Pivot dan Visualisasi Data Inflow Uang Kartal di Pulau Kalimantan Periode 5 Tahun Terakhir

Pengertian Pivot

PivotTable merupakan fitur yang ada di program MS. Excel yang fungsinya untuk membuat rangkuman, melakukan analisa, eksplorasi data, serta mempresentasikannya. Dengan PivotTable menjadikan kegiatan anda dengan menggunakan ms. Excel lebih powerful seperti merangkum data dalam jumlah yang besar dengan waktu yang singkat. Selain itu juga efektif untuk memanipulasi layout data dari yang anda butuhkan.Berikut ini akan saya sajikan contoh penerapan pivot dalam outflow uang kartal di Pulau Kalimantan Periode 5 Tahun Terakhir :

library(readxl)

datainflowkalimantan <- read_excel(path = "C:/Users/DELL LATITUDE 7280/Documents/KULIAH/SEMESTER 2/LINEAR ALGEBRA/Pivot/inflowkalimantan.xlsx")
datainflowkalimantan

## # A tibble: 6 x 6
##   Provinsi           `2017` `2018` `2019` `2020` `2021`
##   <chr>               <dbl>  <dbl>  <dbl>  <dbl>  <dbl>
## 1 Kalimantan         35119. 41157. 46158. 37200. 31372.
## 2 Kalimantan Barat    7775. 10249. 11848.  9294.  7598.
## 3 Kalimantan Tengah   3655.  4083.  4385.  4178.  3534.
## 4 Kalimantan Selatan 12415. 13604. 14462. 11753.  9655.
## 5 Kalimantan Timur   10933. 12305. 13991. 10612.  8914.
## 6 Kalimantan Utara     341.   917.  1472.  1362.  1671.

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()

Kasus Data Inflow Uang Kartal di Pulau Kalimantan pada periode 5 Tahun terakhir

datalongerKalimantan <- datainflowkalimantan %>% 
  pivot_longer(!Provinsi, names_to = "Tahun", values_to = "Kasus")
datalongerKalimantan

## # A tibble: 30 x 3
##    Provinsi         Tahun  Kasus
##    <chr>            <chr>  <dbl>
##  1 Kalimantan       2017  35119.
##  2 Kalimantan       2018  41157.
##  3 Kalimantan       2019  46158.
##  4 Kalimantan       2020  37200.
##  5 Kalimantan       2021  31372.
##  6 Kalimantan Barat 2017   7775.
##  7 Kalimantan Barat 2018  10249.
##  8 Kalimantan Barat 2019  11848.
##  9 Kalimantan Barat 2020   9294.
## 10 Kalimantan Barat 2021   7598.
## # ... with 20 more rows

Pivot Data Inflow Uang Kartal di Pulau Kalimantan berdasarkan Kasus

library(dplyr)
Kalimantan2 <- select(datalongerKalimantan, Provinsi, Kasus)
Kalimantan2

## # A tibble: 30 x 2
##    Provinsi          Kasus
##    <chr>             <dbl>
##  1 Kalimantan       35119.
##  2 Kalimantan       41157.
##  3 Kalimantan       46158.
##  4 Kalimantan       37200.
##  5 Kalimantan       31372.
##  6 Kalimantan Barat  7775.
##  7 Kalimantan Barat 10249.
##  8 Kalimantan Barat 11848.
##  9 Kalimantan Barat  9294.
## 10 Kalimantan Barat  7598.
## # ... with 20 more rows

Kasus Data Inflow Uang Kartal di Kalimantan Barat pada Periode 5 Tahun Terakhir

library(dplyr)
Kalbarup2 <- datalongerKalimantan %>%
    filter(Provinsi == 'Kalimantan Barat') %>%
    select('Provinsi', 'Tahun', 'Kasus')
Kalbarup2

## # A tibble: 5 x 3
##   Provinsi         Tahun  Kasus
##   <chr>            <chr>  <dbl>
## 1 Kalimantan Barat 2017   7775.
## 2 Kalimantan Barat 2018  10249.
## 3 Kalimantan Barat 2019  11848.
## 4 Kalimantan Barat 2020   9294.
## 5 Kalimantan Barat 2021   7598.

Kasus Data Inflow Uang Kartal di Kalimantan Barat pada Tahun 2017

Kalbarup3 <- datalongerKalimantan %>%
  filter(Provinsi == 'Kalimantan Barat', Tahun == '2017') %>%
  select('Provinsi', 'Tahun', 'Kasus')
Kalbarup3

## # A tibble: 1 x 3
##   Provinsi         Tahun Kasus
##   <chr>            <chr> <dbl>
## 1 Kalimantan Barat 2017  7775.

Visualisasi Pivot Data Inflow Uang Kartal di Pulau Kalimantan Berdasarkan Provinsi

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