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 outflow 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 Outflow 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 outflow 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~ 29535. 33444. 44929. 38772. 41945. 42179. 50404. 53989. 57579. 52060.
## 2 Kaliman~  5221.  5698.  6011.  6764.  8486.  9402. 11132. 12278. 13768. 13501.
## 3 Kaliman~  6850.  7741. 15421.  8346. 10190. 10131. 11695. 13040. 12891. 12518.
## 4 Kaliman~  5126.  5580.  5046.  6265.  6755.  7424.  9544.  8476.  9228.  8222.
## 5 Kaliman~ 12337. 14426. 18451. 17398. 16514. 15221. 16525. 17724. 18596. 14993.
## 6 Kaliman~     0      0      0      0      0      0   1507.  2471.  3096.  2826.
## # ... 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 Outflow 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  29535.
##  2 Kalimantan 2012  33444.
##  3 Kalimantan 2013  44929.
##  4 Kalimantan 2014  38772.
##  5 Kalimantan 2015  41945.
##  6 Kalimantan 2016  42179.
##  7 Kalimantan 2017  50404.
##  8 Kalimantan 2018  53989.
##  9 Kalimantan 2019  57579.
## 10 Kalimantan 2020  52060.
## # ... with 56 more rows

4. Pivot Data Outflow di Pulau Kalimantan Berdasarkan Kasus

library(dplyr)
kal2 <- select(datalongerkal, Provinsi, Kasus)
kal2
## # A tibble: 66 x 2
##    Provinsi    Kasus
##    <chr>       <dbl>
##  1 Kalimantan 29535.
##  2 Kalimantan 33444.
##  3 Kalimantan 44929.
##  4 Kalimantan 38772.
##  5 Kalimantan 41945.
##  6 Kalimantan 42179.
##  7 Kalimantan 50404.
##  8 Kalimantan 53989.
##  9 Kalimantan 57579.
## 10 Kalimantan 52060.
## # ... with 56 more rows

Kasus Data Outflow 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   5221.
##  2 Kalimantan Barat 2012   5698.
##  3 Kalimantan Barat 2013   6011.
##  4 Kalimantan Barat 2014   6764.
##  5 Kalimantan Barat 2015   8486.
##  6 Kalimantan Barat 2016   9402.
##  7 Kalimantan Barat 2017  11132.
##  8 Kalimantan Barat 2018  12278.
##  9 Kalimantan Barat 2019  13768.
## 10 Kalimantan Barat 2020  13501.
## 11 Kalimantan Barat 2021   6958.

Kasus Data Outflow di Provinsi Kalimantan Barat pada Tahun 2021

library(dplyr)
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  6958.

Kasus Data Outflow 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   6850.
##  2 Kalimantan Tengah 2012   7741.
##  3 Kalimantan Tengah 2013  15421.
##  4 Kalimantan Tengah 2014   8346.
##  5 Kalimantan Tengah 2015  10190.
##  6 Kalimantan Tengah 2016  10131.
##  7 Kalimantan Tengah 2017  11695.
##  8 Kalimantan Tengah 2018  13040.
##  9 Kalimantan Tengah 2019  12891.
## 10 Kalimantan Tengah 2020  12518.
## 11 Kalimantan Tengah 2021   7071.

Kasus Data Outflow 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  12518.

Kasus Data Outflow 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  5126.
##  2 Kalimantan Selatan 2012  5580.
##  3 Kalimantan Selatan 2013  5046.
##  4 Kalimantan Selatan 2014  6265.
##  5 Kalimantan Selatan 2015  6755.
##  6 Kalimantan Selatan 2016  7424.
##  7 Kalimantan Selatan 2017  9544.
##  8 Kalimantan Selatan 2018  8476.
##  9 Kalimantan Selatan 2019  9228.
## 10 Kalimantan Selatan 2020  8222.
## 11 Kalimantan Selatan 2021  5192.

Kasus Data Outflow 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  9228.

Kasus Data Outflow 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  12337.
##  2 Kalimantan Timur 2012  14426.
##  3 Kalimantan Timur 2013  18451.
##  4 Kalimantan Timur 2014  17398.
##  5 Kalimantan Timur 2015  16514.
##  6 Kalimantan Timur 2016  15221.
##  7 Kalimantan Timur 2017  16525.
##  8 Kalimantan Timur 2018  17724.
##  9 Kalimantan Timur 2019  18596.
## 10 Kalimantan Timur 2020  14993.
## 11 Kalimantan Timur 2021   9110.

Kasus Data Outflow 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  17724.

Kasus Data Outflow 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  1507.
##  8 Kalimantan Utara 2018  2471.
##  9 Kalimantan Utara 2019  3096.
## 10 Kalimantan Utara 2020  2826.
## 11 Kalimantan Utara 2021  1960.

Kasus Data Outflow 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  1507.

5. Visualisasi Pivot Data Inflow di Pulau Kalimantan Berdasarkan Provinsi

ggplot(data = datalongerkal, mapping = aes(x = Tahun, y = Kasus)) +
  geom_point(col = "maroon") +
  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 = "navy") +
  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