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
dataoutflowsundakecil <- read_excel(path = "datasundakecil2.xlsx")
dataoutflowsundakecil
## # A tibble: 3 x 12
##   Keterangan      `2011` `2012` `2013` `2014` `2015` `2016` `2017` `2018` `2019`
##   <chr>            <dbl>  <dbl>  <dbl>  <dbl>  <dbl>  <dbl>  <dbl>  <dbl>  <dbl>
## 1 Bali             8912. 10782.  7248. 13104. 14471. 18140. 17822. 20434. 20654.
## 2 Nusa Tenggara ~  3819.  4379. 10628.  5620.  6728.  8149.  8770.  9271. 10288.
## 3 Nusa Tenggara ~  3693.  4260. 11524.  4668.  5530.  5652.  7569.  7555.  7738.
## # ... 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

Sundakecil <- dplyr::select(dataoutflowsundakecil, `2016`)
Sundakecil
## # A tibble: 3 x 1
##   `2016`
##    <dbl>
## 1 18140.
## 2  8149.
## 3  5652.
Sundakecil <- dplyr::select(dataoutflowsundakecil, `2021`, `2020`, `2018`, `2017`, `2011`)
Sundakecil
## # A tibble: 3 x 5
##   `2021` `2020` `2018` `2017` `2011`
##    <dbl>  <dbl>  <dbl>  <dbl>  <dbl>
## 1  6531. 14323. 20434. 17822.  8912.
## 2  5222.  8546.  9271.  8770.  3819.
## 3  3472.  8356.  7555.  7569.  3693.

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.

Sundakecil <- dplyr::select(dataoutflowsundakecil, -`2013`)
Sundakecil
## # A tibble: 3 x 11
##   Keterangan      `2011` `2012` `2014` `2015` `2016` `2017` `2018` `2019` `2020`
##   <chr>            <dbl>  <dbl>  <dbl>  <dbl>  <dbl>  <dbl>  <dbl>  <dbl>  <dbl>
## 1 Bali             8912. 10782. 13104. 14471. 18140. 17822. 20434. 20654. 14323.
## 2 Nusa Tenggara ~  3819.  4379.  5620.  6728.  8149.  8770.  9271. 10288.  8546.
## 3 Nusa Tenggara ~  3693.  4260.  4668.  5530.  5652.  7569.  7555.  7738.  8356.
## # ... with 1 more variable: `2021` <dbl>

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

Sundakecil <- dataoutflowsundakecil %>%
  dplyr::select(tahun = `2014`, `2017`, `2020`)
Sundakecil
## # A tibble: 3 x 3
##    tahun `2017` `2020`
##    <dbl>  <dbl>  <dbl>
## 1 13104. 17822. 14323.
## 2  5620.  8770.  8546.
## 3  4668.  7569.  8356.

Mengambil nilai unik (tidak duplikasi) dari sebuah variable

Sundakecil <- distinct(dataoutflowsundakecil, `2011`)
Sundakecil
## # A tibble: 3 x 1
##   `2011`
##    <dbl>
## 1  8912.
## 2  3819.
## 3  3693.

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

Sundakecil <- distinct(dataoutflowsundakecil, `2018`, .keep_all = TRUE)
Sundakecil
## # A tibble: 3 x 12
##   Keterangan      `2011` `2012` `2013` `2014` `2015` `2016` `2017` `2018` `2019`
##   <chr>            <dbl>  <dbl>  <dbl>  <dbl>  <dbl>  <dbl>  <dbl>  <dbl>  <dbl>
## 1 Bali             8912. 10782.  7248. 13104. 14471. 18140. 17822. 20434. 20654.
## 2 Nusa Tenggara ~  3819.  4379. 10628.  5620.  6728.  8149.  8770.  9271. 10288.
## 3 Nusa Tenggara ~  3693.  4260. 11524.  4668.  5530.  5652.  7569.  7555.  7738.
## # ... 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).

