Prodi : Teknik Informatika

Lembaga : UIN Maulana Malik Ibrahim Malang

Manipulasi Data dengan dplyr

Dalam melakukan manipulasi data di R kita dapat menggunakan package dplyr. Package ini dibuat oleh Handley Wickham dan Roman Francois yang berisi kumpulan fungsi yang memudahkan manipulasi data yaitu antara lain:

  • sample() untuk mengambil sampel secara acak dari tabel

  • mutate() untuk menambah kolom

  • select() untuk mengambil data atau variabel yang dibutuhkan

  • arrange() untuk mengurutkan data

  • filter() untuk menyaring data

  • groupby() untuk mengelompokkan data 

Beberapa alasan mengapa dplyr digunakan ketika melakukan manipulasi data yaitu pemrosesannya cepat sehingga meminimalisir waktu, kode yang simpel sehingga mudah dimengerti, dan penggunaan fungsi yang sistematis sehingga kode lebih rapi. Cara menginstall package dplyr yaitu sebagai berikut:

install.package(dplyr)

Sedangkan untuk memanggil dplyr yaitu dengan sintaks:

library(dplyr)

Beberapa alasan mengapa dplyr digunakan ketika melakukan manipulasi data yaitu pemrosesannya cepat sehingga meminimalisir waktu, kode yang simpel sehingga mudah dimengerti, dan penggunaan fungsi yang sistematis sehingga kode lebih rapi.

library(readxl)
## Warning: package 'readxl' was built under R version 4.1.2
inflowjawa <- read_excel(path = "datainflowjawa.xlsx") 
inflowjawa
## # A tibble: 6 x 12
##   Provinsi `2011` `2012` `2013` `2014` `2015` `2016` `2017` `2018` `2019` `2020`
##   <chr>     <dbl>  <dbl>  <dbl>  <dbl>  <dbl>  <dbl>  <dbl>  <dbl>  <dbl>  <dbl>
## 1 Jawa     1.24e5 1.60e5 1.35e5 2.17e5 2.30e5 2.62e5 2.78e5 3.07e5 3.25e5 2.59e5
## 2 Jawa Ba~ 4.38e4 6.06e4 3.52e4 7.87e4 8.13e4 8.80e4 8.32e4 8.72e4 9.48e4 7.69e4
## 3 Jawa Te~ 3.51e4 4.33e4 4.22e4 6.05e4 6.52e4 7.28e4 7.70e4 8.78e4 9.08e4 8.50e4
## 4 Yogyaka~ 6.49e3 9.17e3 8.94e3 1.39e4 1.48e4 1.74e4 1.75e4 2.06e4 2.09e4 7.35e3
## 5 Jawa Ti~ 3.85e4 4.74e4 4.87e4 6.43e4 6.88e4 8.34e4 9.84e4 1.06e5 1.14e5 8.68e4
## 6 Banten   0      0      0      0      0      0      1.49e3 4.83e3 4.48e3 3.40e3
## # ... with 1 more variable: `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()

Memilih atau membuang beberapa variabel yang tidak digunakan

jawa1 <- select(inflowjawa, `2020`)
jawa1
## # A tibble: 6 x 1
##    `2020`
##     <dbl>
## 1 259444.
## 2  76883.
## 3  84970.
## 4   7348.
## 5  86848.
## 6   3396.
jawa2 <- select(inflowjawa, `2011`, `2013`, `2015`, `2019`, `2021`)
jawa2
## # A tibble: 6 x 5
##    `2011`  `2013`  `2015`  `2019`  `2021`
##     <dbl>   <dbl>   <dbl>   <dbl>   <dbl>
## 1 123917. 134998. 230141. 324624. 187816.
## 2  43775.  35190.  81303.  94846.  57295.
## 3  35137.  42182.  65198.  90751.  62024.
## 4   6490.   8939.  14831.  20899.   6714.
## 5  38515.  48687.  68808. 113651.  58986.
## 6      0       0       0    4477.   2798.

