Pengenalan Plotly

Plotly adalah salah satu modul untuk visualisasi pada python dan R. Package ini memiliki kelebihan untuk membuat visualisasi data yang interaktif. Informasi lengkap mengenai package ini bisa diperoleh di link di bawah ini:

https://plotly.com/r

Package lain untuk visualisasi yang biasa digunakan adalah ggplot dan ggplot2

Scatter Plot

Scatter Plot adalah plot berupa titik-titik data dalam dimensi 2 ataupun 3. Tujuan melakukan plot dalam bentuk ini adalah melihat sebaran data, melihat pola-pola sebaran data dalam bentuk kelompok, bisa juga untuk melihat pola keterkaitan(korelasi), ataupun kedekatan antar titik data. Pada modul ini kita akan mempelajari visualisasi data untuk 2 dimensi dulu.

Secara umum, susunan sytax untuk Scater Plot pada Modul PlotLy adalah sebagai berikut:

Visualisasi data 2 vektor (vektor sumbu x dan vektor sumbu y)

library(plotly)
## Loading required package: ggplot2
## Warning: package 'ggplot2' was built under R version 4.0.3
## 
## Attaching package: 'plotly'
## The following object is masked from 'package:ggplot2':
## 
##     last_plot
## The following object is masked from 'package:stats':
## 
##     filter
## The following object is masked from 'package:graphics':
## 
##     layout
#Membuat scatter plot 
fig <- plot_ly(x = ~c(1,2,3,4,5,6,7,8),           #Sumbu x
               y = ~c(10,29,34,32,56,45,20,34))   #Sumbu y
#Menambah judul dan annotasi
fig <- fig %>% layout(title = 'Scatter Plot',     #Judul gambar
         xaxis = list(title = 'X',                #Label sumbu x
                      zeroline = TRUE,
                      range = c(0, 10)),
         yaxis = list(title = 'Y',                #Label sumbu y
                      range = c(0,50)))
#Menampilkan hasil visualisasi
fig
## No trace type specified:
##   Based on info supplied, a 'scatter' trace seems appropriate.
##   Read more about this trace type -> https://plot.ly/r/reference/#scatter
## No scatter mode specifed:
##   Setting the mode to markers
##   Read more about this attribute -> https://plot.ly/r/reference/#scatter-mode
## Warning: `arrange_()` is deprecated as of dplyr 0.7.0.
## Please use `arrange()` instead.
## See vignette('programming') for more help
## This warning is displayed once every 8 hours.
## Call `lifecycle::last_warnings()` to see where this warning was generated.

Visualisasi data 2 vektor dalam DataFrame

library(plotly)
#Membuat scatter plot 
fig <- plot_ly(data = iris,               #Data Frame yang digunakan
               x = ~Sepal.Length,         #Sumbu x
               y = ~Petal.Length)         #Sumbu y
#Menambah judul dan annotasi
fig <- fig %>% layout(title = 'Iris Plot',     #Judul gambar
         xaxis = list(title = 'Sepal Length',  #Label sumbu x
                      zeroline = TRUE),
         yaxis = list(title = 'Petal Length'))  #Label sumbu y
#Menampilkan hasil visualisasi
fig
## No trace type specified:
##   Based on info supplied, a 'scatter' trace seems appropriate.
##   Read more about this trace type -> https://plot.ly/r/reference/#scatter
## No scatter mode specifed:
##   Setting the mode to markers
##   Read more about this attribute -> https://plot.ly/r/reference/#scatter-mode

Scatter Plot Dengan Kategori Berwarna

library(plotly)
#Membuat Scatter Plot
fig <- plot_ly(data = iris,                    #Data Frame
               x = ~Sepal.Length,              #Sumbu x
               y = ~Petal.Length,              #Sumbu y
               color = ~Species)               #Category
#Menambah judul dan annotasi
fig <- fig %>% layout(title = 'Iris Plot',     #Judul gambar
         xaxis = list(title = 'Sepal Length',  #Label sumbu x
                      zeroline = TRUE),
         yaxis = list(title = 'Petal Length')) #Label sumbu y
#Menamilkan hasil visualisasi
fig
## No trace type specified:
##   Based on info supplied, a 'scatter' trace seems appropriate.
##   Read more about this trace type -> https://plot.ly/r/reference/#scatter
## No scatter mode specifed:
##   Setting the mode to markers
##   Read more about this attribute -> https://plot.ly/r/reference/#scatter-mode

