Lembaga : Universitas Islam Negeri Maulana Malik Ibrahim Malang
Jurusan : Teknik Informatika

1. Mengenal Pivot Table

Pivot Table berisi ringkasan data yang dikemas dalam sebuah tabel utuk membuat laporan dan menganalisanya dengan melihat perbandingan, pola, dan tren pada data. Pivot dirancang untuk mempermudah menampilkan data query dalam jumlah besar.

Pada halaman ini terdapat data inflow uang kartal beberapa provinsi di pulau Kalimantan yang mana nantinya akan ditampilkan dalam bentuk pivot tabel menggunakan fungsi pivot longer(). pivot longer() merupakan tabel dataset yang akan menampilkan data yang memanjang dan kolom yang lebih sedikit. Fungsi ini biasa digunakan untuk menampilkan dataset dengan jangkauan yang luas.

2. Pivot Table Data Inflow di Pulau Kalimantan

library(readxl)
## Warning: package 'readxl' was built under R version 4.1.2
datainflowkal <- read_excel(path = "C:/Users/User/Documents/SEMESTER 2/LINEAR ALGEBRA/pivot inflow kalimantan.xlsx")
datainflowkal
## # A tibble: 6 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 Kaliman~ 13272. 17575. 37698. 26379. 29427. 32847. 35119. 41157. 46158. 37200.
## 2 Kaliman~  2831.  3386.  4029.  5943.  6675.  7440.  7775. 10249. 11848.  9294.
## 3 Kaliman~   779.  1135. 19328.  1887.  3547.  3694.  3655.  4083.  4385.  4178.
## 4 Kaliman~  5369.  7311.  4226.  9614.  9558. 10809. 12415. 13604. 14462. 11753.
## 5 Kaliman~  4293.  5743. 10115.  8936.  9646. 10903. 10933. 12305. 13991. 10612.
## 6 Kaliman~     0      0      0      0      0      0    341.   917.  1472.  1362.
## # ... with 1 more variable: 2021 <dbl>
library(tidyverse)
## -- Attaching packages --------------------------------------- tidyverse 1.3.1 --
## v ggplot2 3.3.5     v purrr   0.3.4
## v tibble  3.1.4     v dplyr   1.0.7
## v tidyr   1.1.3     v stringr 1.4.0
## v readr   2.0.1     v forcats 0.5.1
## -- Conflicts ------------------------------------------ tidyverse_conflicts() --
## x dplyr::filter() masks stats::filter()
## x dplyr::lag()    masks stats::lag()

3. Kasus Data Inflow di Pulau Kalimantan Selama Periode 2011-2021

datalongerkal <- datainflowkal %>% 
  pivot_longer(!Provinsi, names_to = "Tahun", values_to = "Kasus")
datalongerkal
## # A tibble: 66 x 3
##    Provinsi   Tahun  Kasus
##    <chr>      <chr>  <dbl>
##  1 Kalimantan 2011  13272.
##  2 Kalimantan 2012  17575.
##  3 Kalimantan 2013  37698.
##  4 Kalimantan 2014  26379.
##  5 Kalimantan 2015  29427.
##  6 Kalimantan 2016  32847.
##  7 Kalimantan 2017  35119.
##  8 Kalimantan 2018  41157.
##  9 Kalimantan 2019  46158.
## 10 Kalimantan 2020  37200.
## # ... with 56 more rows

4. Pivot Data Inflow di Pulau Kalimantan Berdasarkan Kasus

library(dplyr)
kal2 <- select(datalongerkal, Provinsi, Kasus)
kal2
## # A tibble: 66 x 2
##    Provinsi    Kasus
##    <chr>       <dbl>
##  1 Kalimantan 13272.
##  2 Kalimantan 17575.
##  3 Kalimantan 37698.
##  4 Kalimantan 26379.
##  5 Kalimantan 29427.
##  6 Kalimantan 32847.
##  7 Kalimantan 35119.
##  8 Kalimantan 41157.
##  9 Kalimantan 46158.
## 10 Kalimantan 37200.
## # ... with 56 more rows