Jika variabel yang ingin Anda pilih cukup banyak sedangkan variabel yang ingin Anda buang lebih sedikit, Anda dapat menuliskan nama variabel dengan menambahkan tanda negatif (-) di depan nama atau indeks masing-masing variabel.

jawa3 <- select(inflowjawa, -`2021`)
jawa3
## # A tibble: 6 x 11
##   Provinsi `2011` `2012` `2013` `2014` `2015` `2016` `2017` `2018` `2019` `2020`
##   <chr>     <dbl>  <dbl>  <dbl>  <dbl>  <dbl>  <dbl>  <dbl>  <dbl>  <dbl>  <dbl>
## 1 Jawa     1.24e5 1.60e5 1.35e5 2.17e5 2.30e5 2.62e5 2.78e5 3.07e5 3.25e5 2.59e5
## 2 Jawa Ba~ 4.38e4 6.06e4 3.52e4 7.87e4 8.13e4 8.80e4 8.32e4 8.72e4 9.48e4 7.69e4
## 3 Jawa Te~ 3.51e4 4.33e4 4.22e4 6.05e4 6.52e4 7.28e4 7.70e4 8.78e4 9.08e4 8.50e4
## 4 Yogyaka~ 6.49e3 9.17e3 8.94e3 1.39e4 1.48e4 1.74e4 1.75e4 2.06e4 2.09e4 7.35e3
## 5 Jawa Ti~ 3.85e4 4.74e4 4.87e4 6.43e4 6.88e4 8.34e4 9.84e4 1.06e5 1.14e5 8.68e4
## 6 Banten   0      0      0      0      0      0      1.49e3 4.83e3 4.48e3 3.40e3

Selain memilih kolom, select() juga dapat digunakan untuk mengubah nama kolom, misalnya

jawaa <- inflowjawa %>%
  select(tahun = `2014`, `2015`, `2016`)
jawaa
## # A tibble: 6 x 3
##     tahun  `2015`  `2016`
##     <dbl>   <dbl>   <dbl>
## 1 217303. 230141. 261607.
## 2  78660.  81303.  88036.
## 3  60476.  65198.  72782.
## 4  13890.  14831.  17350.
## 5  64276.  68808.  83439.
## 6      0       0       0

Mengambil nilai unik (tidak duplikasi) dari sebuah variable

jawa4 <- distinct(inflowjawa, `2019`)
jawa4
## # A tibble: 6 x 1
##    `2019`
##     <dbl>
## 1 324624.
## 2  94846.
## 3  90751.
## 4  20899.
## 5 113651.
## 6   4477.

Untuk mendapatkan nilai unik dari semua baris berdasarkan variabel tertentu tambahkan opsi .keep_all = TRUE setelah nama variable dalam fungsi distinct().

jawa5 <- distinct(inflowjawa, `2019`, .keep_all = TRUE)
jawa5
## # A tibble: 6 x 12
##   Provinsi `2011` `2012` `2013` `2014` `2015` `2016` `2017` `2018` `2019` `2020`
##   <chr>     <dbl>  <dbl>  <dbl>  <dbl>  <dbl>  <dbl>  <dbl>  <dbl>  <dbl>  <dbl>
## 1 Jawa     1.24e5 1.60e5 1.35e5 2.17e5 2.30e5 2.62e5 2.78e5 3.07e5 3.25e5 2.59e5
## 2 Jawa Ba~ 4.38e4 6.06e4 3.52e4 7.87e4 8.13e4 8.80e4 8.32e4 8.72e4 9.48e4 7.69e4
## 3 Jawa Te~ 3.51e4 4.33e4 4.22e4 6.05e4 6.52e4 7.28e4 7.70e4 8.78e4 9.08e4 8.50e4
## 4 Yogyaka~ 6.49e3 9.17e3 8.94e3 1.39e4 1.48e4 1.74e4 1.75e4 2.06e4 2.09e4 7.35e3
## 5 Jawa Ti~ 3.85e4 4.74e4 4.87e4 6.43e4 6.88e4 8.34e4 9.84e4 1.06e5 1.14e5 8.68e4
## 6 Banten   0      0      0      0      0      0      1.49e3 4.83e3 4.48e3 3.40e3
## # ... with 1 more variable: `2021` <dbl>

Menyeleksi baris

filter() digunakan untuk menyeleksi atau memilih baris atau observasi berdasarkan nilainya. Dalam filter(), kita dapat menggunakan berbagai operator, seperti operator dasar <, <=, >, >, == (sama dengan) dan %in% (bagian dari). Argumen filter() yang lebih dari satu dapat digabungkan dengan bolean operator, yaitu & (and/dan), | (or/atau) dan ! (not/tidak).

