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 Jawa menggunakan bahasa pemrograman R.
library(readxl)
## Warning: package 'readxl' was built under R version 4.1.2
dataoutflowjawa <- read_excel(path = "PivotOutflow.xlsx")
dataoutflowjawa
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()
datalongerjawa<- dataoutflowjawa %>%
pivot_longer(!Provinsi, names_to = "Tahun", values_to = "Kasus")
datalongerjawa
library(dplyr)
jawaup2 <- select(datalongerjawa, Provinsi, Kasus)
jawaup2
library(dplyr)
jawaup4 <- datalongerjawa %>%
filter(Provinsi == 'Jawa') %>%
select('Provinsi', 'Tahun', 'Kasus')
jawaup4
jawaup5 <- datalongerjawa %>%
filter(Provinsi == 'Jawa', Tahun == '2019') %>%
select('Provinsi', 'Tahun', 'Kasus')
jawaup5
jawaup5 <- datalongerjawa %>%
filter(Provinsi == 'Sulawesi Utara', Tahun == '2015') %>%
select('Provinsi', 'Tahun', 'Kasus')
jawaup5
ggplot(data = datalongerjawa, mapping = aes(x = Tahun, y = Kasus)) +
geom_point() +
facet_wrap( ~ Provinsi) +
theme(axis.text.x = element_text(angle = 90))
ggplot(data = datalongerjawa, mapping = aes(x = Provinsi, y = Kasus)) +
geom_point() +
facet_wrap( ~ Tahun) +
theme(axis.text.x = element_text(angle = 90))
This is an R Markdown document. Markdown is a simple formatting syntax for authoring HTML, PDF, and MS Word documents. For more details on using R Markdown see http://rmarkdown.rstudio.com.
When you click the Knit button a document will be generated that includes both content as well as the output of any embedded R code chunks within the document. You can embed an R code chunk like this:
summary(cars)
## speed dist
## Min. : 4.0 Min. : 2.00
## 1st Qu.:12.0 1st Qu.: 26.00
## Median :15.0 Median : 36.00
## Mean :15.4 Mean : 42.98
## 3rd Qu.:19.0 3rd Qu.: 56.00
## Max. :25.0 Max. :120.00
You can also embed plots, for example:
Note that the echo = FALSE parameter was added to the code chunk to prevent printing of the R code that generated the plot.