Pivot dan Visualisasi Data Outflow Uang Kartal di Pulau Sulampua Tahun 2015

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 Sulampua tahun 2015 :

library(readxl)

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

## # A tibble: 11 x 13
##    Provinsi  Januari Februari  Maret  April    Mei  Juni  Juli Agustus September
##    <chr>       <dbl>    <dbl>  <dbl>  <dbl>  <dbl> <dbl> <dbl>   <dbl>     <dbl>
##  1 Sulampua   975.    1449.   2531.  3682.  3276.  3956. 9664.  3276.      4220.
##  2 Sulawesi~   69.5    271.    350.   630.   377.   396. 1475.   390.       501.
##  3 Sulawesi~   63.4    155.    211.   331.   491.   437. 1174.   225.       407.
##  4 Sulawesi~  450.     625.   1185.  1559.  1136.  1374. 3073.  1403.      1483.
##  5 Sulawesi~  108.      30.7    91.1  291.   306.   326.  980.   315.       461.
##  6 Sulawesi~    0        0       0      0      0      0     0      0          0 
##  7 Gorontalo    0        0       0      0      0      0     0      0          0 
##  8 Maluku U~   14.6     75.2   120.   129.   170.   215.  507.    60.2      264.
##  9 Maluku       8.20    66.9   121.   127.   209.   251.  559.   140.       233.
## 10 Papua      259.     218.    428.   588.   530.   770. 1688.   716.       769.
## 11 Papua Ba~    2.77     7.07   24.8   28.2   55.3  188.  208.    26.4      102.
## # ... with 3 more variables: Oktober <dbl>, November <dbl>, Desember <dbl>

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 Outflow Uang Kartal di Pulau Sulampua pada Bulan Januari - Desember 2015

datalongerSulampua <- dataoutflowSulampua %>% 
  pivot_longer(!Provinsi, names_to = "Bulan", values_to = "Kasus")
datalongerSulampua

## # A tibble: 132 x 3
##    Provinsi Bulan     Kasus
##    <chr>    <chr>     <dbl>
##  1 Sulampua Januari    975.
##  2 Sulampua Februari  1449.
##  3 Sulampua Maret     2531.
##  4 Sulampua April     3682.
##  5 Sulampua Mei       3276.
##  6 Sulampua Juni      3956.
##  7 Sulampua Juli      9664.
##  8 Sulampua Agustus   3276.
##  9 Sulampua September 4220.
## 10 Sulampua Oktober   3625.
## # ... with 122 more rows

Pivot Data Outflow Uang Kartal di Pulau Sulampua berdasarkan Kasus

library(dplyr)
Sulampua2 <- select(datalongerSulampua, Provinsi, Kasus)
Sulampua2

## # A tibble: 132 x 2
##    Provinsi Kasus
##    <chr>    <dbl>
##  1 Sulampua  975.
##  2 Sulampua 1449.
##  3 Sulampua 2531.
##  4 Sulampua 3682.
##  5 Sulampua 3276.
##  6 Sulampua 3956.
##  7 Sulampua 9664.
##  8 Sulampua 3276.
##  9 Sulampua 4220.
## 10 Sulampua 3625.
## # ... with 122 more rows

Kasus Data Outflow Uang Kartal di Papua Barat pada Bulan Januari - Desember 2015

library(dplyr)
Papbarup4 <- datalongerSulampua %>%
    filter(Provinsi == 'Papua Barat') %>%
    select('Provinsi', 'Bulan', 'Kasus')
Papbarup4

## # A tibble: 12 x 3
##    Provinsi    Bulan      Kasus
##    <chr>       <chr>      <dbl>
##  1 Papua Barat Januari     2.77
##  2 Papua Barat Februari    7.07
##  3 Papua Barat Maret      24.8 
##  4 Papua Barat April      28.2 
##  5 Papua Barat Mei        55.3 
##  6 Papua Barat Juni      188.  
##  7 Papua Barat Juli      208.  
##  8 Papua Barat Agustus    26.4 
##  9 Papua Barat September 102.  
## 10 Papua Barat Oktober   175.  
## 11 Papua Barat November  212.  
## 12 Papua Barat Desember  870.

Kasus Data Outflow Uang Kartal di Papua Barat pada Bulan Oktober 2015

Papbarup5 <- datalongerSulampua %>%
  filter(Provinsi == 'Papua Barat', Bulan == 'Oktober') %>%
 select('Provinsi', 'Bulan', 'Kasus')
Papbarup5

## # A tibble: 1 x 3
##   Provinsi    Bulan   Kasus
##   <chr>       <chr>   <dbl>
## 1 Papua Barat Oktober  175.

Visualisasi Pivot Data Outflow Uang Kartal di Pulau Sulampua Berdasarkan Provinsi

ggplot(data = datalongerSulampua, mapping = aes(x = Bulan, 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 Bulan

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