1. MEMPLOT DATA DALAM R (SCATTER PLOT)

simpan <- data.frame(
  jeniskelamin = c(rep("laki-laki", 10), rep("Perempuan", 10)),
  pendapatan = c(1:10, 1:10),
  pengeluaran = c(0.5, 0.9, 1.1, 2, 4, 5, 6.2, 5.5, 5.8, 4.5,
                  0.7, 1.4, 2.8, 3.3, 4.3, 5, 6.7, 5.9, 5.7, 8)
)
simpan  # cek isi datanya
## Scatter plot sederhana
plot(simpan[2:3], main = "Pendapatan dan Pengeluaran per-Bulan")

## Scatter plot dengan warna 
warna_jk <- ifelse(simpan$jeniskelamin == "laki-laki", "blue", "orange")
plot(simpan$pendapatan, simpan$pengeluaran,
     main = "Pendapatan dan Pengeluaran per-Bulan",
     xlab = "Pendapatan", ylab = "Pengeluaran", col = warna_jk, pch = 19)

Grafik di atas menunjukkan hubungan antara pendapatan dan pengeluaran per bulan dari 20 responden (10 laki-laki, 10 perempuan). Terlihat pola: semakin tinggi pendapatan, semakin tinggi pula pengeluaran, menandakan adanya hubungan positif antara kedua variabel. Pada grafik kedua, warna biru mewakili responden laki-laki dan oranye mewakili responden perempuan, sehingga pola sebaran antar jenis kelamin bisa dibandingkan.

2. Grafik Garis

simpan2 <- data.frame(
  tahun = 2001:2007,
  A = c(50, 65, 80, 100, 110, 125, 140),
  B = c(45, 55, 70, 85, 95, 115, 130),
  C = c(60, 75, 90, 110, 120, 145, 160)
)

plot(simpan2$tahun, simpan2$A, type = "o", col = "red", ylim = c(40, 180),
     xlab = "Tahun", ylab = "Jumlah", main = "Penjualan Barang A, B, C")
lines(simpan2$tahun, simpan2$B, type = "o", col = "blue")
lines(simpan2$tahun, simpan2$C, type = "o", col = "green")
legend("topleft", c("Barang A", "Barang B", "Barang C"),
       col = c("red", "blue", "green"), lty = 1, pch = 1, cex = 0.8)

Grafik ini menunjukkan tren penjualan tiga jenis barang (A, B, C) dari tahun 2001 sampai 2007. Ketiganya menunjukkan tren yang terus meningkat setiap tahun, dengan Barang C secara konsisten memiliki penjualan tertinggi dibanding Barang A dan B.

##3. Barplot

penjualan <- c(50, 65, 80, 100)
kategori <- c("Barang A", "Barang B", "Barang C", "Barang D")

barplot(penjualan, names.arg = kategori, col = "skyblue",
        main = "Penjualan Barang", xlab = "Kategori", ylab = "Jumlah")

# versi horizontal
barplot(penjualan, names.arg = kategori, col = "lightgreen",
        horiz = TRUE, main = "Penjualan Barang (Horizontal)")

Grafik batang menunjukkan perbandingan jumlah penjualan antar 4 kategori barang (A, B, C, D). Terlihat Barang D memiliki penjualan tertinggi, sedangkan Barang A memiliki penjualan terendah. Versi horizontal menyajikan data yang sama, hanya arah batangnya dibuat mendatar agar lebih mudah dibaca saat nama kategorinya panjang.

##4. Pie Chart

persen <- round(100 * penjualan / sum(penjualan), 1)
label_pie <- paste(kategori, persen, "%")
pie(penjualan, labels = label_pie,
    col = c("red", "yellow", "green", "orange"),
    main = "Proporsi Penjualan Barang")

Diagram lingkaran menunjukkan proporsi penjualan tiap barang terhadap total keseluruhan penjualan. Barang D menyumbang persentase terbesar, sedangkan Barang A menyumbang persentase terkecil dari total penjualan.

##5. Histogram

data_hist <- simpan$pengeluaran

hist(data_hist, col = "lightblue", border = "black",
     main = "Histogram Pengeluaran", xlab = "Pengeluaran")

# dengan garis kepadatan (density)
hist(data_hist, col = "lightgreen", prob = TRUE,
     main = "Histogram dan Garis Kepadatan", xlab = "Pengeluaran")
lines(density(data_hist), col = "red", lwd = 2)

Histogram menunjukkan sebaran (distribusi) data pengeluaran per bulan dari 20 responden. Terlihat frekuensi tertinggi berada di rentang pengeluaran sekitar 4-6 juta, sedangkan responden dengan pengeluaran sangat rendah (0-1 juta) atau sangat tinggi (7-8 juta) jumlahnya lebih sedikit. Grafik kedua menambahkan garis kepadatan (density) berwarna merah untuk memperlihatkan bentuk sebaran datanya secara lebih halus.