Dosen Pengampu : Prof. Dr. Suhartono, M.Kom

Lembaga : Universitas Islam Negeri Maulana Malik Ibrahim Malang

Jurusan : Teknik Informatika

Fakultas : Sains dan Teknologi

1 Pengertian Manipulasi Data

Manipulasi data merupakan salah satu proses untuk mengubah data menjadi lebih mudah untuk dibaca dan lebih terorganisir. Sebagai contoh para data analis dibidang sosial seperti akutansi atau sejenisnya sering menggunakan proses manipulasi untuk mengetahui harga dari sebuah produk, tren dari penjualan, hingga potensi kewajiban pajak.

Berikut manipulasi data Outflow uang kartal di Pulau Sulawesi

library(readxl)
## Warning: package 'readxl' was built under R version 4.1.2
dataoutflowSulawesi <- read_excel(path = "C:/Users/shafira halmahera/Documents/LINEAR ALGEBRA/outflowdatabulanSulawesi.xlsx")
dataoutflowSulawesi
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()
## 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   1.0.7
## v tidyr   1.1.3     v stringr 1.4.0
## v readr   2.0.1     v forcats 0.5.1
## Warning: package 'tibble' was built under R version 4.1.2
## -- Conflicts ------------------------------------------ tidyverse_conflicts() --
## x dplyr::filter() masks stats::filter()
## x dplyr::lag()    masks stats::lag()

1.1 Manipulasi Data Outflow Uang Kartal di Pulau Sulawesi pada Bulan Maret

sulawesiMaret <- select(dataoutflowSulawesi,'Provinsi', 'Maret')
sulawesiMaret

1.2 Manipulasi Data Outflow Uang Kartal di Pulau Sulawesi Tanpa Bulan Maret 

sulawesinotMaret <- select(dataoutflowSulawesi, -'Maret')
sulawesinotMaret

1.3 Manipulasi Data Outflow Uang Kartal di Pulau Sulawesi pada Bulan Januari, Februari, dan Maret

sulawesiJanMar <- dataoutflowSulawesi %>% select('Provinsi', 'Januari', 'Februari', 'Maret')
sulawesiJanMar

1.4 Manipulasi Data Outflow Uang Kartal di Pulau Sulawesi dengan Mengubah April menjadi Bulan April

sulawesirename <- dataoutflowSulawesi %>% rename('Bulan April' = 'April')
head(sulawesirename)

1.5 Manipulasi Data Outflow Uang Kartal di Sulawesi Tenggara Pada Bulan Agustus-Oktober

sulawesiTenggara <- dataoutflowSulawesi %>%
    filter(Provinsi == 'Sulawesi Tenggara') %>%
    select( 'Provinsi', 'Agustus','September', 'Oktober',)
sulawesiTenggara

1.6 Manipulasi Data Outflow Uang Kartal di Provinsi Maluku Pada Bulan Januari-April

sulawesiup1 <- dataoutflowSulawesi %>%
  filter(Provinsi == 'Maluku') %>%
  select( 'Provinsi', 'Januari', 'Februari','Maret', 'April',)
sulawesiup1

1.7 Struktur Data Outflow Uang Kartal di Pulau Sulawesi

str(dataoutflowSulawesi)
## tibble [11 x 13] (S3: tbl_df/tbl/data.frame)
##  $ Provinsi : chr [1:11] NA "Sulampua" "Sulawesi Utara" "Sulawesi Tengah" ...
##  $ Januari  : num [1:11] NA 965.7 244.2 83.5 308.8 ...
##  $ Februari : num [1:11] NA 957 260 139 238 ...
##  $ Maret    : num [1:11] NA 1982 352 189 705 ...
##  $ April    : num [1:11] NA 2605 460 266 739 ...
##  $ Mei      : num [1:11] NA 2559 474 317 574 ...
##  $ Juni     : num [1:11] NA 2557 459 311 593 ...
##  $ Juli     : num [1:11] NA 3087 622 351 697 ...
##  $ Agustus  : num [1:11] NA 6228 985 656 2067 ...
##  $ September: num [1:11] NA 1234 212 105 490 ...
##  $ Oktober  : num [1:11] NA 2947 545 356 725 ...
##  $ November : num [1:11] NA 3380 588 519 731 ...
##  $ Desember : num [1:11] NA 7948 1404 724 1099 ...
str(dataoutflowSulawesi %>% group_by(Provinsi))
## grouped_df [11 x 13] (S3: grouped_df/tbl_df/tbl/data.frame)
##  $ Provinsi : chr [1:11] NA "Sulampua" "Sulawesi Utara" "Sulawesi Tengah" ...
##  $ Januari  : num [1:11] NA 965.7 244.2 83.5 308.8 ...
##  $ Februari : num [1:11] NA 957 260 139 238 ...
##  $ Maret    : num [1:11] NA 1982 352 189 705 ...
##  $ April    : num [1:11] NA 2605 460 266 739 ...
##  $ Mei      : num [1:11] NA 2559 474 317 574 ...
##  $ Juni     : num [1:11] NA 2557 459 311 593 ...
##  $ Juli     : num [1:11] NA 3087 622 351 697 ...
##  $ Agustus  : num [1:11] NA 6228 985 656 2067 ...
##  $ September: num [1:11] NA 1234 212 105 490 ...
##  $ Oktober  : num [1:11] NA 2947 545 356 725 ...
##  $ November : num [1:11] NA 3380 588 519 731 ...
##  $ Desember : num [1:11] NA 7948 1404 724 1099 ...
##  - attr(*, "groups")= tibble [11 x 2] (S3: tbl_df/tbl/data.frame)
##   ..$ Provinsi: chr [1:11] "Gorontalo" "Maluku" "Maluku Utara" "Papua" ...
##   ..$ .rows   : list<int> [1:11] 
##   .. ..$ : int 8
##   .. ..$ : int 10
##   .. ..$ : int 9
##   .. ..$ : int 11
##   .. ..$ : int 2
##   .. ..$ : int 7
##   .. ..$ : int 5
##   .. ..$ : int 4
##   .. ..$ : int 6
##   .. ..$ : int 3
##   .. ..$ : int 1
##   .. ..@ ptype: int(0) 
##   ..- attr(*, ".drop")= logi TRUE
sulawesiup2 <- dataoutflowSulawesi %>%
    group_by(Provinsi)
sulawesiup2
dataoutflowSulawesi %>%
    filter(Provinsi == 'Gorontalo') %>%
    count('Januari', sort = TRUE)
sulawesiup1 <- dataoutflowSulawesi %>%
    mutate('Januari' = dataoutflowSulawesi$'April'/2)
sulawesiup1

1.8 Visualisasi Data Outflow Uang Kartal di Pulau Sulawesi pada Bulan Januari dan Februari

ggplot(data = dataoutflowSulawesi, mapping = aes(x = Provinsi, y = `Januari`)) +
  geom_point()
## Warning: Removed 1 rows containing missing values (geom_point).

\(REFERENSI\)