Latihan Visualisasi Data dengan ggplot2: Squirrel Data
Isi Nama Mahasiswa dan NRP
2026-05-25
- 1 Tujuan Latihan
- 2 Persiapan Package
- 3 Membaca Data
- 4 Pemeriksaan Awal Data
- 5 1. Distribusi Warna Bulu Tupai
- 6 2. Distribusi Lokasi Berdasarkan Koordinat X
- 7 3. Sebaran Spasial Tupai
- 8 4. Sebaran Spasial Berdasarkan Warna Bulu
- 9 5. Perbandingan Perilaku Chasing Berdasarkan Warna Bulu
- 10 6. Perilaku Eating Berdasarkan Kelompok Umur
- 11 7. Faceting: Sebaran Spasial Berdasarkan Kelompok Umur
- 12 8. Aesthetic Mapping: Warna dan Bentuk
- 13 9. Visualisasi Pilihan Mahasiswa
- 14 10. Kesimpulan
- 15 Catatan Pengumpulan
1 Tujuan Latihan
Latihan ini bertujuan untuk memperkenalkan dasar-dasar visualisasi
data menggunakan ggplot2 melalui studi kasus
squirrel data. Mahasiswa diharapkan mampu:
- Membaca dan memahami struktur data.
- Membuat visualisasi sederhana menggunakan
ggplot2. - Menggunakan aesthetic mapping seperti
x,y,color,fill, danshape. - Membandingkan pola antar kelompok menggunakan visualisasi.
- Menulis interpretasi berdasarkan grafik.
2 Persiapan Package
library(tidyverse)3 Membaca Data
Gunakan file data squirrel dalam format .csv. Pastikan
file berada pada folder kerja yang sama dengan file R Markdown ini.
squirrels_url <- paste0("https://raw.githubusercontent.com/rfordatascience/tidytuesday/",
"master/data/2019/2019-10-29/nyc_squirrels.csv")
squirrel <- read.csv(squirrels_url)
glimpse(squirrel)## Rows: 3,023
## Columns: 36
## $ long <dbl> -73.95613, -73.95704, -73.9…
## $ lat <dbl> 40.79408, 40.79485, 40.7667…
## $ unique_squirrel_id <chr> "37F-PM-1014-03", "37E-PM-1…
## $ hectare <chr> "37F", "37E", "02E", "05D",…
## $ shift <chr> "PM", "PM", "AM", "PM", "AM…
## $ date <int> 10142018, 10062018, 1010201…
## $ hectare_squirrel_number <int> 3, 3, 3, 5, 1, 2, 2, 3, 9, …
## $ age <chr> NA, "Adult", "Adult", "Juve…
## $ primary_fur_color <chr> NA, "Gray", "Cinnamon", "Gr…
## $ highlight_fur_color <chr> NA, "Cinnamon", NA, NA, NA,…
## $ combination_of_primary_and_highlight_color <chr> "+", "Gray+Cinnamon", "Cinn…
## $ color_notes <chr> NA, NA, NA, NA, NA, NA, NA,…
## $ location <chr> NA, "Ground Plane", "Above …
## $ above_ground_sighter_measurement <chr> NA, "FALSE", "4", "3", NA, …
## $ specific_location <chr> NA, NA, NA, NA, NA, NA, NA,…
## $ running <lgl> FALSE, TRUE, FALSE, FALSE, …
## $ chasing <lgl> FALSE, FALSE, FALSE, FALSE,…
## $ climbing <lgl> FALSE, FALSE, TRUE, TRUE, F…
## $ eating <lgl> FALSE, FALSE, FALSE, FALSE,…
## $ foraging <lgl> FALSE, FALSE, FALSE, FALSE,…
## $ other_activities <chr> NA, NA, NA, NA, "unknown", …
## $ kuks <lgl> FALSE, FALSE, FALSE, FALSE,…
## $ quaas <lgl> FALSE, FALSE, FALSE, FALSE,…
## $ moans <lgl> FALSE, FALSE, FALSE, FALSE,…
## $ tail_flags <lgl> FALSE, FALSE, FALSE, FALSE,…
## $ tail_twitches <lgl> FALSE, FALSE, FALSE, FALSE,…
## $ approaches <lgl> FALSE, FALSE, FALSE, FALSE,…
## $ indifferent <lgl> FALSE, FALSE, TRUE, FALSE, …
## $ runs_from <lgl> FALSE, TRUE, FALSE, TRUE, F…
## $ other_interactions <chr> NA, "me", NA, NA, NA, NA, N…
## $ lat_long <chr> "POINT (-73.9561344937861 4…
## $ zip_codes <int> NA, NA, NA, NA, NA, NA, NA,…
## $ community_districts <int> 19, 19, 19, 19, 19, 19, 19,…
## $ borough_boundaries <int> 4, 4, 4, 4, 4, 4, 4, 4, 4, …
## $ city_council_districts <int> 19, 19, 19, 19, 19, 19, 19,…
## $ police_precincts <int> 13, 13, 13, 13, 13, 13, 13,…4 Pemeriksaan Awal Data
names(squirrel)## [1] "long"