## Line Plot Line Plot atau Diagram garis digunakan untuk mevisualisasikan data dalam bentuk garis. Tujuannya adalah untuk melihat pergerakan sebuah data apakah menaik atau menurun. Line Plot Dasar

library(plotly)
#Menyiapkan Data
x <- c(1:100)
random_y <- rnorm(100, mean = 0)
data <- data.frame(x, random_y)
#Membuat line plot
fig <- plot_ly(data, x = ~x, y = ~random_y, type = 'scatter', mode = 'lines')

#Menambah judul dan annotasi
fig <- fig %>% layout(title = 'Line Plot',     #Judul gambar
         xaxis = list(title = 'X',             #Label sumbu x
                      zeroline = TRUE),
         yaxis = list(title = 'Y'))            #Label sumbu y
#Menampilkan hasil visualisasi
fig

Line Plot COVID-19 Indonesia 

library(httr)
## 
## Attaching package: 'httr'
## The following object is masked from 'package:plotly':
## 
##     config
library(ggplot2)
library(tidyr)
library(lubridate)
## 
## Attaching package: 'lubridate'
## The following objects are masked from 'package:base':
## 
##     date, intersect, setdiff, union
library(dplyr)
## 
## 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(rjson)
library(leaflet)
library(RCurl)
## 
## Attaching package: 'RCurl'
## The following object is masked from 'package:tidyr':
## 
##     complete
library(plotly)

### Olah Data Line Plot

url_use <- GET("https://data.covid19.go.id/public/api/update.json")
data_raw <- content(url_use, as = "parsed", simplifyVector = TRUE)
tanggal_upadate<-data_raw$update$penambahan$created
tanggal_upadate = as.Date(tanggal_upadate)
tanggal_u <- day(tanggal_upadate)
bulan_u <- month(tanggal_upadate)
tahun_u <- year(tanggal_upadate)
cov_id_update <- data_raw$update 
lapply(cov_id_update, names)
## $penambahan
## [1] "jumlah_positif"   "jumlah_meninggal" "jumlah_sembuh"    "jumlah_dirawat"  
## [5] "tanggal"          "created"         
## 
## $harian
##  [1] "key_as_string"        "key"                  "doc_count"           
##  [4] "jumlah_meninggal"     "jumlah_sembuh"        "jumlah_positif"      
##  [7] "jumlah_dirawat"       "jumlah_positif_kum"   "jumlah_sembuh_kum"   
## [10] "jumlah_meninggal_kum" "jumlah_dirawat_kum"  
## 
## $total
## [1] "jumlah_positif"   "jumlah_dirawat"   "jumlah_sembuh"    "jumlah_meninggal"
tanggal   <- cov_id_update$harian$key
tanggal = as.POSIXct(tanggal / 1000, origin = "1970-01-01")
tanggal = as.Date(tanggal)
positif   <- cov_id_update$harian$jumlah_positif
dirawat   <- cov_id_update$harian$jumlah_dirawat
meninggal <- cov_id_update$harian$jumlah_meninggal
sembuh    <- cov_id_update$harian$jumlah_sembuh
positif_kum   <- cov_id_update$harian$jumlah_positif_kum
dirawat_kum   <- cov_id_update$harian$jumlah_dirawat_kum
meninggal_kum <- cov_id_update$harian$jumlah_meninggal_kum
sembuh_kum    <- cov_id_update$harian$jumlah_sembuh_kum


dataframe <- data.frame(tanggal, 
                        positif, 
                        meninggal, 
                        sembuh,
                        positif_kum, 
                        sembuh_kum, 
                        meninggal_kum)

names(dataframe)[names(dataframe) == "value"]   <- "KASUS"
names(dataframe)[names(dataframe) == "value.1"] <- "MENINGGAL"
names(dataframe)[names(dataframe) == "value.2"] <- "SEMBUH"
names(dataframe)[names(dataframe) == "value.3"] <- "AKUMULASI_KASUS"
names(dataframe)[names(dataframe) == "value.4"] <- "AKUMULASI_SEMBUH"
names(dataframe)[names(dataframe) == "value.5"] <- "AKUMULASI_MENINGGAL"