jawa6 <- inflowjawa %>%
  filter(Provinsi <= 'Jawa') %>%
    select(`2015`,`2016`)
jawa6
## # A tibble: 2 x 2
##    `2015`  `2016`
##     <dbl>   <dbl>
## 1 230141. 261607.
## 2      0       0
jawa7 <- inflowjawa %>%
  filter(Provinsi == 'Jawa', Provinsi == 'Jawa Barat') %>%
    select( -`2016`)
jawa7
## # A tibble: 0 x 11
## # ... with 11 variables: Provinsi <chr>, 2011 <dbl>, 2012 <dbl>, 2013 <dbl>,
## #   2014 <dbl>, 2015 <dbl>, 2017 <dbl>, 2018 <dbl>, 2019 <dbl>, 2020 <dbl>,
## #   2021 <dbl>
str(inflowjawa)
## tibble [6 x 12] (S3: tbl_df/tbl/data.frame)
##  $ Provinsi: chr [1:6] "Jawa" "Jawa Barat" "Jawa Tengah" "Yogyakarta" ...
##  $ 2011    : num [1:6] 123917 43775 35137 6490 38515 ...
##  $ 2012    : num [1:6] 160482 60629 43298 9173 47383 ...
##  $ 2013    : num [1:6] 134998 35190 42182 8939 48687 ...
##  $ 2014    : num [1:6] 217303 78660 60476 13890 64276 ...
##  $ 2015    : num [1:6] 230141 81303 65198 14831 68808 ...
##  $ 2016    : num [1:6] 261607 88036 72782 17350 83439 ...
##  $ 2017    : num [1:6] 277609 83220 77031 17483 98380 ...
##  $ 2018    : num [1:6] 306911 87243 87829 20574 106433 ...
##  $ 2019    : num [1:6] 324624 94846 90751 20899 113651 ...
##  $ 2020    : num [1:6] 259444 76883 84970 7348 86848 ...
##  $ 2021    : num [1:6] 187816 57295 62024 6714 58986 ...
str(inflowjawa %>% group_by(Provinsi))
## grouped_df [6 x 12] (S3: grouped_df/tbl_df/tbl/data.frame)
##  $ Provinsi: chr [1:6] "Jawa" "Jawa Barat" "Jawa Tengah" "Yogyakarta" ...
##  $ 2011    : num [1:6] 123917 43775 35137 6490 38515 ...
##  $ 2012    : num [1:6] 160482 60629 43298 9173 47383 ...
##  $ 2013    : num [1:6] 134998 35190 42182 8939 48687 ...
##  $ 2014    : num [1:6] 217303 78660 60476 13890 64276 ...
##  $ 2015    : num [1:6] 230141 81303 65198 14831 68808 ...
##  $ 2016    : num [1:6] 261607 88036 72782 17350 83439 ...
##  $ 2017    : num [1:6] 277609 83220 77031 17483 98380 ...
##  $ 2018    : num [1:6] 306911 87243 87829 20574 106433 ...
##  $ 2019    : num [1:6] 324624 94846 90751 20899 113651 ...
##  $ 2020    : num [1:6] 259444 76883 84970 7348 86848 ...
##  $ 2021    : num [1:6] 187816 57295 62024 6714 58986 ...
##  - attr(*, "groups")= tibble [6 x 2] (S3: tbl_df/tbl/data.frame)
##   ..$ Provinsi: chr [1:6] "Banten" "Jawa" "Jawa Barat" "Jawa Tengah" ...
##   ..$ .rows   : list<int> [1:6] 
##   .. ..$ : int 6
##   .. ..$ : int 1
##   .. ..$ : int 2
##   .. ..$ : int 3
##   .. ..$ : int 5
##   .. ..$ : int 4
##   .. ..@ ptype: int(0) 
##   ..- attr(*, ".drop")= logi TRUE

Mengelompokkan data

jawaup <- inflowjawa %>%
    group_by(Provinsi)
jawaup
## # A tibble: 6 x 12
## # Groups:   Provinsi [6]
##   Provinsi `2011` `2012` `2013` `2014` `2015` `2016` `2017` `2018` `2019` `2020`
##   <chr>     <dbl>  <dbl>  <dbl>  <dbl>  <dbl>  <dbl>  <dbl>  <dbl>  <dbl>  <dbl>
## 1 Jawa     1.24e5 1.60e5 1.35e5 2.17e5 2.30e5 2.62e5 2.78e5 3.07e5 3.25e5 2.59e5
## 2 Jawa Ba~ 4.38e4 6.06e4 3.52e4 7.87e4 8.13e4 8.80e4 8.32e4 8.72e4 9.48e4 7.69e4
## 3 Jawa Te~ 3.51e4 4.33e4 4.22e4 6.05e4 6.52e4 7.28e4 7.70e4 8.78e4 9.08e4 8.50e4
## 4 Yogyaka~ 6.49e3 9.17e3 8.94e3 1.39e4 1.48e4 1.74e4 1.75e4 2.06e4 2.09e4 7.35e3
## 5 Jawa Ti~ 3.85e4 4.74e4 4.87e4 6.43e4 6.88e4 8.34e4 9.84e4 1.06e5 1.14e5 8.68e4
## 6 Banten   0      0      0      0      0      0      1.49e3 4.83e3 4.48e3 3.40e3
## # ... with 1 more variable: `2021` <dbl>

