Dosen Pengampu : Prof. Dr. Suhartono, M.Kom

Mata Kuliah : Linear Algebra

Prodi : Teknik Informatika

Lembaga : Universitas Islam Negeri Maulana Malik Ibrahim Malang

Pengertian Manipulasi Data

Manipulasi data merupakan proses pengolahan data agar lebih mudah dibaca dan terorganisir menjadi informasi yang lebih berguna, berupa menambah (append), menghapus (delete), mengganti (update), menyisip (insert), menarik informasi tertentu (query). Berikut manipulasi data inflow uang kartal di pulau Sumatera tahun 2011-2021 dengan library dplyr dan tabel ggplot menggunakan bahasa pemrograman R.

library(readxl)
inflowsumatera <- read_excel(path = "inflowSumatera.xlsx")
inflowsumatera
## # A tibble: 11 x 12
##    Provinsi       `2011` `2012` `2013` `2014` `2015` `2016` `2017` `2018` `2019`
##    <chr>           <dbl>  <dbl>  <dbl>  <dbl>  <dbl>  <dbl>  <dbl>  <dbl>  <dbl>
##  1 Sumatera       57900. 65911. 98369. 8.60e4 86549. 97764. 1.04e5 1.17e5 1.34e5
##  2 Aceh            2308.  2620. 36337. 4.57e3  4710.  5775. 5.51e3 5.80e3 7.51e3
##  3 Sumatera Utara 23238. 25981. 18120. 3.05e4 30254. 34427. 3.56e4 4.18e4 4.71e4
##  4 Sumatera Barat  9385. 11192. 14056. 1.41e4 13309. 14078. 1.53e4 1.51e4 1.47e4
##  5 Riau            3012.  4447.  8933. 6.36e3  7156.  8211. 8.55e3 1.07e4 1.09e4
##  6 Kep. Riau       1426.  2236.  3378. 2.56e3  3218.  4317. 4.41e3 5.13e3 6.08e3
##  7 Jambi           1868.  2138.  3047. 5.17e3  4978.  4398. 4.40e3 5.66e3 6.49e3
##  8 Sumatera Sela~  7820.  9126.  8647. 1.00e4 10797. 12752. 1.31e4 1.43e4 1.48e4
##  9 Bengkulu        1153.  1201.  2378. 3.26e3  2791.  2889. 3.62e3 4.15e3 5.79e3
## 10 Lampung         7690.  6969.  3474. 9.45e3  8160.  9373. 1.21e4 1.34e4 1.70e4
## 11 Kep. Bangka B~     0      0      0  1.37e1  1177.  1544. 1.16e3 1.52e3 3.27e3
## # ... with 2 more variables: `2020` <dbl>, `2021` <dbl>
library(tidyverse)
## -- 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
## -- Conflicts ------------------------------------------ tidyverse_conflicts() --
## x dplyr::filter() masks stats::filter()
## x dplyr::lag()    masks stats::lag()

Manipulasi Data Inflow Uang Kartal di Pulau Sumatera Tahun 2019

sumatera1 <- select(inflowsumatera,'Provinsi', '2019')
sumatera1
## # A tibble: 11 x 2
##    Provinsi              `2019`
##    <chr>                  <dbl>
##  1 Sumatera             133762.
##  2 Aceh                   7509.
##  3 Sumatera Utara        47112.
##  4 Sumatera Barat        14750.
##  5 Riau                  10915.
##  6 Kep. Riau              6077.
##  7 Jambi                  6486.
##  8 Sumatera Selatan      14812.
##  9 Bengkulu               5789.
## 10 Lampung               17046.
## 11 Kep. Bangka Belitung   3265.

