Pivot Data dan Visualisasi Data Inflow Uang Kartal Beberapa Provinsi di Daerah Kalimantan

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 Kalimantan

library(readxl)

## Warning: package 'readxl' was built under R version 4.1.2

datainflowkalimantan <- read_excel(path = "C:/Users/ASUS PC/Documents/BUKU NOVA/RStudio/RMarkdown/InflowKalimantan.xlsx")
datainflowkalimantan

## # 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 Kaliman~ 13272. 17575. 37698. 26379. 29427. 32847. 35119. 41157. 46158. 37200.
## 2 Kaliman~  2831.  3386.  4029.  5943.  6675.  7440.  7775. 10249. 11848.  9294.
## 3 Kaliman~   779.  1135. 19328.  1887.  3547.  3694.  3655.  4083.  4385.  4178.
## 4 Kaliman~  5369.  7311.  4226.  9614.  9558. 10809. 12415. 13604. 14462. 11753.
## 5 Kaliman~  4293.  5743. 10115.  8936.  9646. 10903. 10933. 12305. 13991. 10612.
## 6 Kaliman~     0      0      0      0      0      0    341.   917.  1472.  1362.
## # ... 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 Kalimantan Periode 2011-2021

datalongerkalimantan <- datainflowkalimantan %>% 
  pivot_longer(!Provinsi, names_to = "Tahun", values_to = "Kasus")
datalongerkalimantan

## # A tibble: 66 x 3
##    Provinsi   Tahun  Kasus
##    <chr>      <chr>  <dbl>
##  1 Kalimantan 2011  13272.
##  2 Kalimantan 2012  17575.
##  3 Kalimantan 2013  37698.
##  4 Kalimantan 2014  26379.
##  5 Kalimantan 2015  29427.
##  6 Kalimantan 2016  32847.
##  7 Kalimantan 2017  35119.
##  8 Kalimantan 2018  41157.
##  9 Kalimantan 2019  46158.
## 10 Kalimantan 2020  37200.
## # ... with 56 more rows

Pivot Data Inflow di Daerah Kalimantan berdasarkan Kasus

library(dplyr)
kal2 <- select(datalongerkalimantan, Provinsi, Kasus)
kal2

## # A tibble: 66 x 2
##    Provinsi    Kasus
##    <chr>       <dbl>
##  1 Kalimantan 13272.
##  2 Kalimantan 17575.
##  3 Kalimantan 37698.
##  4 Kalimantan 26379.
##  5 Kalimantan 29427.
##  6 Kalimantan 32847.
##  7 Kalimantan 35119.
##  8 Kalimantan 41157.
##  9 Kalimantan 46158.
## 10 Kalimantan 37200.
## # ... with 56 more rows

Kasus Data Inflow di Provinsi Kalimantan Barat Periode 2011-2021

library(dplyr)
kal3 <- datalongerkalimantan  %>%
    filter(Provinsi == 'Kalimantan Barat') %>%
    select('Provinsi', 'Tahun', 'Kasus')
kal3

## # A tibble: 11 x 3
##    Provinsi         Tahun  Kasus
##    <chr>            <chr>  <dbl>
##  1 Kalimantan Barat 2011   2831.
##  2 Kalimantan Barat 2012   3386.
##  3 Kalimantan Barat 2013   4029.
##  4 Kalimantan Barat 2014   5943.
##  5 Kalimantan Barat 2015   6675.
##  6 Kalimantan Barat 2016   7440.
##  7 Kalimantan Barat 2017   7775.
##  8 Kalimantan Barat 2018  10249.
##  9 Kalimantan Barat 2019  11848.
## 10 Kalimantan Barat 2020   9294.
## 11 Kalimantan Barat 2021   7598.

Kasus Data Inflow di Provinsi Kalintan Barat Tahun 2018

kal4 <- datalongerkalimantan %>%
  filter(Provinsi == 'Kalimantan Barat', Tahun == '2018') %>%
 select('Provinsi', 'Tahun', 'Kasus')
kal4

## # A tibble: 1 x 3
##   Provinsi         Tahun  Kasus
##   <chr>            <chr>  <dbl>
## 1 Kalimantan Barat 2018  10249.

Kasus Data Inflow di Provinsi Kalimantan Timur Periode 2011-2021

library(dplyr)
kal3 <- datalongerkalimantan  %>%
    filter(Provinsi == 'Kalimantan Timur') %>%
    select('Provinsi', 'Tahun', 'Kasus')
kal3

## # A tibble: 11 x 3
##    Provinsi         Tahun  Kasus
##    <chr>            <chr>  <dbl>
##  1 Kalimantan Timur 2011   4293.
##  2 Kalimantan Timur 2012   5743.
##  3 Kalimantan Timur 2013  10115.
##  4 Kalimantan Timur 2014   8936.
##  5 Kalimantan Timur 2015   9646.
##  6 Kalimantan Timur 2016  10903.
##  7 Kalimantan Timur 2017  10933.
##  8 Kalimantan Timur 2018  12305.
##  9 Kalimantan Timur 2019  13991.
## 10 Kalimantan Timur 2020  10612.
## 11 Kalimantan Timur 2021   8914.

Kasus Data Inflow di Provinsi Kalimantan Timur Tahun 2020

kal4 <- datalongerkalimantan %>%
  filter(Provinsi == 'Kalimantan Timur', Tahun == '2020') %>%
 select('Provinsi', 'Tahun', 'Kasus')
kal4

## # A tibble: 1 x 3
##   Provinsi         Tahun  Kasus
##   <chr>            <chr>  <dbl>
## 1 Kalimantan Timur 2020  10612.

