Tutorial Eksplorasi dan Visualisasi Data FIFA 18 dengan R

Sebelum memulai analisis, import library yang akan digunnakan terlebih dahulu

#Import Library
library(tidyverse)

## Warning: package 'tidyverse' was built under R version 3.5.3

## -- Attaching packages ---------------------------------- tidyverse 1.2.1 --

## v ggplot2 3.0.0       v purrr   0.2.5  
## v tibble  2.1.1       v dplyr   0.8.0.1
## v tidyr   0.8.1       v stringr 1.3.1  
## v readr   1.3.1       v forcats 0.4.0

## Warning: package 'tibble' was built under R version 3.5.3

## Warning: package 'readr' was built under R version 3.5.3

## Warning: package 'dplyr' was built under R version 3.5.3

## Warning: package 'forcats' was built under R version 3.5.3

## -- Conflicts ------------------------------------- tidyverse_conflicts() --
## x dplyr::filter() masks stats::filter()
## x dplyr::lag()    masks stats::lag()

fifa <- read.csv(file.choose(), header = T, sep=",")
dim(fifa)

## [1] 17994   185

View(fifa)

perintah dim dapat dimanfaatkan untuk melihat dimensi dari dataset yang digunakan, sehingga dapat kita ketahui banyaknya baris dan kolom pada dataset

Umur Para Pemain Sepak Bola

ggplot(fifa, aes(x= age, fill = age)) +
  geom_density(stat="density") + 
  labs(title = "Plot Density dari Umur Para Pemain", x = "Umur", y = "Probablitas")

Negara Manakah yang Memiliki Pemain Terbanyak ?

fifa %>% 
  group_by(nationality) %>% 
  summarise(n=n()) %>%
  arrange(desc(n)) %>% 
  head(10) %>% 
  ggplot()+
  geom_bar(aes(x = reorder(nationality, -n), y=n, fill = nationality),color ="darkblue", stat="identity") +
  geom_label(aes(x = reorder(nationality, -n), y=n, label = n)) +
  guides(fill = F) +
  labs(title = "Top 10 Negara Dengan Pemain Terbanyak", x = "Negara", y = "Banyaknya Pemain")

Top 10 Pemain Terbaik dan Negara Asal

fifa %>% 
  select(name, nationality, overall) %>% 
  arrange(desc(overall)) %>% 
  head(10) %>% 
  ggplot() +
  geom_bar(aes(x= reorder(name, -overall), y=overall, fill=nationality),stat="identity")+
  geom_label(aes(x = reorder(name, -overall), y=overall, label = overall)) +
  labs(title = "Top 10  Pemain Terbaik dan Asal Negaranya", x = "Nama", y = "Nilai Skill")

Top 10 Pemain Terbaik dan Asal Clubnya

fifa %>% 
  select(name, club, overall) %>% 
  arrange(desc(overall)) %>% 
  head(10) %>% 
  ggplot() +
  geom_bar(aes(x= reorder(name, -overall), y=overall, fill=club),stat="identity")+
  geom_label(aes(x = reorder(name, -overall), y=overall, label = overall)) +
  labs(title = "Top 10 Pemain Terbaik dan Asal Clubnya", x = "Nama", y = "Nilai Skill")

Kondisi Fisik Para Pemain

fifa %>% 
  ggplot(aes(x = weight_kg, fill = factor(weight_kg))) +
  geom_bar(color = "grey") + guides(fill = FALSE)+
  labs(title="Berat Badan Pemain")

fifa %>% 
  ggplot(aes(x = height_cm, fill = factor(height_cm))) +
  geom_bar(color = "grey") + guides(fill = FALSE)+
  labs(title="Tinggi Bada Pemain")

Siapakah Pemain dengan Nilai Evaluasi tertinggi ?

fifa %>% 
  select(name, eur_value) %>% 
  arrange(desc(eur_value)) %>% 
  head(10) %>% 
  ggplot() +
  geom_bar(aes(x= reorder(name, -eur_value), y=eur_value, fill= eur_value), stat="identity")+
  geom_label(aes(x = reorder(name, -eur_value), y=eur_value, label= eur_value)) +
  coord_flip() +
  labs(title = "Top 10 Nilai Evaluasi Tertinggi", x = "Nama", y = "Nilai Evaluasi")

Apakah pemain dengan skill (overall) yang tinggi juga mempunyai nilai evaluasi yang tinggi ?

untuk menjawab pertanyaan ini, visualisasi yang cukup mudah yang dapat digunakan adalah scatter plot, atau plot 2 dimensi, dari scatter plot ini dapat kita liihat hubungan yang terjadi antara kedua variabel

ggplot(fifa, aes(x=overall, y= eur_value)) + 
  geom_point()+
  geom_smooth() +
  theme_light()

## `geom_smooth()` using method = 'gam' and formula 'y ~ s(x, bs = "cs")'

Club manakah yang mempunyai Nilai Evaluasi Tertinggi ?

fifa %>% 
  group_by(club) %>% 
  summarise(total_eval = sum(eur_value)) %>% 
  top_n(10, total_eval) %>% 
  ggplot() +
  geom_bar(aes(x= reorder(club, -total_eval), y=total_eval, fill=club),stat="identity")+
  coord_flip() +
  geom_label(aes(x = reorder(club, -total_eval), y=total_eval, label = total_eval)) +
  labs(title = "Top 10 Nilai Evaluasi Club tertinggi", x = "Club", y = "Nilai Evaluasi")

Cukup sekian tutorialnya, jangan lupa dishare biar makin berkah. Semoga Bermanfaat :)