Tugas Bab 3
Tirza Abigail Theodora
2026-09-16
BAB 3
MENYAJIKAN DATA DALAM GRAFIK
1. Memplot Data dalam R (Scatter Plot)
Data pertama terdiri dari 10 responden laki-laki dan 10 responden
perempuan. Masing-masing responden memiliki data pendapatan dan
pengeluaran per-bulan dalam jutaan rupiah. Data disimpan dalam file
data3.1.csv.
Membaca Data
simpan=read.table("data3.1.csv",
header=TRUE,
sep=",")
names(simpan)## [1] "jeniskelamin" "pendapatan" "pengeluaran"simpan## jeniskelamin pendapatan pengeluaran
## 1 laki-laki 1 0.5
## 2 laki-laki 2 0.9
## 3 laki-laki 3 1.1
## 4 laki-laki 4 2.0
## 5 laki-laki 5 4.0
## 6 laki-laki 6 5.0
## 7 laki-laki 7 6.2
## 8 laki-laki 8 5.5
## 9 laki-laki 9 5.8
## 10 laki-laki 10 4.5
## 11 perempuan 1 0.7
## 12 perempuan 2 1.4
## 13 perempuan 3 2.8
## 14 perempuan 4 3.3
## 15 perempuan 5 4.3
## 16 perempuan 6 5.0
## 17 perempuan 7 6.7
## 18 perempuan 8 5.9
## 19 perempuan 9 5.7
## 20 perempuan 10 8.0Scatter Plot
plot(simpan[2:3],
main="Pendapatan dan Pengeluaran per-Bulan, dalam Jutaan Rupiah")
Memisahkan Variabel Pendapatan dan Pengeluaran
Pendapatan=simpan$pendapatan
Pengeluaran=simpan$pengeluaran
plot(Pendapatan, Pengeluaran)
Menggunakan ggplot2
library(ggplot2)
PENDAPATAN=simpan$pendapatan
PENGELUARAN=simpan$pengeluaran
qplot(PENDAPATAN,
PENGELUARAN,
main="Pendapatan dan Pengeluaran per-Bulan, dalam Jutaan",
xlab="Pendapatan per-Bulan",
ylab="Pengeluaran per-Bulan")## Warning: `qplot()` was deprecated in ggplot2 3.4.0.
## This warning is displayed once per session.
## Call `lifecycle::last_lifecycle_warnings()` to see where this warning was
## generated.
Menampilkan Berdasarkan Jenis Kelamin
jenis=simpan$jeniskelamin
qplot(PENDAPATAN,
PENGELUARAN,
main="Pendapatan dan Pengeluaran per-Bulan, dalam Jutaan",
xlab="Pendapatan",
ylab="Pengeluaran",
color=jenis)
qplot(PENDAPATAN,
PENGELUARAN,
main="Pendapatan dan Pengeluaran per-Bulan, dalam Jutaan",
xlab="PENDAPATAN",
ylab="PENGELUARAN",
color=jenis,
shape=jenis)
Menggunakan ggplot
grafik=ggplot(simpan,
aes(pendapatan, pengeluaran)) +
geom_point()
grafik
grafik=ggplot(simpan,
aes(pendapatan, pengeluaran)) +
geom_point(aes(color=jenis,
shape=jenis))
grafik
Mengubah Warna
grafik +
scale_colour_manual(values=c("blue","orange"))
Mengubah Bentuk Titik
grafik +
scale_shape_manual(values=c(16,5))
grafik +
scale_colour_manual(values=c("blue","orange")) +
scale_shape_manual(values=c(5,5))
Memisahkan Grafik Berdasarkan Jenis Kelamin
grafik +
facet_grid(. ~ jeniskelamin)
grafik +
facet_grid(. ~ jeniskelamin) +
scale_colour_manual(values=c("blue","orange"))
Menambahkan Garis Vertikal
grafik +
geom_vline(xintercept=2.5)
grafik +
geom_vline(xintercept=2.5) +
geom_vline(xintercept=5)
grafik +
geom_vline(xintercept=1:5)
grafik +
geom_vline(xintercept=c(2.5,5,7.5))
grafik +
geom_vline(xintercept=c(2.5,5,7.5),
colour="green",
linetype="longdash")
Menambahkan Garis Horizontal
grafik +
geom_vline(xintercept=c(2.5,5,7.5),
colour="green",
linetype="longdash") +
geom_hline(yintercept=c(2,4,6),
colour="red",
linetype="longdash")
2. Menyajikan Data dengan Grafik Garis
Data berikut menyajikan hasil penjualan barang A, B, dan C selama
tahun 2001–2007 dan disimpan dalam data3.2.csv.
