Manipulasi dan Visualisasi Data Inflow Uang Kartal di Pulau Kalimantan 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 4.1.3datainflowkalimantan <- read_excel(path = "datakalimantan.xlsx")
datainflowkalimantan## # A tibble: 6 x 12
## Keterangan `2011` `2012` `2013` `2014` `2015` `2016` `2017` `2018` `2019`
## <chr> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl>
## 1 Kalimantan 13272. 17575. 37698. 26379. 29427. 32847. 35119. 41157. 46158.
## 2 Kalimantan Bar~ 2831. 3386. 4029. 5943. 6675. 7440. 7775. 10249. 11848.
## 3 Kalimantan Ten~ 779. 1135. 19328. 1887. 3547. 3694. 3655. 4083. 4385.
## 4 Kalimantan Sel~ 5369. 7311. 4226. 9614. 9558. 10809. 12415. 13604. 14462.
## 5 Kalimantan Tim~ 4293. 5743. 10115. 8936. 9646. 10903. 10933. 12305. 13991.
## 6 Kalimantan Uta~ NA NA NA NA NA NA 341. 917. 1472.
## # ... 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
Kalimantan <- dplyr::select(datainflowkalimantan, `2021`)
Kalimantan## # A tibble: 6 x 1
## `2021`
## <dbl>
## 1 31372.
## 2 7598.
## 3 3534.
## 4 9655.
## 5 8914.
## 6 1671.Kalimantan <- dplyr::select(datainflowkalimantan, `2014`, `2015`, `2016`, `2019`, `2020`)
Kalimantan## # A tibble: 6 x 5
## `2014` `2015` `2016` `2019` `2020`
## <dbl> <dbl> <dbl> <dbl> <dbl>
## 1 26379. 29427. 32847. 46158. 37200.
## 2 5943. 6675. 7440. 11848. 9294.
## 3 1887. 3547. 3694. 4385. 4178.
## 4 9614. 9558. 10809. 14462. 11753.
## 5 8936. 9646. 10903. 13991. 10612.
## 6 NA NA NA 1472. 1362.Jika 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.
Kalimantan <- dplyr::select(datainflowkalimantan, -`2018`)
Kalimantan## # A tibble: 6 x 11
## Keterangan `2011` `2012` `2013` `2014` `2015` `2016` `2017` `2019` `2020`
## <chr> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl>
## 1 Kalimantan 13272. 17575. 37698. 26379. 29427. 32847. 35119. 46158. 37200.
## 2 Kalimantan Bar~ 2831. 3386. 4029. 5943. 6675. 7440. 7775. 11848. 9294.
## 3 Kalimantan Ten~ 779. 1135. 19328. 1887. 3547. 3694. 3655. 4385. 4178.
## 4 Kalimantan Sel~ 5369. 7311. 4226. 9614. 9558. 10809. 12415. 14462. 11753.
## 5 Kalimantan Tim~ 4293. 5743. 10115. 8936. 9646. 10903. 10933. 13991. 10612.
## 6 Kalimantan Uta~ NA NA NA NA NA NA 341. 1472. 1362.
## # ... with 1 more variable: `2021` <dbl>Selain memilih kolom, select() juga dapat digunakan
untuk mengubah nama kolom, misalnya
Kalimantan <- datainflowkalimantan %>%
dplyr::select(tahun = `2011`, `2012`, `2014`)
Kalimantan## # A tibble: 6 x 3
## tahun `2012` `2014`
## <dbl> <dbl> <dbl>
## 1 13272. 17575. 26379.
## 2 2831. 3386. 5943.
## 3 779. 1135. 1887.
## 4 5369. 7311. 9614.
## 5 4293. 5743. 8936.
## 6 NA NA NAMengambil nilai unik (tidak duplikasi) dari sebuah variable
Kalimantan <- distinct(datainflowkalimantan, `2012`)
Kalimantan## # A tibble: 6 x 1
## `2012`
## <dbl>
## 1 17575.
## 2 3386.
## 3 1135.
## 4 7311.
## 5 5743.
## 6 NAUntuk mendapatkan nilai unik dari semua baris berdasarkan variabel
tertentu tambahkan opsi .keep_all = TRUE setelah nama
variable dalam fungsi distinct().
