1 Pendahuluan

Laporan ini menganalisis data 10 negara dengan pengguna Instagram terbanyak di dunia berdasarkan data Statista tahun 2025. Analisis mencakup statistik deskriptif dan berbagai visualisasi data.

2 Import Dataset

Dataset diinput secara manual berdasarkan data Statista 2025.

# Import dataset secara manual
negara <- c("India", "Amerika Serikat", "Brasil", "Indonesia",
            "Jepang", "Turki", "Meksiko", "Inggris", "Jerman", "Argentina")

pengguna_juta <- c(480.55, 181.75, 147.00, 107.60,
                   63.20, 62.25, 53.55, 35.45, 31.25, 31.05)

# Membuat data frame
df <- data.frame(
  No       = 1:10,
  Negara   = negara,
  Pengguna = pengguna_juta
)

# Tampilkan dataset
knitr::kable(df,
             col.names = c("No", "Negara", "Jumlah Pengguna (Juta)"),
             caption   = "Tabel 1. 10 Negara dengan Pengguna Instagram Terbanyak (Statista, 2025)",
             align     = c("c", "l", "r"))

Tabel 1. 10 Negara dengan Pengguna Instagram Terbanyak (Statista, 2025)
No	Negara	Jumlah Pengguna (Juta)
1	India	480.55
2	Amerika Serikat	181.75
3	Brasil	147.00
4	Indonesia	107.60
5	Jepang	63.20
6	Turki	62.25
7	Meksiko	53.55
8	Inggris	35.45
9	Jerman	31.25
10	Argentina	31.05

3 Statistik Deskriptif

3.1 Mean (Rata-rata)

mean_val <- mean(df$Pengguna)
cat("Mean:", round(mean_val, 2), "juta pengguna\n")

## Mean: 119.36 juta pengguna

3.2 Median

median_val <- median(df$Pengguna)
cat("Median:", round(median_val, 2), "juta pengguna\n")

## Median: 62.73 juta pengguna

3.3 Modus

Karena data bersifat kontinu dan unik, modus dicari menggunakan pendekatan frekuensi tertinggi. Jika semua nilai unik, modus adalah nilai yang pertama kali muncul.

modus_func <- function(x) {
  tbl <- table(x)
  as.numeric(names(tbl)[tbl == max(tbl)])
}

modus_val <- modus_func(df$Pengguna)
cat("Modus:", paste(modus_val, collapse = ", "), "juta pengguna\n")

## Modus: 31.05, 31.25, 35.45, 53.55, 62.25, 63.2, 107.6, 147, 181.75, 480.55 juta pengguna

cat("(Catatan: Semua nilai unik, sehingga setiap nilai muncul 1 kali)\n")

## (Catatan: Semua nilai unik, sehingga setiap nilai muncul 1 kali)

3.4 Kuartil (Q1 dan Q3)

q1 <- quantile(df$Pengguna, 0.25)
q3 <- quantile(df$Pengguna, 0.75)

cat("Q1 (Kuartil 1):", round(q1, 2), "juta pengguna\n")

## Q1 (Kuartil 1): 39.98 juta pengguna

cat("Q3 (Kuartil 3):", round(q3, 2), "juta pengguna\n")

## Q3 (Kuartil 3): 137.15 juta pengguna

cat("IQR            :", round(q3 - q1, 2), "juta pengguna\n")

## IQR            : 97.18 juta pengguna

3.5 Range (Jangkauan)

range_val <- max(df$Pengguna) - min(df$Pengguna)
cat("Nilai Minimum:", min(df$Pengguna), "juta (", df$Negara[which.min(df$Pengguna)], ")\n")

## Nilai Minimum: 31.05 juta ( Argentina )

cat("Nilai Maksimum:", max(df$Pengguna), "juta (", df$Negara[which.max(df$Pengguna)], ")\n")

## Nilai Maksimum: 480.55 juta ( India )

cat("Range         :", round(range_val, 2), "juta pengguna\n")

## Range         : 449.5 juta pengguna

3.6 Varians

var_val <- var(df$Pengguna)
cat("Varians:", round(var_val, 2), "\n")

## Varians: 18733.6

3.7 Standar Deviasi

sd_val <- sd(df$Pengguna)
cat("Standar Deviasi:", round(sd_val, 2), "juta pengguna\n")

## Standar Deviasi: 136.87 juta pengguna

3.8 Ringkasan Statistik Deskriptif

statistik <- data.frame(
  Ukuran = c("Mean", "Median", "Modus", "Q1", "Q3", "IQR",
             "Min", "Maks", "Range", "Varians", "Standar Deviasi"),
  Nilai = c(
    round(mean_val,  2),
    round(median_val, 2),
    ifelse(length(modus_val) == length(df$Pengguna), NA, modus_val[1]),
    round(q1, 2),
    round(q3, 2),
    round(q3 - q1, 2),
    min(df$Pengguna),
    max(df$Pengguna),
    round(range_val, 2),
    round(var_val, 2),
    round(sd_val, 2)
  ),
  Satuan = rep("Juta Pengguna", 11)
)

knitr::kable(statistik,
             col.names = c("Ukuran Statistik", "Nilai", "Satuan"),
             caption   = "Tabel 2. Ringkasan Statistik Deskriptif",
             align     = c("l", "r", "l"))

