Data = read.table(file.choose(), header = T)
Data
## Provinsi Jumlah_Desa_Kelurahan_yang_Memiliki_Kantor_Pos
## 1 ACEH 241
## 2 SUMATERA_UTARA 367
## 3 SUMATERA_BARAT 155
## 4 RIAU 139
## 5 JAMBI 114
## 6 SUMATERA_SELATAN 184
## 7 BENGKULU 84
## 8 LAMPUNG 164
## 9 KEP._BANGKA_BELITUNG 40
## 10 KEP._RIAU 72
## 11 DKI_JAKARTA 202
## 12 JAWA_BARAT 771
## 13 JAWA_TENGAH 846
## 14 DI_YOGYAKARTA 129
## 15 JAWA_TIMUR 1083
## 16 BANTEN 211
## 17 BALI 108
## 18 NUSA_TENGGARA_BARAT 108
## 19 NUSA_TENGGARA_TIMUR 140
## 20 KALIMANTAN_BARAT 170
## 21 KALIMANTAN_TENGAH 96
## 22 KALIMANTAN_SELATAN 155
## 23 KALIMANTAN_TIMUR 128
## 24 KALIMANTAN_UTARA 38
## 25 SULAWESI_UTARA 108
## 26 SULAWESI_TENGAH 97
## 27 SULAWESI_SELATAN 161
## 28 SULAWESI_TENGGARA 64
## 29 GORONTALO 28
## 30 SULAWESI_BARAT 26
## 31 MALUKU 54
## 32 MALUKU_UTARA 46
## 33 PAPUA_BARAT 27
## 34 PAPUA_BARAT_DAYA 26
## 35 PAPUA 37
## 36 PAPUA_SELATAN 20
## 37 PAPUA_TENGAH 27
## 38 PAPUA_PEGUNUNGAN 25
length(Data$Jumlah_Desa_Kelurahan_yang_Memiliki_Kantor_Pos)
## [1] 38
mean(Data$Jumlah_Desa_Kelurahan_yang_Memiliki_Kantor_Pos)
## [1] 170.8158
median(Data$Jumlah_Desa_Kelurahan_yang_Memiliki_Kantor_Pos)
## [1] 108
range(Data$Jumlah_Desa_Kelurahan_yang_Memiliki_Kantor_Pos)
## [1] 20 1083
max(Data$Jumlah_Desa_Kelurahan_yang_Memiliki_Kantor_Pos) - min(Data$Jumlah_Desa_Kelurahan_yang_Memiliki_Kantor_Pos)
## [1] 1063
max(Data$Jumlah_Desa_Kelurahan_yang_Memiliki_Kantor_Pos)
## [1] 1083
min(Data$Jumlah_Desa_Kelurahan_yang_Memiliki_Kantor_Pos)
## [1] 20
var(Data$Jumlah_Desa_Kelurahan_yang_Memiliki_Kantor_Pos)
## [1] 53647.51
sd(Data$Jumlah_Desa_Kelurahan_yang_Memiliki_Kantor_Pos)
## [1] 231.6193
quantile(Data$Jumlah_Desa_Kelurahan_yang_Memiliki_Kantor_Pos)
## 0% 25% 50% 75% 100%
## 20.00 41.50 108.00 163.25 1083.00
library(ggplot2)
## Warning: package 'ggplot2' was built under R version 4.5.3
data <- read.table( file.choose(), header = TRUE, sep = "\t")
ggplot(data, aes(x = Jumlah_Desa_Kelurahan_yang_Memiliki_Kantor_Pos)) +
geom_histogram(
binwidth = 200,
boundary = 0,
fill = "pink",
color = "black"
) +
scale_x_continuous(
breaks = seq(0, 1200, by = 200),
limits = c(0, 1200)
) +
labs(
title = "Jumlah Desa/Kelurahan yang Memiliki Kantor Pos di Indonesia",
x = "Jumlah Desa/Kelurahan",
y = "Freq"
) +
theme_classic() +
theme(
axis.text.x = element_text(angle = 0, hjust = 0.5),
plot.title = element_text( hjust = 0.5, face = "bold")
)
