Data=read.table(file.choose(), header = T)
Data
## Provinsi IPM
## 1 ACEH 74.03
## 2 SUMATERA_UTARA 74.02
## 3 SUMATERA_BARAT 74.49
## 4 RIAU 74.79
## 5 JAMBI 73.43
## 6 SUMATERA_SELATAN 72.30
## 7 BENGKULU 73.39
## 8 LAMPUNG 71.81
## 9 KEP_BANGKA_BELITUNG 73.33
## 10 KEP_RIAU 77.97
## 11 DKI_JAKARTA 83.08
## 12 JAWA_BARAT 74.43
## 13 JAWA_TENGAH 73.88
## 14 DI_YOGYAKARTA 81.55
## 15 JAWA_TIMUR 74.09
## 16 BANTEN 74.48
## 17 BALI 77.76
## 18 NUSA_TENGGARA_BARAT 70.93
## 19 NUSA_TENGGARA_TIMUR 67.39
## 20 KALIMANTAN_BARAT 70.13
## 21 KALIMANTAN_TENGAH 72.73
## 22 KALIMANTAN_SELATAN 73.03
## 23 KALIMANTAN_TIMUR 78.83
## 24 KALIMANTAN_UTARA 73.02
## 25 SULAWESI_UTARA 75.03
## 26 SULAWESI_TENGAH 71.56
## 27 SULAWESI_SELATAN 74.05
## 28 SULAWESI_TENGGARA 73.48
## 29 GORONTALO 71.23
## 30 SULAWESI_BARAT 68.20
## 31 MALUKU 71.57
## 32 MALUKU_UTARA 71.03
## 33 PAPUA_BARAT 67.02
## 34 PAPUA_BARAT_DAYA 68.63
## 35 PAPUA 73.00
## 36 PAPUA_SELATAN 67.90
## 37 PAPUA_TENGAH 59.75
## 38 PAPUA_PEGUNUNGAN 53.42
length(Data$IPM) #menampilkan jumlah data
## [1] 38
mean(Data$IPM)
## [1] 72.38842
median(Data$IPM)
## [1] 73.18
range(Data$IPM) #ini jangkauan dari nilai max dan min
## [1] 53.42 83.08
max(Data$IPM) -min(Data$IPM)
## [1] 29.66
max(Data$IPM)
## [1] 83.08
min(Data$IPM)
## [1] 53.42
var(Data$IPM)
## [1] 26.52484
sd(Data$IPM)
## [1] 5.150227
quantile(Data$IPM) #ini kuartil
## 0% 25% 50% 75% 100%
## 53.420 71.080 73.180 74.345 83.080
library(ggplot2)
ggplot(Data, aes(x = IPM)) + #digunakan untuk menentukan data yang akan digunakan untuk membuat grafiknya, mis yg mau dipakai dalah sb x nya
geom_histogram(
binwidth = 5, #untuk lebar intervalnya
boundary = 60, #sebagai titik awal interval
fill = "pink",
color = "black" #garis tepi batang
) +
scale_x_continuous( #untuk megatur tampilan sb x
breaks = seq(60,85, by = 5), #untuk mengatur jarak angka by =, artinya sebanyak 5 nilai
limits = c(60, 85) #diguankana untuk membatasi rentang IPM yang akan ditampilkan berarti yg ditampilkan 60 sampai 85 aja
) +
labs(
title = "IPM di Indonesia",
x = "IPM",
y = "Freq"
) +
theme_classic()+ #spy grafik lebih sederhana
theme(
axis.text.x = element_text(angle = 0, hjust = 0.5),
plot.title = element_text(
hjust = 0.5, #mengatur text agar di tengah kalau 0.5, 0 dan 1 juga
face = "bold" #untuk tebalin tulisan
)
)
