Pivot Data dan Visualisasi Data Outflow Uang Kartal Beberapa Provinsi di Pulau Bali
Nova Rahma Yunida P
3/6/2022
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 Bali Nusra
library(readxl)## Warning: package 'readxl' was built under R version 4.1.2dataoutflowbalinusra <- read_excel(path = "C:/Users/ASUS PC/Documents/BUKU NOVA/RStudio/RMarkdown/OutflowBali.xlsx")
dataoutflowbalinusra## # A tibble: 4 x 12
## Provinsi `2011` `2012` `2013` `2014` `2015` `2016` `2017` `2018` `2019` `2020`
## <chr> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl>
## 1 Bali Nu~ 16424. 19421. 29399. 23391. 26728. 31941. 34160. 37260. 38680. 31224.
## 2 Bali 8912. 10782. 7248. 13104. 14471. 18140. 17822. 20434. 20654. 14323.
## 3 Nusa Te~ 3819. 4379. 10628. 5620. 6728. 8149. 8770. 9271. 10288. 8546.
## 4 Nusa Te~ 3693. 4260. 11524. 4668. 5530. 5652. 7569. 7555. 7738. 8356.
## # ... with 1 more variable: 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 Bali Nusra Periode 2011-2021
datalongerbalinusra <- dataoutflowbalinusra %>%
pivot_longer(!Provinsi, names_to = "Tahun", values_to = "Kasus")
datalongerbalinusra## # A tibble: 44 x 3
## Provinsi Tahun Kasus
## <chr> <chr> <dbl>
## 1 Bali Nusra 2011 16424.
## 2 Bali Nusra 2012 19421.
## 3 Bali Nusra 2013 29399.
## 4 Bali Nusra 2014 23391.
## 5 Bali Nusra 2015 26728.
## 6 Bali Nusra 2016 31941.
## 7 Bali Nusra 2017 34160.
## 8 Bali Nusra 2018 37260.
## 9 Bali Nusra 2019 38680.
## 10 Bali Nusra 2020 31224.
## # ... with 34 more rowsPivot Data Outflow di Pulau Bali Nusra berdasarkan Kasus
library(dplyr)
bali2 <- select(datalongerbalinusra, Provinsi, Kasus)
bali2## # A tibble: 44 x 2
## Provinsi Kasus
## <chr> <dbl>
## 1 Bali Nusra 16424.
## 2 Bali Nusra 19421.
## 3 Bali Nusra 29399.
## 4 Bali Nusra 23391.
## 5 Bali Nusra 26728.
## 6 Bali Nusra 31941.
## 7 Bali Nusra 34160.
## 8 Bali Nusra 37260.
## 9 Bali Nusra 38680.
## 10 Bali Nusra 31224.
## # ... with 34 more rowsKasus Data Outflow di Provinsi Bali Periode 2011-2021
library(dplyr)
bali3 <- datalongerbalinusra %>%
filter(Provinsi == 'Bali') %>%
select('Provinsi', 'Tahun', 'Kasus')
bali3## # A tibble: 11 x 3
## Provinsi Tahun Kasus
## <chr> <chr> <dbl>
## 1 Bali 2011 8912.
## 2 Bali 2012 10782.
## 3 Bali 2013 7248.
## 4 Bali 2014 13104.
## 5 Bali 2015 14471.
## 6 Bali 2016 18140.
## 7 Bali 2017 17822.
## 8 Bali 2018 20434.
## 9 Bali 2019 20654.
## 10 Bali 2020 14323.
## 11 Bali 2021 6531.Kasus Data Outflow di Provinsi Bali Tahun 2021
bali4 <- datalongerbalinusra %>%
filter(Provinsi == 'Bali', Tahun == '2021') %>%
select('Provinsi', 'Tahun', 'Kasus')
bali4## # A tibble: 1 x 3
## Provinsi Tahun Kasus
## <chr> <chr> <dbl>
## 1 Bali 2021 6531.Kasus Data Outflow di Provinsi Nusa Tenggara Barat Periode 2011-2021
library(dplyr)
bali3 <- datalongerbalinusra %>%
filter(Provinsi == 'Nusa Tenggara Barat') %>%
select('Provinsi', 'Tahun', 'Kasus')
bali3## # A tibble: 11 x 3
## Provinsi Tahun Kasus
## <chr> <chr> <dbl>
## 1 Nusa Tenggara Barat 2011 3819.
## 2 Nusa Tenggara Barat 2012 4379.
## 3 Nusa Tenggara Barat 2013 10628.
## 4 Nusa Tenggara Barat 2014 5620.
## 5 Nusa Tenggara Barat 2015 6728.
## 6 Nusa Tenggara Barat 2016 8149.
## 7 Nusa Tenggara Barat 2017 8770.
## 8 Nusa Tenggara Barat 2018 9271.
## 9 Nusa Tenggara Barat 2019 10288.
## 10 Nusa Tenggara Barat 2020 8546.
## 11 Nusa Tenggara Barat 2021 5222.Kasus Data Outflow di Provinsi Nusa Tenggara Barat Tahun 2020
bali4 <- datalongerbalinusra %>%
filter(Provinsi == 'Nusa Tenggara Barat', Tahun == '2020') %>%
select('Provinsi', 'Tahun', 'Kasus')
bali4## # A tibble: 1 x 3
## Provinsi Tahun Kasus
## <chr> <chr> <dbl>
## 1 Nusa Tenggara Barat 2020 8546.Kasus Data Outflow di Provinsi Nusa Tenggara Timur Periode 2011-2021
library(dplyr)
bali3 <- datalongerbalinusra %>%
filter(Provinsi == 'Nusa Tenggara Timur') %>%
select('Provinsi', 'Tahun', 'Kasus')
bali3## # A tibble: 11 x 3
## Provinsi Tahun Kasus
## <chr> <chr> <dbl>
## 1 Nusa Tenggara Timur 2011 3693.
## 2 Nusa Tenggara Timur 2012 4260.
## 3 Nusa Tenggara Timur 2013 11524.
## 4 Nusa Tenggara Timur 2014 4668.
## 5 Nusa Tenggara Timur 2015 5530.
## 6 Nusa Tenggara Timur 2016 5652.
## 7 Nusa Tenggara Timur 2017 7569.
## 8 Nusa Tenggara Timur 2018 7555.
## 9 Nusa Tenggara Timur 2019 7738.
## 10 Nusa Tenggara Timur 2020 8356.
## 11 Nusa Tenggara Timur 2021 3472.Kasus Data Outflow di Provinsi Nusa Tenggara Timur Tahun 2019
bali4 <- datalongerbalinusra %>%
filter(Provinsi == 'Nusa Tenggara Timur', Tahun == '2019') %>%
select('Provinsi', 'Tahun', 'Kasus')
bali4## # A tibble: 1 x 3
## Provinsi Tahun Kasus
## <chr> <chr> <dbl>
## 1 Nusa Tenggara Timur 2019 7738.Visualisasi Pivot Data Outflow di Pulau Bali berdasarkan Provinsi
ggplot(data = datalongerbalinusra, mapping = aes(x = Tahun, y = Kasus)) +
geom_point(col = "dark blue") +
facet_wrap( ~ Provinsi) +
theme(axis.text.x = element_text(angle = 90))
Visualisasi Pivot Data Outflow di Pulau Bali berdasarkan Tahun
ggplot(data = datalongerbalinusra, mapping = aes(x = Provinsi, y = Kasus)) +
geom_point(col = "cyan") +
facet_wrap( ~ Tahun) +
theme(axis.text.x = element_text(angle = 90))