Cara Memanipulasi data dengan librari dplyr

Saat melakukan manipulasi data pada 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 dan lain lain.

Data inflow uang kartal Pulau Bali

library(readxl)
## Warning: package 'readxl' was built under R version 4.1.2
dplyrinflow1 <- read_excel(path = "D:/Matkul Sem2/Linear Algebra/pivot inflow Bali.xlsx")
dplyrinflow1
## # 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   1.2.0     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()

Menghapus Beberapa Variabel yang tidak diperlukan

Bali2015 <- select(dplyrinflow1, '2015')
Bali2015
## # A tibble: 4 x 1
##   `2015`
##    <dbl>
## 1 23008.
## 2 13072.
## 3  6285.
## 4  3651.
Balimin2 <- select(dplyrinflow1, '2011', '2012', '2013', '2014', '2016', '2017', '2018', '2020', '2021')
Balimin2
## # A tibble: 4 x 9
##   `2011` `2012` `2013` `2014` `2016` `2017` `2018` `2020` `2021`
##    <dbl>  <dbl>  <dbl>  <dbl>  <dbl>  <dbl>  <dbl>  <dbl>  <dbl>
## 1 10322. 14613. 17512. 20807. 30965. 30797. 33866. 29400. 18892.
## 2  6394.  8202.  5066. 11590. 17914. 16962. 18610. 14735.  7505.
## 3  1803.  3676.  7024.  5704.  8842.  8383.  9140.  8007.  5888.
## 4  2125.  2735.  5422.  3512.  4210.  5452.  6116.  6657.  5498.

Memilih Variebel yang akan digunakan

Balimin2015 <- select(dplyrinflow1, -'2019')
Balimin2015
## # A tibble: 4 x 11
##   Provinsi `2011` `2012` `2013` `2014` `2015` `2016` `2017` `2018` `2020` `2021`
##   <chr>     <dbl>  <dbl>  <dbl>  <dbl>  <dbl>  <dbl>  <dbl>  <dbl>  <dbl>  <dbl>
## 1 Bali Nu~ 10322. 14613. 17512. 20807. 23008. 30965. 30797. 33866. 29400. 18892.
## 2 Bali      6394.  8202.  5066. 11590. 13072. 17914. 16962. 18610. 14735.  7505.
## 3 Nusa Te~  1803.  3676.  7024.  5704.  6285.  8842.  8383.  9140.  8007.  5888.
## 4 Nusa Te~  2125.  2735.  5422.  3512.  3651.  4210.  5452.  6116.  6657.  5498.

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

Balimin1 <- dplyrinflow1 %>%
  select(tahun = `2017`, `2018`, `2019`)
Balimin1
## # A tibble: 4 x 3
##    tahun `2018` `2019`
##    <dbl>  <dbl>  <dbl>
## 1 30797. 33866. 38116.
## 2 16962. 18610. 21422.
## 3  8383.  9140.  9614.
## 4  5452.  6116.  7080.

Mengganti tabel pada tahun

library(dplyr)
Balitahun2 <- dplyrinflow1 %>% rename('2010' = '2011')
head(Balitahun2)
## # 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>

Menggambil Nilai yang tidak Duplikasi dari Variabel yang ada

Dari Sebuah Variabel

Bali4 <- distinct(dplyrinflow1, `2016`)
Bali4
## # A tibble: 4 x 1
##   `2016`
##    <dbl>
## 1 30965.
## 2 17914.
## 3  8842.
## 4  4210.

Dari Semua Variabel

Bali5 <- distinct(dplyrinflow1, `2016`, .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 pada Tabel

Baris tabel diseleksi dengan menggunakan fungsi filter().

Bali6 <- dplyrinflow1 %>%
  filter(Provinsi <= 'Bali') %>%
    select(`2018`,`2019`)
Bali6
## # A tibble: 1 x 2
##   `2018` `2019`
##    <dbl>  <dbl>
## 1 18610. 21422.
Bali7 <- dplyrinflow1 %>%
  filter(Provinsi == 'Nusa Tenggara Barat', Provinsi == 'Nusa Tenggara Timur') %>%
    select( -`2020`)
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>,
## #   2021 <dbl>
str(dplyrinflow1)
## 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(dplyrinflow1 %>% 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

Pengelompokan dan Pengurutan Data

Pengelompokan Data

Balikel <- dplyrinflow1 %>%
    group_by(Provinsi)
Balikel
## # 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>

Pengurutan Data

Baliubah <- arrange(dplyrinflow1, `2012`)
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 Kolon pada Tabel

Balikel2 <- dplyrinflow1 %>%
    mutate(`2021` = dplyrinflow1$`2020`/2)
Balikel2
## # 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

ggplot(data = dplyrinflow1, mapping = aes(x = Provinsi, y = `2011`)) +
  geom_point()

ggplot(data = dplyrinflow1, mapping = aes(x = Provinsi, y = `2011`)) +
  geom_point()

Refrensi

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

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