## [2] "lat"
## [3] "unique_squirrel_id"
## [4] "hectare"
## [5] "shift"
## [6] "date"
## [7] "hectare_squirrel_number"
## [8] "age"
## [9] "primary_fur_color"
## [10] "highlight_fur_color"
## [11] "combination_of_primary_and_highlight_color"
## [12] "color_notes"
## [13] "location"
## [14] "above_ground_sighter_measurement"
## [15] "specific_location"
## [16] "running"
## [17] "chasing"
## [18] "climbing"
## [19] "eating"
## [20] "foraging"
## [21] "other_activities"
## [22] "kuks"
## [23] "quaas"
## [24] "moans"
## [25] "tail_flags"
## [26] "tail_twitches"
## [27] "approaches"
## [28] "indifferent"
## [29] "runs_from"
## [30] "other_interactions"
## [31] "lat_long"
## [32] "zip_codes"
## [33] "community_districts"
## [34] "borough_boundaries"
## [35] "city_council_districts"
## [36] "police_precincts"summary(squirrel)## long lat unique_squirrel_id hectare
## Min. :-73.98 Min. :40.76 Length:3023 Length:3023
## 1st Qu.:-73.97 1st Qu.:40.77 Class :character Class :character
## Median :-73.97 Median :40.78 Mode :character Mode :character
## Mean :-73.97 Mean :40.78
## 3rd Qu.:-73.96 3rd Qu.:40.79
## Max. :-73.95 Max. :40.80
##
## shift date hectare_squirrel_number
## Length:3023 Min. :10062018 Min. : 1.000
## Class :character 1st Qu.:10082018 1st Qu.: 2.000
## Mode :character Median :10122018 Median : 3.000
## Mean :10119487 Mean : 4.124
## 3rd Qu.:10142018 3rd Qu.: 6.000
## Max. :10202018 Max. :23.000
##
## age primary_fur_color highlight_fur_color
## Length:3023 Length:3023 Length:3023
## Class :character Class :character Class :character
## Mode :character Mode :character Mode :character
##
##
##
##
## combination_of_primary_and_highlight_color color_notes
## Length:3023 Length:3023
## Class :character Class :character
## Mode :character Mode :character
##
##
##
##
## location above_ground_sighter_measurement specific_location
## Length:3023 Length:3023 Length:3023
## Class :character Class :character Class :character
## Mode :character Mode :character Mode :character
##
##
##
##
## running chasing climbing eating
## Mode :logical Mode :logical Mode :logical Mode :logical
## FALSE:2293 FALSE:2744 FALSE:2365 FALSE:2263
## TRUE :730 TRUE :279 TRUE :658 TRUE :760
##
##
##
##
## foraging other_activities kuks quaas
## Mode :logical Length:3023 Mode :logical Mode :logical
## FALSE:1588 Class :character FALSE:2921 FALSE:2973
## TRUE :1435 Mode :character TRUE :102 TRUE :50
##
##
##
##
## moans tail_flags tail_twitches approaches
## Mode :logical Mode :logical Mode :logical Mode :logical
## FALSE:3020 FALSE:2868 FALSE:2589 FALSE:2845
## TRUE :3 TRUE :155 TRUE :434 TRUE :178
##
##
##
##
## indifferent runs_from other_interactions lat_long
## Mode :logical Mode :logical Length:3023 Length:3023
## FALSE:1569 FALSE:2345 