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 outflow uang kartal di Pulau Kalimantan selama 10 periode terakhir menggunakan bahasa pemrograman R.
library(readxl)
## Warning: package 'readxl' was built under R version 4.1.2
dataoutflowbali <- read_excel(path = "DatainBali1.xlsx")
dataoutflowbali
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()
datalongerbali <- dataoutflowbali %>%
pivot_longer(!Provinsi, names_to = "Tahun", values_to = "Kasus")
datalongerbali
library(dplyr)
Baliup22 <- select(datalongerbali, Provinsi, Kasus)
Baliup22
library(dplyr)
Baliup4 <- datalongerbali %>%
filter(Provinsi == 'Bali ') %>%
select('Provinsi', 'Tahun', 'Kasus')
Baliup4
Baliup5 <- datalongerbali %>%
filter(Provinsi == 'Bali', Tahun == '2020') %>%
select('Provinsi', 'Tahun', 'Kasus')
Baliup5
ggplot(data = datalongerbali, mapping = aes(x = Tahun, y = Kasus)) +
geom_point() +
facet_wrap( ~ Provinsi) +
theme(axis.text.x = element_text(angle = 90))
ggplot(data = datalongerbali, mapping = aes(x = Provinsi, y = Kasus)) +
geom_point() +
facet_wrap( ~ Tahun) +
theme(axis.text.x = element_text(angle = 90))