Lembaga : Universitas Islam Negeri Maulana Malik Ibrahim Malang

Fakultas : Sains dan Teknologi

Program Studi : Teknik Informatika

Mata Kuliah : Linear Algebra (C)

0.1 1. Pengertian PivoT

Pivot adalah proses membuat rangkuman, melakukan analisa, eksplorasi, dan mempresentasikan data. Salah satu software yang menyediakan fitur Pivot adalah MSExcel. Pada MSExcel terdapat fitur PivotTable dimana biasanya merupakan laporan berbentuk tabel yang dalam waktu saat singkat mampu menampilkan ringkasan berdasarkan jumlah data besar kedalam bentuk atau orientasi berbeda dan sanggup melakukan kalkulasi dalam setiap item yang dibutuhkan. Contoh : apabila kita mempunyai data yang diunduh dari sebuah database atau dibuat sendiri dengan jumlah ratusan, ribuan, atau bahkan ratusan ribu baris data, tentunya akan sulit untuk mengolah serta mendapatkan informasi secara cepat.

Informasi yang dimaksud misalnya : Menampilkan data berdasarkan kriteria atau perhitungan tertentu, membandingkan antar field (kolom) satu dengan yang lainnya, menampilkan perulangan data, hubungan perulangan data pada suatu periode dan lain sebagainya. Selain itu bahasa pemrograman R juga menyediakan fitur provitdata. Berikut adalah penerapan pivotdata inflow Uang Kartal di Provinsi Maluku dan Papua menggunakan bahasa pemrograman R.

library(readxl)
datainflowmalukupapua <- read_excel(path = "inflow_Maluku_Papua.xlsx")
datainflowmalukupapua
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()

0.2 2. Kasus Data Inflow Uang Kartal di Provinsi Maluku dan Papua Pada Tahun 2011-2021

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

0.3 3. Pivot Data Inflow Uang Kartal di Provinsi Maluku dan Papua Pada Tahun 2011-2021 Berdasarkan Kasus

library(dplyr)
datakasusmalukupapua <- select(datalongermalukupapua, Provinsi, Kasus)
datakasusmalukupapua

0.4 4. Kasus Data Inflow Uang Kartal di Provinsi Maluku Pada Tahun 2011-2021

kasusmalukupapua <- datalongermalukupapua %>%
    filter(Provinsi == 'Maluku') %>%
    select('Provinsi', 'Tahun', 'Kasus')
kasusmalukupapua

0.5 5. Kasus Data Inflow Uang Kartal di Provinsi Papua Pada Tahun 2011-2021

kasusmalukupapua <- datalongermalukupapua %>%
    filter(Provinsi == 'Papua') %>%
    select('Provinsi', 'Tahun', 'Kasus')
kasusmalukupapua

0.6 6. Kasus Data Inflow Uang Kartal di Provinsi Maluku Pada Tahun 2018

kasusmalukupapua <- datalongermalukupapua %>%
    filter(Provinsi == 'Maluku', Tahun == '2016') %>%
    select('Provinsi', 'Tahun', 'Kasus')
kasusmalukupapua

0.7 7. Kasus Data Inflow Uang Kartal di Provinsi Maluku Pada Tahun 2014

kasusmalukupapua <- datalongermalukupapua %>%
    filter(Provinsi == 'Maluku', Tahun == '2014') %>%
    select('Provinsi', 'Tahun', 'Kasus')
kasusmalukupapua

0.8 8. Kasus Data Inflow Uang Kartal di Provinsi Papua Pada Tahun 2013

kasusmalukupapua <- datalongermalukupapua %>%
    filter(Provinsi == 'Papua', Tahun == '2013') %>%
    select('Provinsi', 'Tahun', 'Kasus')
kasusmalukupapua

0.9 9. Kasus Data Inflow Uang Kartal di Provinsi Papua Pada Tahun 2019

kasusmalukupapua <- datalongermalukupapua %>%
    filter(Provinsi == 'Papua', Tahun == '2019') %>%
    select('Provinsi', 'Tahun', 'Kasus')
kasusmalukupapua

0.10 10. Visualisasi Pivot Data Inflow Uang Kartal di Provinsi Maluku dan Papua Berdasarkan Provinsi

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

0.11 11. Visualisasi Pivot Data Inflow Uang Kartal di Provinsi Maluku dan Papua Berdasarkan Tahun/ Periode

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