Class :character Class :character
## TRUE :1454 TRUE :678 Mode :character Mode :character
##
##
##
##
## zip_codes community_districts borough_boundaries city_council_districts
## Min. :10090 Min. :11 Min. :4 Min. :19.00
## 1st Qu.:12081 1st Qu.:19 1st Qu.:4 1st Qu.:19.00
## Median :12420 Median :19 Median :4 Median :19.00
## Mean :11828 Mean :19 Mean :4 Mean :19.07
## 3rd Qu.:12423 3rd Qu.:19 3rd Qu.:4 3rd Qu.:19.00
## Max. :12423 Max. :23 Max. :4 Max. :51.00
## NA's :3014
## police_precincts
## Min. :10
## 1st Qu.:13
## Median :13
## Mean :13
## 3rd Qu.:13
## Max. :18
## Interpretasi:
Dataset nyc_squirrels berisi 3.023
baris dan 36 kolom hasil pengamatan tupai di
Central Park, New York City pada tahun 2018. Setiap baris
merepresentasikan satu pengamatan tupai. Variabel yang tersedia
mencakup:
- Lokasi: koordinat geografis (
long,lat) dan kode area (hectare). - Karakteristik fisik: warna bulu utama
(
primary_fur_color) dan warna bulu tambahan (highlight_fur_color). - Kelompok umur:
agedengan kategori Adult dan Juvenile. - Perilaku: kolom bertipe logical seperti
running,chasing,climbing,eating,foraging. - Interaksi dengan manusia:
approaches,indifferent,runs_from.
Beberapa kolom memiliki nilai kosong (NA), seperti
primary_fur_color dan age, yang perlu
diperhatikan saat visualisasi.
5 1. Distribusi Warna Bulu Tupai
Buat grafik batang untuk melihat warna bulu tupai yang paling banyak ditemukan.
ggplot(squirrel, aes(x = primary_fur_color)) +
geom_bar(fill = "steelblue") +
labs(
title = "Distribution of Squirrel Fur Color",
x = "Fur Color",
y = "Count"
) +
theme_minimal()
Pertanyaan:
Warna bulu apa yang paling dominan?
Interpretasi:
Warna bulu Gray (abu-abu) adalah yang paling dominan, dengan jumlah observasi jauh melampaui warna lainnya (sekitar 2.400+ ekor). Warna Cinnamon (coklat kemerahan) berada di posisi kedua dengan jumlah yang jauh lebih sedikit, diikuti oleh Black (hitam) yang paling jarang ditemukan. Terdapat juga beberapa data dengan nilai kosong (NA) yang menunjukkan warna bulu tidak tercatat. Dominasi tupai abu-abu ini konsisten dengan pengetahuan umum bahwa Eastern Gray Squirrel adalah spesies paling umum di Central Park.
6 2. Distribusi Lokasi Berdasarkan Koordinat X
Gunakan histogram untuk melihat penyebaran tupai berdasarkan koordinat X.
ggplot(squirrel, aes(x = long)) +
geom_histogram(bins = 30, fill = "coral", color = "white") +
labs(
title = "Distribution of Squirrel Location Based on X Coordinate",
x = "Longitude",
y = "Frequency"
) +
theme_minimal()
Pertanyaan:
Apakah lokasi pengamatan tupai terkonsentrasi pada area tertentu?
Interpretasi:
Ya, pengamatan tupai terkonsentrasi pada area tertentu. Histogram menunjukkan distribusi yang tidak merata sepanjang sumbu longitude (koordinat X). Terdapat beberapa puncak (peaks) yang menandakan area dengan kepadatan pengamatan yang lebih tinggi, sementara beberapa area lainnya relatif jarang. Ini bisa mencerminkan pola alami habitat tupai di dalam Central Park — misalnya, area berpohon lebat atau taman tertentu yang lebih sering dikunjungi dan lebih mudah dijangkau oleh pencatat data.
