Manipulasi data inflow uang kartal di Pulau Kalimantan dengan Library dplyr dan dengan tabel ggplot

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

Mata Kuliah : Linear Algebra

Prodi : Teknik Informatika

Lembaga : Universitas Islam Negeri Maulana Malik Ibrahim Malang”

Pengertian Manipulasi Data

Manipulasi data adalah proses pengolahan data agar lebih mudah di baca atau terorganisir menjadi informasi yang lebih berguna, berupa menambah (append), menghapus (delete), mengganti (update), menyisip (insert), menarik informasi tertentu (query).

library(readxl)

datainflowkalimantan <- read_excel(path = "C:/Users/DELL LATITUDE 7280/Documents/KULIAH/SEMESTER 2/LINEAR ALGEBRA/Manipulasi Data/inflowkalimantan.xlsx")
datainflowkalimantan

## # 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  3.1.6     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

## -- Conflicts ------------------------------------------ tidyverse_conflicts() --
## x dplyr::filter() masks stats::filter()
## x dplyr::lag()    masks stats::lag()

Manipulasi Data Inflow Uang Kartal di Pulau Kalimantan pada Tahun 2017

kalimantan1 <- select(datainflowkalimantan,'Provinsi', '2017')
kalimantan1

## # A tibble: 6 x 2
##   Provinsi           `2017`
##   <chr>               <dbl>
## 1 Kalimantan         35119.
## 2 Kalimantan Barat    7775.
## 3 Kalimantan Tengah   3655.
## 4 Kalimantan Selatan 12415.
## 5 Kalimantan Timur   10933.
## 6 Kalimantan Utara     341.

Manipulasi Data Inflow Uang Kartal di Pulau Kalimantan Tanpa Tahun 2017

kalimantan2 <- select(datainflowkalimantan, -'2017')
kalimantan2

## # A tibble: 6 x 11
##   Provinsi `2011` `2012` `2013` `2014` `2015` `2016` `2018` `2019` `2020` `2021`
##   <chr>     <dbl>  <dbl>  <dbl>  <dbl>  <dbl>  <dbl>  <dbl>  <dbl>  <dbl>  <dbl>
## 1 Kaliman~ 13272. 17575. 37698. 26379. 29427. 32847. 41157. 46158. 37200. 31372.
## 2 Kaliman~  2831.  3386.  4029.  5943.  6675.  7440. 10249. 11848.  9294.  7598.
## 3 Kaliman~   779.  1135. 19328.  1887.  3547.  3694.  4083.  4385.  4178.  3534.
## 4 Kaliman~  5369.  7311.  4226.  9614.  9558. 10809. 13604. 14462. 11753.  9655.
## 5 Kaliman~  4293.  5743. 10115.  8936.  9646. 10903. 12305. 13991. 10612.  8914.
## 6 Kaliman~     0      0      0      0      0      0    917.  1472.  1362.  1671.

Manipulasi Data Inflow Uang Kartal di Pulau Kalimantan pada Tahun 2012 - 2015

kalimantan3 <- datainflowkalimantan %>% select('Provinsi', '2012' , '2013' , '2014' , '2015')
kalimantan3

## # A tibble: 6 x 5
##   Provinsi           `2012` `2013` `2014` `2015`
##   <chr>               <dbl>  <dbl>  <dbl>  <dbl>
## 1 Kalimantan         17575. 37698. 26379. 29427.
## 2 Kalimantan Barat    3386.  4029.  5943.  6675.
## 3 Kalimantan Tengah   1135. 19328.  1887.  3547.
## 4 Kalimantan Selatan  7311.  4226.  9614.  9558.
## 5 Kalimantan Timur    5743. 10115.  8936.  9646.
## 6 Kalimantan Utara       0      0      0      0

Manipulasi Data Inflow Uang Kartal di Pulau Kalimantan dengan Menambahkan Tahun pada setiap tahun genap

kalimantan4 <- datainflowkalimantan %>% rename('Tahun 2012' = '2012' , 'Tahun 2014' = '2014', 'Tahun 2016' = '2016' , 'Tahun 2018' = '2018' , 'Tahun 2020' = '2020')
head(kalimantan4)

## # A tibble: 6 x 12
##   Provinsi    `2011` `Tahun 2012` `2013` `Tahun 2014` `2015` `Tahun 2016` `2017`
##   <chr>        <dbl>        <dbl>  <dbl>        <dbl>  <dbl>        <dbl>  <dbl>
## 1 Kalimantan  13272.       17575. 37698.       26379. 29427.       32847. 35119.
## 2 Kalimantan~  2831.        3386.  4029.        5943.  6675.        7440.  7775.
## 3 Kalimantan~   779.        1135. 19328.        1887.  3547.        3694.  3655.
## 4 Kalimantan~  5369.        7311.  4226.        9614.  9558.       10809. 12415.
## 5 Kalimantan~  4293.        5743. 10115.        8936.  9646.       10903. 10933.
## 6 Kalimantan~     0            0      0            0      0            0    341.
## # ... with 4 more variables: `Tahun 2018` <dbl>, `2019` <dbl>,
## #   `Tahun 2020` <dbl>, `2021` <dbl>

Manipulasi Data Inflow Uang Kartal di Pulau Kalimantan Dengan Mengambil Provinsi Kalimantan Timur Pada Tahun 2012 - 2015

kalimantan5 <- datainflowkalimantan %>%
    filter(Provinsi == 'Kalimantan Timur') %>%
    select( 'Provinsi', '2012', '2013', '2014' , '2015')
kalimantan5

## # A tibble: 1 x 5
##   Provinsi         `2012` `2013` `2014` `2015`
##   <chr>             <dbl>  <dbl>  <dbl>  <dbl>
## 1 Kalimantan Timur  5743. 10115.  8936.  9646.

