Pivot Data dan Visualisasi Data Outflow Uang Kartal Beberapa Provinsi di Pulau Sumatera

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

UIN Maulana Malik Ibrahim Malang - Teknik Informatika

Pengertian Pivot Table

Pivot table adalah sebuah tabel yang berisi data rangkuman dari data dibeberapa tabel lainnya, dibuat dengan melakukan penjumlahan, menghitung rata-rata, mengurutkan data termasuk juga mengelompokkan data, sehingga dihasilkan tabel rangkuman yang lebih informatif dan mudah dibaca.

Pivot Table Outflow di Pulau Sumatera

library(readxl)

## Warning: package 'readxl' was built under R version 4.1.2

dataoutflowsumatera <- read_excel(path = "C:/Users/ASUS PC/Documents/BUKU NOVA/RStudio/RMarkdown/OutflowSumatera.xlsx")
dataoutflowsumatera

## # 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 Sumatera     80092. 85235. 103288. 102338. 1.09e5 1.22e5 1.34e5 1.36e5 1.53e5
##  2 Aceh          6338.  6378.  23278.   8630. 9.64e3 1.13e4 1.18e4 1.14e4 1.31e4
##  3 Sumatera Ut~ 22176. 22495.  19235.  26391. 2.79e4 3.20e4 3.52e4 3.69e4 4.41e4
##  4 Sumatera Ba~  5300.  6434.   6511.   7060. 7.47e3 9.20e3 1.08e4 8.45e3 9.46e3
##  5 Riau         12434. 13014.  15460.  15158. 1.58e4 1.76e4 1.81e4 1.79e4 1.93e4
##  6 Kep. Riau     5819.  6966.   8747.  10122. 9.80e3 1.01e4 1.07e4 1.26e4 1.26e4
##  7 Jambi         5217.  5013.   6302.   8361. 8.32e3 7.77e3 8.43e3 8.46e3 9.20e3
##  8 Sumatera Se~ 14524. 15600.  12693.  13372. 1.35e4 1.58e4 1.70e4 1.79e4 1.91e4
##  9 Bengkulu      2561.  2959.   6490.   4583. 4.85e3 5.16e3 5.45e3 5.50e3 6.84e3
## 10 Lampung       5724.  6376.   4571.   8339. 9.95e3 1.04e4 1.34e4 1.37e4 1.56e4
## 11 Kep. Bangka~     0      0       0     322. 2.00e3 2.68e3 2.75e3 2.74e3 4.17e3
## # ... 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  3.1.4     v dplyr   1.0.8
## v tidyr   1.1.3     v stringr 1.4.0
## v readr   2.0.1     v forcats 0.5.1

## Warning: package 'dplyr' 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 di Pulau Sumatera Periode 2011-2021

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

## # A tibble: 121 x 3
##    Provinsi Tahun   Kasus
##    <chr>    <chr>   <dbl>
##  1 Sumatera 2011   80092.
##  2 Sumatera 2012   85235.
##  3 Sumatera 2013  103288.
##  4 Sumatera 2014  102338.
##  5 Sumatera 2015  109186.
##  6 Sumatera 2016  121992.
##  7 Sumatera 2017  133606.
##  8 Sumatera 2018  135676.
##  9 Sumatera 2019  153484.
## 10 Sumatera 2020  140589.
## # ... with 111 more rows

Pivot Data Outflow di Pulau Sumatera berdasarkan Kasus

library(dplyr)
sumatera2 <- select(datalongersumatera, Provinsi, Kasus)
sumatera2

## # A tibble: 121 x 2
##    Provinsi   Kasus
##    <chr>      <dbl>
##  1 Sumatera  80092.
##  2 Sumatera  85235.
##  3 Sumatera 103288.
##  4 Sumatera 102338.
##  5 Sumatera 109186.
##  6 Sumatera 121992.
##  7 Sumatera 133606.
##  8 Sumatera 135676.
##  9 Sumatera 153484.
## 10 Sumatera 140589.
## # ... with 111 more rows

Kasus Data Outflow di Provinsi Aceh Periode 2011-2021

library(dplyr)
sumatera3 <- datalongersumatera  %>%
    filter(Provinsi == 'Aceh') %>%
    select('Provinsi', 'Tahun', 'Kasus')
sumatera3

## # A tibble: 11 x 3
##    Provinsi Tahun  Kasus
##    <chr>    <chr>  <dbl>
##  1 Aceh     2011   6338.
##  2 Aceh     2012   6378.
##  3 Aceh     2013  23278.
##  4 Aceh     2014   8630.
##  5 Aceh     2015   9637.
##  6 Aceh     2016  11311.
##  7 Aceh     2017  11760.
##  8 Aceh     2018  11450.
##  9 Aceh     2019  13087.
## 10 Aceh     2020  12874.
## 11 Aceh     2021   5770.