## Warning: Removed 2 rows containing non-finite outside the scale range
## (`stat_bin()`).
library(ggplot2)
ggplot(Data, aes(x ="", y = IPM)) +
geom_boxplot(fill = "red") +
labs(title = "Box Plot IPM Indonesia 2024", x = "", y = "IPM") +
theme_minimal() +
theme(plot.title = element_text(hjust = 0.5, face= "bold"))
library(dplyr) #mengolah data
##
## 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
library(tidyverse) #memanipulasi data
## ── Attaching core tidyverse packages ──────────────────────── tidyverse 2.0.0 ──
## ✔ forcats 1.0.1 ✔ stringr 1.5.2
## ✔ lubridate 1.9.4 ✔ tibble 3.3.0
## ✔ purrr 1.1.0 ✔ tidyr 1.3.1
## ✔ readr 2.1.5
## ── Conflicts ────────────────────────────────────────── tidyverse_conflicts() ──
## ✖ dplyr::filter() masks stats::filter()
## ✖ dplyr::lag() masks stats::lag()
## ℹ Use the conflicted package (<http://conflicted.r-lib.org/>) to force all conflicts to become errors
library(ggplot2) #visualisasi data
Data_Kalimantan <- Data %>%
filter(str_starts(Provinsi, "KALIMANTAN")) #filter untuk kalimantan saja
Data_Kalimantan
## Provinsi IPM
## 1 KALIMANTAN_BARAT 70.13
## 2 KALIMANTAN_TENGAH 72.73
## 3 KALIMANTAN_SELATAN 73.03
## 4 KALIMANTAN_TIMUR 78.83
## 5 KALIMANTAN_UTARA 73.02
ggplot(Data_Kalimantan, aes(x = Provinsi, y = IPM, fill = Provinsi)
)+
geom_col() + #untuk grafik batang ipm di prov kaltim
labs(
title = "IPM Pulau Kalimantan Tahun 2024",
x = "Provinsi",
y = "IPM"
) +
theme_minimal() +
theme(
axis.text.x = element_text(angle = 45, hjust = 1),
plot.title = element_text(hjust = 0.5, face = "bold"),
legend.position = "none"
)
# Load library
library(ggplot2)
# Baca data
data = read.table(file.choose(), header = T, sep = "\t")
data
## Nama_Produk Kategori Penjualan
## 1 Beras Sembako 35
## 2 Minyak_Goreng Sembako 75
## 3 Gula_Pasir Sembako 60
## 4 Mie_Instan Makanan 150
## 5 Biskuit Makanan 85
## 6 Susu_UHT Makanan 70
## 7 The_Celup Makanan 55
## 8 Sabun_Mandi Perawatan 90
## 9 Sampo Perawatan 65
## 10 Pasta_Gigi Perawatan 70
## 11 Sabun_Cuci_ Muka Perawatan 45
# Buat barplot dengan ggplot2
ggplot(data, aes(x = Nama_Produk, y = Penjualan, fill = Kategori)) +
geom_bar(stat = "identity") +
labs(
title = "Jumlah Penjualan Produk Toko MUTIA",
x = "Produk",
y = "Jumlah Penjualan"
) +
theme_minimal() +
theme(
axis.text.x = element_text(angle = 45, hjust = 1),
plot.title = element_text(hjust = 0.5, face = "bold")
)
# Agregasi data (total penjualan per kategori)
total_penjualan <- aggregate(Penjualan ~ Kategori, data, sum) #aggregate untuk menjumlahkan penjualan berdasarkan kategorinya
total_penjualan
## Kategori Penjualan
## 1 Makanan 360
## 2 Perawatan 270
## 3 Sembako 170
# Buat barplot dengan ggplot2
ggplot(total_penjualan, aes(x = Kategori, y = Penjualan, fill = Kategori)) +
geom_bar(stat = "identity") +
labs(
title = "Jumlah Penjualan per Kategori",
x = "Kategori",
y = "Jumlah Penjualan"
) +
theme_minimal() + #buat nampilin barplot spy lebih sederhna
theme(
axis.text.x = element_text(angle = 45, hjust = 1),
plot.title = element_text(hjust = 0.5, face = "bold")
)
