Manipulasi dan Visualisasi Data Outflow Uang Kartal Wilayah BaliNusra per-Tahun

• Manipulasi Data Outflow Uang Kartal Wilayah Bali Nusra
  • Manipulasi Data menggunakan package dplyr dan tidyverse pada software R
  • Struktur Data Outflow Uang Kartal di Wilayah Bali-Nusa Tenggara
• Visualisasi Data Outflow Uang Kartal per-Tahun wilayah Bali-Nusa Tenggara
  • Visualisasi Data Outflow dengan Menjumlah/Menggabungkan antara tahun 2014 dan 2015
• Referensi

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

Mata Kuliah : Linier Algebra

Prodi : Teknik Informatika

Lembaga : Universitas Islam Negeri Maulana Malik Ibrahim Malang

Manipulasi Data Outflow Uang Kartal Wilayah Bali Nusra

Manipulasi data adalah sebuah istilah tentang penggambaran dari proses pengubahan struktur data supaya jadi lebih mudah dibaca dan lebih terorganisir.

Manipulasi adalah bagian penting dari suatu tujuan tertentu dalam hal tindakan penanaman gagasan, dogma, doktrinisme, sikap, sistem berpikir, perilaku dan kepercayaan tertentu.

Disini saya mangmbil data dari excel, dimana datanya berisikan Outflow uang kartal dari wilayah Bali-Nusa Tenggara. Data uang kartal outflow wilayah Bali-Nusa Tenggara ini bisa didapat melalui web Bank Indonesia. outflow merupakan uang yang keluar dari BI melalui kegiatan penarikan.

Salah satu cara memanipulasi data adalah dengan package “dplyr” pada software R.

Manipulasi Data menggunakan package dplyr dan tidyverse pada software R

Data yang saya ambil dari data outflow uang kartal Bali dan Nusa Tenggara adalah per-Tahun mulai dari tahun 2011-2021

Berikut contoh proses me-Manipulasi Data Uang Kartal Outflow di wilayah Bali-Nusa Tenggara :

Memanggil data dari excel

library(readxl)

## Warning: package 'readxl' was built under R version 4.1.2

OutBaliNusra <- read_excel("OutBaliNusra.xlsx")
OutBaliNusra

## # A tibble: 5 x 13
##      no Provinsi  `2011` `2012` `2013` `2014` `2015` `2016` `2017` `2018` `2019`
##   <dbl> <chr>      <dbl>  <dbl>  <dbl>  <dbl>  <dbl>  <dbl>  <dbl>  <dbl>  <dbl>
## 1    NA <NA>         NA     NA     NA     NA     NA     NA     NA     NA     NA 
## 2     1 Bali Nus~ 16424. 19421. 29399. 23391. 26728. 31941. 34160. 37260. 38680.
## 3     2 Bali       8912. 10782.  7248. 13104. 14471. 18140. 17822. 20434. 20654.
## 4     3 Nusa Ten~  3819.  4379. 10628.  5620.  6728.  8149.  8770.  9271. 10288.
## 5     4 Nusa Ten~  3693.  4260. 11524.  4668.  5530.  5652.  7569.  7555.  7738.
## # ... with 2 more variables: `2020` <dbl>, `2021` <dbl>

Memanggil data tahun dan memilih sesuai keinginan

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  3.1.6     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 'ggplot2' was built under R version 4.1.2

## Warning: package 'tibble' was built under R version 4.1.2

## 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 'stringr' 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()

BaliNusra2020 <- select(OutBaliNusra, '2020')
BaliNusra2020

## # A tibble: 5 x 1
##   `2020`
##    <dbl>
## 1    NA 
## 2 31224.
## 3 14323.
## 4  8546.
## 5  8356.

Menghilangkan tahun sesuai pilihan

library(tidyverse)
BaliNusranon2011 <- select(OutBaliNusra, -'2011')
BaliNusranon2011

## # A tibble: 5 x 12
##      no Provinsi  `2012` `2013` `2014` `2015` `2016` `2017` `2018` `2019` `2020`
##   <dbl> <chr>      <dbl>  <dbl>  <dbl>  <dbl>  <dbl>  <dbl>  <dbl>  <dbl>  <dbl>
## 1    NA <NA>         NA     NA     NA     NA     NA     NA     NA     NA     NA 
## 2     1 Bali Nus~ 19421. 29399. 23391. 26728. 31941. 34160. 37260. 38680. 31224.
## 3     2 Bali      10782.  7248. 13104. 14471. 18140. 17822. 20434. 20654. 14323.
## 4     3 Nusa Ten~  4379. 10628.  5620.  6728.  8149.  8770.  9271. 10288.  8546.
## 5     4 Nusa Ten~  4260. 11524.  4668.  5530.  5652.  7569.  7555.  7738.  8356.
## # ... with 1 more variable: `2021` <dbl>

