# Memuat paket yang diperlukan untuk visualisasi
library(DBI)
library(odbc)
library(ggplot2)
library(scales)

/* Penggunaan Inline CSS pada R-Markdown */

Pendahuluan

Penulisan Dengan Struktur Markdown

Dokumen ini menyajikan hasil analisis data dengan memanfaatkan R-Markdown sebagai alat utama dalam pengolahan dan penyusunan laporan. Dengan integrasi HTML, tampilan laporan menjadi lebih dinamis dan fleksibel, memungkinkan penyajian tabel, gambar, serta elemen interaktif yang tidak dapat dicapai hanya dengan Markdown biasa.

Kombinasi kedua teknologi ini memberikan kemudahan dalam menyusun laporan yang tidak hanya informatif, tetapi juga lebih profesional dan mudah dibaca. Selain itu, penggunaan CSS dalam HTML semakin memperkaya estetika tampilan, menjadikan dokumen lebih menarik dan sesuai dengan standar penyajian visual yang baik.

Dengan pendekatan ini, analisis data dapat dikomunikasikan secara lebih jelas dan efektif kepada pembaca.

Referensi tambahan:

🔗 Dokumentasi R-Markdown

R-Markdown memberikan kemudahan dalam menyusun laporan berbasis data dengan struktur yang ringkas dan fleksibel.

Dengan dukungan HTML, pengguna dapat memperkaya tampilan dokumen menggunakan elemen seperti tabel, gambar, dan format teks yang lebih variatif.

selain itu, integrasi dengan CSS memungkinkan personalisasi gaya agar laporan lebih estetis dan profesional, mulai dari pemilihan warna, font, hingga tata letak elemen.

Kombinasi ketiga teknologi ini membantu menyampaikan analisis data secara lebih jelas dan terstruktur, sehingga pembaca dapat memahami hasil dengan lebih mudah.

Dengan pendekatan ini, penyusunan laporan menjadi lebih efisien dan menarik tanpa mengorbankan keakuratan informasi yang disajikan.

🔗 Pelajari lebih lanjut tentang R-Markdown

Data

Proses ini mengintegrasikan SQL untuk pengambilan data dan R untuk visualisasi.

Koneksi Data

Langkah pertama adalah membangun koneksi antara RStudio dan database MySQL menggunakan fungsi dbConnect()

con2 <- dbConnect(odbc(),
                 Driver = "/usr/local/mysql-connector-odbc-8.0.33-macos13-x86-64bit/lib/libmyodbc8a.so",
                 Server = "127.0.0.1",
                 UID = "root",
                 PWD = "157$GnKJHK8",
                 Port = 3306,
                 Database = "classicmodels")

Ambil Data

Setelah koneksi terjalin, kita menggunakan blok kode SQL untuk mendapatkan data nilai pesanan di negara nordic. Simpan data hasil kueri data dalam suatu data frame R.

# mendapatkan data yang diperlukan

query1 <- "SELECT o.OrderNumber, country, 
sum(quantityordered*priceeach) as total_value
FROM orders o
JOIN orderdetails od ON o.orderNumber=od.OrderNumber
JOIN customers c ON c.customerNumber = o.CustomerNumber
WHERE country IN ('Denmark', 'Finland', 'Norway', 'Sweden')
GROUP BY o.orderNumber"

data1 <- dbGetQuery(con2, query1)

data1

##    OrderNumber  country total_value
## 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    21638.62

Ringkasan Data

Ringkasan data merupakan ringkasan statistik deskriptif dari data, seperti nilai minimum, kuartil pertama, median, mean (rata-rata), kuartil ketiga, dan maksimum untuk data numerik, serta hitungan kategori untuk data faktor.

knitr::kable(data1,
             caption = "Data Nilai Pesanan Negara Nordic",
             col.names = c("Order Number", "Country", "Total value"))

Data Nilai Pesanan Negara Nordic
Order Number	Country	Total value
10103	Norway	50218.95
10105	Denmark	53959.21
10112	Sweden	7674.94
10141	Finland	29716.86
10151	Finland	32723.04
10155	Finland	37602.48
10158	Norway	1491.38
10161	Denmark	36164.46
10167	Sweden	44167.09
10181	Norway	55069.55
10188	Norway	29954.91
10238	Denmark	28211.70
10239	Finland	16212.59
10247	Finland	28394.54
10256	Denmark	4710.73
10284	Norway	32260.16
10289	Norway	12538.01
10291	Sweden	48809.90
10299	Finland	34341.08
10301	Norway	36798.88
10309	Norway	17876.32
10314	Denmark	53745.34
10320	Sweden	16799.03
10325	Norway	34638.14
10326	Sweden	19206.68
10327	Denmark	20564.86
10334	Sweden	23014.17
10363	Finland	45785.34
10373	Finland	46770.52
10377	Finland	23602.90
10389	Sweden	27966.54
10406	Denmark	21638.62

summary(data1)

##   OrderNumber      country           total_value   
##  Min.   :10103   Length:32          Min.   : 1491  
##  1st Qu.:10166   Class :character   1st Qu.:20225  
##  Median :10286   Mode  :character   Median :29836  
##  Mean   :10257                      Mean   :30395  
##  3rd Qu.:10325                      3rd Qu.:39244  
##  Max.   :10406                      Max.   :55070

Contoh Membuat Tabel Data Secara Manual

Order Number	Country	Total Value
20001	Norway	50000
20002	Denmark	100000

Analisis Data

Menambahlan Gambar

Menambahkan Gambar dengan sintaks Markdown

Gambar 1. Peta Negara-Negara Nordic dengan sintaks Markdown

Menambahkan Gambar dengan tag HTML

Gambar 2. Peta Negara-Negara Nordic dengan tag HTML

Visualisasi banyaknya item tiap product scale

Kita menggunakan library ggplot2 untuk membuat histogram. Fungsi geom_histogram() digunakan untuk melihat distribusi frekuensi nilai pesanan.

# Membuat histogram dari nilai pesanan

ggplot(data1, aes(x = total_value)) +
  geom_histogram(aes(fill = after_stat(count)), 
                 bins = 15, color='white') +
  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")

Referensi Cheat Sheet untuk Penggunaan CSS

🔗 Referensi Cheatsheet CSS

SIM

Geis

2026-04-10