trend <- readRDS("trend.rds")
# Pre-Processing Data
library(dplyr)
df_time <- trend$interest_over_time %>%
  select(date, hits, keyword) %>%
  mutate(hits = as.numeric(ifelse(hits == "<1", 0, hits)))
# Grafik tren dari waktu ke waktu
library(ggplot2)
ggplot(df_time,
       aes(x = date,
           y = hits,
           color = keyword)) +
  geom_line(size = 1) +
  labs(title = "Tren Pencarian dari Waktu ke Waktu",
       x = "Tanggal",
       y = "Popularitas") +
  theme_minimal()

Interpretasi

Tren pencarian masing-masing keyword menunjukkan adanya fluktuasi yang cukup signifikan sepanjang waktu pengamatan. Hal ini mengindikasikan bahwa minat pengguna terhadap ketiga keyword tersebut bersifat dinamis dan dipengaruhi oleh faktor temporal tertentu. Grafik tren juga menunjukkan adanya beberapa periode lonjakan (spike) pencarian, terutama pada keyword “cortis” dan “exo”. Lonjakan ini kemungkinan dipengaruhi oleh faktor eksternal seperti aktivitas media sosial, perilisan album baru, atau isu yang sedang viral pada periode tertentu.

#Data Minat Berdasarkan Provinsi
# Ambil data regional
library(ggplot2)
df_region <- trend$interest_by_region %>%
  filter(location != "") %>%
  group_by(keyword) %>%
  mutate(hits = as.numeric(ifelse(hits == "<1", 0, hits)))
df_region
## # A tibble: 102 × 5
## # Groups:   keyword [3]
##    location                           hits keyword geo   gprop
##    <chr>                             <dbl> <chr>   <chr> <chr>
##  1 Special Capital Region of Jakarta   100 exo     ID    web  
##  2 Banten                               80 exo     ID    web  
##  3 West Java                            79 exo     ID    web  
##  4 Special Region of Yogyakarta         77 exo     ID    web  
##  5 East Java                            76 exo     ID    web  
##  6 North Sulawesi                       76 exo     ID    web  
##  7 South East Sulawesi                  71 exo     ID    web  
##  8 South Sulawesi                       69 exo     ID    web  
##  9 West Sulawesi                        66 exo     ID    web  
## 10 West Sumatra                         66 exo     ID    web  
## # ℹ 92 more rows
# Plot bar
ggplot(df_region, aes(x = reorder(location, hits), y = hits, fill = keyword)) +
  geom_bar(stat = "identity", position = "dodge") +
  coord_flip() +
  labs(title = "Minat Berdasarkan Provinsi",
       x = "Provinsi", y = "Tren (0–100)") +
  theme_minimal()

Interpretasi

Berdasarkan analisis wilayah, terlihat bahwa tingkat pencarian terhadap masing-masing keyword bervariasi antar provinsi. Beberapa provinsi menunjukkan nilai pencarian yang lebih tinggi dibandingkan provinsi lain, sehingga dapat disimpulkan bahwa distribusi minat pengguna tidak merata secara geografis. Bahkan tidak terdapat grafik keyword ‘Longshot’ di beberapa provinsi.

#Rata-Rata Popularitas Masing-Masing Kata Kunci
df_avg <- df_time %>%
  group_by(keyword) %>%
  summarise(avg_hits = mean(hits))
# Plot bar
ggplot(df_avg,
       aes(x = keyword,
           y = avg_hits,
           fill = keyword)) +
  geom_bar(stat = "identity") +
  labs(title = "Rata-Rata Popularitas Keyword",
       x = "Keyword",
       y = "Rata-Rata Tren") +
  theme_minimal()

Interpretasi

Keyword “cortis” memiliki rata-rata popularitas tertinggi dibandingkan “exo” dan “longshot”, sehingga dapat dikatakan lebih sering dicari oleh pengguna Google di Indonesia.