Lembaga : Universitas Islam Negeri Maulana Malik Ibrahim Malang

Fakultas : Sains dan Teknologi

Jurusan : Teknik Informatika

Mata Kuliah : Linier Algebra

0.1 Pengertian Pivot

Pivot adalah proses membuat rangkuman, melakukan analisa, eksplorasi, dan mempresentasikan data. Salah satu software yang menyediakan fitur Pivot adalah MSExcel. Pada MSExcel terdapat fitur PivotTable dimana biasanya merupakan laporan berbentuk tabel yang dalam waktu saat singkat mampu menampilkan ringkasan berdasarkan jumlah data besar kedalam bentuk atau orientasi berbeda dan sanggup melakukan kalkulasi dalam setiap item yang dibutuhkan. Contoh : apabila kita mempunyai data yang diunduh dari sebuah database atau dibuat sendiri dengan jumlah ratusan, ribuan, atau bahkan ratusan ribu baris data, tentunya akan sulit untuk mengolah serta mendapatkan informasi secara cepat. Informasi yang dimaksud misalnya : Menampilkan data berdasarkan kriteria atau perhitungan tertentu, membandingkan antar field (kolom) satu dengan yang lainnya, menampilkan perulangan data, hubungan perulangan data pada suatu periode dan lain sebagainya. Selain itu bahasa pemrograman R juga menyediakan fitur provitdata. Berikut penerapan pivotdata outlow uang kartal di Pulau Jawa pada tahun 2017 menggunakan bahasa pemrograman R.

library(readxl)

## Warning: package 'readxl' was built under R version 4.1.2

dataoutflowJawa <- read_excel(path = "outflowdataJawa.xlsx")
dataoutflowJawa

## # A tibble: 6 x 13
##   Provinsi    Januari Februari  Maret  April    Mei   Juni   Juli Agustus September
##   <chr>         <dbl>    <dbl>  <dbl>  <dbl>  <dbl>  <dbl>  <dbl>   <dbl>     <dbl>
## 1 DKI Jakarta   9362.    7560. 16382. 11852. 18705. 3.39e4 6.07e3 15206.      9570.
## 2 Jawa Barat    1413.    2631.  4297.  3500.  4533. 1.53e4 1.32e3  4072.      2251.
## 3 Jawa Tengah   1444.    2968.  4389.  4339.  5501. 1.79e4 1.15e3  5233.      3827.
## 4 Yogyakarta     401.     651.  1250.  1132.  1429. 4.32e3 4.84e2  1741.      1104.
## 5 Jawa Timur    2444.    4603.  7882.  6755.  8701. 2.24e4 2.42e3  8428.      5490.
## 6 Banten           0        0      0      0      0  2.12e1 3.08e0    74.5      148.
## # ... with 3 more variables: Oktober <dbl>, November <dbl>, Desember <dbl>

library(tidyverse)

## Warning: package 'tidyverse' was built under R version 4.1.2

## -- Attaching packages --------------------------------------- tidyverse 1.3.1 --

## v ggplot2 3.3.5     v purrr   0.3.4
## v tibble  3.1.6     v dplyr   1.0.7
## v tidyr   1.1.3     v stringr 1.4.0
## v readr   2.0.1     v forcats 0.5.1

## Warning: package 'tibble' was built under R version 4.1.2

## -- Conflicts ------------------------------------------ tidyverse_conflicts() --
## x dplyr::filter() masks stats::filter()
## x dplyr::lag()    masks stats::lag()

0.1.1 Kasus Data Outflow Uang Kartal di Pulau Jawa pada Bulan Januari-Oktober 2017

datalongerJawa <- dataoutflowJawa %>% 
  pivot_longer(!Provinsi, names_to = "Bulan", values_to = "Kasus")
datalongerJawa

## # A tibble: 72 x 3
##    Provinsi    Bulan      Kasus
##    <chr>       <chr>      <dbl>
##  1 DKI Jakarta Januari    9362.
##  2 DKI Jakarta Februari   7560.
##  3 DKI Jakarta Maret     16382.
##  4 DKI Jakarta April     11852.
##  5 DKI Jakarta Mei       18705.
##  6 DKI Jakarta Juni      33913.
##  7 DKI Jakarta Juli       6073.
##  8 DKI Jakarta Agustus   15206.
##  9 DKI Jakarta September  9570.
## 10 DKI Jakarta Oktober   13221.
## # ... with 62 more rows

0.1.2 Pivot Data Outflow Uang Kartal di Pulau Jawa berdasarkan Kasus

library(dplyr)
Jawa2 <- select(datalongerJawa, Provinsi, Kasus)
Jawa2 

## # A tibble: 72 x 2
##    Provinsi     Kasus
##    <chr>        <dbl>
##  1 DKI Jakarta  9362.
##  2 DKI Jakarta  7560.
##  3 DKI Jakarta 16382.
##  4 DKI Jakarta 11852.
##  5 DKI Jakarta 18705.
##  6 DKI Jakarta 33913.
##  7 DKI Jakarta  6073.
##  8 DKI Jakarta 15206.
##  9 DKI Jakarta  9570.
## 10 DKI Jakarta 13221.
## # ... with 62 more rows

0.1.3 Kasus Data Outflow Uang Kartal di Yogyakarta pada Bulan Januari - Desember 2017

library(dplyr)
Yogyakartaup4 <- datalongerJawa %>%
    filter(Provinsi == 'Yogyakarta') %>%
    select('Provinsi', 'Bulan', 'Kasus')
Yogyakartaup4

## # A tibble: 12 x 3
##    Provinsi   Bulan     Kasus
##    <chr>      <chr>     <dbl>
##  1 Yogyakarta Januari    401.
##  2 Yogyakarta Februari   651.
##  3 Yogyakarta Maret     1250.
##  4 Yogyakarta April     1132.
##  5 Yogyakarta Mei       1429.
##  6 Yogyakarta Juni      4320.
##  7 Yogyakarta Juli       484.
##  8 Yogyakarta Agustus   1741.
##  9 Yogyakarta September 1104.
## 10 Yogyakarta Oktober   1042.
## 11 Yogyakarta November  1560.
## 12 Yogyakarta Desember  1697.

0.1.4 Kasus Data Outflow Uang Kartal di Jawa Tengah pada Bulan September 2017

Yogyakartaup5 <- datalongerJawa %>%
  filter(Provinsi == 'Jawa Tengah', Bulan == 'September') %>%
 select('Provinsi', 'Bulan', 'Kasus')
Yogyakartaup5

## # A tibble: 1 x 3
##   Provinsi    Bulan     Kasus
##   <chr>       <chr>     <dbl>
## 1 Jawa Tengah September 3827.

0.1.5 Visualisasi Pivot Data Outflow Uang Kartal di Pulau Jawa Berdasarkan Provinsi

ggplot(data = datalongerJawa, mapping = aes(x = Bulan, y = Kasus)) +
  geom_point() +
  facet_wrap( ~ Provinsi) +
  theme(axis.text.x = element_text(angle = 90))

0.1.6 Visualisasi Pivot Data Outflow Uang Kartal di Pulau Jawa Berdasarkan Bulan

ggplot(data = datalongerJawa, mapping = aes(x = Provinsi, y = Kasus)) +
  geom_point() +
  facet_wrap( ~ Bulan) +
  theme(axis.text.x = element_text(angle = 90))