Memanggil dan Memilih tahun kemudian mengganti sesuai keinginan

BaliNusra2011 <- OutBaliNusra %>% select('2011')
BaliNusra2011

## # A tibble: 5 x 1
##   `2011`
##    <dbl>
## 1    NA 
## 2 16424.
## 3  8912.
## 4  3819.
## 5  3693.

library(dplyr)
BaliNusratahun <- OutBaliNusra %>% rename('2010' = '2011')
head(BaliNusratahun)

## # A tibble: 5 x 13
##      no Provinsi  `2010` `2012` `2013` `2014` `2015` `2016` `2017` `2018` `2019`
##   <dbl> <chr>      <dbl>  <dbl>  <dbl>  <dbl>  <dbl>  <dbl>  <dbl>  <dbl>  <dbl>
## 1    NA <NA>         NA     NA     NA     NA     NA     NA     NA     NA     NA 
## 2     1 Bali Nus~ 16424. 19421. 29399. 23391. 26728. 31941. 34160. 37260. 38680.
## 3     2 Bali       8912. 10782.  7248. 13104. 14471. 18140. 17822. 20434. 20654.
## 4     3 Nusa Ten~  3819.  4379. 10628.  5620.  6728.  8149.  8770.  9271. 10288.
## 5     4 Nusa Ten~  3693.  4260. 11524.  4668.  5530.  5652.  7569.  7555.  7738.
## # ... with 2 more variables: `2020` <dbl>, `2021` <dbl>

library(dplyr)
BNT_Bali <- OutBaliNusra %>%
    filter(Provinsi == 'Bali') %>%
    select('2014','2015')
BNT_Bali

## # A tibble: 1 x 2
##   `2014` `2015`
##    <dbl>  <dbl>
## 1 13104. 14471.

library(dplyr)
BNT_Baliup1 <- OutBaliNusra %>%
    filter(Provinsi == 'Bali', Provinsi == 'Nusa Tenggara Barat') %>%
    select('2014','2015')
BNT_Baliup1

## # A tibble: 0 x 2
## # ... with 2 variables: 2014 <dbl>, 2015 <dbl>

Struktur Data Outflow Uang Kartal di Wilayah Bali-Nusa Tenggara

str(OutBaliNusra)

## tibble [5 x 13] (S3: tbl_df/tbl/data.frame)
##  $ no      : num [1:5] NA 1 2 3 4
##  $ Provinsi: chr [1:5] NA "Bali Nusra" "Bali" "Nusa Tenggara Barat" ...
##  $ 2011    : num [1:5] NA 16424 8912 3819 3693
##  $ 2012    : num [1:5] NA 19421 10782 4379 4260
##  $ 2013    : num [1:5] NA 29399 7248 10628 11524
##  $ 2014    : num [1:5] NA 23391 13104 5620 4668
##  $ 2015    : num [1:5] NA 26728 14471 6728 5530
##  $ 2016    : num [1:5] NA 31941 18140 8149 5652
##  $ 2017    : num [1:5] NA 34160 17822 8770 7569
##  $ 2018    : num [1:5] NA 37260 20434 9271 7555
##  $ 2019    : num [1:5] NA 38680 20654 10288 7738
##  $ 2020    : num [1:5] NA 31224 14323 8546 8356
##  $ 2021    : num [1:5] NA 15224 6531 5222 3472

str(OutBaliNusra %>% group_by(Provinsi))

## grouped_df [5 x 13] (S3: grouped_df/tbl_df/tbl/data.frame)
##  $ no      : num [1:5] NA 1 2 3 4
##  $ Provinsi: chr [1:5] NA "Bali Nusra" "Bali" "Nusa Tenggara Barat" ...
##  $ 2011    : num [1:5] NA 16424 8912 3819 3693
##  $ 2012    : num [1:5] NA 19421 10782 4379 4260
##  $ 2013    : num [1:5] NA 29399 7248 10628 11524
##  $ 2014    : num [1:5] NA 23391 13104 5620 4668
##  $ 2015    : num [1:5] NA 26728 14471 6728 5530
##  $ 2016    : num [1:5] NA 31941 18140 8149 5652
##  $ 2017    : num [1:5] NA 34160 17822 8770 7569
##  $ 2018    : num [1:5] NA 37260 20434 9271 7555
##  $ 2019    : num [1:5] NA 38680 20654 10288 7738
##  $ 2020    : num [1:5] NA 31224 14323 8546 8356
##  $ 2021    : num [1:5] NA 15224 6531 5222 3472
##  - attr(*, "groups")= tibble [5 x 2] (S3: tbl_df/tbl/data.frame)
##   ..$ Provinsi: chr [1:5] "Bali" "Bali Nusra" "Nusa Tenggara Barat" "Nusa Tenggara Timur" ...
##   ..$ .rows   : list<int> [1:5] 
##   .. ..$ : int 3
##   .. ..$ : int 2
##   .. ..$ : int 4
##   .. ..$ : int 5
##   .. ..$ : int 1
##   .. ..@ ptype: int(0) 
##   ..- attr(*, ".drop")= logi TRUE

