Bike sharing merupakan sistem penyewaan sepeda yang memungkinkan masyarakat menggunakan sepeda sebagai sarana transportasi dalam jangka waktu tertentu. Data penyewaan sepeda yang dicatat setiap hari dapat dianalisis menggunakan pendekatan time series untuk melihat pola perubahan jumlah penyewaan dari waktu ke waktu.

Visualisasi data menjadi salah satu metode yang efektif untuk memahami pola tersebut. Dalam analisis ini digunakan line plot untuk menggambarkan perubahan jumlah penyewaan sepeda dari waktu ke waktu dan smoothing plot untuk memperjelas pola tren dengan mengurangi fluktuasi jangka pendek.

Import Library dan Data

library(ggplot2)
library(dplyr)

bike <- read.csv("bike_day_fiks.csv")

bike$dteday <- as.Date(bike$dteday)

Deskripsi Data

Dataset yang digunakan terdiri dari beberapa variabel yang berkaitan dengan penyewaan sepeda harian, seperti tanggal, musim, suhu, kelembaban, kecepatan angin, serta jumlah total penyewaan sepeda.

Berdasarkan struktur data di atas, dataset memiliki 731 observasi dengan beberapa variabel yang menggambarkan kondisi lingkungan dan jumlah penyewaan sepeda.

Line Plot

Line plot digunakan untuk melihat perubahan jumlah penyewaan sepeda dari waktu ke waktu.

ggplot(bike, aes(x = dteday, y = cnt)) +
geom_line(color = "blue", linewidth = 1) +
labs(
title = "Line Plot Jumlah Penyewaan Sepeda",
x = "Tanggal",
y = "Jumlah Penyewaan Sepeda"
) +
theme_minimal()

Berdasarkan grafik line plot yang ditampilkan, terlihat bahwa jumlah penyewaan sepeda berubah-ubah dari waktu ke waktu. Pada beberapa periode jumlah penyewaan meningkat, sementara pada periode lainnya mengalami penurunan. Hal ini menunjukkan bahwa penggunaan sepeda oleh masyarakat tidak selalu sama setiap hari.

Perubahan tersebut kemungkinan dipengaruhi oleh beberapa faktor, seperti kondisi cuaca, musim, hari kerja atau hari libur, serta aktivitas masyarakat. Secara umum, grafik ini membantu kita melihat pola bagaimana jumlah penyewaan sepeda berkembang sepanjang periode pengamatan.

Jika dilihat secara keseluruhan, grafik menunjukkan adanya fluktuasi yang cukup jelas, sehingga dapat disimpulkan bahwa permintaan terhadap penyewaan sepeda bersifat dinamis dan berubah mengikuti kondisi pada waktu tertentu.

Smoothing Plot

Smoothing plot digunakan untuk memperhalus data menggunakan metode moving average selama 7 hari sehingga pola tren jangka panjang dapat terlihat lebih jelas.

bike$smooth_cnt <- stats::filter(bike$cnt, rep(1/7,7), sides = 2)

ggplot(na.omit(bike), aes(x = dteday)) +
geom_line(aes(y = cnt), color = "gray") +
geom_line(aes(y = smooth_cnt), color = "red", linewidth = 1.2) +
labs(
title = "Smoothing Plot Jumlah Penyewaan Sepeda",
x = "Tanggal",
y = "Jumlah Penyewaan Sepeda"
) +
theme_minimal()

Pada grafik smoothing plot terlihat dua garis, yaitu garis abu-abu dan garis merah. Garis abu-abu menunjukkan data asli jumlah penyewaan sepeda yang masih mengalami banyak naik turun atau fluktuasi dari hari ke hari.

Sedangkan garis merah merupakan hasil smoothing atau penghalusan data menggunakan metode moving average. Garis ini membantu kita melihat pola tren yang lebih jelas karena fluktuasi jangka pendek pada data sudah dikurangi.

Dari grafik tersebut dapat dilihat bahwa meskipun data asli sering naik turun, garis smoothing menunjukkan kecenderungan pola perubahan jumlah penyewaan sepeda secara lebih stabil dari waktu ke waktu. Dengan demikian, smoothing plot membantu kita memahami tren umum penggunaan sepeda tanpa terganggu oleh perubahan yang terlalu kecil pada data harian.

Kesimpulan

Berdasarkan hasil visualisasi data menggunakan line plot dan smoothing plot, dapat disimpulkan bahwa jumlah penyewaan sepeda mengalami perubahan dari waktu ke waktu. Grafik line plot menunjukkan adanya fluktuasi pada jumlah penyewaan sepeda, yang berarti jumlah penyewaan tidak selalu sama setiap hari, melainkan kadang meningkat dan kadang menurun.

Sementara itu, grafik smoothing plot membantu memperjelas pola tren pada data dengan mengurangi fluktuasi jangka pendek menggunakan metode moving average. Dengan adanya proses smoothing, pola perubahan jumlah penyewaan sepeda dari waktu ke waktu dapat terlihat dengan lebih jelas dan lebih mudah dipahami.

Secara keseluruhan, visualisasi ini membantu memberikan gambaran mengenai pola penggunaan sepeda oleh masyarakat selama periode pengamatan, serta dapat menjadi dasar untuk analisis lebih lanjut mengenai faktor-faktor yang mempengaruhi tingkat penyewaan sepeda.