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 Jawa :
library(readxl)
outflowbali <- read_excel(path = "outflowbali.xlsx")
outflowbali
## # A tibble: 3 x 13
## Provinsi Januari Februari Maret April Mei Juni Juli Agustus September
## <chr> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl>
## 1 Bali 449. 824. 816. 1369. 888. 1207. 2977. 953. 969.
## 2 Nusa Tenggar~ 300. 270. 347. 784. 554. 621. 1270. 367. 619.
## 3 Nusa Tenggar~ 92.8 73.8 189. 322. 213. 391. 858. 383. 417.
## # ... with 3 more variables: Oktober <dbl>, November <dbl>, Desember <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()
datalongerbali <- outflowbali %>%
pivot_longer(!Provinsi, names_to = "Bulan", values_to = "Kasus")
datalongerbali
## # A tibble: 36 x 3
## Provinsi Bulan Kasus
## <chr> <chr> <dbl>
## 1 Bali Januari 449.
## 2 Bali Februari 824.
## 3 Bali Maret 816.
## 4 Bali April 1369.
## 5 Bali Mei 888.
## 6 Bali Juni 1207.
## 7 Bali Juli 2977.
## 8 Bali Agustus 953.
## 9 Bali September 969.
## 10 Bali Oktober 898.
## # ... with 26 more rows
library(dplyr)
Bali1 <- select(datalongerbali, Provinsi, Kasus)
Bali1
## # A tibble: 36 x 2
## Provinsi Kasus
## <chr> <dbl>
## 1 Bali 449.
## 2 Bali 824.
## 3 Bali 816.
## 4 Bali 1369.
## 5 Bali 888.
## 6 Bali 1207.
## 7 Bali 2977.
## 8 Bali 953.
## 9 Bali 969.
## 10 Bali 898.
## # ... with 26 more rows
library(dplyr)
ntb <- datalongerbali %>%
filter(Provinsi == 'Nusa Tenggara Barat') %>%
select('Provinsi', 'Bulan', 'Kasus')
ntb
## # A tibble: 12 x 3
## Provinsi Bulan Kasus
## <chr> <chr> <dbl>
## 1 Nusa Tenggara Barat Januari 300.
## 2 Nusa Tenggara Barat Februari 270.
## 3 Nusa Tenggara Barat Maret 347.
## 4 Nusa Tenggara Barat April 784.
## 5 Nusa Tenggara Barat Mei 554.
## 6 Nusa Tenggara Barat Juni 621.
## 7 Nusa Tenggara Barat Juli 1270.
## 8 Nusa Tenggara Barat Agustus 367.
## 9 Nusa Tenggara Barat September 619.
## 10 Nusa Tenggara Barat Oktober 468.
## 11 Nusa Tenggara Barat November 510.
## 12 Nusa Tenggara Barat Desember 618.
ntt <- datalongerbali %>%
filter(Provinsi == 'Nusa Tenggara Timur', Bulan == 'Januari') %>%
select('Provinsi', 'Bulan', 'Kasus')
ntt
## # A tibble: 1 x 3
## Provinsi Bulan Kasus
## <chr> <chr> <dbl>
## 1 Nusa Tenggara Timur Januari 92.8
ggplot(data = datalongerbali, mapping = aes(x = Bulan, y = Kasus)) +
geom_point() +
facet_wrap( ~ Provinsi) +
theme(axis.text.x = element_text(angle = 90))
ggplot(data = datalongerbali, mapping = aes(x = Provinsi, y = Kasus)) +
geom_point() +
facet_wrap( ~ Bulan) +
theme(axis.text.x = element_text(angle = 90))