Visualisasi & Rincian Relasional Data Set Komponen Pembentuk Indeks Tendensi Bisnis Triwulan IV-2019
M. Daffa Pramuditya S., Prof. Dr. Suhartono, M.Kom
2/26/2022
Lembaga : Universitas Islam Negeri Maulana Malik Ibrahim Malang
Jurusan : Teknik Informatika
Pengertian Relasional Data Set
Relasional data set merupakan kumpulan item data yang memiliki perpaduan atau hubungan yang telah ditentukan sebelumnya. Berbagai item ini diatur sebagai satu set tabel menggunakan kolom dan baris. Tabel digunakan untuk menyimpan informasi tentang objek yang ditampilkan dalam database. Tiap kolom dalam tabel memuat tipe data ekskusif , dan bidang tersebut menyimpan nilai aktual atribut. Baris dalam tabel mempresentasikan perpaduan nilai terkait berdasarkan satu objek atau entitas. Tiap baris pada tabel dapat ditandai dengan pengidentifikasi unik yang disebut kunci utama (keyword), dan baris di antara beberapa tabel dapat dibuat saling terkait menggunakan kunci asing. Berikut relasional data set komponen pembentuk indeks tendensi bisnis triwulan IV-2019.
Relasional Data Set Komponen Pembentuk Indeks Tendensi Bisnis Triwulan IV-2019
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()Tabel Data Penggunaan Kapasitas Produksi / Usaha
data_PKD <-data.frame(Kategori= c('Pertanian, Kehutanan, dan Perikanan',
'Pertambangan dan Penggalian',
'Industri Pengolahan',
'Pengadaan Listrik dan Gas',
'Pengadaan Air, Pengelolaan Sampah, Limbah dan Daur Ulang',
'Konstruksi',
'Perdagangan Besar dan Eceran, Reparasi dan Perawatan Mobil dan Sepeda Motor',
'Transportasi dan Pergudangan',
'Penyediaan Akomodasi dan Makan Minum',
'Informasi dan Komunikasi',
'Jasa Keuangan dan Asuransi',
'Real Estat',
'Jasa Perusahaan',
'Administrasi Pemerintahan, Pertahanan dan
Jaminan Sosial Wajib',
'Jasa Pendidikan',
'Jasa Lainnya'
),
'Penggunaan Kapasitas Produksi / Usaha' = c(96.83, 101.40, 100.26, 110.77, 105.97, 107.33, 99.03, 108.03, 116.54, 102.92, 105.41, 109.09, 111.18, 121.43, 108.80, 110.14
),
stringsAsFactors = FALSE)
data_PKD## Kategori
## 1 Pertanian, Kehutanan, dan Perikanan
## 2 Pertambangan dan Penggalian
## 3 Industri Pengolahan
## 4 Pengadaan Listrik dan Gas
## 5 Pengadaan Air, Pengelolaan Sampah, Limbah dan Daur Ulang
## 6 Konstruksi
## 7 Perdagangan Besar dan Eceran, Reparasi dan Perawatan Mobil dan Sepeda Motor
## 8 Transportasi dan Pergudangan
## 9 Penyediaan Akomodasi dan Makan Minum
## 10 Informasi dan Komunikasi
## 11 Jasa Keuangan dan Asuransi
## 12 Real Estat
## 13 Jasa Perusahaan
## 14 Administrasi Pemerintahan, Pertahanan dan \nJaminan Sosial Wajib
## 15 Jasa Pendidikan
## 16 Jasa Lainnya
## Penggunaan.Kapasitas.Produksi...Usaha
## 1 96.83
## 2 101.40
## 3 100.26
## 4 110.77
## 5 105.97
## 6 107.33
## 7 99.03
## 8 108.03
## 9 116.54
## 10 102.92
## 11 105.41
## 12 109.09
## 13 111.18
## 14 121.43
## 15 108.80
## 16 110.14Visualisasi Data Penggunaan Kapasitas Produksi / Usaha
barplot(data_PKD$Penggunaan.Kapasitas.Produksi...Usaha, main = "Penggunaan Kapasitas Produksi / Usaha", col= "#D2691E")
Tabel Data Rata-rata Jumlah Jam Kerja
data_RJK <-data.frame(Kategori = c('Pertambangan dan Penggalian',
'Industri Pengolahan',
'Pengadaan Listrik dan Gas',
'Pengadaan Air, Pengelolaan Sampah, Limbah dan Daur Ulang',
