1. Pendahuluan & Sumber Data

Review Alasan Pemilihan Data

Dataset ini dipilih karena menyajikan data riil sektor kesehatan masyarakat di 30 kecamatan Kota Bandung selama rentang tahun 2018–2020. Dataset ini memuat variabel kategorik (seperti kategori_penyakit, kemendagri_nama_kecamatan, dan tahun) serta variabel numerik (jumlah_pasien), sehingga sangat tepat digunakan untuk melatih teknik analisis dan visualisasi data menggunakan package ggplot2 di R.

2. Load & Eksplorasi Dataset

# Membaca data dari file Excel
data_penyakit <- read_excel("jmlh_pndrt_pnykt_hprtns_dbts_gnggn_jw_d_kt_bndng(2).xlsx")

# Menampilkan 6 baris pertama data
head(data_penyakit)
## # A tibble: 6 × 13
##      id kode_provinsi nama_provinsi bps_kode_kabupaten_kota
##   <dbl> <chr>         <chr>         <chr>                  
## 1     1 32            JAWA BARAT    3273                   
## 2     2 32            JAWA BARAT    3273                   
## 3     3 32            JAWA BARAT    3273                   
## 4     4 32            JAWA BARAT    3273                   
## 5     5 32            JAWA BARAT    3273                   
## 6     6 32            JAWA BARAT    3273                   
## # ℹ 9 more variables: bps_nama_kabupaten_kota <chr>, bps_kode_kecamatan <chr>,
## #   bps_nama_kecamatan <chr>, kemendagri_kode_kecamatan <chr>,
## #   kemendagri_nama_kecamatan <chr>, kategori_penyakit <chr>,
## #   jumlah_pasien <dbl>, satuan <chr>, tahun <chr>
# Menampilkan ringkasan struktur data
str(data_penyakit)
## tibble [270 × 13] (S3: tbl_df/tbl/data.frame)
##  $ id                       : num [1:270] 1 2 3 4 5 6 7 8 9 10 ...
##  $ kode_provinsi            : chr [1:270] "32" "32" "32" "32" ...
##  $ nama_provinsi            : chr [1:270] "JAWA BARAT" "JAWA BARAT" "JAWA BARAT" "JAWA BARAT" ...
##  $ bps_kode_kabupaten_kota  : chr [1:270] "3273" "3273" "3273" "3273" ...
##  $ bps_nama_kabupaten_kota  : chr [1:270] "KOTA BANDUNG" "KOTA BANDUNG" "KOTA BANDUNG" "KOTA BANDUNG" ...
##  $ bps_kode_kecamatan       : chr [1:270] "3273180" "3273180" "3273180" "3273141" ...
##  $ bps_nama_kecamatan       : chr [1:270] "ANDIR" "ANDIR" "ANDIR" "ANTAPANI" ...
##  $ kemendagri_kode_kecamatan: chr [1:270] "32.73.05" "32.73.05" "32.73.05" "32.73.20" ...
##  $ kemendagri_nama_kecamatan: chr [1:270] "ANDIR" "ANDIR" "ANDIR" "ANTAPANI" ...
##  $ kategori_penyakit        : chr [1:270] "HIPERTENSI" "DIABETES MELLITUS" "JIWA" "HIPERTENSI" ...
##  $ jumlah_pasien            : num [1:270] 2143 1004 23 1969 313 ...
##  $ satuan                   : chr [1:270] "ORANG" "ORANG" "ORANG" "ORANG" ...
##  $ tahun                    : chr [1:270] "2018" "2018" "2018" "2018" ...

3. Visualisasi Data Kategorik

Visualisasi berikut menampilkan total kumulatif jumlah pasien berdasarkan kelompok Kategori Penyakit (variabel kategorik).

# Ringkasan total penderita per kategori penyakit
total_per_penyakit <- data_penyakit %>%
  group_by(kategori_penyakit) %>%
  summarise(total_pasien = sum(jumlah_pasien))

# Bar Chart
ggplot(total_per_penyakit, aes(x = reorder(kategori_penyakit, -total_pasien), y = total_pasien, fill = kategori_penyakit)) +
  geom_bar(stat = "identity", width = 0.6) +
  theme_minimal() +
  scale_y_continuous(labels = scales::comma) +
  labs(
    title = "Total Penderita Berdasarkan Kategori Penyakit di Kota Bandung (2018-2020)",
    x = "Kategori Penyakit",
    y = "Total Pasien (Orang)",
    fill = "Kategori Penyakit"
  ) +
  geom_text(aes(label = scales::comma(total_pasien)), vjust = -0.5, size = 3.5)

Interpretasi Data Kategorik

Berdasarkan diagram batang di atas: 1. Hipertensi merupakan penyakit yang paling mendominasi di Kota Bandung dengan akumulasi pasien mencapai 868.971 orang dalam rentang 2018–2020. 2. Diabetes Mellitus berada di posisi kedua dengan total 78.968 orang. 3. Penyakit Jiwa tercatat sebanyak 7.069 orang. 4. Grafik ini menegaskan bahwa penyakit tidak menular (khususnya hipertensi) memerlukan perhatian dan penanganan medis utama di tingkat kecamatan.

4. Visualisasi Data Numerik

Visualisasi berikut menggunakan Boxplot untuk menganalisis sebaran dan dispersi variabel numerik (Jumlah Pasien) pada setiap kategori penyakit di tingkat kecamatan.

ggplot(data_penyakit, aes(x = kategori_penyakit, y = jumlah_pasien, fill = kategori_penyakit)) +
  geom_boxplot(outlier.colour = "red", outlier.shape = 16, outlier.size = 2) +
  theme_minimal() +
  scale_y_continuous(labels = scales::comma) +
  labs(
    title = "Sebaran Jumlah Pasien per Kategori Penyakit per Kecamatan",
    x = "Kategori Penyakit",
    y = "Jumlah Pasien per Kecamatan",
    fill = "Kategori Penyakit"
  )

Interpretasi Data Numerik

Dari visualisasi Boxplot di atas: 1. Penyebaran Data Hipertensi: Memiliki variansi yang sangat tinggi dengan nilai median berada di angka 4.157 pasien per kecamatan, serta nilai maksimum mencapai 38.004 pasien. 2. Penyebaran Data Diabetes Mellitus: Rata-rata pasien per kecamatan berada di angka 877 orang dengan median 702 orang.kategori 3. Outlier (Titik Merah): Terlihat keberadaan pencilan (outliers) pada hipertensi yang menandakan adanya kecamatan tertentu yang memiliki lonjakan kasus penderita jauh di atas rata-rata kecamatan lainnya.

5. Kesimpulan

Secara keseluruhan, analisis visualisasi data kesehatan Kota Bandung rentang 2018–2020 menunjukkan keterpusatan beban penyakit pada kasus Hipertensi. Perbedaan signifikan antar kecamatan ini dapat menjadi rujukan bagi Dinas Kesehatan Kota Bandung dalam mengalokasikan program pencegahan dan penanganan medis secara lebih tepat sasaran.