#print(dataframe)

new_dataframe <-
  dataframe[,1:4]%>% 
  rename(
    kasus_baru = KASUS,
    meninggal = MENINGGAL,
    sembuh = SEMBUH
  ) %>% 
  mutate(
    tanggal = as.Date(tanggal)
  )
#print(new_dataframe)

akumulasi <- 
  new_dataframe%>% 
  transmute(
    tanggal,
    akumulasi_kasus_aktif = cumsum(kasus_baru)- cumsum(sembuh) - cumsum(meninggal),
    akumulasi_sembuh = cumsum(sembuh),
    akumulasi_meninggal = cumsum(meninggal)
  )
#print(akumulasi)

bulanan <- new_dataframe %>% 
  count(
    tahun = year(tanggal),
    bulan_ke = month(tanggal),
    wt = kasus_baru,
    name="Kasus Baru"
  )
#print(bulanan)
fig <- plot_ly(akumulasi, x = ~tanggal, y = ~akumulasi_kasus_aktif,
                   name="Akumulasi Kasus Aktif",
                   line = list(color = 'rgb(22, 96, 167)'), 
                   marker = list(color = 'rgb(22, 96, 167)'),
                   type = 'scatter', mode = 'lines+markers')
fig <- fig %>% add_trace(y = ~akumulasi_sembuh,
                         name = "Akumulasi Kasus Sembuh",
                         line = list(color = 'rgb(96, 167, 22)'), 
                         marker = list(color = 'rgb(96, 167, 22)'),
                         type = 'scatter', mode = 'lines+markers') 
fig <- fig %>% add_trace(y = ~akumulasi_meninggal, 
                         name = "Akumulasi Kasus Meninggal",
                         line = list(color = 'rgb(167, 1, 1)'), 
                         marker = list(color = 'rgb(167, 1, 1)'),
                         type = 'scatter', mode = 'lines+markers')
fig <- fig %>% layout(title = "Kasus Aktif, Sembuh, dan Meninggal Per-Hari",
                         xaxis = list(title = "Tanggal"),
                         yaxis = list (title = "Jumlah"))
    
fig

Bar Plot

Bar plot atau diagram batang, diagra ini cocok untuk membandingkan nilai data yang cukup banyak. Berfungsi untuk melihat kenaikan atau penurunan data.

Bar Plot Dasar

library(plotly)
#Membuat bar plot
fig <- plot_ly(
  x = c("giraffes", "orangutans", "monkeys"),     #Sumbu x
  y = c(20, 14, 23),                              #Sumbu y
  name = "SF Zoo",
  type = "bar"
)
fig <- fig %>% layout(title = "Bar Plot",
                         xaxis = list(title = "X"),
                         yaxis = list (title = "Y"))
#Menampilkan Hasil Visualisasi
fig

Bar Plot COVID-19 Indonesia 

fig = plot_ly(bulanan, 
              x=~bulan_ke, 
              y=~`Kasus Baru`, 
              type="bar", 
              name = "Kasus Baru")

fig <- fig %>% layout(
  title = "Tren Bulanan COVID-19 Nasional",
  xaxis = list(title = 'Bulan'),
  yaxis = list(title = 'Jumlah'))
    
fig

Pie Plot

Visualisasi diagram lingkaran fokus untuk menampilkan perbandingan data. Lebih baik digunakan untuk jumlah variabel yang sedikit.

Pie Plot Dasar

library(plotly)
#Menyiapkan Data
USPersonalExpenditure <- data.frame("Categorie"=rownames(USPersonalExpenditure), USPersonalExpenditure)
data <- USPersonalExpenditure[,c('Categorie', 'X1960')]
#Pie plot
fig <- plot_ly(data, 
               labels = ~Categorie, 
               values = ~X1960, 
               type = 'pie')

fig <- fig %>% layout(
  title = 'United States Personal Expenditures by Categories in 1960',
  xaxis = list(showgrid = FALSE, zeroline = FALSE, showticklabels = FALSE),
  yaxis = list(showgrid = FALSE, zeroline = FALSE, showticklabels = FALSE))

fig

Pie Plot COVID-19 DIY

#Menyiapkan data
prov="DAERAH_ISTIMEWA_YOGYAKARTA"
link <- "https://data.covid19.go.id/public/api/prov_detail_"
json_t <- ".json"
url_prov <- paste(link,prov,json_t,sep="")
url_use <- GET(url_prov)
data_raw <- content(url_use, as = "parsed", simplifyVector = TRUE)
    
gejala<-data_raw$data$kasus$gejala$list_data
    
gejala$doc_count<-round(gejala$doc_count, digits=2)
names(gejala)[names(gejala) == "key"] <- "Gejala"

#Pie plot
fig <- plot_ly(gejala, 
               labels = ~Gejala, 
               values = ~doc_count, 
               type = 'pie')

fig <- fig %>% layout(
  title = 'Penyakit Gejala COVID-19 DIY',
  xaxis = list(showgrid = FALSE, zeroline = FALSE, showticklabels = FALSE),
  yaxis = list(showgrid = FALSE, zeroline = FALSE, showticklabels = FALSE))

fig

Referensi

https://plotly.com