Kasus Data Outflow di Provinsi Aceh Tahun 2013

sumatera4 <- datalongersumatera %>%
  filter(Provinsi == 'Aceh', Tahun == '2013') %>%
 select('Provinsi', 'Tahun', 'Kasus')
sumatera4

## # A tibble: 1 x 3
##   Provinsi Tahun  Kasus
##   <chr>    <chr>  <dbl>
## 1 Aceh     2013  23278.

Kasus Data Outflow di Provinsi Sumatera Utara Periode 2011-2021

library(dplyr)
sumatera3 <- datalongersumatera  %>%
    filter(Provinsi == 'Sumatera Utara') %>%
    select('Provinsi', 'Tahun', 'Kasus')
sumatera3

## # A tibble: 11 x 3
##    Provinsi       Tahun  Kasus
##    <chr>          <chr>  <dbl>
##  1 Sumatera Utara 2011  22176.
##  2 Sumatera Utara 2012  22495.
##  3 Sumatera Utara 2013  19235.
##  4 Sumatera Utara 2014  26391.
##  5 Sumatera Utara 2015  27877.
##  6 Sumatera Utara 2016  31959.
##  7 Sumatera Utara 2017  35243.
##  8 Sumatera Utara 2018  36908.
##  9 Sumatera Utara 2019  44051.
## 10 Sumatera Utara 2020  39758.
## 11 Sumatera Utara 2021  23453.

Kasus Data Outflow di Provinsi Sumatera Utara Tahun 2014

sumatera4 <- datalongersumatera %>%
  filter(Provinsi == 'Sumatera Utara', Tahun == '2014') %>%
 select('Provinsi', 'Tahun', 'Kasus')
sumatera4

## # A tibble: 1 x 3
##   Provinsi       Tahun  Kasus
##   <chr>          <chr>  <dbl>
## 1 Sumatera Utara 2014  26391.

Kasus Data Outflow di Provinsi Sumatera Barat Periode 2011-2021

library(dplyr)
sumatera3 <- datalongersumatera  %>%
    filter(Provinsi == 'Sumatera Barat') %>%
    select('Provinsi', 'Tahun', 'Kasus')
sumatera3

## # A tibble: 11 x 3
##    Provinsi       Tahun  Kasus
##    <chr>          <chr>  <dbl>
##  1 Sumatera Barat 2011   5300.
##  2 Sumatera Barat 2012   6434.
##  3 Sumatera Barat 2013   6511.
##  4 Sumatera Barat 2014   7060.
##  5 Sumatera Barat 2015   7471.
##  6 Sumatera Barat 2016   9198.
##  7 Sumatera Barat 2017  10754.
##  8 Sumatera Barat 2018   8447.
##  9 Sumatera Barat 2019   9465.
## 10 Sumatera Barat 2020   8763.
## 11 Sumatera Barat 2021   5941.

Kasus Data Outflow di Provinsi Sumatera Barat Tahun 2015

sumatera4 <- datalongersumatera %>%
  filter(Provinsi == 'Sumatera Barat', Tahun == '2015') %>%
 select('Provinsi', 'Tahun', 'Kasus')
sumatera4

## # A tibble: 1 x 3
##   Provinsi       Tahun Kasus
##   <chr>          <chr> <dbl>
## 1 Sumatera Barat 2015  7471.

Kasus Data Outflow di Provinsi Riau Periode 2011-2021

library(dplyr)
sumatera3 <- datalongersumatera  %>%
    filter(Provinsi == 'Riau') %>%
    select('Provinsi', 'Tahun', 'Kasus')
sumatera3

## # A tibble: 11 x 3
##    Provinsi Tahun  Kasus
##    <chr>    <chr>  <dbl>
##  1 Riau     2011  12434.
##  2 Riau     2012  13014.
##  3 Riau     2013  15460.
##  4 Riau     2014  15158.
##  5 Riau     2015  15789.
##  6 Riau     2016  17645.
##  7 Riau     2017  18128.
##  8 Riau     2018  17926.
##  9 Riau     2019  19277.
## 10 Riau     2020  19139.
## 11 Riau     2021  12631.

