Universitas : Universitas Islam Negeri Maulana Malik Ibrahim Malang

Jurusan : Teknik Informatika

Pengertian Pivot Table

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.

Singkatnya, gunanya pivot table adalah untuk merangkum, mengelompokkan, mengeksplorasi, mempresentasikan, menghitung, dan menganalisa data.

library(readxl)
## Warning: package 'readxl' was built under R version 4.1.2
datainflowsulampua <- read_excel(path = "inflow tahunan1.xlsx")
datainflowsulampua
## # 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>
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 'stringr' 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()

Kasus Data inflow Uang Kartal di Pulau Sulampua pada periode 2011-2021

datalongersulampua <- datainflowsulampua %>% 
  pivot_longer(!Provinsi, names_to = "Tahun", values_to = "Kasus")
datalongersulampua
## # 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 Sulampua Berdasarkan Kasus

library(dplyr)
sulampua2 <- select(datalongersulampua, Provinsi, Kasus)
sulampua2
## # 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 provinsi Sulawesi Utara Periode 2011-2021

library(dplyr)
SulawesiUtara <- datalongersulampua  %>%
    filter(Provinsi == 'Sulawesi Utara') %>%
    select('Provinsi', 'Tahun', 'Kasus')
SulawesiUtara 
## # 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 provinsi Sulawesi Utara Barat Tahun 2021

SulawesiUtara1 <- datalongersulampua %>%
  filter(Provinsi == 'Sulawesi Utara', Tahun == '2021') %>%
 select('Provinsi', 'Tahun', 'Kasus')
SulawesiUtara1
## # A tibble: 1 x 3
##   Provinsi       Tahun Kasus
##   <chr>          <chr> <dbl>
## 1 Sulawesi Utara 2021  4671.

Kasus Data inflow Uang Kartal di provinsi Sulawesi Tengah Periode 2011-2021

library(dplyr)
SulawesiTengah <- datalongersulampua  %>%
    filter(Provinsi == 'Sulawesi Tengah') %>%
    select('Provinsi', 'Tahun', 'Kasus')
SulawesiTengah 
## # A tibble: 11 x 3
##    Provinsi        Tahun Kasus
##    <chr>           <chr> <dbl>
##  1 Sulawesi Tengah 2011  1563.
##  2 Sulawesi Tengah 2012  1885.
##  3 Sulawesi Tengah 2013  1520.
##  4 Sulawesi Tengah 2014  3000.
##  5 Sulawesi Tengah 2015  2593.
##  6 Sulawesi Tengah 2016  2665.
##  7 Sulawesi Tengah 2017  2806.
##  8 Sulawesi Tengah 2018  3701.
##  9 Sulawesi Tengah 2019  4042.
## 10 Sulawesi Tengah 2020  3052.
## 11 Sulawesi Tengah 2021  2453.

Kasus Data inflow Uang Kartal di provinsi Sulawesi Tengah Barat Tahun 2021

SulawesiTengah1 <- datalongersulampua %>%
  filter(Provinsi == 'Sulawesi Tengah', Tahun == '2021') %>%
 select('Provinsi', 'Tahun', 'Kasus')
SulawesiTengah1
## # A tibble: 1 x 3
##   Provinsi        Tahun Kasus
##   <chr>           <chr> <dbl>
## 1 Sulawesi Tengah 2021  2453.

Kasus Data inflow Uang Kartal di provinsi Sulawesi Selatan Periode 2011-2021

library(dplyr)
SulawesiSelatan <- datalongersulampua  %>%
    filter(Provinsi == 'Sulawesi Selatan') %>%
    select('Provinsi', 'Tahun', 'Kasus')
SulawesiSelatan 
## # A tibble: 11 x 3
##    Provinsi         Tahun  Kasus
##    <chr>            <chr>  <dbl>
##  1 Sulawesi Selatan 2011  10593.
##  2 Sulawesi Selatan 2012  13702.
##  3 Sulawesi Selatan 2013  17770.
##  4 Sulawesi Selatan 2014  19384.
##  5 Sulawesi Selatan 2015  19583.
##  6 Sulawesi Selatan 2016  21043.
##  7 Sulawesi Selatan 2017  18803.
##  8 Sulawesi Selatan 2018  21894.
##  9 Sulawesi Selatan 2019  24749.
## 10 Sulawesi Selatan 2020  21551.
## 11 Sulawesi Selatan 2021  18335.

Kasus Data inflow Uang Kartal di provinsi Sulawesi Selatan Tahun 2021

SulawesiSelatan1 <- datalongersulampua %>%
  filter(Provinsi == 'Sulawesi Selatan', Tahun == '2021') %>%
 select('Provinsi', 'Tahun', 'Kasus')
SulawesiSelatan1
## # A tibble: 1 x 3
##   Provinsi         Tahun  Kasus
##   <chr>            <chr>  <dbl>
## 1 Sulawesi Selatan 2021  18335.