## Warning: Removed 1 row containing non-finite outside the scale range
## (`stat_bin()`).
# Load library
library(ggplot2)
# Baca data
data = read.table(file.choose(), header = T, sep = "\t")
data
## Provinsi Jumlah_Desa_Kelurahan_yang_Memiliki_Kantor_Pos
## 1 ACEH 241
## 2 SUMATERA_UTARA 367
## 3 SUMATERA_BARAT 155
## 4 RIAU 139
## 5 JAMBI 114
## 6 SUMATERA_SELATAN 184
## 7 BENGKULU 84
## 8 LAMPUNG 164
## 9 KEP._BANGKA_BELITUNG 40
## 10 KEP._RIAU 72
## 11 DKI_JAKARTA 202
## 12 JAWA_BARAT 771
## 13 JAWA_TENGAH 846
## 14 DI_YOGYAKARTA 129
## 15 JAWA_TIMUR 1083
## 16 BANTEN 211
## 17 BALI 108
## 18 NUSA_TENGGARA_BARAT 108
## 19 NUSA_TENGGARA_TIMUR 140
## 20 KALIMANTAN_BARAT 170
## 21 KALIMANTAN_TENGAH 96
## 22 KALIMANTAN_SELATAN 155
## 23 KALIMANTAN_TIMUR 128
## 24 KALIMANTAN_UTARA 38
## 25 SULAWESI_UTARA 108
## 26 SULAWESI_TENGAH 97
## 27 SULAWESI_SELATAN 161
## 28 SULAWESI_TENGGARA 64
## 29 GORONTALO 28
## 30 SULAWESI_BARAT 26
## 31 MALUKU 54
## 32 MALUKU_UTARA 46
## 33 PAPUA_BARAT 27
## 34 PAPUA_BARAT_DAYA 26
## 35 PAPUA 37
## 36 PAPUA_SELATAN 20
## 37 PAPUA_TENGAH 27
## 38 PAPUA_PEGUNUNGAN 25
## 39 NA
# Buat barplot dengan ggplot2
ggplot(data, aes(x = Provinsi, y = Jumlah_Desa_Kelurahan_yang_Memiliki_Kantor_Pos)) +
geom_bar(stat = "identity", fill = "steelblue") +
labs(
title = "Jumlah Desa/Kelurahan yang Memiliki Kantor Pos Menurut Provinsi, 2025",
x = "Provinsi",
y = "Jumlah Desa/Kelurahan yang Memiliki Kantor Pos"
) +
theme_minimal() +
theme(
axis.text.x = element_text(angle = 45, hjust = 1),
plot.title = element_text(hjust = 0.5, face = "bold")
)
## Warning: Removed 1 row containing missing values or values outside the scale range
## (`geom_bar()`).
library(dplyr)
## Warning: package 'dplyr' was built under R version 4.5.3
##
## 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)
## Warning: package 'tidyverse' was built under R version 4.5.3
## Warning: package 'tibble' was built under R version 4.5.3
## Warning: package 'tidyr' was built under R version 4.5.3
## Warning: package 'readr' was built under R version 4.5.3
## Warning: package 'purrr' was built under R version 4.5.3
## Warning: package 'stringr' was built under R version 4.5.2
## Warning: package 'forcats' was built under R version 4.5.3
## Warning: package 'lubridate' was built under R version 4.5.3
## ── Attaching core tidyverse packages ──────────────────────── tidyverse 2.0.0 ──
## ✔ forcats 1.0.1 ✔ stringr 1.6.0
## ✔ lubridate 1.9.5 ✔ tibble 3.3.1
## ✔ purrr 1.2.2 ✔ tidyr 1.3.2
## ✔ readr 2.2.0
## ── 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)
data_Kalimantan <- data %>%
filter(str_starts(Provinsi, "KALIMANTAN"))
data_Kalimantan
## Provinsi Jumlah_Desa_Kelurahan_yang_Memiliki_Kantor_Pos
## 1 KALIMANTAN_BARAT 170
## 2 KALIMANTAN_TENGAH 96
## 3 KALIMANTAN_SELATAN 155
## 4 KALIMANTAN_TIMUR 128
## 5 KALIMANTAN_UTARA 38
ggplot(data_Kalimantan, aes(x = Provinsi, y = Jumlah_Desa_Kelurahan_yang_Memiliki_Kantor_Pos, fill = Provinsi)) +
geom_col() +
labs(
title = "Jumlah Desa/Kelurahan yang Memiliki Kantor Pos Pulau Kalimantan Tahun 2025",
x = "Provinsi",
y = "Jumlah Desa/Kelurahan yang Memiliki Kantor Pos"
) +
theme_minimal() +
theme(
axis.text.x = element_text(angle = 45, hjust = 1),
plot.title = element_text(hjust = 0.5, face = "bold"),
legend.position = "none"
)
