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)
## Warning: package 'readxl' was built under R version 4.1.3
datainflowpapua <- read_excel(path = "datapapua.xlsx")
datainflowpapua
## # A tibble: 4 x 12
##   Keterangan   `2011` `2012` `2013` `2014` `2015` `2016` `2017` `2018` `2019`
##   <chr>         <dbl>  <dbl>  <dbl>  <dbl>  <dbl>  <dbl>  <dbl>  <dbl>  <dbl>
## 1 Maluku Utara   586.   633. 10273. 1006.   1007.  1259.  1339.  1530.  1924.
## 2 Maluku        1273.  1147.  4341. 1781.   1790.  2367.  2484.  3210.  4056.
## 3 Papua         4710.  6047.  2131. 6794.   6099.  6291.  6353.  8076.  9259.
## 4 Papua Barat     NA     NA     NA    11.7   518.   818.   933.  1153.  1448.
## # ... with 2 more variables: `2020` <dbl>, `2021` <dbl>
library(tidyverse)
## Warning: package 'tidyverse' was built under R version 4.1.3
## -- 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
## Warning: package 'ggplot2' was built under R version 4.1.3
## Warning: package 'tibble' was built under R version 4.1.3
## Warning: package 'tidyr' was built under R version 4.1.3
## Warning: package 'readr' was built under R version 4.1.3
## Warning: package 'purrr' was built under R version 4.1.3
## Warning: package 'dplyr' was built under R version 4.1.3
## Warning: package 'stringr' was built under R version 4.1.3
## Warning: package 'forcats' was built under R version 4.1.3
## -- Conflicts ------------------------------------------ tidyverse_conflicts() --
## x dplyr::filter() masks stats::filter()
## x dplyr::lag()    masks stats::lag()

Kasus Data Inflow Uang Kartal di pulau Papua dan Sekitarnya pada Tahun 2011 - 2021

datalongerpapua <- datainflowpapua %>%
  pivot_longer(!Keterangan, names_to = "Tahun", values_to = "Kasus")
datalongerpapua
## # A tibble: 44 x 3
##    Keterangan   Tahun  Kasus
##    <chr>        <chr>  <dbl>
##  1 Maluku Utara 2011    586.
##  2 Maluku Utara 2012    633.
##  3 Maluku Utara 2013  10273.
##  4 Maluku Utara 2014   1006.
##  5 Maluku Utara 2015   1007.
##  6 Maluku Utara 2016   1259.
##  7 Maluku Utara 2017   1339.
##  8 Maluku Utara 2018   1530.
##  9 Maluku Utara 2019   1924.
## 10 Maluku Utara 2020   1876.
## # ... with 34 more rows

Pivot Data inflow Uang Kartal di pulau Papua dan Sekitarnya Berdasarkan Kasus

library(dplyr)
papua <- select(datalongerpapua, Keterangan, Kasus)
papua
## # A tibble: 44 x 2
##    Keterangan    Kasus
##    <chr>         <dbl>
##  1 Maluku Utara   586.
##  2 Maluku Utara   633.
##  3 Maluku Utara 10273.
##  4 Maluku Utara  1006.
##  5 Maluku Utara  1007.
##  6 Maluku Utara  1259.
##  7 Maluku Utara  1339.
##  8 Maluku Utara  1530.
##  9 Maluku Utara  1924.
## 10 Maluku Utara  1876.
## # ... with 34 more rows

Kasus Data Inflow uang kartal di Provinsi Maluku Periode 2011-2021

library(dplyr)
Maluku <- datalongerpapua %>%
  filter(Keterangan == 'Maluku') %>%
  select('Keterangan', 'Tahun', 'Kasus')
Maluku
## # A tibble: 11 x 3
##    Keterangan Tahun Kasus
##    <chr>      <chr> <dbl>
##  1 Maluku     2011  1273.
##  2 Maluku     2012  1147.
##  3 Maluku     2013  4341.
##  4 Maluku     2014  1781.
##  5 Maluku     2015  1790.
##  6 Maluku     2016  2367.
##  7 Maluku     2017  2484.
##  8 Maluku     2018  3210.
##  9 Maluku     2019  4056.
## 10 Maluku     2020  2909.
## 11 Maluku     2021  2795.

Kasus Data Inflow uang kartal di Provinsi Maluku Tahun 2018

Maluku <- datalongerpapua%>%
  filter(Keterangan == 'Maluku', Tahun == '2018') %>%
  select('Keterangan', 'Tahun', 'Kasus')
Maluku
## # A tibble: 1 x 3
##   Keterangan Tahun Kasus
##   <chr>      <chr> <dbl>
## 1 Maluku     2018  3210.

