Pivot data uang kartal inflow di jawa
Akhmad Badawi_210605110086
2/22/2022
Penjelasan
Pivot adalah alternatif dalam menganalisa sebuah data dengan mengelompokkan dan meringkas data. Hal tersebut menmungkinkan pengguna untuk mengambil informasi dari kumpulan data yang disediakan dengan cepat walaupun data dalam jumlah yang besar.
Memasukkan data dalam variabel
library(readxl)
datainflowjawa <- read_excel(path = "C:/COba/Jawa_in.xlsx")
datainflowjawa## # A tibble: 7 x 12
## Provinsi `2011` `2012` `2013` `2014` `2015` `2016` `2017` `2018` `2019` `2020`
## <chr> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl>
## 1 DKI Jak~ 6.30e4 7.67e4 8.45e4 9.21e4 1.00e5 1.16e5 1.12e5 1.26e5 1.43e5 1.11e5
## 2 Jawa 1.24e5 1.60e5 1.35e5 2.17e5 2.30e5 2.62e5 2.78e5 3.07e5 3.25e5 2.59e5
## 3 Jawa Ba~ 4.38e4 6.06e4 3.52e4 7.87e4 8.13e4 8.80e4 8.32e4 8.72e4 9.48e4 7.69e4
## 4 Jawa Te~ 3.51e4 4.33e4 4.22e4 6.05e4 6.52e4 7.28e4 7.70e4 8.78e4 9.08e4 8.50e4
## 5 Yogyaka~ 6.49e3 9.17e3 8.94e3 1.39e4 1.48e4 1.74e4 1.75e4 2.06e4 2.09e4 7.35e3
## 6 Jawa Ti~ 3.85e4 4.74e4 4.87e4 6.43e4 6.88e4 8.34e4 9.84e4 1.06e5 1.14e5 8.68e4
## 7 Banten 0 0 0 0 0 0 1.49e3 4.83e3 4.48e3 3.40e3
## # ... with 1 more variable: `2021` <dbl>Perintah Pivot data uang kartal inflow di Jawa dengan tabel tahun dan kasus
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 1.0.7
## 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()datalongerjawa <- datainflowjawa %>%
pivot_longer(!Provinsi, names_to = "Tahun", values_to = "Kasus")
datalongerjawa## # A tibble: 77 x 3
## Provinsi Tahun Kasus
## <chr> <chr> <dbl>
## 1 DKI Jakarta 2011 62958.
## 2 DKI Jakarta 2012 76665.
## 3 DKI Jakarta 2013 84526.
## 4 DKI Jakarta 2014 92106.
## 5 DKI Jakarta 2015 100426.
## 6 DKI Jakarta 2016 115684.
## 7 DKI Jakarta 2017 112213.
## 8 DKI Jakarta 2018 126459.
## 9 DKI Jakarta 2019 142940.
## 10 DKI Jakarta 2020 110549.
## # ... with 67 more rowsPerintah Pivot data uang kartal inflow di Jawa dengan tabel Provinsi dan kasus
library(dplyr)
jawab1 <- select(datalongerjawa, Provinsi, Kasus)
jawab1## # A tibble: 77 x 2
## Provinsi Kasus
## <chr> <dbl>
## 1 DKI Jakarta 62958.
## 2 DKI Jakarta 76665.
## 3 DKI Jakarta 84526.
## 4 DKI Jakarta 92106.
## 5 DKI Jakarta 100426.
## 6 DKI Jakarta 115684.
## 7 DKI Jakarta 112213.
## 8 DKI Jakarta 126459.
## 9 DKI Jakarta 142940.
## 10 DKI Jakarta 110549.
## # ... with 67 more rowsPerintah Seleksi data untuk Provinsi Yogyakarta
jawaab2 <- datalongerjawa %>%
filter(Provinsi == 'Yogyakarta') %>%
select('Provinsi', 'Tahun', 'Kasus')
jawaab2 ## # A tibble: 11 x 3
## Provinsi Tahun Kasus
## <chr> <chr> <dbl>
## 1 Yogyakarta 2011 6490.
## 2 Yogyakarta 2012 9173.
## 3 Yogyakarta 2013 8939.
## 4 Yogyakarta 2014 13890.
## 5 Yogyakarta 2015 14831.
## 6 Yogyakarta 2016 17350.
## 7 Yogyakarta 2017 17483.
## 8 Yogyakarta 2018 20574.
## 9 Yogyakarta 2019 20899.
## 10 Yogyakarta 2020 7348.
## 11 Yogyakarta 2021 6714.Perintah Seleksi data untuk Provinsi Yogyakarta pada tahun 2021
jawab3 <- datalongerjawa %>%
filter(Provinsi == 'Yogyakarta', Tahun=='2021') %>%
select('Provinsi', 'Tahun', 'Kasus')
jawab3 ## # A tibble: 1 x 3
## Provinsi Tahun Kasus
## <chr> <chr> <dbl>
## 1 Yogyakarta 2021 6714.Visualisasi data Inflow Uang Kartal di pulau Jawa Berdasarkan Provinsi
ggplot(data = datalongerjawa, mapping = aes(x = Tahun, y = Kasus)) +
geom_point() +
facet_wrap( ~ Provinsi) +
theme(axis.text.x = element_text(angle = 45, size = 8))
Visualisasi data Inflow Uang Kartal di pulau Jawa Berdasarkan Tahun
ggplot(data = datalongerjawa, mapping = aes(x = Tahun, y = Kasus)) +
geom_point() +
facet_wrap( ~ Tahun) +
theme(axis.text.x = element_text(angle = 45, size = 8))