Membaca Data
simpan=read.table("data3.2.csv",
header=TRUE,
sep=",")
simpan## tahun jenis.barang.A jenis.barang.B jenis.barang.C
## 1 2001 90 85 50
## 2 2002 110 90 55
## 3 2003 115 105 60
## 4 2004 130 110 65
## 5 2005 140 120 75
## 6 2006 155 125 80
## 7 2007 160 130 85Menyimpan Variabel
Tahun=simpan$tahun
Jumlah_A=simpan$jenis.barang.A
Jumlah_B=simpan$jenis.barang.B
Jumlah_C=simpan$jenis.barang.CGrafik Awal
plot(Tahun,Jumlah_A)
Grafik Garis
plot(Tahun,
Jumlah_A,
type="o")
plot(Tahun,
Jumlah_A,
type="o",
col="blue")
Menambahkan Barang B dan C
plot(Tahun,
Jumlah_A,
type="o",
col="red",
ylim=c(40,180))
lines(Tahun,
Jumlah_B,
type="o",
col="blue")
lines(Tahun,
Jumlah_C,
type="o",
col="green")
Menambahkan Legend
plot(Tahun,
Jumlah_A,
type="o",
col="red",
ylim=c(40,180))
lines(Tahun,
Jumlah_B,
type="o",
col="blue")
lines(Tahun,
Jumlah_C,
type="o",
col="green")
legend(2001,160,
c("Jenis Barang A",
"Jenis Barang B",
"Jenis Barang C"),
cex=0.8,
col=c("red","blue","green"),
pch=21)
Menambahkan Judul
plot(Tahun,
Jumlah_A,
type="o",
col="red",
ylim=c(40,180))
lines(Tahun,
Jumlah_B,
type="o",
col="blue")
lines(Tahun,
Jumlah_C,
type="o",
col="green")
legend(2001,160,
c("Jenis Barang A",
"Jenis Barang B",
"Jenis Barang C"),
cex=0.8,
col=c("red","blue","green"),
pch=21)
title(main="Penjualan Barang A, B, C, dari Tahun 2001-2007",
col.main="red",
font.main=4)
3. Menyajikan Data dengan Grafik Batang (Bagian Pertama)
Data menunjukkan penjualan barang A selama tahun 2001–2007 dan
disimpan dalam data3.3.csv.
Membaca Data
simpan=read.table("data3.3.csv",
header=TRUE,
sep=",")
simpan## tahun jenis.barang.A
## 1 2001 90
## 2 2002 110
## 3 2003 115
## 4 2004 130
## 5 2005 140
## 6 2006 155
## 7 2007 160Menyimpan Variabel
Tahun=simpan$tahun
Jumlah_A=simpan$jenis.barang.AGrafik Batang
barplot(Jumlah_A,
names.arg=c("2001",
"2002",
"2003",
"2004",
"2005",
"2006",
"2007"))
4. Menyajikan Data dengan Grafik Batang (Bagian Kedua)
Data berikut menunjukkan jumlah responden berdasarkan jenis kelamin
dan hobi. Data disimpan dalam data3.4.csv.
