Manipulasi dan Visualisasi Data Outflow Uang Kartal di Pulau Sumatera 2011-2021
Nurhisam Ari Kusnaini, Dosen Pengampu : Prof. Dr. Suhartono, M.kom
2022-03-17
Manipulasi Data dengan dplyr
Dalam melakukan manipulasi data di R kita dapat menggunakan package dplyr. Package ini dibuat oleh Handley Wickham dan Roman Francois yang berisi kumpulan fungsi yang memudahkan manipulasi data yaitu antara lain:
sample() untuk mengambil sampel secara acak dari
tabel
mutate() untuk menambah kolom
select() untuk mengambil data atau variabel yang
dibutuhkan
arrange() untuk mengurutkan data
filter() untuk menyaring data
groupby() untuk mengelompokkan data
Beberapa alasan mengapa dplyr digunakan ketika melakukan manipulasi data yaitu pemrosesannya cepat sehingga meminimalisir waktu, kode yang simpel sehingga mudah dimengerti, dan penggunaan fungsi yang sistematis sehingga kode lebih rapi. Cara menginstall package dplyr yaitu sebagai berikut:
install.package(dplyr)
Sedangkan untuk memanggil dplyr yaitu dengan sintaks:
library(dplyr)
Beberapa alasan mengapa dplyr digunakan ketika melakukan manipulasi data yaitu pemrosesannya cepat sehingga meminimalisir waktu, kode yang simpel sehingga mudah dimengerti, dan penggunaan fungsi yang sistematis sehingga kode lebih rapi.
library(readxl)## Warning: package 'readxl' was built under R version 4.1.3dataoutflowsumatera <- read_excel(path = "datasumatera2.xlsx")
dataoutflowsumatera## # A tibble: 10 x 12
## Keterangan `2011` `2012` `2013` `2014` `2015` `2016` `2017` `2018` `2019`
## <chr> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl>
## 1 Aceh 6338. 6378. 23278. 8630. 9637. 11311. 11760. 11450. 13087.
## 2 Sumatera Utara 22176. 22495. 19235. 26391. 27877. 31959. 35243. 36908. 44051.
## 3 Sumatera Barat 5300. 6434. 6511. 7060. 7471. 9198. 10754. 8447. 9465.
## 4 Riau 12434. 13014. 15460. 15158. 15789. 17645. 18128. 17926. 19277.
## 5 Kep. Riau 5819. 6966. 8747. 10122. 9803. 10068. 10749. 12597. 12644.
## 6 Jambi 5217. 5013. 6302. 8361. 8325. 7774. 8434. 8459. 9204.
## 7 Sumatera Sela~ 14524. 15600. 12693. 13372. 13484. 15756. 16981. 17931. 19121.
## 8 Bengkulu 2561. 2959. 6490. 4583. 4852. 5163. 5447. 5495. 6842.
## 9 Lampung 5724. 6376. 4571. 8339. 9946. 10436. 13359. 13725. 15626.
## 10 Kep. Bangka B~ NA NA NA 322. 2005. 2684. 2750. 2738. 4167.
## # ... 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()Memilih atau membuang beberapa variabel yang tidak digunakan
Sumatera <- dplyr::select(dataoutflowsumatera, `2011`)
