knitr::opts_chunk$set(echo = TRUE)

1 Dataset Pokemon

Pada artikel ini Saya akan menganalisis artikel ini sebagai bahan latihan Analisis Data Eksploratif menggunakan R. Pada kali ini, data yang digunakan adalah data pokemon.pokemon merupakan dataset yang terdiri dari beberapa variabel diantaranya adalah nama pokemon, jenis pokemon, dan karakteristik kekuatan pokemon.

kolom-kolom pada dataset antara lain:

  • number : nomor seri pokemon
  • name : nama pokemon
  • type : type pokemon
  • total : total dari semua variabel
  • hp : health point
  • attack : kekuatan serangan pokemon
  • defense : kekuatan pertahanan pokemon
  • spesial_attack : kekuatann serangan khusus
  • spesial_defense : kekuatan pertahanan khusus
  • speed : kecepatan pokemon

2 persiapan {table}

2.1 library

if(!require(tidyverse)) install.packages("tidyverse")
if(!require(skimr)) install.packages("skimr")
if(!require(DataExplorer)) install.packages("DataEksplorer")

library(tidyverse)
library(skimr)
library(DataExplorer)

2.2 impor dataset

library(readr)

pokemon <- read_csv("G:/PERPUSTAKAAN_ANAS/edar-master/data/pokemon.csv")
View(pokemon)
pokemon

3 Ringkasan data

glimpse(pokemon)
## Rows: 1,168
## Columns: 10
## $ number          <chr> " 001", " 001", " 002", " 002", " 003", " 003", " 0...
## $ name            <chr> "Bulbasaur", "Bulbasaur", "Ivysaur", "Ivysaur", "Ve...
## $ type            <chr> "GRASS", "POISON", "GRASS", "POISON", "GRASS", "POI...
## $ total           <dbl> 318, 318, 405, 405, 525, 525, 625, 625, 309, 405, 5...
## $ hp              <dbl> 45, 45, 60, 60, 80, 80, 80, 80, 39, 58, 78, 78, 78,...
## $ attack          <dbl> 49, 49, 62, 62, 82, 82, 100, 100, 52, 64, 84, 84, 1...
## $ defense         <dbl> 49, 49, 63, 63, 83, 83, 123, 123, 43, 58, 78, 78, 1...
## $ special_attack  <dbl> 65, 65, 80, 80, 100, 100, 122, 122, 60, 80, 109, 10...
## $ special_defense <dbl> 65, 65, 80, 80, 100, 100, 120, 120, 50, 65, 85, 85,...
## $ speed           <dbl> 45, 45, 60, 60, 80, 80, 80, 80, 65, 80, 100, 100, 1...
summary(pokemon)
##     number              name               type               total      
##  Length:1168        Length:1168        Length:1168        Min.   :180.0  
##  Class :character   Class :character   Class :character   1st Qu.:334.0  
##  Mode  :character   Mode  :character   Mode  :character   Median :453.0  
##                                                           Mean   :435.6  
##                                                           3rd Qu.:515.0  
##                                                           Max.   :780.0  
##        hp             attack          defense       special_attack  
##  Min.   :  1.00   Min.   :  5.00   Min.   :  5.00   Min.   : 10.00  
##  1st Qu.: 50.00   1st Qu.: 55.00   1st Qu.: 50.00   1st Qu.: 50.00  
##  Median : 66.00   Median : 75.00   Median : 70.00   Median : 65.00  
##  Mean   : 69.53   Mean   : 78.82   Mean   : 74.37   Mean   : 72.62  
##  3rd Qu.: 82.00   3rd Qu.:100.00   3rd Qu.: 90.00   3rd Qu.: 95.00  
##  Max.   :255.00   Max.   :190.00   Max.   :230.00   Max.   :194.00  
##  special_defense      speed       
##  Min.   : 20.00   Min.   :  5.00  
##  1st Qu.: 50.00   1st Qu.: 47.00  
##  Median : 70.00   Median : 65.50  
##  Mean   : 71.72   Mean   : 68.59  
##  3rd Qu.: 90.00   3rd Qu.: 90.00  
##  Max.   :230.00   Max.   :180.00
skim(pokemon)
Data summary
Name pokemon
Number of rows 1168
Number of columns 10
_______________________
Column type frequency:
character 3
numeric 7
________________________
Group variables None

