Universitas : UIN MAULANA MALIK IBRAHIM MALANG

Jurusan : Teknik Informatika

Pengertian Manipulasi Data

Manipulasi data adalah istilah yang digunakan untuk menggambarkan proses modifikasi struktur data agar lebih mudah dibaca. Misalnya, Anda dapat mengurutkan data berdasarkan abjad. Sehingga pemilik dapat segera menerima informasi yang bermanfaat. Berikut manipulasi data inflow uang kartal di pulau Kalimantan.

Data outflow pada pulau Sumatera

library(readxl)
## Warning: package 'readxl' was built under R version 4.1.2
dataoutflowSumatera <- read_excel(path = "pivotoutflowtahunan.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. 1.03e5 1.02e5 1.09e5 1.22e5 1.34e5 1.36e5 1.53e5
##  2 Aceh            6338.  6378. 2.33e4 8.63e3 9.64e3 1.13e4 1.18e4 1.14e4 1.31e4
##  3 Sumatera Utara 22176. 22495. 1.92e4 2.64e4 2.79e4 3.20e4 3.52e4 3.69e4 4.41e4
##  4 Sumatera Barat  5300.  6434. 6.51e3 7.06e3 7.47e3 9.20e3 1.08e4 8.45e3 9.46e3
##  5 Riau           12434. 13014. 1.55e4 1.52e4 1.58e4 1.76e4 1.81e4 1.79e4 1.93e4
##  6 Kep. Riau       5819.  6966. 8.75e3 1.01e4 9.80e3 1.01e4 1.07e4 1.26e4 1.26e4
##  7 Jambi           5217.  5013. 6.30e3 8.36e3 8.32e3 7.77e3 8.43e3 8.46e3 9.20e3
##  8 Sumatera Sela~ 14524. 15600. 1.27e4 1.34e4 1.35e4 1.58e4 1.70e4 1.79e4 1.91e4
##  9 Bengkulu        2561.  2959. 6.49e3 4.58e3 4.85e3 5.16e3 5.45e3 5.50e3 6.84e3
## 10 Lampung         5724.  6376. 4.57e3 8.34e3 9.95e3 1.04e4 1.34e4 1.37e4 1.56e4
## 11 Kep. Bangka B~     0      0  0      3.22e2 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  3.1.6     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 'ggplot2' was built under R version 4.1.2
## Warning: package 'tibble' was built under R version 4.1.2
## 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()

Menghapus Beberapa Variabel yang Tidak Ingin Digunakan

Sumatera<- select(dataoutflowSumatera,'Provinsi','2011')
Sumatera
## # A tibble: 11 x 2
##    Provinsi              `2011`
##    <chr>                  <dbl>
##  1 Sumatera              80092.
##  2 Aceh                   6338.
##  3 Sumatera Utara        22176.
##  4 Sumatera Barat         5300.
##  5 Riau                  12434.
##  6 Kep. Riau              5819.
##  7 Jambi                  5217.
##  8 Sumatera Selatan      14524.
##  9 Bengkulu               2561.
## 10 Lampung                5724.
## 11 Kep. Bangka Bellitung     0
Sumatera2<- select(dataoutflowSumatera,'Provinsi','2012','2013','2014','2015')
Sumatera2
## # A tibble: 11 x 5
##    Provinsi              `2012`  `2013`  `2014`  `2015`
##    <chr>                  <dbl>   <dbl>   <dbl>   <dbl>
##  1 Sumatera              85235. 103288. 102338. 109186.
##  2 Aceh                   6378.  23278.   8630.   9637.
##  3 Sumatera Utara        22495.  19235.  26391.  27877.
##  4 Sumatera Barat         6434.   6511.   7060.   7471.
##  5 Riau                  13014.  15460.  15158.  15789.
##  6 Kep. Riau              6966.   8747.  10122.   9803.
##  7 Jambi                  5013.   6302.   8361.   8325.
##  8 Sumatera Selatan      15600.  12693.  13372.  13484.
##  9 Bengkulu               2959.   6490.   4583.   4852.
## 10 Lampung                6376.   4571.   8339.   9946.
## 11 Kep. Bangka Bellitung     0       0     322.   2005.

