Latihan Visualisasi Data dengan ggplot2: Squirrel Data
Clifton Pratomo_5052251005
2026-05-25
- 1 Tujuan Latihan
- 2 Persiapan Package
- 3 Membaca Data
- 4 Pemeriksaan Awal Data
- 5 2. Distribusi Lokasi Berdasarkan Koordinat X
- 6 3. Sebaran Spasial Tupai
- 7 4. Sebaran Spasial Berdasarkan Warna Bulu
- 8 5. Perbandingan Perilaku Chasing Berdasarkan Warna Bulu
- 9 6. Perilaku Eating Berdasarkan Kelompok Umur
- 10 7. Faceting: Sebaran Spasial Berdasarkan Kelompok Umur
- 11 8. Aesthetic Mapping: Warna dan Bentuk
- 12 9. Visualisasi Pilihan Mahasiswa
- 13 10. Kesimpulan
- 14 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
## Tuliskan penjelasan singkat mengenai struktur data.
Interpretasi:
Dataset ini merupakan data hasil survei tupai di Central Park, New York City, yang dikumpulkan pada tahun 2018. Dataset memiliki 3.023 baris dan 36 kolom yang mencakup berbagai informasi, antara lain:
- Lokasi geografis: kolom long (longitude) dan lat (latitude) merekam koordinat spasial setiap tupai yang diamati.
- Karakteristik fisik: kolom primary_fur_color dan highlight_fur_color mencatat warna bulu utama dan highlight.
- Kelompok umur: kolom age membedakan tupai dewasa (Adult) dan remaja (Juvenile), serta terdapat nilai yang tidak teridentifikasi (? atau NA).
- Perilaku: terdapat beberapa kolom bertipe logika (TRUE/FALSE) yang merekam perilaku tupai seperti running, chasing, climbing, eating, dan foraging.
- Interaksi dengan manusia: kolom seperti approaches, indifferent, dan runs_from menggambarkan respons tupai terhadap kehadiran manusia.
Secara keseluruhan, data cukup lengkap namun terdapat beberapa nilai kosong (NA) terutama pada kolom primary_fur_color dan age. # 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() +
labs(
title = "Distribution of Squirrel Fur Color",
x = "Fur Color",
y = "Count"
) +
theme_minimal()
Pertanyaan:
Warna bulu apa yang paling dominan?
Interpretasi:
Warna yang paling dominan adalah Gray dengan jumlah lebih dari 2.000 ekor. Warna bulu Cinnamon berada di posisi kedua dengan jumlah yang jauh lebih sedikit, sementara warna Black merupakan yang paling jarang ditemukan. Selain itu, terdapat sebagian kecil observasi dengan nilai NA (tidak tercatat).
5 2. Distribusi Lokasi Berdasarkan Koordinat X
Gunakan histogram untuk melihat penyebaran tupai berdasarkan koordinat X.
ggplot(squirrel, aes(x = long)) +
geom_histogram(bins = 30) +
labs(
title = "Distribution of Squirrel Location Based on X Coordinate",
x = "X Coordinate",
y = "Frequency"
) +
theme_minimal()
Pertanyaan:
Apakah lokasi pengamatan tupai terkonsentrasi pada area tertentu?
Interpretasi:
Histogram menunjukkan bahwa sebaran koordinat X (longitude) tupai tidak merata secara seragam, melainkan terdapat beberapa puncak (pola multimodal) yang menunjukkan adanya area-area dengan kepadatan pengamatan yang lebih tinggi. Konsentrasi terbesar terlihat pada kisaran longitude -73.97 hingga -73.96, yang sesuai dengan area tengah hingga selatan Central Park. Hal ini menunjukkan bahwa pengamat cenderung menemukan atau mencatat tupai lebih banyak di jalur-jalur atau area terbuka tertentu dalam taman, kemungkinan karena kebiasaan tupai berkumpul di sekitar sumber makanan.
6 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 = 0.6) +
labs(
title = "Spatial Distribution of Squirrels",
x = "X Coordinate",
y = "Y Coordinate"
) +
theme_minimal()
Pertanyaan:
Bagaimana pola sebaran tupai secara spasial?
