Pivot adalah membuat rangkuman, melakukan analisa, eksplorasi data, serta mempresentasikannya. Salah satu software yang menyediakan fitur Pivot adalah MSExcel. Pada MSExcel terdapat fitur PivotTable yang 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.Berikut ini akan saya sajikan contoh penerapan pivot dalam inflow uang kartal di Pulau Sumatera :
library(readxl)
inflowsumatra <- read_excel(path = "inflowsumatra.xlsx")
inflowsumatra
## # A tibble: 10 x 12
## Provinsi `2011` `2012` `2013` `2014` `2015` `2016` `2017` `2018` `2019`
## <chr> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl>
## 1 Aceh 2308. 2620. 36337. 4.57e3 4710. 5775. 5514. 5799. 7509.
## 2 Sumatera Utara 23238. 25981. 18120. 3.05e4 30254. 34427. 35617. 41769. 47112.
## 3 Sumatera Barat 9385. 11192. 14056. 1.41e4 13309. 14078. 15312. 15058. 14750.
## 4 Riau 3012. 4447. 8933. 6.36e3 7156. 8211. 8553. 10730. 10915.
## 5 Kep. Riau 1426. 2236. 3378. 2.56e3 3218. 4317. 4412. 5134. 6077.
## 6 Jambi 1868. 2138. 3047. 5.17e3 4978. 4398. 4404. 5657. 6486.
## 7 Sumatera Sela~ 7820. 9126. 8647. 1.00e4 10797. 12752. 13075. 14267. 14812.
## 8 Bengkulu 1153. 1201. 2378. 3.26e3 2791. 2889. 3620. 4150. 5789.
## 9 Lampung 7690. 6969. 3474. 9.45e3 8160. 9373. 12078. 13415. 17046.
## 10 Kep. Bangka B~ 0 0 0 1.37e1 1177. 1544. 1164. 1517. 3265.
## # ... with 2 more variables: `2020` <dbl>, `2021` <dbl>
library(tidyverse)
## -- 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
## -- Conflicts ------------------------------------------ tidyverse_conflicts() --
## x dplyr::filter() masks stats::filter()
## x dplyr::lag() masks stats::lag()
datalongersumatra<- inflowsumatra %>%
pivot_longer(!Provinsi, names_to = "Tahun", values_to = "Kasus")
datalongersumatra
## # A tibble: 110 x 3
## Provinsi Tahun Kasus
## <chr> <chr> <dbl>
## 1 Aceh 2011 2308.
## 2 Aceh 2012 2620.
## 3 Aceh 2013 36337.
## 4 Aceh 2014 4567.
## 5 Aceh 2015 4710.
## 6 Aceh 2016 5775.
## 7 Aceh 2017 5514.
## 8 Aceh 2018 5799.
## 9 Aceh 2019 7509.
## 10 Aceh 2020 6641.
## # ... with 100 more rows
library(dplyr)
kasussumatra <- select(datalongersumatra, Provinsi, Kasus)
kasussumatra
## # A tibble: 110 x 2
## Provinsi Kasus
## <chr> <dbl>
## 1 Aceh 2308.
## 2 Aceh 2620.
## 3 Aceh 36337.
## 4 Aceh 4567.
## 5 Aceh 4710.
## 6 Aceh 5775.
## 7 Aceh 5514.
## 8 Aceh 5799.
## 9 Aceh 7509.
## 10 Aceh 6641.
## # ... with 100 more rows
library(dplyr)
kasussumatra <- datalongersumatra %>%
filter(Provinsi == 'Sumatera Barat') %>%
select('Provinsi', 'Tahun', 'Kasus')
kasussumatra
## # A tibble: 11 x 3
## Provinsi Tahun Kasus
## <chr> <chr> <dbl>
## 1 Sumatera Barat 2011 9385.
## 2 Sumatera Barat 2012 11192.
## 3 Sumatera Barat 2013 14056.
## 4 Sumatera Barat 2014 14103.
## 5 Sumatera Barat 2015 13309.
## 6 Sumatera Barat 2016 14078.
## 7 Sumatera Barat 2017 15312.
## 8 Sumatera Barat 2018 15058.
## 9 Sumatera Barat 2019 14750.
## 10 Sumatera Barat 2020 10696.
## 11 Sumatera Barat 2021 10748.
kasussumbar <- datalongersumatra %>%
filter(Provinsi == 'Sumatera Barat', Tahun == '2015') %>%
select('Provinsi', 'Tahun', 'Kasus')
kasussumbar
## # A tibble: 1 x 3
## Provinsi Tahun Kasus
## <chr> <chr> <dbl>
## 1 Sumatera Barat 2015 13309.
ggplot(data = datalongersumatra, mapping = aes(x = Tahun, y = Kasus)) +
geom_point() +
facet_wrap( ~ Provinsi) +
theme(axis.text.x = element_text(angle = 90))