Siti Rahima
12 Maret 2026

Dataset Bike Sharing merupakan data penyewaan sepeda harian selama tahun 2011–2012.Dataset ini berisi 731 observasi (hari) dan 16 variabel, yang mencakup:

  • Informasi waktu (tanggal, bulan, musim, tahun)

  • Informasi cuaca (suhu, kelembapan, kecepatan angin)

  • Informasi hari (hari kerja, hari libur)

  • Jumlah penyewa (kasual, terdaftar, total)

Dari data ini akan dibuat visualisasi data timeseries, maka digunakanlah syntax-syntax sebagai berikut.

1. Import Data

  1. Import data yang dilakukan dapat dilakukan dengan syntax berikut.
DT::datatable(data)

2. Melihat Struktur Data

Struktur data ini adalah sebagai berikut.

Variabel Keterangan Jenis
season Musim (Spring, Summer, Fall, Winter) Kategorik Nominal
yr Tahun (0 = 2011, 1 = 2012) Kategorik Nominal
mnth Bulan (1–12) Kategorik Ordinal
holiday Hari libur (0/1) Kategorik Nominal
weekday Hari dalam seminggu (0–6) Kategorik Nominal
workingday Hari kerja (0/1) Kategorik Nominal
weathersit Kondisi cuaca (Cerah, Mendung, Hujan, dll) Kategorik Ordinal
dteday Tanggal Kategorik Waktu (Time-based)
Instant ID penyewa Numerik Dikrit
Casual Jumlah penyewa sepeda kasual Numerik Dikrit
Registered Jumlah penyewa sepeda terdaftar Numerik Dikrit
Cnt Jumlah penyewa sepeda Numerik Dikrit
Temp Suhu aktual Numerik Kontinu
Atemp Suhu yang dirasakan Numerik Kontinu
Hum Kelembapan Numerik Kontinu
Windspeed Kecepatan angin Numerik Kontinu

3. Visualisasi Data

Setelah mengenali variabel data, kemudian digunakanlah variabel-variabel tersebut dalam visualisasi time series sebagai berikut.

a. Line Plot dengan Smooth Trend : Jumlah Penyewa Sepeda dari Tahun 2011 hingga 2012

Visualisasi dapat menggunakan syntax sebagai berikut.

ggplot(data, aes(x = dteday, y = cnt)) +
  geom_line(color = "darkred") +
  geom_smooth(method = "loess", se = FALSE, color = "salmon") +
  labs(title = "Line Plot dengan Smooth Trend : Jumlah Penyewa Sepeda (2011-2012)",
       x = "Tanggal",
       y = "Jumlah Penyewaan") +
  theme_minimal()

Dari output tersebut,terlihat perubahan jumlah penyewaan sepeda dari tahun 2011 hingga 2012. Garis merah tipis menggambarkan nilai penyewaan harian (line plot), sedangkan garis merah tebal yang lebih halus merupakan kurva smoothing yang menunjukkan kecenderungan tren secara umum. Dari grafik terlihat bahwa jumlah penyewaan sepeda secara umum meningkat dari awal tahun 2011 hingga pertengahan 2012. Pada awal tahun 2011 jumlah penyewaan masih relatif rendah, kemudian meningkat secara bertahap hingga mencapai puncaknya pada pertengahan hingga akhir tahun 2012.

Setelah mencapai puncak tersebut, tren penyewaan mulai menurun menjelang akhir tahun 2012. Fluktuasi yang cukup besar juga terlihat pada data harian, yang menunjukkan bahwa jumlah penyewaan sangat dipengaruhi oleh faktor lain seperti cuaca, musim, atau hari kerja. Secara keseluruhan, grafik ini menunjukkan adanya tren peningkatan penggunaan sepeda dari tahun 2011 ke 2012, meskipun terdapat variasi harian yang cukup tinggi.

b. Smooth Plot dengan Line Plot : Penyewaan Sepeda Bulanan (2011 vs 2012)

Visualisasi dapat menggunakan syntax sebagai berikut.

ggplot(data, aes(x = mnth, y = cnt, group = 1)) +
  geom_line(color = "darkred", linewidth = 1) +
  geom_point(size = 1) +
  geom_smooth(method = "loess", se = FALSE, color = "salmon") +
  facet_wrap(~data$yr) +
  labs(title = "Smooth Plot dengan Line Plot : Penyewaan Sepeda Bulanan (2011 vs 2012)",
       x = "Bulan",
       y = "Total Penyewaan") +
  theme_minimal()

Dari output tersebut, terlihat total penyewaan sepeda per bulan yang dipisahkan antara tahun 2011 dan 2012. Titik hitam menunjukkan nilai penyewaan pada masing-masing bulan, sedangkan garis merah halus menunjukkan tren smoothing. Pada tahun 2011, jumlah penyewaan meningkat dari awal tahun hingga sekitar pertengahan tahun (sekitar Mei–Juli), kemudian mulai menurun hingga akhir tahun. Hal ini menunjukkan adanya pola musiman, di mana penyewaan lebih tinggi pada pertengahan tahun dibandingkan awal atau akhir tahun.

