Pengertian Manipulasi Data
Manipulasi Data adalah istilah yang digunakan untuk menggambarkan proses modifikasi struktur data agar lebih mudah dibaca. Misalnya, Anda dapat mengurutkan data berdasarkan abjad. Sehingga pemiliki dapat segera menerima informasi yang bermanfaat. Berikut manipulasi Data Inflow uang kartal di pulau Sumatera :
## # A tibble: 11 x 13
## Provinsi Januari Februari Maret April Mei Juni Juli Agustus September
## <chr> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl>
## 1 Sumatera 19331. 10365. 7129. 6537. 7788. 14947. 8278. 8012. 7559.
## 2 Aceh 1642. 693. 297. 281. 489. 1095. 258. 593. 410.
## 3 Sumatera U~ 6477. 3659. 2723. 2036. 2380. 4344. 3057. 2371. 2391.
## 4 Sumatera B~ 1937. 868. 594. 586. 461. 1753. 721. 934. 842.
## 5 Riau 1567. 900. 657. 465. 832. 1646. 754. 643. 373.
## 6 Kep. Riau 731. 637. 387. 525. 380. 794. 507. 486. 527.
## 7 Jambi 929. 453. 376. 488. 366. 926. 419. 363. 364.
## 8 Sumatera S~ 2054. 915. 680. 666. 1019. 1433. 1025. 933. 922.
## 9 Bengkulu 984. 518. 323. 296. 331. 594. 290. 409. 439.
## 10 Lampung 2552. 1446. 939. 955. 1276. 1889. 1067. 1128. 1160.
## 11 Kep. Bangk~ 458. 276. 154. 239. 253. 472. 180. 152. 130.
## # ... with 3 more variables: Oktober <dbl>, November <dbl>, Desember <dbl>
|
Manipulasi Data Inflow Uang Kartal di Pulau Sumatera pada bulan Februari 2020 |
library(tidyverse)
sumutfeb <- select(dataout, 'Provinsi', 'Februari')
sumutfeb
## # A tibble: 11 x 2
## Provinsi Februari
## <chr> <dbl>
## 1 Sumatera 10365.
## 2 Aceh 693.
## 3 Sumatera Utara 3659.
## 4 Sumatera Barat 868.
## 5 Riau 900.
## 6 Kep. Riau 637.
## 7 Jambi 453.
## 8 Sumatera Selatan 915.
## 9 Bengkulu 518.
## 10 Lampung 1446.
## 11 Kep. Bangka Belitung 276.
|
Manipulasi Data Inflow Uang Kartal di Pulau Sumatera pada bulan September - Oktober 2020 |
septokt <- dataout %>% select('Provinsi', 'September', 'Oktober')
septokt
## # A tibble: 11 x 3
## Provinsi September Oktober
## <chr> <dbl> <dbl>
## 1 Sumatera 7559. 5735.
## 2 Aceh 410. 274.
## 3 Sumatera Utara 2391. 1909.
## 4 Sumatera Barat 842. 604.
## 5 Riau 373. 524.
## 6 Kep. Riau 527. 415.
## 7 Jambi 364. 290.
## 8 Sumatera Selatan 922. 620.
## 9 Bengkulu 439. 282.
## 10 Lampung 1160. 739.
## 11 Kep. Bangka Belitung 130. 78.3
|
Manipulasi Data Inflow Uang Kartal di Pulau Sumatera dengan mengganti bulan Maret menjadi Maret 2020 |
sumutrename <- dataout %>% rename('Maret 2020' = 'Maret')
head(sumutrename)
