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)
dataoutflowsumatera <- read_excel(path = "C:/Users/DELL LATITUDE 7280/Documents/KULIAH/SEMESTER 2/LINEAR ALGEBRA/Manipulasi Data/outflowsumatera.xlsx")
dataoutflowsumatera
## # A tibble: 11 x 12
##    Provinsi       `2011` `2012` `2013` `2014` `2015` `2016` `2017` `2018` `2019`
##    <chr>           <dbl>  <dbl>  <dbl>  <dbl>  <dbl>  <dbl>  <dbl>  <dbl>  <dbl>
##  1 Sumatera       80092. 85235. 1.03e5 1.02e5 1.09e5 1.22e5 1.34e5 1.36e5 1.53e5
##  2 Aceh            6338.  6378. 2.33e4 8.63e3 9.64e3 1.13e4 1.18e4 1.14e4 1.31e4
##  3 Sumatera Utara 22176. 22495. 1.92e4 2.64e4 2.79e4 3.20e4 3.52e4 3.69e4 4.41e4
##  4 Sumatera Barat  5300.  6434. 6.51e3 7.06e3 7.47e3 9.20e3 1.08e4 8.45e3 9.46e3
##  5 Riau           12434. 13014. 1.55e4 1.52e4 1.58e4 1.76e4 1.81e4 1.79e4 1.93e4
##  6 Kep. Riau       5819.  6966. 8.75e3 1.01e4 9.80e3 1.01e4 1.07e4 1.26e4 1.26e4
##  7 Jambi           5217.  5013. 6.30e3 8.36e3 8.32e3 7.77e3 8.43e3 8.46e3 9.20e3
##  8 Sumatera Sela~ 14524. 15600. 1.27e4 1.34e4 1.35e4 1.58e4 1.70e4 1.79e4 1.91e4
##  9 Bengkulu        2561.  2959. 6.49e3 4.58e3 4.85e3 5.16e3 5.45e3 5.50e3 6.84e3
## 10 Lampung         5724.  6376. 4.57e3 8.34e3 9.95e3 1.04e4 1.34e4 1.37e4 1.56e4
## 11 Kep. Bangka B~     0      0  0      3.22e2 2.00e3 2.68e3 2.75e3 2.74e3 4.17e3
## # ... with 2 more variables: `2020` <dbl>, `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 Outflow Uang Kartal di Pulau Sumatera pada Tahun 2021

sumatera1 <- select(dataoutflowsumatera,'Provinsi', '2021')
sumatera1
## # A tibble: 11 x 2
##    Provinsi             `2021`
##    <chr>                 <dbl>
##  1 Sumatera             86627.
##  2 Aceh                  5770.
##  3 Sumatera Utara       23453.
##  4 Sumatera Barat        5941.
##  5 Riau                 12631.
##  6 Kep. Riau             5128.
##  7 Jambi                 6046.
##  8 Sumatera Selatan     11436.
##  9 Bengkulu              4681.
## 10 Lampung               8050.
## 11 Kep. Bangka Belitung  3493.

