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

Lembaga : Universitas Islam Negeri Maulana Malik Ibrahim Malang

Jurusan : Teknik Informatika

Fakultas : Sains dan Teknologi

1 Definisi 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.

1.0.1 Manipulasi data dapat diartikan sebagai :

  • Pengambilan informasi yang yang disimpan dalam basis data.

  • Penempatan informasi baru dalam basis data.

  • Penghapusan informasi dari basis data.

  • Modifikasi informasi yang disimpan dalam basis data.

Berikut manipulasi data inflow uang kartal di pulau Sumatra

library(readxl)
## Warning: package 'readxl' was built under R version 4.1.2
datainflowSumatra <- read_excel(path = "C:/Users/shafira halmahera/Documents/LINEAR ALGEBRA/Data Inflow Sumatra.xlsx")
datainflowSumatra
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 Inflow Uang Kartal di Pulau Sumatra pada Tahun 2015

sumatraApril <- select(datainflowSumatra,'Provinsi', '2015')
sumatraApril

1.2 Manipulasi Data Inflow Uang Kartal di Pulau Sumatra Tanpa Tahun 2015

sumatraApril<- select(datainflowSumatra, -'2015')
sumatraApril

1.3 Manipulasi Data Inflow Uang Kartal di Pulau Sumatra pada Tahun 2011-2015

sumatra1115 <- datainflowSumatra %>% select('Provinsi', '2011', '2012', '2013', '2014', '2015' )
sumatra1115

1.4 Manipulasi Data Inflow Uang Kartal di Pulau Sumatra dengan Mengganti 2011 menjadi Masa 2011

Sumatrarename <- datainflowSumatra %>% rename('Masa 2011' = '2011')
head(Sumatrarename)

1.5 Manipulasi Data Inflow Uang Kartal di Provinsi Aceh pada Tahun 2016-2021

aceh <- datainflowSumatra %>%
    filter(Provinsi == 'Aceh') %>%
    select( 'Provinsi', '2016','2017', '2018','2019', '2020', '2021',)
aceh

1.6 Manipulasi Data Inflow Uang Kartal di Provinsi Riau pada Tahun 2011-2015

Riauup <- datainflowSumatra %>%
  filter(Provinsi == 'Riau') %>%
  select( 'Provinsi', '2011', '2012','2013','2014', '2015',)
Riauup

1.7 Struktur Data Inflow Uang Kartal di Pulau Sumatra

str(datainflowSumatra)
## tibble [11 x 12] (S3: tbl_df/tbl/data.frame)
##  $ Provinsi: chr [1:11] "Sumatera" "Aceh" "Sumatera Utara" "Sumatera Barat" ...
##  $ 2011    : num [1:11] 57900 2308 23238 9385 3012 ...
##  $ 2012    : num [1:11] 65911 2620 25981 11192 4447 ...
##  $ 2013    : num [1:11] 98369 36337 18120 14056 8933 ...
##  $ 2014    : num [1:11] 86024 4567 30503 14103 6358 ...
##  $ 2015    : num [1:11] 86549 4710 30254 13309 7156 ...
##  $ 2016    : num [1:11] 97764 5775 34427 14078 8211 ...
##  $ 2017    : num [1:11] 103748 5514 35617 15312 8553 ...
##  $ 2018    : num [1:11] 117495 5799 41769 15058 10730 ...
##  $ 2019    : num [1:11] 133762 7509 47112 14750 10915 ...
##  $ 2020    : num [1:11] 109345 6641 36609 10696 9148 ...
##  $ 2021    : num [1:11] 89270 3702 31840 10748 7769 ...
str(datainflowSumatra %>% group_by(Provinsi))
## grouped_df [11 x 12] (S3: grouped_df/tbl_df/tbl/data.frame)
##  $ Provinsi: chr [1:11] "Sumatera" "Aceh" "Sumatera Utara" "Sumatera Barat" ...
##  $ 2011    : num [1:11] 57900 2308 23238 9385 3012 ...
##  $ 2012    : num [1:11] 65911 2620 25981 11192 4447 ...
##  $ 2013    : num [1:11] 98369 36337 18120 14056 8933 ...
##  $ 2014    : num [1:11] 86024 4567 30503 14103 6358 ...
##  $ 2015    : num [1:11] 86549 4710 30254 13309 7156 ...
##  $ 2016    : num [1:11] 97764 5775 34427 14078 8211 ...
##  $ 2017    : num [1:11] 103748 5514 35617 15312 8553 ...
##  $ 2018    : num [1:11] 117495 5799 41769 15058 10730 ...
##  $ 2019    : num [1:11] 133762 7509 47112 14750 10915 ...
##  $ 2020    : num [1:11] 109345 6641 36609 10696 9148 ...
##  $ 2021    : num [1:11] 89270 3702 31840 10748 7769 ...
##  - attr(*, "groups")= tibble [11 x 2] (S3: tbl_df/tbl/data.frame)
##   ..$ Provinsi: chr [1:11] "Aceh" "Bengkulu" "Jambi" "Kep. Bangka Belitung" ...
##   ..$ .rows   : list<int> [1:11] 
##   .. ..$ : int 2
##   .. ..$ : int 9
##   .. ..$ : int 7
##   .. ..$ : int 11
##   .. ..$ : int 6
##   .. ..$ : int 10
##   .. ..$ : int 5
##   .. ..$ : int 1
##   .. ..$ : int 4
##   .. ..$ : int 8
##   .. ..$ : int 3
##   .. ..@ ptype: int(0) 
##   ..- attr(*, ".drop")= logi TRUE
sumatraup1 <- datainflowSumatra %>%
    group_by(Provinsi)
sumatraup1
datainflowSumatra %>%
    filter(Provinsi == 'Aceh') %>%
    count('2015', sort = TRUE)
Sumatraup2 <- datainflowSumatra %>%
    mutate('2011' = datainflowSumatra$'2012'/2)
Sumatraup2

1.8 Visualisasi Data Inflow Uang Kartal di Pulau Sumatra pada Tahun 2012

ggplot(data = datainflowSumatra, mapping = aes(x = Provinsi, y = `2012`)) +
  geom_point()

\(REFERENSI\)