Kasus Data inflow Uang Kartal di provinsi Sulawesi Tenggara Periode 2011-2021

library(dplyr)
SulawesiTenggara <- datalongersulampua  %>%
    filter(Provinsi == 'Sulawesi Tenggara') %>%
    select('Provinsi', 'Tahun', 'Kasus')
SulawesiTenggara 
## # A tibble: 11 x 3
##    Provinsi          Tahun Kasus
##    <chr>             <chr> <dbl>
##  1 Sulawesi Tenggara 2011   659.
##  2 Sulawesi Tenggara 2012   964.
##  3 Sulawesi Tenggara 2013  6093.
##  4 Sulawesi Tenggara 2014  2256.
##  5 Sulawesi Tenggara 2015  2385.
##  6 Sulawesi Tenggara 2016  3491.
##  7 Sulawesi Tenggara 2017  3618.
##  8 Sulawesi Tenggara 2018  3632.
##  9 Sulawesi Tenggara 2019  4390.
## 10 Sulawesi Tenggara 2020  3353.
## 11 Sulawesi Tenggara 2021  3270.

Kasus Data inflow Uang Kartal di provinsi Sulawesi Tenggara Tahun 2021

SulawesiTenggara1 <- datalongersulampua %>%
  filter(Provinsi == 'Sulawesi Tenggara', Tahun == '2021') %>%
 select('Provinsi', 'Tahun', 'Kasus')
SulawesiTenggara1
## # A tibble: 1 x 3
##   Provinsi          Tahun Kasus
##   <chr>             <chr> <dbl>
## 1 Sulawesi Tenggara 2021  3270.

Kasus Data inflow Uang Kartal di provinsi Sulawesi Barat Periode 2011-2021

library(dplyr)
SulawesiBarat <- datalongersulampua  %>%
    filter(Provinsi == 'Sulawesi Barat') %>%
    select('Provinsi', 'Tahun', 'Kasus')
SulawesiBarat 
## # A tibble: 11 x 3
##    Provinsi       Tahun Kasus
##    <chr>          <chr> <dbl>
##  1 Sulawesi Barat 2011    0  
##  2 Sulawesi Barat 2012    0  
##  3 Sulawesi Barat 2013    0  
##  4 Sulawesi Barat 2014    0  
##  5 Sulawesi Barat 2015   49.2
##  6 Sulawesi Barat 2016  536. 
##  7 Sulawesi Barat 2017  746. 
##  8 Sulawesi Barat 2018  606. 
##  9 Sulawesi Barat 2019  542. 
## 10 Sulawesi Barat 2020  329. 
## 11 Sulawesi Barat 2021  265.

Kasus Data inflow Uang Kartal di provinsi Sulawesi Barat Tahun 2021

SulawesiBarat1 <- datalongersulampua %>%
  filter(Provinsi == 'Sulawesi Barat', Tahun == '2021') %>%
 select('Provinsi', 'Tahun', 'Kasus')
SulawesiBarat1
## # A tibble: 1 x 3
##   Provinsi       Tahun Kasus
##   <chr>          <chr> <dbl>
## 1 Sulawesi Barat 2021   265.

Kasus Data inflow Uang Kartal di provinsi Maluku Utara Periode 2011-2021

library(dplyr)
Maluku <- datalongersulampua  %>%
    filter(Provinsi == 'Maluku Utara') %>%
    select('Provinsi', 'Tahun', 'Kasus')
Maluku 
## # A tibble: 11 x 3
##    Provinsi     Tahun  Kasus
##    <chr>        <chr>  <dbl>
##  1 Maluku Utara 2011    586.
##  2 Maluku Utara 2012    633.
##  3 Maluku Utara 2013  10273.
##  4 Maluku Utara 2014   1006.
##  5 Maluku Utara 2015   1007.
##  6 Maluku Utara 2016   1259.
##  7 Maluku Utara 2017   1339.
##  8 Maluku Utara 2018   1530.
##  9 Maluku Utara 2019   1924.
## 10 Maluku Utara 2020   1876.
## 11 Maluku Utara 2021   1738.

Kasus Data inflow Uang Kartal di provinsi Maluku Utara Tahun 2021

MalukuUtara1 <- datalongersulampua %>%
  filter(Provinsi == 'Maluku Utara', Tahun == '2021') %>%
 select('Provinsi', 'Tahun', 'Kasus')
MalukuUtara1
## # A tibble: 1 x 3
##   Provinsi     Tahun Kasus
##   <chr>        <chr> <dbl>
## 1 Maluku Utara 2021  1738.

Kasus Data inflow Uang Kartal di provinsi Maluku Periode 2011-2021

library(dplyr)
Maluku <- datalongersulampua  %>%
    filter(Provinsi == 'Maluku') %>%
    select('Provinsi', 'Tahun', 'Kasus')
Maluku 
## # A tibble: 11 x 3
##    Provinsi Tahun Kasus
##    <chr>    <chr> <dbl>
##  1 Maluku   2011  1273.
##  2 Maluku   2012  1147.
##  3 Maluku   2013  4341.
##  4 Maluku   2014  1781.
##  5 Maluku   2015  1790.
##  6 Maluku   2016  2367.
##  7 Maluku   2017  2484.
##  8 Maluku   2018  3210.
##  9 Maluku   2019  4056.
## 10 Maluku   2020  2909.
## 11 Maluku   2021  2795.

