Pivot dan Visualisasi Data Inflow Uang kartal di Pulau Kalimantan 10 Tahun Terakhir
Aisha Dwi Anindita Radianto, Prof. Dr. Suhartono, M.Kom
25/03/2022
Dosen Pengampu : Prof. Dr. Suhartono, M.Kom
Lembaga : Universitas Islam Negeri Maulana Malik Ibrahim Malang
Fakultas : Sains dan Teknologi
Jurusan : Teknik Informatika
Kelas : (C) Linear Algebra
NIM : 210605110058
Pivot pada Pemrograman R
Pivot Table adalah ringkasan data yang dikemas dalam tabel interaktif agar memudahkan dan membantu kamu untuk membuat laporan dan menganalisisnya dengan melihat perbandingan data yang kamu miliki.
Singkatnya, gunanya pivot table adalah untuk merangkum, mengelompokkan, mengeksplorasi, mempresentasikan, menghitung, dan menganalisa data.
library(readxl)InflowKalimantan <- read_excel(path = "/Users/aisharadianto/Documents/College 2/(C) Linear Algebra/InflowKalimantan2.xlsx")
InflowKalimantan## # A tibble: 6 × 12
## Keterangan `2011` `2012` `2013` `2014` `2015` `2016` `2017` `2018` `2019`
## <chr> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl>
## 1 Kalimantan 13272. 17575. 37698. 26379. 29427. 32847. 35119. 41157. 46158.
## 2 Kalimantan Bar… 2831. 3386. 4029. 5943. 6675. 7440. 7775. 10249. 11848.
## 3 Kalimantan Ten… 779. 1135. 19328. 1887. 3547. 3694. 3655. 4083. 4385.
## 4 Kalimantan Sel… 5369. 7311. 4226. 9614. 9558. 10809. 12415. 13604. 14462.
## 5 Kalimantan Tim… 4293. 5743. 10115. 8936. 9646. 10903. 10933. 12305. 13991.
## 6 Kalimantan Uta… 0 0 0 0 0 0 341. 917. 1472.
## # … with 2 more variables: `2020` <dbl>, `2021` <dbl>library(tidyverse)## ── Attaching packages ─────────────────────────────────────── tidyverse 1.3.1 ──## ✓ ggplot2 3.3.5 ✓ purrr 0.3.4
## ✓ tibble 3.1.6 ✓ dplyr 1.0.8
## ✓ tidyr 1.2.0 ✓ stringr 1.4.0
## ✓ readr 2.1.2 ✓ forcats 0.5.1## ── Conflicts ────────────────────────────────────────── tidyverse_conflicts() ──
## x dplyr::filter() masks stats::filter()
## x dplyr::lag() masks stats::lag()pivot_longer()
pivot_longer() “lengthens” data, increasing the number of rows and decreasing the number of columns. The inverse transformation is pivot_wider().
dataLength <- InflowKalimantan %>%
pivot_longer(!Keterangan, names_to = "Tahun", values_to = "Kasus")
dataLength ## # A tibble: 66 × 3
## Keterangan Tahun Kasus
## <chr> <chr> <dbl>
## 1 Kalimantan 2011 13272.
## 2 Kalimantan 2012 17575.
## 3 Kalimantan 2013 37698.
## 4 Kalimantan 2014 26379.
## 5 Kalimantan 2015 29427.
## 6 Kalimantan 2016 32847.
## 7 Kalimantan 2017 35119.
## 8 Kalimantan 2018 41157.
## 9 Kalimantan 2019 46158.
## 10 Kalimantan 2020 37200.
## # … with 56 more rowsMemilih variable Daerah dan Kasus
library(dplyr)
KalimantanUp <- select(dataLength, Keterangan, Kasus)