Sumatera## # A tibble: 10 x 1
## `2011`
## <dbl>
## 1 6338.
## 2 22176.
## 3 5300.
## 4 12434.
## 5 5819.
## 6 5217.
## 7 14524.
## 8 2561.
## 9 5724.
## 10 NASumatera <- dplyr::select(dataoutflowsumatera, `2016`, `2017`, `2018`, `2021`, `2011`)
Sumatera## # A tibble: 10 x 5
## `2016` `2017` `2018` `2021` `2011`
## <dbl> <dbl> <dbl> <dbl> <dbl>
## 1 11311. 11760. 11450. 5770. 6338.
## 2 31959. 35243. 36908. 23453. 22176.
## 3 9198. 10754. 8447. 5941. 5300.
## 4 17645. 18128. 17926. 12631. 12434.
## 5 10068. 10749. 12597. 5128. 5819.
## 6 7774. 8434. 8459. 6046. 5217.
## 7 15756. 16981. 17931. 11436. 14524.
## 8 5163. 5447. 5495. 4681. 2561.
## 9 10436. 13359. 13725. 8050. 5724.
## 10 2684. 2750. 2738. 3493. NAJika variabel yang ingin Anda pilih cukup banyak sedangkan variabel yang ingin Anda buang lebih sedikit, Anda dapat menuliskan nama variabel dengan menambahkan tanda negatif (-) di depan nama atau indeks masing-masing variabel.
Sumatera <- dplyr::select(dataoutflowsumatera, -`2015`)
Sumatera## # A tibble: 10 x 11
## Keterangan `2011` `2012` `2013` `2014` `2016` `2017` `2018` `2019` `2020`
## <chr> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl>
## 1 Aceh 6338. 6378. 23278. 8630. 11311. 11760. 11450. 13087. 12874.
## 2 Sumatera Utara 22176. 22495. 19235. 26391. 31959. 35243. 36908. 44051. 39758.
## 3 Sumatera Barat 5300. 6434. 6511. 7060. 9198. 10754. 8447. 9465. 8763.
## 4 Riau 12434. 13014. 15460. 15158. 17645. 18128. 17926. 19277. 19139.
## 5 Kep. Riau 5819. 6966. 8747. 10122. 10068. 10749. 12597. 12644. 8461.
## 6 Jambi 5217. 5013. 6302. 8361. 7774. 8434. 8459. 9204. 8950.
## 7 Sumatera Sela~ 14524. 15600. 12693. 13372. 15756. 16981. 17931. 19121. 18309.
## 8 Bengkulu 2561. 2959. 6490. 4583. 5163. 5447. 5495. 6842. 6564.
## 9 Lampung 5724. 6376. 4571. 8339. 10436. 13359. 13725. 15626. 13873.
## 10 Kep. Bangka B~ NA NA NA 322. 2684. 2750. 2738. 4167. 3899.
## # ... with 1 more variable: `2021` <dbl>Selain memilih kolom, select() juga dapat digunakan
untuk mengubah nama kolom, misalnya
Sumatera <- dataoutflowsumatera %>%
dplyr::select(tahun = `2011`, `2015`, `2019`)
Sumatera## # A tibble: 10 x 3
## tahun `2015` `2019`
## <dbl> <dbl> <dbl>
## 1 6338. 9637. 13087.
## 2 22176. 27877. 44051.
## 3 5300. 7471. 9465.
## 4 12434. 15789. 19277.
## 5 5819. 9803. 12644.
## 6 5217. 8325. 9204.
## 7 14524. 13484. 19121.
## 8 2561. 4852. 6842.
## 9 5724. 9946. 15626.
## 10 NA 2005. 4167.Mengambil nilai unik (tidak duplikasi) dari sebuah variable
Sumatera <- distinct(dataoutflowsumatera, `2017`)
Sumatera## # A tibble: 10 x 1
## `2017`
## <dbl>
## 1 11760.
## 2 35243.
## 3 10754.
## 4 18128.
## 5 10749.
## 6 8434.
## 7 16981.
## 8 5447.
## 9 13359.
## 10 2750.Untuk mendapatkan nilai unik dari semua baris berdasarkan variabel
tertentu tambahkan opsi .keep_all = TRUE setelah nama
variable dalam fungsi distinct().
