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 outflow uang kartal Pulau Bali

library(readxl)
## Warning: package 'readxl' was built under R version 4.1.2
dplyroutflow1 <- read_excel(path = "D:/Matkul Sem2/Linear Algebra/pivot outflow Bali.xlsx")
dplyroutflow1
## # 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~ 16424. 19421. 29399. 23391. 26728. 31941. 34160. 37260. 38680. 31224.
## 2 Bali      8912. 10782.  7248. 13104. 14471. 18140. 17822. 20434. 20654. 14323.
## 3 Nusa Te~  3819.  4379. 10628.  5620.  6728.  8149.  8770.  9271. 10288.  8546.
## 4 Nusa Te~  3693.  4260. 11524.  4668.  5530.  5652.  7569.  7555.  7738.  8356.
## # ... 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(dplyroutflow1, '2015')
Bali2015
## # A tibble: 4 x 1
##   `2015`
##    <dbl>
## 1 26728.
## 2 14471.
## 3  6728.
## 4  5530.
Balimin2 <- select(dplyroutflow1, '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 16424. 19421. 29399. 23391. 31941. 34160. 37260. 31224. 15224.
## 2  8912. 10782.  7248. 13104. 18140. 17822. 20434. 14323.  6531.
## 3  3819.  4379. 10628.  5620.  8149.  8770.  9271.  8546.  5222.
## 4  3693.  4260. 11524.  4668.  5652.  7569.  7555.  8356.  3472.

Memilih Variebel yang akan digunakan

Balimin2015 <- select(dplyroutflow1, -'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~ 16424. 19421. 29399. 23391. 26728. 31941. 34160. 37260. 31224. 15224.
## 2 Bali      8912. 10782.  7248. 13104. 14471. 18140. 17822. 20434. 14323.  6531.
## 3 Nusa Te~  3819.  4379. 10628.  5620.  6728.  8149.  8770.  9271.  8546.  5222.
## 4 Nusa Te~  3693.  4260. 11524.  4668.  5530.  5652.  7569.  7555.  8356.  3472.

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 <- dplyroutflow1 %>%
  select(tahun = `2017`, `2018`, `2019`)
Balimin1
## # A tibble: 4 x 3
##    tahun `2018` `2019`
##    <dbl>  <dbl>  <dbl>
## 1 34160. 37260. 38680.
## 2 17822. 20434. 20654.
## 3  8770.  9271. 10288.
## 4  7569.  7555.  7738.

Mengganti tabel pada tahun

library(dplyr)
Balitahun2 <- dplyroutflow1 %>% 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~ 16424. 19421. 29399. 23391. 26728. 31941. 34160. 37260. 38680. 31224.
## 2 Bali      8912. 10782.  7248. 13104. 14471. 18140. 17822. 20434. 20654. 14323.
## 3 Nusa Te~  3819.  4379. 10628.  5620.  6728.  8149.  8770.  9271. 10288.  8546.
## 4 Nusa Te~  3693.  4260. 11524.  4668.  5530.  5652.  7569.  7555.  7738.  8356.
## # ... with 1 more variable: 2021 <dbl>

Menggambil Nilai yang tidak Duplikasi dari Variabel yang ada

Dari Sebuah Variabel

Bali4 <- distinct(dplyroutflow1, `2016`)
Bali4
## # A tibble: 4 x 1
##   `2016`
##    <dbl>
## 1 31941.
## 2 18140.
## 3  8149.
## 4  5652.

Dari Semua Variabel

Bali5 <- distinct(dplyroutflow1, `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~ 16424. 19421. 29399. 23391. 26728. 31941. 34160. 37260. 38680. 31224.
## 2 Bali      8912. 10782.  7248. 13104. 14471. 18140. 17822. 20434. 20654. 14323.
## 3 Nusa Te~  3819.  4379. 10628.  5620.  6728.  8149.  8770.  9271. 10288.  8546.
## 4 Nusa Te~  3693.  4260. 11524.  4668.  5530.  5652.  7569.  7555.  7738.  8356.
## # ... with 1 more variable: 2021 <dbl>

Menyeleksi Baris pada Tabel

Baris tabel diseleksi dengan menggunakan fungsi filter().

