Anggota Kelompok 1

  1. Muhammad Alip Alfaqi
  2. Luthfi Fauzi
  3. Bilqis Afifah Fadhilah

Pendahuluan

Data merupakan salah satu hal penting dalam statistika karena dapat digunakan untuk melihat dan memahami suatu kondisi berdasarkan informasi yang tersedia. Salah satu data yang dapat dianalisis adalah data jumlah kendaraan bermotor di berbagai provinsi di Indonesia.

Pada laporan ini digunakan data Jumlah kendaraaan bermotor menurut Provinsi dan jenis kendaraan tahun 2025. Data tersebut digunakan untuk membuat visualisasi agar informasi yang terdapat di dalam data dapat lebih mudah dipahami. Visualisasi yyang digunakan terdiri dari Bar Chart untuk data Kategorik dan Histogram untuk data numerik

Melalui visualisasi tersebut, dapat dilihat perbandingan jumlah kendaraan bermotor antarprovinsi serta gambaran mengenai distribusi jumlah kendaraan bermotor pada data yang digunakan.

Tujuan

  1. Mengolah data jumlah kendaraan bermotor menggunakan RStudio.
  2. Membuat visualisasi data kategorik menggunakan Bar Chart.
  3. Membuat visualisasi data numerik menggunakan Histogram.
  4. Menginterpretasikan informasi yang diperoleh dari hasil visualisasi.

Persiapan dan Pembersihan Data

Sebelum melakukan visualisasi, data terlebih dahulu diimpor ke RStudio dan dilakukan pembersihan data. Tahap ini bertujuan untuk menyiapkan data agar dapat digunakan dalam proses analisis dan visualisasi.

library(readxl)
library(ggplot2)

data_kendaraan <- read_excel(
  "Jumlah Kendaraan Bermotor Menurut Provinsi dan Jenis Kendaraan (unit), 2025.xlsx"
)
## New names:
## • `` -> `...7`
## • `` -> `...8`
data_bersih <- data_kendaraan[1:38, ]

data_bersih[, 2:8] <- lapply(
  data_bersih[, 2:8],
  as.numeric
)
## Warning in lapply(data_bersih[, 2:8], as.numeric): NAs introduced by coercion
## Warning in lapply(data_bersih[, 2:8], as.numeric): NAs introduced by coercion
## Warning in lapply(data_bersih[, 2:8], as.numeric): NAs introduced by coercion
## Warning in lapply(data_bersih[, 2:8], as.numeric): NAs introduced by coercion

Kode tersebut digunakan untuk memanggil library yang diperlukan, membaca data Excel, mengambil data provinsi yang digunakan dalam analisis, serta mengubah data numerik agar dapat diolah dan divisualisasikan.

Visualisasi Data

Visualisasi data Kategorik

Visualisasi data kategorik digunakan untuk melihat perbandingan jumlah kendaraan bermotor pada setiap provinsi. Pada bagian ini digunakan Bar Chart dengan provinsi sebagai kategori dan jumlah kendaraan bermotor sebagai nilai yang dibandingkan.

library(ggplot2)

ggplot(data_bersih, 
       aes(x = Provinsi, y = `Jumlah Kendaraan Bermotor - Jumlah`)) +
  geom_bar(stat = "identity") +
  labs(
    title = "Jumlah Kendaraan Bermotor Menurut Provinsi Tahun 2025",
    x = "Provinsi",
    y = "Jumlah Kendaraan Bermotor"
  ) +
  coord_flip() +
  scale_y_continuous(labels = scales::comma)+
  theme_minimal()

Berdasarkan Bar Chart, jumlah kendaraan bermotor berbeda cukup besar antarprovinsi. Jawa Barat memiliki jumlah kendaraan bermotor tertinggi, yaitu sebanyak 28.057.560 kendaraan, sedangkan Papua Pegunungan memiliki jumlah terendah, yaitu 44.913 kendaraan. Lima provinsi dengan jumlah kendaraan bermotor terbesar adalah Jawa Barat, Jawa Timur, Jawa Tengah, DKI Jakarta, dan Banten. Hasil tersebut menunjukkan bahwa jumlah kendaraan bermotor dalam data tidak tersebar secara merata di setiap provinsi, dengan jumlah yang relatif lebih tinggi pada beberapa provinsi dibandingkan provinsi laininya.

Visualisasi Data Numerik

Visualisasi data numerik digunakan untuk melihat distribusi jumlah kendaraan bermotor pada 38 provinsi. Pada bagian ini digunakan histogram untuk melihat bagaimana penyebaran nilai jumlah kendaraan bermotor dalam data.

ggplot(data_bersih, aes(x = `Jumlah Kendaraan Bermotor - Jumlah`)) +
  geom_histogram(bins = 10) +
  labs(
    title = "Distribusi Jumlah Kendaraan Bermotor Tahun 2025",
    x = "Jumlah Kendaraan Bermotor",
    y = "Frekuensi"
  ) +
  scale_x_continuous(labels = scales::comma)+
  theme_minimal()

Berdasarkan histogram, distribusi jumlah kendaraan bermotor pada 38 provinsi cenderung miring ke kanan (right-skewed). Sebagian besar provinsi berada pada rentang jumlah kendaraan yang relatif rendah, sedangkan hanya beberapa provinsi yang memiliki jumlah kendaraan jauh lebih tinggi hingga mendekati 30 juta kendaraan. Hal ini menunjukkan bahwa jumlah kendaraan bermotor tidak tersebar secara merata, karena terdapat beberapa provinsi dengan jumlah kendaraan yang jauh lebih besar dibandingkan sebagian besar provinsi lainnya.

Sumber Data

Sumber data yang digunakan berasal dari Badan Pusat Statistik (BPS)

Data yang digunakan dalam analisis ini diperoleh dari Badan Pusat Statistik (BPS), yaitu data Jumlah Kendaraan Bermotor Menurut Provinsi dan Jenis Kendaraan Tahun 2025. Dalam analisis ini, variabel yang digunakan adalah provinsi sebagai data kategorik dan jumlah kendaraan bermotor sebagai data numerik. Data tersebut mencakup 38 provinsi di Indonesia.

Alasan Pemilihan Data

Data ini dipilih karena memiliki kombinasi data kategorik dan numerik yang sesuai dengan tujuan tugas visualisasi. Nama provinsi digunakan sebagai data kategorik, sedangkan jumlah kendaraan bermotor digunakan sebagai data numerik. Data ini juga memungkinkan untuk melihat perbedaan jumlah kendaraan antarprovinsi serta pola distribusinya melalui bar chart dan histogram.