             linetype = "dashed",
             linewidth = 1) +
  labs(
    title = "Density Plot Nilai Tukar Mata Uang",
    x = "Nilai Tukar (IDR)",
    y = "Density"
  )

Density plot memberikan gambaran distribusi data nilai tukar secara lebih halus.

3.6 Box Plot Nilai Tukar per Kawasan

ggplot(mata_uang,
       aes(x = Kawasan,
           y = Nilai_Tukar_IDR,
           fill = Kawasan)) +
  geom_boxplot(width = 0.6) +
  scale_fill_viridis(discrete = TRUE) +
  scale_y_continuous(labels = comma) +
  labs(
    title = "Box Plot Nilai Tukar Mata Uang per Kawasan",
    x = "Kawasan",
    y = "Nilai Tukar (IDR)"
  ) +
  theme_minimal() +
  theme(
    plot.title = element_text(hjust = 0.5, face = "bold"),
    legend.position = "none"
  )

Boxplot menunjukkan penyebaran nilai tukar mata uang berdasarkan kawasan.

3.7 Scatter Plot Perubahan Nilai Tukar

library(ggrepel)

ggplot(mata_uang, aes(x = Nilai_Tukar_IDR, y = Perubahan_Persen, color = Kawasan)) +
  geom_point(size = 4) +
  geom_text_repel(aes(label = Mata_Uang), show.legend = FALSE) +
 geom_smooth(method = "lm", formula = y ~ x, se = FALSE) +
  labs(
    title = "Hubungan Nilai Tukar dan Perubahan Persen",
    x = "Nilai Tukar (IDR)",
    y = "Perubahan (%)"
  ) +
  theme_minimal() +
  theme(plot.title = element_text(hjust = 0.5))

Scatter plot memperlihatkan hubungan antara nilai tukar dan perubahan persentase.

3.8 Statistik Deskriptif

kurs <- mata_uang$Nilai_Tukar_IDR

mean_val <- mean(kurs)
median_val <- median(kurs)
q1_val <- quantile(kurs,0.25)
q3_val <- quantile(kurs,0.75)
range_val <- diff(range(kurs))
var_val <- var(kurs)
sd_val <- sd(kurs)

statistik <- data.frame(
Ukuran=c("Mean","Median","Q1","Q3","Range","Varians","Standar Deviasi"),
Nilai=c(mean_val,median_val,q1_val,q3_val,range_val,var_val,sd_val)
)

kable(statistik, caption="Statistik Deskriptif Nilai Tukar Mata Uang")
Statistik Deskriptif Nilai Tukar Mata Uang
Ukuran Nilai
Mean 8024.600
Median 6750.000
Q1 872.500
Q3 14600.000
Range 19789.000
Varians 59442666.044
Standar Deviasi 7709.907

Statistik deskriptif memberikan gambaran umum mengenai karakteristik data nilai tukar.

4 Kesimpulan

Berdasarkan hasil analisis statistik dan visualisasi data, dapat disimpulkan bahwa terdapat variasi nilai tukar yang cukup signifikan antar mata uang dunia terhadap Rupiah. Mata uang dari kawasan Eropa dan Amerika cenderung memiliki nilai tukar yang lebih tinggi dibandingkan sebagian besar mata uang Asia.

Analisis statistik deskriptif serta visualisasi data membantu memberikan gambaran mengenai distribusi nilai tukar dan perbedaan nilai mata uang antar kawasan di dunia.