Manipulasi Data dengan Library dplyr dan Visualisasi Data dengan Tabel ggplot pada Data Pulau Bali Menggunakan R/Rstudio

Universitas : UIN Maulana Malik Ibrahim Malang

Jurusan : Teknik Informatika

Manipulasi Data dengan dplyr

Dalam melakukan manipulasi data di R kita dapat menggunakan package dplyr. Package ini dibuat oleh Handley Wickham dan Roman Francois yang berisi kumpulan fungsi yang memudahkan manipulasi data yaitu antara lain: sample() untuk mengambil sampel secara acak dari tabel, mutate() untuk menambah kolom, select() untuk mengambil data atau variabel yang dibutuhkan, arrange() untuk mengurutkan data, filter() untuk menyaring data, groupby() untuk mengelompokkan data.

Data Inflow di Pulau Bali

library(readxl)

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

datainflowBali <- read_excel(path = "inflowDataBali.xlsx")
datainflowBali

## # A tibble: 4 x 11
##   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~ 10322. 14613. 17512. 20807. 23008. 30965. 30797. 33866. 38116. 29400.
## 2 Bali      6394.  8202.  5066. 11590. 13072. 17914. 16962. 18610. 21422. 14735.
## 3 Nusa Te~  1803.  3676.  7024.  5704.  6285.  8842.  8383.  9140.  9614.  8007.
## 4 Nusa Te~  2125.  2735.  5422.  3512.  3651.  4210.  5452.  6116.  7080.  6657.

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   1.2.0     v stringr 1.4.0
## v readr   2.1.2     v forcats 0.5.1

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

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

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

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

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

## -- Conflicts ------------------------------------------ tidyverse_conflicts() --
## x dplyr::filter() masks stats::filter()
## x dplyr::lag()    masks stats::lag()

Mambuang Beberapa Variabel yang Tidak Ingin Digunakan

bali1 <- select(datainflowBali, `2019`)
bali1

## # A tibble: 4 x 1
##   `2019`
##    <dbl>
## 1 38116.
## 2 21422.
## 3  9614.
## 4  7080.

bali2 <- select(datainflowBali, `2012`, `2014`, `2016`, `2018`, `2020`)
bali2

## # A tibble: 4 x 5
##   `2012` `2014` `2016` `2018` `2020`
##    <dbl>  <dbl>  <dbl>  <dbl>  <dbl>
## 1 14613. 20807. 30965. 33866. 29400.
## 2  8202. 11590. 17914. 18610. 14735.
## 3  3676.  5704.  8842.  9140.  8007.
## 4  2735.  3512.  4210.  6116.  6657.

Memilih Beberapa Variabel yang Ingin Digunakan

Sintaks dibawah ini digunakan untuk memilih beberapa variabel yang ketika variabel yang dipilih itu lebih banyak dibandingkan variabel yang akan dibuang.

bali3 <- select(datainflowBali, -`2015`)
bali3

## # A tibble: 4 x 10
##   Provinsi        `2011` `2012` `2013` `2014` `2016` `2017` `2018` `2019` `2020`
##   <chr>            <dbl>  <dbl>  <dbl>  <dbl>  <dbl>  <dbl>  <dbl>  <dbl>  <dbl>
## 1 Bali Nusra      10322. 14613. 17512. 20807. 30965. 30797. 33866. 38116. 29400.
## 2 Bali             6394.  8202.  5066. 11590. 17914. 16962. 18610. 21422. 14735.
## 3 Nusa Tenggara ~  1803.  3676.  7024.  5704.  8842.  8383.  9140.  9614.  8007.
## 4 Nusa Tenggara ~  2125.  2735.  5422.  3512.  4210.  5452.  6116.  7080.  6657.

Sintaksnya ini menggunakan fungsi select, dan select ini bukan hanya untuk memilih kolom dalam jumlah banyak, melainkan juga bisa untuk mengganti nama kolomnya. Perhatikan sintaks yang ada dibawah ini :

balii <- datainflowBali %>%
  select(tahun = `2014`, `2018`, `2019`)
balii

## # A tibble: 4 x 3
##    tahun `2018` `2019`
##    <dbl>  <dbl>  <dbl>
## 1 20807. 33866. 38116.
## 2 11590. 18610. 21422.
## 3  5704.  9140.  9614.
## 4  3512.  6116.  7080.