Kasus Data Inflow di Provinsi Kalimantan Barat Periode 2011-2021

library(dplyr)
kalba <- datalongerkal  %>%
    filter(Provinsi == 'Kalimantan Barat') %>%
    select('Provinsi', 'Tahun', 'Kasus')
kalba
## # A tibble: 11 x 3
##    Provinsi         Tahun  Kasus
##    <chr>            <chr>  <dbl>
##  1 Kalimantan Barat 2011   2831.
##  2 Kalimantan Barat 2012   3386.
##  3 Kalimantan Barat 2013   4029.
##  4 Kalimantan Barat 2014   5943.
##  5 Kalimantan Barat 2015   6675.
##  6 Kalimantan Barat 2016   7440.
##  7 Kalimantan Barat 2017   7775.
##  8 Kalimantan Barat 2018  10249.
##  9 Kalimantan Barat 2019  11848.
## 10 Kalimantan Barat 2020   9294.
## 11 Kalimantan Barat 2021   7598.

Kasus Data Inflow di Provinsi Kalimantan Barat pada Tahun 2021

kalba2 <- datalongerkal %>%
  filter(Provinsi == 'Kalimantan Barat', Tahun == '2021') %>%
 select('Provinsi', 'Tahun', 'Kasus')
kalba2
## # A tibble: 1 x 3
##   Provinsi         Tahun Kasus
##   <chr>            <chr> <dbl>
## 1 Kalimantan Barat 2021  7598.

Kasus Data Inflow di Provinsi Kalimantan Tengah Periode 2011-2021

library(dplyr)
kalteng <- datalongerkal  %>%
    filter(Provinsi == 'Kalimantan Tengah') %>%
    select('Provinsi', 'Tahun', 'Kasus')
kalteng
## # A tibble: 11 x 3
##    Provinsi          Tahun  Kasus
##    <chr>             <chr>  <dbl>
##  1 Kalimantan Tengah 2011    779.
##  2 Kalimantan Tengah 2012   1135.
##  3 Kalimantan Tengah 2013  19328.
##  4 Kalimantan Tengah 2014   1887.
##  5 Kalimantan Tengah 2015   3547.
##  6 Kalimantan Tengah 2016   3694.
##  7 Kalimantan Tengah 2017   3655.
##  8 Kalimantan Tengah 2018   4083.
##  9 Kalimantan Tengah 2019   4385.
## 10 Kalimantan Tengah 2020   4178.
## 11 Kalimantan Tengah 2021   3534.

Kasus Data Inflow di Provinsi Kalimantan Tengah pada Tahun 2020

kalteng2 <- datalongerkal %>%
  filter(Provinsi == 'Kalimantan Tengah', Tahun == '2020') %>%
 select('Provinsi', 'Tahun', 'Kasus')
kalteng2
## # A tibble: 1 x 3
##   Provinsi          Tahun Kasus
##   <chr>             <chr> <dbl>
## 1 Kalimantan Tengah 2020  4178.

Kasus Data Inflow di Provinsi Kalimantan Selatan Periode 2011-2021

library(dplyr)
kalsel <- datalongerkal  %>%
    filter(Provinsi == 'Kalimantan Selatan') %>%
    select('Provinsi', 'Tahun', 'Kasus')
kalsel
## # A tibble: 11 x 3
##    Provinsi           Tahun  Kasus
##    <chr>              <chr>  <dbl>
##  1 Kalimantan Selatan 2011   5369.
##  2 Kalimantan Selatan 2012   7311.
##  3 Kalimantan Selatan 2013   4226.
##  4 Kalimantan Selatan 2014   9614.
##  5 Kalimantan Selatan 2015   9558.
##  6 Kalimantan Selatan 2016  10809.
##  7 Kalimantan Selatan 2017  12415.
##  8 Kalimantan Selatan 2018  13604.
##  9 Kalimantan Selatan 2019  14462.
## 10 Kalimantan Selatan 2020  11753.
## 11 Kalimantan Selatan 2021   9655.

Kasus Data Inflow di Provinsi Kalimantan Selatan pada Tahun 2019

kalsel2 <- datalongerkal %>%
  filter(Provinsi == 'Kalimantan Selatan', Tahun == '2019') %>%
 select('Provinsi', 'Tahun', 'Kasus')
kalsel2
## # A tibble: 1 x 3
##   Provinsi           Tahun  Kasus
##   <chr>              <chr>  <dbl>
## 1 Kalimantan Selatan 2019  14462.

