Unversitas Islam Negeri Maulana Malik Ibrahim Malang
Teknik Infromatika
Linear Algebra (b)
Inflow, disebut investasi sebagai langsung dalam ekonomi pelaporan, termasuk semua kewajiban dan aset yang ditransfer antara perusahaan investasi langsung penduduk dan investor langsung mereka. Ini juga mencakup transfer aset dan kewajiban antara perusahaan yang bertempat tinggal dan yang tidak residen, jika orang tua pengendali utama adalah bukan penduduk.
Outflow, disebut sebagai investasi langsung di luar negeri, termasuk aset dan kewajiban yang ditransfer antara investor langsung penduduk dan perusahaan investasi langsung mereka. Ini juga mencakup transfer aset dan kewajiban antara sesama dan non-residen perusahaan, jika orang tua pengendali utama adalah penduduk. Investasi langsung keluar juga disebut investasi langsung di luar negeri.
Dibawah ini merupakan contoh penerapan visualisasi prediksi data Inflow-Outflow Uang Kartal di Sumatera Utara menggunakan bahasa permograman R.
library(readxl)
## Warning: package 'readxl' was built under R version 4.1.2
datainflow <- read_excel(path = "Inflowsumatera.xlsx")
datainflow
## # A tibble: 11 x 12
## Tahun Sumatera Aceh `Sumatera Utara` `Sumatera Barat` Riau `Kep. Riau`
## <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl>
## 1 2011 57900. 2308. 23238. 9385. 3012. 1426.
## 2 2012 65911. 2620. 25981. 11192. 4447. 2236.
## 3 2013 98369. 36337. 18120. 14056. 8933. 3378.
## 4 2014 86024. 4567. 30503. 14103. 6358. 2563.
## 5 2015 86549. 4710. 30254. 13309. 7156. 3218.
## 6 2016 97764. 5775. 34427. 14078. 8211. 4317.
## 7 2017 103748. 5514. 35617. 15312. 8553. 4412.
## 8 2018 117495. 5799. 41769. 15058. 10730. 5134.
## 9 2019 133762. 7509. 47112. 14750. 10915. 6077.
## 10 2020 109345. 6641. 36609. 10696. 9148. 6175.
## 11 2021 89270. 3702. 31840. 10748. 7769. 5009.
## # ... with 5 more variables: Jambi <dbl>, `Sumatera Selatan` <dbl>,
## # Bengkulu <dbl>, Lampung <dbl>, `Kep. Bangka Belitung` <dbl>
library(readxl)
dataoutflow <- read_excel(path = "OutflowSumatera.xlsx")
