TUGAS_STATISTIKA_KELOMPOK1

1. Pendahuluan dan Sumber Data

Data real yang digunakan pada tugas ini berfokus pada bidang Kesehatan. Data diimpor langsung dari file Excel data_real.xlsx.

• Link Data: Klik di sini untuk Mengakses Dataset Kesehatan

• Penjelasan Sumber Data: Dataset yang digunakan merupakan data sekunder indikator kesehatan masyarakat. Data ini mencakup 15 observasi sampel responden dengan 4 variabel utama, yaitu:

  1. Status_Kesehatan (Kategorik/Kualitatif): Tingkat kondisi kesehatan umum responden (Baik, Cukup, Kurang).
  2. Tingkat_Aktivitas (Kategorik/Kualitatif): Frekuensi aktivitas fisik harian (Tinggi, Sedang, Rendah).
  3. Pengeluaran_Kesehatan (Numerik/Kuantitatif): Rata-rata pengeluaran bulanan untuk kebutuhan kesehatan (dalam ribuan Rupiah).
  4. Angka_Harapan_Hidup (Numerik/Kuantitatif): Proyeksi usia harapan hidup individu (dalam tahun).

• Review Singkat Alasan Pemilihan Data: Kami memilih topik dan dataset bidang kesehatan ini karena isu kesehatan merupakan faktor vital yang berkaitan langsung dengan kualitas hidup masyarakat. Selain itu, dataset ini memiliki kelengkapan struktur variabel yang seimbang—terdiri dari variabel kualitatif/kategorik dan kuantitatif/numerik—sehingga sangat ideal untuk diolah dan dipetakan secara visual menggunakan Bar Chart, Histogram, serta Scatter Plot tanpa memicu adanya bias informasi.

Membaca file Excel

data_real <- read_excel("data_real.xlsx")

Menampilkan data

data_real

## # A tibble: 15 × 4
##    Status_Kesehatan Tingkat_Aktivitas Pengeluaran_Kesehatan Angka_Harapan_Hidup
##    <chr>            <chr>                             <dbl>               <dbl>
##  1 Baik             Tinggi                              450                76.5
##  2 Cukup            Sedang                              250                71.2
##  3 Baik             Tinggi                              520                78  
##  4 Kurang           Rendah                              120                65.4
##  5 Baik             Sedang                              380                74.8
##  6 Cukup            Rendah                              200                69.1
##  7 Baik             Tinggi                              600                79.5
##  8 Kurang           Rendah                              150                66.8
##  9 Cukup            Sedang                              310                72.3
## 10 Baik             Tinggi                              480                77.2
## 11 Baik             Sedang                              410                75.1
## 12 Cukup            Rendah                              180                68.5
## 13 Baik             Tinggi                              550                78.8
## 14 Kurang           Rendah                              110                64.2
## 15 Cukup            Sedang                              290                71.8

2. Visualisasi Data Kategorik (Bar Chart)

Berikut adalah visualisasi data kualitatif untuk membandingkan frekuensi status kesehatan responden:

ggplot(data_real, aes(x = Status_Kesehatan, fill = Status_Kesehatan)) +
  geom_bar() +
  scale_fill_brewer(palette = "Set2") +
  labs(
    title = "Distribusi Status Kesehatan Responden",
    x = "Status Kesehatan",
    y = "Frekuensi"
  ) +
  theme_minimal()

Berdasarkan hasil grafik di atas, sebagian besar responden memiliki status kesehatan dalam kategori Baik, diikuti oleh kategori Cukup dan Kurang.

3. Visualisasi Data Numerik (Histogram)

Berikut adalah distribusi penyebaran data kontinu dari variabel Angka Harapan Hidup:

ggplot(data_real, aes(x = Angka_Harapan_Hidup)) +
  geom_histogram(binwidth = 3, fill = "#27ae60", color = "white") +
  labs(
    title = "Distribusi Angka Harapan Hidup",
    x = "Angka Harapan Hidup (Tahun)",
    y = "Frekuensi"
  ) +
  theme_minimal()

Berdasarkan histogram di atas, pola sebaran angka harapan hidup terpusat pada kisaran 70 hingga 80 tahun.

4. Visualisasi Data Numerik (Scatter Plot)

Berikut adalah analisis hubungan antara dua variabel numerik (Pengeluaran Kesehatan vs Angka Harapan Hidup):

ggplot(data_real, aes(x = Pengeluaran_Kesehatan, y = Angka_Harapan_Hidup)) +
  geom_point(color = "#e74c3c", size = 3) +
  geom_smooth(method = "lm", se = FALSE, color = "black", linetype = "dashed") +
  labs(
    title = "Hubungan Pengeluaran Kesehatan vs Angka Harapan Hidup",
    x = "Pengeluaran Kesehatan (Ribu Rp)",
    y = "Angka Harapan Hidup (Tahun)"
  ) +
  theme_minimal()

Berdasarkan scatter plot di atas, terdapat kecenderungan korelasi positif di mana semakin tinggi alokasi pengeluaran kesehatan, semakin tinggi pula angka harapan hidupnya.

5. Kesimpulan

1. Distribusi Status Kesehatan Responden (Data Kategorik):

• Sebagian besar responden memiliki kondisi kesehatan dalam kategori Baik.

• Kategori kesehatan Cukup dan Kurang berada pada urutan berikutnya dengan frekuensi yang lebih rendah.

2. Sebaran Angka Harapan Hidup (Data Numerik):

• Angka Harapan Hidup responden terkonsentrasi dan terpusat pada kisaran usia 70 hingga 80 tahun.

3. Hubungan Antara Pengeluaran Kesehatan dan Angka Harapan Hidup:

• Terdapat korelasi positif antara besarnya alokasi pengeluaran kesehatan dengan tingkat angka harapan hidup.

• Semakin tinggi pengeluaran/investasi finansial yang dialokasikan untuk kesehatan, maka semakin tinggi pula kecenderungan angka harapan hidup individu/masyarakat tersebut.

Laporan visualisasi ini secara keseluruhan menunjukkan bahwa alokasi finansial yang memadai pada sektor kesehatan berbanding lurus dengan peningkatan kualitas dan angka harapan hidup masyarakat.