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
datainflowsulawesi <- read_excel(path = "datasulawesi.xlsx")
datainflowsulawesi
## # 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 Sulawesi Utara  5671.  6635. 21646.  7374.  6286.   7266.  7044.  7781.  7809.
## 2 Sulawesi Teng~  1563.  1885.  1520.  3000.  2593.   2665.  2806.  3701.  4042.
## 3 Sulawesi Sela~ 10593. 13702. 17770. 19384. 19583.  21043. 18803. 21894. 24749.
## 4 Sulawesi Teng~   659.   964.  6093.  2256.  2385.   3491.  3618.  3632.  4390.
## 5 Sulawesi Barat    NA     NA     NA     NA     49.2   536.   746.   606.   542.
## 6 Gorontalo         NA     NA     NA     NA     NA      NA     NA   1088.  1983.
## # ... 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

Sulawesi <- dplyr::select(datainflowsulawesi, `2014`)
Sulawesi
## # A tibble: 6 x 1
##   `2014`
##    <dbl>
## 1  7374.
## 2  3000.
## 3 19384.
## 4  2256.
## 5    NA 
## 6    NA
Sulawesi <- dplyr::select(datainflowsulawesi, `2011`, `2017`, `2019`, `2021`, `2020`)
Sulawesi
## # A tibble: 6 x 5
##   `2011` `2017` `2019` `2021` `2020`
##    <dbl>  <dbl>  <dbl>  <dbl>  <dbl>
## 1  5671.  7044.  7809.  4671.  6324.
## 2  1563.  2806.  4042.  2453.  3052.
## 3 10593. 18803. 24749. 18335. 21551.
## 4   659.  3618.  4390.  3270.  3353.
## 5    NA    746.   542.   265.   329.
## 6    NA     NA   1983.  1770.  2227.

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.

Sulawesi <- dplyr::select(datainflowsulawesi, -`2012`)
Sulawesi
## # A tibble: 6 x 11
##   Keterangan     `2011` `2013` `2014`  `2015` `2016` `2017` `2018` `2019` `2020`
##   <chr>           <dbl>  <dbl>  <dbl>   <dbl>  <dbl>  <dbl>  <dbl>  <dbl>  <dbl>
## 1 Sulawesi Utara  5671. 21646.  7374.  6286.   7266.  7044.  7781.  7809.  6324.
## 2 Sulawesi Teng~  1563.  1520.  3000.  2593.   2665.  2806.  3701.  4042.  3052.
## 3 Sulawesi Sela~ 10593. 17770. 19384. 19583.  21043. 18803. 21894. 24749. 21551.
## 4 Sulawesi Teng~   659.  6093.  2256.  2385.   3491.  3618.  3632.  4390.  3353.
## 5 Sulawesi Barat    NA     NA     NA     49.2   536.   746.   606.   542.   329.
## 6 Gorontalo         NA     NA     NA     NA      NA     NA   1088.  1983.  2227.
## # ... with 1 more variable: `2021` <dbl>

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

Sulawesi <- datainflowsulawesi %>%
  dplyr::select(tahun = `2013`, `2011`, `2012`)
Sulawesi
## # A tibble: 6 x 3
##    tahun `2011` `2012`
##    <dbl>  <dbl>  <dbl>
## 1 21646.  5671.  6635.
## 2  1520.  1563.  1885.
## 3 17770. 10593. 13702.
## 4  6093.   659.   964.
## 5    NA     NA     NA 
## 6    NA     NA     NA

Mengambil nilai unik (tidak duplikasi) dari sebuah variable

Sulawesi <- distinct(datainflowsulawesi, `2017`)
Sulawesi
## # A tibble: 6 x 1
##   `2017`
##    <dbl>
## 1  7044.
## 2  2806.
## 3 18803.
## 4  3618.
## 5   746.
## 6    NA

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

Sulawesi <- distinct(datainflowsulawesi, `2011`, .keep_all = TRUE)
Sulawesi
## # 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 Sulawesi Utara   5671.  6635. 21646.  7374. 6.29e3  7266.  7044.  7781.  7809.
## 2 Sulawesi Tengah  1563.  1885.  1520.  3000. 2.59e3  2665.  2806.  3701.  4042.
## 3 Sulawesi Selat~ 10593. 13702. 17770. 19384. 1.96e4 21043. 18803. 21894. 24749.
## 4 Sulawesi Tengg~   659.   964.  6093.  2256. 2.38e3  3491.  3618.  3632.  4390.
## 5 Sulawesi Barat     NA     NA     NA     NA  4.92e1   536.   746.   606.   542.
## # ... 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).

