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
dataoutflowsulampua <- read_excel(path = "outflow tahunan1.xlsx")
dataoutflowsulampua
## # 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       36449. 43623. 64181. 48231. 53153. 53145. 56297. 60935. 60723.
##  2 Sulawesi Utara  6606.  6375. 22740.  7207.  7202.  7707.  8421.  7605.  7367.
##  3 Sulawesi Teng~  4017.  4458.  4544.  5696.  5310.  4962.  5226.  5578.  5531.
##  4 Sulawesi Sela~  8967. 11873. 11485. 15645. 16236. 15494. 15159. 16779. 18089.
##  5 Sulawesi Teng~  2889.  2950.  4239.  3537.  4716.  4488.  5293.  5224.  5056.
##  6 Sulawesi Barat     0      0      0      0    647.  1514.  2504.  3350.  2749.
##  7 Gorontalo          0      0      0      0      0      0      0    927.  1951.
##  8 Maluku Utara    1631.  1677.  8578.  1809.  2397.  2246.  2752.  2678.  2984.
##  9 Maluku          2352.  2690.  4795.  2861.  3123.  3309.  3671.  3424.  4071.
## 10 Papua           9986. 13600.  7801. 11305. 11623. 11500. 10650. 12369.  9605.
## 11 Papua Barat        0      0      0    170.  1899.  1924.  2621.  3001.  3319.
## # ... 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 outflow Uang Kartal di Pulau Sulampua pada periode 2011-2021

datalongersulampua <- dataoutflowsulampua %>% 
  pivot_longer(!Provinsi, names_to = "Tahun", values_to = "Kasus")
datalongersulampua
## # A tibble: 121 x 3
##    Provinsi Tahun  Kasus
##    <chr>    <chr>  <dbl>
##  1 Sulampua 2011  36449.
##  2 Sulampua 2012  43623.
##  3 Sulampua 2013  64181.
##  4 Sulampua 2014  48231.
##  5 Sulampua 2015  53153.
##  6 Sulampua 2016  53145.
##  7 Sulampua 2017  56297.
##  8 Sulampua 2018  60935.
##  9 Sulampua 2019  60723.
## 10 Sulampua 2020  64828.
## # ... with 111 more rows

Pivot Data outflow 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 36449.
##  2 Sulampua 43623.
##  3 Sulampua 64181.
##  4 Sulampua 48231.
##  5 Sulampua 53153.
##  6 Sulampua 53145.
##  7 Sulampua 56297.
##  8 Sulampua 60935.
##  9 Sulampua 60723.
## 10 Sulampua 64828.
## # ... with 111 more rows

Kasus Data outflow 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   6606.
##  2 Sulawesi Utara 2012   6375.
##  3 Sulawesi Utara 2013  22740.
##  4 Sulawesi Utara 2014   7207.
##  5 Sulawesi Utara 2015   7202.
##  6 Sulawesi Utara 2016   7707.
##  7 Sulawesi Utara 2017   8421.
##  8 Sulawesi Utara 2018   7605.
##  9 Sulawesi Utara 2019   7367.
## 10 Sulawesi Utara 2020   7437.
## 11 Sulawesi Utara 2021   3050.

Kasus Data outflow 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  3050.

Kasus Data outflow 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  4017.
##  2 Sulawesi Tengah 2012  4458.
##  3 Sulawesi Tengah 2013  4544.
##  4 Sulawesi Tengah 2014  5696.
##  5 Sulawesi Tengah 2015  5310.
##  6 Sulawesi Tengah 2016  4962.
##  7 Sulawesi Tengah 2017  5226.
##  8 Sulawesi Tengah 2018  5578.
##  9 Sulawesi Tengah 2019  5531.
## 10 Sulawesi Tengah 2020  4674.
## 11 Sulawesi Tengah 2021  2763.

Kasus Data outflow 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  2763.

Kasus Data outflow 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   8967.
##  2 Sulawesi Selatan 2012  11873.
##  3 Sulawesi Selatan 2013  11485.
##  4 Sulawesi Selatan 2014  15645.
##  5 Sulawesi Selatan 2015  16236.
##  6 Sulawesi Selatan 2016  15494.
##  7 Sulawesi Selatan 2017  15159.
##  8 Sulawesi Selatan 2018  16779.
##  9 Sulawesi Selatan 2019  18089.
## 10 Sulawesi Selatan 2020  20503.
## 11 Sulawesi Selatan 2021  12017.

Kasus Data outflow 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  12017.

Kasus Data outflow 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  2889.
##  2 Sulawesi Tenggara 2012  2950.
##  3 Sulawesi Tenggara 2013  4239.
##  4 Sulawesi Tenggara 2014  3537.
##  5 Sulawesi Tenggara 2015  4716.
##  6 Sulawesi Tenggara 2016  4488.
##  7 Sulawesi Tenggara 2017  5293.
##  8 Sulawesi Tenggara 2018  5224.
##  9 Sulawesi Tenggara 2019  5056.
## 10 Sulawesi Tenggara 2020  5129.
## 11 Sulawesi Tenggara 2021  2507.

Kasus Data outflow 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  2507.

Kasus Data outflow 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   647.
##  6 Sulawesi Barat 2016  1514.
##  7 Sulawesi Barat 2017  2504.
##  8 Sulawesi Barat 2018  3350.
##  9 Sulawesi Barat 2019  2749.
## 10 Sulawesi Barat 2020  2921.
## 11 Sulawesi Barat 2021  2079.

Kasus Data outflow 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  2079.

Kasus Data outflow 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  1631.
##  2 Maluku Utara 2012  1677.
##  3 Maluku Utara 2013  8578.
##  4 Maluku Utara 2014  1809.
##  5 Maluku Utara 2015  2397.
##  6 Maluku Utara 2016  2246.
##  7 Maluku Utara 2017  2752.
##  8 Maluku Utara 2018  2678.
##  9 Maluku Utara 2019  2984.
## 10 Maluku Utara 2020  2943.
## 11 Maluku Utara 2021  1823.

Kasus Data outflow 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  1823.

Kasus Data outflow 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  2352.
##  2 Maluku   2012  2690.
##  3 Maluku   2013  4795.
##  4 Maluku   2014  2861.
##  5 Maluku   2015  3123.
##  6 Maluku   2016  3309.
##  7 Maluku   2017  3671.
##  8 Maluku   2018  3424.
##  9 Maluku   2019  4071.
## 10 Maluku   2020  3724.
## 11 Maluku   2021  1806.

Kasus Data outflow 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  1806.

Kasus Data outflow 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   9986.
##  2 Papua    2012  13600.
##  3 Papua    2013   7801.
##  4 Papua    2014  11305.
##  5 Papua    2015  11623.
##  6 Papua    2016  11500.
##  7 Papua    2017  10650.
##  8 Papua    2018  12369.
##  9 Papua    2019   9605.
## 10 Papua    2020  12028.
## 11 Papua    2021   5409.

Kasus Data outflow 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  5409.

Kasus Data outflow 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   170.
##  5 Papua Barat 2015  1899.
##  6 Papua Barat 2016  1924.
##  7 Papua Barat 2017  2621.
##  8 Papua Barat 2018  3001.
##  9 Papua Barat 2019  3319.
## 10 Papua Barat 2020  3086.
## 11 Papua Barat 2021   857.

Kasus Data outflow 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   857.

Kasus Data outflow 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   927.
##  9 Gorontalo 2019  1951.
## 10 Gorontalo 2020  2382.
## 11 Gorontalo 2021  1494.

Kasus Data outflow 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  1494.

Visualisasi Pivot Data outflow 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 outflow 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