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 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 Outflow 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 outflow 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~ 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)
## -- 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 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  16424.
##  2 Bali Nusra 2012  19421.
##  3 Bali Nusra 2013  29399.
##  4 Bali Nusra 2014  23391.
##  5 Bali Nusra 2015  26728.
##  6 Bali Nusra 2016  31941.
##  7 Bali Nusra 2017  34160.
##  8 Bali Nusra 2018  37260.
##  9 Bali Nusra 2019  38680.
## 10 Bali Nusra 2020  31224.
## # ... with 34 more rows

4. Pivot Data Outflow 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 16424.
##  2 Bali Nusra 19421.
##  3 Bali Nusra 29399.
##  4 Bali Nusra 23391.
##  5 Bali Nusra 26728.
##  6 Bali Nusra 31941.
##  7 Bali Nusra 34160.
##  8 Bali Nusra 37260.
##  9 Bali Nusra 38680.
## 10 Bali Nusra 31224.
## # ... with 34 more rows

Kasus Data Outflow 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   8912.
##  2 Bali     2012  10782.
##  3 Bali     2013   7248.
##  4 Bali     2014  13104.
##  5 Bali     2015  14471.
##  6 Bali     2016  18140.
##  7 Bali     2017  17822.
##  8 Bali     2018  20434.
##  9 Bali     2019  20654.
## 10 Bali     2020  14323.
## 11 Bali     2021   6531.

Kasus Data Outflow 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  6531.

Kasus Data Outflow 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   3819.
##  2 Nusa Tenggara Barat 2012   4379.
##  3 Nusa Tenggara Barat 2013  10628.
##  4 Nusa Tenggara Barat 2014   5620.
##  5 Nusa Tenggara Barat 2015   6728.
##  6 Nusa Tenggara Barat 2016   8149.
##  7 Nusa Tenggara Barat 2017   8770.
##  8 Nusa Tenggara Barat 2018   9271.
##  9 Nusa Tenggara Barat 2019  10288.
## 10 Nusa Tenggara Barat 2020   8546.
## 11 Nusa Tenggara Barat 2021   5222.

Kasus Data Outflow 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  8546.

Kasus Data Outflow 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   3693.
##  2 Nusa Tenggara Timur 2012   4260.
##  3 Nusa Tenggara Timur 2013  11524.
##  4 Nusa Tenggara Timur 2014   4668.
##  5 Nusa Tenggara Timur 2015   5530.
##  6 Nusa Tenggara Timur 2016   5652.
##  7 Nusa Tenggara Timur 2017   7569.
##  8 Nusa Tenggara Timur 2018   7555.
##  9 Nusa Tenggara Timur 2019   7738.
## 10 Nusa Tenggara Timur 2020   8356.
## 11 Nusa Tenggara Timur 2021   3472.

Kasus Data Outflow 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  7738.

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

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

ggplot(data = datalongerbnt, 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