Vaksin Covid-19 Dari Januari 2021- Januari 2022

Negara-negara mulai menyebarkan vaksin COVID-19 termasuk Negara Indonesia, membawa harapan baru untuk memerangi pandemi global. WHO, UNICEF, Gavi dan banyak mitra lainnya bekerja sama untuk mendukung negara-negara dalam mempersiapkan pengenalan vaksin COVID-19. Dengan perencanaan yang matang, negara-negara dapat memastikan infrastruktur tersedia dan dukungan teknis tersedia untuk mengirimkan vaksin COVID-19 dengan aman. Dengan melakukan analisis Visualisasi dapat memudahkan berbagai pihak melihat persebaran vaksin COVID-19 sudah merata atau ternyata masih banyak yang belum melakukan vaksin COVID-19

Eksplorasi Data Analyst

Persiapan Data

library(tidyverse)
library(glue)
library(plotly)
library(highcharter)
library(lubridate)
library(xtable)
library(dplyr)
library(ggplot2)
library(gganimate)
data_vaksin <- read.csv(file = "country_vaccinations.csv")
vaksin_clean <- data_vaksin
vaksin_clean

Deskripsi Variabel

Data (Vaksinasi Negara-Negara di Dunia) berisi informasi sebagai berikut:

  1. Country- Negara tempat informasi vaksinasi diberikan.
  2. Country ISO Code - kode ISO untuk Negara.
  3. Date - Tanggal pemasukan data; untuk beberapa tanggal hanya memiliki vaksinasi harian, untuk yang lain, hanya total (kumulatif).
  4. Total number of vaccinations - Ini adalah jumlah absolut dari total imunisasi di negara tersebut.
  5. Total number of people vaccinated - Total seseorang melakukan vaksin(akan menerima satu atau lebih, biasanya 2 vaksin).
  6. Total number of people fully vaccinated - Orang yang menerima semua vaksin.
  7. Daily vaccinations (raw) - Jumlah vaksinasi untuk tanggal/negara tersebut.
  8. Daily vaccinations - Jumlah vaksinasi untuk tanggal/negara tersebut.
  9. Total vaccinations per hundred - Rasio (dalam persen) antara jumlah vaksinasi dan jumlah penduduk sampai saat ini di negara tersebut.
  10. Total number of people vaccinated per hundred - Ratio (in percent) between population immunized and total population up to the date in the country.
  11. Total number of people fully vaccinated per hundred - Rasio (dalam persen) antara penduduk yang diimunisasi lengkap dengan jumlah penduduk sampai saat ini di negara tersebut.
  12. Daily vaccinations per million - Rasio (dalam ppm) antara jumlah vaksinasi dan total populasi untuk tanggal saat ini di negara tersebut;
  13. Vaccines used in the country - Jumlah total vaksin yang digunakan di negara tersebut (terkini).
  14. Source name - Sumber informasi (otoritas nasional, organisasi internasional, organisasi lokal, dll.).
  15. Source website - Situs web sumber informasi.
#Struktur Data
vaksin_clean$country <- as.factor(vaksin_clean$country)
vaksin_clean$iso_code <- as.factor(vaksin_clean$iso_code)
vaksin_clean$total_vaccinations <- as.integer(vaksin_clean$total_vaccinations)
vaksin_clean$people_vaccinated <- as.integer(vaksin_clean$people_vaccinated)
vaksin_clean$people_fully_vaccinated <- as.integer(vaksin_clean$people_fully_vaccinated)
vaksin_clean$daily_vaccinations_raw <- as.integer(vaksin_clean$daily_vaccinations_raw)
vaksin_clean$daily_vaccinations <- as.integer(vaksin_clean$daily_vaccinations)
vaksin_clean$total_vaccinations_per_hundred <- as.numeric(vaksin_clean$total_vaccinations_per_hundred)
vaksin_clean$people_vaccinated_per_hundred <- as.numeric(vaksin_clean$people_vaccinated_per_hundred)
vaksin_clean$people_fully_vaccinated_per_hundred <- as.numeric(vaksin_clean$people_fully_vaccinated_per_hundred)
vaksin_clean$daily_vaccinations_per_million <- as.integer(vaksin_clean$daily_vaccinations_per_million)
vaksin_clean$vaccines <- as.factor(vaksin_clean$vaccines)
vaksin_clean$date <- as.Date(vaksin_clean$date, format = "%m/%d/%Y")