Kasus Data Inflow di Provinsi Kalimantan Timur Periode 2011-2021

library(dplyr)
kaltim <- datalongerkal  %>%
    filter(Provinsi == 'Kalimantan Timur') %>%
    select('Provinsi', 'Tahun', 'Kasus')
kaltim
## # A tibble: 11 x 3
##    Provinsi         Tahun  Kasus
##    <chr>            <chr>  <dbl>
##  1 Kalimantan Timur 2011   4293.
##  2 Kalimantan Timur 2012   5743.
##  3 Kalimantan Timur 2013  10115.
##  4 Kalimantan Timur 2014   8936.
##  5 Kalimantan Timur 2015   9646.
##  6 Kalimantan Timur 2016  10903.
##  7 Kalimantan Timur 2017  10933.
##  8 Kalimantan Timur 2018  12305.
##  9 Kalimantan Timur 2019  13991.
## 10 Kalimantan Timur 2020  10612.
## 11 Kalimantan Timur 2021   8914.

Kasus Data Inflow di Provinsi Kalimantan Timur pada Tahun 2018

kaltim2 <- datalongerkal %>%
  filter(Provinsi == 'Kalimantan Timur', Tahun == '2018') %>%
 select('Provinsi', 'Tahun', 'Kasus')
kaltim2
## # A tibble: 1 x 3
##   Provinsi         Tahun  Kasus
##   <chr>            <chr>  <dbl>
## 1 Kalimantan Timur 2018  12305.

Kasus Data Inflow di Provinsi Kalimantan Utara Periode 2011-2021

library(dplyr)
kalut <- datalongerkal  %>%
    filter(Provinsi == 'Kalimantan Utara') %>%
    select('Provinsi', 'Tahun', 'Kasus')
kalut
## # A tibble: 11 x 3
##    Provinsi         Tahun Kasus
##    <chr>            <chr> <dbl>
##  1 Kalimantan Utara 2011     0 
##  2 Kalimantan Utara 2012     0 
##  3 Kalimantan Utara 2013     0 
##  4 Kalimantan Utara 2014     0 
##  5 Kalimantan Utara 2015     0 
##  6 Kalimantan Utara 2016     0 
##  7 Kalimantan Utara 2017   341.
##  8 Kalimantan Utara 2018   917.
##  9 Kalimantan Utara 2019  1472.
## 10 Kalimantan Utara 2020  1362.
## 11 Kalimantan Utara 2021  1671.

Kasus Data Inflow di Provinsi Kalimantan Utara pada Tahun 2017

kalut2 <- datalongerkal %>%
  filter(Provinsi == 'Kalimantan Utara', Tahun == '2017') %>%
 select('Provinsi', 'Tahun', 'Kasus')
kalut2
## # A tibble: 1 x 3
##   Provinsi         Tahun Kasus
##   <chr>            <chr> <dbl>
## 1 Kalimantan Utara 2017   341.

5. Visualisasi Pivot Data Inflow di Pulau Kalimantan Berdasarkan Provinsi

ggplot(data = datalongerkal, mapping = aes(x = Tahun, y = Kasus)) +
  geom_point(col = "navy") +
  facet_wrap( ~ Provinsi) +
  theme(axis.text.x = element_text(angle = 90))

6. Visualisasi Pivot Data Inflow di Pulau Kalimantan Berdasarkan Tahun

ggplot(data = datalongerkal, mapping = aes(x = Provinsi, y = Kasus)) +
  geom_point(col = "maroon") +
  facet_wrap( ~ Tahun) +
  theme(axis.text.x = element_text(angle = 90))

Sumber :

https://rpubs.com/suhartono-uinmaliki/868629

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

https://tidyr.tidyverse.org/articles/pivot.html

summary(cars)
##      speed           dist       
##  Min.   : 4.0   Min.   :  2.00  
##  1st Qu.:12.0   1st Qu.: 26.00  
##  Median :15.0   Median : 36.00  
##  Mean   :15.4   Mean   : 42.98  
##  3rd Qu.:19.0   3rd Qu.: 56.00  
##  Max.   :25.0   Max.   :120.00