Pivot Data dan Visualisasi Data Inflow Uang Kartal Beberapa Provinsi di Daerah Bali
Nova Rahma Yunida P
2/25/2022
Dosen Pengempu : Prof. Dr. Suhartono, M.Kom
UIN Maulana Malik Ibrahim Malang - Teknik Informatika
Pengertian Pivot Table
Pivot table adalah sebuah tabel yang berisi data rangkuman dari data dibeberapa tabel lainnya, dibuat dengan melakukan penjumlahan, menghitung rata-rata, mengurutkan data termasuk juga mengelompokkan data, sehingga dihasilkan tabel rangkuman yang lebih informatif dan mudah dibaca.
Pivot Table Inflow di Daerah Bali Nusra
library(readxl)## Warning: package 'readxl' was built under R version 4.1.2datainflowbalinusra <- read_excel(path = "C:/Users/ASUS PC/Documents/BUKU NOVA/RStudio/RMarkdown/InflowBali.xlsx")
datainflowbalinusra## # A tibble: 4 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 Bali Nu~ 10322. 14613. 17512. 20807. 23008. 30965. 30797. 33866. 38116. 29400.
## 2 Bali 6394. 8202. 5066. 11590. 13072. 17914. 16962. 18610. 21422. 14735.
## 3 Nusa Te~ 1803. 3676. 7024. 5704. 6285. 8842. 8383. 9140. 9614. 8007.
## 4 Nusa Te~ 2125. 2735. 5422. 3512. 3651. 4210. 5452. 6116. 7080. 6657.
## # ... 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 3.1.4 v dplyr 1.0.8
## v tidyr 1.1.3 v stringr 1.4.0
## v readr 2.0.1 v forcats 0.5.1## Warning: package 'dplyr' 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 di Daerah Bali Nusra Periode 2011-2021
datalongerbalinusra <- datainflowbalinusra %>%
pivot_longer(!Provinsi, names_to = "Tahun", values_to = "Kasus")
datalongerbalinusra## # A tibble: 44 x 3
## Provinsi Tahun Kasus
## <chr> <chr> <dbl>
## 1 Bali Nusra 2011 10322.
## 2 Bali Nusra 2012 14613.
## 3 Bali Nusra 2013 17512.
## 4 Bali Nusra 2014 20807.
## 5 Bali Nusra 2015 23008.
## 6 Bali Nusra 2016 30965.
## 7 Bali Nusra 2017 30797.
## 8 Bali Nusra 2018 33866.
## 9 Bali Nusra 2019 38116.
## 10 Bali Nusra 2020 29400.
## # ... with 34 more rowsPivot Data Inflow di Daerah Bali Nusra berdasarkan Kasus
library(dplyr)
bali2 <- select(datalongerbalinusra, Provinsi, Kasus)
bali2## # A tibble: 44 x 2
## Provinsi Kasus
## <chr> <dbl>
## 1 Bali Nusra 10322.
## 2 Bali Nusra 14613.
## 3 Bali Nusra 17512.
## 4 Bali Nusra 20807.
## 5 Bali Nusra 23008.
## 6 Bali Nusra 30965.
## 7 Bali Nusra 30797.
## 8 Bali Nusra 33866.
## 9 Bali Nusra 38116.
## 10 Bali Nusra 29400.
## # ... with 34 more rowsKasus Data Inflow di Provinsi Bali Periode 2011-2021
library(dplyr)
bali3 <- datalongerbalinusra %>%
filter(Provinsi == 'Bali') %>%
select('Provinsi', 'Tahun', 'Kasus')