Manipulasi Data Inflow Uang Kartal di Pulau Sumatera Tanpa Tahun 2019

sumatera2 <- select(inflowsumatera, -'2019')
sumatera2
## # A tibble: 11 x 11
##    Provinsi       `2011` `2012` `2013` `2014` `2015` `2016` `2017` `2018` `2020`
##    <chr>           <dbl>  <dbl>  <dbl>  <dbl>  <dbl>  <dbl>  <dbl>  <dbl>  <dbl>
##  1 Sumatera       57900. 65911. 98369. 8.60e4 86549. 97764. 1.04e5 1.17e5 1.09e5
##  2 Aceh            2308.  2620. 36337. 4.57e3  4710.  5775. 5.51e3 5.80e3 6.64e3
##  3 Sumatera Utara 23238. 25981. 18120. 3.05e4 30254. 34427. 3.56e4 4.18e4 3.66e4
##  4 Sumatera Barat  9385. 11192. 14056. 1.41e4 13309. 14078. 1.53e4 1.51e4 1.07e4
##  5 Riau            3012.  4447.  8933. 6.36e3  7156.  8211. 8.55e3 1.07e4 9.15e3
##  6 Kep. Riau       1426.  2236.  3378. 2.56e3  3218.  4317. 4.41e3 5.13e3 6.18e3
##  7 Jambi           1868.  2138.  3047. 5.17e3  4978.  4398. 4.40e3 5.66e3 5.63e3
##  8 Sumatera Sela~  7820.  9126.  8647. 1.00e4 10797. 12752. 1.31e4 1.43e4 1.18e4
##  9 Bengkulu        1153.  1201.  2378. 3.26e3  2791.  2889. 3.62e3 4.15e3 4.97e3
## 10 Lampung         7690.  6969.  3474. 9.45e3  8160.  9373. 1.21e4 1.34e4 1.52e4
## 11 Kep. Bangka B~     0      0      0  1.37e1  1177.  1544. 1.16e3 1.52e3 2.56e3
## # ... with 1 more variable: `2021` <dbl>

Manipulasi Data Inflow Uang Kartal di Pulau Sumatera Tahun 2015-2017

sumatera3 <- inflowsumatera %>% select('Provinsi', '2015' , '2016' , '2017')
sumatera3
## # A tibble: 11 x 4
##    Provinsi             `2015` `2016`  `2017`
##    <chr>                 <dbl>  <dbl>   <dbl>
##  1 Sumatera             86549. 97764. 103748.
##  2 Aceh                  4710.  5775.   5514.
##  3 Sumatera Utara       30254. 34427.  35617.
##  4 Sumatera Barat       13309. 14078.  15312.
##  5 Riau                  7156.  8211.   8553.
##  6 Kep. Riau             3218.  4317.   4412.
##  7 Jambi                 4978.  4398.   4404.
##  8 Sumatera Selatan     10797. 12752.  13075.
##  9 Bengkulu              2791.  2889.   3620.
## 10 Lampung               8160.  9373.  12078.
## 11 Kep. Bangka Belitung  1177.  1544.   1164.

Manipulasi Data Inflow Uang Kartal di Pulau Sumatera dengan Menambahkan Tahun pada Setiap Tahun Ganjil

sumatera4 <- inflowsumatera %>% rename('Tahun 2011' = '2011' , 'Tahun 2013' = '2013', 'Tahun 2015' = '2015' , 'Tahun 2017' = '2017' , 'Tahun 2019' = '2019', 'Tahun 2021' = '2021')
head(sumatera4)
## # A tibble: 6 x 12
##   Provinsi       `Tahun 2011` `2012` `Tahun 2013` `2014` `Tahun 2015` `2016`
##   <chr>                 <dbl>  <dbl>        <dbl>  <dbl>        <dbl>  <dbl>
## 1 Sumatera             57900. 65911.       98369. 86024.       86549. 97764.
## 2 Aceh                  2308.  2620.       36337.  4567.        4710.  5775.
## 3 Sumatera Utara       23238. 25981.       18120. 30503.       30254. 34427.
## 4 Sumatera Barat        9385. 11192.       14056. 14103.       13309. 14078.
## 5 Riau                  3012.  4447.        8933.  6358.        7156.  8211.
## 6 Kep. Riau             1426.  2236.        3378.  2563.        3218.  4317.
## # ... with 5 more variables: `Tahun 2017` <dbl>, `2018` <dbl>,
## #   `Tahun 2019` <dbl>, `2020` <dbl>, `Tahun 2021` <dbl>

Manipulasi Data Inflow Uang Kartal di Pulau Sumatera dengan Mengambil Provinsi Aceh Tahun 2019-2021

sumatera5 <- inflowsumatera %>%
    filter(Provinsi == 'Aceh') %>%
    select( 'Provinsi', '2019', '2020', '2021')
sumatera5
## # A tibble: 1 x 4
##   Provinsi `2019` `2020` `2021`
##   <chr>     <dbl>  <dbl>  <dbl>
## 1 Aceh      7509.  6641.  3702.

