Modul 3 - Visualisasi Product Scale
Viza Kiswara
2026-05-06
Mengatur Dimensi Gambar secara Manual
A <- c("a", "a", "b", "b")
B <- c(5, 10, 15, 20)
dataframe <- data.frame(A, B)
print(dataframe) ## A B
## 1 a 5
## 2 a 10
## 3 b 15
## 4 b 20boxplot(B~A,data=dataframe) 
Kable adalah Fungsi Pemformatan Tabel paling Estetis dan Sederhana
library(knitr) ## Warning: package 'knitr' was built under R version 4.5.2kable(dataframe, digits = 2) | A | B |
|---|---|
| a | 5 |
| a | 10 |
| b | 15 |
| b | 20 |
Mengontrol konten tabel dapat menggunakan pander() dalam package pander. Misalkan ingin kolom ke-3 muncul dalam huruf miring:
library(pander) ## Warning: package 'pander' was built under R version 4.5.2plant <- c("a", "b", "c")
temperature <- c(20, 20, 20)
growth <- c(0.65, 0.95, 0.15)
dataframe <- data.frame(plant, temperature, growth)
emphasize.italics.cols(3) # Make the 3rd column italics
pander(dataframe) # Create the table | plant | temperature | growth |
|---|---|---|
| a | 20 | 0.65 |
| b | 20 | 0.95 |
| c | 20 | 0.15 |
Contoh
#Memuat paket yang diperlukan untuk koneksi database dan visualisasi
library(DBI) ## Warning: package 'DBI' was built under R version 4.5.2library(odbc)## Warning: package 'odbc' was built under R version 4.5.2library(ggplot2) ## Warning: package 'ggplot2' was built under R version 4.5.2library(scales) ## Warning: package 'scales' was built under R version 4.5.2Pendahuluan
Laporan ini menyajikan banyaknya item untuk tiap product scale dari database “classicmodels”. Proses ini mengintegrasikan SQL untuk pengambilan data dan R untuk visualisasi.
Koneksi Database dan Pengambilan Data
Langkah pertama adalah membangun koneksi antara RStudio dan database MySQL menggunakan fungsi dbConnect()
con2 = dbConnect(odbc(),
Driver = "MySQL ODBC 8.0 ANSI Driver",
Server = "127.0.0.1",
Database = "classicmodels",
UID = "root",
PWD = "WJ28@krhps",
Port = 3306) Setelah koneksi terjalin, kita menggunakan blok kode SQL untuk mendapatkan banyaknya
item untuk tiap product scale. Simpan data hasil kueri data dalam suatu data frame R.
#Mendapatkan data yang diperlukan
data1 <- dbGetQuery(con2, "SELECT productScale,
COUNT(*) AS totalItems
FROM products
GROUP BY productScale")
data1 ## productScale totalItems
## 1 1:10 6
## 2 1:12 9
## 3 1:18 42
## 4 1:72 4
## 5 1:24 27
## 6 1:32 8
## 7 1:50 4
## 8 1:700 10Visualisasi banyaknya item tiap product scale
Kita menggunakan library ggplot2 untuk membuat barchart. Fungsi geom_bar() digunakan untuk melihat banyaknya item tiap product scale.
#Membuat barchart untuk banyaknya item tiap product scale
ggplot(data1, aes(x = productScale, y = totalItems)) +
geom_bar(stat = "identity", fill = "blue", alpha = 1) +
theme_minimal() +
labs(title = "Total Item per Skala Produk",
x = "Skala Produk",
y = "Total Item") +
theme(axis.text.x = element_text(angle = 45, hjust = 1)) ## Don't know how to automatically pick scale for object of type <integer64>.
## Defaulting to continuous.
Latihan
Membuat atau Mengambil Data dari SQL
#Mendapatkan data yang diperlukan
query1 <- "SELECT o.ordernumber, country, SUM(quantityordered*priceeach) AS total_values
FROM orders o
JOIN orderdetails od ON o.orderNumber=od.orderNumber
JOIN customers c ON o.customerNumber=c.customerNumber
WHERE country IN ('Denmark', 'Finland', 'Norway', 'Sweden')
GROUP BY o.orderNumber;"
data1 <- dbGetQuery(con2, query1)
data1## ordernumber country total_values
## 1 10103 Norway 50218.95
## 2 10105 Denmark 53959.21
## 3 10112 Sweden 7674.94
## 4 10141 Finland 29716.86
## 5 10151 Finland 32723.04
## 6 10155 Finland 37602.48
## 7 10158 Norway 1491.38
## 8 10161 Denmark 36164.46
## 9 10167 Sweden 44167.09
## 10 10181 Norway 55069.55
## 11 10188 Norway 29954.91
## 12 10238 Denmark 28211.70
## 13 10239 Finland 16212.59
## 14 10247 Finland 28394.54
## 15 10256 Denmark 4710.73
## 16 10284 Norway 32260.16
## 17 10289 Norway 12538.01
## 18 10291 Sweden 48809.90
## 19 10299 Finland 34341.08
## 20 10301 Norway 36798.88
## 21 10309 Norway 17876.32
## 22 10314 Denmark 53745.34
## 23 10320 Sweden 16799.03
## 24 10325 Norway 34638.14
## 25 10326 Sweden 19206.68
## 26 10327 Denmark 20564.86
## 27 10334 Sweden 23014.17
## 28 10363 Finland 45785.34
## 29 10373 Finland 46770.52
## 30 10377 Finland 23602.90
## 31 10389 Sweden 27966.54
## 32 10406 Denmark 21638.62Visualisasi banyaknya item tiap product scale
Kita menggunakan library ggplot2 untuk membuat barchart. Fungsi geom_histogram() digunakan untuk melihat distribusi frekuensi.
#Membuat barchart untuk banyaknya item tiap product scale
ggplot(data1, aes(x = total_values)) +
geom_histogram(aes(fill = after_stat(count)),
bins = 15, color="black") +
stat_bin(bins = 15, geom = "text", aes(label = after_stat(count)), vjust= -0.5) +
scale_fill_gradient(low = "lightgreen", high = "darkgreen") +
scale_x_continuous(labels = label_dollar()) +
scale_y_continuous(expand = expansion(c(0,0.15))) +
theme_minimal() +
labs(title = "Distribusi Nilai Pesanan di Negara Nordic",
subtitle = "Negara : Denmark, Finland, Norway, Sweden",
x = "Nilai Pesanan (USD)",
y = "Frekuensi") +
theme(legend.position = "none")
Informasi
echo → Menentukan apakah KODE R ditampilkan di output dokumen atau hanya hasilnya saja. message → Mengatur apakah PESAN dari R (message) ditampilkan atau disembunyikan saat kode dijalankan. warning → Mengatur apakah PERINGATAN (warning) dari R ditampilkan dalam output. include → Menentukan apakah KODE dan HASILnya dimasukkan ke dalam dokumen output atau tidak. eval → Menentukan apakah kode benar-benar DIJALANKAN (dievaluasi) atau hanya ditampilkan saja. binwidth → Menentukan lebar setiap interval (kelas) pada histogram. bins → Menentukan jumlah interval (kelas) yang membagi data pada histogram.