Manipulasi Data Outflow Uang Kartal di Pulau Sumatera Tanpa Tahun 2021

sumatera2 <- select(dataoutflowsumatera, -'2021')
sumatera2
## # A tibble: 11 x 11
##    Provinsi       `2011` `2012` `2013` `2014` `2015` `2016` `2017` `2018` `2019`
##    <chr>           <dbl>  <dbl>  <dbl>  <dbl>  <dbl>  <dbl>  <dbl>  <dbl>  <dbl>
##  1 Sumatera       80092. 85235. 1.03e5 1.02e5 1.09e5 1.22e5 1.34e5 1.36e5 1.53e5
##  2 Aceh            6338.  6378. 2.33e4 8.63e3 9.64e3 1.13e4 1.18e4 1.14e4 1.31e4
##  3 Sumatera Utara 22176. 22495. 1.92e4 2.64e4 2.79e4 3.20e4 3.52e4 3.69e4 4.41e4
##  4 Sumatera Barat  5300.  6434. 6.51e3 7.06e3 7.47e3 9.20e3 1.08e4 8.45e3 9.46e3
##  5 Riau           12434. 13014. 1.55e4 1.52e4 1.58e4 1.76e4 1.81e4 1.79e4 1.93e4
##  6 Kep. Riau       5819.  6966. 8.75e3 1.01e4 9.80e3 1.01e4 1.07e4 1.26e4 1.26e4
##  7 Jambi           5217.  5013. 6.30e3 8.36e3 8.32e3 7.77e3 8.43e3 8.46e3 9.20e3
##  8 Sumatera Sela~ 14524. 15600. 1.27e4 1.34e4 1.35e4 1.58e4 1.70e4 1.79e4 1.91e4
##  9 Bengkulu        2561.  2959. 6.49e3 4.58e3 4.85e3 5.16e3 5.45e3 5.50e3 6.84e3
## 10 Lampung         5724.  6376. 4.57e3 8.34e3 9.95e3 1.04e4 1.34e4 1.37e4 1.56e4
## 11 Kep. Bangka B~     0      0  0      3.22e2 2.00e3 2.68e3 2.75e3 2.74e3 4.17e3
## # ... with 1 more variable: `2020` <dbl>

Manipulasi Data Outflow Uang Kartal di Pulau Sumatera periode 3 Tahun Terakhir

sumatera3 <- dataoutflowsumatera %>% select('Provinsi' , '2019' , '2020' , '2021')
sumatera3
## # A tibble: 11 x 4
##    Provinsi              `2019`  `2020` `2021`
##    <chr>                  <dbl>   <dbl>  <dbl>
##  1 Sumatera             153484. 140589. 86627.
##  2 Aceh                  13087.  12874.  5770.
##  3 Sumatera Utara        44051.  39758. 23453.
##  4 Sumatera Barat         9465.   8763.  5941.
##  5 Riau                  19277.  19139. 12631.
##  6 Kep. Riau             12644.   8461.  5128.
##  7 Jambi                  9204.   8950.  6046.
##  8 Sumatera Selatan      19121.  18309. 11436.
##  9 Bengkulu               6842.   6564.  4681.
## 10 Lampung               15626.  13873.  8050.
## 11 Kep. Bangka Belitung   4167.   3899.  3493.

Manipulasi Data Outflow Uang Kartal di Pulau Sumatera dengan Menambahkan Tahun pada tahun 2013

sumatera4 <- dataoutflowsumatera %>% rename('Tahun 2013' = '2013')
head(sumatera4)
## # A tibble: 6 x 12
##   Provinsi  `2011` `2012` `Tahun 2013` `2014` `2015` `2016` `2017` `2018` `2019`
##   <chr>      <dbl>  <dbl>        <dbl>  <dbl>  <dbl>  <dbl>  <dbl>  <dbl>  <dbl>
## 1 Sumatera  80092. 85235.      103288. 1.02e5 1.09e5 1.22e5 1.34e5 1.36e5 1.53e5
## 2 Aceh       6338.  6378.       23278. 8.63e3 9.64e3 1.13e4 1.18e4 1.14e4 1.31e4
## 3 Sumatera~ 22176. 22495.       19235. 2.64e4 2.79e4 3.20e4 3.52e4 3.69e4 4.41e4
## 4 Sumatera~  5300.  6434.        6511. 7.06e3 7.47e3 9.20e3 1.08e4 8.45e3 9.46e3
## 5 Riau      12434. 13014.       15460. 1.52e4 1.58e4 1.76e4 1.81e4 1.79e4 1.93e4
## 6 Kep. Riau  5819.  6966.        8747. 1.01e4 9.80e3 1.01e4 1.07e4 1.26e4 1.26e4
## # ... with 2 more variables: `2020` <dbl>, `2021` <dbl>

Manipulasi Data Outflow Uang Kartal di Pulau Sumatera Dengan Mengambil Provinsi Sumatera Utara Pada periode 2 tahun terakhir

sumatera5 <- dataoutflowsumatera %>%
    filter(Provinsi == 'Sumatera Utara') %>%
    select( 'Provinsi', '2020', '2021')
sumatera5
## # A tibble: 1 x 3
##   Provinsi       `2020` `2021`
##   <chr>           <dbl>  <dbl>
## 1 Sumatera Utara 39758. 23453.