'Konstruksi',
'Perdagangan Besar dan Eceran, Reparasi dan Perawatan Mobil dan Sepeda Motor',
'Transportasi dan Pergudangan',
'Penyediaan Akomodasi dan Makan Minum',
'Informasi dan Komunikasi',
'Jasa Keuangan dan Asuransi',
'Real Estat',
'Jasa Perusahaan',
'Administrasi Pemerintahan, Pertahanan dan
Jaminan Sosial Wajib',
'Jasa Pendidikan',
'Jasa Kesehatan dan Kegiatan Sosial',
'Jasa Lainnya'
),
"Rata-rata Jumlah Jam Kerja" = c(95.80, 97.90, 109.23, 101.49, 108.38, 98.38, 110.22, 105.51, 99.27, 104.73, 101.30, 105.59, 107.14, 106.40, 110.34, 107.25),
stringsAsFactors = FALSE)
data_RJK## Kategori
## 1 Pertambangan dan Penggalian
## 2 Industri Pengolahan
## 3 Pengadaan Listrik dan Gas
## 4 Pengadaan Air, Pengelolaan Sampah, Limbah dan Daur Ulang
## 5 Konstruksi
## 6 Perdagangan Besar dan Eceran, Reparasi dan Perawatan Mobil dan Sepeda Motor
## 7 Transportasi dan Pergudangan
## 8 Penyediaan Akomodasi dan Makan Minum
## 9 Informasi dan Komunikasi
## 10 Jasa Keuangan dan Asuransi
## 11 Real Estat
## 12 Jasa Perusahaan
## 13 Administrasi Pemerintahan, Pertahanan dan \nJaminan Sosial Wajib
## 14 Jasa Pendidikan
## 15 Jasa Kesehatan dan Kegiatan Sosial
## 16 Jasa Lainnya
## Rata.rata.Jumlah.Jam.Kerja
## 1 95.80
## 2 97.90
## 3 109.23
## 4 101.49
## 5 108.38
## 6 98.38
## 7 110.22
## 8 105.51
## 9 99.27
## 10 104.73
## 11 101.30
## 12 105.59
## 13 107.14
## 14 106.40
## 15 110.34
## 16 107.25Visualisasi Data Rata-rata Jumlah Jam Kerja
barplot(data_RJK$Rata.rata.Jumlah.Jam.Kerja, main = "Rata-rata Jumlah Jam Kerja", col= "#8FBC8F")
Inner Joins antara Data Penggunaan Kapasitas Produksi / Usaha dengan Data Rata-rata Jumlah Jam Kerja
InnerJoins <- data_PKD %>%
inner_join(data_RJK, by = "Kategori")
InnerJoins## Kategori
## 1 Pertambangan dan Penggalian
## 2 Industri Pengolahan
## 3 Pengadaan Listrik dan Gas
## 4 Pengadaan Air, Pengelolaan Sampah, Limbah dan Daur Ulang
## 5 Konstruksi
## 6 Perdagangan Besar dan Eceran, Reparasi dan Perawatan Mobil dan Sepeda Motor
## 7 Transportasi dan Pergudangan
## 8 Penyediaan Akomodasi dan Makan Minum
## 9 Informasi dan Komunikasi
## 10 Jasa Keuangan dan Asuransi
## 11 Real Estat
## 12 Jasa Perusahaan
## 13 Administrasi Pemerintahan, Pertahanan dan \nJaminan Sosial Wajib
## 14 Jasa Pendidikan
## 15 Jasa Lainnya
## Penggunaan.Kapasitas.Produksi...Usaha Rata.rata.Jumlah.Jam.Kerja
## 1 101.40 95.80
## 2 100.26 97.90
## 3 110.77 109.23
## 4 105.97 101.49
## 5 107.33 108.38
## 6 99.03 98.38
## 7 108.03 110.22
## 8 116.54 105.51
## 9 102.92 99.27
## 10 105.41 104.73
## 11 109.09 101.30
## 12 111.18 105.59
## 13 121.43 107.14
## 14 108.80 106.40
## 15 110.14 107.25Outer Joins antara Data Penggunaan Kapasitas Produksi / Usaha dengan Data Rata-rata Jumlah Jam Kerja
- A left joint
Leftjoins <- left_join(data_PKD,data_RJK)## Joining, by = "Kategori"Leftjoins## Kategori