Sulawesi <- datainflowsulawesi %>%
  filter(Keterangan <= 'Sulawesi') %>%
    dplyr::select(`2011`,`2019`)
Sulawesi
## # A tibble: 1 x 2
##   `2011` `2019`
##    <dbl>  <dbl>
## 1     NA  1983.
Sulawesi <- datainflowsulawesi %>%
  filter(Keterangan == 'Sulawesi', Keterangan == 'Sulawesi Barat') %>%
    dplyr::select( -`2021`)
Sulawesi
## # 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(datainflowsulawesi)
## tibble [6 x 12] (S3: tbl_df/tbl/data.frame)
##  $ Keterangan: chr [1:6] "Sulawesi Utara" "Sulawesi Tengah" "Sulawesi Selatan" "Sulawesi Tenggara" ...
##  $ 2011      : num [1:6] 5671 1563 10593 659 NA ...
##  $ 2012      : num [1:6] 6635 1885 13702 964 NA ...
##  $ 2013      : num [1:6] 21646 1520 17770 6093 NA ...
##  $ 2014      : num [1:6] 7374 3000 19384 2256 NA ...
##  $ 2015      : num [1:6] 6286.3 2593.3 19583.1 2384.8 49.2 ...
##  $ 2016      : num [1:6] 7266 2665 21043 3491 536 ...
##  $ 2017      : num [1:6] 7044 2806 18803 3618 746 ...
##  $ 2018      : num [1:6] 7781 3701 21894 3632 606 ...
##  $ 2019      : num [1:6] 7809 4042 24749 4390 542 ...
##  $ 2020      : num [1:6] 6324 3052 21551 3353 329 ...
##  $ 2021      : num [1:6] 4671 2453 18335 3270 265 ...
str(datainflowsulawesi %>% group_by(Keterangan))
## grouped_df [6 x 12] (S3: grouped_df/tbl_df/tbl/data.frame)
##  $ Keterangan: chr [1:6] "Sulawesi Utara" "Sulawesi Tengah" "Sulawesi Selatan" "Sulawesi Tenggara" ...
##  $ 2011      : num [1:6] 5671 1563 10593 659 NA ...
##  $ 2012      : num [1:6] 6635 1885 13702 964 NA ...
##  $ 2013      : num [1:6] 21646 1520 17770 6093 NA ...
##  $ 2014      : num [1:6] 7374 3000 19384 2256 NA ...
##  $ 2015      : num [1:6] 6286.3 2593.3 19583.1 2384.8 49.2 ...
##  $ 2016      : num [1:6] 7266 2665 21043 3491 536 ...
##  $ 2017      : num [1:6] 7044 2806 18803 3618 746 ...
##  $ 2018      : num [1:6] 7781 3701 21894 3632 606 ...
##  $ 2019      : num [1:6] 7809 4042 24749 4390 542 ...
##  $ 2020      : num [1:6] 6324 3052 21551 3353 329 ...
##  $ 2021      : num [1:6] 4671 2453 18335 3270 265 ...
##  - attr(*, "groups")= tibble [6 x 2] (S3: tbl_df/tbl/data.frame)
##   ..$ Keterangan: chr [1:6] "Gorontalo" "Sulawesi Barat" "Sulawesi Selatan" "Sulawesi Tengah" ...
##   ..$ .rows     : list<int> [1:6] 
##   .. ..$ : int 6
##   .. ..$ : int 5
##   .. ..$ : int 3
##   .. ..$ : int 2
##   .. ..$ : int 4
##   .. ..$ : int 1
##   .. ..@ ptype: int(0) 
##   ..- attr(*, ".drop")= logi TRUE

Mengelompokkan data

Sulawesi<- datainflowsulawesi %>%
    group_by(Keterangan)
Sulawesi
## # 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 Sulawesi Utara  5671.  6635. 21646.  7374.  6286.   7266.  7044.  7781.  7809.
## 2 Sulawesi Teng~  1563.  1885.  1520.  3000.  2593.   2665.  2806.  3701.  4042.
## 3 Sulawesi Sela~ 10593. 13702. 17770. 19384. 19583.  21043. 18803. 21894. 24749.
## 4 Sulawesi Teng~   659.   964.  6093.  2256.  2385.   3491.  3618.  3632.  4390.
## 5 Sulawesi Barat    NA     NA     NA     NA     49.2   536.   746.   606.   542.
## 6 Gorontalo         NA     NA     NA     NA     NA      NA     NA   1088.  1983.
## # ... with 2 more variables: `2020` <dbl>, `2021` <dbl>

Menambah kolom

Sulawesi <- datainflowsulawesi %>%
    mutate(`2022` = datainflowsulawesi$`2012`/2)
Sulawesi
## # 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 Sulawesi Utara  5671.  6635. 21646.  7374.  6286.   7266.  7044.  7781.  7809.
## 2 Sulawesi Teng~  1563.  1885.  1520.  3000.  2593.   2665.  2806.  3701.  4042.
## 3 Sulawesi Sela~ 10593. 13702. 17770. 19384. 19583.  21043. 18803. 21894. 24749.
## 4 Sulawesi Teng~   659.   964.  6093.  2256.  2385.   3491.  3618.  3632.  4390.
## 5 Sulawesi Barat    NA     NA     NA     NA     49.2   536.   746.   606.   542.
## 6 Gorontalo         NA     NA     NA     NA     NA      NA     NA   1088.  1983.
## # ... with 3 more variables: `2020` <dbl>, `2021` <dbl>, `2022` <dbl>

Mengurutkan data

Sulawesi <- arrange(datainflowsulawesi, `2018`)
Sulawesi
## # 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 Sulawesi Barat    NA     NA     NA     NA     49.2   536.   746.   606.   542.
## 2 Gorontalo         NA     NA     NA     NA     NA      NA     NA   1088.  1983.
## 3 Sulawesi Teng~   659.   964.  6093.  2256.  2385.   3491.  3618.  3632.  4390.
## 4 Sulawesi Teng~  1563.  1885.  1520.  3000.  2593.   2665.  2806.  3701.  4042.
## 5 Sulawesi Utara  5671.  6635. 21646.  7374.  6286.   7266.  7044.  7781.  7809.
## 6 Sulawesi Sela~ 10593. 13702. 17770. 19384. 19583.  21043. 18803. 21894. 24749.
## # ... 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 = datainflowsulawesi, mapping = aes(x = Keterangan, y = `2021`)) +
geom_point() 

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

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