Visualisasi Pivot Data Inflow Uang Kartal di Pulau Jawa
M. Daffa Pramuditya S., Prof. Dr. Suhartono, M.Kom
3/27/2022
Lembaga : Universitas Islam Negeri Maulana Malik Ibrahim Malang
Jurusan : Teknik Informatika
Pengertian Pivot
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)## Warning: package 'readxl' was built under R version 4.1.2datainflowjawa <- read_excel(path = "inflowjawa.xlsx")
datainflowjawa## # 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 Jawa 1.24e5 1.60e5 1.35e5 2.17e5 2.30e5 2.62e5 2.78e5 3.07e5 3.25e5 2.59e5
## 2 Jawa Ba~ 4.38e4 6.06e4 3.52e4 7.87e4 8.13e4 8.80e4 8.32e4 8.72e4 9.48e4 7.69e4
## 3 Jawa Te~ 3.51e4 4.33e4 4.22e4 6.05e4 6.52e4 7.28e4 7.70e4 8.78e4 9.08e4 8.50e4
## 4 Yogyaka~ 6.49e3 9.17e3 8.94e3 1.39e4 1.48e4 1.74e4 1.75e4 2.06e4 2.09e4 7.35e3
## 5 Jawa Ti~ 3.85e4 4.74e4 4.87e4 6.43e4 6.88e4 8.34e4 9.84e4 1.06e5 1.14e5 8.68e4
## 6 Banten 0 0 0 0 0 0 1.49e3 4.83e3 4.48e3 3.40e3
## # ... with 1 more variable: 2021 <dbl>library(tidyverse)## Warning: package 'tidyverse' was built under R version 4.1.2## -- Attaching packages --------------------------------------- tidyverse 1.3.1 --## v ggplot2 3.3.5 v purrr 0.3.4
## v tibble 3.1.4 v dplyr 1.0.8
## v tidyr 1.1.3 v stringr 1.4.0
## v readr 2.0.1 v forcats 0.5.1## Warning: package 'dplyr' was built under R version 4.1.2## -- Conflicts ------------------------------------------ tidyverse_conflicts() --
## x dplyr::filter() masks stats::filter()
## x dplyr::lag() masks stats::lag()Kasus Data Inflow Uang Kartal di Pulau Jawa Periode 2011 - 2021
datalongerjawa <- datainflowjawa %>%
pivot_longer(!Provinsi, names_to = "Tahun", values_to = "Kasus")
datalongerjawa## # A tibble: 66 x 3
## Provinsi Tahun Kasus
## <chr> <chr> <dbl>
## 1 Jawa 2011 123917.
## 2 Jawa 2012 160482.
## 3 Jawa 2013 134998.
## 4 Jawa 2014 217303.
## 5 Jawa 2015 230141.
## 6 Jawa 2016 261607.
## 7 Jawa 2017 277609.
## 8 Jawa 2018 306911.
## 9 Jawa 2019 324624.
## 10 Jawa 2020 259444.
## # ... with 56 more rowsPivot Data Inflow Uang Kartal di Pulau Jawa berdasarkan Kasus
library(dplyr)
jawa2 <- select(datalongerjawa, Provinsi, Kasus)
jawa2 ## # A tibble: 66 x 2
## Provinsi Kasus
## <chr> <dbl>
## 1 Jawa 123917.
## 2 Jawa 160482.
## 3 Jawa 134998.
## 4 Jawa 217303.
## 5 Jawa 230141.
## 6 Jawa 261607.
## 7 Jawa 277609.
## 8 Jawa 306911.
## 9 Jawa 324624.
## 10 Jawa 259444.
## # ... with 56 more rowsKasus Data Inflow Uang Kartal di Jawa Timur Periode 2011 - 2021
library(dplyr)
jawa3 <- datalongerjawa %>%
filter(Provinsi == 'Jawa Timur') %>%
select('Provinsi', 'Tahun', 'Kasus')
