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 inflow Uang Kartal di Pulau Sumatera pada tahun 2019 menggunakan bahasa pemrograman R.

library(readxl)

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

datainflowsumatera <- read_excel(path = "inflowdataSumatera.xlsx")
datainflowsumatera

## # A tibble: 10 x 13
##    Provinsi     Januari Februari Maret April   Mei  Juni  Juli Agustus September
##    <chr>          <dbl>    <dbl> <dbl> <dbl> <dbl> <dbl> <dbl>   <dbl>     <dbl>
##  1 Aceh           1294.     566.  397.  343.  420. 1555.  473.    685.      406.
##  2 Sumatera Ut~   5704.    3720. 3146. 3840. 3019. 7841. 4193.   3574.     3295.
##  3 Sumatera Ba~   1890.     846.  918.  986.  810. 3290. 1380.   1195.     1066.
##  4 Riau           1663.     724.  671.  670.  372. 2633.  792.    841.      817.
##  5 Kep. Riau       845.     521.  475.  353.  268. 1194.  533.    389.      423.
##  6 Jambi           928.     508.  502.  396.  376. 1377.  518.    583.      370.
##  7 Sumatera Se~   1730.     788.  710. 1127.  968. 3393. 1152.   1223.     1014.
##  8 Bengkulu        902.     385.  284.  340.  257. 1295.  381.    429.      432.
##  9 Lampung        2147.     922.  901. 1104.  842. 3364. 1324.   1497.     1400.
## 10 Kep. Bangka~    309.     302.  213.  247.  191.  726.  268.    294.      238.
## # ... 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()

0.2 Kasus Data Inflow Uang Kartal di Pulau Sumatera pada Bulan Januari-Oktober 2019

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

## # A tibble: 120 x 3
##    Provinsi Bulan     Kasus
##    <chr>    <chr>     <dbl>
##  1 Aceh     Januari   1294.
##  2 Aceh     Februari   566.
##  3 Aceh     Maret      397.
##  4 Aceh     April      343.
##  5 Aceh     Mei        420.
##  6 Aceh     Juni      1555.
##  7 Aceh     Juli       473.
##  8 Aceh     Agustus    685.
##  9 Aceh     September  406.
## 10 Aceh     Oktober    467.
## # ... with 110 more rows

0.3 Pivot Data Inflow Uang Kartal di Pulau Sumatera berdasarkan Kasus

library(dplyr)
Sumatera2 <- select(datalongerSumatera , Provinsi, Kasus)
Sumatera2 

## # A tibble: 120 x 2
##    Provinsi Kasus
##    <chr>    <dbl>
##  1 Aceh     1294.
##  2 Aceh      566.
##  3 Aceh      397.
##  4 Aceh      343.
##  5 Aceh      420.
##  6 Aceh     1555.
##  7 Aceh      473.
##  8 Aceh      685.
##  9 Aceh      406.
## 10 Aceh      467.
## # ... with 110 more rows

0.4 Kasus Data Inflow Uang Kartal di Riau pada Bulan Januari - Desember 2019

library(dplyr)
Riauup4 <- datalongerSumatera %>%
    filter(Provinsi == 'Riau') %>%
    select('Provinsi', 'Bulan', 'Kasus')
Riauup4

## # A tibble: 12 x 3
##    Provinsi Bulan     Kasus
##    <chr>    <chr>     <dbl>
##  1 Riau     Januari   1663.
##  2 Riau     Februari   724.
##  3 Riau     Maret      671.
##  4 Riau     April      670.
##  5 Riau     Mei        372.
##  6 Riau     Juni      2633.
##  7 Riau     Juli       792.
##  8 Riau     Agustus    841.
##  9 Riau     September  817.
## 10 Riau     Oktober    826.
## 11 Riau     November   713.
## 12 Riau     Desember   193.

0.5 Kasus Data Inflow Uang Kartal di Riau pada Bulan Januari 2019

Riauup5 <- datalongerSumatera %>%
  filter(Provinsi == 'Riau', Bulan == 'Januari') %>%
 select('Provinsi', 'Bulan', 'Kasus')
Riauup5

## # A tibble: 1 x 3
##   Provinsi Bulan   Kasus
##   <chr>    <chr>   <dbl>
## 1 Riau     Januari 1663.

0.6 Visualisasi Pivot Data Inflow Uang Kartal di Pulau Sumatera Berdasarkan Provinsi

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

0.7 Visualisasi Pivot Data Inflow Uang Kartal di Pulau Sumatera Berdasarkan Bulan

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