Dosen Pengempu : Prof. Dr. Suhartono, M.Kom

UIN Maulana Malik Ibrahim Malang - Teknik Informatika

Manipulasi Data dengan Library dplyr

Dalam melakukan manipulasi data di R dapat menggunakan package dplyr. Package ini berfungsi untuk memudahkan manipulasi data seperti mengambil sampel secara acak dari tabel, mengurutkan data, menyaring data, atau bisa juga untuk mengelompokkan data.

Package dplyr ini digunakan ketika melakukan manipulasi data dengan pemrosesan yang cepat sehingga meminimalisir waktu, kodenya juga simpel sehingga mudah dimengerti, dan penggunaan fungsi yang sistematis sehingga kode lebih rapi. Cara menginstall package dplyr yaitu dengan :

install.package(dplyr)

Dan sintaks untuk memanggil dplyr yaitu dengan :

library(dplyr)

Data Inflow di Pulau Bali

library(readxl)
## Warning: package 'readxl' was built under R version 4.1.2
inflowbali <- read_excel(path = "C:/Users/ASUS PC/Documents/BUKU NOVA/RStudio/RMarkdown/InflowBali.xlsx") 
inflowbali
## # 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>
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()

Mambuang Beberapa Variabel yang Tidak Ingin Digunakan

bali1 <- select(inflowbali, `2011`)
bali1
## # A tibble: 4 x 1
##   `2011`
##    <dbl>
## 1 10322.
## 2  6394.
## 3  1803.
## 4  2125.
bali2 <- select(inflowbali, `2018`, `2017`, `2016`, `2015`, `2014`)
bali2
## # A tibble: 4 x 5
##   `2018` `2017` `2016` `2015` `2014`
##    <dbl>  <dbl>  <dbl>  <dbl>  <dbl>
## 1 33866. 30797. 30965. 23008. 20807.
## 2 18610. 16962. 17914. 13072. 11590.
## 3  9140.  8383.  8842.  6285.  5704.
## 4  6116.  5452.  4210.  3651.  3512.

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(inflowbali, -`2018`)
bali3
## # A tibble: 4 x 11
##   Provinsi `2011` `2012` `2013` `2014` `2015` `2016` `2017` `2019` `2020` `2021`
##   <chr>     <dbl>  <dbl>  <dbl>  <dbl>  <dbl>  <dbl>  <dbl>  <dbl>  <dbl>  <dbl>
## 1 Bali Nu~ 10322. 14613. 17512. 20807. 23008. 30965. 30797. 38116. 29400. 18892.
## 2 Bali      6394.  8202.  5066. 11590. 13072. 17914. 16962. 21422. 14735.  7505.
## 3 Nusa Te~  1803.  3676.  7024.  5704.  6285.  8842.  8383.  9614.  8007.  5888.
## 4 Nusa Te~  2125.  2735.  5422.  3512.  3651.  4210.  5452.  7080.  6657.  5498.

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 :

bali4 <- inflowbali %>%
  select(tahun = `2014`, `2018`, `2019`)
bali4 
## # 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 <- inflowbali %>% rename('2010' = '2011')
head(balitahun)
## # A tibble: 4 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 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>

Mengambil Nilai Tidak Duplikasi dari Variabel

Dari Sebuah Variabel
bali4 <- distinct(inflowbali, `2016`)
bali4
## # A tibble: 4 x 1
##   `2016`
##    <dbl>
## 1 30965.
## 2 17914.
## 3  8842.
## 4  4210.
Dari Semua Variabel
bali5 <- distinct(inflowbali, `2018`, .keep_all = TRUE)
bali5
## # 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>

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 <- inflowbali %>%
  filter(Provinsi <= 'Bali') %>%
    select(`2016`,`2017`)
bali6
## # A tibble: 1 x 2
##   `2016` `2017`
##    <dbl>  <dbl>
## 1 17914. 16962.
bali7 <- inflowbali %>%
  filter(Provinsi == 'Bali', Provinsi == 'Nusa Tenggara Timur') %>%
    select( -`2021`)
bali7
## # 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>,
## #   2020 <dbl>
str(inflowbali)
## tibble [4 x 12] (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
##  $ 2021    : num [1:4] 18892 7505 5888 5498
str(inflowbali %>% group_by(Provinsi))
## grouped_df [4 x 12] (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
##  $ 2021    : num [1:4] 18892 7505 5888 5498
##  - 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 <- inflowbali %>%
    group_by(Provinsi)
baliup
## # A tibble: 4 x 12
## # 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.
## # ... with 1 more variable: 2021 <dbl>
Mengurutkan Data
baliubah <- arrange(inflowbali, `2015`)
baliubah
## # 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 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.
## # ... with 1 more variable: 2021 <dbl>

Menambahkan Kolom pada Tabel

baliup1 <- inflowbali %>%
    mutate(`2022` = inflowbali$`2021`/2)
baliup1 
## # A tibble: 4 x 13
##   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 2 more variables: 2021 <dbl>, 2022 <dbl>

Visualisasi Data Tabel dengan ggplot

ggplot dengan Grafik Titik

Pada Tahun 2018
ggplot(data = inflowbali, mapping = aes(x = Provinsi, y = `2018`)) +
  geom_point()

Pada Tahun 2021
ggplot(data = inflowbali, mapping = aes(x = Provinsi, y = `2021`)) +
  geom_point()

ggplot dengan Grafik Batang

Pada Tahun 2016
ggplot(data = inflowbali, mapping = aes(x = Provinsi, y = `2016`)) +
  geom_bar(stat = "identity")

Pada Tahun 2020
ggplot(data = inflowbali, mapping = aes(x = Provinsi, y = `2020`)) +
  geom_bar(stat = "identity")

Referensi