Sumatera <- distinct(dataoutflowsumatera, `2013`, .keep_all = TRUE)
Sumatera## # A tibble: 10 x 12
## Keterangan `2011` `2012` `2013` `2014` `2015` `2016` `2017` `2018` `2019`
## <chr> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl>
## 1 Aceh 6338. 6378. 23278. 8630. 9637. 11311. 11760. 11450. 13087.
## 2 Sumatera Utara 22176. 22495. 19235. 26391. 27877. 31959. 35243. 36908. 44051.
## 3 Sumatera Barat 5300. 6434. 6511. 7060. 7471. 9198. 10754. 8447. 9465.
## 4 Riau 12434. 13014. 15460. 15158. 15789. 17645. 18128. 17926. 19277.
## 5 Kep. Riau 5819. 6966. 8747. 10122. 9803. 10068. 10749. 12597. 12644.
## 6 Jambi 5217. 5013. 6302. 8361. 8325. 7774. 8434. 8459. 9204.
## 7 Sumatera Sela~ 14524. 15600. 12693. 13372. 13484. 15756. 16981. 17931. 19121.
## 8 Bengkulu 2561. 2959. 6490. 4583. 4852. 5163. 5447. 5495. 6842.
## 9 Lampung 5724. 6376. 4571. 8339. 9946. 10436. 13359. 13725. 15626.
## 10 Kep. Bangka B~ NA NA NA 322. 2005. 2684. 2750. 2738. 4167.
## # ... with 2 more variables: `2020` <dbl>, `2021` <dbl>Menyeleksi baris
filter() digunakan untuk menyeleksi atau memilih baris
atau observasi berdasarkan nilainya. Dalam filter(), kita
dapat menggunakan berbagai operator, seperti operator dasar
<, <=, >,
>, == (sama dengan) dan %in%
(bagian dari). Argumen
filter()yang lebih dari satu dapat digabungkan dengan bolean operator, yaitu&(and/dan),|(or/atau) dan!`
(not/tidak).
Sumatera <- dataoutflowsumatera %>%
filter(Keterangan <= 'Sumatera') %>%
dplyr::select(`2017`,`2019`)
Sumatera## # A tibble: 7 x 2
## `2017` `2019`
## <dbl> <dbl>
## 1 11760. 13087.
## 2 18128. 19277.
## 3 10749. 12644.
## 4 8434. 9204.
## 5 5447. 6842.
## 6 13359. 15626.
## 7 2750. 4167.Sumatera <- dataoutflowsumatera %>%
filter(Keterangan == 'Sumatera', Keterangan == 'Aceh') %>%
dplyr::select( -`2019`)
Sumatera## # A tibble: 0 x 11
## # ... with 11 variables: Keterangan <chr>, 2011 <dbl>, 2012 <dbl>, 2013 <dbl>,
## # 2014 <dbl>, 2015 <dbl>, 2016 <dbl>, 2017 <dbl>, 2018 <dbl>, 2020 <dbl>,
## # 2021 <dbl>str(dataoutflowsumatera)## tibble [10 x 12] (S3: tbl_df/tbl/data.frame)
## $ Keterangan: chr [1:10] "Aceh" "Sumatera Utara" "Sumatera Barat" "Riau" ...
## $ 2011 : num [1:10] 6338 22176 5300 12434 5819 ...
## $ 2012 : num [1:10] 6378 22495 6434 13014 6966 ...
## $ 2013 : num [1:10] 23278 19235 6511 15460 8747 ...
## $ 2014 : num [1:10] 8630 26391 7060 15158 10122 ...
## $ 2015 : num [1:10] 9637 27877 7471 15789 9803 ...
## $ 2016 : num [1:10] 11311 31959 9198 17645 10068 ...
## $ 2017 : num [1:10] 11760 35243 10754 18128 10749 ...
## $ 2018 : num [1:10] 11450 36908 8447 17926 12597 ...
## $ 2019 : num [1:10] 13087 44051 9465 19277 12644 ...
## $ 2020 : num [1:10] 12874 39758 8763 19139 8461 ...
## $ 2021 : num [1:10] 5770 23453 5941 12631 5128 ...str(dataoutflowsumatera %>% group_by(Keterangan))## grouped_df [10 x 12] (S3: grouped_df/tbl_df/tbl/data.frame)
