Pivot dan Visualisasi Data Inflow Uang Kartal di Pulau Kalimantan Periode Tahun 2011 - 2021
Rafi Ronalda Purnama Hakim,Prof.Dr.Suhartono,M.KOM
3/13/2022
Universitas : UIN MAULANA MALIK IBRAHIM MALANG
Jurusan : Teknik Informatika
Pengertian Pivot Table
pivot table adalah ringkasan data yang dikemas dalam tabel interaktif agar memudahkan dan membantu kamu untuk membuat laporan dan menganalisisnya dengan melihat perbandingan data yang kamu miliki.
Singkatnya, gunanya pivot table adalah untuk merangkum, mengelompokkan, mengeksplorasi, mempresentasikan, menghitung, dan menganalisa data.
library(readxl)datainflowKalimantan <- read_excel(path = "InflowTahunKalimantan.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()Kasus Data Inflow Uang Kartal di Pulau Kalimantan pada Tahun 2011 - 2021
datalongerKalimantan <- datainflowKalimantan %>%
pivot_longer(!Provinsi, names_to = "Tahun", values_to = "Kasus")
datalongerKalimantan## # A tibble: 66 x 3
## Provinsi Tahun Kasus
## <chr> <chr> <dbl>
## 1 Kalimantan 2011 13272.
## 2 Kalimantan 2012 17575.
## 3 Kalimantan 2013 37698.
## 4 Kalimantan 2014 26379.
## 5 Kalimantan 2015 29427.
## 6 Kalimantan 2016 32847.
## 7 Kalimantan 2017 35119.
## 8 Kalimantan 2018 41157.
## 9 Kalimantan 2019 46158.
## 10 Kalimantan 2020 37200.
## # ... with 56 more rowsPivot Data inflow Uang Kartal di Pulau Kalimantan Berdasarkan Kasus
library(dplyr)Kalimantan2 <- select(datalongerKalimantan, Provinsi, Kasus)
Kalimantan2## # A tibble: 66 x 2
## Provinsi Kasus
## <chr> <dbl>
## 1 Kalimantan 13272.
## 2 Kalimantan 17575.
## 3 Kalimantan 37698.
## 4 Kalimantan 26379.
## 5 Kalimantan 29427.
## 6 Kalimantan 32847.
## 7 Kalimantan 35119.
## 8 Kalimantan 41157.
## 9 Kalimantan 46158.
## 10 Kalimantan 37200.
## # ... with 56 more rowsKasus Data Inflow uang kartal di Provinsi Kalimantan Timur Periode 2011-2021
library(dplyr)KalimantanTimur <- datalongerKalimantan %>%
filter(Provinsi == 'Kalimantan Timur') %>%
select('Provinsi', 'Tahun', 'Kasus')
KalimantanTimur## # A tibble: 11 x 3
## Provinsi Tahun Kasus
## <chr> <chr> <dbl>
## 1 Kalimantan Timur 2011 4293.
## 2 Kalimantan Timur 2012 5743.
## 3 Kalimantan Timur 2013 10115.
## 4 Kalimantan Timur 2014 8936.
## 5 Kalimantan Timur 2015 9646.
## 6 Kalimantan Timur 2016 10903.
## 7 Kalimantan Timur 2017 10933.
## 8 Kalimantan Timur 2018 12305.
## 9 Kalimantan Timur 2019 13991.
## 10 Kalimantan Timur 2020 10612.
## 11 Kalimantan Timur 2021 8914.Kasus Data Inflow uang kartal di Provinsi Kalimantan Timur Tahun 2011
KalimantanTimur2 <- datalongerKalimantan %>%
filter(Provinsi == 'Kalimantan Timur', Tahun == '2011') %>%
select('Provinsi', 'Tahun', 'Kasus')
KalimantanTimur2## # A tibble: 1 x 3
## Provinsi Tahun Kasus
## <chr> <chr> <dbl>
## 1 Kalimantan Timur 2011 4293.Kasus Data Inflow uang kartal di Provinsi Kalimantan Tengah Periode 2011-2021
library(dplyr)KalimantanTengah <- datalongerKalimantan %>%
filter(Provinsi == 'Kalimantan Tengah') %>%
select('Provinsi', 'Tahun', 'Kasus')