Memilih Variabel yang Ingin Digunakan

Sumateramin2011 <- select(dataoutflowSumatera, -'2016')
Sumateramin2011
## # A tibble: 11 x 11
##    Provinsi       `2011` `2012` `2013` `2014` `2015` `2017` `2018` `2019` `2020`
##    <chr>           <dbl>  <dbl>  <dbl>  <dbl>  <dbl>  <dbl>  <dbl>  <dbl>  <dbl>
##  1 Sumatera       80092. 85235. 1.03e5 1.02e5 1.09e5 1.34e5 1.36e5 1.53e5 1.41e5
##  2 Aceh            6338.  6378. 2.33e4 8.63e3 9.64e3 1.18e4 1.14e4 1.31e4 1.29e4
##  3 Sumatera Utara 22176. 22495. 1.92e4 2.64e4 2.79e4 3.52e4 3.69e4 4.41e4 3.98e4
##  4 Sumatera Barat  5300.  6434. 6.51e3 7.06e3 7.47e3 1.08e4 8.45e3 9.46e3 8.76e3
##  5 Riau           12434. 13014. 1.55e4 1.52e4 1.58e4 1.81e4 1.79e4 1.93e4 1.91e4
##  6 Kep. Riau       5819.  6966. 8.75e3 1.01e4 9.80e3 1.07e4 1.26e4 1.26e4 8.46e3
##  7 Jambi           5217.  5013. 6.30e3 8.36e3 8.32e3 8.43e3 8.46e3 9.20e3 8.95e3
##  8 Sumatera Sela~ 14524. 15600. 1.27e4 1.34e4 1.35e4 1.70e4 1.79e4 1.91e4 1.83e4
##  9 Bengkulu        2561.  2959. 6.49e3 4.58e3 4.85e3 5.45e3 5.50e3 6.84e3 6.56e3
## 10 Lampung         5724.  6376. 4.57e3 8.34e3 9.95e3 1.34e4 1.37e4 1.56e4 1.39e4
## 11 Kep. Bangka B~     0      0  0      3.22e2 2.00e3 2.75e3 2.74e3 4.17e3 3.90e3
## # ... with 1 more variable: `2021` <dbl>

Sintaks ini menggunakan fungsi select, dan select ini tidak hanya untuk memilih kolom dalam jumlah banyak, melainkan juga bisa untuk mengganti nama kolomnya. misalnya :

Sumateramin1 <- dataoutflowSumatera %>%
  select( 'Provinsi', '2017', '2018','2019','2020')
Sumateramin1
## # A tibble: 11 x 5
##    Provinsi               `2017`  `2018`  `2019`  `2020`
##    <chr>                   <dbl>   <dbl>   <dbl>   <dbl>
##  1 Sumatera              133606. 135676. 153484. 140589.
##  2 Aceh                   11760.  11450.  13087.  12874.
##  3 Sumatera Utara         35243.  36908.  44051.  39758.
##  4 Sumatera Barat         10754.   8447.   9465.   8763.
##  5 Riau                   18128.  17926.  19277.  19139.
##  6 Kep. Riau              10749.  12597.  12644.   8461.
##  7 Jambi                   8434.   8459.   9204.   8950.
##  8 Sumatera Selatan       16981.  17931.  19121.  18309.
##  9 Bengkulu                5447.   5495.   6842.   6564.
## 10 Lampung                13359.  13725.  15626.  13873.
## 11 Kep. Bangka Bellitung   2750.   2738.   4167.   3899.

Mengganti Tabel Tahun

library(dplyr)
Sumateratahun2 <-dataoutflowSumatera %>% rename('2010' = '2011')
head(Sumateratahun2)
## # A tibble: 6 x 12
##   Provinsi `2010` `2012` `2013` `2014` `2015` `2016` `2017` `2018` `2019` `2020`
##   <chr>     <dbl>  <dbl>  <dbl>  <dbl>  <dbl>  <dbl>  <dbl>  <dbl>  <dbl>  <dbl>
## 1 Sumatera 80092. 85235. 1.03e5 1.02e5 1.09e5 1.22e5 1.34e5 1.36e5 1.53e5 1.41e5
## 2 Aceh      6338.  6378. 2.33e4 8.63e3 9.64e3 1.13e4 1.18e4 1.14e4 1.31e4 1.29e4
## 3 Sumater~ 22176. 22495. 1.92e4 2.64e4 2.79e4 3.20e4 3.52e4 3.69e4 4.41e4 3.98e4
## 4 Sumater~  5300.  6434. 6.51e3 7.06e3 7.47e3 9.20e3 1.08e4 8.45e3 9.46e3 8.76e3
## 5 Riau     12434. 13014. 1.55e4 1.52e4 1.58e4 1.76e4 1.81e4 1.79e4 1.93e4 1.91e4
## 6 Kep. Ri~  5819.  6966. 8.75e3 1.01e4 9.80e3 1.01e4 1.07e4 1.26e4 1.26e4 8.46e3
## # ... with 1 more variable: `2021` <dbl>