Menambah kolom

jawaup1 <- inflowjawa %>%
    mutate(`2022` = inflowjawa$`2021`/2)
jawaup1 
## # A tibble: 6 x 13
##   Provinsi `2011` `2012` `2013` `2014` `2015` `2016` `2017` `2018` `2019` `2020`
##   <chr>     <dbl>  <dbl>  <dbl>  <dbl>  <dbl>  <dbl>  <dbl>  <dbl>  <dbl>  <dbl>
## 1 Jawa     1.24e5 1.60e5 1.35e5 2.17e5 2.30e5 2.62e5 2.78e5 3.07e5 3.25e5 2.59e5
## 2 Jawa Ba~ 4.38e4 6.06e4 3.52e4 7.87e4 8.13e4 8.80e4 8.32e4 8.72e4 9.48e4 7.69e4
## 3 Jawa Te~ 3.51e4 4.33e4 4.22e4 6.05e4 6.52e4 7.28e4 7.70e4 8.78e4 9.08e4 8.50e4
## 4 Yogyaka~ 6.49e3 9.17e3 8.94e3 1.39e4 1.48e4 1.74e4 1.75e4 2.06e4 2.09e4 7.35e3
## 5 Jawa Ti~ 3.85e4 4.74e4 4.87e4 6.43e4 6.88e4 8.34e4 9.84e4 1.06e5 1.14e5 8.68e4
## 6 Banten   0      0      0      0      0      0      1.49e3 4.83e3 4.48e3 3.40e3
## # ... with 2 more variables: `2021` <dbl>, `2022` <dbl>

Mengurutkan data

jawaubah <- arrange(inflowjawa, `2011`)
jawaubah
## # A tibble: 6 x 12
##   Provinsi `2011` `2012` `2013` `2014` `2015` `2016` `2017` `2018` `2019` `2020`
##   <chr>     <dbl>  <dbl>  <dbl>  <dbl>  <dbl>  <dbl>  <dbl>  <dbl>  <dbl>  <dbl>
## 1 Banten   0      0      0      0      0      0      1.49e3 4.83e3 4.48e3 3.40e3
## 2 Yogyaka~ 6.49e3 9.17e3 8.94e3 1.39e4 1.48e4 1.74e4 1.75e4 2.06e4 2.09e4 7.35e3
## 3 Jawa Te~ 3.51e4 4.33e4 4.22e4 6.05e4 6.52e4 7.28e4 7.70e4 8.78e4 9.08e4 8.50e4
## 4 Jawa Ti~ 3.85e4 4.74e4 4.87e4 6.43e4 6.88e4 8.34e4 9.84e4 1.06e5 1.14e5 8.68e4
## 5 Jawa Ba~ 4.38e4 6.06e4 3.52e4 7.87e4 8.13e4 8.80e4 8.32e4 8.72e4 9.48e4 7.69e4
## 6 Jawa     1.24e5 1.60e5 1.35e5 2.17e5 2.30e5 2.62e5 2.78e5 3.07e5 3.25e5 2.59e5
## # ... with 1 more variable: `2021` <dbl>

Visualisasi data dengan ggplot

ggplot2 adalah package yang berfungsi membuat grafik yang merepresentasikan data dengan menerapkan warna, simbol, dan lainnya. Package ini memiliki banyak fungsi dan plot yang bisa kita pilih untuk memvisualisasikan data. Beberapa kelebihan yang dimiliki ggplot2 yaitu antara lain fleksibel dalam penggunaannya, fungsi yang lengkap untuk visualisasi, dan penggunaan metodenya tidak ribet. Cara install dan penggunaan package ggplot2 sama dengan package yang sudah dibahas di poin sebelumnya yaitu:  

install.package(ggplot2)  #install package
library(ggplot2)  #memanggil ggplot2

Contoh visualisasi data dengan ggplot2 bisa dilihat dibawah ini:

ggplot(data = inflowjawa, mapping = aes(x = Provinsi, y = `2015`)) +
  geom_point() 

ggplot(data = inflowjawa, mapping = aes(x = Provinsi, y = `2015`)) +
  geom_bar(stat = "identity")

ggplot(inflowjawa, aes(Provinsi,`2021`, color=`Provinsi`))+
  geom_point()