Kasus Data Outflow di Provinsi Riau Tahun 2016

sumatera4 <- datalongersumatera %>%
  filter(Provinsi == 'Riau', Tahun == '2016') %>%
 select('Provinsi', 'Tahun', 'Kasus')
sumatera4

## # A tibble: 1 x 3
##   Provinsi Tahun  Kasus
##   <chr>    <chr>  <dbl>
## 1 Riau     2016  17645.

Kasus Data Outflow di Provinsi Kepulauan Riau Periode 2011-2021

library(dplyr)
sumatera3 <- datalongersumatera  %>%
    filter(Provinsi == 'Kep. Riau') %>%
    select('Provinsi', 'Tahun', 'Kasus')
sumatera3

## # A tibble: 11 x 3
##    Provinsi  Tahun  Kasus
##    <chr>     <chr>  <dbl>
##  1 Kep. Riau 2011   5819.
##  2 Kep. Riau 2012   6966.
##  3 Kep. Riau 2013   8747.
##  4 Kep. Riau 2014  10122.
##  5 Kep. Riau 2015   9803.
##  6 Kep. Riau 2016  10068.
##  7 Kep. Riau 2017  10749.
##  8 Kep. Riau 2018  12597.
##  9 Kep. Riau 2019  12644.
## 10 Kep. Riau 2020   8461.
## 11 Kep. Riau 2021   5128.

Kasus Data Outflow di Provinsi Kepulauan Riau Tahun 2017

sumatera4 <- datalongersumatera %>%
  filter(Provinsi == 'Kep. Riau', Tahun == '2017') %>%
 select('Provinsi', 'Tahun', 'Kasus')
sumatera4

## # A tibble: 1 x 3
##   Provinsi  Tahun  Kasus
##   <chr>     <chr>  <dbl>
## 1 Kep. Riau 2017  10749.

Kasus Data Outflow di Provinsi Jambi Periode 2011-2021

library(dplyr)
sumatera3 <- datalongersumatera  %>%
    filter(Provinsi == 'Jambi') %>%
    select('Provinsi', 'Tahun', 'Kasus')
sumatera3

## # A tibble: 11 x 3
##    Provinsi Tahun Kasus
##    <chr>    <chr> <dbl>
##  1 Jambi    2011  5217.
##  2 Jambi    2012  5013.
##  3 Jambi    2013  6302.
##  4 Jambi    2014  8361.
##  5 Jambi    2015  8325.
##  6 Jambi    2016  7774.
##  7 Jambi    2017  8434.
##  8 Jambi    2018  8459.
##  9 Jambi    2019  9204.
## 10 Jambi    2020  8950.
## 11 Jambi    2021  6046.

Kasus Data Outflow di Provinsi Jambi Tahun 2018

sumatera4 <- datalongersumatera %>%
  filter(Provinsi == 'Jambi', Tahun == '2018') %>%
 select('Provinsi', 'Tahun', 'Kasus')
sumatera4

## # A tibble: 1 x 3
##   Provinsi Tahun Kasus
##   <chr>    <chr> <dbl>
## 1 Jambi    2018  8459.

Kasus Data Outflow di Provinsi Sumatera Selatan Periode 2011-2021

library(dplyr)
sumatera3 <- datalongersumatera  %>%
    filter(Provinsi == 'Sumatera Selatan') %>%
    select('Provinsi', 'Tahun', 'Kasus')
sumatera3

## # A tibble: 11 x 3
##    Provinsi         Tahun  Kasus
##    <chr>            <chr>  <dbl>
##  1 Sumatera Selatan 2011  14524.
##  2 Sumatera Selatan 2012  15600.
##  3 Sumatera Selatan 2013  12693.
##  4 Sumatera Selatan 2014  13372.
##  5 Sumatera Selatan 2015  13484.
##  6 Sumatera Selatan 2016  15756.
##  7 Sumatera Selatan 2017  16981.
##  8 Sumatera Selatan 2018  17931.
##  9 Sumatera Selatan 2019  19121.
## 10 Sumatera Selatan 2020  18309.
## 11 Sumatera Selatan 2021  11436.

Kasus Data Outflow di Provinsi Sumatera Selatan Tahun 2019

sumatera4 <- datalongersumatera %>%
  filter(Provinsi == 'Sumatera Selatan', Tahun == '2019') %>%
 select('Provinsi', 'Tahun', 'Kasus')
sumatera4

## # A tibble: 1 x 3
##   Provinsi         Tahun  Kasus
##   <chr>            <chr>  <dbl>
## 1 Sumatera Selatan 2019  19121.