Bali_Nusraup5 <- OutBaliNusra %>%
    group_by(Provinsi)
Bali_Nusraup5

## # A tibble: 5 x 13
## # Groups:   Provinsi [5]
##      no Provinsi  `2011` `2012` `2013` `2014` `2015` `2016` `2017` `2018` `2019`
##   <dbl> <chr>      <dbl>  <dbl>  <dbl>  <dbl>  <dbl>  <dbl>  <dbl>  <dbl>  <dbl>
## 1    NA <NA>         NA     NA     NA     NA     NA     NA     NA     NA     NA 
## 2     1 Bali Nus~ 16424. 19421. 29399. 23391. 26728. 31941. 34160. 37260. 38680.
## 3     2 Bali       8912. 10782.  7248. 13104. 14471. 18140. 17822. 20434. 20654.
## 4     3 Nusa Ten~  3819.  4379. 10628.  5620.  6728.  8149.  8770.  9271. 10288.
## 5     4 Nusa Ten~  3693.  4260. 11524.  4668.  5530.  5652.  7569.  7555.  7738.
## # ... with 2 more variables: `2020` <dbl>, `2021` <dbl>

OutBaliNusra %>%
    filter(Provinsi == 'Nusa Tenggara Timur') %>%
    count('2013', sort = TRUE)

## # A tibble: 1 x 2
##   `"2013"`     n
##   <chr>    <int>
## 1 2013         1

BTN_Baliacehup1 <- OutBaliNusra %>%
    mutate('2010' = OutBaliNusra$'2013'/2)
BTN_Baliacehup1

## # A tibble: 5 x 14
##      no Provinsi  `2011` `2012` `2013` `2014` `2015` `2016` `2017` `2018` `2019`
##   <dbl> <chr>      <dbl>  <dbl>  <dbl>  <dbl>  <dbl>  <dbl>  <dbl>  <dbl>  <dbl>
## 1    NA <NA>         NA     NA     NA     NA     NA     NA     NA     NA     NA 
## 2     1 Bali Nus~ 16424. 19421. 29399. 23391. 26728. 31941. 34160. 37260. 38680.
## 3     2 Bali       8912. 10782.  7248. 13104. 14471. 18140. 17822. 20434. 20654.
## 4     3 Nusa Ten~  3819.  4379. 10628.  5620.  6728.  8149.  8770.  9271. 10288.
## 5     4 Nusa Ten~  3693.  4260. 11524.  4668.  5530.  5652.  7569.  7555.  7738.
## # ... with 3 more variables: `2020` <dbl>, `2021` <dbl>, `2010` <dbl>

Visualisasi Data Outflow Uang Kartal per-Tahun wilayah Bali-Nusa Tenggara

ggplot(data = OutBaliNusra, mapping = aes(x = Provinsi, y = `2013`)) +
  geom_point()

## Warning: Removed 1 rows containing missing values (geom_point).

ggplot(data = OutBaliNusra, mapping = aes(x = Provinsi, y = `2013`, color=`2013`)) +
  geom_point()

## Warning: Removed 1 rows containing missing values (geom_point).

ggplot(data = OutBaliNusra)+
  geom_point(mapping = aes(x = Provinsi, y = `2014`, color=`2014`))

## Warning: Removed 1 rows containing missing values (geom_point).

ggplot(data = OutBaliNusra)+
  geom_point(mapping = aes(x = Provinsi, y = `2015`, color=`2015`)) 

## Warning: Removed 1 rows containing missing values (geom_point).

Visualisasi Data Outflow dengan Menjumlah/Menggabungkan antara tahun 2014 dan 2015

ggplot(data = OutBaliNusra, mapping = aes(x = Provinsi, y = `2014`+`2015`, color=`2014`+ `2015`)) +
  geom_point()

## Warning: Removed 1 rows containing missing values (geom_point).

Referensi

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

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

• https://inmarketing.id/data-manipulation-adalah.html

• https://id.wikipedia.org/wiki/Manipulasi

• https://laugiwa.medium.com/manipulasi-data-dengan-dplyr-part1-fb6f52c26576