Interpretasi:
Scatter plot memperlihatkan bahwa tupai tersebar di seluruh area Central Park, mengikuti bentuk memanjang dari bawah ke atas yang sesuai dengan bentuk geografis taman tersebut. Titik-titik pengamatan relatif tersebar merata, tetapi terlihat sedikit lebih padat di bagian tengah dan selatan taman. Tidak ada kluster yang sangat terisolasi, yang berarti tupai hadir di hampir semua bagian taman. Pola ini menunjukkan bahwa habitat Central Park secara keseluruhan sesuai untuk kehidupan tupai, tanpa ada zona eksklusif yang sangat mendominasi.
7 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 = 0.6) +
labs(
title = "Spatial Distribution of Squirrels by Fur Color",
x = "X Coordinate",
y = "Y Coordinate",
color = "Fur Color"
) +
theme_minimal()
Pertanyaan:
Apakah warna bulu tertentu cenderung muncul pada area tertentu?
Interpretasi:
Grafik scatter plot menunjukkan bahwa tupai abu-abu, cinnamon, dan hitam tersebar merata dan saling membaur di Central Park. Tidak ada zona khusus untuk warna bulu tertentu. Dimana hal ini wajar karena perbedaan warna bulu ini cuma faktor genetik dan sama sekali tidak memengaruhi selera tempat tinggal mereka di dalam taman.
8 5. Perbandingan Perilaku Chasing Berdasarkan Warna Bulu
Gunakan stacked proportional bar chart untuk melihat proporsi
perilaku chasing berdasarkan warna bulu.
ggplot(squirrel, aes(x = primary_fur_color, fill = chasing)) +
geom_bar(position = "fill") +
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:
Grafik batang proporsional menunjukkan bahwa proporsi perilaku chasing relatif kecil pada semua kelompok warna bulu (sebagian besar nilai adalah FALSE). Secara keseluruhan, perbedaan proporsi perilaku chasing antar kelompok warna bulu tidak terlalu signifikan secara visual. Tupai dengan warna bulu Cinnamon terlihat sedikit memiliki proporsi chasing yang lebih tinggi dibandingkan Black, namun perbedaannya sangat kecil. Hal ini menunjukkan bahwa warna bulu kemungkinan bukan faktor penentu perilaku chasing. Perilaku ini lebih mungkin dipengaruhi oleh faktor situasional seperti ketersediaan makanan atau kehadiran individu lain.
9 6. Perilaku Eating Berdasarkan Kelompok Umur
Gunakan grafik batang proporsional untuk melihat perilaku makan berdasarkan kelompok umur.
ggplot(squirrel, aes(x = age, fill = eating)) +
geom_bar(position = "fill") +
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 (eating = TRUE) sedikit lebih tinggi pada kelompok Juvenile dibanding Adult. Dimana hal ini wajar karena tupai muda kemungkinan butuh energi lebih banyak untuk masa pertumbuhan. Meski begitu, selisihnya tidak terlalu besar. Di sisi lain, masih ada data yang kurang lengkap dengan munculnya kategori ? dan NA pada kolom age. Secara keseluruhan, aktivitas makan ini memang biasanya dilakukan oleh tupai dari semua kelompok umur.
10 7. Faceting: Sebaran Spasial Berdasarkan Kelompok Umur
Gunakan facet_wrap() untuk membandingkan sebaran lokasi
tupai berdasarkan umur.
ggplot(squirrel, aes(x = long, y = lat)) +
geom_point(alpha = 0.5) +
facet_wrap(~ age) +
labs(
title = "Spatial Distribution of Squirrels by Age Group",
x = "X Coordinate",
y = "Y Coordinate"
) +
theme_minimal()
Pertanyaan:
Apakah adult dan juvenile squirrels memiliki pola lokasi yang berbeda?
Interpretasi:
Berdasarkan facet plot, jumlah tupai Adult jauh lebih mendominasi dan tersebar luas di seluruh Central Park dibandingkan kelompok Juvenile. Meski jumlahnya beda jauh, pola sebaran keduanya mirip yaitu memanjang dari bawah ke atas mengikuti bentuk taman tanpa ada wilayah eksklusif untuk umur tertentu. Sedikitnya data kelompok Juvenile bisa jadi karena tupai muda memang lebih sulit diidentifikasi di lapangan, atau populasi dewasa saat survei memang sedang dominan. Sementara itu, kategori ? dan NA tampak tersebar acak di seluruh area.