Pada tahun 2012, pola yang serupa juga terlihat, namun dengan jumlah penyewaan yang secara umum lebih tinggi dibandingkan tahun 2011. Peningkatan penyewaan terjadi dari awal tahun hingga pertengahan tahun dan mencapai puncaknya sekitar bulan Juli–Agustus sebelum menurun kembali menjelang akhir tahun. Hal ini menunjukkan bahwa permintaan penyewaan sepeda cenderung meningkat pada musim tertentu, kemungkinan karena kondisi cuaca yang lebih mendukung aktivitas luar ruangan.

c. Line Plot dengan Smooth Trend : Penyewaan Sepeda per Musim

Visualisasi dapat menggunakan synta berikut.

ggplot(data, aes(x = dteday, y = cnt)) +
  geom_line(color = "darkred", alpha = 0.8) +
  geom_smooth(method = "loess", se = FALSE, color = "salmon") +
  facet_wrap(~season, scales = "free_y") +
  labs(title = "Line Plot dengan Smooth Trend : Penyewaan Sepeda per Musim",
       x = "Tanggal",
       y = "Jumlah Penyewaan") +
  theme_minimal()

Dari output terlihat perubahan jumlah penyewaan sepeda terhadap waktu yang dipisahkan berdasarkan musim: Spring, Summer, Fall, dan Winter. Garis tipis menunjukkan data harian, sedangkan garis halus menunjukkan tren smoothing.

Pada musim Spring, terlihat adanya peningkatan jumlah penyewaan dari awal musim menuju pertengahan musim. Hal ini menunjukkan bahwa saat cuaca mulai membaik setelah musim dingin, aktivitas bersepeda mulai meningkat.

Pada musim Summer, jumlah penyewaan berada pada tingkat yang relatif tinggi dan cukup stabil. Hal ini menunjukkan bahwa musim panas merupakan periode dengan aktivitas penyewaan sepeda yang tinggi, kemungkinan karena kondisi cuaca yang lebih hangat dan mendukung aktivitas luar ruangan.

Pada musim Fall, jumlah penyewaan masih cukup tinggi, namun cenderung mengalami penurunan secara bertahap seiring mendekati musim dingin.

Sedangkan pada musim Winter, jumlah penyewaan terlihat lebih rendah dan cenderung menurun. Hal ini menunjukkan bahwa kondisi cuaca yang lebih dingin dan kurang nyaman dapat menurunkan minat masyarakat untuk menyewa sepeda.Secara umum, grafik ini menunjukkan bahwa musim memiliki pengaruh terhadap pola penyewaan sepeda.

d. Smooth Time Series : Penyewaan Sepeda Berdasarkan Kondisi Cuaca

Visualisasi dapat menggunakan syntax berikut.

ggplot(data, aes(x = dteday, y = cnt)) +
  geom_line(color = "darkred", alpha = 0.7) +
  geom_smooth(method = "loess", se = FALSE, color = "salmon") +
  facet_wrap(~weathersit, scales = "free_y", ncol = 2) +
  labs(title = "Smooth Plot : Penyewaan Sepeda Berdasarkan Kondisi Cuaca",
       x = "Tanggal",
       y = "Jumlah Penyewaan") +
  theme_minimal()

Dari output tersebut, ditunjukkan bahwa pola penyewaan sepeda berdasarkan kondisi cuaca yang dibagi menjadi beberapa kategori, yaitu cerah, mendung, dan hujan ringan.

Pada kondisi cuaca cerah, jumlah penyewaan sepeda terlihat paling tinggi dan cenderung meningkat hingga pertengahan periode pengamatan sebelum sedikit menurun. Hal ini menunjukkan bahwa kondisi cuaca yang baik sangat mendukung aktivitas bersepeda.

Pada kondisi mendung, jumlah penyewaan masih cukup tinggi, namun sedikit lebih rendah dibandingkan cuaca cerah. Pola tren yang terlihat relatif mirip dengan kondisi cerah, meskipun fluktuasinya lebih besar.

Sedangkan pada kondisi hujan ringan, jumlah penyewaan sepeda terlihat jauh lebih rendah dibandingkan kondisi cuaca lainnya. Selain itu, variasi data juga lebih tidak stabil.

