Pendahuluan

Dokumen ini mengerjakan seluruh Independent Exercise pada Practicum 3 — Data Visualization. Materi latihan mencakup comparison, distribution, relationship, time series, dan perbaikan visualisasi. Materi juga membahas penggunaan warna, ukuran, transparansi, label, tema, skala, legenda, facet, dan anotasi untuk membuat grafik lebih jelas. fileciteturn0file0L105-L110

Persiapan

library(ggplot2)
library(dplyr)
library(knitr)

set.seed(123)
diamonds_sample <- diamonds %>%
  slice_sample(n = 1000)

1. Comparison — mpg

Soal: Calculate the average cty for each manufacturer, select the top 10, create a comparison plot, and summarize the main finding.

Menghitung rata-rata cty

avg_cty <- mpg %>%
  group_by(manufacturer) %>%
  summarise(
    avg_cty = mean(cty),
    .groups = "drop"
  ) %>%
  arrange(desc(avg_cty))

top10_mpg <- avg_cty %>%
  slice_head(n = 10) %>%
  arrange(avg_cty)

kable(top10_mpg, digits = 2,
      col.names = c("Manufacturer", "Average city MPG"))
Manufacturer Average city MPG
ford 14.00
chevrolet 15.00
pontiac 17.00
audi 17.61
nissan 18.08
toyota 18.53
hyundai 18.64
subaru 19.29
volkswagen 20.93
honda 24.44

Comparison plot

ggplot(top10_mpg,
       aes(x = reorder(manufacturer, avg_cty),
           y = avg_cty,
           fill = avg_cty)) +
  geom_col(show.legend = FALSE) +
  geom_text(aes(label = round(avg_cty, 1)),
            hjust = -0.1, size = 4) +
  scale_fill_gradient(low = "#B3D9FF", high = "#1565C0") +
  coord_flip() +
  labs(title = "Top 10 Manufacturers by Average City MPG",
       x = "Manufacturer",
       y = "Average city MPG (cty)") +
  theme_minimal(base_size = 12) +
  theme(plot.title = element_text(face = "bold"),
        panel.grid.major.y = element_blank()) +
  expand_limits(y = max(top10_mpg$avg_cty) + 2)

Ringkasan temuan

Dari 10 manufacturer dengan rata-rata cty tertinggi, Honda memiliki rata-rata city MPG tertinggi, sekitar 24.44 MPG. Posisi berikutnya adalah Volkswagen (20.93), Subaru (19.29), Hyundai (18.64), dan Toyota (18.53). Jadi, pada data mpg, kelompok manufacturer teratas memiliki efisiensi bahan bakar kota yang lebih tinggi dibandingkan manufacturer lain.

2. Distribution — diamonds

Soal: Choose one numerical variable, compare its distribution across one categorical variable, improve the plot appearance, and interpret the pattern.

Variabel yang dipilih

  • Variabel numerik: price
  • Variabel kategorik: cut
  • Grafik: boxplot

Boxplot digunakan untuk melihat median, sebaran, dan pencilan harga pada setiap kategori cut.

diamonds %>%
  mutate(cut = factor(cut,
                      levels = c("Fair", "Good", "Very Good", "Premium", "Ideal"))) %>%
  ggplot(aes(x = cut, y = price, fill = cut)) +
  geom_boxplot(show.legend = FALSE, outlier.alpha = 0.25) +
  scale_y_continuous(labels = scales::dollar_format()) +
  labs(title = "Distribution of Diamond Price by Cut",
       x = "Cut quality",
       y = "Price (USD)") +
  theme_minimal(base_size = 12) +
  theme(plot.title = element_text(face = "bold"),
        panel.grid.major.x = element_blank())

Interpretasi

Distribusi harga berbeda antar kategori cut. Median harga tidak meningkat secara sederhana dari Fair sampai Ideal. Distribusi juga cukup lebar dan memiliki banyak pencilan. Karena itu, kategori cut saja tidak cukup untuk menjelaskan harga; variabel lain seperti carat, color, dan clarity juga dapat berkaitan dengan price.