11 8. Aesthetic Mapping: Warna dan Bentuk
Gunakan color untuk warna bulu dan shape
untuk kelompok umur.
ggplot(squirrel, aes(
x = long,
y = lat,
color = primary_fur_color,
shape = age
)) +
geom_point(size = 2, alpha = 0.7) +
labs(
title = "Squirrel Location by Fur Color and Age",
x = "X Coordinate",
y = "Y Coordinate",
color = "Fur Color",
shape = "Age"
) +
theme_minimal()## Warning: Removed 121 rows containing missing values or values outside the scale range
## (`geom_point()`).
Pertanyaan:
Informasi tambahan apa yang diperoleh ketika warna dan bentuk digunakan secara bersamaan?
Interpretasi:
Semua variasi warna dan umur tersebar merata di seluruh taman, memperkuat bukti bahwa tidak ada pembagian wilayah berdasarkan kedua faktor ini.
Titik segitiga (Juvenile) jumlahnya lebih sedikit dan menyebar di antara titik lingkaran (Adult) tanpa membentuk kelompok khusus.
Peta ini dengan jelas menggambarkan keragaman populasi tupai di Central Park yang hidup membaur di satu wilayah yang sama.
Kekurangannya, grafik ini terasa agak penuh (cluttered) karena padatnya titik. Oleh karena itu, pengaturan nilai alpha sangat penting supaya titik-titik yang tumpang tindih tetap bisa terbaca dengan jelas.
12 9. Visualisasi Pilihan Mahasiswa
Buat satu visualisasi tambahan berdasarkan pertanyaan analitis yang Anda susun sendiri.
Contoh pertanyaan:
- Apakah tupai yang sedang makan lebih sering terlihat di lokasi tertentu?
- Apakah perilaku running berbeda antar kelompok umur?
- Apakah kombinasi warna bulu dan perilaku tertentu membentuk pola tertentu?
squirrel_clean <- squirrel %>%
filter(age %in% c("Adult", "Juvenile")) %>%
mutate(
human_response = case_when(
approaches == TRUE ~ "Approaches Human",
runs_from == TRUE ~ "Runs From Human",
TRUE ~ "Indifferent"
)
)
ggplot(squirrel_clean, aes(x = human_response, fill = running)) +
geom_bar(position = "fill") +
facet_wrap(~ age) +
labs(
title = "Running Behavior by Human Interaction Type and Age Group",
x = "Response to Human",
y = "Proportion",
fill = "Running"
) +
theme_minimal() +
theme(axis.text.x = element_text(angle = 15, hjust = 1))
Pertanyaan Analitis:
Apakah perilaku running berbeda antara tupai yang berinteraksi (mendekati manusia) dan yang menghindar (runs_from) berdasarkan kelompok umur?
Interpretasi:
Tupai yang kabur (runs_from) punya proporsi berlari (running = TRUE) yang jauh lebih tinggi dibanding kelompok lain, baik pada Adult maupun Juvenile. Ini sangat masuk akal, karena tupai yang takut atau menghindar pasti dalam posisi berlari.
Tupai yang mendekati manusia (Approaches) atau yang cuek (Indifferent) cenderung jarang berlari. Ini menunjukkan kalau tupai yang tenang atau percaya diri biasanya bergerak lebih santai.
Pola ini konsisten di kedua kelompok umur, artinya respons tupai terhadap manusia tidak terlalu dipengaruhi oleh faktor usia.
13 10. Kesimpulan
Tuliskan 3–5 insight utama yang diperoleh dari visualisasi squirrel data.
Kesimpulan:
- Tupai abu-abu menjadi warna yang paling dominan di Central Park karena jumlahnya jauh mengalahkan warna Cinnamon dan Black sebagai ciri genetik utama spesies di sana.
- Semua jenis tupai membaur di seluruh taman secara merata tanpa ada pembagian wilayah khusus berdasarkan warna bulu maupun faktor usia mereka.
- Aktivitas kejar-kejaran sangat jarang ditemukan sementara tupai muda terlihat sedikit lebih aktif makan karena kemungkinan butuh energi ekstra untuk pertumbuhan.
- Data tupai dewasa jauh lebih mendominasi karena populasinya memang lebih banyak atau bisa jadi karena tupai muda cenderung lebih sulit diidentifikasi di lapangan.
- Respons ketakutan pada manusia membuat tupai lebih banyak berlari dibandingkan dengan tupai yang memilih untuk mendekat atau sekadar bersikap cuek.
14 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.