7 3. Sebaran Spasial Tupai
Buat scatter plot untuk menggambarkan lokasi tupai berdasarkan
koordinat x dan y.
ggplot(squirrel, aes(x = long, y = lat)) +
geom_point(alpha = 0.4, color = "darkgreen", size = 1) +
labs(
title = "Spatial Distribution of Squirrels",
x = "Longitude",
y = "Latitude"
) +
theme_minimal()
Pertanyaan:
Bagaimana pola sebaran tupai secara spasial?
Interpretasi:
Scatter plot menunjukkan bahwa sebaran tupai mengikuti bentuk memanjang dari utara ke selatan, yang sesuai dengan bentuk fisik Central Park. Tupai tersebar di seluruh area taman, namun dengan kepadatan yang bervariasi — terlihat dari penumpukan titik (clustering) di beberapa lokasi tertentu. Ini menunjukkan bahwa tupai tidak tersebar secara acak dan merata, melainkan cenderung berkumpul di area tertentu yang mungkin memiliki lebih banyak pohon atau sumber makanan.
8 4. Sebaran Spasial Berdasarkan Warna Bulu
Tambahkan warna pada scatter plot berdasarkan
primary_fur_color.
ggplot(squirrel, aes(x = long, y = lat, color = primary_fur_color)) +
geom_point(alpha = 0.5, size = 1.2) +
scale_color_manual(
values = c("Gray" = "gray50", "Cinnamon" = "chocolate", "Black" = "black"),
na.value = "lightblue"
) +
labs(
title = "Spatial Distribution of Squirrels by Fur Color",
x = "Longitude",
y = "Latitude",
color = "Fur Color"
) +
theme_minimal()
Pertanyaan:
Apakah warna bulu tertentu cenderung muncul pada area tertentu?
Interpretasi:
Secara umum, tidak ada pola geografis yang jelas berdasarkan warna bulu. Tupai abu-abu (Gray) mendominasi hampir di seluruh area Central Park karena jumlahnya memang jauh lebih banyak. Tupai berwarna Cinnamon dan Black tersebar di berbagai lokasi tanpa terkonsentrasi secara khusus di satu area tertentu. Hal ini menunjukkan bahwa warna bulu bukan faktor yang menentukan preferensi lokasi tupai — semua warna bulu dapat ditemukan di berbagai penjuru taman.
9 5. Perbandingan Perilaku Chasing Berdasarkan Warna Bulu
Gunakan stacked proportional bar chart untuk melihat proporsi
perilaku chasing berdasarkan warna bulu.
# Filter data agar hanya menyertakan baris dengan fur color yang valid
squirrel_clean <- squirrel %>%
filter(!is.na(primary_fur_color))
ggplot(squirrel_clean, aes(x = primary_fur_color, fill = chasing)) +
geom_bar(position = "fill") +
scale_fill_manual(values = c("TRUE" = "tomato", "FALSE" = "steelblue"),
labels = c("TRUE" = "Chasing", "FALSE" = "Not Chasing")) +
labs(
title = "Chasing Behavior by Fur Color",
x = "Fur Color",
y = "Proportion",
fill = "Chasing"
) +
theme_minimal()
Pertanyaan:
Apakah terdapat perbedaan proporsi perilaku chasing antar warna bulu?
Interpretasi:
Terdapat sedikit perbedaan proporsi perilaku chasing antar warna bulu, namun perbedaannya tidak terlalu besar. Secara keseluruhan, sebagian besar tupai — dari semua warna bulu — tidak menunjukkan perilaku chasing (proporsi merah/chasing relatif kecil pada semua kelompok). Tupai Cinnamon dan Black mungkin menunjukkan proporsi chasing yang sedikit berbeda dari Gray, namun karena jumlah data Cinnamon dan Black jauh lebih sedikit, perbedaan ini harus diinterpretasikan dengan hati-hati.
10 6. Perilaku Eating Berdasarkan Kelompok Umur
Gunakan grafik batang proporsional untuk melihat perilaku makan berdasarkan kelompok umur.