Kalimantan <- distinct(datainflowkalimantan, `2019`, .keep_all = TRUE)
Kalimantan## # A tibble: 6 x 12
## Keterangan `2011` `2012` `2013` `2014` `2015` `2016` `2017` `2018` `2019`
## <chr> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl>
## 1 Kalimantan 13272. 17575. 37698. 26379. 29427. 32847. 35119. 41157. 46158.
## 2 Kalimantan Bar~ 2831. 3386. 4029. 5943. 6675. 7440. 7775. 10249. 11848.
## 3 Kalimantan Ten~ 779. 1135. 19328. 1887. 3547. 3694. 3655. 4083. 4385.
## 4 Kalimantan Sel~ 5369. 7311. 4226. 9614. 9558. 10809. 12415. 13604. 14462.
## 5 Kalimantan Tim~ 4293. 5743. 10115. 8936. 9646. 10903. 10933. 12305. 13991.
## 6 Kalimantan Uta~ NA NA NA NA NA NA 341. 917. 1472.
## # ... 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).
Kalimantan <- datainflowkalimantan %>%
filter(Keterangan <= 'Kalimantan') %>%
dplyr::select(`2013`,`2015`)
Kalimantan## # A tibble: 1 x 2
## `2013` `2015`
## <dbl> <dbl>
## 1 37698. 29427.Kalimantan <- datainflowkalimantan %>%
filter(Keterangan == 'Kalimantan', Keterangan == 'Kalimantan Timur') %>%
dplyr::select( -`2021`)
Kalimantan## # 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>, 2019 <dbl>,
## # 2020 <dbl>str(datainflowkalimantan)## tibble [6 x 12] (S3: tbl_df/tbl/data.frame)
## $ Keterangan: chr [1:6] "Kalimantan" "Kalimantan Barat" "Kalimantan Tengah" "Kalimantan Selatan" ...
## $ 2011 : num [1:6] 13272 2831 779 5369 4293 ...
## $ 2012 : num [1:6] 17575 3386 1135 7311 5743 ...
## $ 2013 : num [1:6] 37698 4029 19328 4226 10115 ...
## $ 2014 : num [1:6] 26379 5943 1887 9614 8936 ...
## $ 2015 : num [1:6] 29427 6675 3547 9558 9646 ...
## $ 2016 : num [1:6] 32847 7440 3694 10809 10903 ...
## $ 2017 : num [1:6] 35119 7775 3655 12415 10933 ...
## $ 2018 : num [1:6] 41157 10249 4083 13604 12305 ...
## $ 2019 : num [1:6] 46158 11848 4385 14462 13991 ...
## $ 2020 : num [1:6] 37200 9294 4178 11753 10612 ...
## $ 2021 : num [1:6] 31372 7598 3534 9655 8914 ...str(datainflowkalimantan %>% group_by(Keterangan))## grouped_df [6 x 12] (S3: grouped_df/tbl_df/tbl/data.frame)
