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 4.1.2
datainflowsumatera <- read_excel(path = "inflowsumatera.xlsx")
datainflowsumatera
## # A tibble: 11 x 12
##    Provinsi      `2011` `2012` `2013`  `2014` `2015` `2016` `2017` `2018` `2019`
##    <chr>          <dbl>  <dbl>  <dbl>   <dbl>  <dbl>  <dbl>  <dbl>  <dbl>  <dbl>
##  1 Sumatera      57900. 65911. 98369. 86024.  86549. 97764. 1.04e5 1.17e5 1.34e5
##  2 Aceh           2308.  2620. 36337.  4567.   4710.  5775. 5.51e3 5.80e3 7.51e3
##  3 Sumatera Uta~ 23238. 25981. 18120. 30503.  30254. 34427. 3.56e4 4.18e4 4.71e4
##  4 Sumatera Bar~  9385. 11192. 14056. 14103.  13309. 14078. 1.53e4 1.51e4 1.47e4
##  5 Riau           3012.  4447.  8933.  6358.   7156.  8211. 8.55e3 1.07e4 1.09e4
##  6 Kep. Riau      1426.  2236.  3378.  2563.   3218.  4317. 4.41e3 5.13e3 6.08e3
##  7 Jambi          1868.  2138.  3047.  5169.   4978.  4398. 4.40e3 5.66e3 6.49e3
##  8 Sumatera Sel~  7820.  9126.  8647. 10038.  10797. 12752. 1.31e4 1.43e4 1.48e4
##  9 Bengkulu       1153.  1201.  2378.  3262.   2791.  2889. 3.62e3 4.15e3 5.79e3
## 10 Lampung        7690.  6969.  3474.  9448.   8160.  9373. 1.21e4 1.34e4 1.70e4
## 11 Kep. Bangka ~     0      0      0     13.7  1177.  1544. 1.16e3 1.52e3 3.27e3
## # ... with 2 more variables: 2020 <dbl>, 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 Sumatera Periode 2011 - 2021

datalongersumatera <- datainflowsumatera %>% 
  pivot_longer(!Provinsi, names_to = "Tahun", values_to = "Kasus")
datalongersumatera
## # A tibble: 121 x 3
##    Provinsi Tahun   Kasus
##    <chr>    <chr>   <dbl>
##  1 Sumatera 2011   57900.
##  2 Sumatera 2012   65911.
##  3 Sumatera 2013   98369.
##  4 Sumatera 2014   86024.
##  5 Sumatera 2015   86549.
##  6 Sumatera 2016   97764.
##  7 Sumatera 2017  103748.
##  8 Sumatera 2018  117495.
##  9 Sumatera 2019  133762.
## 10 Sumatera 2020  109345.
## # ... with 111 more rows

Pivot Data Inflow Uang Kartal di Pulau Sumatera berdasarkan Kasus

library(dplyr)
sumatera2 <- select(datalongersumatera, Provinsi, Kasus)
sumatera2 
## # A tibble: 121 x 2
##    Provinsi   Kasus
##    <chr>      <dbl>
##  1 Sumatera  57900.
##  2 Sumatera  65911.
##  3 Sumatera  98369.
##  4 Sumatera  86024.
##  5 Sumatera  86549.
##  6 Sumatera  97764.
##  7 Sumatera 103748.
##  8 Sumatera 117495.
##  9 Sumatera 133762.
## 10 Sumatera 109345.
## # ... with 111 more rows

Kasus Data Inflow Uang Kartal di Bengkulu Periode 2011 - 2021

library(dplyr)
bengkulu3 <- datalongersumatera  %>%
    filter(Provinsi == 'Bengkulu') %>%
    select('Provinsi', 'Tahun', 'Kasus')
bengkulu3 
## # A tibble: 11 x 3
##    Provinsi Tahun Kasus
##    <chr>    <chr> <dbl>
##  1 Bengkulu 2011  1153.
##  2 Bengkulu 2012  1201.
##  3 Bengkulu 2013  2378.
##  4 Bengkulu 2014  3262.
##  5 Bengkulu 2015  2791.
##  6 Bengkulu 2016  2889.
##  7 Bengkulu 2017  3620.
##  8 Bengkulu 2018  4150.
##  9 Bengkulu 2019  5789.
## 10 Bengkulu 2020  4971.
## 11 Bengkulu 2021  4160.