Struktur Data Outflow Uang Kartal di Pulau Sumatera

str(dataoutflowsumatera)
## tibble [11 x 12] (S3: tbl_df/tbl/data.frame)
##  $ Provinsi: chr [1:11] "Sumatera" "Aceh" "Sumatera Utara" "Sumatera Barat" ...
##  $ 2011    : num [1:11] 80092 6338 22176 5300 12434 ...
##  $ 2012    : num [1:11] 85235 6378 22495 6434 13014 ...
##  $ 2013    : num [1:11] 103288 23278 19235 6511 15460 ...
##  $ 2014    : num [1:11] 102338 8630 26391 7060 15158 ...
##  $ 2015    : num [1:11] 109186 9637 27877 7471 15789 ...
##  $ 2016    : num [1:11] 121992 11311 31959 9198 17645 ...
##  $ 2017    : num [1:11] 133606 11760 35243 10754 18128 ...
##  $ 2018    : num [1:11] 135676 11450 36908 8447 17926 ...
##  $ 2019    : num [1:11] 153484 13087 44051 9465 19277 ...
##  $ 2020    : num [1:11] 140589 12874 39758 8763 19139 ...
##  $ 2021    : num [1:11] 86627 5770 23453 5941 12631 ...
str(dataoutflowsumatera %>% group_by(Provinsi))
## grouped_df [11 x 12] (S3: grouped_df/tbl_df/tbl/data.frame)
##  $ Provinsi: chr [1:11] "Sumatera" "Aceh" "Sumatera Utara" "Sumatera Barat" ...
##  $ 2011    : num [1:11] 80092 6338 22176 5300 12434 ...
##  $ 2012    : num [1:11] 85235 6378 22495 6434 13014 ...
##  $ 2013    : num [1:11] 103288 23278 19235 6511 15460 ...
##  $ 2014    : num [1:11] 102338 8630 26391 7060 15158 ...
##  $ 2015    : num [1:11] 109186 9637 27877 7471 15789 ...
##  $ 2016    : num [1:11] 121992 11311 31959 9198 17645 ...
##  $ 2017    : num [1:11] 133606 11760 35243 10754 18128 ...
##  $ 2018    : num [1:11] 135676 11450 36908 8447 17926 ...
##  $ 2019    : num [1:11] 153484 13087 44051 9465 19277 ...
##  $ 2020    : num [1:11] 140589 12874 39758 8763 19139 ...
##  $ 2021    : num [1:11] 86627 5770 23453 5941 12631 ...
##  - attr(*, "groups")= tibble [11 x 2] (S3: tbl_df/tbl/data.frame)
##   ..$ Provinsi: chr [1:11] "Aceh" "Bengkulu" "Jambi" "Kep. Bangka Belitung" ...
##   ..$ .rows   : list<int> [1:11] 
##   .. ..$ : int 2
##   .. ..$ : int 9
##   .. ..$ : int 7
##   .. ..$ : int 11
##   .. ..$ : int 6
##   .. ..$ : int 10
##   .. ..$ : int 5
##   .. ..$ : int 1
##   .. ..$ : int 4
##   .. ..$ : int 8
##   .. ..$ : int 3
##   .. ..@ ptype: int(0) 
##   ..- attr(*, ".drop")= logi TRUE
sumatera6 <- dataoutflowsumatera %>%
    group_by(Provinsi)
sumatera6
