Visusalisasi Data Inflow Outflow Uang Kartal Provinsi Sumatera Barat
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 Sumatera Barat Setiap Periode
plot(datainflow$`Sumatera Barat`, type = "l", col = "red")
2. visualisasi Prediksi Data Outflow Uang Kartal Suumatera Barat Setiap Periode
plot(dataoutflow$`Sumatera Barat`, type = "l", col = "blue")
3. Visualisasi Prediksi Data Inflow-Outflow Uang Kartal di Sumatera Barat Setiap Periode
plot(datainflow$`Sumatera Barat`, type = "l", col = "red")
lines(dataoutflow$`Sumatera Barat`, type = "l", col = "blue")
4. Visualisasi Prediksi Data Inflow-Outflow Uang Kartal di Sumatera Barat 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$`Sumatera Barat`, type = "l", col = "blue")
lines(dataoutflowperbulan$`Sumatera Barat`,col="yellow")
legend("top",c("Inflow","Outflow"),fill=c("red","green"))
SumateraBarattimeseries <- datainflowperbulan$`Sumatera Barat`
plot.ts(SumateraBarattimeseries , type = "l", col = "red")
logSumateraBarat <- log(datainflowperbulan$`Sumatera Barat`)
plot.ts(logSumateraBarat)
library(TTR)## Warning: package 'TTR' was built under R version 4.1.2SumateraBaratSMA3 <- SMA(datainflowperbulan$`Sumatera Barat`,n=3)
plot.ts(SumateraBaratSMA3 )
library(readxl)
SumateraBaratSMA3 <- SMA(datainflowperbulan$`Sumatera Barat`,n=8)
plot.ts(SumateraBaratSMA3 )
library(TTR)
SumateraBaratSMA3 <- SMA(datainflowperbulan$`Sumatera Barat`,n=3)
plot.ts(SumateraBaratSMA3 )
5. Visualisasi Prediksi Data Inflow-Outflow Time Series Uang Kartal di Sumatera Barat
SumateraBaratinflowtimeseries <- ts(datainflowperbulan$`Sumatera Barat`, frequency=12, start=c(2011,1))
SumateraBaratinflowtimeseries## Jan Feb Mar Apr May Jun Jul
## 2011 544.5248 450.0701 849.2939 539.1026 691.9377 592.4192 799.5802
## Aug Sep Oct Nov Dec
## 2011 586.3581 2176.2413 787.3761 854.4358 513.2068SumateraBaratoutflowtimeseries <- ts(dataoutflowperbulan$`Sumatera Barat`, frequency=12, start=c(2011,1))
SumateraBaratoutflowtimeseries## Jan Feb Mar Apr May Jun Jul
## 2011 306.7007 227.7420 347.2337 335.9599 327.7738 399.2404 448.5644
## Aug Sep Oct Nov Dec
## 2011 1376.2599 147.7028 298.5722 349.7547 734.2252