Hal ini menunjukkan bahwa kondisi cuaca memiliki pengaruh terhadap jumlah penyewaan sepeda, di mana cuaca yang kurang baik cenderung menurunkan minat masyarakat untuk bersepeda.

e. Line Plot dengan Smooth Trend : Perbandingan Penyewaan Sepeda Berdasarkan Jenis Pengguna

Visualisasi dapat menggunakan syntax berikut.

data_long <- data %>%
  select(dteday, casual, registered) %>%
  pivot_longer(-dteday,
               names_to = "jenis",
               values_to = "jumlah")

ggplot(data_long, aes(x = dteday, y = jumlah, color = jenis)) +
  geom_line() +
  geom_smooth(se = FALSE) +
  labs(title = "Line Plot dengan Smooth Trend : Perbandingan Penyewaan Sepeda \nBerdasarkan Jenis Pengguna",
       x = "Tanggal",
       y = "Jumlah Penyewaan",
       color = "Jenis Pengguna") +
  theme_minimal()

Dari output, terlihat bahwa perbandingan jumlah penyewaan sepeda antara pengguna kasual (casual) dan pengguna terdaftar (registered) terhadap waktu.

Dari grafik terlihat bahwa jumlah penyewaan oleh pengguna terdaftar jauh lebih tinggi dibandingkan pengguna kasual sepanjang periode pengamatan. Pengguna terdaftar juga menunjukkan pola tren yang lebih stabil dan konsisten.

Sementara itu, jumlah penyewaan oleh pengguna kasual cenderung lebih rendah dan memiliki variasi yang lebih besar. Hal ini menunjukkan bahwa pengguna kasual kemungkinan hanya menyewa sepeda pada kondisi tertentu, seperti saat cuaca baik atau pada waktu luang.

Kedua jenis pengguna menunjukkan pola tren yang serupa, yaitu meningkat hingga pertengahan tahun kemudian menurun kembali menjelang akhir tahun. Hal ini menunjukkan adanya pola musiman dalam aktivitas penyewaan sepeda.

Secara keseluruhan, grafik ini menunjukkan bahwa pengguna terdaftar merupakan kontributor utama dalam penyewaan sepeda, sedangkan pengguna kasual lebih dipengaruhi oleh kondisi eksternal seperti musim atau cuaca.

4. Kesimpulan

Jadi, berdasarkan hasil visualisasi data time series pada Dataset Bike Sharing tahun 2011–2012, dapat disimpulkan bahwa ada pola tren, musiman, serta dipengaruhi oleh faktor eksternal seperti cuaca dan jenis pengguna.

Pertama, dari line plot jumlah penyewaan sepeda tahun 2011–2012, terlihat bahwa secara umum terjadi tren peningkatan penyewaan sepeda dari tahun 2011 menuju tahun 2012. Meskipun terdapat fluktuasi harian yang cukup besar, garis smoothing menunjukkan kecenderungan peningkatan penggunaan sepeda hingga pertengahan tahun 2012 sebelum kemudian sedikit menurun menjelang akhir tahun.

Kedua, dari plot bulanan tahun 2011 dan 2012, terlihat adanya pola musiman yang konsisten. Jumlah penyewaan cenderung meningkat dari awal tahun menuju pertengahan tahun dan mencapai puncaknya sekitar pertengahan hingga akhir musim panas, kemudian menurun kembali menjelang akhir tahun. Selain itu, total penyewaan pada tahun 2012 secara umum lebih tinggi dibandingkan tahun 2011, yang menunjukkan adanya peningkatan penggunaan layanan penyewaan sepeda dari tahun ke tahun.

Ketiga, dari visualisasi berdasarkan musim, terlihat bahwa musim memiliki pengaruh terhadap jumlah penyewaan sepeda. Penyewaan cenderung lebih tinggi pada musim summer dan fall, sedangkan pada musim winter jumlah penyewaan relatif lebih rendah. Hal ini kemungkinan disebabkan oleh kondisi cuaca yang kurang mendukung aktivitas bersepeda pada musim dingin.

Keempat, dari plot berdasarkan kondisi cuaca, terlihat bahwa jumlah penyewaan sepeda paling tinggi terjadi pada kondisi cuaca cerah, sementara pada kondisi mendung jumlah penyewaan sedikit lebih rendah, dan pada kondisi hujan ringan jumlah penyewaan jauh lebih rendah. Hal ini menunjukkan bahwa kondisi cuaca merupakan faktor penting yang memengaruhi minat masyarakat untuk menggunakan sepeda.

Kelima, dari perbandingan jenis pengguna, terlihat bahwa jumlah penyewaan oleh pengguna terdaftar (registered) jauh lebih tinggi dibandingkan pengguna kasual (casual). Pengguna terdaftar juga menunjukkan pola yang lebih stabil, sedangkan pengguna kasual cenderung lebih fluktuatif dan kemungkinan lebih dipengaruhi oleh faktor eksternal seperti cuaca dan musim.

Secara keseluruhan, hasil visualisasi menunjukkan bahwa penyewaan sepeda dipengaruhi oleh tren waktu, pola musiman, kondisi cuaca, serta jenis pengguna. Selain itu, terdapat indikasi bahwa popularitas layanan penyewaan sepeda meningkat dari tahun 2011 ke 2012, yang dapat menunjukkan peningkatan minat masyarakat terhadap transportasi berbasis sepeda.