# Filter agar age tidak NA
squirrel_age <- squirrel %>%
filter(!is.na(age), age != "?")
ggplot(squirrel_age, aes(x = age, fill = eating)) +
geom_bar(position = "fill") +
scale_fill_manual(values = c("TRUE" = "orange", "FALSE" = "gray70"),
labels = c("TRUE" = "Eating", "FALSE" = "Not Eating")) +
labs(
title = "Eating Behavior by Age Group",
x = "Age Group",
y = "Proportion",
fill = "Eating"
) +
theme_minimal()
Pertanyaan:
Apakah perilaku makan berbeda antara adult dan juvenile squirrels?
Interpretasi:
Grafik menunjukkan bahwa proporsi perilaku makan antara Adult dan Juvenile tidak berbeda secara dramatis. Kedua kelompok umur tampaknya memiliki proporsi “eating” yang relatif serupa. Namun jika terdapat perbedaan kecil, ini bisa disebabkan oleh fakta bahwa tupai muda (Juvenile) mungkin lebih banyak menghabiskan waktu mencari dan belajar menemukan makanan, sedangkan tupai dewasa (Adult) lebih efisien. Perlu dicatat bahwa jumlah data Juvenile jauh lebih sedikit dibanding Adult, sehingga proporsinya kurang stabil secara statistik.
11 7. Faceting: Sebaran Spasial Berdasarkan Kelompok Umur
Gunakan facet_wrap() untuk membandingkan sebaran lokasi
tupai berdasarkan umur.
Catatan: Kode asli terdapat bug — sumbu Y menggunakan
long(bukanlat), sehingga plot tidak menunjukkan koordinat spasial yang benar. Kode di bawah ini sudah diperbaiki menggunakany = lat.
squirrel_age <- squirrel %>%
filter(!is.na(age), age != "?")
ggplot(squirrel_age, aes(x = long, y = lat)) + # PERBAIKAN: y = lat (bukan long)
geom_point(alpha = 0.4, size = 0.8, color = "purple") +
facet_wrap(~ age) +
labs(
title = "Spatial Distribution of Squirrels by Age Group",
x = "Longitude",
y = "Latitude"
) +
theme_minimal()
Pertanyaan:
Apakah adult dan juvenile squirrels memiliki pola lokasi yang berbeda?
Interpretasi:
Berdasarkan facet plot, pola lokasi Adult dan Juvenile tidak berbeda secara mencolok — keduanya tersebar di seluruh area Central Park dengan pola yang mirip. Perbedaan yang terlihat adalah jumlah titik: panel Adult jauh lebih padat dibanding Juvenile, yang mencerminkan proporsi data, bukan preferensi lokasi. Ini mengindikasikan bahwa tupai muda dan dewasa menggunakan area yang sama di dalam taman, tidak ada segregasi spasial berdasarkan umur.
12 8. Aesthetic Mapping: Warna dan Bentuk
Gunakan color untuk warna bulu dan shape
untuk kelompok umur.
# Filter data agar shape dan color valid (tidak NA)
squirrel_valid <- squirrel %>%
filter(!is.na(primary_fur_color), !is.na(age), age != "?")
ggplot(squirrel_valid, aes(
x = long,
y = lat,
color = primary_fur_color,
shape = age
)) +
geom_point(size = 2, alpha = 0.6) +
scale_color_manual(
values = c("Gray" = "gray50", "Cinnamon" = "chocolate", "Black" = "black")
) +
labs(
title = "Squirrel Location by Fur Color and Age",
x = "Longitude",
y = "Latitude",
color = "Fur Color",
shape = "Age"
) +
theme_minimal()
Pertanyaan:
Informasi tambahan apa yang diperoleh ketika warna dan bentuk digunakan secara bersamaan?