Mengambil Nilai yang Tidak Duplikasi dari Variabel Dari Sebuah Variabel

Sumatera4 <- distinct(dataoutflowSumatera, `2015`)
Sumatera4
## # A tibble: 11 x 1
##     `2015`
##      <dbl>
##  1 109186.
##  2   9637.
##  3  27877.
##  4   7471.
##  5  15789.
##  6   9803.
##  7   8325.
##  8  13484.
##  9   4852.
## 10   9946.
## 11   2005.

Di Semua Variabel

Sumatera5 <- distinct(dataoutflowSumatera, `2015`, .keep_all = TRUE)
Sumatera5
## # 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. 1.03e5 1.02e5 1.09e5 1.22e5 1.34e5 1.36e5 1.53e5
##  2 Aceh            6338.  6378. 2.33e4 8.63e3 9.64e3 1.13e4 1.18e4 1.14e4 1.31e4
##  3 Sumatera Utara 22176. 22495. 1.92e4 2.64e4 2.79e4 3.20e4 3.52e4 3.69e4 4.41e4
##  4 Sumatera Barat  5300.  6434. 6.51e3 7.06e3 7.47e3 9.20e3 1.08e4 8.45e3 9.46e3
##  5 Riau           12434. 13014. 1.55e4 1.52e4 1.58e4 1.76e4 1.81e4 1.79e4 1.93e4
##  6 Kep. Riau       5819.  6966. 8.75e3 1.01e4 9.80e3 1.01e4 1.07e4 1.26e4 1.26e4
##  7 Jambi           5217.  5013. 6.30e3 8.36e3 8.32e3 7.77e3 8.43e3 8.46e3 9.20e3
##  8 Sumatera Sela~ 14524. 15600. 1.27e4 1.34e4 1.35e4 1.58e4 1.70e4 1.79e4 1.91e4
##  9 Bengkulu        2561.  2959. 6.49e3 4.58e3 4.85e3 5.16e3 5.45e3 5.50e3 6.84e3
## 10 Lampung         5724.  6376. 4.57e3 8.34e3 9.95e3 1.04e4 1.34e4 1.37e4 1.56e4
## 11 Kep. Bangka B~     0      0  0      3.22e2 2.00e3 2.68e3 2.75e3 2.74e3 4.17e3
## # ... with 2 more variables: `2020` <dbl>, `2021` <dbl>