Kasus Data Outflow di Provinsi Bengkulu Periode 2011-2021

library(dplyr)
sumatera3 <- datalongersumatera  %>%
    filter(Provinsi == 'Bengkulu') %>%
    select('Provinsi', 'Tahun', 'Kasus')
sumatera3

## # A tibble: 11 x 3
##    Provinsi Tahun Kasus
##    <chr>    <chr> <dbl>
##  1 Bengkulu 2011  2561.
##  2 Bengkulu 2012  2959.
##  3 Bengkulu 2013  6490.
##  4 Bengkulu 2014  4583.
##  5 Bengkulu 2015  4852.
##  6 Bengkulu 2016  5163.
##  7 Bengkulu 2017  5447.
##  8 Bengkulu 2018  5495.
##  9 Bengkulu 2019  6842.
## 10 Bengkulu 2020  6564.
## 11 Bengkulu 2021  4681.

Kasus Data Outflow di Provinsi Bengkulu Tahun 2020

sumatera4 <- datalongersumatera %>%
  filter(Provinsi == 'Bengkulu', Tahun == '2020') %>%
 select('Provinsi', 'Tahun', 'Kasus')
sumatera4

## # A tibble: 1 x 3
##   Provinsi Tahun Kasus
##   <chr>    <chr> <dbl>
## 1 Bengkulu 2020  6564.

Kasus Data Outflow di Provinsi Lampung Periode 2011-2021

library(dplyr)
sumatera3 <- datalongersumatera  %>%
    filter(Provinsi == 'Lampung') %>%
    select('Provinsi', 'Tahun', 'Kasus')
sumatera3

## # A tibble: 11 x 3
##    Provinsi Tahun  Kasus
##    <chr>    <chr>  <dbl>
##  1 Lampung  2011   5724.
##  2 Lampung  2012   6376.
##  3 Lampung  2013   4571.
##  4 Lampung  2014   8339.
##  5 Lampung  2015   9946.
##  6 Lampung  2016  10436.
##  7 Lampung  2017  13359.
##  8 Lampung  2018  13725.
##  9 Lampung  2019  15626.
## 10 Lampung  2020  13873.
## 11 Lampung  2021   8050.

Kasus Data Outflow di Provinsi Lampung Tahun 2021

sumatera4 <- datalongersumatera %>%
  filter(Provinsi == 'Sumatera Barat', Tahun == '2021') %>%
 select('Provinsi', 'Tahun', 'Kasus')
sumatera4

## # A tibble: 1 x 3
##   Provinsi       Tahun Kasus
##   <chr>          <chr> <dbl>
## 1 Sumatera Barat 2021  5941.

Kasus Data Outflow di Provinsi Kepulauan Bangka Belitung Periode 2011-2021

library(dplyr)
sumatera3 <- datalongersumatera  %>%
    filter(Provinsi == 'Kep. Bangka Belitung') %>%
    select('Provinsi', 'Tahun', 'Kasus')
sumatera3

## # A tibble: 11 x 3
##    Provinsi             Tahun Kasus
##    <chr>                <chr> <dbl>
##  1 Kep. Bangka Belitung 2011     0 
##  2 Kep. Bangka Belitung 2012     0 
##  3 Kep. Bangka Belitung 2013     0 
##  4 Kep. Bangka Belitung 2014   322.
##  5 Kep. Bangka Belitung 2015  2005.
##  6 Kep. Bangka Belitung 2016  2684.
##  7 Kep. Bangka Belitung 2017  2750.
##  8 Kep. Bangka Belitung 2018  2738.
##  9 Kep. Bangka Belitung 2019  4167.
## 10 Kep. Bangka Belitung 2020  3899.
## 11 Kep. Bangka Belitung 2021  3493.

Kasus Data Outflow di Provinsi Kepulauan Bangka Belitung Tahun 2012

sumatera4 <- datalongersumatera %>%
  filter(Provinsi == 'Kep. Bangka Belitung', Tahun == '2012') %>%
 select('Provinsi', 'Tahun', 'Kasus')
sumatera4

## # A tibble: 1 x 3
##   Provinsi             Tahun Kasus
##   <chr>                <chr> <dbl>
## 1 Kep. Bangka Belitung 2012      0

Visualisasi Pivot Data Outflow di Pulau Sumatera berdasarkan Provinsi

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

Visualisasi Pivot Data Outflow di Pulau Sumatera berdasarkan Tahun

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

---

Referensi

• https://rpubs.com/suhartono-uinmaliki/868629

• https://www.bi.go.id/id/statistik/ekonomi-keuangan/ssp/indikator-pengedaran-uang.aspx

• https://www.kampusexcel.com/cara-membuat-pivot-table-2007.html#:~:text=Pengertian%20pivot%20table%20Apa%20itu%20pivot%20table%3F%2C%20pivot,tabel%20rangkuman%20yang%20lebih%20informatif%20dan%20mudah%20dibaca.