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
dataoutflowjawa <- read_excel(path = "datajawa2.xlsx")
dataoutflowjawa
## # A tibble: 5 x 12
##   Keterangan  `2011` `2012` `2013` `2014` `2015` `2016` `2017` `2018`  `2019`
##   <chr>        <dbl>  <dbl>  <dbl>  <dbl>  <dbl>  <dbl>  <dbl>  <dbl>   <dbl>
## 1 Jawa Barat  20782. 28895. 23067. 40857. 47063. 49405. 53825. 61358.  61692.
## 2 Jawa Tengah 19975. 28493. 29529. 39110. 46840. 53659. 62761. 69368.  72363.
## 3 Yogyakarta   7538.  9486.  9708. 13171. 14080. 13013. 16810. 20357.  21353.
## 4 Jawa Timur  35217. 44489. 36665. 53931. 63585. 74491. 93396. 97995. 105514.
## 5 Banten         NA     NA     NA     NA     NA     NA   2113.  4047.  11035.
## # ... 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 Outflow Uang Kartal di Pulau Jawa pada Tahun 2011 - 2021

datalongerjawa <- dataoutflowjawa %>%
  pivot_longer(!Keterangan, names_to = "Tahun", values_to = "Kasus")
datalongerjawa
## # A tibble: 55 x 3
##    Keterangan Tahun  Kasus
##    <chr>      <chr>  <dbl>
##  1 Jawa Barat 2011  20782.
##  2 Jawa Barat 2012  28895.
##  3 Jawa Barat 2013  23067.
##  4 Jawa Barat 2014  40857.
##  5 Jawa Barat 2015  47063.
##  6 Jawa Barat 2016  49405.
##  7 Jawa Barat 2017  53825.
##  8 Jawa Barat 2018  61358.
##  9 Jawa Barat 2019  61692.
## 10 Jawa Barat 2020  57235.
## # ... with 45 more rows

Pivot Data Outflow Uang Kartal di Pulau Jawa Berdasarkan Kasus

library(dplyr)
Jawa <- select(datalongerjawa, Keterangan, Kasus)
Jawa
## # A tibble: 55 x 2
##    Keterangan  Kasus
##    <chr>       <dbl>
##  1 Jawa Barat 20782.
##  2 Jawa Barat 28895.
##  3 Jawa Barat 23067.
##  4 Jawa Barat 40857.
##  5 Jawa Barat 47063.
##  6 Jawa Barat 49405.
##  7 Jawa Barat 53825.
##  8 Jawa Barat 61358.
##  9 Jawa Barat 61692.
## 10 Jawa Barat 57235.
## # ... with 45 more rows

Kasus Data Outflow uang kartal di Provinsi Jawa Barat Periode 2011-2021

library(dplyr)
JawaBarat <- datalongerjawa %>%
  filter(Keterangan == 'Jawa Barat') %>%
  select('Keterangan', 'Tahun', 'Kasus')
JawaBarat
## # A tibble: 11 x 3
##    Keterangan Tahun  Kasus
##    <chr>      <chr>  <dbl>
##  1 Jawa Barat 2011  20782.
##  2 Jawa Barat 2012  28895.
##  3 Jawa Barat 2013  23067.
##  4 Jawa Barat 2014  40857.
##  5 Jawa Barat 2015  47063.
##  6 Jawa Barat 2016  49405.
##  7 Jawa Barat 2017  53825.
##  8 Jawa Barat 2018  61358.
##  9 Jawa Barat 2019  61692.
## 10 Jawa Barat 2020  57235.
## 11 Jawa Barat 2021  34763.

Kasus Data Outflow uang kartal di Provinsi Jawa Barat Tahun 2015

JawaBarat <- datalongerjawa%>%
  filter(Keterangan == 'Jawa Barat', Tahun == '2015') %>%
  select('Keterangan', 'Tahun', 'Kasus')
JawaBarat
## # A tibble: 1 x 3
##   Keterangan Tahun  Kasus
##   <chr>      <chr>  <dbl>
## 1 Jawa Barat 2015  47063.

Kasus Data Outflow uang kartal di Provinsi Jawa Tengah Periode 2011-2021

library(dplyr)
JawaTengah <- datalongerjawa %>%
  filter(Keterangan == 'Jawa Tengah') %>%
  select('Keterangan', 'Tahun', 'Kasus')
JawaTengah
## # A tibble: 11 x 3
##    Keterangan  Tahun  Kasus
##    <chr>       <chr>  <dbl>
##  1 Jawa Tengah 2011  19975.
##  2 Jawa Tengah 2012  28493.
##  3 Jawa Tengah 2013  29529.
##  4 Jawa Tengah 2014  39110.
##  5 Jawa Tengah 2015  46840.
##  6 Jawa Tengah 2016  53659.
##  7 Jawa Tengah 2017  62761.
##  8 Jawa Tengah 2018  69368.
##  9 Jawa Tengah 2019  72363.
## 10 Jawa Tengah 2020  72342.
## 11 Jawa Tengah 2021  44455.

