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 4.1.3
dataoutflowpapua<- read_excel(path = "datapapua2.xlsx")
dataoutflowpapua
## # 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  1631.  1677.  8578.  1809.  2397.  2246.  2752.  2678.  2984.
## 2 Maluku        2352.  2690.  4795.  2861.  3123.  3309.  3671.  3424.  4071.
## 3 Papua         9986. 13600.  7801. 11305. 11623. 11500. 10650. 12369.  9605.
## 4 Papua Barat     NA     NA     NA    170.  1899.  1924.  2621.  3001.  3319.
## # ... 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

papua <- dplyr::select(dataoutflowpapua, `2015`)
papua
## # A tibble: 4 x 1
##   `2015`
##    <dbl>
## 1  2397.
## 2  3123.
## 3 11623.
## 4  1899.
papua <- dplyr::select(dataoutflowpapua, `2013`, `2017`, `2018`, `2019`, `2021`)
papua
## # A tibble: 4 x 5
##   `2013` `2017` `2018` `2019` `2021`
##    <dbl>  <dbl>  <dbl>  <dbl>  <dbl>
## 1  8578.  2752.  2678.  2984.  1823.
## 2  4795.  3671.  3424.  4071.  1806.
## 3  7801. 10650. 12369.  9605.  5409.
## 4    NA   2621.  3001.  3319.   857.

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.

papua <- dplyr::select(dataoutflowpapua, -`2019`)
papua
## # A tibble: 4 x 11
##   Keterangan   `2011` `2012` `2013` `2014` `2015` `2016` `2017` `2018` `2020`
##   <chr>         <dbl>  <dbl>  <dbl>  <dbl>  <dbl>  <dbl>  <dbl>  <dbl>  <dbl>
## 1 Maluku Utara  1631.  1677.  8578.  1809.  2397.  2246.  2752.  2678.  2943.
## 2 Maluku        2352.  2690.  4795.  2861.  3123.  3309.  3671.  3424.  3724.
## 3 Papua         9986. 13600.  7801. 11305. 11623. 11500. 10650. 12369. 12028.
## 4 Papua Barat     NA     NA     NA    170.  1899.  1924.  2621.  3001.  3086.
## # ... with 1 more variable: `2021` <dbl>

Selain memilih kolom, select() juga dapat digunakan untuk mengubah nama kolom, misalnya

papua <- dataoutflowpapua %>%
  dplyr::select(tahun = `2012`, `2018`, `2020`)
papua
## # A tibble: 4 x 3
##    tahun `2018` `2020`
##    <dbl>  <dbl>  <dbl>
## 1  1677.  2678.  2943.
## 2  2690.  3424.  3724.
## 3 13600. 12369. 12028.
## 4    NA   3001.  3086.

Mengambil nilai unik (tidak duplikasi) dari sebuah variable

papua <- distinct(dataoutflowpapua, `2018`)
papua
## # A tibble: 4 x 1
##   `2018`
##    <dbl>
## 1  2678.
## 2  3424.
## 3 12369.
## 4  3001.

Untuk mendapatkan nilai unik dari semua baris berdasarkan variabel tertentu tambahkan opsi .keep_all = TRUE setelah nama variable dalam fungsi distinct().

papua <- distinct(dataoutflowpapua, `2013`, .keep_all = TRUE)
papua
## # 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  1631.  1677.  8578.  1809.  2397.  2246.  2752.  2678.  2984.
## 2 Maluku        2352.  2690.  4795.  2861.  3123.  3309.  3671.  3424.  4071.
## 3 Papua         9986. 13600.  7801. 11305. 11623. 11500. 10650. 12369.  9605.
## 4 Papua Barat     NA     NA     NA    170.  1899.  1924.  2621.  3001.  3319.
## # ... 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).

