Lembaga = Universitas Islam Negeri Maulana Malik Ibrahim Malang

Jurusan = Teknik Informatika

Pengertian Pivot Data

Pivot Table adalah ringkasan data yang dikemas dalam tabel interaktif agar memudahkan dan membantu kamu untuk membuat laporan dan menganalisisnya dengan melihat perbandingan data yang kamu miliki Manfaat dari pivot table adalah untuk merangkum, mengelompokkan, mengeksplorasi, mempresentasikan, menghitung, dan menganalisa suatu data.
library(readxl)
datainflowSulawesi <- read_excel(path = "inflowsulawesi.xlsx")
datainflowSulawesi
## # A tibble: 11 x 12
##    Provinsi       `2011` `2012` `2013` `2014` `2015` `2016` `2017` `2018` `2019`
##    <chr>           <dbl>  <dbl>  <dbl>  <dbl>  <dbl>  <dbl>  <dbl>  <dbl>  <dbl>
##  1 Sulampua       25056. 31011. 63774. 4.16e4 4.03e4 45737. 44126. 52672. 60202.
##  2 Sulawesi Utara  5671.  6635. 21646. 7.37e3 6.29e3  7266.  7044.  7781.  7809.
##  3 Sulawesi Teng~  1563.  1885.  1520. 3.00e3 2.59e3  2665.  2806.  3701.  4042.
##  4 Sulawesi Sela~ 10593. 13702. 17770. 1.94e4 1.96e4 21043. 18803. 21894. 24749.
##  5 Sulawesi Teng~   659.   964.  6093. 2.26e3 2.38e3  3491.  3618.  3632.  4390.
##  6 Sulawesi Barat     0      0      0  0      4.92e1   536.   746.   606.   542.
##  7 Gorontalo          0      0      0  0      0          0      0   1088.  1983.
##  8 Maluku Utara     586.   633. 10273. 1.01e3 1.01e3  1259.  1339.  1530.  1924.
##  9 Maluku          1273.  1147.  4341. 1.78e3 1.79e3  2367.  2484.  3210.  4056.
## 10 Papua           4710.  6047.  2131. 6.79e3 6.10e3  6291.  6353.  8076.  9259.
## 11 Papua Barat        0      0      0  1.17e1 5.18e2   818.   933.  1153.  1448.
## # ... with 2 more variables: `2020` <dbl>, `2021` <dbl>

Kasus Data Inflow uang kartal pulau sulawesi dan Papua

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()
datalongerSulawesi <- datainflowSulawesi %>% 
  pivot_longer(!Provinsi, names_to = "Tahun", values_to = "Kasus")
datalongerSulawesi
## # A tibble: 121 x 3
##    Provinsi Tahun  Kasus
##    <chr>    <chr>  <dbl>
##  1 Sulampua 2011  25056.
##  2 Sulampua 2012  31011.
##  3 Sulampua 2013  63774.
##  4 Sulampua 2014  41607.
##  5 Sulampua 2015  40309.
##  6 Sulampua 2016  45737.
##  7 Sulampua 2017  44126.
##  8 Sulampua 2018  52672.
##  9 Sulampua 2019  60202.
## 10 Sulampua 2020  52812.
## # ... with 111 more rows

Pivot Data inflow Uang Kartal di Pulau Sulawesi dan papua Berdasarkan Kasus

library(dplyr)
Sulawesi2 <- select(datalongerSulawesi, Provinsi, Kasus)
Sulawesi2
## # A tibble: 121 x 2
##    Provinsi  Kasus
##    <chr>     <dbl>
##  1 Sulampua 25056.
##  2 Sulampua 31011.
##  3 Sulampua 63774.
##  4 Sulampua 41607.
##  5 Sulampua 40309.
##  6 Sulampua 45737.
##  7 Sulampua 44126.
##  8 Sulampua 52672.
##  9 Sulampua 60202.
## 10 Sulampua 52812.
## # ... with 111 more rows

Kasus Data inflow Uang Kartal di Sulawesi dan papua

library(dplyr)
Sulawesi3 <- datalongerSulawesi  %>%
    filter(Provinsi == 'Sulawesi Utara') %>%
    select('Provinsi', 'Tahun', 'Kasus')
Sulawesi3
## # A tibble: 11 x 3
##    Provinsi       Tahun  Kasus
##    <chr>          <chr>  <dbl>
##  1 Sulawesi Utara 2011   5671.
##  2 Sulawesi Utara 2012   6635.
##  3 Sulawesi Utara 2013  21646.
##  4 Sulawesi Utara 2014   7374.
##  5 Sulawesi Utara 2015   6286.
##  6 Sulawesi Utara 2016   7266.
##  7 Sulawesi Utara 2017   7044.
##  8 Sulawesi Utara 2018   7781.
##  9 Sulawesi Utara 2019   7809.
## 10 Sulawesi Utara 2020   6324.
## 11 Sulawesi Utara 2021   4671.

Kasus Data inflow Uang Kartal di Pulau gorontalo 2019

Sulawesi4 <- datalongerSulawesi %>%
  filter(Provinsi == 'Gorontalo', Tahun == '2019') %>%
 select('Provinsi', 'Tahun', 'Kasus')
Sulawesi4
## # A tibble: 1 x 3
##   Provinsi  Tahun Kasus
##   <chr>     <chr> <dbl>
## 1 Gorontalo 2019  1983.

Visualisasi Pivot Data inflow Uang Kartal di Pulau sulawesi dan papua Berdasarkan Provinsi

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

Visualisasi Pivot Data inflow Uang Kartal di Pulau sulawesi dan papua Berdasarkan Tahun

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

Refrensi