Pivot Data dan Visualisasi Data Inflow Uang Kartal di Pulau Jawa menggunakan R/Rstudio

Universitas : UIN Maulana Malik Ibrahim Malang

Jurusan : Teknik Informatika

Pengertian Pivot Table

Pivot table adalah sebuah tabel yang berisi data rangkuman dari data dibeberapa tabel lainnya, dibuat dengan melakukan penjumlahan, menghitung rata-rata, mengurutkan data termasuk juga mengelompokkan data, sehingga dihasilkan tabel rangkuman yang lebih informatif dan mudah dibaca.

Pivot Table Inflow di Pulau Jawa

library(readxl)

## Warning: package 'readxl' was built under R version 4.1.2

datainflowjawa <- read_excel(path = "inflowDataJawa.xlsx")
datainflowjawa

## # A tibble: 6 x 11
##   Provinsi `2011` `2012` `2013` `2014` `2015` `2016` `2017` `2018` `2019` `2020`
##   <chr>     <dbl>  <dbl>  <dbl>  <dbl>  <dbl>  <dbl>  <dbl>  <dbl>  <dbl>  <dbl>
## 1 Jawa     1.24e5 1.60e5 1.35e5 2.17e5 2.30e5 2.62e5 2.78e5 3.07e5 3.25e5 2.59e5
## 2 Jawa Ba~ 4.38e4 6.06e4 3.52e4 7.87e4 8.13e4 8.80e4 8.32e4 8.72e4 9.48e4 7.69e4
## 3 Jawa Te~ 3.51e4 4.33e4 4.22e4 6.05e4 6.52e4 7.28e4 7.70e4 8.78e4 9.08e4 8.50e4
## 4 Yogyaka~ 6.49e3 9.17e3 8.94e3 1.39e4 1.48e4 1.74e4 1.75e4 2.06e4 2.09e4 7.35e3
## 5 Jawa Ti~ 3.85e4 4.74e4 4.87e4 6.43e4 6.88e4 8.34e4 9.84e4 1.06e5 1.14e5 8.68e4
## 6 Banten   0      0      0      0      0      0      1.49e3 4.83e3 4.48e3 3.40e3

Kasus Data Inflow di Pulau Jawa Sepuluh Tahun Terakhir

library(tidyverse)

## Warning: package 'tidyverse' was built under R version 4.1.2

## -- Attaching packages --------------------------------------- tidyverse 1.3.1 --

## v ggplot2 3.3.5     v purrr   0.3.4
## v tibble  3.1.4     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 'tidyr' was built under R version 4.1.2

## Warning: package 'readr' was built under R version 4.1.2

## Warning: package 'purrr' was built under R version 4.1.2

## Warning: package 'dplyr' was built under R version 4.1.2

## Warning: package 'forcats' was built under R version 4.1.2

## -- Conflicts ------------------------------------------ tidyverse_conflicts() --
## x dplyr::filter() masks stats::filter()
## x dplyr::lag()    masks stats::lag()

datalongerjawa <- datainflowjawa %>% 
  pivot_longer(!Provinsi, names_to = "Tahun", values_to = "Kasus")
datalongerjawa

## # A tibble: 60 x 3
##    Provinsi Tahun   Kasus
##    <chr>    <chr>   <dbl>
##  1 Jawa     2011  123917.
##  2 Jawa     2012  160482.
##  3 Jawa     2013  134998.
##  4 Jawa     2014  217303.
##  5 Jawa     2015  230141.
##  6 Jawa     2016  261607.
##  7 Jawa     2017  277609.
##  8 Jawa     2018  306911.
##  9 Jawa     2019  324624.
## 10 Jawa     2020  259444.
## # ... with 50 more rows

Pivot Data Inflow di Pulau Jawa berdasarkan Kasus

library(dplyr)
jawa <- select(datalongerjawa, Provinsi, Kasus)
jawa

## # A tibble: 60 x 2
##    Provinsi   Kasus
##    <chr>      <dbl>
##  1 Jawa     123917.
##  2 Jawa     160482.
##  3 Jawa     134998.
##  4 Jawa     217303.
##  5 Jawa     230141.
##  6 Jawa     261607.
##  7 Jawa     277609.
##  8 Jawa     306911.
##  9 Jawa     324624.
## 10 Jawa     259444.
## # ... with 50 more rows

Kasus Data Inflow Uang Kartal di Jawa Barat Sepuluh Tahun Terakhir

library(dplyr)
jawa2 <- datalongerjawa  %>%
    filter(Provinsi == 'Jawa Barat') %>%
    select('Provinsi', 'Tahun', 'Kasus')
jawa2

## # A tibble: 10 x 3
##    Provinsi   Tahun  Kasus
##    <chr>      <chr>  <dbl>
##  1 Jawa Barat 2011  43775.
##  2 Jawa Barat 2012  60629.
##  3 Jawa Barat 2013  35190.
##  4 Jawa Barat 2014  78660.
##  5 Jawa Barat 2015  81303.
##  6 Jawa Barat 2016  88036.
##  7 Jawa Barat 2017  83220.
##  8 Jawa Barat 2018  87243.
##  9 Jawa Barat 2019  94846.
## 10 Jawa Barat 2020  76883.

Kasus Data Inflow di Jawa Barat Tahun 2020

jawa3 <- datalongerjawa %>%
  filter(Provinsi == 'Jawa Barat', Tahun == '2020') %>%
 select('Provinsi', 'Tahun', 'Kasus')
jawa3

## # A tibble: 1 x 3
##   Provinsi   Tahun  Kasus
##   <chr>      <chr>  <dbl>
## 1 Jawa Barat 2020  76883.

Visualisasi Pivot Data Inflow di Pulau Jawa berdasarkan Provinsi

ggplot(data = datalongerjawa, mapping = aes(x = Tahun, y = Kasus)) +
  geom_point(col = "dark green") +
  facet_wrap( ~ Provinsi) +
  theme(axis.text.x = element_text(angle = 90))

Visualisasi Pivot Data Inflow di Pulau Jawa berdasarkan Tahun

ggplot(data = datalongerjawa, mapping = aes(x = Provinsi, y = Kasus)) +
  geom_point(col = "purple") +
  facet_wrap( ~ Tahun) +
  theme(axis.text.x = element_text(angle = 90))

Referensi

https://rpubs.com/suhartono-uinmaliki/868629