R Markdown

This is an R Markdown document. Markdown is a simple formatting syntax for authoring HTML, PDF, and MS Word documents. For more details on using R Markdown see http://rmarkdown.rstudio.com.

When you click the Knit button a document will be generated that includes both content as well as the output of any embedded R code chunks within the document. You can embed an R code chunk like this:

summary(cars)
##      speed           dist       
##  Min.   : 4.0   Min.   :  2.00  
##  1st Qu.:12.0   1st Qu.: 26.00  
##  Median :15.0   Median : 36.00  
##  Mean   :15.4   Mean   : 42.98  
##  3rd Qu.:19.0   3rd Qu.: 56.00  
##  Max.   :25.0   Max.   :120.00

Including Plots

You can also embed plots, for example:

Note that the echo = FALSE parameter was added to the code chunk to prevent printing of the R code that generated the plot.

#================================================ # MEMANGGIL LIBRARY #================================================ library(ggplot2) library(dplyr) library(tidyr) library(knitr)

#================================================ # MEMASUKKAN DATA #================================================

nama_provinsi <- c(“JAWA BARAT”,“JAWA BARAT”,“JAWA BARAT”,“JAWA BARAT”, “JAWA BARAT”,“JAWA BARAT”,“JAWA BARAT”,“JAWA BARAT”, “JAWA BARAT”,“JAWA BARAT”)

kabupaten <- c(“BOGOR”,“BOGOR”,“BOGOR”,“BOGOR”, “SUKABUMI”,“SUKABUMI”,“SUKABUMI”,“SUKABUMI”, “TASIKMALAYA”,“TASIKMALAYA”)

status_kelahiran <- c(“HIDUP”,“HIDUP”,“MATI”,“MATI”, “HIDUP”,“HIDUP”,“MATI”,“MATI”, “HIDUP”,“HIDUP”)

jenis_kelamin <- c(“LAKI-LAKI”,“PEREMPUAN”,“LAKI-LAKI”,“PEREMPUAN”, “LAKI-LAKI”,“PEREMPUAN”,“LAKI-LAKI”,“PEREMPUAN”, “LAKI-LAKI”,“PEREMPUAN”)

jumlah_kelahiran <- c(61740,49720,36,47,22812,22849,75,63,18968,18271)

tahun <- rep(2012,10)

data_kelahiran <- data.frame( nama_provinsi, kabupaten, status_kelahiran, jenis_kelamin, jumlah_kelahiran, tahun )

kable(data_kelahiran, caption=“Data Kelahiran Jawa Barat Tahun 2012”)

#================================================ # PIE CHART STATUS KELAHIRAN #================================================

pie_data <- data_kelahiran %>% group_by(status_kelahiran) %>% summarise(total=sum(jumlah_kelahiran))

ggplot(pie_data,aes(x=““,y=total,fill=status_kelahiran))+ geom_bar(stat=”identity”,width=1)+ coord_polar(“y”)+ theme_void()+ labs(title=“Proporsi Status Kelahiran”)

#================================================ # BAR CHART JUMLAH KELAHIRAN PER KABUPATEN #================================================

ggplot(data_kelahiran, aes(x=kabupaten, y=jumlah_kelahiran, fill=jenis_kelamin))+ geom_bar(stat=“identity”, position=“dodge”)+ labs(title=“Jumlah Kelahiran Berdasarkan Kabupaten”, x=“Kabupaten”, y=“Jumlah Kelahiran”)+ theme_minimal()

#================================================ # HISTOGRAM #================================================

ggplot(data_kelahiran, aes(x=jumlah_kelahiran))+ geom_histogram(fill=“skyblue”, bins=6, color=“black”)+ labs(title=“Histogram Distribusi Kelahiran”, x=“Jumlah Kelahiran”, y=“Frekuensi”)+ theme_minimal()

#================================================ # DENSITY PLOT #================================================

ggplot(data_kelahiran, aes(x=jumlah_kelahiran))+ geom_density(fill=“lightgreen”)+ labs(title=“Density Plot Jumlah Kelahiran”, x=“Jumlah Kelahiran”, y=“Density”)+ theme_minimal()

#================================================ # BOXPLOT #================================================

ggplot(data_kelahiran, aes(x=jenis_kelamin, y=jumlah_kelahiran, fill=jenis_kelamin))+ geom_boxplot()+ labs(title=“Boxplot Jumlah Kelahiran Berdasarkan Jenis Kelamin”, x=“Jenis Kelamin”, y=“Jumlah Kelahiran”)+ theme_minimal()

#================================================ # STATISTIK DESKRIPTIF #================================================

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

Mean <- mean(data_kelahiran\(jumlah_kelahiran) Median <- median(data_kelahiran\)jumlah_kelahiran) Modus <- modus(data_kelahiran$jumlah_kelahiran)

Q1 <- quantile(data_kelahiran\(jumlah_kelahiran,0.25) Q3 <- quantile(data_kelahiran\)jumlah_kelahiran,0.75)

Range <- max(data_kelahiran\(jumlah_kelahiran) - min(data_kelahiran\)jumlah_kelahiran)

Varians <- var(data_kelahiran$jumlah_kelahiran)

Std_Deviation <- sd(data_kelahiran$jumlah_kelahiran)

tabel_statistik <- data.frame( Mean, Median, Modus, Q1, Q3, Range, Varians, Standard_Deviation = Std_Deviation )

kable(tabel_statistik, caption=“Statistik Deskriptif Jumlah Kelahiran”)

#================================================ # STATISTIK INFERENSIA (UJI KORELASI) #================================================

jk_index <- ifelse(data_kelahiran$jenis_kelamin==“LAKI-LAKI”,1,2)

hasil_korelasi <- cor.test(jk_index, data_kelahiran$jumlah_kelahiran)

hasil_korelasi