Membaca Data
simpan=read.table("data3.4.csv",
header=TRUE,
sep=",")
simpan## Jenis.Kelamin Hobi Jumlah
## 1 Laki-Laki Olahraga 90
## 2 Laki-Laki Memasak 10
## 3 Perempuan Olahraga 25
## 4 Perempuan Memasak 75Grafik Batang
frekuensi=c(90,10,25,75)
barplot(t(matrix(frekuensi,
ncol=2,
byrow=TRUE,
dimnames=list(
c("Laki-Laki","Perempuan"),
c("Olahraga","Memasak")
))),
col=c("darkblue","orange"),
beside=TRUE,
ylim=c(0,150),
legend.text=TRUE,
args.legend=list(x="topright"))
Menggunakan ggplot2
library(ggplot2)
data=simpan
ggplot(data,
aes(x=Jenis.Kelamin,
y=Jumlah,
fill=Hobi)) +
geom_bar(stat="identity")
ggplot(data,
aes(x=Jenis.Kelamin,
y=Jumlah,
fill=Hobi)) +
geom_bar(stat="identity",
position="dodge")
ggplot(data,
aes(x=Jenis.Kelamin,
y=Jumlah,
fill=Hobi)) +
geom_bar(stat="identity",
position="stack")
5. Menyajikan Data dengan Diagram Lingkaran
Data penjualan produk A, B, C, dan D disimpan dalam
data3.5.csv. Produk A terjual sebanyak 12 unit, B sebanyak
5 unit, C sebanyak 8 unit, dan D sebanyak 20 unit.
Membaca Data
simpan=read.table("data3.5.csv",
header=TRUE,
sep=",")
simpan## Produk Jumlah
## 1 A 12
## 2 B 5
## 3 C 8
## 4 D 20Diagram Lingkaran
pie(simpan$Jumlah,
labels=simpan$Produk,
main="Data Penjualan Produk A, B, C, dan D")
Menggunakan Warna
pie(simpan$Jumlah,
labels=simpan$Produk,
main="Data Penjualan Produk A, B, C, dan D",
col=heat.colors(4))
Menampilkan Persentase
Persen=round(simpan$Jumlah/
sum(simpan$Jumlah)*100,4)
Persen=paste(Persen,"%",sep="")
pie(simpan$Jumlah,
labels=Persen,
main="Data Penjualan Produk A, B, C, dan D",
col=c("darkblue",
"orange",
"yellow",
"red"))
6. Menyajikan Data dengan Histogram
Data yang digunakan merupakan data skor IQ dengan jumlah pengamatan
sebanyak 77 dan disimpan dalam IQ.csv.
Membaca Data
simpan=read.csv("IQ.csv",
header=TRUE)
simpan## IQ
## 1 90
## 2 92
## 3 92
## 4 93
## 5 93
## 6 93
## 7 94
## 8 94
## 9 94
## 10 94
## 11 95
## 12 95
## 13 95
## 14 95
## 15 95
## 16 95
## 17 96
## 18 96
## 19 96
## 20 97
## 21 97
## 22 97
## 23 97
## 24 97
## 25 98
## 26 98
## 27 98
## 28 98
## 29 101
## 30 101
## 31 101
## 32 102
## 33 102
## 34 103
## 35 103
## 36 104
## 37 104
## 38 108
## 39 109
## 40 110
## 41 110
## 42 110
## 43 110
## 44 110
## 45 110
## 46 111
## 47 111
## 48 111
## 49 111
## 50 111
## 51 111
## 52 111
## 53 112
## 54 112
## 55 112
## 56 112
## 57 112
## 58 112
## 59 112
## 60 112
## 61 113
## 62 113
## 63 113
## 64 113
## 65 113
## 66 114
## 67 114
## 68 114
## 69 114
## 70 114
## 71 115
## 72 115
## 73 116
## 74 116
## 75 117
## 76 117
## 77 118Menyimpan Data IQ
simpan_skor_IQ=simpan$IQHistogram
hist(simpan_skor_IQ)
Histogram dengan Warna
hist(simpan_skor_IQ,
col="lightblue")
hist(simpan_skor_IQ,
col="orange",
ylim=c(0,40),
main="Contoh Histogram",
ylab="Frekuensi",
breaks=c(90,100,110,120))
hist(simpan_skor_IQ,
col=heat.colors(6),
ylim=c(0,30),
main="Contoh Histogram",
ylab="Frekuensi",
breaks=c(90,95,100,105,110,115,120),
xlim=c(90,125))
hist(simpan_skor_IQ,
breaks=6,
col=heat.colors(6),
ylim=c(0,30),
main="Contoh Histogram",
ylab="Frekuensi",
xlim=c(90,125))