Kasus Data inflow Uang Kartal di provinsi Maluku Tahun 2021

Maluku1 <- datalongersulampua %>%
  filter(Provinsi == 'Maluku', Tahun == '2021') %>%
 select('Provinsi', 'Tahun', 'Kasus')
Maluku1
## # A tibble: 1 x 3
##   Provinsi Tahun Kasus
##   <chr>    <chr> <dbl>
## 1 Maluku   2021  2795.

Kasus Data inflow Uang Kartal di provinsi Papua Periode 2011-2021

library(dplyr)
Papua <- datalongersulampua  %>%
    filter(Provinsi == 'Papua') %>%
    select('Provinsi', 'Tahun', 'Kasus')
Papua 
## # A tibble: 11 x 3
##    Provinsi Tahun Kasus
##    <chr>    <chr> <dbl>
##  1 Papua    2011  4710.
##  2 Papua    2012  6047.
##  3 Papua    2013  2131.
##  4 Papua    2014  6794.
##  5 Papua    2015  6099.
##  6 Papua    2016  6291.
##  7 Papua    2017  6353.
##  8 Papua    2018  8076.
##  9 Papua    2019  9259.
## 10 Papua    2020  9556.
## 11 Papua    2021  8509.

Kasus Data inflow Uang Kartal di provinsi Papua Tahun 2021

Papua1 <- datalongersulampua %>%
  filter(Provinsi == 'Papua', Tahun == '2021') %>%
 select('Provinsi', 'Tahun', 'Kasus')
Papua1
## # A tibble: 1 x 3
##   Provinsi Tahun Kasus
##   <chr>    <chr> <dbl>
## 1 Papua    2021  8509.

Kasus Data inflow Uang Kartal di provinsi Papua Barat Periode 2011-2021

library(dplyr)
PapuaBarat <- datalongersulampua  %>%
    filter(Provinsi == 'Papua Barat') %>%
    select('Provinsi', 'Tahun', 'Kasus')
PapuaBarat 
## # A tibble: 11 x 3
##    Provinsi    Tahun  Kasus
##    <chr>       <chr>  <dbl>
##  1 Papua Barat 2011     0  
##  2 Papua Barat 2012     0  
##  3 Papua Barat 2013     0  
##  4 Papua Barat 2014    11.7
##  5 Papua Barat 2015   518. 
##  6 Papua Barat 2016   818. 
##  7 Papua Barat 2017   933. 
##  8 Papua Barat 2018  1153. 
##  9 Papua Barat 2019  1448. 
## 10 Papua Barat 2020  1635. 
## 11 Papua Barat 2021  1907.

Kasus Data inflow Uang Kartal di provinsi Papua Barat Tahun 2021

PapuaBarat1 <- datalongersulampua %>%
  filter(Provinsi == 'Papua Barat', Tahun == '2021') %>%
 select('Provinsi', 'Tahun', 'Kasus')
PapuaBarat1
## # A tibble: 1 x 3
##   Provinsi    Tahun Kasus
##   <chr>       <chr> <dbl>
## 1 Papua Barat 2021  1907.

Kasus Data inflow Uang Kartal di provinsi Gorontalo Periode 2011-2021

library(dplyr)
Gorontalo <- datalongersulampua  %>%
    filter(Provinsi == 'Gorontalo') %>%
    select('Provinsi', 'Tahun', 'Kasus')
Gorontalo 
## # A tibble: 11 x 3
##    Provinsi  Tahun Kasus
##    <chr>     <chr> <dbl>
##  1 Gorontalo 2011     0 
##  2 Gorontalo 2012     0 
##  3 Gorontalo 2013     0 
##  4 Gorontalo 2014     0 
##  5 Gorontalo 2015     0 
##  6 Gorontalo 2016     0 
##  7 Gorontalo 2017     0 
##  8 Gorontalo 2018  1088.
##  9 Gorontalo 2019  1983.
## 10 Gorontalo 2020  2227.
## 11 Gorontalo 2021  1770.

Kasus Data inflow Uang Kartal di provinsi Gorontalo Tahun 2021

Gorontalo1 <- datalongersulampua %>%
  filter(Provinsi == 'Gorontalo', Tahun == '2021') %>%
 select('Provinsi', 'Tahun', 'Kasus')
Gorontalo1
## # A tibble: 1 x 3
##   Provinsi  Tahun Kasus
##   <chr>     <chr> <dbl>
## 1 Gorontalo 2021  1770.

Visualisasi Pivot Data inflow Uang Kartal di pulau Sulampua Berdasarkan Provinsi

ggplot(data = datalongersulampua, 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 Sulampua Berdasarkan Tahun

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

Daftar Pustaka

https://www.kitalulus.com/seputar-kerja/pivot-table-adalah

https://www.bi.go.id/id/statistik/ekonomi-keuangan/ssp/indikator-pengedaran-uang.aspx