Pendahuluan

Contoh visualisasi data spasial menggunakan package sf dan ggplot2.
Data yang digunakan adalah data shapefile Jawa Timur dan data jumlah kematian COVID.

Import Library dan Pengolahan Data

library(sf)
## Linking to GEOS 3.13.1, GDAL 3.11.0, PROJ 9.6.0; sf_use_s2() is TRUE
library(ggplot2)
## Warning: package 'ggplot2' was built under R version 4.5.3
library(readxl)
## Warning: package 'readxl' was built under R version 4.5.3
library(dplyr)
## Warning: package 'dplyr' was built under R version 4.5.3
## 
## Attaching package: 'dplyr'
## The following objects are masked from 'package:stats':
## 
##     filter, lag
## The following objects are masked from 'package:base':
## 
##     intersect, setdiff, setequal, union
# Import Shapefile
geo = st_read("D:/ORVILLE KULIAH/KULIAH SMSTER 6/BINTEL/DATA/Jawa_Timur_Kab/[geosai.my.id]Jawa_Timur_Kab (2)/Jawa_Timur_ADMIN_BPS.shp")
## Reading layer `Jawa_Timur_ADMIN_BPS' from data source 
##   `D:\ORVILLE KULIAH\KULIAH SMSTER 6\BINTEL\DATA\Jawa_Timur_Kab\[geosai.my.id]Jawa_Timur_Kab (2)\Jawa_Timur_ADMIN_BPS.shp' 
##   using driver `ESRI Shapefile'
## Simple feature collection with 38 features and 6 fields
## Geometry type: MULTIPOLYGON
## Dimension:     XY
## Bounding box:  xmin: 110.8987 ymin: -8.78036 xmax: 116.2702 ymax: -5.048857
## Geodetic CRS:  WGS 84
# Import Data Atribut
data_PDRB <- read_excel(
  "D:/ORVILLE KULIAH/KULIAH SMSTER 6/BINTEL/DATA/data_PDRB.xlsx",
  sheet = "data_olah"
)

# Mengurutkan data
data2 <- data_PDRB %>%
  arrange(Kab_Kota)

# Menggabungkan data
geo[,8] <- data2[,4]

# Visualisasi Peta
ggplot(data = geo) +
  geom_sf(aes(fill = Kematian_COVID)) +
  scale_fill_viridis_c(option = "inferno", direction = -1) +
  theme_void()

Menambahkan Koordinat dan Label

library(raster)
## Warning: package 'raster' was built under R version 4.5.3
## Loading required package: sp
## Warning: package 'sp' was built under R version 4.5.3
## 
## Attaching package: 'raster'
## The following object is masked from 'package:dplyr':
## 
##     select
p <- shapefile("D:/ORVILLE KULIAH/KULIAH SMSTER 6/BINTEL/DATA/geoo.shp")

xy <- coordinates(p)

geo[,9] <- xy[,1]
geo[,10] <- xy[,2]

ggplot(data = geo) +
  geom_sf(aes(fill = Kematian_COVID)) +
  scale_fill_viridis_c(option = "inferno", direction = -1) +
  geom_text(
    data = geo,
    aes(V9, V10, label = Kabupaten),
    size = 2,
    fontface = "bold",
    color = "green"
  ) +
  theme_void()

Kesimpulan

Visualisasi peta menunjukkan bahwa jumlah kematian COVID di Jawa Timur memiliki persebaran yang berbeda pada setiap kabupaten/kota. Daerah dengan warna lebih gelap menunjukkan jumlah kematian yang lebih tinggi, sedangkan warna lebih terang menunjukkan jumlah kematian yang lebih rendah.

Berdasarkan peta, beberapa wilayah di bagian selatan dan timur Jawa Timur terlihat memiliki tingkat kematian COVID yang relatif tinggi dibandingkan wilayah lainnya. Sementara itu, beberapa daerah di wilayah Madura dan bagian utara cenderung memiliki jumlah kematian yang lebih rendah.

Penggunaan visualisasi spasial dengan sf dan ggplot2 memudahkan dalam melihat pola persebaran data COVID secara geografis sehingga informasi lebih mudah dipahami.