Mengganti Tabel Tahun

library(dplyr)
balitahun <- datainflowBali %>% rename('2010' = '2011')
head(balitahun)

## # A tibble: 4 x 11
##   Provinsi `2010` `2012` `2013` `2014` `2015` `2016` `2017` `2018` `2019` `2020`
##   <chr>     <dbl>  <dbl>  <dbl>  <dbl>  <dbl>  <dbl>  <dbl>  <dbl>  <dbl>  <dbl>
## 1 Bali Nu~ 10322. 14613. 17512. 20807. 23008. 30965. 30797. 33866. 38116. 29400.
## 2 Bali      6394.  8202.  5066. 11590. 13072. 17914. 16962. 18610. 21422. 14735.
## 3 Nusa Te~  1803.  3676.  7024.  5704.  6285.  8842.  8383.  9140.  9614.  8007.
## 4 Nusa Te~  2125.  2735.  5422.  3512.  3651.  4210.  5452.  6116.  7080.  6657.

Mengambil Nilai Tidak Duplikasi dari Variabel

Dari Sebuah Variabel

bali4 <- distinct(datainflowBali, `2015`)
bali4

## # A tibble: 4 x 1
##   `2015`
##    <dbl>
## 1 23008.
## 2 13072.
## 3  6285.
## 4  3651.

Dari Semua Variabel

bali5 <- distinct(datainflowBali, `2015`, .keep_all = TRUE)
bali5

## # A tibble: 4 x 11
##   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~ 10322. 14613. 17512. 20807. 23008. 30965. 30797. 33866. 38116. 29400.
## 2 Bali      6394.  8202.  5066. 11590. 13072. 17914. 16962. 18610. 21422. 14735.
## 3 Nusa Te~  1803.  3676.  7024.  5704.  6285.  8842.  8383.  9140.  9614.  8007.
## 4 Nusa Te~  2125.  2735.  5422.  3512.  3651.  4210.  5452.  6116.  7080.  6657.

Menyeleksi Baris Tabel

Baris tabel diseleksi dengan menggunakan fungsi filter(). dalam fungsi ini terdapat berbagai operator, seperti <, <=, >, >, ==, dan %in%. Argumen dari fungsi ini juga bisa lebih dari satu, dan sintaksnya menggunakan operator boolean.

bali6 <- datainflowBali %>%
  filter(Provinsi <= 'Bali') %>%
    select(`2018`,`2019`)
bali6

## # A tibble: 1 x 2
##   `2018` `2019`
##    <dbl>  <dbl>
## 1 18610. 21422.

bali7 <- datainflowBali %>%
  filter(Provinsi == 'Bali', Provinsi == 'Nusa Tenggara Barat') %>%
    select( -`2020`)
bali7

## # A tibble: 0 x 10
## # ... with 10 variables: Provinsi <chr>, 2011 <dbl>, 2012 <dbl>, 2013 <dbl>,
## #   2014 <dbl>, 2015 <dbl>, 2016 <dbl>, 2017 <dbl>, 2018 <dbl>, 2019 <dbl>

str(datainflowBali)

## tibble [4 x 11] (S3: tbl_df/tbl/data.frame)
##  $ Provinsi: chr [1:4] "Bali Nusra" "Bali" "Nusa Tenggara Barat" "Nusa Tenggara Timur"
##  $ 2011    : num [1:4] 10322 6394 1803 2125
##  $ 2012    : num [1:4] 14613 8202 3676 2735
##  $ 2013    : num [1:4] 17512 5066 7024 5422
##  $ 2014    : num [1:4] 20807 11590 5704 3512
##  $ 2015    : num [1:4] 23008 13072 6285 3651
##  $ 2016    : num [1:4] 30965 17914 8842 4210
##  $ 2017    : num [1:4] 30797 16962 8383 5452
##  $ 2018    : num [1:4] 33866 18610 9140 6116
##  $ 2019    : num [1:4] 38116 21422 9614 7080
##  $ 2020    : num [1:4] 29400 14735 8007 6657

str(datainflowBali %>% group_by(Provinsi))