Tabel 2. Ringkasan Statistik Deskriptif
Ukuran Statistik	Nilai	Satuan
Mean	119.36	Juta Pengguna
Median	62.73	Juta Pengguna
Modus	NA	Juta Pengguna
Q1	39.98	Juta Pengguna
Q3	137.15	Juta Pengguna
IQR	97.18	Juta Pengguna
Min	31.05	Juta Pengguna
Maks	480.55	Juta Pengguna
Range	449.50	Juta Pengguna
Varians	18733.60	Juta Pengguna
Standar Deviasi	136.87	Juta Pengguna

4 Visualisasi Data

# Load library visualisasi
library(ggplot2)
library(scales)

4.1 Pie Chart

# Hitung persentase
df$Persen <- round(df$Pengguna / sum(df$Pengguna) * 100, 1)
df$Label  <- paste0(df$Negara, "\n", df$Persen, "%")

# Warna
warna <- c("#003f88","#0077b6","#00b4d8","#48cae4","#90e0ef",
           "#ff6b6b","#ff9f43","#f7b731","#20bf6b","#a29bfe")

ggplot(df, aes(x = "", y = Pengguna, fill = Negara)) +
  geom_col(width = 1, color = "white", linewidth = 0.5) +
  coord_polar(theta = "y") +
  scale_fill_manual(values = warna) +
  geom_text(aes(label = paste0(Persen, "%")),
            position = position_stack(vjust = 0.5),
            size = 3, color = "white", fontface = "bold") +
  labs(title    = "Proporsi Pengguna Instagram per Negara (2025)",
       subtitle = "Total: ~1,19 Miliar dari 10 Negara Teratas",
       fill     = "Negara") +
  theme_void() +
  theme(
    plot.title    = element_text(hjust = 0.5, face = "bold", size = 14),
    plot.subtitle = element_text(hjust = 0.5, size = 10, color = "gray50"),
    legend.position = "right"
  )

Gambar 1. Proporsi Pengguna Instagram per Negara (2025)

4.2 Bar Chart

# Urutkan dari terbesar ke terkecil
df$Negara <- factor(df$Negara, levels = df$Negara[order(df$Pengguna, decreasing = TRUE)])

ggplot(df, aes(x = Negara, y = Pengguna, fill = Negara)) +
  geom_col(show.legend = FALSE, width = 0.7) +
  geom_text(aes(label = paste0(Pengguna, " Jt")),
            vjust = -0.4, size = 3.2, fontface = "bold") +
  scale_fill_manual(values = warna) +
  scale_y_continuous(labels = label_number(suffix = " Jt"),
                     expand = expansion(mult = c(0, 0.12))) +
  labs(title    = "Jumlah Pengguna Instagram per Negara (2025)",
       subtitle = "Sumber: Statista, 2025",
       x        = "Negara",
       y        = "Jumlah Pengguna (Juta)") +
  theme_minimal(base_size = 12) +
  theme(
    plot.title    = element_text(face = "bold", size = 14, hjust = 0.5),
    plot.subtitle = element_text(size = 10, hjust = 0.5, color = "gray50"),
    axis.text.x   = element_text(angle = 30, hjust = 1, size = 9),
    panel.grid.major.x = element_blank()
  )

Gambar 2. Jumlah Pengguna Instagram per Negara (2025)

4.3 Histogram

ggplot(df, aes(x = Pengguna)) +
  geom_histogram(binwidth = 60, fill = "#0077b6", color = "white",
                 boundary = 0) +
  geom_vline(aes(xintercept = mean_val,   linetype = "Mean"),
             color = "red",    linewidth = 1) +
  geom_vline(aes(xintercept = median_val, linetype = "Median"),
             color = "orange", linewidth = 1) +
  scale_linetype_manual(name   = "Garis",
                        values = c("Mean" = "dashed", "Median" = "dotted")) +
  scale_x_continuous(labels = label_number(suffix = " Jt")) +
  labs(title    = "Histogram Distribusi Jumlah Pengguna Instagram (2025)",
       subtitle = paste0("Mean = ", round(mean_val, 1),
                         " Jt | Median = ", round(median_val, 1), " Jt"),
       x        = "Jumlah Pengguna (Juta)",
       y        = "Frekuensi") +
  theme_minimal(base_size = 12) +
  theme(
    plot.title    = element_text(face = "bold", size = 14, hjust = 0.5),
    plot.subtitle = element_text(size = 10, hjust = 0.5, color = "gray50"),
    legend.position = "top"
  )