jawa3 ## # A tibble: 11 x 3
## Provinsi Tahun Kasus
## <chr> <chr> <dbl>
## 1 Jawa Timur 2011 38515.
## 2 Jawa Timur 2012 47383.
## 3 Jawa Timur 2013 48687.
## 4 Jawa Timur 2014 64276.
## 5 Jawa Timur 2015 68808.
## 6 Jawa Timur 2016 83439.
## 7 Jawa Timur 2017 98380.
## 8 Jawa Timur 2018 106433.
## 9 Jawa Timur 2019 113651.
## 10 Jawa Timur 2020 86848.
## 11 Jawa Timur 2021 58986.Kasus Data Inflow Uang Kartal di Jawa Timur Tahun 2021
jawa4 <- datalongerjawa %>%
filter(Provinsi == 'Jawa Timur', Tahun == '2021') %>%
select('Provinsi', 'Tahun', 'Kasus')
jawa4## # A tibble: 1 x 3
## Provinsi Tahun Kasus
## <chr> <chr> <dbl>
## 1 Jawa Timur 2021 58986.Kasus Data Inflow Uang Kartal di Jawa Tengah Periode 2011-2021
library(dplyr)
jateng <- datalongerjawa %>%
filter(Provinsi == 'Jawa Tengah') %>%
select('Provinsi', 'Tahun', 'Kasus')
jateng ## # A tibble: 11 x 3
## Provinsi Tahun Kasus
## <chr> <chr> <dbl>
## 1 Jawa Tengah 2011 35137.
## 2 Jawa Tengah 2012 43298.
## 3 Jawa Tengah 2013 42182.
## 4 Jawa Tengah 2014 60476.
## 5 Jawa Tengah 2015 65198.
## 6 Jawa Tengah 2016 72782.
## 7 Jawa Tengah 2017 77031.
## 8 Jawa Tengah 2018 87829.
## 9 Jawa Tengah 2019 90751.
## 10 Jawa Tengah 2020 84970.
## 11 Jawa Tengah 2021 62024.Kasus Data Inflow Uang Kartal di Jawa Tengah Periode 2021
library(dplyr)
jateng1 <- datalongerjawa %>%
filter(Provinsi == 'Jawa Tengah', Tahun == '2021') %>%
select('Provinsi', 'Tahun', 'Kasus')
jateng1## # A tibble: 1 x 3
## Provinsi Tahun Kasus
## <chr> <chr> <dbl>
## 1 Jawa Tengah 2021 62024.Kasus Data Inflow Uang Kartal di Jawa Barat Periode 2011-2021
library(dplyr)
jabar <- datalongerjawa %>%
filter(Provinsi == 'Jawa Barat') %>%
select('Provinsi', 'Tahun', 'Kasus')
jabar## # A tibble: 11 x 3
## Provinsi Tahun Kasus
## <chr> <chr> <dbl>
## 1 Jawa Barat 2011 43775.
## 2 Jawa Barat 2012 60629.
## 3 Jawa Barat 2013 35190.
## 4 Jawa Barat 2014 78660.
## 5 Jawa Barat 2015 81303.
## 6 Jawa Barat 2016 88036.
## 7 Jawa Barat 2017 83220.
## 8 Jawa Barat 2018 87243.
## 9 Jawa Barat 2019 94846.
## 10 Jawa Barat 2020 76883.
## 11 Jawa Barat 2021 57295.Kasus Data Inflow Uang Kartal di Jawa Barat Periode 2021
library(dplyr)
jabar1 <- datalongerjawa %>%
filter(Provinsi == 'Jawa Barat', Tahun == '2021') %>%
select('Provinsi', 'Tahun', 'Kasus')
jabar1## # A tibble: 1 x 3
## Provinsi Tahun Kasus
## <chr> <chr> <dbl>
## 1 Jawa Barat 2021 57295.Visualisasi Pivot 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 = 90))
Visualisasi Pivot Data Inflow Uang Kartal di Pulau Jawa berdasarkan Tahun
ggplot(data = datalongerjawa, mapping = aes(x = Provinsi, y = Kasus)) +
geom_point() +
facet_wrap( ~ Tahun) +
theme(axis.text.x = element_text(angle = 90))