Pivot Data Outflow Uang Kartal di Pulau Jawa pada Tahun 2020
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 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 4.1.2outtahunjawa <- read_excel(path = "outflow pulau jawa tahun 2020.xlsx")
outtahunjawa## # A tibble: 5 x 13
## Provinsi Januari Februari Maret April Mei Juni Juli Agustus September
## <chr> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl>
## 1 Jawa Barat 2023. 2762. 4091. 5413. 10271. 1325. 4706. 3583. 3280.
## 2 Jawa Tengah 1985. 4020. 6116. 6865. 11936. 2209. 7306. 4868. 5217.
## 3 Yogyakarta 626. 1308. 1245. 672. 2279. 755. 1586. 1012. 897.
## 4 Jawa Timur 3790. 5645. 9175. 9057. 11911. 2584. 8544. 5713. 6949.
## 5 Banten 528. 551. 800. 745. 1583. 458. 1118. 776. 737.
## # ... with 3 more variables: Oktoker <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 1.0.8
## 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 Outflow Uang Kartal di Pulau Jawa pada Bulan Januari-Desember 2020
longertahunjawa <- outtahunjawa %>%
pivot_longer(!Provinsi, names_to = "Bulan", values_to = "Kasus")
longertahunjawa## # A tibble: 60 x 3
## Provinsi Bulan Kasus
## <chr> <chr> <dbl>
## 1 Jawa Barat Januari 2023.
## 2 Jawa Barat Februari 2762.
## 3 Jawa Barat Maret 4091.
## 4 Jawa Barat April 5413.
## 5 Jawa Barat Mei 10271.
## 6 Jawa Barat Juni 1325.
## 7 Jawa Barat Juli 4706.
## 8 Jawa Barat Agustus 3583.
## 9 Jawa Barat September 3280.
## 10 Jawa Barat Oktoker 7566.
## # ... with 50 more rowsPivot Data Outlow Uang Kartal di Pulau Jawa berdasarkan Kasus
library(dplyr)
jawa <- select(longertahunjawa , Provinsi, Kasus)
jawa## # A tibble: 60 x 2
## Provinsi Kasus
## <chr> <dbl>
## 1 Jawa Barat 2023.
## 2 Jawa Barat 2762.
## 3 Jawa Barat 4091.
## 4 Jawa Barat 5413.
## 5 Jawa Barat 10271.
## 6 Jawa Barat 1325.
## 7 Jawa Barat 4706.
## 8 Jawa Barat 3583.
## 9 Jawa Barat 3280.
## 10 Jawa Barat 7566.
## # ... with 50 more rowsKasus Data Outflow Uang Kartal di Jawa Timur pada Bulan Januari - Desember 2020
library(dplyr)
jawa1 <- longertahunjawa %>%
filter(Provinsi == 'Jawa Timur') %>%
select('Provinsi', 'Bulan', 'Kasus')
jawa1## # A tibble: 12 x 3
## Provinsi Bulan Kasus
## <chr> <chr> <dbl>
## 1 Jawa Timur Januari 3790.
## 2 Jawa Timur Februari 5645.
## 3 Jawa Timur Maret 9175.
## 4 Jawa Timur April 9057.
## 5 Jawa Timur Mei 11911.
## 6 Jawa Timur Juni 2584.
## 7 Jawa Timur Juli 8544.
## 8 Jawa Timur Agustus 5713.
## 9 Jawa Timur September 6949.
## 10 Jawa Timur Oktoker 10935.
## 11 Jawa Timur November 5170.
## 12 Jawa Timur Desember 13900.Kasus Data Outlow Uang Kartal di Jawa Timur pada Bulan Januari 2019
jawa2 <- longertahunjawa %>%
filter(Provinsi == 'Jawa Timur', Bulan == 'Januari') %>%
select('Provinsi', 'Bulan', 'Kasus')
jawa2## # A tibble: 1 x 3
## Provinsi Bulan Kasus
## <chr> <chr> <dbl>
## 1 Jawa Timur Januari 3790.Visualisasi Pivot Data Outflow Uang Kartal di Pulau Jawa Berdasarkan Provinsi
ggplot(data = longertahunjawa, mapping = aes(x = Bulan, y = Kasus)) +
geom_point() +
facet_wrap( ~ Provinsi) +
theme(axis.text.x = element_text(angle = 90))
Visualisasi Pivot Data Outflow Uang Kartal di Pulau Jawa Berdasarkan Bulan
ggplot(data = longertahunjawa, mapping = aes(x = Provinsi, y = Kasus)) +
geom_point() +
facet_wrap( ~ Bulan) +
theme(axis.text.x = element_text(angle = 90))