Interpretasi:
Dengan menggunakan dua aesthetic sekaligus (warna untuk jenis bulu, bentuk untuk umur), kita dapat membandingkan dua dimensi informasi dalam satu grafik. Hasilnya menunjukkan bahwa tidak ada kombinasi warna bulu + kelompok umur yang mendominasi lokasi tertentu secara eksklusif. Tupai abu-abu dewasa (Gray + Adult) paling banyak ditemukan karena memang mendominasi dataset. Penting untuk diingat bahwa terlalu banyak aesthetic dapat membuat plot sulit dibaca, terutama jika jumlah kategorinya besar — dalam kasus ini, kombinasinya masih cukup terbaca karena hanya ada 3 warna bulu dan 2 kelompok umur.
13 9. Visualisasi Pilihan Mahasiswa
Pertanyaan Analitis:
Apakah tupai yang sedang melakukan foraging (mencari makan) memiliki distribusi lokasi yang berbeda berdasarkan waktu pengamatan (pagi vs sore)?
# Membuat variabel shift (pagi/sore) dari kolom 'shift'
# Kolom 'shift' berisi "AM" (pagi) dan "PM" (sore)
squirrel_foraging <- squirrel %>%
filter(!is.na(shift), foraging == TRUE)
ggplot(squirrel_foraging, aes(x = long, y = lat, color = shift)) +
geom_point(alpha = 0.5, size = 1.5) +
scale_color_manual(
values = c("AM" = "gold3", "PM" = "steelblue"),
labels = c("AM" = "Pagi (AM)", "PM" = "Sore (PM)")
) +
facet_wrap(~ shift) +
labs(
title = "Lokasi Tupai yang Sedang Foraging: Pagi vs Sore",
subtitle = "Hanya tupai dengan perilaku foraging = TRUE",
x = "Longitude",
y = "Latitude",
color = "Waktu Pengamatan"
) +
theme_minimal() +
theme(legend.position = "bottom")
Interpretasi:
Visualisasi ini membandingkan lokasi tupai yang sedang foraging (mencari makan) antara sesi pagi (AM) dan sore (PM). Hasilnya menunjukkan bahwa tupai yang foraging ditemukan di seluruh area Central Park pada kedua sesi waktu, dengan pola distribusi yang serupa. Tidak terlihat perbedaan lokasi yang dramatis antara AM dan PM. Namun, jumlah titik pada masing-masing sesi dapat berbeda, yang mencerminkan aktivitas mencari makan yang mungkin lebih tinggi di salah satu waktu. Ini memberikan wawasan bahwa perilaku foraging tidak terikat pada lokasi tertentu di dalam taman.
14 10. Kesimpulan
Kesimpulan:
Dominasi tupai abu-abu: Warna bulu Gray (abu-abu) jauh mendominasi populasi tupai di Central Park, mencerminkan karakteristik spesies Eastern Gray Squirrel yang memang paling umum di kota New York.
Sebaran spasial mengikuti bentuk taman: Distribusi lokasi tupai secara keseluruhan mengikuti pola memanjang utara-selatan sesuai bentuk fisik Central Park, dengan kepadatan bervariasi di beberapa area tertentu.
Warna bulu tidak menentukan preferensi lokasi: Tidak ada bukti bahwa warna bulu tertentu (Gray, Cinnamon, atau Black) cenderung menempati area spasial yang berbeda — semua warna tersebar merata di seluruh taman.
Perbedaan perilaku antar kelompok umur tidak signifikan secara visual: Baik perilaku makan (eating) maupun sebaran spasial antara Adult dan Juvenile tidak menunjukkan perbedaan yang mencolok, meskipun data Adult jauh lebih banyak.
Perilaku foraging tidak terikat waktu maupun lokasi tertentu: Tupai yang sedang mencari makan ditemukan di berbagai lokasi dan pada kedua sesi waktu pengamatan (AM dan PM), menunjukkan fleksibilitas perilaku foraging tupai di lingkungan urban.
15 Catatan Pengumpulan
Kumpulkan file dalam format HTML. Pastikan dokumen memuat:
- Kode R.
- Output grafik.
- Interpretasi setiap grafik.
- Kesimpulan akhir.
- [BONUS] Publish di Rpubs! Berikan link Rpubs Anda, dan saya akan berkunjung untuk melihat-lihat. Kalian bisa mulai dari sini: https://rpubs.com/about/getting-started.