Visualisasi Data Pivot Uang Kartal Pulau Sumatera Tahun 2011-2021
Jea Syafrida Nurlaili, Prof. Dr. Suhartono, M.Kom
2/24/2022
Lembaga : Universitas Islam Negeri Maulana Malik Ibrahim Malang
Fakultas : Sains dan Teknologi
Jurusan : Teknik Informatika
Mata Kuliah : Linier Algebra
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 Sulawesi menggunakan bahasa pemrograman R.
library(readxl)## Warning: package 'readxl' was built under R version 4.1.2dataoutsumatera <- read_excel(path = "data outflow sumatera.xlsx")
dataoutsumatera## # A tibble: 10 x 12
## Provinsi `2011` `2012` `2013` `2014` `2015` `2016` `2017` `2018` `2019`
## <chr> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl>
## 1 Aceh 6338. 6378. 23278. 8630. 9637. 11311. 11760. 11450. 13087.
## 2 Sumatera Utara 22176. 22495. 19235. 26391. 27877. 31959. 35243. 36908. 44051.
## 3 Sumatera Barat 5300. 6434. 6511. 7060. 7471. 9198. 10754. 8447. 9465.
## 4 Riau 12434. 13014. 15460. 15158. 15789. 17645. 18128. 17926. 19277.
## 5 Kep. Riau 5819. 6966. 8747. 10122. 9803. 10068. 10749. 12597. 12644.
## 6 Jambi 5217. 5013. 6302. 8361. 8325. 7774. 8434. 8459. 9204.
## 7 Sumatera Sela~ 14524. 15600. 12693. 13372. 13484. 15756. 16981. 17931. 19121.
## 8 Bengkulu 2561. 2959. 6490. 4583. 4852. 5163. 5447. 5495. 6842.
## 9 Lampung 5724. 6376. 4571. 8339. 9946. 10436. 13359. 13725. 15626.
## 10 Kep. Bangka B~ 0 0 0 322. 2005. 2684. 2750. 2738. 4167.
## # ... with 2 more variables: `2020` <dbl>, `2021` <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 1.0.8
## v tidyr 1.2.0 v stringr 1.4.0
## v readr 2.1.2 v forcats 0.5.1## Warning: package 'ggplot2' was built under R version 4.1.2## Warning: package 'tibble' was built under R version 4.1.2## Warning: package 'tidyr' was built under R version 4.1.2## Warning: package 'readr' was built under R version 4.1.2## Warning: package 'purrr' was built under R version 4.1.2## Warning: package 'dplyr' was built under R version 4.1.2## Warning: package 'forcats' was built under R version 4.1.2## -- Conflicts ------------------------------------------ tidyverse_conflicts() --
## x dplyr::filter() masks stats::filter()
## x dplyr::lag() masks stats::lag()Kasus Data Inflow Uang Kartal di Pulau Sumatera Periode 2011-2020
datalongersumatera<- dataoutsumatera %>%
pivot_longer(!Provinsi, names_to = "Tahun", values_to = "Kasus")
datalongersumatera## # A tibble: 110 x 3
## Provinsi Tahun Kasus
## <chr> <chr> <dbl>
## 1 Aceh 2011 6338.
## 2 Aceh 2012 6378.
## 3 Aceh 2013 23278.
## 4 Aceh 2014 8630.
## 5 Aceh 2015 9637.
## 6 Aceh 2016 11311.
## 7 Aceh 2017 11760.
## 8 Aceh 2018 11450.
## 9 Aceh 2019 13087.
## 10 Aceh 2020 12874.
## # ... with 100 more rowsPivot Data Outflow Uang Kartal di Pulau Sumatera berdasarkan Kasus
library(dplyr)
aceh1 <- select(datalongersumatera, Provinsi, Kasus)
aceh1## # A tibble: 110 x 2
## Provinsi Kasus
## <chr> <dbl>
## 1 Aceh 6338.
## 2 Aceh 6378.
## 3 Aceh 23278.
## 4 Aceh 8630.
## 5 Aceh 9637.
## 6 Aceh 11311.
## 7 Aceh 11760.
## 8 Aceh 11450.
## 9 Aceh 13087.
## 10 Aceh 12874.
## # ... with 100 more rowsKasus Data Outflow Uang Kartal di Aceh Periode 2011-2021
library(dplyr)
Acer2 <- datalongersumatera %>%
filter(Provinsi == 'Aceh') %>%
select('Provinsi', 'Tahun', 'Kasus')
Acer2## # A tibble: 11 x 3
## Provinsi Tahun Kasus
## <chr> <chr> <dbl>
## 1 Aceh 2011 6338.
## 2 Aceh 2012 6378.
## 3 Aceh 2013 23278.
## 4 Aceh 2014 8630.
## 5 Aceh 2015 9637.
## 6 Aceh 2016 11311.
## 7 Aceh 2017 11760.
## 8 Aceh 2018 11450.
## 9 Aceh 2019 13087.
## 10 Aceh 2020 12874.
## 11 Aceh 2021 5770.Kasus Data Outflow Uang Kartal di Riau Tahun 2020
Riau <- datalongersumatera %>%
filter(Provinsi == 'Riau', Tahun == '2020') %>%
select('Provinsi', 'Tahun', 'Kasus')
Riau## # A tibble: 1 x 3
## Provinsi Tahun Kasus
## <chr> <chr> <dbl>
## 1 Riau 2020 19139.Visualisasi Pivot Data Outflow Uang Kartal di Pulau Sumatera Berdasarkan Provinsi
ggplot(data = datalongersumatera, mapping = aes(x = Tahun, y = Kasus)) +
geom_point() +
facet_wrap( ~ Provinsi) +
theme(axis.text.x = element_text(angle = 90))
Visualisasi Pivot Data Outflow Uang Kartal di Pulau Sumatera Berdasarkan Priode
ggplot(data = datalongersumatera, mapping = aes(x = Provinsi, y = Kasus)) +
geom_point() +
facet_wrap( ~ Tahun) +
theme(axis.text.x = element_text(angle = 90))