## # A tibble: 6 x 13
## Provinsi Januari Februari `Maret 2020` April Mei Juni Juli Agustus
## <chr> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl>
## 1 Sumatera 19331. 10365. 7129. 6537. 7788. 14947. 8278. 8012.
## 2 Aceh 1642. 693. 297. 281. 489. 1095. 258. 593.
## 3 Sumatera Utara 6477. 3659. 2723. 2036. 2380. 4344. 3057. 2371.
## 4 Sumatera Barat 1937. 868. 594. 586. 461. 1753. 721. 934.
## 5 Riau 1567. 900. 657. 465. 832. 1646. 754. 643.
## 6 Kep. Riau 731. 637. 387. 525. 380. 794. 507. 486.
## # ... with 4 more variables: September <dbl>, Oktober <dbl>, November <dbl>,
## # Desember <dbl>
|
Manipulasi Data Inflow Uang Kartal di Pulau Sumatera Provinsi Aceh pada bulan Januari - Maret 2020 |
Aceh <- dataout %>%
filter(Provinsi == 'Aceh') %>%
select('Provinsi','Januari', 'Februari', 'Maret')
Aceh
## # A tibble: 1 x 4
## Provinsi Januari Februari Maret
## <chr> <dbl> <dbl> <dbl>
## 1 Aceh 1642. 693. 297.
|
Manipulasi Data Inflow Uang Kartal di Pulau Sumatera Provinsi Riau pada bulan Oktober -Desember 2020 |
Riau <- dataout %>%
filter(Provinsi == 'Riau') %>%
select('Provinsi','Oktober', 'November', 'Desember')
Riau
## # A tibble: 1 x 4
## Provinsi Oktober November Desember
## <chr> <dbl> <dbl> <dbl>
## 1 Riau 524. 612. 174.
|
Struktur Data Inflow Uang Kartal di Pulau Sumatera |
str(dataout)
## tibble [11 x 13] (S3: tbl_df/tbl/data.frame)
## $ Provinsi : chr [1:11] "Sumatera" "Aceh" "Sumatera Utara" "Sumatera Barat" ...
## $ Januari : num [1:11] 19331 1642 6477 1937 1567 ...
## $ Februari : num [1:11] 10365 693 3659 868 900 ...
## $ Maret : num [1:11] 7129 297 2723 594 657 ...
## $ April : num [1:11] 6537 281 2036 586 465 ...
## $ Mei : num [1:11] 7788 489 2380 461 832 ...
## $ Juni : num [1:11] 14947 1095 4344 1753 1646 ...
## $ Juli : num [1:11] 8278 258 3057 721 754 ...
## $ Agustus : num [1:11] 8012 593 2371 934 643 ...
## $ September: num [1:11] 7559 410 2391 842 373 ...
## $ Oktober : num [1:11] 5735 274 1909 604 524 ...
## $ November : num [1:11] 8463 438 2827 893 612 ...
## $ Desember : num [1:11] 5200 171 2435 502 174 ...
str(dataout %>% group_by(Provinsi))