Struktur Data Inflow Uang Kartal di Pulau Sumatera Tahun 2011-2021

str(inflowsumatera)
## tibble [11 x 12] (S3: tbl_df/tbl/data.frame)
##  $ Provinsi: chr [1:11] "Sumatera" "Aceh" "Sumatera Utara" "Sumatera Barat" ...
##  $ 2011    : num [1:11] 57900 2308 23238 9385 3012 ...
##  $ 2012    : num [1:11] 65911 2620 25981 11192 4447 ...
##  $ 2013    : num [1:11] 98369 36337 18120 14056 8933 ...
##  $ 2014    : num [1:11] 86024 4567 30503 14103 6358 ...
##  $ 2015    : num [1:11] 86549 4710 30254 13309 7156 ...
##  $ 2016    : num [1:11] 97764 5775 34427 14078 8211 ...
##  $ 2017    : num [1:11] 103748 5514 35617 15312 8553 ...
##  $ 2018    : num [1:11] 117495 5799 41769 15058 10730 ...
##  $ 2019    : num [1:11] 133762 7509 47112 14750 10915 ...
##  $ 2020    : num [1:11] 109345 6641 36609 10696 9148 ...
##  $ 2021    : num [1:11] 89270 3702 31840 10748 7769 ...
str(inflowsumatera %>% group_by(Provinsi))
## grouped_df [11 x 12] (S3: grouped_df/tbl_df/tbl/data.frame)
##  $ Provinsi: chr [1:11] "Sumatera" "Aceh" "Sumatera Utara" "Sumatera Barat" ...
##  $ 2011    : num [1:11] 57900 2308 23238 9385 3012 ...
##  $ 2012    : num [1:11] 65911 2620 25981 11192 4447 ...
##  $ 2013    : num [1:11] 98369 36337 18120 14056 8933 ...
##  $ 2014    : num [1:11] 86024 4567 30503 14103 6358 ...
##  $ 2015    : num [1:11] 86549 4710 30254 13309 7156 ...
##  $ 2016    : num [1:11] 97764 5775 34427 14078 8211 ...
##  $ 2017    : num [1:11] 103748 5514 35617 15312 8553 ...
##  $ 2018    : num [1:11] 117495 5799 41769 15058 10730 ...
##  $ 2019    : num [1:11] 133762 7509 47112 14750 10915 ...
##  $ 2020    : num [1:11] 109345 6641 36609 10696 9148 ...
##  $ 2021    : num [1:11] 89270 3702 31840 10748 7769 ...
##  - attr(*, "groups")= tibble [11 x 2] (S3: tbl_df/tbl/data.frame)
##   ..$ Provinsi: chr [1:11] "Aceh" "Bengkulu" "Jambi" "Kep. Bangka Belitung" ...
##   ..$ .rows   : list<int> [1:11] 
##   .. ..$ : int 2
##   .. ..$ : int 9
##   .. ..$ : int 7
##   .. ..$ : int 11
##   .. ..$ : int 6
##   .. ..$ : int 10
##   .. ..$ : int 5
##   .. ..$ : int 1
##   .. ..$ : int 4
##   .. ..$ : int 8
##   .. ..$ : int 3
##   .. ..@ ptype: int(0) 
##   ..- attr(*, ".drop")= logi TRUE
sumatera6 <- inflowsumatera %>%
    group_by(Provinsi)
sumatera6
