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.
library(readxl)
Kalimantan <- read_excel(path = "C:/COba/Kalimantan_Out.xlsx")
Kalimantan
## # A tibble: 6 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 Kaliman~ 29535. 33444. 44929. 38772. 41945. 42179. 50404. 53989. 57579. 52060.
## 2 Kaliman~ 5221. 5698. 6011. 6764. 8486. 9402. 11132. 12278. 13768. 13501.
## 3 Kaliman~ 6850. 7741. 15421. 8346. 10190. 10131. 11695. 13040. 12891. 12518.
## 4 Kaliman~ 5126. 5580. 5046. 6265. 6755. 7424. 9544. 8476. 9228. 8222.
## 5 Kaliman~ 12337. 14426. 18451. 17398. 16514. 15221. 16525. 17724. 18596. 14993.
## 6 Kaliman~ 0 0 0 0 0 0 1507. 2471. 3096. 2826.
## # ... with 1 more variable: `2021` <dbl>
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()
datalongerKalimantan <- Kalimantan %>%
pivot_longer(!Provinsi, names_to = "Tahun", values_to = "Kasus")
datalongerKalimantan
## # A tibble: 66 x 3
## Provinsi Tahun Kasus
## <chr> <chr> <dbl>
## 1 Kalimantan 2011 29535.
## 2 Kalimantan 2012 33444.
## 3 Kalimantan 2013 44929.
## 4 Kalimantan 2014 38772.
## 5 Kalimantan 2015 41945.
## 6 Kalimantan 2016 42179.
## 7 Kalimantan 2017 50404.
## 8 Kalimantan 2018 53989.
## 9 Kalimantan 2019 57579.
## 10 Kalimantan 2020 52060.
## # ... with 56 more rows
library(dplyr)
Kalimantanb1 <- select(datalongerKalimantan, Provinsi, Kasus)
Kalimantanb1
## # A tibble: 66 x 2
## Provinsi Kasus
## <chr> <dbl>
## 1 Kalimantan 29535.
## 2 Kalimantan 33444.
## 3 Kalimantan 44929.
## 4 Kalimantan 38772.
## 5 Kalimantan 41945.
## 6 Kalimantan 42179.
## 7 Kalimantan 50404.
## 8 Kalimantan 53989.
## 9 Kalimantan 57579.
## 10 Kalimantan 52060.
## # ... with 56 more rows
Kalimantanab2 <- datalongerKalimantan %>%
filter(Provinsi == 'Kalimantan Timur') %>%
select('Provinsi', 'Tahun', 'Kasus')
Kalimantanab2
## # A tibble: 11 x 3
## Provinsi Tahun Kasus
## <chr> <chr> <dbl>
## 1 Kalimantan Timur 2011 12337.
## 2 Kalimantan Timur 2012 14426.
## 3 Kalimantan Timur 2013 18451.
## 4 Kalimantan Timur 2014 17398.
## 5 Kalimantan Timur 2015 16514.
## 6 Kalimantan Timur 2016 15221.
## 7 Kalimantan Timur 2017 16525.
## 8 Kalimantan Timur 2018 17724.
## 9 Kalimantan Timur 2019 18596.
## 10 Kalimantan Timur 2020 14993.
## 11 Kalimantan Timur 2021 9110.
Kalimantanb3 <- datalongerKalimantan %>%
filter(Provinsi == 'Kalimantan Barat', Tahun=='2021') %>%
select('Provinsi', 'Tahun', 'Kasus')
Kalimantanb3
## # A tibble: 1 x 3
## Provinsi Tahun Kasus
## <chr> <chr> <dbl>
## 1 Kalimantan Barat 2021 6958.
ggplot(data = datalongerKalimantan, mapping = aes(x = Tahun, y = Kasus)) +
geom_point() +
facet_wrap( ~ Provinsi) +
theme(axis.text.x = element_text(angle = 45, size = 8))
ggplot(data = datalongerKalimantan, mapping = aes(x = Tahun, y = Kasus)) +
geom_point() +
facet_wrap( ~ Tahun) +
theme(axis.text.x = element_text(angle = 45, size = 8))