Kasus Data Inflow Uang Kartal di Bengkulu Tahun 2021

bengkulu4 <- datalongersumatera %>%
  filter(Provinsi == 'Bengkulu', Tahun == '2021') %>%
 select('Provinsi', 'Tahun', 'Kasus')
bengkulu4
## # A tibble: 1 x 3
##   Provinsi Tahun Kasus
##   <chr>    <chr> <dbl>
## 1 Bengkulu 2021  4160.

Kasus Data Inflow Uang Kartal di Jambi Periode 2011-2021

library(dplyr)
jambi <- datalongersumatera  %>%
    filter(Provinsi == 'Jambi') %>%
    select('Provinsi', 'Tahun', 'Kasus')
jambi
## # A tibble: 11 x 3
##    Provinsi Tahun Kasus
##    <chr>    <chr> <dbl>
##  1 Jambi    2011  1868.
##  2 Jambi    2012  2138.
##  3 Jambi    2013  3047.
##  4 Jambi    2014  5169.
##  5 Jambi    2015  4978.
##  6 Jambi    2016  4398.
##  7 Jambi    2017  4404.
##  8 Jambi    2018  5657.
##  9 Jambi    2019  6486.
## 10 Jambi    2020  5628.
## 11 Jambi    2021  4980.

Kasus Data Inflow Uang Kartal di Jambi Periode 2021

library(dplyr)
jambi1 <- datalongersumatera %>%
  filter(Provinsi == 'Jambi', Tahun == '2021') %>%
 select('Provinsi', 'Tahun', 'Kasus')
jambi1
## # A tibble: 1 x 3
##   Provinsi Tahun Kasus
##   <chr>    <chr> <dbl>
## 1 Jambi    2021  4980.

Kasus Data Inflow Uang Kartal di Sumatera Barat Periode 2011-2021

library(dplyr)
sumbar <- datalongersumatera  %>%
    filter(Provinsi == 'Sumatera Barat') %>%
    select('Provinsi', 'Tahun', 'Kasus')
sumbar 
## # A tibble: 11 x 3
##    Provinsi       Tahun  Kasus
##    <chr>          <chr>  <dbl>
##  1 Sumatera Barat 2011   9385.
##  2 Sumatera Barat 2012  11192.
##  3 Sumatera Barat 2013  14056.
##  4 Sumatera Barat 2014  14103.
##  5 Sumatera Barat 2015  13309.
##  6 Sumatera Barat 2016  14078.
##  7 Sumatera Barat 2017  15312.
##  8 Sumatera Barat 2018  15058.
##  9 Sumatera Barat 2019  14750.
## 10 Sumatera Barat 2020  10696.
## 11 Sumatera Barat 2021  10748.

Kasus Data Inflow Uang Kartal di Sumatera Barat Periode 2021

library(dplyr)
sumbar1 <- datalongersumatera %>%
  filter(Provinsi == 'Sumatera Barat', Tahun == '2021') %>%
 select('Provinsi', 'Tahun', 'Kasus')
sumbar1
## # A tibble: 1 x 3
##   Provinsi       Tahun  Kasus
##   <chr>          <chr>  <dbl>
## 1 Sumatera Barat 2021  10748.

Visualisasi Pivot Data Inflow Uang Kartal di Pulau Sumatera berdasarkan Provinsi

ggplot(data = datalongersumatera, 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 Sumatera berdasarkan Tahun

ggplot(data = datalongersumatera, mapping = aes(x = Provinsi, y = Kasus)) +
  geom_point() +
  facet_wrap( ~ Tahun) +
  theme(axis.text.x = element_text(angle = 90))

Referensi

https://www.kitalulus.com/seputar-kerja/pivot-table-adalah

https://www.bi.go.id/id/statistik/ekonomi-keuangan/ssp/indikator-pengedaran-uang.aspx