Kasus Data Inflow uang kartal di Provinsi Maluku Utara Periode 2011-2021

library(dplyr)
MalukuUtara <- datalongerpapua %>%
  filter(Keterangan == 'Maluku Utara') %>%
  select('Keterangan', 'Tahun', 'Kasus')
MalukuUtara
## # A tibble: 11 x 3
##    Keterangan   Tahun  Kasus
##    <chr>        <chr>  <dbl>
##  1 Maluku Utara 2011    586.
##  2 Maluku Utara 2012    633.
##  3 Maluku Utara 2013  10273.
##  4 Maluku Utara 2014   1006.
##  5 Maluku Utara 2015   1007.
##  6 Maluku Utara 2016   1259.
##  7 Maluku Utara 2017   1339.
##  8 Maluku Utara 2018   1530.
##  9 Maluku Utara 2019   1924.
## 10 Maluku Utara 2020   1876.
## 11 Maluku Utara 2021   1738.

Kasus Data Inflow uang kartal di Provinsi Maluku Utara Tahun 2011

MalukuUtara <- datalongerpapua%>%
  filter(Keterangan == 'Maluku Utara', Tahun == '2011') %>%
  select('Keterangan', 'Tahun', 'Kasus')
MalukuUtara
## # A tibble: 1 x 3
##   Keterangan   Tahun Kasus
##   <chr>        <chr> <dbl>
## 1 Maluku Utara 2011   586.

Kasus Data Inflow uang kartal di Provinsi Papua Periode 2011-2021

library(dplyr)
papua <- datalongerpapua %>%
  filter(Keterangan == 'Papua') %>%
  select('Keterangan', 'Tahun', 'Kasus')
papua
## # A tibble: 11 x 3
##    Keterangan Tahun Kasus
##    <chr>      <chr> <dbl>
##  1 Papua      2011  4710.
##  2 Papua      2012  6047.
##  3 Papua      2013  2131.
##  4 Papua      2014  6794.
##  5 Papua      2015  6099.
##  6 Papua      2016  6291.
##  7 Papua      2017  6353.
##  8 Papua      2018  8076.
##  9 Papua      2019  9259.
## 10 Papua      2020  9556.
## 11 Papua      2021  8509.

Kasus Data Inflow uang kartal di Provinsi Papua Tahun 2013

papua <- datalongerpapua%>%
  filter(Keterangan == 'Papua', Tahun == '2013') %>%
  select('Keterangan', 'Tahun', 'Kasus')
papua
## # A tibble: 1 x 3
##   Keterangan Tahun Kasus
##   <chr>      <chr> <dbl>
## 1 Papua      2013  2131.

Kasus Data Inflow uang kartal di Provinsi Papua Barat Periode 2011-2021

library(dplyr)
papuaBarat <- datalongerpapua %>%
  filter(Keterangan == 'Papua Barat') %>%
  select('Keterangan', 'Tahun', 'Kasus')
papuaBarat
## # A tibble: 11 x 3
##    Keterangan  Tahun  Kasus
##    <chr>       <chr>  <dbl>
##  1 Papua Barat 2011    NA  
##  2 Papua Barat 2012    NA  
##  3 Papua Barat 2013    NA  
##  4 Papua Barat 2014    11.7
##  5 Papua Barat 2015   518. 
##  6 Papua Barat 2016   818. 
##  7 Papua Barat 2017   933. 
##  8 Papua Barat 2018  1153. 
##  9 Papua Barat 2019  1448. 
## 10 Papua Barat 2020  1635. 
## 11 Papua Barat 2021  1907.

Kasus Data Inflow uang kartal di Provinsi Papua Barat Tahun 2017

papuaBarat <- datalongerpapua%>%
  filter(Keterangan == 'Papua Barat', Tahun == '2017') %>%
  select('Keterangan', 'Tahun', 'Kasus')
papuaBarat
## # A tibble: 1 x 3
##   Keterangan  Tahun Kasus
##   <chr>       <chr> <dbl>
## 1 Papua Barat 2017   933.

Hasil Visualisasi dimasing-masing Provinsi

ggplot(data = datalongerpapua, mapping = aes(x = Tahun, y = Kasus)) +
  geom_point(col = "Purple") +
  facet_wrap( ~ Keterangan) +
  theme(axis.text.x = element_text(angle = 90))
## Warning: Removed 3 rows containing missing values (geom_point).