Visusalisasi Data Inflow Outflow Uang Kartal Provinsi Lampung
Rifqi Murtiani, Prof. Dr. Suhartono, M.Kom
14/3/2022
Universitas Islam Negeri Maulana Malik Ibrahim Malang
Program Studi Teknik Informatika
Pengertian Inflow Outflow Uang Kartal
Banyaknya uang yang beredar di masyarakat akan berpengaruh pada kondisi perekonomian suatu negara. Bank Indonesia memiliki tujuan tunggal untuk mencapai dan menjaga kestabilan nilai rupiah. Oleh karena itu, BI sebagai bank sentral menyusun perencanaan untuk memenuhi kebutuhan uang rupiah. Perencanaan tersebut dapat dilakukan dengan melakukan peramalan untuk inflow dan outflow uang kartal. Inflow merupakan uang yang masuk ke BI melalui kegiatan penyetoran, sedangkan outflow merupakan uang yang keluar dari BI melalui kegiatan penarikan.
library(readxl)
datainflow <- read_excel(path = "inflowpertahun.xlsx")## New names:
## * `` -> ...2datainflow## # A tibble: 11 x 13
## tahun ...2 Sumatera Aceh `Sumatera Utara` `Sumatera Barat` Riau
## <dbl> <lgl> <dbl> <dbl> <dbl> <dbl> <dbl>
## 1 2011 NA 57900. 2308. 23238. 9385. 3012.
## 2 2012 NA 65911. 2620. 25981. 11192. 4447.
## 3 2013 NA 98369. 36337. 18120. 14056. 8933.
## 4 2014 NA 86024. 4567. 30503. 14103. 6358.
## 5 2015 NA 86549. 4710. 30254. 13309. 7156.
## 6 2016 NA 97764. 5775. 34427. 14078. 8211.
## 7 2017 NA 103748. 5514. 35617. 15312. 8553.
## 8 2018 NA 117495. 5799. 41769. 15058. 10730.
## 9 2019 NA 133762. 7509. 47112. 14750. 10915.
## 10 2020 NA 109345. 6641. 36609. 10696. 9148.
## 11 2021 NA 89270. 3702. 31840. 10748. 7769.
## # ... with 6 more variables: `Kep. Riau` <dbl>, Jambi <dbl>,
## # `Sumatera Selatan` <dbl>, Bengkulu <dbl>, Lampung <dbl>,
## # `Kep. Bangka Belitung` <dbl>library(readxl)
dataoutflow <- read_excel(path = "outflow.xlsx")
dataoutflow## # A tibble: 11 x 12
## Tahun Sumatera Aceh `Sumatera Utara` `Sumatera Barat` Riau `Kep. Riau`
## <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl>
## 1 2011 80092. 6338. 22176. 5300. 12434. 5819.
## 2 2012 85235. 6378. 22495. 6434. 13014. 6966.
## 3 2013 103288. 23278. 19235. 6511. 15460. 8747.
## 4 2014 102338. 8630. 26391. 7060. 15158. 10122.
## 5 2015 109186. 9637. 27877. 7471. 15789. 9803.
## 6 2016 121992. 11311. 31959. 9198. 17645. 10068.
## 7 2017 133606. 11760. 35243. 10754. 18128. 10749.
## 8 2018 135676. 11450. 36908. 8447. 17926. 12597.
## 9 2019 153484. 13087. 44051. 9465. 19277. 12644.
## 10 2020 140589. 12874. 39758. 8763. 19139. 8461.
## 11 2021 86627. 5770. 23453. 5941. 12631. 5128.
## # ... with 5 more variables: Jambi <dbl>, `Sumatera Selatan` <dbl>,
## # Bengkulu <dbl>, Lampung <dbl>, `Kep. Bangka Belitung` <dbl>1. visualisasi Prediksi Data Inflow Uang Kartal Kepulauan Lampung Setiap Periode
plot(datainflow$Lampung, type = "l", col = "red")
2. visualisasi Prediksi Data Outflow Uang Kartal Lampung Setiap Periode
plot(dataoutflow$Lampung, type = "l", col = "blue")
3. Visualisasi Prediksi Data Inflow-Outflow Uang Kartal di Lampung Setiap Periode
plot(datainflow$Lampung, type = "l", col = "red")
lines(dataoutflow$Lampung, type = "l", col = "blue")
4. Visualisasi Prediksi Data Inflow-Outflow Uang Kartal di Lampung Setiap Bulan
library(readxl)
datainflowperbulan <- read_excel(path = "Inflowperbulan.xlsx")