KalimantanUp## # A tibble: 66 × 2
## Keterangan Kasus
## <chr> <dbl>
## 1 Kalimantan 13272.
## 2 Kalimantan 17575.
## 3 Kalimantan 37698.
## 4 Kalimantan 26379.
## 5 Kalimantan 29427.
## 6 Kalimantan 32847.
## 7 Kalimantan 35119.
## 8 Kalimantan 41157.
## 9 Kalimantan 46158.
## 10 Kalimantan 37200.
## # … with 56 more rowsMenyeleksi baris atau observasi berdasarkan nilai.
library(dplyr)
KalimantanUp1 <- dataLength %>%
filter(Keterangan > 'Kalimantan Barat') %>%
select('Keterangan', 'Tahun', 'Kasus')
KalimantanUp1 ## # A tibble: 44 × 3
## Keterangan Tahun Kasus
## <chr> <chr> <dbl>
## 1 Kalimantan Tengah 2011 779.
## 2 Kalimantan Tengah 2012 1135.
## 3 Kalimantan Tengah 2013 19328.
## 4 Kalimantan Tengah 2014 1887.
## 5 Kalimantan Tengah 2015 3547.
## 6 Kalimantan Tengah 2016 3694.
## 7 Kalimantan Tengah 2017 3655.
## 8 Kalimantan Tengah 2018 4083.
## 9 Kalimantan Tengah 2019 4385.
## 10 Kalimantan Tengah 2020 4178.
## # … with 34 more rowsKalimantanUp2 <- dataLength %>%
filter(Keterangan <= 'Kalimantan', Tahun <= '2019') %>%
select('Keterangan', 'Tahun', 'Kasus')
KalimantanUp2## # A tibble: 9 × 3
## Keterangan Tahun Kasus
## <chr> <chr> <dbl>
## 1 Kalimantan 2011 13272.
## 2 Kalimantan 2012 17575.
## 3 Kalimantan 2013 37698.
## 4 Kalimantan 2014 26379.
## 5 Kalimantan 2015 29427.
## 6 Kalimantan 2016 32847.
## 7 Kalimantan 2017 35119.
## 8 Kalimantan 2018 41157.
## 9 Kalimantan 2019 46158.pivot_wider()
pivot_wider() “widens” data, increasing the number of columns and decreasing the number of rows. The inverse transformation is pivot_longer().
KalimantanID <- dataLength %>%
pivot_wider(names_from = "Tahun",
values_from = "Kasus")
KalimantanID## # A tibble: 6 × 12
## Keterangan `2011` `2012` `2013` `2014` `2015` `2016` `2017` `2018` `2019`
## <chr> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl>
## 1 Kalimantan 13272. 17575. 37698. 26379. 29427. 32847. 35119. 41157. 46158.
## 2 Kalimantan Bar… 2831. 3386. 4029. 5943. 6675. 7440. 7775. 10249. 11848.
## 3 Kalimantan Ten… 779. 1135. 19328. 1887. 3547. 3694. 3655. 4083. 4385.
## 4 Kalimantan Sel… 5369. 7311. 4226. 9614. 9558. 10809. 12415. 13604. 14462.
## 5 Kalimantan Tim… 4293. 5743. 10115. 8936. 9646. 10903. 10933. 12305. 13991.
## 6 Kalimantan Uta… 0 0 0 0 0 0 341. 917. 1472.
## # … with 2 more variables: `2020` <dbl>, `2021` <dbl>Visualisasi Pivot
ggplot(data = dataLength,
mapping = aes(x = Keterangan, y = Kasus, color = Keterangan)) +
geom_jitter(alpha = 0.9)
ggplot(data = dataLength,
mapping = aes(x = Keterangan, y = Kasus, color = Keterangan)) +
geom_jitter(alpha = 0.9)
ggplot(data = dataLength, mapping = aes(x = Tahun, y = Kasus)) +
geom_point(color = "pink")
ggplot(data = dataLength,
mapping = aes(x = Keterangan, y = Kasus)) +
geom_point(color = "dark green")
ggplot(data = dataLength, mapping = aes(x = Tahun, y = Kasus)) +
geom_point(color = "dark red") +
facet_wrap( ~ Keterangan) +
theme(axis.text.x = element_text(angle = 90))
ggplot(data = dataLength, mapping = aes(x = Keterangan, y = Kasus)) +
geom_point(color = "dark blue") +
facet_wrap( ~ Tahun) +
theme(axis.text.x = element_text(angle = 90))
ggplot(data = dataLength,
mapping = aes(x = Keterangan, y = Kasus)) +
geom_boxplot(alpha = 0) + # Do not show outliers
geom_jitter(alpha = 0.7, color = "dark orange") +
theme_bw()
ggplot(data = dataLength,
mapping = aes(x = Keterangan, y = Kasus)) +
geom_boxplot(alpha = 0) + # Do not show outliers
geom_jitter(alpha = 0.7, color = "yellow") +
theme_bw()