Kasus Data Outflow uang kartal di Provinsi Jawa Tengah Tahun 2018

JawaTengah <- datalongerjawa%>%
  filter(Keterangan == 'Jawa Tengah', Tahun == '2018') %>%
  select('Keterangan', 'Tahun', 'Kasus')
JawaTengah
## # A tibble: 1 x 3
##   Keterangan  Tahun  Kasus
##   <chr>       <chr>  <dbl>
## 1 Jawa Tengah 2018  69368.

Kasus Data Outflow uang kartal di Provinsi Yogyakarta Periode 2011-2021

library(dplyr)
Yogyakarta <- datalongerjawa %>%
  filter(Keterangan == 'Yogyakarta') %>%
  select('Keterangan', 'Tahun', 'Kasus')
Yogyakarta
## # A tibble: 11 x 3
##    Keterangan Tahun  Kasus
##    <chr>      <chr>  <dbl>
##  1 Yogyakarta 2011   7538.
##  2 Yogyakarta 2012   9486.
##  3 Yogyakarta 2013   9708.
##  4 Yogyakarta 2014  13171.
##  5 Yogyakarta 2015  14080.
##  6 Yogyakarta 2016  13013.
##  7 Yogyakarta 2017  16810.
##  8 Yogyakarta 2018  20357.
##  9 Yogyakarta 2019  21353.
## 10 Yogyakarta 2020  16619.
## 11 Yogyakarta 2021   9652.

Kasus Data Outflow uang kartal di Provinsi Yogyakarta Tahun 2021

Yogyakarta <- datalongerjawa%>%
  filter(Keterangan == 'Yogyakarta', Tahun == '2021') %>%
  select('Keterangan', 'Tahun', 'Kasus')
Yogyakarta
## # A tibble: 1 x 3
##   Keterangan Tahun Kasus
##   <chr>      <chr> <dbl>
## 1 Yogyakarta 2021  9652.

Kasus Data Outflow uang kartal di Provinsi Jawa Timur Periode 2011-2021

library(dplyr)
JawaTimur <- datalongerjawa %>%
  filter(Keterangan == 'Jawa Timur') %>%
  select('Keterangan', 'Tahun', 'Kasus')
JawaTimur
## # A tibble: 11 x 3
##    Keterangan Tahun   Kasus
##    <chr>      <chr>   <dbl>
##  1 Jawa Timur 2011   35217.
##  2 Jawa Timur 2012   44489.
##  3 Jawa Timur 2013   36665.
##  4 Jawa Timur 2014   53931.
##  5 Jawa Timur 2015   63585.
##  6 Jawa Timur 2016   74491.
##  7 Jawa Timur 2017   93396.
##  8 Jawa Timur 2018   97995.
##  9 Jawa Timur 2019  105514.
## 10 Jawa Timur 2020   93374.
## 11 Jawa Timur 2021   46029.

Kasus Data Outflow uang kartal di Provinsi Jawa Timur Tahun 2013

JawaTimur <- datalongerjawa%>%
  filter(Keterangan == 'Jawa Timur', Tahun == '2013') %>%
  select('Keterangan', 'Tahun', 'Kasus')
JawaTimur
## # A tibble: 1 x 3
##   Keterangan Tahun  Kasus
##   <chr>      <chr>  <dbl>
## 1 Jawa Timur 2013  36665.

Kasus Data Outflow uang kartal di Provinsi Banten Periode 2011-2021

library(dplyr)
Banten <- datalongerjawa %>%
  filter(Keterangan == 'Banten') %>%
  select('Keterangan', 'Tahun', 'Kasus')
Banten
## # A tibble: 11 x 3
##    Keterangan Tahun  Kasus
##    <chr>      <chr>  <dbl>
##  1 Banten     2011     NA 
##  2 Banten     2012     NA 
##  3 Banten     2013     NA 
##  4 Banten     2014     NA 
##  5 Banten     2015     NA 
##  6 Banten     2016     NA 
##  7 Banten     2017   2113.
##  8 Banten     2018   4047.
##  9 Banten     2019  11035.
## 10 Banten     2020  11793.
## 11 Banten     2021   8441.

Kasus Data Outflow uang kartal di Provinsi Banten Tahun 2011

Banten <- datalongerjawa%>%
  filter(Keterangan == 'Banten', Tahun == '2011') %>%
  select('Keterangan', 'Tahun', 'Kasus')
Banten
## # A tibble: 1 x 3
##   Keterangan Tahun Kasus
##   <chr>      <chr> <dbl>
## 1 Banten     2011     NA

Hasil Visualisasi dimasing-masing Provinsi

ggplot(data = datalongerjawa, mapping = aes(x = Tahun, y = Kasus)) +
  geom_point(col = "Green") +
  facet_wrap( ~ Keterangan) +
  theme(axis.text.x = element_text(angle = 90))
## Warning: Removed 6 rows containing missing values (geom_point).