Gambar 3. Distribusi Jumlah Pengguna Instagram

4.4 Density Plot

ggplot(df, aes(x = Pengguna)) +
  geom_density(fill = "#0077b6", color = "#003f88", alpha = 0.6, linewidth = 1) +
  geom_vline(xintercept = mean_val,   color = "red",    linewidth = 1.2,
             linetype = "dashed") +
  geom_vline(xintercept = median_val, color = "orange", linewidth = 1.2,
             linetype = "dotted") +
  geom_vline(xintercept = q1,         color = "#a29bfe", linewidth = 1,
             linetype = "dotdash") +
  geom_vline(xintercept = q3,         color = "#a29bfe", linewidth = 1,
             linetype = "dotdash") +
  annotate("text", x = mean_val + 8, y = Inf, vjust = 2, hjust = 0,
           label = paste0("Mean = ", round(mean_val, 1), " Jt"),
           color = "red", size = 3.5, fontface = "bold") +
  annotate("text", x = median_val - 8, y = Inf, vjust = 3.8, hjust = 1,
           label = paste0("Median = ", round(median_val, 1), " Jt"),
           color = "orange", size = 3.5, fontface = "bold") +
  annotate("text", x = q1 - 8, y = Inf, vjust = 5.5, hjust = 1,
           label = paste0("Q1 = ", round(q1, 1), " Jt"),
           color = "#6c5ce7", size = 3.2, fontface = "bold") +
  annotate("text", x = q3 + 8, y = Inf, vjust = 5.5, hjust = 0,
           label = paste0("Q3 = ", round(q3, 1), " Jt"),
           color = "#6c5ce7", size = 3.2, fontface = "bold") +
  scale_x_continuous(labels = label_number(suffix = " Jt")) +
  labs(title    = "Density Plot Distribusi Jumlah Pengguna Instagram (2025)",
       subtitle = "Kurva menunjukkan distribusi right-skewed akibat dominasi India",
       x        = "Jumlah Pengguna (Juta)",
       y        = "Density") +
  theme_minimal(base_size = 12) +
  theme(
    plot.title    = element_text(face = "bold", size = 14, hjust = 0.5),
    plot.subtitle = element_text(size = 10, hjust = 0.5, color = "gray50")
  )

Gambar 4. Density Plot Distribusi Pengguna Instagram (2025)

4.5 Boxplot

ggplot(df, aes(y = Pengguna, x = "")) +
  geom_boxplot(fill = "#90e0ef", color = "#003f88",
               outlier.color = "red", outlier.size = 3,
               width = 0.4, linewidth = 0.8) +
  geom_jitter(aes(color = Negara), width = 0.1, size = 3, alpha = 0.9) +
  geom_text(aes(label = Negara), hjust = -0.15, size = 3,
            position = position_jitter(width = 0.1, seed = 42)) +
  scale_color_manual(values = warna) +
  scale_y_continuous(labels = label_number(suffix = " Jt")) +
  annotate("text", x = 0.65, y = q1,        label = paste0("Q1 = ", round(q1, 1)), size = 3, color = "#003f88") +
  annotate("text", x = 0.65, y = median_val, label = paste0("Median = ", round(median_val, 1)), size = 3, color = "#003f88") +
  annotate("text", x = 0.65, y = q3,        label = paste0("Q3 = ", round(q3, 1)), size = 3, color = "#003f88") +
  labs(title    = "Boxplot Distribusi Jumlah Pengguna Instagram (2025)",
       subtitle = paste0("IQR = ", round(q3 - q1, 1), " Jt | Range = ", round(range_val, 1), " Jt"),
       x        = NULL,
       y        = "Jumlah Pengguna (Juta)") +
  theme_minimal(base_size = 12) +
  theme(
    plot.title      = element_text(face = "bold", size = 14, hjust = 0.5),
    plot.subtitle   = element_text(size = 10, hjust = 0.5, color = "gray50"),
    axis.text.x     = element_blank(),
    legend.position = "none"
  )

Gambar 5. Boxplot Distribusi Pengguna Instagram

5 Kesimpulan

Berdasarkan analisis data 10 negara dengan pengguna Instagram terbanyak tahun 2025:

India mendominasi dengan 480,55 juta pengguna — jauh melampaui negara lain.
Indonesia berada di peringkat ke-4 dengan 107,6 juta pengguna.
Nilai mean (119.36 juta) jauh lebih besar dari median (62.73 juta), menandakan distribusi right-skewed yang dipengaruhi oleh India sebagai outlier.
Density plot mempertegas bentuk distribusi right-skewed, dengan ekor panjang ke kanan akibat dominasi India dan Amerika Serikat.
Standar deviasi sebesar 136.87 juta menunjukkan variasi yang sangat tinggi antar negara.
Dari boxplot terlihat bahwa India dan Amerika Serikat merupakan outlier di atas kuartil atas.

Sumber data: Statista, 2025. Laporan dibuat menggunakan R Markdown.

Analisis Data: 10 Negara dengan Pengguna Instagram Terbanyak di Dunia

ZAHRAN HABIBI AL FAHRI 3337250013, AHMAD SUJAI 3337250020, QAIRAN ENZO BADYHAFIZH 3337250113, NAZRIEL ILHAM DZAKY 3337250174, MUHAMMAD AKMAL ALBANTANI 3337250177

2026-03-12