## # A tibble: 11 x 12
## # Groups:   Provinsi [11]
##    Provinsi       `2011` `2012` `2013` `2014` `2015` `2016` `2017` `2018` `2019`
##    <chr>           <dbl>  <dbl>  <dbl>  <dbl>  <dbl>  <dbl>  <dbl>  <dbl>  <dbl>
##  1 Sumatera       57900. 65911. 98369. 8.60e4 86549. 97764. 1.04e5 1.17e5 1.34e5
##  2 Aceh            2308.  2620. 36337. 4.57e3  4710.  5775. 5.51e3 5.80e3 7.51e3
##  3 Sumatera Utara 23238. 25981. 18120. 3.05e4 30254. 34427. 3.56e4 4.18e4 4.71e4
##  4 Sumatera Barat  9385. 11192. 14056. 1.41e4 13309. 14078. 1.53e4 1.51e4 1.47e4
##  5 Riau            3012.  4447.  8933. 6.36e3  7156.  8211. 8.55e3 1.07e4 1.09e4
##  6 Kep. Riau       1426.  2236.  3378. 2.56e3  3218.  4317. 4.41e3 5.13e3 6.08e3
##  7 Jambi           1868.  2138.  3047. 5.17e3  4978.  4398. 4.40e3 5.66e3 6.49e3
##  8 Sumatera Sela~  7820.  9126.  8647. 1.00e4 10797. 12752. 1.31e4 1.43e4 1.48e4
##  9 Bengkulu        1153.  1201.  2378. 3.26e3  2791.  2889. 3.62e3 4.15e3 5.79e3
## 10 Lampung         7690.  6969.  3474. 9.45e3  8160.  9373. 1.21e4 1.34e4 1.70e4
## 11 Kep. Bangka B~     0      0      0  1.37e1  1177.  1544. 1.16e3 1.52e3 3.27e3
## # ... with 2 more variables: `2020` <dbl>, `2021` <dbl>
inflowsumatera %>%
    filter(Provinsi == 'Aceh') %>%
    count('2019', sort = TRUE)
## # A tibble: 1 x 2
##   `"2019"`     n
##   <chr>    <int>
## 1 2019         1
sumatera7 <- inflowsumatera %>%
    mutate('2019' = inflowsumatera$`2021`/2)
sumatera7
## # A tibble: 11 x 12
##    Provinsi       `2011` `2012` `2013` `2014` `2015` `2016` `2017` `2018` `2019`
##    <chr>           <dbl>  <dbl>  <dbl>  <dbl>  <dbl>  <dbl>  <dbl>  <dbl>  <dbl>
##  1 Sumatera       57900. 65911. 98369. 8.60e4 86549. 97764. 1.04e5 1.17e5 44635.
##  2 Aceh            2308.  2620. 36337. 4.57e3  4710.  5775. 5.51e3 5.80e3  1851.
##  3 Sumatera Utara 23238. 25981. 18120. 3.05e4 30254. 34427. 3.56e4 4.18e4 15920.
##  4 Sumatera Barat  9385. 11192. 14056. 1.41e4 13309. 14078. 1.53e4 1.51e4  5374.
##  5 Riau            3012.  4447.  8933. 6.36e3  7156.  8211. 8.55e3 1.07e4  3885.
##  6 Kep. Riau       1426.  2236.  3378. 2.56e3  3218.  4317. 4.41e3 5.13e3  2504.
##  7 Jambi           1868.  2138.  3047. 5.17e3  4978.  4398. 4.40e3 5.66e3  2490.
##  8 Sumatera Sela~  7820.  9126.  8647. 1.00e4 10797. 12752. 1.31e4 1.43e4  4553.
##  9 Bengkulu        1153.  1201.  2378. 3.26e3  2791.  2889. 3.62e3 4.15e3  2080.
## 10 Lampung         7690.  6969.  3474. 9.45e3  8160.  9373. 1.21e4 1.34e4  5349.
## 11 Kep. Bangka B~     0      0      0  1.37e1  1177.  1544. 1.16e3 1.52e3   630.
## # ... with 2 more variables: `2020` <dbl>, `2021` <dbl>

Visualisasi Data Inflow Uang Kartal di Pulau Sumatera pada Tahun 2019

ggplot(data = inflowsumatera, mapping = aes(Provinsi, `2019`, color = Provinsi)) +
  geom_point()

Referensi

http://ariefkkurniawan.blogspot.com/2014/11/manipulasi-data-qbasic.html

https://www.bi.go.id/id/fungsi-utama/sistem-pembayaran/pengelolaan-rupiah/default.aspx

https://rpubs.com/suhartono-uinmaliki/868598