Menyeleksi Baris pada Tabel

Sumatera6 <- dataoutflowSumatera %>%
  filter(Provinsi <= 'Aceh') %>%
    select(`2018`,`2019`)
Sumatera6
## # A tibble: 1 x 2
##   `2018` `2019`
##    <dbl>  <dbl>
## 1 11450. 13087.
Sumatera7 <- dataoutflowSumatera %>%
  filter(Provinsi == 'Jawa Timur', Provinsi == 'Jawa Tengah') %>%
    select( -`2020`)
Sumatera7
## # A tibble: 0 x 11
## # ... with 11 variables: Provinsi <chr>, 2011 <dbl>, 2012 <dbl>, 2013 <dbl>,
## #   2014 <dbl>, 2015 <dbl>, 2016 <dbl>, 2017 <dbl>, 2018 <dbl>, 2019 <dbl>,
## #   2021 <dbl>
str(dataoutflowSumatera)
## tibble [11 x 12] (S3: tbl_df/tbl/data.frame)
##  $ Provinsi: chr [1:11] "Sumatera" "Aceh" "Sumatera Utara" "Sumatera Barat" ...
##  $ 2011    : num [1:11] 80092 6338 22176 5300 12434 ...
##  $ 2012    : num [1:11] 85235 6378 22495 6434 13014 ...
##  $ 2013    : num [1:11] 103288 23278 19235 6511 15460 ...
##  $ 2014    : num [1:11] 102338 8630 26391 7060 15158 ...
##  $ 2015    : num [1:11] 109186 9637 27877 7471 15789 ...
##  $ 2016    : num [1:11] 121992 11311 31959 9198 17645 ...
##  $ 2017    : num [1:11] 133606 11760 35243 10754 18128 ...
##  $ 2018    : num [1:11] 135676 11450 36908 8447 17926 ...
##  $ 2019    : num [1:11] 153484 13087 44051 9465 19277 ...
##  $ 2020    : num [1:11] 140589 12874 39758 8763 19139 ...
##  $ 2021    : num [1:11] 86627 5770 23453 5941 12631 ...
str(dataoutflowSumatera %>% group_by(Provinsi))
## grouped_df [11 x 12] (S3: grouped_df/tbl_df/tbl/data.frame)
##  $ Provinsi: chr [1:11] "Sumatera" "Aceh" "Sumatera Utara" "Sumatera Barat" ...
##  $ 2011    : num [1:11] 80092 6338 22176 5300 12434 ...
##  $ 2012    : num [1:11] 85235 6378 22495 6434 13014 ...
##  $ 2013    : num [1:11] 103288 23278 19235 6511 15460 ...
##  $ 2014    : num [1:11] 102338 8630 26391 7060 15158 ...
##  $ 2015    : num [1:11] 109186 9637 27877 7471 15789 ...
##  $ 2016    : num [1:11] 121992 11311 31959 9198 17645 ...
##  $ 2017    : num [1:11] 133606 11760 35243 10754 18128 ...
##  $ 2018    : num [1:11] 135676 11450 36908 8447 17926 ...
##  $ 2019    : num [1:11] 153484 13087 44051 9465 19277 ...
##  $ 2020    : num [1:11] 140589 12874 39758 8763 19139 ...
##  $ 2021    : num [1:11] 86627 5770 23453 5941 12631 ...
##  - attr(*, "groups")= tibble [11 x 2] (S3: tbl_df/tbl/data.frame)
##   ..$ Provinsi: chr [1:11] "Aceh" "Bengkulu" "Jambi" "Kep. Bangka Bellitung" ...
##   ..$ .rows   : list<int> [1:11] 
##   .. ..$ : int 2
##   .. ..$ : int 9
##   .. ..$ : int 7
##   .. ..$ : int 11
##   .. ..$ : int 6
##   .. ..$ : int 10
##   .. ..$ : int 5
##   .. ..$ : int 1
##   .. ..$ : int 4
##   .. ..$ : int 8
##   .. ..$ : int 3
##   .. ..@ ptype: int(0) 
##   ..- attr(*, ".drop")= logi TRUE

Pengelompokkan dan Pengurutkan Data

Pengelompokkan Data

Sumateraup <- dataoutflowSumatera %>%
    group_by(Provinsi)
Sumateraup
## # A tibble: 11 x 12
## # Groups:   Provinsi [11]
##    Provinsi       `2011` `2012` `2013` `2014` `2015` `2016` `2017` `2018` `2019`
##    <chr>           <dbl>  <dbl>  <dbl>  <dbl>  <dbl>  <dbl>  <dbl>  <dbl>  <dbl>
##  1 Sumatera       80092. 85235. 1.03e5 1.02e5 1.09e5 1.22e5 1.34e5 1.36e5 1.53e5
##  2 Aceh            6338.  6378. 2.33e4 8.63e3 9.64e3 1.13e4 1.18e4 1.14e4 1.31e4
##  3 Sumatera Utara 22176. 22495. 1.92e4 2.64e4 2.79e4 3.20e4 3.52e4 3.69e4 4.41e4
##  4 Sumatera Barat  5300.  6434. 6.51e3 7.06e3 7.47e3 9.20e3 1.08e4 8.45e3 9.46e3
##  5 Riau           12434. 13014. 1.55e4 1.52e4 1.58e4 1.76e4 1.81e4 1.79e4 1.93e4
##  6 Kep. Riau       5819.  6966. 8.75e3 1.01e4 9.80e3 1.01e4 1.07e4 1.26e4 1.26e4
##  7 Jambi           5217.  5013. 6.30e3 8.36e3 8.32e3 7.77e3 8.43e3 8.46e3 9.20e3
##  8 Sumatera Sela~ 14524. 15600. 1.27e4 1.34e4 1.35e4 1.58e4 1.70e4 1.79e4 1.91e4
##  9 Bengkulu        2561.  2959. 6.49e3 4.58e3 4.85e3 5.16e3 5.45e3 5.50e3 6.84e3
## 10 Lampung         5724.  6376. 4.57e3 8.34e3 9.95e3 1.04e4 1.34e4 1.37e4 1.56e4
## 11 Kep. Bangka B~     0      0  0      3.22e2 2.00e3 2.68e3 2.75e3 2.74e3 4.17e3
## # ... with 2 more variables: `2020` <dbl>, `2021` <dbl>