## # A tibble: 11 x 12
## # Groups:   Provinsi [11]
##    Provinsi       `2011` `2012` `2013` `2014` `2015` `2016` `2017` `2018` `2019`
##    <chr>           <dbl>  <dbl>  <dbl>  <dbl>  <dbl>  <dbl>  <dbl>  <dbl>  <dbl>
##  1 Sumatera       80092. 85235. 1.03e5 1.02e5 1.09e5 1.22e5 1.34e5 1.36e5 1.53e5
##  2 Aceh            6338.  6378. 2.33e4 8.63e3 9.64e3 1.13e4 1.18e4 1.14e4 1.31e4
##  3 Sumatera Utara 22176. 22495. 1.92e4 2.64e4 2.79e4 3.20e4 3.52e4 3.69e4 4.41e4
##  4 Sumatera Barat  5300.  6434. 6.51e3 7.06e3 7.47e3 9.20e3 1.08e4 8.45e3 9.46e3
##  5 Riau           12434. 13014. 1.55e4 1.52e4 1.58e4 1.76e4 1.81e4 1.79e4 1.93e4
##  6 Kep. Riau       5819.  6966. 8.75e3 1.01e4 9.80e3 1.01e4 1.07e4 1.26e4 1.26e4
##  7 Jambi           5217.  5013. 6.30e3 8.36e3 8.32e3 7.77e3 8.43e3 8.46e3 9.20e3
##  8 Sumatera Sela~ 14524. 15600. 1.27e4 1.34e4 1.35e4 1.58e4 1.70e4 1.79e4 1.91e4
##  9 Bengkulu        2561.  2959. 6.49e3 4.58e3 4.85e3 5.16e3 5.45e3 5.50e3 6.84e3
## 10 Lampung         5724.  6376. 4.57e3 8.34e3 9.95e3 1.04e4 1.34e4 1.37e4 1.56e4
## 11 Kep. Bangka B~     0      0  0      3.22e2 2.00e3 2.68e3 2.75e3 2.74e3 4.17e3
## # ... with 2 more variables: `2020` <dbl>, `2021` <dbl>
dataoutflowsumatera %>%
    filter(Provinsi == 'Bengkulu') %>%
    count('2016', sort = TRUE)
## # A tibble: 1 x 2
##   `"2016"`     n
##   <chr>    <int>
## 1 2016         1
sumatera7 <- dataoutflowsumatera %>%
    mutate('2011' = dataoutflowsumatera$`2014`/2)
sumatera7
## # A tibble: 11 x 12
##    Provinsi       `2011` `2012` `2013` `2014` `2015` `2016` `2017` `2018` `2019`
##    <chr>           <dbl>  <dbl>  <dbl>  <dbl>  <dbl>  <dbl>  <dbl>  <dbl>  <dbl>
##  1 Sumatera       51169. 85235. 1.03e5 1.02e5 1.09e5 1.22e5 1.34e5 1.36e5 1.53e5
##  2 Aceh            4315.  6378. 2.33e4 8.63e3 9.64e3 1.13e4 1.18e4 1.14e4 1.31e4
##  3 Sumatera Utara 13195. 22495. 1.92e4 2.64e4 2.79e4 3.20e4 3.52e4 3.69e4 4.41e4
##  4 Sumatera Barat  3530.  6434. 6.51e3 7.06e3 7.47e3 9.20e3 1.08e4 8.45e3 9.46e3
##  5 Riau            7579. 13014. 1.55e4 1.52e4 1.58e4 1.76e4 1.81e4 1.79e4 1.93e4
##  6 Kep. Riau       5061.  6966. 8.75e3 1.01e4 9.80e3 1.01e4 1.07e4 1.26e4 1.26e4
##  7 Jambi           4181.  5013. 6.30e3 8.36e3 8.32e3 7.77e3 8.43e3 8.46e3 9.20e3
##  8 Sumatera Sela~  6686. 15600. 1.27e4 1.34e4 1.35e4 1.58e4 1.70e4 1.79e4 1.91e4
##  9 Bengkulu        2291.  2959. 6.49e3 4.58e3 4.85e3 5.16e3 5.45e3 5.50e3 6.84e3
## 10 Lampung         4170.  6376. 4.57e3 8.34e3 9.95e3 1.04e4 1.34e4 1.37e4 1.56e4
## 11 Kep. Bangka B~   161.     0  0      3.22e2 2.00e3 2.68e3 2.75e3 2.74e3 4.17e3
## # ... with 2 more variables: `2020` <dbl>, `2021` <dbl>

Visualisasi Data Outflow Uang Kartal di Pulau Sumatera pada Tahun 2021

ggplot(data = dataoutflowsumatera, mapping = aes(Provinsi, `2021`, 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