## $ Keterangan: chr [1:6] "Kalimantan" "Kalimantan Barat" "Kalimantan Tengah" "Kalimantan Selatan" ...
## $ 2011 : num [1:6] 13272 2831 779 5369 4293 ...
## $ 2012 : num [1:6] 17575 3386 1135 7311 5743 ...
## $ 2013 : num [1:6] 37698 4029 19328 4226 10115 ...
## $ 2014 : num [1:6] 26379 5943 1887 9614 8936 ...
## $ 2015 : num [1:6] 29427 6675 3547 9558 9646 ...
## $ 2016 : num [1:6] 32847 7440 3694 10809 10903 ...
## $ 2017 : num [1:6] 35119 7775 3655 12415 10933 ...
## $ 2018 : num [1:6] 41157 10249 4083 13604 12305 ...
## $ 2019 : num [1:6] 46158 11848 4385 14462 13991 ...
## $ 2020 : num [1:6] 37200 9294 4178 11753 10612 ...
## $ 2021 : num [1:6] 31372 7598 3534 9655 8914 ...
## - attr(*, "groups")= tibble [6 x 2] (S3: tbl_df/tbl/data.frame)
## ..$ Keterangan: chr [1:6] "Kalimantan" "Kalimantan Barat" "Kalimantan Selatan" "Kalimantan Tengah" ...
## ..$ .rows : list<int> [1:6]
## .. ..$ : int 1
## .. ..$ : int 2
## .. ..$ : int 4
## .. ..$ : int 3
## .. ..$ : int 5
## .. ..$ : int 6
## .. ..@ ptype: int(0)
## ..- attr(*, ".drop")= logi TRUEMengelompokkan data
Kalimantan<- datainflowkalimantan %>%
group_by(Keterangan)
Kalimantan## # A tibble: 6 x 12
## # Groups: Keterangan [6]
## Keterangan `2011` `2012` `2013` `2014` `2015` `2016` `2017` `2018` `2019`
## <chr> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl>
## 1 Kalimantan 13272. 17575. 37698. 26379. 29427. 32847. 35119. 41157. 46158.
## 2 Kalimantan Bar~ 2831. 3386. 4029. 5943. 6675. 7440. 7775. 10249. 11848.
## 3 Kalimantan Ten~ 779. 1135. 19328. 1887. 3547. 3694. 3655. 4083. 4385.
## 4 Kalimantan Sel~ 5369. 7311. 4226. 9614. 9558. 10809. 12415. 13604. 14462.
## 5 Kalimantan Tim~ 4293. 5743. 10115. 8936. 9646. 10903. 10933. 12305. 13991.
## 6 Kalimantan Uta~ NA NA NA NA NA NA 341. 917. 1472.
## # ... with 2 more variables: `2020` <dbl>, `2021` <dbl>Menambah kolom
Kalimantan <- datainflowkalimantan %>%
mutate(`2022` = datainflowkalimantan$`2021`/2)
Kalimantan## # A tibble: 6 x 13
## Keterangan `2011` `2012` `2013` `2014` `2015` `2016` `2017` `2018` `2019`
## <chr> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl>
## 1 Kalimantan 13272. 17575. 37698. 26379. 29427. 32847. 35119. 41157. 46158.
## 2 Kalimantan Bar~ 2831. 3386. 4029. 5943. 6675. 7440. 7775. 10249. 11848.
## 3 Kalimantan Ten~ 779. 1135. 19328. 1887. 3547. 3694. 3655. 4083. 4385.
## 4 Kalimantan Sel~ 5369. 7311. 4226. 9614. 9558. 10809. 12415. 13604. 14462.
## 5 Kalimantan Tim~ 4293. 5743. 10115. 8936. 9646. 10903. 10933. 12305. 13991.
## 6 Kalimantan Uta~ NA NA NA NA NA NA 341. 917. 1472.
## # ... with 3 more variables: `2020` <dbl>, `2021` <dbl>, `2022` <dbl>Mengurutkan data
Kalimantan <- arrange(datainflowkalimantan, `2014`)
Kalimantan## # A tibble: 6 x 12
## Keterangan `2011` `2012` `2013` `2014` `2015` `2016` `2017` `2018` `2019`
## <chr> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl>
## 1 Kalimantan Ten~ 779. 1135. 19328. 1887. 3547. 3694. 3655. 4083. 4385.
## 2 Kalimantan Bar~ 2831. 3386. 4029. 5943. 6675. 7440. 7775. 10249. 11848.
## 3 Kalimantan Tim~ 4293. 5743. 10115. 8936. 9646. 10903. 10933. 12305. 13991.
## 4 Kalimantan Sel~ 5369. 7311. 4226. 9614. 9558. 10809. 12415. 13604. 14462.
## 5 Kalimantan 13272. 17575. 37698. 26379. 29427. 32847. 35119. 41157. 46158.
## 6 Kalimantan Uta~ NA NA NA NA NA NA 341. 917. 1472.
## # ... 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 = datainflowkalimantan, mapping = aes(x = Keterangan, y = `2013`)) +
geom_point() ## Warning: Removed 1 rows containing missing values (geom_point).
ggplot(data = datainflowkalimantan, mapping = aes(x = Keterangan, y = `2013`)) +
geom_bar(stat = "identity")## Warning: Removed 1 rows containing missing values (position_stack).
ggplot(datainflowkalimantan, aes(Keterangan,`2013`, color=`Keterangan`))+
geom_point()## Warning: Removed 1 rows containing missing values (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