Struktur Data Inflow Uang Kartal di Pulau Kalimantan

str(datainflowkalimantan)

## tibble [6 x 12] (S3: tbl_df/tbl/data.frame)
##  $ Provinsi: chr [1:6] "Kalimantan" "Kalimantan Barat" "Kalimantan Tengah" "Kalimantan Selatan" ...
##  $ 2011    : num [1:6] 13272 2831 779 5369 4293 ...
##  $ 2012    : num [1:6] 17575 3386 1135 7311 5743 ...
##  $ 2013    : num [1:6] 37698 4029 19328 4226 10115 ...
##  $ 2014    : num [1:6] 26379 5943 1887 9614 8936 ...
##  $ 2015    : num [1:6] 29427 6675 3547 9558 9646 ...
##  $ 2016    : num [1:6] 32847 7440 3694 10809 10903 ...
##  $ 2017    : num [1:6] 35119 7775 3655 12415 10933 ...
##  $ 2018    : num [1:6] 41157 10249 4083 13604 12305 ...
##  $ 2019    : num [1:6] 46158 11848 4385 14462 13991 ...
##  $ 2020    : num [1:6] 37200 9294 4178 11753 10612 ...
##  $ 2021    : num [1:6] 31372 7598 3534 9655 8914 ...

str(datainflowkalimantan %>% group_by(Provinsi))

## grouped_df [6 x 12] (S3: grouped_df/tbl_df/tbl/data.frame)
##  $ Provinsi: chr [1:6] "Kalimantan" "Kalimantan Barat" "Kalimantan Tengah" "Kalimantan Selatan" ...
##  $ 2011    : num [1:6] 13272 2831 779 5369 4293 ...
##  $ 2012    : num [1:6] 17575 3386 1135 7311 5743 ...
##  $ 2013    : num [1:6] 37698 4029 19328 4226 10115 ...
##  $ 2014    : num [1:6] 26379 5943 1887 9614 8936 ...
##  $ 2015    : num [1:6] 29427 6675 3547 9558 9646 ...
##  $ 2016    : num [1:6] 32847 7440 3694 10809 10903 ...
##  $ 2017    : num [1:6] 35119 7775 3655 12415 10933 ...
##  $ 2018    : num [1:6] 41157 10249 4083 13604 12305 ...
##  $ 2019    : num [1:6] 46158 11848 4385 14462 13991 ...
##  $ 2020    : num [1:6] 37200 9294 4178 11753 10612 ...
##  $ 2021    : num [1:6] 31372 7598 3534 9655 8914 ...
##  - attr(*, "groups")= tibble [6 x 2] (S3: tbl_df/tbl/data.frame)
##   ..$ Provinsi: chr [1:6] "Kalimantan" "Kalimantan Barat" "Kalimantan Selatan" "Kalimantan Tengah" ...
##   ..$ .rows   : list<int> [1:6] 
##   .. ..$ : int 1
##   .. ..$ : int 2
##   .. ..$ : int 4
##   .. ..$ : int 3
##   .. ..$ : int 5
##   .. ..$ : int 6
##   .. ..@ ptype: int(0) 
##   ..- attr(*, ".drop")= logi TRUE

kalimantan6 <- datainflowkalimantan %>%
    group_by(Provinsi)
kalimantan6

## # A tibble: 6 x 12
## # Groups:   Provinsi [6]
##   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>

datainflowkalimantan %>%
    filter(Provinsi == 'Kalimantan Timur') %>%
    count('2012', sort = TRUE)

## # A tibble: 1 x 2
##   `"2012"`     n
##   <chr>    <int>
## 1 2012         1

kalimantan7 <- datainflowkalimantan %>%
    mutate('2019' = datainflowkalimantan$`2020`/2)
kalimantan7

## # 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. 18600. 37200.
## 2 Kaliman~  2831.  3386.  4029.  5943.  6675.  7440.  7775. 10249.  4647.  9294.
## 3 Kaliman~   779.  1135. 19328.  1887.  3547.  3694.  3655.  4083.  2089.  4178.
## 4 Kaliman~  5369.  7311.  4226.  9614.  9558. 10809. 12415. 13604.  5876. 11753.
## 5 Kaliman~  4293.  5743. 10115.  8936.  9646. 10903. 10933. 12305.  5306. 10612.
## 6 Kaliman~     0      0      0      0      0      0    341.   917.   681.  1362.
## # ... with 1 more variable: `2021` <dbl>

Visualisasi Data Inflow Uang Kartal di Pulau Kalimantan pada Tahun 2017

ggplot(data = datainflowkalimantan, mapping = aes(Provinsi, `2017`, color = Provinsi)) +
  geom_point()

REFERENSI

http://ariefkkurniawan.blogspot.com/2014/11/manipulasi-data-qbasic.html

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

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