Visualisasi Pivot Data Outflow 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 4.1.2dataoutflowjawa <- read_excel(path = "outflowjawa.xlsx")
dataoutflowjawa## # 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 83511. 1.11e5 98969. 1.47e5 1.72e5 1.91e5 2.29e5 2.53e5 2.72e5 2.51e5
## 2 Jawa Ba~ 20782. 2.89e4 23067. 4.09e4 4.71e4 4.94e4 5.38e4 6.14e4 6.17e4 5.72e4
## 3 Jawa Te~ 19975. 2.85e4 29529. 3.91e4 4.68e4 5.37e4 6.28e4 6.94e4 7.24e4 7.23e4
## 4 Yogyaka~ 7538. 9.49e3 9708. 1.32e4 1.41e4 1.30e4 1.68e4 2.04e4 2.14e4 1.66e4
## 5 Jawa Ti~ 35217. 4.45e4 36665. 5.39e4 6.36e4 7.45e4 9.34e4 9.80e4 1.06e5 9.34e4
## 6 Banten 0 0 0 0 0 0 2.11e3 4.05e3 1.10e4 1.18e4
## # ... 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 Outflow Uang Kartal di Pulau Jawa Periode 2011 - 2021
datalongerjawa <- dataoutflowjawa %>%
pivot_longer(!Provinsi, names_to = "Tahun", values_to = "Kasus")
datalongerjawa## # A tibble: 66 x 3
## Provinsi Tahun Kasus
## <chr> <chr> <dbl>
## 1 Jawa 2011 83511.
## 2 Jawa 2012 111363.
## 3 Jawa 2013 98969.
## 4 Jawa 2014 147069.
## 5 Jawa 2015 171568.
## 6 Jawa 2016 190568.
## 7 Jawa 2017 228905.
## 8 Jawa 2018 253125.
## 9 Jawa 2019 271957.
## 10 Jawa 2020 251363.
## # ... with 56 more rowsPivot Data Outflow 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 83511.
## 2 Jawa 111363.
## 3 Jawa 98969.
## 4 Jawa 147069.
## 5 Jawa 171568.
## 6 Jawa 190568.
## 7 Jawa 228905.
## 8 Jawa 253125.
## 9 Jawa 271957.
## 10 Jawa 251363.
## # ... with 56 more rowsKasus Data Outflow 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 35217.
## 2 Jawa Timur 2012 44489.
## 3 Jawa Timur 2013 36665.
## 4 Jawa Timur 2014 53931.
## 5 Jawa Timur 2015 63585.
## 6 Jawa Timur 2016 74491.
## 7 Jawa Timur 2017 93396.
## 8 Jawa Timur 2018 97995.
## 9 Jawa Timur 2019 105514.
## 10 Jawa Timur 2020 93374.
## 11 Jawa Timur 2021 46029.Kasus Data Outflow 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 46029.Kasus Data Outflow 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 19975.
## 2 Jawa Tengah 2012 28493.
## 3 Jawa Tengah 2013 29529.
## 4 Jawa Tengah 2014 39110.
## 5 Jawa Tengah 2015 46840.
## 6 Jawa Tengah 2016 53659.
## 7 Jawa Tengah 2017 62761.
## 8 Jawa Tengah 2018 69368.
## 9 Jawa Tengah 2019 72363.
## 10 Jawa Tengah 2020 72342.
## 11 Jawa Tengah 2021 44455.Kasus Data Outflow 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 44455.Kasus Data Outflow 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 20782.
## 2 Jawa Barat 2012 28895.
## 3 Jawa Barat 2013 23067.
## 4 Jawa Barat 2014 40857.
## 5 Jawa Barat 2015 47063.
## 6 Jawa Barat 2016 49405.
## 7 Jawa Barat 2017 53825.
## 8 Jawa Barat 2018 61358.
## 9 Jawa Barat 2019 61692.
## 10 Jawa Barat 2020 57235.
## 11 Jawa Barat 2021 34763.Kasus Data Outflow 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 34763.Visualisasi Pivot Data Outflow 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 Outflow 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))