## $ Keterangan: chr [1:10] "Aceh" "Sumatera Utara" "Sumatera Barat" "Riau" ...
## $ 2011 : num [1:10] 6338 22176 5300 12434 5819 ...
## $ 2012 : num [1:10] 6378 22495 6434 13014 6966 ...
## $ 2013 : num [1:10] 23278 19235 6511 15460 8747 ...
## $ 2014 : num [1:10] 8630 26391 7060 15158 10122 ...
## $ 2015 : num [1:10] 9637 27877 7471 15789 9803 ...
## $ 2016 : num [1:10] 11311 31959 9198 17645 10068 ...
## $ 2017 : num [1:10] 11760 35243 10754 18128 10749 ...
## $ 2018 : num [1:10] 11450 36908 8447 17926 12597 ...
## $ 2019 : num [1:10] 13087 44051 9465 19277 12644 ...
## $ 2020 : num [1:10] 12874 39758 8763 19139 8461 ...
## $ 2021 : num [1:10] 5770 23453 5941 12631 5128 ...
## - attr(*, "groups")= tibble [10 x 2] (S3: tbl_df/tbl/data.frame)
## ..$ Keterangan: chr [1:10] "Aceh" "Bengkulu" "Jambi" "Kep. Bangka Belitung" ...
## ..$ .rows : list<int> [1:10]
## .. ..$ : int 1
## .. ..$ : int 8
## .. ..$ : int 6
## .. ..$ : int 10
## .. ..$ : int 5
## .. ..$ : int 9
## .. ..$ : int 4
## .. ..$ : int 3
## .. ..$ : int 7
## .. ..$ : int 2
## .. ..@ ptype: int(0)
## ..- attr(*, ".drop")= logi TRUEMengelompokkan data
Sumatera<- dataoutflowsumatera %>%
group_by(Keterangan)
Sumatera## # A tibble: 10 x 12
## # Groups: Keterangan [10]
## Keterangan `2011` `2012` `2013` `2014` `2015` `2016` `2017` `2018` `2019`
## <chr> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl>
## 1 Aceh 6338. 6378. 23278. 8630. 9637. 11311. 11760. 11450. 13087.
## 2 Sumatera Utara 22176. 22495. 19235. 26391. 27877. 31959. 35243. 36908. 44051.
## 3 Sumatera Barat 5300. 6434. 6511. 7060. 7471. 9198. 10754. 8447. 9465.
## 4 Riau 12434. 13014. 15460. 15158. 15789. 17645. 18128. 17926. 19277.
## 5 Kep. Riau 5819. 6966. 8747. 10122. 9803. 10068. 10749. 12597. 12644.
## 6 Jambi 5217. 5013. 6302. 8361. 8325. 7774. 8434. 8459. 9204.
## 7 Sumatera Sela~ 14524. 15600. 12693. 13372. 13484. 15756. 16981. 17931. 19121.
## 8 Bengkulu 2561. 2959. 6490. 4583. 4852. 5163. 5447. 5495. 6842.
## 9 Lampung 5724. 6376. 4571. 8339. 9946. 10436. 13359. 13725. 15626.
## 10 Kep. Bangka B~ NA NA NA 322. 2005. 2684. 2750. 2738. 4167.
## # ... with 2 more variables: `2020` <dbl>, `2021` <dbl>Menambah kolom
Sumatera <- dataoutflowsumatera %>%
mutate(`2022` = dataoutflowsumatera$`2018`/2)
