Package yang digunakan

library(DBI)
library(RSQLite)
library(tidyverse)
library(DT)
library(ggplot2)

Database

Database yang digunakan adalah database chinook yang terdiri dari 13 tabel seperti dapat terlihat pada diagram berikut

Database chinook menggambarkan toko media digital yang didalamnya terdapat informasi mengenai artis, album, media track, invoice penjualan media digital, serta informasi pelanggan. Data tersebut didapatkan dari data asli Apple iTunes Library. Informasi pelanggan dan karyawan menggunakan nama dan alamat fiktif, sedangkan informasi penjualan menggunakan data random selama 4 tahun.

Chinook <- DBI::dbConnect(RSQLite::SQLite(), "C:/sqlite/db/Chinook.db")

Mengakses database dalam R

Untuk mengakses data dari database, dapat dilakukan dengan 2 cara yaitu :

tab_genre <- dbReadTable(Chinook, name="genres")

query <- dbGetQuery(Chinook, sql
            ("SELECT Name
              FROM Tracks
              WHERE AlbumId=1"))

Data Mining

Data Mining adalah proses yang menggunakan teknik statistika, matematika, kecerdasan buatan, atau machine learning untuk mengekstraksi dan mengidentifikasi informasi yang bermanfaat pada basis data. Data mining melakukan analisis pada database untuk menemukan pola atau hubungan serta meringkas data sehingga dapat dimengerti dan bermanfaat untuk pemilik data.

Hal ini bermula dari masalah ledakan data, dimana tersedia banyak sekali data pada database namun tidak bermakna apa-apa atau tidak dapat menghasilkan informasi (pengetahuan). Hal inilah yang dapat diatasi oleh data mining dan data warehousing dengan mengekstraksi pengetahuan dan informasi yang menarik dari basis data seperti klasifikasi, association rule, sequential pattern, dll.

Data Mining dengan SQL dan R

Pada dasarnya, query dapat dilakukan dengan menggunakan SQL. Namun, semakin berkembangnya teknologi, kebutuhan data tidak terhenti pada proses query yang menghasilkan suatu tabel saja. Setelah query, data akan lebih bermakna jika dilakukan berbagai analisis terhadap data. Hal onilah yang tidak didukung oleh SQL, sehingga dapat digunakan R, python, SAS, dan lainnya untuk melakukan analisis data hasil query database.

Pada R, proses ini dapat dilakukan dengan package dplyr. Berikut adalah beberapa perintah dplyr yang disandingkan dengan query pada SQL

Analisis Sederhana Database Chinook

Selanjutnya, dari database chinook akan diambil beberapa data untuk dilakukan analisis sehingga data tersebut dapat memberikan informasi bagi pengguna.

Hal pertama yang harus dilakukan adalah dengan mengambil data dari database dengan cara yang sudah dipaparkan sebelumnya. Hasil query tersebut adalah suatu dataframe di R. Data yang sudah merupakan suatu dataframe dapat di manipulasi dan diolah dalam r dengan menggunakan package apapun.

Berikut akan diambil data pada tabel customers, invoices, genres, dan tracks dalam database chinook untuk kemudian dilakukan manipulasi dan analisis data sederhana dengan menggunakan package dplyr (yang terdapat dalam tidyverse) dan divisualisasikan dengan ggplot2.

pelanggan <- dbReadTable(Chinook, name="customers")

pelanggan_negara <- pelanggan %>%
  group_by(Country) %>% summarise(Jml_Pelanggan = n())%>%
  rename(Negara=Country)

p <- pelanggan_negara$Jml_Pelanggan

MAX <- max(p)
MIN <- min(p)
RataRata <- mean(p)

ggplot(pelanggan_negara, aes(x = reorder(Negara,-Jml_Pelanggan), 
                             y = Jml_Pelanggan)) +
      geom_segment(aes(x = reorder(Negara,-Jml_Pelanggan), 
                       xend = reorder(Negara,-Jml_Pelanggan), 
                       y = 0,yend = 14), color="gray", lwd=1.5) + 
               
      geom_point(size = 3, pch = 23, bg = "chocolate2", 
                 col = "chocolate2") +
      coord_flip()+
      xlab("Negara") +
      ylab("Jumlah Pelanggan")+
      theme_minimal()

SELECT BillingCountry, Total
FROM   invoices

transaksi_negara <- penjualan %>%
  group_by(BillingCountry) %>% summarise(Penjualan = sum(Total))%>%
  rename(Negara=BillingCountry)

p <- transaksi_negara$Penjualan

MAX <- max(p)
MIN <- min(p)
RataRata <- mean(p)

ggplot(transaksi_negara, aes(x=Negara,y=Penjualan,
                             fill=Penjualan))+
      geom_bar(stat = "identity", width = 0.5, 
               show.legend = FALSE)+
      labs(x="Negara", y="Penjualan") +
      ggtitle("Total Penjualan per Negara") +
      theme_minimal()+theme(axis.text.x = element_text
                            (angle = 90))+
      theme(plot.title = element_text(hjust = 0.5))

SELECT T.TrackId, T.Name AS JudulLagu, G.Name AS Genre
FROM   genres AS G, tracks AS T
WHERE G.GenreId = T.GenreId

genre <- genre %>% 
  group_by(Genre) %>% summarise(Jumlah_Lagu = n())

genre_max <- genre %>% slice_max(Jumlah_Lagu)

genre_min <- genre %>% slice_min(Jumlah_Lagu)

library(plotly)
genreplot <- plot_ly(genre, x = ~Genre, y = ~Jumlah_Lagu,
                      text = ~Jumlah_Lagu, size = ~Jumlah_Lagu,
                      color = ~Jumlah_Lagu, sizes = c(10, 50),
                      marker =
                        list(opacity = 0.7,
                             sizemode = "diameter"))
genreplot <- genreplot%>%layout
genreplot