Variable type: character

skim_variable n_missing complete_rate min max empty n_unique whitespace
number 0 1 4 6 0 772 0
name 0 1 3 26 0 773 0
type 0 1 3 8 0 18 0

Variable type: numeric

skim_variable n_missing complete_rate mean sd p0 p25 p50 p75 p100 hist
total 0 1 435.63 116.53 180 334 453.0 515 780 ▃▆▇▂▁
hp 0 1 69.53 24.92 1 50 66.0 82 255 ▃▇▁▁▁
attack 0 1 78.82 31.71 5 55 75.0 100 190 ▂▇▆▂▁
defense 0 1 74.37 30.76 5 50 70.0 90 230 ▃▇▂▁▁
special_attack 0 1 72.62 31.77 10 50 65.0 95 194 ▅▇▅▂▁
special_defense 0 1 71.72 27.27 20 50 70.0 90 230 ▇▇▂▁▁
speed 0 1 68.59 28.32 5 47 65.5 90 180 ▃▇▆▁▁ 
plot_intro(pokemon)

# interpretasi terlihat bahwa dataset yang mau dianalisis tidak terdapat eror

plot_missing(pokemon)

# interpretasi missing rows 0% semua, yang artinya dataset siap digunakan, tidak ada eror # variasi

3.1 data kontinu

plot_histogram(pokemon)

3.2 data kategorikal

plot_bar(pokemon)
## 2 columns ignored with more than 50 categories.
## number: 772 categories
## name: 773 categories

4 kovarian

4.1 koefisien korelasi

plot_correlation(pokemon)
## 2 features with more than 20 categories ignored!
## number: 772 categories
## name: 773 categories

4.2 kategorikal vs kontinu

plot_boxplot(pokemon, by = "type")

4.3 kontinu vs kontinu

plot_scatterplot(pokemon, by = "total")

5 jenis pokemon terkuat

pokemon %>%
  ggplot()+
  geom_boxplot(aes(x = type, y = total))+
  coord_flip()

# interpretasi dari boxplot tersebut terlihat bahwa jenis dragon mempunyai distribusi yang normal serta merupakan jenis pokemon yang terkuat dari jenis lainnya # pokemon terkuat

pokemon %>%
  arrange(desc(total))

6 pokemon terlemah

pokemon %>%
  arrange(total)

7 pokemon tercepat

pokemon %>%
  arrange(desc(speed))

8 pokemon terkuat dari tiap jenisnya

max <-pokemon %>%
  group_by(type) %>%
  summarise(total = max(total))
## `summarise()` ungrouping output (override with `.groups` argument)
pokemon %>%
  right_join(max, by = c("type", "total"))

9 pokemon dengan tingkat serangan tertinggi spesialisasi dari setiap jenisnya

max <-pokemon %>%
  group_by(type) %>%
  summarise(special_attack = max(special_attack))
## `summarise()` ungrouping output (override with `.groups` argument)
pokemon %>%
  right_join(max, by = c("type", "special_attack"))

10 pokemon dengan tingkat pertahanan spesialisasi tertinggi dari setiap jenisnya

max <-pokemon %>%
  group_by(type) %>%
  summarise(defense = max(defense))
## `summarise()` ungrouping output (override with `.groups` argument)
pokemon %>%
  right_join(max, by = c("type", "defense"))

11 apakah pokemon dengan tingkat serangan spesialisasi tinggi akan mempunyai tingkat pertahanan spesialisas tinggi juga?

ggplot(pokemon, aes(x = special_attack, y = special_defense))+
  geom_point()+
  geom_smooth()
## `geom_smooth()` using method = 'gam' and formula 'y ~ s(x, bs = "cs")'

# interpretasi artinya pokemon yang memiliki special_attack tinggi belum tentu memiliki special_defense tinggi juga

12 Ucapan penutup

Demikian hasil EDA dataset pokemon, apabila terdapat kesalahan mohon dimaafkan. Terima kasih dan sampai jumpa