Pengurutan data

Sumateraubah <- arrange(dataoutflowSumatera, `2012`)
Sumateraubah
## # 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 Kep. Bangka B~     0      0  0      3.22e2 2.00e3 2.68e3 2.75e3 2.74e3 4.17e3
##  2 Bengkulu        2561.  2959. 6.49e3 4.58e3 4.85e3 5.16e3 5.45e3 5.50e3 6.84e3
##  3 Jambi           5217.  5013. 6.30e3 8.36e3 8.32e3 7.77e3 8.43e3 8.46e3 9.20e3
##  4 Lampung         5724.  6376. 4.57e3 8.34e3 9.95e3 1.04e4 1.34e4 1.37e4 1.56e4
##  5 Aceh            6338.  6378. 2.33e4 8.63e3 9.64e3 1.13e4 1.18e4 1.14e4 1.31e4
##  6 Sumatera Barat  5300.  6434. 6.51e3 7.06e3 7.47e3 9.20e3 1.08e4 8.45e3 9.46e3
##  7 Kep. Riau       5819.  6966. 8.75e3 1.01e4 9.80e3 1.01e4 1.07e4 1.26e4 1.26e4
##  8 Riau           12434. 13014. 1.55e4 1.52e4 1.58e4 1.76e4 1.81e4 1.79e4 1.93e4
##  9 Sumatera Sela~ 14524. 15600. 1.27e4 1.34e4 1.35e4 1.58e4 1.70e4 1.79e4 1.91e4
## 10 Sumatera Utara 22176. 22495. 1.92e4 2.64e4 2.79e4 3.20e4 3.52e4 3.69e4 4.41e4
## 11 Sumatera       80092. 85235. 1.03e5 1.02e5 1.09e5 1.22e5 1.34e5 1.36e5 1.53e5
## # ... with 2 more variables: `2020` <dbl>, `2021` <dbl>

Menambahkan kolom pada tabel

Sumateraup1 <- dataoutflowSumatera %>%
    mutate(`2021` = dataoutflowSumatera$`2020`/2)
Sumateraup1
## # 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. 1.03e5 1.02e5 1.09e5 1.22e5 1.34e5 1.36e5 1.53e5
##  2 Aceh            6338.  6378. 2.33e4 8.63e3 9.64e3 1.13e4 1.18e4 1.14e4 1.31e4
##  3 Sumatera Utara 22176. 22495. 1.92e4 2.64e4 2.79e4 3.20e4 3.52e4 3.69e4 4.41e4
##  4 Sumatera Barat  5300.  6434. 6.51e3 7.06e3 7.47e3 9.20e3 1.08e4 8.45e3 9.46e3
##  5 Riau           12434. 13014. 1.55e4 1.52e4 1.58e4 1.76e4 1.81e4 1.79e4 1.93e4
##  6 Kep. Riau       5819.  6966. 8.75e3 1.01e4 9.80e3 1.01e4 1.07e4 1.26e4 1.26e4
##  7 Jambi           5217.  5013. 6.30e3 8.36e3 8.32e3 7.77e3 8.43e3 8.46e3 9.20e3
##  8 Sumatera Sela~ 14524. 15600. 1.27e4 1.34e4 1.35e4 1.58e4 1.70e4 1.79e4 1.91e4
##  9 Bengkulu        2561.  2959. 6.49e3 4.58e3 4.85e3 5.16e3 5.45e3 5.50e3 6.84e3
## 10 Lampung         5724.  6376. 4.57e3 8.34e3 9.95e3 1.04e4 1.34e4 1.37e4 1.56e4
## 11 Kep. Bangka B~     0      0  0      3.22e2 2.00e3 2.68e3 2.75e3 2.74e3 4.17e3
## # ... with 2 more variables: `2020` <dbl>, `2021` <dbl>

Visualisasi Data Tabel dengan ggplot

ggplot dengan Grafik Titik

ggplot(data = dataoutflowSumatera, mapping = aes(x = Provinsi, y = `2011`)) +
  geom_point()

ggplot(data = dataoutflowSumatera, mapping = aes(x = Provinsi, y = `2012`)) +
  geom_point()

Daftar Pustaka

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

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