## grouped_df [11 x 13] (S3: grouped_df/tbl_df/tbl/data.frame)
## $ Provinsi : chr [1:11] "Sumatera" "Aceh" "Sumatera Utara" "Sumatera Barat" ...
## $ Januari : num [1:11] 19331 1642 6477 1937 1567 ...
## $ Februari : num [1:11] 10365 693 3659 868 900 ...
## $ Maret : num [1:11] 7129 297 2723 594 657 ...
## $ April : num [1:11] 6537 281 2036 586 465 ...
## $ Mei : num [1:11] 7788 489 2380 461 832 ...
## $ Juni : num [1:11] 14947 1095 4344 1753 1646 ...
## $ Juli : num [1:11] 8278 258 3057 721 754 ...
## $ Agustus : num [1:11] 8012 593 2371 934 643 ...
## $ September: num [1:11] 7559 410 2391 842 373 ...
## $ Oktober : num [1:11] 5735 274 1909 604 524 ...
## $ November : num [1:11] 8463 438 2827 893 612 ...
## $ Desember : num [1:11] 5200 171 2435 502 174 ...
## - attr(*, "groups")= tibble [11 x 2] (S3: tbl_df/tbl/data.frame)
## ..$ Provinsi: chr [1:11] "Aceh" "Bengkulu" "Jambi" "Kep. Bangka Belitung" ...
## ..$ .rows : list<int> [1:11]
## .. ..$ : int 2
## .. ..$ : int 9
## .. ..$ : int 7
## .. ..$ : int 11
## .. ..$ : int 6
## .. ..$ : int 10
## .. ..$ : int 5
## .. ..$ : int 1
## .. ..$ : int 4
## .. ..$ : int 8
## .. ..$ : int 3
## .. ..@ ptype: int(0)
## ..- attr(*, ".drop")= logi TRUE
sumut <- dataout %>%
group_by(Provinsi)
sumut
## # A tibble: 11 x 13
## # Groups: Provinsi [11]
## Provinsi Januari Februari Maret April Mei Juni Juli Agustus September
## <chr> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl>
## 1 Sumatera 19331. 10365. 7129. 6537. 7788. 14947. 8278. 8012. 7559.
## 2 Aceh 1642. 693. 297. 281. 489. 1095. 258. 593. 410.
## 3 Sumatera U~ 6477. 3659. 2723. 2036. 2380. 4344. 3057. 2371. 2391.
## 4 Sumatera B~ 1937. 868. 594. 586. 461. 1753. 721. 934. 842.
## 5 Riau 1567. 900. 657. 465. 832. 1646. 754. 643. 373.
## 6 Kep. Riau 731. 637. 387. 525. 380. 794. 507. 486. 527.
## 7 Jambi 929. 453. 376. 488. 366. 926. 419. 363. 364.
## 8 Sumatera S~ 2054. 915. 680. 666. 1019. 1433. 1025. 933. 922.
## 9 Bengkulu 984. 518. 323. 296. 331. 594. 290. 409. 439.
## 10 Lampung 2552. 1446. 939. 955. 1276. 1889. 1067. 1128. 1160.
## 11 Kep. Bangk~ 458. 276. 154. 239. 253. 472. 180. 152. 130.
## # ... with 3 more variables: Oktober <dbl>, November <dbl>, Desember <dbl>
dataout %>%
filter(Provinsi == 'Aceh') %>%
count('Aceh', sort = TRUE)
## # A tibble: 1 x 2
## `"Aceh"` n
## <chr> <int>
## 1 Aceh 1
sumutaceh <- dataout %>%
mutate('Januari' = dataout$'Februari'/2)
sumutaceh
## # A tibble: 11 x 13
## Provinsi Januari Februari Maret April Mei Juni Juli Agustus September
## <chr> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl>
## 1 Sumatera 5183. 10365. 7129. 6537. 7788. 14947. 8278. 8012. 7559.
## 2 Aceh 346. 693. 297. 281. 489. 1095. 258. 593. 410.
## 3 Sumatera U~ 1830. 3659. 2723. 2036. 2380. 4344. 3057. 2371. 2391.
## 4 Sumatera B~ 434. 868. 594. 586. 461. 1753. 721. 934. 842.
## 5 Riau 450. 900. 657. 465. 832. 1646. 754. 643. 373.
## 6 Kep. Riau 319. 637. 387. 525. 380. 794. 507. 486. 527.
## 7 Jambi 227. 453. 376. 488. 366. 926. 419. 363. 364.
## 8 Sumatera S~ 457. 915. 680. 666. 1019. 1433. 1025. 933. 922.
## 9 Bengkulu 259. 518. 323. 296. 331. 594. 290. 409. 439.
## 10 Lampung 723. 1446. 939. 955. 1276. 1889. 1067. 1128. 1160.
## 11 Kep. Bangk~ 138. 276. 154. 239. 253. 472. 180. 152. 130.
## # ... with 3 more variables: Oktober <dbl>, November <dbl>, Desember <dbl>
|
Visualisasi Data Inflow Uang Kartal di Pulau Sumatera pada bulan Februari 2020 |
|
ggplot(data = dataout, mapping = aes(x = Provinsi, y = `Februari`)) +
geom_point()
https://inmarketing.id/data-manipulation-adalah.html
https://rpubs.com/suhartono-uinmaliki/861286
https://www.bi.go.id/id/fungsi-utama/sistem-pembayaran/pengelolaan-rupiah/default.aspx