## grouped_df [4 x 11] (S3: grouped_df/tbl_df/tbl/data.frame)
##  $ Provinsi: chr [1:4] "Bali Nusra" "Bali" "Nusa Tenggara Barat" "Nusa Tenggara Timur"
##  $ 2011    : num [1:4] 10322 6394 1803 2125
##  $ 2012    : num [1:4] 14613 8202 3676 2735
##  $ 2013    : num [1:4] 17512 5066 7024 5422
##  $ 2014    : num [1:4] 20807 11590 5704 3512
##  $ 2015    : num [1:4] 23008 13072 6285 3651
##  $ 2016    : num [1:4] 30965 17914 8842 4210
##  $ 2017    : num [1:4] 30797 16962 8383 5452
##  $ 2018    : num [1:4] 33866 18610 9140 6116
##  $ 2019    : num [1:4] 38116 21422 9614 7080
##  $ 2020    : num [1:4] 29400 14735 8007 6657
##  - attr(*, "groups")= tibble [4 x 2] (S3: tbl_df/tbl/data.frame)
##   ..$ Provinsi: chr [1:4] "Bali" "Bali Nusra" "Nusa Tenggara Barat" "Nusa Tenggara Timur"
##   ..$ .rows   : list<int> [1:4] 
##   .. ..$ : int 2
##   .. ..$ : int 1
##   .. ..$ : int 3
##   .. ..$ : int 4
##   .. ..@ ptype: int(0) 
##   ..- attr(*, ".drop")= logi TRUE

Mengelompokkan dan Mengurutkan Data

Mengelompokkan Data

baliup <- datainflowBali %>%
    group_by(Provinsi)
baliup

## # A tibble: 4 x 11
## # Groups:   Provinsi [4]
##   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~ 10322. 14613. 17512. 20807. 23008. 30965. 30797. 33866. 38116. 29400.
## 2 Bali      6394.  8202.  5066. 11590. 13072. 17914. 16962. 18610. 21422. 14735.
## 3 Nusa Te~  1803.  3676.  7024.  5704.  6285.  8842.  8383.  9140.  9614.  8007.
## 4 Nusa Te~  2125.  2735.  5422.  3512.  3651.  4210.  5452.  6116.  7080.  6657.

Mengurutkan Data

baliubah <- arrange(datainflowBali, `2012`)
baliubah

## # A tibble: 4 x 11
##   Provinsi `2011` `2012` `2013` `2014` `2015` `2016` `2017` `2018` `2019` `2020`
##   <chr>     <dbl>  <dbl>  <dbl>  <dbl>  <dbl>  <dbl>  <dbl>  <dbl>  <dbl>  <dbl>
## 1 Nusa Te~  2125.  2735.  5422.  3512.  3651.  4210.  5452.  6116.  7080.  6657.
## 2 Nusa Te~  1803.  3676.  7024.  5704.  6285.  8842.  8383.  9140.  9614.  8007.
## 3 Bali      6394.  8202.  5066. 11590. 13072. 17914. 16962. 18610. 21422. 14735.
## 4 Bali Nu~ 10322. 14613. 17512. 20807. 23008. 30965. 30797. 33866. 38116. 29400.

Menambahkan Kolom pada Tabel

baliup1 <- datainflowBali %>%
    mutate(`2021` = datainflowBali$`2020`/2)
baliup1 

## # 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~ 10322. 14613. 17512. 20807. 23008. 30965. 30797. 33866. 38116. 29400.
## 2 Bali      6394.  8202.  5066. 11590. 13072. 17914. 16962. 18610. 21422. 14735.
## 3 Nusa Te~  1803.  3676.  7024.  5704.  6285.  8842.  8383.  9140.  9614.  8007.
## 4 Nusa Te~  2125.  2735.  5422.  3512.  3651.  4210.  5452.  6116.  7080.  6657.
## # ... with 1 more variable: 2021 <dbl>

Visualisasi Data Tabel dengan ggplot

ggplot dengan Grafik Titik

Pada Tahun 2017

ggplot(data = datainflowBali, mapping = aes(x = Provinsi, y = `2017`)) +
  geom_point() 

Pada Tahun 2020

ggplot(data = datainflowBali, mapping = aes(x = Provinsi, y = `2020`)) +
  geom_point() 

ggplot dengan Grafik Batang

Pada Tahun 2015

ggplot(data = datainflowBali, mapping = aes(x = Provinsi, y = `2015`)) +
  geom_bar(stat = "identity")

ggplot(datainflowBali, aes(Provinsi,`2020`, color=`Provinsi`))+
  geom_point()

Referensi

https://rpubs.com/suhartono-uinmaliki/868598

https://rpubs.com/aephidayatuloh/manipulasi-data

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