Kasus Data Inflow di Provinsi Kalimantan Tengah Periode 2011-2021

library(dplyr)
kal3 <- datalongerkalimantan %>%
    filter(Provinsi == 'Kalimantan Tengah') %>%
    select('Provinsi', 'Tahun', 'Kasus')
kal3

## # A tibble: 11 x 3
##    Provinsi          Tahun  Kasus
##    <chr>             <chr>  <dbl>
##  1 Kalimantan Tengah 2011    779.
##  2 Kalimantan Tengah 2012   1135.
##  3 Kalimantan Tengah 2013  19328.
##  4 Kalimantan Tengah 2014   1887.
##  5 Kalimantan Tengah 2015   3547.
##  6 Kalimantan Tengah 2016   3694.
##  7 Kalimantan Tengah 2017   3655.
##  8 Kalimantan Tengah 2018   4083.
##  9 Kalimantan Tengah 2019   4385.
## 10 Kalimantan Tengah 2020   4178.
## 11 Kalimantan Tengah 2021   3534.

Kasus Data Inflow di Provinsi Kalimantan Tengah Tahun 2021

kal4 <- datalongerkalimantan %>%
  filter(Provinsi == 'Kalimantan Tengah', Tahun == '2021') %>%
 select('Provinsi', 'Tahun', 'Kasus')
kal4

## # A tibble: 1 x 3
##   Provinsi          Tahun Kasus
##   <chr>             <chr> <dbl>
## 1 Kalimantan Tengah 2021  3534.

Kasus Data Inflow di Provinsi Kalimantan Selatan Periode 2011-2021

library(dplyr)
kal3 <- datalongerkalimantan  %>%
    filter(Provinsi == 'Kalimantan Selatan') %>%
    select('Provinsi', 'Tahun', 'Kasus')
kal3

## # A tibble: 11 x 3
##    Provinsi           Tahun  Kasus
##    <chr>              <chr>  <dbl>
##  1 Kalimantan Selatan 2011   5369.
##  2 Kalimantan Selatan 2012   7311.
##  3 Kalimantan Selatan 2013   4226.
##  4 Kalimantan Selatan 2014   9614.
##  5 Kalimantan Selatan 2015   9558.
##  6 Kalimantan Selatan 2016  10809.
##  7 Kalimantan Selatan 2017  12415.
##  8 Kalimantan Selatan 2018  13604.
##  9 Kalimantan Selatan 2019  14462.
## 10 Kalimantan Selatan 2020  11753.
## 11 Kalimantan Selatan 2021   9655.

Kasus Data Inflow di Provinsi Kalimantan Selatan Tahun 2015

kal4 <- datalongerkalimantan %>%
  filter(Provinsi == 'Kalimantan Selatan', Tahun == '2015') %>%
 select('Provinsi', 'Tahun', 'Kasus')
kal4

## # A tibble: 1 x 3
##   Provinsi           Tahun Kasus
##   <chr>              <chr> <dbl>
## 1 Kalimantan Selatan 2015  9558.

Kasus Data Inflow di Provinsi Kalimantan Utara Periode 2011-2021

library(dplyr)
kal3 <- datalongerkalimantan %>%
    filter(Provinsi == 'Kalimantan Utara') %>%
    select('Provinsi', 'Tahun', 'Kasus')
kal3

## # A tibble: 11 x 3
##    Provinsi         Tahun Kasus
##    <chr>            <chr> <dbl>
##  1 Kalimantan Utara 2011     0 
##  2 Kalimantan Utara 2012     0 
##  3 Kalimantan Utara 2013     0 
##  4 Kalimantan Utara 2014     0 
##  5 Kalimantan Utara 2015     0 
##  6 Kalimantan Utara 2016     0 
##  7 Kalimantan Utara 2017   341.
##  8 Kalimantan Utara 2018   917.
##  9 Kalimantan Utara 2019  1472.
## 10 Kalimantan Utara 2020  1362.
## 11 Kalimantan Utara 2021  1671.

Kasus Data Inflow di Provinsi Kalimantan Utara Tahun 2019

kal4 <- datalongerkalimantan %>%
  filter(Provinsi == 'Kalimantan Utara', Tahun == '2019') %>%
 select('Provinsi', 'Tahun', 'Kasus')
kal4

## # A tibble: 1 x 3
##   Provinsi         Tahun Kasus
##   <chr>            <chr> <dbl>
## 1 Kalimantan Utara 2019  1472.

Visualisasi Pivot Data Inflow di Pulau Kalimantan berdasarkan Provinsi

ggplot(data = datalongerkalimantan, mapping = aes(x = Tahun, y = Kasus)) +
  geom_point(col = "dark blue") +
  facet_wrap( ~ Provinsi) +
  theme(axis.text.x = element_text(angle = 90))

Visualisasi Pivot Data Inflow di Pulau Kalimantan berdasarkan Tahun

ggplot(data = datalongerkalimantan, mapping = aes(x = Provinsi, y = Kasus)) +
  geom_point(col = "purple") +
  facet_wrap( ~ Tahun) +
  theme(axis.text.x = element_text(angle = 90))

---

Referensi

• https://rpubs.com/suhartono-uinmaliki/868629

• https://www.bi.go.id/id/statistik/ekonomi-keuangan/ssp/indikator-pengedaran-uang.aspx

• https://www.kampusexcel.com/cara-membuat-pivot-table-2007.html#:~:text=Pengertian%20pivot%20table%20Apa%20itu%20pivot%20table%3F%2C%20pivot,tabel%20rangkuman%20yang%20lebih%20informatif%20dan%20mudah%20dibaca.