Sundakecil <- dataoutflowsundakecil %>%
  filter(Keterangan <= 'Sunda Kecil') %>%
    dplyr::select(`2012`,`2016`)
Sundakecil
## # A tibble: 3 x 2
##   `2012` `2016`
##    <dbl>  <dbl>
## 1 10782. 18140.
## 2  4379.  8149.
## 3  4260.  5652.
Sundakecil <- dataoutflowsundakecil %>%
  filter(Keterangan == 'Sunda Kecil', Keterangan == 'Nusa Tenggara Barat') %>%
    dplyr::select( -`2019`)
Sundakecil
## # 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(dataoutflowsundakecil)
## tibble [3 x 12] (S3: tbl_df/tbl/data.frame)
##  $ Keterangan: chr [1:3] "Bali" "Nusa Tenggara Barat" "Nusa Tenggara Timur"
##  $ 2011      : num [1:3] 8912 3819 3693
##  $ 2012      : num [1:3] 10782 4379 4260
##  $ 2013      : num [1:3] 7248 10628 11524
##  $ 2014      : num [1:3] 13104 5620 4668
##  $ 2015      : num [1:3] 14471 6728 5530
##  $ 2016      : num [1:3] 18140 8149 5652
##  $ 2017      : num [1:3] 17822 8770 7569
##  $ 2018      : num [1:3] 20434 9271 7555
##  $ 2019      : num [1:3] 20654 10288 7738
##  $ 2020      : num [1:3] 14323 8546 8356
##  $ 2021      : num [1:3] 6531 5222 3472
str(dataoutflowsundakecil %>% group_by(Keterangan))
## grouped_df [3 x 12] (S3: grouped_df/tbl_df/tbl/data.frame)
##  $ Keterangan: chr [1:3] "Bali" "Nusa Tenggara Barat" "Nusa Tenggara Timur"
##  $ 2011      : num [1:3] 8912 3819 3693
##  $ 2012      : num [1:3] 10782 4379 4260
##  $ 2013      : num [1:3] 7248 10628 11524
##  $ 2014      : num [1:3] 13104 5620 4668
##  $ 2015      : num [1:3] 14471 6728 5530
##  $ 2016      : num [1:3] 18140 8149 5652
##  $ 2017      : num [1:3] 17822 8770 7569
##  $ 2018      : num [1:3] 20434 9271 7555
##  $ 2019      : num [1:3] 20654 10288 7738
##  $ 2020      : num [1:3] 14323 8546 8356
##  $ 2021      : num [1:3] 6531 5222 3472
##  - attr(*, "groups")= tibble [3 x 2] (S3: tbl_df/tbl/data.frame)
##   ..$ Keterangan: chr [1:3] "Bali" "Nusa Tenggara Barat" "Nusa Tenggara Timur"
##   ..$ .rows     : list<int> [1:3] 
##   .. ..$ : int 1
##   .. ..$ : int 2
##   .. ..$ : int 3
##   .. ..@ ptype: int(0) 
##   ..- attr(*, ".drop")= logi TRUE

Mengelompokkan data

Sundakecil<- dataoutflowsundakecil %>%
    group_by(Keterangan)
Sundakecil
## # A tibble: 3 x 12
## # Groups:   Keterangan [3]
##   Keterangan      `2011` `2012` `2013` `2014` `2015` `2016` `2017` `2018` `2019`
##   <chr>            <dbl>  <dbl>  <dbl>  <dbl>  <dbl>  <dbl>  <dbl>  <dbl>  <dbl>
## 1 Bali             8912. 10782.  7248. 13104. 14471. 18140. 17822. 20434. 20654.
## 2 Nusa Tenggara ~  3819.  4379. 10628.  5620.  6728.  8149.  8770.  9271. 10288.
## 3 Nusa Tenggara ~  3693.  4260. 11524.  4668.  5530.  5652.  7569.  7555.  7738.
## # ... with 2 more variables: `2020` <dbl>, `2021` <dbl>

Menambah kolom

Sundakecil <- dataoutflowsundakecil %>%
    mutate(`2022` = dataoutflowsundakecil$`2021`/2)
Sundakecil
## # A tibble: 3 x 13
##   Keterangan      `2011` `2012` `2013` `2014` `2015` `2016` `2017` `2018` `2019`
##   <chr>            <dbl>  <dbl>  <dbl>  <dbl>  <dbl>  <dbl>  <dbl>  <dbl>  <dbl>
## 1 Bali             8912. 10782.  7248. 13104. 14471. 18140. 17822. 20434. 20654.
## 2 Nusa Tenggara ~  3819.  4379. 10628.  5620.  6728.  8149.  8770.  9271. 10288.
## 3 Nusa Tenggara ~  3693.  4260. 11524.  4668.  5530.  5652.  7569.  7555.  7738.
## # ... with 3 more variables: `2020` <dbl>, `2021` <dbl>, `2022` <dbl>

Mengurutkan data

Sundakecil <- arrange(dataoutflowsundakecil, `2019`)
Sundakecil
## # A tibble: 3 x 12
##   Keterangan      `2011` `2012` `2013` `2014` `2015` `2016` `2017` `2018` `2019`
##   <chr>            <dbl>  <dbl>  <dbl>  <dbl>  <dbl>  <dbl>  <dbl>  <dbl>  <dbl>
## 1 Nusa Tenggara ~  3693.  4260. 11524.  4668.  5530.  5652.  7569.  7555.  7738.
## 2 Nusa Tenggara ~  3819.  4379. 10628.  5620.  6728.  8149.  8770.  9271. 10288.
## 3 Bali             8912. 10782.  7248. 13104. 14471. 18140. 17822. 20434. 20654.
## # ... 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 = dataoutflowsundakecil, mapping = aes(x = Keterangan, y = `2018`)) +
geom_point() 

ggplot(data = dataoutflowsundakecil, mapping = aes(x = Keterangan, y = `2018`)) +
  geom_bar(stat = "identity")

ggplot(dataoutflowsundakecil, aes(Keterangan,`2018`, color=`Keterangan`))+
  geom_point()