glimpse(vaksin_clean)
#> Rows: 73,009
#> Columns: 17
#> $ country                             <fct> Afghanistan, Afghanistan, Afghanis~
#> $ iso_code                            <fct> AFG, AFG, AFG, AFG, AFG, AFG, AFG,~
#> $ date                                <date> 2021-02-22, 2021-02-23, 2021-02-2~
#> $ total_vaccinations                  <int> 0, NA, NA, NA, NA, NA, 8200, NA, N~
#> $ people_vaccinated                   <int> 0, NA, NA, NA, NA, NA, 8200, NA, N~
#> $ people_fully_vaccinated             <int> NA, NA, NA, NA, NA, NA, NA, NA, NA~
#> $ daily_vaccinations_raw              <int> NA, NA, NA, NA, NA, NA, NA, NA, NA~
#> $ daily_vaccinations                  <int> NA, 1367, 1367, 1367, 1367, 1367, ~
#> $ daily_vaccinations_cum              <int> NA, NA, NA, NA, NA, NA, NA, NA, NA~
#> $ daily_vaccinations_cum1             <int> NA, NA, NA, NA, NA, NA, NA, NA, NA~
#> $ total_vaccinations_per_hundred      <dbl> 0.00, NA, NA, NA, NA, NA, 0.02, NA~
#> $ people_vaccinated_per_hundred       <dbl> 0.00, NA, NA, NA, NA, NA, 0.02, NA~
#> $ people_fully_vaccinated_per_hundred <dbl> NA, NA, NA, NA, NA, NA, NA, NA, NA~
#> $ daily_vaccinations_per_million      <int> NA, 34, 34, 34, 34, 34, 34, 40, 45~
#> $ vaccines                            <fct> "Johnson&Johnson, Oxford/AstraZene~
#> $ source_name                         <chr> "World Health Organization", "Worl~
#> $ source_website                      <chr> "https://covid19.who.int/", "https~
vaksin_clean$year <- year(vaksin_clean$date)
vaksin_clean$day <- day(vaksin_clean$date)
month_names <- c("Jan", "Feb", "Mar", "Apr", "May", "Jun", "Jul", "Agt", "Sept", "Okt", "Nov", "Des")
vaksin_clean$Month <- factor(month(vaksin_clean$date), labels=month_names)

Visualisasi Vaksin COVID-19

Total Vaksin di Berbagai Negara

Data visualisasi diatas memberikan informasi angka vaksinasi di seluruh Dunia, dengan skala yang berwarna putih menunjukkan bahwa angka vaksin masih terbilang rendah, sedangkan skala yang berwarna biru tua menunjukan bahwa angka vaksinasi cukup tinggi. Covid-19 pertama kali muncul di Negara China dan angka Covid-19 di China sangat tinggi sehingga untuk mengurangi penyebaran virus China melakukan vaksin besar-besaran yang menjadikan total vaksin di China relatif tinggi.

Persentase Populasi yang Divaksinasi

Persentase Populasi yang Divaksinasi Lengkap

Presentasi yang melakukan Vaksin Dosis 1 dan FUll Dosis 1&2 dapat dilihat pada dua visual gambar diatas, karena pada saat 2020-2021 dikatakan full vaksin hanya sampai dosis dua, sedangkan di tahun 2022 sudah mewajibkan vaksin full ialah hingga booster atau vaksin ketiga. Informasi dari Visualisasi persentase populasi yang divaksin dan divaksin hingga lengkap contohnya Negara Russia yang memberikan angka 104.52% ialah warga Negara Russia yang baru melakukan vaksin satu atau sudah melakukan full vaksin, dan warga Negara Russia yang telah melakukan Full vaksin dosis 1&2 ialah sebanyak 47,61%.

Total Vaksin COVID-19 yang Diberikan di Negara Indonesia dari Januari 2021 - Januari 2022

Di Indonesia, wabah Covid-19 mendominasi seluruh wilayah diberbagai daerah dari waktu ke waktu sehigga pemerintah dengan semangat distribusi vaksin diberbagai daerah guna untuk mengurangi persebaran covid-19 serta menaikkan imunitas masyarakat Indonesia. Dari Grafik diatas menunjukkan kenaikkan vaksin di setiap bulannya dari 12 januari 2021 persebaran vaksin masih 0 dan pada 25 Januari 2022 pemerintah berhasil mengajak masyarakat untuk melakukan vaksinasi covid-19 sebanyak 307.130.862 vaksin. ### Pertumbuhan Vaksin COVID-19 di Indonesia pada Tahun 2021

plot_5 <- filter(vaksin_indo, year=="2021")
ggplot(plot_5, aes(day, daily_vaccinations_cum, group = Month)) + 
  geom_line(fill="#a29ecd", size = 0.5) + 
  geom_segment(aes(xend = 31, yend= daily_vaccinations_cum),fill="darkblue", col="darkblue",binwidth = 5000) +
  geom_point(color="black", size=2.5) + 
  geom_text(aes(x = 32, label = Month), hjust = 0) + 
  transition_reveal(day) + 
  coord_cartesian(clip = 'off') + 
  xlab("Day")+
  ylab("Total Vaksin")+
  ggtitle("Pertumbuhan Vaksin COVID-19 di Indonesia Tahun 2021") +
  theme_light()