bali3## # A tibble: 11 x 3
## Provinsi Tahun Kasus
## <chr> <chr> <dbl>
## 1 Bali 2011 6394.
## 2 Bali 2012 8202.
## 3 Bali 2013 5066.
## 4 Bali 2014 11590.
## 5 Bali 2015 13072.
## 6 Bali 2016 17914.
## 7 Bali 2017 16962.
## 8 Bali 2018 18610.
## 9 Bali 2019 21422.
## 10 Bali 2020 14735.
## 11 Bali 2021 7505.Kasus Data Inflow di Provinsi Bali Tahun 2021
bali4 <- datalongerbalinusra %>%
filter(Provinsi == 'Bali', Tahun == '2021') %>%
select('Provinsi', 'Tahun', 'Kasus')
bali4## # A tibble: 1 x 3
## Provinsi Tahun Kasus
## <chr> <chr> <dbl>
## 1 Bali 2021 7505.Kasus Data Inflow di Provinsi Nusa Tenggara Barat Periode 2011-2021
library(dplyr)
bali3 <- datalongerbalinusra %>%
filter(Provinsi == 'Nusa Tenggara Barat') %>%
select('Provinsi', 'Tahun', 'Kasus')
bali3## # A tibble: 11 x 3
## Provinsi Tahun Kasus
## <chr> <chr> <dbl>
## 1 Nusa Tenggara Barat 2011 1803.
## 2 Nusa Tenggara Barat 2012 3676.
## 3 Nusa Tenggara Barat 2013 7024.
## 4 Nusa Tenggara Barat 2014 5704.
## 5 Nusa Tenggara Barat 2015 6285.
## 6 Nusa Tenggara Barat 2016 8842.
## 7 Nusa Tenggara Barat 2017 8383.
## 8 Nusa Tenggara Barat 2018 9140.
## 9 Nusa Tenggara Barat 2019 9614.
## 10 Nusa Tenggara Barat 2020 8007.
## 11 Nusa Tenggara Barat 2021 5888.Kasus Data Inflow di Provinsi Nusa Tenggara Barat Tahun 2019
bali4 <- datalongerbalinusra %>%
filter(Provinsi == 'Nusa Tenggara Barat', Tahun == '2019') %>%
select('Provinsi', 'Tahun', 'Kasus')
bali4## # A tibble: 1 x 3
## Provinsi Tahun Kasus
## <chr> <chr> <dbl>
## 1 Nusa Tenggara Barat 2019 9614.Kasus Data Inflow di Provinsi Nusa Tenggara Timur Periode 2011-2021
library(dplyr)
bali3 <- datalongerbalinusra %>%
filter(Provinsi == 'Nusa Tenggara Timur') %>%
select('Provinsi', 'Tahun', 'Kasus')
bali3## # A tibble: 11 x 3
## Provinsi Tahun Kasus
## <chr> <chr> <dbl>
## 1 Nusa Tenggara Timur 2011 2125.
## 2 Nusa Tenggara Timur 2012 2735.
## 3 Nusa Tenggara Timur 2013 5422.
## 4 Nusa Tenggara Timur 2014 3512.
## 5 Nusa Tenggara Timur 2015 3651.
## 6 Nusa Tenggara Timur 2016 4210.
## 7 Nusa Tenggara Timur 2017 5452.
## 8 Nusa Tenggara Timur 2018 6116.
## 9 Nusa Tenggara Timur 2019 7080.
## 10 Nusa Tenggara Timur 2020 6657.
## 11 Nusa Tenggara Timur 2021 5498.Kasus Data Inflow di Provinsi Nusa Tenggara Timur Tahun 2017
bali4 <- datalongerbalinusra %>%
filter(Provinsi == 'Nusa Tenggara Timur', Tahun == '2017') %>%
select('Provinsi', 'Tahun', 'Kasus')
bali4## # A tibble: 1 x 3
## Provinsi Tahun Kasus
## <chr> <chr> <dbl>
## 1 Nusa Tenggara Timur 2017 5452.Visualisasi Pivot Data Inflow di Pulau Bali berdasarkan Provinsi
ggplot(data = datalongerbalinusra, mapping = aes(x = Tahun, y = Kasus)) +
geom_point(col = "dark green") +
facet_wrap( ~ Provinsi) +
theme(axis.text.x = element_text(angle = 90))
Visualisasi Pivot Data Inflow di Pulau Bali berdasarkan Tahun
ggplot(data = datalongerbalinusra, mapping = aes(x = Provinsi, y = Kasus)) +
geom_point(col = "dark red") +
facet_wrap( ~ Tahun) +
theme(axis.text.x = element_text(angle = 90))