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 daerah Bali dan Nusa Tenggara 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 Daerah Bali dan Nusa Tenggara

library(readxl)
## Warning: package 'readxl' was built under R version 4.1.2
datainflowbnt <- read_excel(path = "C:/Users/User/Documents/SEMESTER 2/LINEAR ALGEBRA/pivot inflow balinusra.xlsx")
datainflowbnt
## # 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)
## -- 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 Daerah Bali dan Nusa Tenggara Selama Periode 2011-2021

datalongerbnt <- datainflowbnt %>% 
  pivot_longer(!Provinsi, names_to = "Tahun", values_to = "Kasus")
datalongerbnt
## # A tibble: 44 x 3
##    Provinsi   Tahun  Kasus
##    <chr>      <chr>  <dbl>
##  1 Bali Nusra 2011  10322.
##  2 Bali Nusra 2012  14613.
##  3 Bali Nusra 2013  17512.
##  4 Bali Nusra 2014  20807.
##  5 Bali Nusra 2015  23008.
##  6 Bali Nusra 2016  30965.
##  7 Bali Nusra 2017  30797.
##  8 Bali Nusra 2018  33866.
##  9 Bali Nusra 2019  38116.
## 10 Bali Nusra 2020  29400.
## # ... with 34 more rows

4. Pivot Data Inflow di Daerah Bali dan Nusa Tenggara Berdasarkan Kasus

library(dplyr)
bnt2 <- select(datalongerbnt, Provinsi, Kasus)
bnt2
## # A tibble: 44 x 2
##    Provinsi    Kasus
##    <chr>       <dbl>
##  1 Bali Nusra 10322.
##  2 Bali Nusra 14613.
##  3 Bali Nusra 17512.
##  4 Bali Nusra 20807.
##  5 Bali Nusra 23008.
##  6 Bali Nusra 30965.
##  7 Bali Nusra 30797.
##  8 Bali Nusra 33866.
##  9 Bali Nusra 38116.
## 10 Bali Nusra 29400.
## # ... with 34 more rows

Kasus Data Inflow di Provinsi Bali Periode 2011-2021

library(dplyr)
bali <- datalongerbnt  %>%
    filter(Provinsi == 'Bali') %>%
    select('Provinsi', 'Tahun', 'Kasus')
bali
## # A tibble: 11 x 3
##    Provinsi Tahun  Kasus
##    <chr>    <chr>  <dbl>
##  1 Bali     2011   6394.
##  2 Bali     2012   8202.
##  3 Bali     2013   5066.
##  4 Bali     2014  11590.
##  5 Bali     2015  13072.
##  6 Bali     2016  17914.
##  7 Bali     2017  16962.
##  8 Bali     2018  18610.
##  9 Bali     2019  21422.
## 10 Bali     2020  14735.
## 11 Bali     2021   7505.

Kasus Data Inflow di Provinsi Bali pada Tahun 2021

bali2 <- datalongerbnt %>%
  filter(Provinsi == 'Bali', Tahun == '2021') %>%
 select('Provinsi', 'Tahun', 'Kasus')
bali2
## # A tibble: 1 x 3
##   Provinsi Tahun Kasus
##   <chr>    <chr> <dbl>
## 1 Bali     2021  7505.

Kasus Data Inflow di Provinsi Nusa Tenggara Barat Periode 2011-2021

library(dplyr)
ntb <- datalongerbnt  %>%
    filter(Provinsi == 'Nusa Tenggara Barat') %>%
    select('Provinsi', 'Tahun', 'Kasus')
ntb
## # A tibble: 11 x 3
##    Provinsi            Tahun Kasus
##    <chr>               <chr> <dbl>
##  1 Nusa Tenggara Barat 2011  1803.
##  2 Nusa Tenggara Barat 2012  3676.
##  3 Nusa Tenggara Barat 2013  7024.
##  4 Nusa Tenggara Barat 2014  5704.
##  5 Nusa Tenggara Barat 2015  6285.
##  6 Nusa Tenggara Barat 2016  8842.
##  7 Nusa Tenggara Barat 2017  8383.
##  8 Nusa Tenggara Barat 2018  9140.
##  9 Nusa Tenggara Barat 2019  9614.
## 10 Nusa Tenggara Barat 2020  8007.
## 11 Nusa Tenggara Barat 2021  5888.

Kasus Data Inflow di Provinsi Nusa Tenggara Barat pada Tahun 2020

ntb2 <- datalongerbnt %>%
  filter(Provinsi == 'Nusa Tenggara Barat', Tahun == '2020') %>%
 select('Provinsi', 'Tahun', 'Kasus')
ntb2
## # A tibble: 1 x 3
##   Provinsi            Tahun Kasus
##   <chr>               <chr> <dbl>
## 1 Nusa Tenggara Barat 2020  8007.

Kasus Data Inflow di Provinsi Nusa Tenggara Timur Periode 2011-2021

library(dplyr)
ntt <- datalongerbnt  %>%
    filter(Provinsi == 'Nusa Tenggara Timur') %>%
    select('Provinsi', 'Tahun', 'Kasus')
ntt
## # A tibble: 11 x 3
##    Provinsi            Tahun Kasus
##    <chr>               <chr> <dbl>
##  1 Nusa Tenggara Timur 2011  2125.
##  2 Nusa Tenggara Timur 2012  2735.
##  3 Nusa Tenggara Timur 2013  5422.
##  4 Nusa Tenggara Timur 2014  3512.
##  5 Nusa Tenggara Timur 2015  3651.
##  6 Nusa Tenggara Timur 2016  4210.
##  7 Nusa Tenggara Timur 2017  5452.
##  8 Nusa Tenggara Timur 2018  6116.
##  9 Nusa Tenggara Timur 2019  7080.
## 10 Nusa Tenggara Timur 2020  6657.
## 11 Nusa Tenggara Timur 2021  5498.

Kasus Data Inflow di Provinsi Nusa Tenggara Timur pada Tahun 2019

ntt2 <- datalongerbnt %>%
  filter(Provinsi == 'Nusa Tenggara Timur', Tahun == '2019') %>%
 select('Provinsi', 'Tahun', 'Kasus')
ntt2
## # A tibble: 1 x 3
##   Provinsi            Tahun Kasus
##   <chr>               <chr> <dbl>
## 1 Nusa Tenggara Timur 2019  7080.

5. Visualisasi Pivot Data Inflow di Daerah Bali dan Nusa Tenggara Berdasarkan Provinsi

ggplot(data = datalongerbnt, 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 Daerah Bali dan Nusa Tenggara Berdasarkan Tahun

ggplot(data = datalongerbnt, 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