Visusalisasi Data Inflow Outflow Uang Kartal Provinsi Kepulauan Riau
Fitria Susanti, Prof. Dr. Suhartono, M.Kom
9/3/2022
Universitas Islam Negeri Maulana Malik Ibrahim Malang
Program Studi Teknik Informatika
Pengertian Inflow Outflow Uang Kartal
Banyaknya uang yang beredar di masyarakat akan berpengaruh pada kondisi perekonomian suatu negara. Bank Indonesia memiliki tujuan tunggal untuk mencapai dan menjaga kestabilan nilai rupiah. Oleh karena itu, BI sebagai bank sentral menyusun perencanaan untuk memenuhi kebutuhan uang rupiah. Perencanaan tersebut dapat dilakukan dengan melakukan peramalan untuk inflow dan outflow uang kartal. Inflow merupakan uang yang masuk ke BI melalui kegiatan penyetoran, sedangkan outflow merupakan uang yang keluar dari BI melalui kegiatan penarikan.
library(readxl)## Warning: package 'readxl' was built under R version 4.1.2datainflow <- read_excel(path = "inflowpertahun.xlsx")## New names:
## * `` -> ...2datainflow## # A tibble: 11 x 13
## tahun ...2 Sumatera Aceh `Sumatera Utara` `Sumatera Barat` Riau
## <dbl> <lgl> <dbl> <dbl> <dbl> <dbl> <dbl>
## 1 2011 NA 57900. 2308. 23238. 9385. 3012.
## 2 2012 NA 65911. 2620. 25981. 11192. 4447.
## 3 2013 NA 98369. 36337. 18120. 14056. 8933.
## 4 2014 NA 86024. 4567. 30503. 14103. 6358.
## 5 2015 NA 86549. 4710. 30254. 13309. 7156.
## 6 2016 NA 97764. 5775. 34427. 14078. 8211.
## 7 2017 NA 103748. 5514. 35617. 15312. 8553.
## 8 2018 NA 117495. 5799. 41769. 15058. 10730.
## 9 2019 NA 133762. 7509. 47112. 14750. 10915.
## 10 2020 NA 109345. 6641. 36609. 10696. 9148.
## 11 2021 NA 89270. 3702. 31840. 10748. 7769.
## # ... with 6 more variables: `Kep. Riau` <dbl>, Jambi <dbl>,
## # `Sumatera Selatan` <dbl>, Bengkulu <dbl>, Lampung <dbl>,
## # `Kep. Bangka Belitung` <dbl>library(readxl)
dataoutflow <- read_excel(path = "outflow.xlsx")
dataoutflow## # A tibble: 11 x 12
## Tahun Sumatera Aceh `Sumatera Utara` `Sumatera Barat` Riau `Kep. Riau`
## <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl>
## 1 2011 80092. 6338. 22176. 5300. 12434. 5819.
## 2 2012 85235. 6378. 22495. 6434. 13014. 6966.
## 3 2013 103288. 23278. 19235. 6511. 15460. 8747.
## 4 2014 102338. 8630. 26391. 7060. 15158. 10122.
## 5 2015 109186. 9637. 27877. 7471. 15789. 9803.
## 6 2016 121992. 11311. 31959. 9198. 17645. 10068.
## 7 2017 133606. 11760. 35243. 10754. 18128. 10749.
## 8 2018 135676. 11450. 36908. 8447. 17926. 12597.
## 9 2019 153484. 13087. 44051. 9465. 19277. 12644.
## 10 2020 140589. 12874. 39758. 8763. 19139. 8461.
## 11 2021 86627. 5770. 23453. 5941. 12631. 5128.
## # ... with 5 more variables: Jambi <dbl>, `Sumatera Selatan` <dbl>,
## # Bengkulu <dbl>, Lampung <dbl>, `Kep. Bangka Belitung` <dbl>1. visualisasi Prediksi Data Inflow Uang Kartal Kepulauan Riau Setiap Periode
plot(datainflow$`Kep. Riau`, type = "l", col = "red")
2. visualisasi Prediksi Data Outflow Uang Kartal Kepulauan Riau Setiap Periode
plot(dataoutflow$`Kep. Riau`, type = "l", col = "blue")
3. Visualisasi Prediksi Data Inflow-Outflow Uang Kartal di Aceh Setiap Periode
plot(datainflow$`Kep. Riau`, type = "l", col = "red")
lines(dataoutflow$`Kep. Riau`, type = "l", col = "blue")
4. Visualisasi Prediksi Data Inflow-Outflow Uang Kartal di Kepulauan Riau Setiap Bulan
library(readxl)
datainflowperbulan <- read_excel(path = "Inflowperbulan.xlsx")