3. Relationship — diamonds_sample

Soal: Visualize the relationship between carat and price, add at least one relevant aesthetic, apply suitable customization, and explain the relationship shown.

ggplot(diamonds_sample,
       aes(x = carat, y = price, color = cut)) +
  geom_point(alpha = 0.45, size = 1.7) +
  geom_smooth(method = "lm", se = FALSE, color = "grey20") +
  scale_y_continuous(labels = scales::dollar_format()) +
  labs(title = "Relationship Between Carat and Price",
       subtitle = "Sample of 1,000 diamonds",
       x = "Carat (weight)",
       y = "Price (USD)",
       color = "Cut") +
  theme_minimal(base_size = 12) +
  theme(plot.title = element_text(face = "bold"))
## `geom_smooth()` using formula = 'y ~ x'

Interpretasi

Terlihat hubungan positif antara carat dan price: ketika berat berlian (carat) meningkat, harga cenderung meningkat. Titik dengan carat kecil umumnya berada pada harga yang lebih rendah, sedangkan carat yang lebih besar cenderung memiliki harga lebih tinggi.

Aesthetic warna berdasarkan cut digunakan untuk membandingkan kategori kualitas potongan. Transparansi (alpha) membantu mengurangi masalah ketika banyak titik bertumpuk.

4. Time Series — economics

Soal: Visualize psavert over time, use clear labels and a suitable theme, highlight or annotate a noticeable change, and provide a short interpretation.

economics %>%
  ggplot(aes(x = date, y = psavert)) +
  geom_line(color = "#2B6CB0", linewidth = 1) +
  geom_point(data = economics %>% filter(date == as.Date("2009-05-01")),
             color = "#C53030", size = 3) +
  annotate("text",
           x = as.Date("2009-05-01"),
           y = 8.1,
           label = "8.1% in May 2009",
           vjust = -0.8,
           color = "#C53030") +
  labs(title = "Personal Saving Rate Over Time",
       subtitle = "U.S. economic time series, 1967–2015",
       x = "Date",
       y = "Personal saving rate (%)") +
  theme_minimal(base_size = 12) +
  theme(plot.title = element_text(face = "bold"))

Interpretasi

psavert berubah cukup besar dari waktu ke waktu. Salah satu titik yang disorot adalah 8.1% pada Mei 2009. Setelah periode tersebut, tingkat tabungan kembali berfluktuasi. Anotasi digunakan untuk menarik perhatian pada titik tertentu tanpa menghilangkan pola utama deret waktu.

5. Improve a Visualization

Soal: Create one visualization with at least three presentation problems, then redesign it using improvements such as color, theme, scale, labels, legend, or annotation, and briefly explain the changes.

Untuk latihan ini digunakan grafik rata-rata harga berlian berdasarkan cut.

Versi awal

mean_price_cut <- diamonds %>%
  group_by(cut) %>%
  summarise(mean_price = mean(price), .groups = "drop")

ggplot(mean_price_cut, aes(x = cut, y = mean_price)) +
  geom_col() +
  labs(x = "cut", y = "mean_price")

Masalah presentasi

  1. Tidak ada judul yang informatif.
  2. Label sumbu masih menggunakan nama variabel mentah (cut dan mean_price).
  3. Tampilan default belum membantu membedakan kategori dengan jelas.
  4. Nilai rata-rata tidak ditampilkan langsung pada batang.
  5. Skala harga belum menggunakan format mata uang.

Versi setelah diperbaiki

ggplot(mean_price_cut,
       aes(x = cut, y = mean_price, fill = cut)) +
  geom_col(show.legend = FALSE) +
  geom_text(aes(label = scales::dollar(round(mean_price, 0))),
            vjust = -0.3, size = 4) +
  scale_y_continuous(
    labels = scales::label_dollar(scale = 1 / 1000, suffix = "k"),
    expand = expansion(mult = c(0, 0.12))
  ) +
  labs(title = "Average Diamond Price by Cut",
       subtitle = "Mean price is sensitive to expensive diamonds",
       x = "Cut quality",
       y = "Average price (USD)") +
  theme_minimal(base_size = 12) +
  theme(plot.title = element_text(face = "bold"),
        panel.grid.major.x = element_blank())

Perubahan yang dilakukan

  • Color: fill = cut digunakan untuk membedakan kategori.
  • Theme: theme_minimal() membuat tampilan lebih bersih.
  • Labels: judul dan nama sumbu dibuat lebih informatif.
  • Scale: sumbu Y menggunakan format harga dalam ribuan dolar.
  • Data labels: nilai rata-rata ditampilkan di atas batang.
  • Grid: garis grid vertikal dihilangkan agar fokus pada perbandingan nilai.

Kesimpulan

Kelima latihan menunjukkan bahwa visualisasi tidak hanya bergantung pada pemilihan geom. Warna, label, skala, tema, transparansi, legenda, dan anotasi dapat digunakan untuk membuat pola data lebih mudah dibaca dan dikomunikasikan.