Bali6 <- dplyroutflow1 %>%
  filter(Provinsi <= 'Bali') %>%
    select(`2018`,`2019`)
Bali6
## # A tibble: 1 x 2
##   `2018` `2019`
##    <dbl>  <dbl>
## 1 20434. 20654.
Bali7 <- dplyroutflow1 %>%
  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(dplyroutflow1)
## 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] 16424 8912 3819 3693
##  $ 2012    : num [1:4] 19421 10782 4379 4260
##  $ 2013    : num [1:4] 29399 7248 10628 11524
##  $ 2014    : num [1:4] 23391 13104 5620 4668
##  $ 2015    : num [1:4] 26728 14471 6728 5530
##  $ 2016    : num [1:4] 31941 18140 8149 5652
##  $ 2017    : num [1:4] 34160 17822 8770 7569
##  $ 2018    : num [1:4] 37260 20434 9271 7555
##  $ 2019    : num [1:4] 38680 20654 10288 7738
##  $ 2020    : num [1:4] 31224 14323 8546 8356
##  $ 2021    : num [1:4] 15224 6531 5222 3472
str(dplyroutflow1 %>% 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] 16424 8912 3819 3693
##  $ 2012    : num [1:4] 19421 10782 4379 4260
##  $ 2013    : num [1:4] 29399 7248 10628 11524
##  $ 2014    : num [1:4] 23391 13104 5620 4668
##  $ 2015    : num [1:4] 26728 14471 6728 5530
##  $ 2016    : num [1:4] 31941 18140 8149 5652
##  $ 2017    : num [1:4] 34160 17822 8770 7569
##  $ 2018    : num [1:4] 37260 20434 9271 7555
##  $ 2019    : num [1:4] 38680 20654 10288 7738
##  $ 2020    : num [1:4] 31224 14323 8546 8356
##  $ 2021    : num [1:4] 15224 6531 5222 3472
##  - 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 <- dplyroutflow1 %>%
    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~ 16424. 19421. 29399. 23391. 26728. 31941. 34160. 37260. 38680. 31224.
## 2 Bali      8912. 10782.  7248. 13104. 14471. 18140. 17822. 20434. 20654. 14323.
## 3 Nusa Te~  3819.  4379. 10628.  5620.  6728.  8149.  8770.  9271. 10288.  8546.
## 4 Nusa Te~  3693.  4260. 11524.  4668.  5530.  5652.  7569.  7555.  7738.  8356.
## # ... with 1 more variable: 2021 <dbl>

Pengurutan Data

Baliubah <- arrange(dplyroutflow1, `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~  3693.  4260. 11524.  4668.  5530.  5652.  7569.  7555.  7738.  8356.
## 2 Nusa Te~  3819.  4379. 10628.  5620.  6728.  8149.  8770.  9271. 10288.  8546.
## 3 Bali      8912. 10782.  7248. 13104. 14471. 18140. 17822. 20434. 20654. 14323.
## 4 Bali Nu~ 16424. 19421. 29399. 23391. 26728. 31941. 34160. 37260. 38680. 31224.
## # ... with 1 more variable: 2021 <dbl>

Menambahkan Kolon pada Tabel

Balikel2 <- dplyroutflow1 %>%
    mutate(`2021` = dplyroutflow1$`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~ 16424. 19421. 29399. 23391. 26728. 31941. 34160. 37260. 38680. 31224.
## 2 Bali      8912. 10782.  7248. 13104. 14471. 18140. 17822. 20434. 20654. 14323.
## 3 Nusa Te~  3819.  4379. 10628.  5620.  6728.  8149.  8770.  9271. 10288.  8546.
## 4 Nusa Te~  3693.  4260. 11524.  4668.  5530.  5652.  7569.  7555.  7738.  8356.
## # ... with 1 more variable: 2021 <dbl>

Visualisasi Data Tabel dengan ggplot

ggplot dengan Grafik Titik

ggplot(data = dplyroutflow1, mapping = aes(x = Provinsi, y = `2011`)) +
  geom_point()

ggplot(data = dplyroutflow1, 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