Pivot dan Visualisasi Data Inflow Uang kartal di Pulau Sulampua 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)InflowSulampua <- read_excel(path = "/Users/aisharadianto/Documents/College 2/(C) Linear Algebra/InflowSulampua2.xlsx")
InflowSulampua## # A tibble: 11 × 12
## Keterangan `2011` `2012` `2013` `2014` `2015` `2016` `2017` `2018` `2019`
## <chr> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl>
## 1 Sulampua 25056. 31011. 63774. 4.16e4 4.03e4 45737. 44126. 52672. 60202.
## 2 Sulawesi Utara 5671. 6635. 21646. 7.37e3 6.29e3 7266. 7044. 7781. 7809.
## 3 Sulawesi Teng… 1563. 1885. 1520. 3.00e3 2.59e3 2665. 2806. 3701. 4042.
## 4 Sulawesi Sela… 10593. 13702. 17770. 1.94e4 1.96e4 21043. 18803. 21894. 24749.
## 5 Sulawesi Teng… 659. 964. 6093. 2.26e3 2.38e3 3491. 3618. 3632. 4390.
## 6 Sulawesi Barat 0 0 0 0 4.92e1 536. 746. 606. 542.
## 7 Gorontalo 0 0 0 0 0 0 0 1088. 1983.
## 8 Maluku Utara 586. 633. 10273. 1.01e3 1.01e3 1259. 1339. 1530. 1924.
## 9 Maluku 1273. 1147. 4341. 1.78e3 1.79e3 2367. 2484. 3210. 4056.
## 10 Papua 4710. 6047. 2131. 6.79e3 6.10e3 6291. 6353. 8076. 9259.
## 11 Papua Barat 0 0 0 1.17e1 5.18e2 818. 933. 1153. 1448.
## # … 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 <- InflowSulampua %>%
pivot_longer(!Keterangan, names_to = "Tahun", values_to = "Kasus")
dataLength ## # A tibble: 121 × 3
## Keterangan Tahun Kasus
## <chr> <chr> <dbl>
## 1 Sulampua 2011 25056.
## 2 Sulampua 2012 31011.
## 3 Sulampua 2013 63774.
## 4 Sulampua 2014 41607.
## 5 Sulampua 2015 40309.
## 6 Sulampua 2016 45737.
## 7 Sulampua 2017 44126.
## 8 Sulampua 2018 52672.
## 9 Sulampua 2019 60202.
## 10 Sulampua 2020 52812.
## # … with 111 more rowsMemilih variable Daerah dan Kasus
library(dplyr)
SulampuaUp <- select(dataLength, Keterangan, Kasus)
SulampuaUp## # A tibble: 121 × 2
## Keterangan Kasus
## <chr> <dbl>
## 1 Sulampua 25056.
## 2 Sulampua 31011.
## 3 Sulampua 63774.
## 4 Sulampua 41607.
## 5 Sulampua 40309.
## 6 Sulampua 45737.
## 7 Sulampua 44126.
## 8 Sulampua 52672.
## 9 Sulampua 60202.
## 10 Sulampua 52812.
## # … with 111 more rowsMenyeleksi baris atau observasi berdasarkan nilai.
library(dplyr)
SulampuaUp1 <- dataLength %>%
filter(Keterangan > 'Gorontalo') %>%
select('Keterangan', 'Tahun', 'Kasus')
SulampuaUp1 ## # A tibble: 110 × 3
## Keterangan Tahun Kasus
## <chr> <chr> <dbl>
## 1 Sulampua 2011 25056.
## 2 Sulampua 2012 31011.
## 3 Sulampua 2013 63774.
## 4 Sulampua 2014 41607.
## 5 Sulampua 2015 40309.
## 6 Sulampua 2016 45737.
## 7 Sulampua 2017 44126.
## 8 Sulampua 2018 52672.
## 9 Sulampua 2019 60202.
## 10 Sulampua 2020 52812.
## # … with 100 more rowsSulampuaUp2 <- dataLength %>%
filter(Keterangan <= 'Papua', Tahun <= '2019') %>%
select('Keterangan', 'Tahun', 'Kasus')
SulampuaUp2## # A tibble: 36 × 3
## Keterangan Tahun Kasus
## <chr> <chr> <dbl>
## 1 Gorontalo 2011 0
## 2 Gorontalo 2012 0
## 3 Gorontalo 2013 0
## 4 Gorontalo 2014 0
## 5 Gorontalo 2015 0
## 6 Gorontalo 2016 0
## 7 Gorontalo 2017 0
## 8 Gorontalo 2018 1088.
## 9 Gorontalo 2019 1983.
## 10 Maluku Utara 2011 586.
## # … with 26 more rowspivot_wider()
pivot_wider() “widens” data, increasing the number of columns and decreasing the number of rows. The inverse transformation is pivot_longer().
SulampuaID <- dataLength %>%
pivot_wider(names_from = "Tahun",
values_from = "Kasus")
SulampuaID## # A tibble: 11 × 12
## Keterangan `2011` `2012` `2013` `2014` `2015` `2016` `2017` `2018` `2019`
## <chr> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl>
## 1 Sulampua 25056. 31011. 63774. 4.16e4 4.03e4 45737. 44126. 52672. 60202.
## 2 Sulawesi Utara 5671. 6635. 21646. 7.37e3 6.29e3 7266. 7044. 7781. 7809.
## 3 Sulawesi Teng… 1563. 1885. 1520. 3.00e3 2.59e3 2665. 2806. 3701. 4042.
## 4 Sulawesi Sela… 10593. 13702. 17770. 1.94e4 1.96e4 21043. 18803. 21894. 24749.
## 5 Sulawesi Teng… 659. 964. 6093. 2.26e3 2.38e3 3491. 3618. 3632. 4390.
## 6 Sulawesi Barat 0 0 0 0 4.92e1 536. 746. 606. 542.
## 7 Gorontalo 0 0 0 0 0 0 0 1088. 1983.
## 8 Maluku Utara 586. 633. 10273. 1.01e3 1.01e3 1259. 1339. 1530. 1924.
## 9 Maluku 1273. 1147. 4341. 1.78e3 1.79e3 2367. 2484. 3210. 4056.
## 10 Papua 4710. 6047. 2131. 6.79e3 6.10e3 6291. 6353. 8076. 9259.
## 11 Papua Barat 0 0 0 1.17e1 5.18e2 818. 933. 1153. 1448.
## # … 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()