## 1 Pertanian, Kehutanan, dan Perikanan
## 2 Pertambangan dan Penggalian
## 3 Industri Pengolahan
## 4 Pengadaan Listrik dan Gas
## 5 Pengadaan Air, Pengelolaan Sampah, Limbah dan Daur Ulang
## 6 Konstruksi
## 7 Perdagangan Besar dan Eceran, Reparasi dan Perawatan Mobil dan Sepeda Motor
## 8 Transportasi dan Pergudangan
## 9 Penyediaan Akomodasi dan Makan Minum
## 10 Informasi dan Komunikasi
## 11 Jasa Keuangan dan Asuransi
## 12 Real Estat
## 13 Jasa Perusahaan
## 14 Administrasi Pemerintahan, Pertahanan dan \nJaminan Sosial Wajib
## 15 Jasa Pendidikan
## 16 Jasa Lainnya
## Penggunaan.Kapasitas.Produksi...Usaha Rata.rata.Jumlah.Jam.Kerja
## 1 96.83 NA
## 2 101.40 95.80
## 3 100.26 97.90
## 4 110.77 109.23
## 5 105.97 101.49
## 6 107.33 108.38
## 7 99.03 98.38
## 8 108.03 110.22
## 9 116.54 105.51
## 10 102.92 99.27
## 11 105.41 104.73
## 12 109.09 101.30
## 13 111.18 105.59
## 14 121.43 107.14
## 15 108.80 106.40
## 16 110.14 107.25- A right joint
Rightjoins <- right_join(data_PKD,data_RJK)## Joining, by = "Kategori"Rightjoins## Kategori
## 1 Pertambangan dan Penggalian
## 2 Industri Pengolahan
## 3 Pengadaan Listrik dan Gas
## 4 Pengadaan Air, Pengelolaan Sampah, Limbah dan Daur Ulang
## 5 Konstruksi
## 6 Perdagangan Besar dan Eceran, Reparasi dan Perawatan Mobil dan Sepeda Motor
## 7 Transportasi dan Pergudangan
## 8 Penyediaan Akomodasi dan Makan Minum
## 9 Informasi dan Komunikasi
## 10 Jasa Keuangan dan Asuransi
## 11 Real Estat
## 12 Jasa Perusahaan
## 13 Administrasi Pemerintahan, Pertahanan dan \nJaminan Sosial Wajib
## 14 Jasa Pendidikan
## 15 Jasa Lainnya
## 16 Jasa Kesehatan dan Kegiatan Sosial
## Penggunaan.Kapasitas.Produksi...Usaha Rata.rata.Jumlah.Jam.Kerja
## 1 101.40 95.80
## 2 100.26 97.90
## 3 110.77 109.23
## 4 105.97 101.49
## 5 107.33 108.38
## 6 99.03 98.38
## 7 108.03 110.22
## 8 116.54 105.51
## 9 102.92 99.27
## 10 105.41 104.73
## 11 109.09 101.30
## 12 111.18 105.59
## 13 121.43 107.14
## 14 108.80 106.40
## 15 110.14 107.25
## 16 NA 110.34- A full joint
fullJoins <- full_join(data_PKD,data_RJK)## Joining, by = "Kategori"fullJoins## Kategori
## 1 Pertanian, Kehutanan, dan Perikanan
## 2 Pertambangan dan Penggalian
## 3 Industri Pengolahan
## 4 Pengadaan Listrik dan Gas
## 5 Pengadaan Air, Pengelolaan Sampah, Limbah dan Daur Ulang
## 6 Konstruksi
## 7 Perdagangan Besar dan Eceran, Reparasi dan Perawatan Mobil dan Sepeda Motor
## 8 Transportasi dan Pergudangan
## 9 Penyediaan Akomodasi dan Makan Minum
## 10 Informasi dan Komunikasi
## 11 Jasa Keuangan dan Asuransi
## 12 Real Estat
## 13 Jasa Perusahaan
## 14 Administrasi Pemerintahan, Pertahanan dan \nJaminan Sosial Wajib
## 15 Jasa Pendidikan
## 16 Jasa Lainnya
## 17 Jasa Kesehatan dan Kegiatan Sosial
## Penggunaan.Kapasitas.Produksi...Usaha Rata.rata.Jumlah.Jam.Kerja
## 1 96.83 NA
## 2 101.40 95.80
## 3 100.26 97.90
## 4 110.77 109.23
## 5 105.97 101.49
## 6 107.33 108.38
## 7 99.03 98.38
## 8 108.03 110.22
## 9 116.54 105.51
## 10 102.92 99.27
## 11 105.41 104.73
## 12 109.09 101.30
## 13 111.18 105.59
## 14 121.43 107.14
## 15 108.80 106.40
## 16 110.14 107.25
## 17 NA 110.34Visualisasi Relasional Data Set
Kita dapat menggunakan data inner joins karena pada inner join baris yang tidak cocok keyword-nya tidak disertakan dalam hasil pada tabel gabungan. Sehingga kita dapat mengvisualisasikan gabungan data dari tabel tersebut.
plot(InnerJoins$Penggunaan.Kapasitas.Produksi...Usaha,type = "o", col= "#FF6347")
lines(InnerJoins$Rata.rata.Jumlah.Jam.Kerja, ,type = "o", col= "#008080")
legend("top",c("Penggunaan Kapasitas Produksi","Rata-rata Jumlah Jam Kerja"),fill=c("#FF6347","#008080"))