papua <- dataoutflowpapua %>%
  filter(Keterangan <= 'Papua') %>%
    dplyr::select(`2021`,`2020`)
papua
## # A tibble: 3 x 2
##   `2021` `2020`
##    <dbl>  <dbl>
## 1  1823.  2943.
## 2  1806.  3724.
## 3  5409. 12028.
papua <- dataoutflowpapua %>%
  filter(Keterangan == 'Papua', Keterangan == 'Papua Barat') %>%
    dplyr::select( -`2019`)
papua
## # 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(dataoutflowpapua)
## tibble [4 x 12] (S3: tbl_df/tbl/data.frame)
##  $ Keterangan: chr [1:4] "Maluku Utara" "Maluku" "Papua" "Papua Barat"
##  $ 2011      : num [1:4] 1631 2352 9986 NA
##  $ 2012      : num [1:4] 1677 2690 13600 NA
##  $ 2013      : num [1:4] 8578 4795 7801 NA
##  $ 2014      : num [1:4] 1809 2861 11305 170
##  $ 2015      : num [1:4] 2397 3123 11623 1899
##  $ 2016      : num [1:4] 2246 3309 11500 1924
##  $ 2017      : num [1:4] 2752 3671 10650 2621
##  $ 2018      : num [1:4] 2678 3424 12369 3001
##  $ 2019      : num [1:4] 2984 4071 9605 3319
##  $ 2020      : num [1:4] 2943 3724 12028 3086
##  $ 2021      : num [1:4] 1823 1806 5409 857
str(dataoutflowpapua %>% group_by(Keterangan))
## grouped_df [4 x 12] (S3: grouped_df/tbl_df/tbl/data.frame)
##  $ Keterangan: chr [1:4] "Maluku Utara" "Maluku" "Papua" "Papua Barat"
##  $ 2011      : num [1:4] 1631 2352 9986 NA
##  $ 2012      : num [1:4] 1677 2690 13600 NA
##  $ 2013      : num [1:4] 8578 4795 7801 NA
##  $ 2014      : num [1:4] 1809 2861 11305 170
##  $ 2015      : num [1:4] 2397 3123 11623 1899
##  $ 2016      : num [1:4] 2246 3309 11500 1924
##  $ 2017      : num [1:4] 2752 3671 10650 2621
##  $ 2018      : num [1:4] 2678 3424 12369 3001
##  $ 2019      : num [1:4] 2984 4071 9605 3319
##  $ 2020      : num [1:4] 2943 3724 12028 3086
##  $ 2021      : num [1:4] 1823 1806 5409 857
##  - attr(*, "groups")= tibble [4 x 2] (S3: tbl_df/tbl/data.frame)
##   ..$ Keterangan: chr [1:4] "Maluku" "Maluku Utara" "Papua" "Papua Barat"
##   ..$ .rows     : list<int> [1:4] 
##   .. ..$ : int 2
##   .. ..$ : int 1
##   .. ..$ : int 3
##   .. ..$ : int 4
##   .. ..@ ptype: int(0) 
##   ..- attr(*, ".drop")= logi TRUE

Mengelompokkan data

papua<- dataoutflowpapua %>%
    group_by(Keterangan)
papua
## # A tibble: 4 x 12
## # Groups:   Keterangan [4]
##   Keterangan   `2011` `2012` `2013` `2014` `2015` `2016` `2017` `2018` `2019`
##   <chr>         <dbl>  <dbl>  <dbl>  <dbl>  <dbl>  <dbl>  <dbl>  <dbl>  <dbl>
## 1 Maluku Utara  1631.  1677.  8578.  1809.  2397.  2246.  2752.  2678.  2984.
## 2 Maluku        2352.  2690.  4795.  2861.  3123.  3309.  3671.  3424.  4071.
## 3 Papua         9986. 13600.  7801. 11305. 11623. 11500. 10650. 12369.  9605.
## 4 Papua Barat     NA     NA     NA    170.  1899.  1924.  2621.  3001.  3319.
## # ... with 2 more variables: `2020` <dbl>, `2021` <dbl>

Menambah kolom

papua <- dataoutflowpapua %>%
    mutate(`2022` = dataoutflowpapua$`2011`/2)
papua
## # A tibble: 4 x 13
##   Keterangan   `2011` `2012` `2013` `2014` `2015` `2016` `2017` `2018` `2019`
##   <chr>         <dbl>  <dbl>  <dbl>  <dbl>  <dbl>  <dbl>  <dbl>  <dbl>  <dbl>
## 1 Maluku Utara  1631.  1677.  8578.  1809.  2397.  2246.  2752.  2678.  2984.
## 2 Maluku        2352.  2690.  4795.  2861.  3123.  3309.  3671.  3424.  4071.
## 3 Papua         9986. 13600.  7801. 11305. 11623. 11500. 10650. 12369.  9605.
## 4 Papua Barat     NA     NA     NA    170.  1899.  1924.  2621.  3001.  3319.
## # ... with 3 more variables: `2020` <dbl>, `2021` <dbl>, `2022` <dbl>

Mengurutkan data

papua <- arrange(dataoutflowpapua, `2016`)
papua
## # 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 Papua Barat     NA     NA     NA    170.  1899.  1924.  2621.  3001.  3319.
## 2 Maluku Utara  1631.  1677.  8578.  1809.  2397.  2246.  2752.  2678.  2984.
## 3 Maluku        2352.  2690.  4795.  2861.  3123.  3309.  3671.  3424.  4071.
## 4 Papua         9986. 13600.  7801. 11305. 11623. 11500. 10650. 12369.  9605.
## # ... 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 = dataoutflowpapua, mapping = aes(x = Keterangan, y = `2021`)) +
geom_point() 

ggplot(data = dataoutflowpapua, mapping = aes(x = Keterangan, y = `2021`)) +
  geom_bar(stat = "identity")

ggplot(dataoutflowpapua, aes(Keterangan,`2021`, color=`Keterangan`))+
  geom_point()