datainflowperbulan## # A tibble: 12 x 12
## Bulan Sumatera Aceh `Sumatera Utara` `Sumatera Barat` Riau
## <dttm> <dbl> <dbl> <dbl> <dbl> <dbl>
## 1 2011-01-01 00:00:00 4164. 124. 2068. 545. 94.2
## 2 2011-02-01 00:00:00 3338. 115. 1826. 450. 96.4
## 3 2011-03-01 00:00:00 4878. 154. 2028. 849. 288.
## 4 2011-04-01 00:00:00 3157. 122. 1429. 539. 160.
## 5 2011-05-01 00:00:00 3821. 123. 1539. 692. 195.
## 6 2011-06-01 00:00:00 3686. 151. 1637. 592. 101.
## 7 2011-07-01 00:00:00 4370. 107. 1791. 800. 143.
## 8 2011-08-01 00:00:00 3668. 184. 1256. 586. 134.
## 9 2011-09-01 00:00:00 12875. 606. 4172. 2176. 1014.
## 10 2011-10-01 00:00:00 4777. 158. 1941. 787. 341.
## 11 2011-11-01 00:00:00 5670. 287. 1943. 854. 285.
## 12 2011-12-01 00:00:00 3496. 176. 1608. 513. 161.
## # ... with 6 more variables: `Kep. Riau` <dbl>, Jambi <dbl>,
## # `Sumatera Selatan` <dbl>, Bengkulu <dbl>, Lampung <dbl>,
## # `Kep. Bangka Belitung` <dbl>library(readxl)
dataoutflowperbulan <- read_excel(path = "DataOutflowBulanan.xlsx")
dataoutflowperbulan## # A tibble: 12 x 12
## Bulan Sumatera Aceh `Sumatera Utara` `Sumatera Barat` Riau
## <dttm> <dbl> <dbl> <dbl> <dbl> <dbl>
## 1 2011-01-01 00:00:00 3442. 350. 941. 307. 478.
## 2 2011-02-01 00:00:00 3989. 193. 990. 228. 400.
## 3 2011-03-01 00:00:00 4229. 230. 1209. 347. 621.
## 4 2011-04-01 00:00:00 6721. 529. 1653. 336. 1006.
## 5 2011-05-01 00:00:00 5787. 523. 1465. 328. 1000.
## 6 2011-06-01 00:00:00 7395. 406. 2167. 399. 1366.
## 7 2011-07-01 00:00:00 7154. 958. 1695. 449. 815.
## 8 2011-08-01 00:00:00 16043. 1046. 4104. 1376. 2729.
## 9 2011-09-01 00:00:00 1915. 124. 824. 148. 154.
## 10 2011-10-01 00:00:00 5174. 634. 1392. 299. 830.
## 11 2011-11-01 00:00:00 5610. 595. 1598. 350. 874.
## 12 2011-12-01 00:00:00 12634. 750. 4140. 734. 2160.
## # ... with 6 more variables: `Kep. Riau` <dbl>, Jambi <dbl>,
## # `Sumatera Selatan` <dbl>, Bengkulu <dbl>, Lampung <dbl>,
## # `Kep. Bangka Belitung` <dbl>plot(datainflowperbulan$Lampung, type = "l", col = "orange")
lines(dataoutflowperbulan$Lampung,col="purple")
legend("top",c("Inflow","Outflow"),fill=c("red","green"))
Lampungtimeseries <- datainflowperbulan$Lampung
plot.ts(Lampungtimeseries , type = "l", col = "red")
logLampung <- log(datainflowperbulan$Lampung)
plot.ts(logLampung)
library(TTR)
LampungSMA3 <- SMA(datainflowperbulan$Lampung,n=3)
plot.ts(LampungSMA3 )
library(readxl)
LampungSMA3 <- SMA(datainflowperbulan$Lampung,n=8)
plot.ts(LampungSMA3 )
library(TTR)
LampungSMA3 <- SMA(datainflowperbulan$Lampung,n=3)
plot.ts(LampungSMA3 )
5. Visualisasi Prediksi Data Inflow-Outflow Time Series Uang Kartal di Lampung
Lampunginflowtimeseries <- ts(datainflowperbulan$Lampung, frequency=12, start=c(2011,1))
Lampunginflowtimeseries## Jan Feb Mar Apr May Jun Jul
## 2011 621.7118 358.5662 550.3650 340.4445 402.0371 573.9762 656.2429
## Aug Sep Oct Nov Dec
## 2011 542.8717 1775.9851 623.8572 801.9799 442.0852Lampungoutflowtimeseries <- ts(dataoutflowperbulan$Lampung, frequency=12, start=c(2011,1))
Lampungoutflowtimeseries## Jan Feb Mar Apr May Jun
## 2011 171.73514 219.94503 342.64595 449.19497 435.48670 560.37199
## Jul Aug Sep Oct Nov Dec
## 2011 666.16768 1300.12070 85.77778 360.29523 363.14330 769.51399