Pivot dan Visualisasi Data Outflow Uang Kartal di Pulau Kalimantan Periode Tahun 2011 - 2021
Rafi Ronalda Purnama Hakim,Prof.Dr.Suhartono,M.KOM
3/6/2022
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)dataoutflowKalimantan <- read_excel(path = "OutflowTahunKalimantan.xlsx")
dataoutflowKalimantan## # 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~ 29535. 33444. 44929. 38772. 41945. 42179. 50404. 53989. 57579. 52060.
## 2 Kaliman~ 5221. 5698. 6011. 6764. 8486. 9402. 11132. 12278. 13768. 13501.
## 3 Kaliman~ 6850. 7741. 15421. 8346. 10190. 10131. 11695. 13040. 12891. 12518.
## 4 Kaliman~ 5126. 5580. 5046. 6265. 6755. 7424. 9544. 8476. 9228. 8222.
## 5 Kaliman~ 12337. 14426. 18451. 17398. 16514. 15221. 16525. 17724. 18596. 14993.
## 6 Kaliman~ 0 0 0 0 0 0 1507. 2471. 3096. 2826.
## # ... 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 Outflow Uang Kartal di Pulau Kalimantan pada Tahun 2011 - 2021
datalongerKalimantan <- dataoutflowKalimantan %>%
pivot_longer(!Provinsi, names_to = "Tahun", values_to = "Kasus")
datalongerKalimantan## # A tibble: 66 x 3
## Provinsi Tahun Kasus
## <chr> <chr> <dbl>
## 1 Kalimantan 2011 29535.
## 2 Kalimantan 2012 33444.
## 3 Kalimantan 2013 44929.
## 4 Kalimantan 2014 38772.
## 5 Kalimantan 2015 41945.
## 6 Kalimantan 2016 42179.
## 7 Kalimantan 2017 50404.
## 8 Kalimantan 2018 53989.
## 9 Kalimantan 2019 57579.
## 10 Kalimantan 2020 52060.
## # ... with 56 more rowsPivot Data Outflow 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 29535.
## 2 Kalimantan 33444.
## 3 Kalimantan 44929.
## 4 Kalimantan 38772.
## 5 Kalimantan 41945.
## 6 Kalimantan 42179.
## 7 Kalimantan 50404.
## 8 Kalimantan 53989.
## 9 Kalimantan 57579.
## 10 Kalimantan 52060.
## # ... with 56 more rowsKasus Data Outflow 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 12337.
## 2 Kalimantan Timur 2012 14426.
## 3 Kalimantan Timur 2013 18451.
## 4 Kalimantan Timur 2014 17398.
## 5 Kalimantan Timur 2015 16514.
## 6 Kalimantan Timur 2016 15221.
## 7 Kalimantan Timur 2017 16525.
## 8 Kalimantan Timur 2018 17724.
## 9 Kalimantan Timur 2019 18596.
## 10 Kalimantan Timur 2020 14993.
## 11 Kalimantan Timur 2021 9110.Kasus Data Outflow uang kartal di Provinsi Kalimantan Timur Tahun 2012
KalimantanTimur2 <- datalongerKalimantan %>%
filter(Provinsi == 'Kalimantan Timur', Tahun == '2012') %>%
select('Provinsi', 'Tahun', 'Kasus')
KalimantanTimur2## # A tibble: 1 x 3
## Provinsi Tahun Kasus
## <chr> <chr> <dbl>
## 1 Kalimantan Timur 2012 14426.Kasus Data Outflow 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 6850.
## 2 Kalimantan Tengah 2012 7741.
## 3 Kalimantan Tengah 2013 15421.
## 4 Kalimantan Tengah 2014 8346.
## 5 Kalimantan Tengah 2015 10190.
## 6 Kalimantan Tengah 2016 10131.
## 7 Kalimantan Tengah 2017 11695.
## 8 Kalimantan Tengah 2018 13040.
## 9 Kalimantan Tengah 2019 12891.
## 10 Kalimantan Tengah 2020 12518.
## 11 Kalimantan Tengah 2021 7071.Kasus Data Outflow uang kartal di Provinsi Kalimantan Tengah Tahun 2014
KalimantanTengah2 <- datalongerKalimantan %>%
filter(Provinsi == 'Kalimantan Tengah', Tahun == '2014') %>%
select('Provinsi', 'Tahun', 'Kasus')
KalimantanTengah2## # A tibble: 1 x 3
## Provinsi Tahun Kasus
## <chr> <chr> <dbl>
## 1 Kalimantan Tengah 2014 8346.Kasus Data Outflow 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 5126.
## 2 Kalimantan Selatan 2012 5580.
## 3 Kalimantan Selatan 2013 5046.
## 4 Kalimantan Selatan 2014 6265.
## 5 Kalimantan Selatan 2015 6755.
## 6 Kalimantan Selatan 2016 7424.
## 7 Kalimantan Selatan 2017 9544.
## 8 Kalimantan Selatan 2018 8476.
## 9 Kalimantan Selatan 2019 9228.
## 10 Kalimantan Selatan 2020 8222.
## 11 Kalimantan Selatan 2021 5192.Kasus Data Outflow uang kartal di Provinsi Kalimantan Selatan Tahun 2016
KalimantanSelatan2 <- datalongerKalimantan %>%
filter(Provinsi == 'Kalimantan Selatan', Tahun == '2016') %>%
select('Provinsi', 'Tahun', 'Kasus')
KalimantanSelatan2## # A tibble: 1 x 3
## Provinsi Tahun Kasus
## <chr> <chr> <dbl>
## 1 Kalimantan Selatan 2016 7424.Kasus Data Outflow 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 5221.
## 2 Kalimantan Barat 2012 5698.
## 3 Kalimantan Barat 2013 6011.
## 4 Kalimantan Barat 2014 6764.
## 5 Kalimantan Barat 2015 8486.
## 6 Kalimantan Barat 2016 9402.
## 7 Kalimantan Barat 2017 11132.
## 8 Kalimantan Barat 2018 12278.
## 9 Kalimantan Barat 2019 13768.
## 10 Kalimantan Barat 2020 13501.
## 11 Kalimantan Barat 2021 6958.Kasus Data Outflow uang kartal di Provinsi Kalimantan Barat Tahun 2018
KalimantanBarat2 <- datalongerKalimantan %>%
filter(Provinsi == 'Kalimantan Barat', Tahun == '2018') %>%
select('Provinsi', 'Tahun', 'Kasus')
KalimantanBarat2## # A tibble: 1 x 3
## Provinsi Tahun Kasus
## <chr> <chr> <dbl>
## 1 Kalimantan Barat 2018 12278.Kasus Data Outflow 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 1507.
## 8 Kalimantan Utara 2018 2471.
## 9 Kalimantan Utara 2019 3096.
## 10 Kalimantan Utara 2020 2826.
## 11 Kalimantan Utara 2021 1960.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 13501.Hasil Visualisasi dimasing-masing Provinsi
ggplot(data = datalongerKalimantan, mapping = aes(x = Tahun, y = Kasus)) +
geom_point() +
facet_wrap( ~ Provinsi) +
theme(axis.text.x = element_text(angle = 90))