dataoutflow
## # A tibble: 11 x 12
## Tahun Sumatera Aceh `Sumatera Utara` `Sumatera Barat` Riau `Kep. Riau`
## <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl>
## 1 2011 80092. 6338. 22176. 5300. 12434. 5819.
## 2 2012 85235. 6378. 22495. 6434. 13014. 6966.
## 3 2013 103288. 23278. 19235. 6511. 15460. 8747.
## 4 2014 102338. 8630. 26391. 7060. 15158. 10122.
## 5 2015 109186. 9637. 27877. 7471. 15789. 9803.
## 6 2016 121992. 11311. 31959. 9198. 17645. 10068.
## 7 2017 133606. 11760. 35243. 10754. 18128. 10749.
## 8 2018 135676. 11450. 36908. 8447. 17926. 12597.
## 9 2019 153484. 13087. 44051. 9465. 19277. 12644.
## 10 2020 140589. 12874. 39758. 8763. 19139. 8461.
## 11 2021 86627. 5770. 23453. 5941. 12631. 5128.
## # ... with 5 more variables: Jambi <dbl>, `Sumatera Selatan` <dbl>,
## # Bengkulu <dbl>, Lampung <dbl>, `Kep. Bangka Belitung` <dbl>
plot(datainflow$Tahun,datainflow$`Sumatera Utara`,type = "l", col= "red")
plot(dataoutflow$Tahun,dataoutflow$`Sumatera Utara`,type = "l", col= "green")
plot(datainflow$Tahun,datainflow$`Sumatera Utara`,type = "l", col= "blue")
lines(dataoutflow$Tahun,dataoutflow$`Sumatera Utara`,col="orange")
legend("top",c("Inflow","Outflow"),fill=c("green","blue"))
library(readxl)
datainflowperbulan <- read_excel(path = "Inflowbulanansumatera.xlsx")
datainflowperbulan
## # A tibble: 12 x 12
## Bulan Sumatera Aceh `Sumatera Utara` `Sumatera Barat` Riau
## <dttm> <dbl> <dbl> <dbl> <dbl> <dbl>
## 1 2011-01-01 00:00:00 4164. 124. 2068. 545. 94.2
## 2 2011-02-01 00:00:00 3338. 115. 1826. 450. 96.4
## 3 2011-03-01 00:00:00 4878. 154. 2028. 849. 288.
## 4 2011-04-01 00:00:00 3157. 122. 1429. 539. 160.
## 5 2011-05-01 00:00:00 3821. 123. 1539. 692. 195.
## 6 2011-06-01 00:00:00 3686. 151. 1637. 592. 101.
## 7 2011-07-01 00:00:00 4370. 107. 1791. 800. 143.
## 8 2011-08-01 00:00:00 3668. 184. 1256. 586. 134.
## 9 2011-09-01 00:00:00 12875. 606. 4172. 2176. 1014.
## 10 2011-10-01 00:00:00 4777. 158. 1941. 787. 341.
## 11 2011-11-01 00:00:00 5670. 287. 1943. 854. 285.
## 12 2011-12-01 00:00:00 3496. 176. 1608. 513. 161.
## # ... with 6 more variables: `Kep. Riau` <dbl>, Jambi <dbl>,
## # `Sumatera Selatan` <dbl>, Bengkulu <dbl>, Lampung <dbl>,
## # `Kep. Bangka Belitung` <dbl>
library(readxl)
dataoutflowperbulan <- read_excel(path = "Outflowbulanansumatera.xlsx")
dataoutflowperbulan
## # A tibble: 12 x 12
## Bulan Sumatera Aceh `Sumatera Utara` `Sumatera Barat` Riau
## <dttm> <dbl> <dbl> <dbl> <dbl> <dbl>
## 1 2011-01-01 00:00:00 3442. 350. 941. 307. 478.
## 2 2011-02-01 00:00:00 3989. 193. 990. 228. 400.
## 3 2011-03-01 00:00:00 4229. 230. 1209. 347. 621.
## 4 2011-04-01 00:00:00 6721. 529. 1653. 336. 1006.
## 5 2011-05-01 00:00:00 5787. 523. 1465. 328. 1000.
## 6 2011-06-01 00:00:00 7395. 406. 2167. 399. 1366.
## 7 2011-07-01 00:00:00 7154. 958. 1695. 449. 815.
## 8 2011-08-01 00:00:00 16043. 1046. 4104. 1376. 2729.
## 9 2011-09-01 00:00:00 1915. 124. 824. 148. 154.
## 10 2011-10-01 00:00:00 5174. 634. 1392. 299. 830.
## 11 2011-11-01 00:00:00 5610. 595. 1598. 350. 874.
## 12 2011-12-01 00:00:00 12634. 750. 4140. 734. 2160.
## # ... with 6 more variables: `Kep. Riau` <dbl>, Jambi <dbl>,
## # `Sumatera Selatan` <dbl>, Bengkulu <dbl>, Lampung <dbl>,
## # `Kep. Bangka Belitung` <dbl>
plot(datainflowperbulan$`Sumatera Utara`, type = "l", col = "blue")
lines(dataoutflowperbulan$`Sumatera Utara`,col="yellow")
legend("top",c("Inflow","Outflow"),fill=c("red","green"))
SumateraUtaratimeseries <- datainflowperbulan$`Sumatera Utara`
plot.ts(SumateraUtaratimeseries , type = "l", col = "red")
logSumateraUtara <- log(datainflowperbulan$`Sumatera Utara`)
plot.ts(logSumateraUtara)