Sumatera## # A tibble: 10 x 13
## Keterangan `2011` `2012` `2013` `2014` `2015` `2016` `2017` `2018` `2019`
## <chr> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl>
## 1 Aceh 6338. 6378. 23278. 8630. 9637. 11311. 11760. 11450. 13087.
## 2 Sumatera Utara 22176. 22495. 19235. 26391. 27877. 31959. 35243. 36908. 44051.
## 3 Sumatera Barat 5300. 6434. 6511. 7060. 7471. 9198. 10754. 8447. 9465.
## 4 Riau 12434. 13014. 15460. 15158. 15789. 17645. 18128. 17926. 19277.
## 5 Kep. Riau 5819. 6966. 8747. 10122. 9803. 10068. 10749. 12597. 12644.
## 6 Jambi 5217. 5013. 6302. 8361. 8325. 7774. 8434. 8459. 9204.
## 7 Sumatera Sela~ 14524. 15600. 12693. 13372. 13484. 15756. 16981. 17931. 19121.
## 8 Bengkulu 2561. 2959. 6490. 4583. 4852. 5163. 5447. 5495. 6842.
## 9 Lampung 5724. 6376. 4571. 8339. 9946. 10436. 13359. 13725. 15626.
## 10 Kep. Bangka B~ NA NA NA 322. 2005. 2684. 2750. 2738. 4167.
## # ... with 3 more variables: `2020` <dbl>, `2021` <dbl>, `2022` <dbl>Mengurutkan data
Sumatera <- arrange(dataoutflowsumatera, `2013`)
Sumatera## # A tibble: 10 x 12
## Keterangan `2011` `2012` `2013` `2014` `2015` `2016` `2017` `2018` `2019`
## <chr> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl>
## 1 Lampung 5724. 6376. 4571. 8339. 9946. 10436. 13359. 13725. 15626.
## 2 Jambi 5217. 5013. 6302. 8361. 8325. 7774. 8434. 8459. 9204.
## 3 Bengkulu 2561. 2959. 6490. 4583. 4852. 5163. 5447. 5495. 6842.
## 4 Sumatera Barat 5300. 6434. 6511. 7060. 7471. 9198. 10754. 8447. 9465.
## 5 Kep. Riau 5819. 6966. 8747. 10122. 9803. 10068. 10749. 12597. 12644.
## 6 Sumatera Sela~ 14524. 15600. 12693. 13372. 13484. 15756. 16981. 17931. 19121.
## 7 Riau 12434. 13014. 15460. 15158. 15789. 17645. 18128. 17926. 19277.
## 8 Sumatera Utara 22176. 22495. 19235. 26391. 27877. 31959. 35243. 36908. 44051.
## 9 Aceh 6338. 6378. 23278. 8630. 9637. 11311. 11760. 11450. 13087.
## 10 Kep. Bangka B~ NA NA NA 322. 2005. 2684. 2750. 2738. 4167.
## # ... with 2 more variables: `2020` <dbl>, `2021` <dbl>Visualisasi data dengan ggplot
ggplot2 adalah package yang berfungsi membuat grafik yang merepresentasikan data dengan menerapkan warna, simbol, dan lainnya. Package ini memiliki banyak fungsi dan plot yang bisa kita pilih untuk memvisualisasikan data. Beberapa kelebihan yang dimiliki ggplot2 yaitu antara lain fleksibel dalam penggunaannya, fungsi yang lengkap untuk visualisasi, dan penggunaan metodenya tidak ribet. Cara install dan penggunaan package ggplot2 sama dengan package yang sudah dibahas di poin sebelumnya yaitu:
install.package(ggplot2) #install package library(ggplot2) #memanggil ggplot2
ggplot(data = dataoutflowsumatera, mapping = aes(x = Keterangan, y = `2019`)) +
geom_point() 
ggplot(data = dataoutflowsumatera, mapping = aes(x = Keterangan, y = `2019`)) +
geom_bar(stat = "identity")
ggplot(dataoutflowsumatera, aes(Keterangan,`2019`, color=`Keterangan`))+
geom_point()
Referensi
https://rpubs.com/suhartono-uinmaliki/868598
https://rpubs.com/aephidayatuloh/manipulasi-data
https://rpubs.com/aephidayatuloh/coviz
https://www.bi.go.id/id/statistik/ekonomi-keuangan/ssp/indikator-pengedaran-uang.aspx
https://garrettgman.github.io/rmarkdown/html_document_format#appearance_and_style