KalimantanTengah## # A tibble: 11 x 3
## Provinsi Tahun Kasus
## <chr> <chr> <dbl>
## 1 Kalimantan Tengah 2011 779.
## 2 Kalimantan Tengah 2012 1135.
## 3 Kalimantan Tengah 2013 19328.
## 4 Kalimantan Tengah 2014 1887.
## 5 Kalimantan Tengah 2015 3547.
## 6 Kalimantan Tengah 2016 3694.
## 7 Kalimantan Tengah 2017 3655.
## 8 Kalimantan Tengah 2018 4083.
## 9 Kalimantan Tengah 2019 4385.
## 10 Kalimantan Tengah 2020 4178.
## 11 Kalimantan Tengah 2021 3534.Kasus Data Inflow uang kartal di Provinsi Kalimantan Tengah Tahun 2013
KalimantanTengah2 <- datalongerKalimantan %>%
filter(Provinsi == 'Kalimantan Tengah', Tahun == '2013') %>%
select('Provinsi', 'Tahun', 'Kasus')
KalimantanTengah2## # A tibble: 1 x 3
## Provinsi Tahun Kasus
## <chr> <chr> <dbl>
## 1 Kalimantan Tengah 2013 19328.Kasus Data Inflow uang kartal di Provinsi Kalimantan Selatan Periode 2011-2021
library(dplyr)KalimantanSelatan <- datalongerKalimantan %>%
filter(Provinsi == 'Kalimantan Selatan') %>%
select('Provinsi', 'Tahun', 'Kasus')
KalimantanSelatan## # A tibble: 11 x 3
## Provinsi Tahun Kasus
## <chr> <chr> <dbl>
## 1 Kalimantan Selatan 2011 5369.
## 2 Kalimantan Selatan 2012 7311.
## 3 Kalimantan Selatan 2013 4226.
## 4 Kalimantan Selatan 2014 9614.
## 5 Kalimantan Selatan 2015 9558.
## 6 Kalimantan Selatan 2016 10809.
## 7 Kalimantan Selatan 2017 12415.
## 8 Kalimantan Selatan 2018 13604.
## 9 Kalimantan Selatan 2019 14462.
## 10 Kalimantan Selatan 2020 11753.
## 11 Kalimantan Selatan 2021 9655.Kasus Data Inflow uang kartal di Provinsi Kalimantan Selatan Tahun 2015
KalimantanSelatan2 <- datalongerKalimantan %>%
filter(Provinsi == 'Kalimantan Selatan', Tahun == '2015') %>%
select('Provinsi', 'Tahun', 'Kasus')
KalimantanSelatan2## # A tibble: 1 x 3
## Provinsi Tahun Kasus
## <chr> <chr> <dbl>
## 1 Kalimantan Selatan 2015 9558.Kasus Data Inflow uang kartal di Provinsi Kalimantan Barat Periode 2011-2021
library(dplyr)KalimantanBarat <- datalongerKalimantan %>%
filter(Provinsi == 'Kalimantan Barat') %>%
select('Provinsi', 'Tahun', 'Kasus')
KalimantanBarat## # A tibble: 11 x 3
## Provinsi Tahun Kasus
## <chr> <chr> <dbl>
## 1 Kalimantan Barat 2011 2831.
## 2 Kalimantan Barat 2012 3386.
## 3 Kalimantan Barat 2013 4029.
## 4 Kalimantan Barat 2014 5943.
## 5 Kalimantan Barat 2015 6675.
## 6 Kalimantan Barat 2016 7440.
## 7 Kalimantan Barat 2017 7775.
## 8 Kalimantan Barat 2018 10249.
## 9 Kalimantan Barat 2019 11848.
## 10 Kalimantan Barat 2020 9294.
## 11 Kalimantan Barat 2021 7598.Kasus Data Inflow uang kartal di Provinsi Kalimantan Barat Tahun 2017
KalimantanBarat2 <- datalongerKalimantan %>%
filter(Provinsi == 'Kalimantan Barat', Tahun == '2017') %>%
select('Provinsi', 'Tahun', 'Kasus')
KalimantanBarat2## # A tibble: 1 x 3
## Provinsi Tahun Kasus
## <chr> <chr> <dbl>
## 1 Kalimantan Barat 2017 7775.Kasus Data Inflow uang kartal di Provinsi Kalimantan Utara Periode 2011-2021
library(dplyr)KalimantanUtara <- datalongerKalimantan %>%
filter(Provinsi == 'Kalimantan Utara') %>%
select('Provinsi', 'Tahun', 'Kasus')
KalimantanUtara## # A tibble: 11 x 3
## Provinsi Tahun Kasus
## <chr> <chr> <dbl>
## 1 Kalimantan Utara 2011 0
## 2 Kalimantan Utara 2012 0
## 3 Kalimantan Utara 2013 0
## 4 Kalimantan Utara 2014 0
## 5 Kalimantan Utara 2015 0
## 6 Kalimantan Utara 2016 0
## 7 Kalimantan Utara 2017 341.
## 8 Kalimantan Utara 2018 917.
## 9 Kalimantan Utara 2019 1472.
## 10 Kalimantan Utara 2020 1362.
## 11 Kalimantan Utara 2021 1671.Kasus Data Inflow uang kartal di Provinsi Kalimantan Utara Tahun 2020
KalimantanUtara2 <- datalongerKalimantan %>%
filter(Provinsi == 'Kalimantan Barat', Tahun == '2020') %>%
select('Provinsi', 'Tahun', 'Kasus')
KalimantanUtara2## # A tibble: 1 x 3
## Provinsi Tahun Kasus
## <chr> <chr> <dbl>
## 1 Kalimantan Barat 2020 9294.Hasil Visualisasi dimasing-masing Provinsi
ggplot(data = datalongerKalimantan, mapping = aes(x = Tahun, y = Kasus)) +
geom_point(col = "green") +
facet_wrap( ~ Provinsi) +
theme(axis.text.x = element_text(angle = 90))