datainflowperbulan## # A tibble: 12 x 12
## Bulan Sumatera Aceh `Sumatera Utara` `Sumatera Barat` Riau
## <dttm> <dbl> <dbl> <dbl> <dbl> <dbl>
## 1 2011-01-01 00:00:00 4164. 124. 2068. 545. 94.2
## 2 2011-02-01 00:00:00 3338. 115. 1826. 450. 96.4
## 3 2011-03-01 00:00:00 4878. 154. 2028. 849. 288.
## 4 2011-04-01 00:00:00 3157. 122. 1429. 539. 160.
## 5 2011-05-01 00:00:00 3821. 123. 1539. 692. 195.
## 6 2011-06-01 00:00:00 3686. 151. 1637. 592. 101.
## 7 2011-07-01 00:00:00 4370. 107. 1791. 800. 143.
## 8 2011-08-01 00:00:00 3668. 184. 1256. 586. 134.
## 9 2011-09-01 00:00:00 12875. 606. 4172. 2176. 1014.
## 10 2011-10-01 00:00:00 4777. 158. 1941. 787. 341.
## 11 2011-11-01 00:00:00 5670. 287. 1943. 854. 285.
## 12 2011-12-01 00:00:00 3496. 176. 1608. 513. 161.
## # ... with 6 more variables: `Kep. Riau` <dbl>, Jambi <dbl>,
## # `Sumatera Selatan` <dbl>, Bengkulu <dbl>, Lampung <dbl>,
## # `Kep. Bangka Belitung` <dbl>library(readxl)
dataoutflowperbulan <- read_excel(path = "DataOutflowBulanan.xlsx")
dataoutflowperbulan## # A tibble: 12 x 12
## Bulan Sumatera Aceh `Sumatera Utara` `Sumatera Barat` Riau
## <dttm> <dbl> <dbl> <dbl> <dbl> <dbl>
## 1 2011-01-01 00:00:00 3442. 350. 941. 307. 478.
## 2 2011-02-01 00:00:00 3989. 193. 990. 228. 400.
## 3 2011-03-01 00:00:00 4229. 230. 1209. 347. 621.
## 4 2011-04-01 00:00:00 6721. 529. 1653. 336. 1006.
## 5 2011-05-01 00:00:00 5787. 523. 1465. 328. 1000.
## 6 2011-06-01 00:00:00 7395. 406. 2167. 399. 1366.
## 7 2011-07-01 00:00:00 7154. 958. 1695. 449. 815.
## 8 2011-08-01 00:00:00 16043. 1046. 4104. 1376. 2729.
## 9 2011-09-01 00:00:00 1915. 124. 824. 148. 154.
## 10 2011-10-01 00:00:00 5174. 634. 1392. 299. 830.
## 11 2011-11-01 00:00:00 5610. 595. 1598. 350. 874.
## 12 2011-12-01 00:00:00 12634. 750. 4140. 734. 2160.
## # ... with 6 more variables: `Kep. Riau` <dbl>, Jambi <dbl>,
## # `Sumatera Selatan` <dbl>, Bengkulu <dbl>, Lampung <dbl>,
## # `Kep. Bangka Belitung` <dbl>plot(datainflowperbulan$`Kep. Riau`, type = "l", col = "blue")
lines(dataoutflowperbulan$`Kep. Riau`,col="yellow")
legend("top",c("Inflow","Outflow"),fill=c("red","green"))
KepulauanRiautimeseries <- datainflowperbulan$`Kep. Riau`
plot.ts(KepulauanRiautimeseries , type = "l", col = "red")
logKepulauanRiau <- log(datainflowperbulan$`Kep. Riau`)
plot.ts(logKepulauanRiau)
library(TTR)## Warning: package 'TTR' was built under R version 4.1.2KepulauanRiauSMA3 <- SMA(datainflowperbulan$`Kep. Riau`,n=3)
plot.ts(KepulauanRiauSMA3 )
library(readxl)
KepulauanRiauSMA3 <- SMA(datainflowperbulan$`Kep. Riau`,n=8)
plot.ts(KepulauanRiauSMA3 )
library(TTR)
KepulauanRiauSMA3 <- SMA(datainflowperbulan$`Kep. Riau`,n=3)
plot.ts(KepulauanRiauSMA3 )
5. Visualisasi Prediksi Data Inflow-Outflow Time Series Uang Kartal di Kepulauan Riau
KepulauanRiauinflowtimeseries <- ts(datainflowperbulan$`Kep. Riau`, frequency=12, start=c(2011,1))
KepulauanRiauinflowtimeseries## Jan Feb Mar Apr May Jun Jul
## 2011 84.22317 45.28489 87.19606 106.27655 79.41735 79.39071 120.99479
## Aug Sep Oct Nov Dec
## 2011 64.58641 369.70995 126.63637 168.11264 94.51409KepulauanRiauoutflowtimeseries <- ts(dataoutflowperbulan$`Kep. Riau`, frequency=12, start=c(2011,1))
KepulauanRiauoutflowtimeseries## Jan Feb Mar Apr May Jun
## 2011 189.20654 268.01656 208.80011 364.35734 447.61217 516.05275
## Jul Aug Sep Oct Nov Dec
## 2011 584.09410 1311.58555 99.21788 270.28783 510.72809 1048.66737