Manipulasi Data

Suatu manipulasi data diartikan sebagai suatu proses perubahan data sesuai dengan aturan yang diterapkan. Adapun manipulasi data digunakan untuk melakukan prediksi data sehingga seseorang dapat membuat rencana untuk mencegah hal-hal yang tidak diinginkan.

library(readxl)
inflowbali <- read_excel(path = "InflowBali.xlsx")
## New names:
## * `` -> ...1
inflowbali
## # A tibble: 4 x 13
##    ...1 Provinsi  `2011` `2012` `2013` `2014` `2015` `2016` `2017` `2018` `2019`
##   <dbl> <chr>      <dbl>  <dbl>  <dbl>  <dbl>  <dbl>  <dbl>  <dbl>  <dbl>  <dbl>
## 1     1 Bali Nus~ 10322. 14613. 17512. 20807. 23008. 30965. 30797. 33866. 38116.
## 2     2 Bali       6394.  8202.  5066. 11590. 13072. 17914. 16962. 18610. 21422.
## 3     3 Nusa Ten~  1803.  3676.  7024.  5704.  6285.  8842.  8383.  9140.  9614.
## 4     4 Nusa Ten~  2125.  2735.  5422.  3512.  3651.  4210.  5452.  6116.  7080.
## # ... with 2 more variables: `2020` <dbl>, `2021` <dbl>
library(tidyverse)
## -- Attaching packages --------------------------------------- tidyverse 1.3.1 --
## v ggplot2 3.3.5     v purrr   0.3.4
## v tibble  3.1.6     v dplyr   1.0.8
## v tidyr   1.2.0     v stringr 1.4.0
## v readr   2.1.2     v forcats 0.5.1
## -- Conflicts ------------------------------------------ tidyverse_conflicts() --
## x dplyr::filter() masks stats::filter()
## x dplyr::lag()    masks stats::lag()

Menampilkan Data Inflow Pada tahun 2015

inflowbali2015 <- select(inflowbali, '2015')
inflowbali2015
## # A tibble: 4 x 1
##   `2015`
##    <dbl>
## 1 23008.
## 2 13072.
## 3  6285.
## 4  3651.

Menampilkan Data Inflow Tahun 2011-2020 (Tanpa 2015)

library(tidyverse)
balinon2015 <- select(inflowbali, -'2015')
balinon2015
## # A tibble: 4 x 12
##    ...1 Provinsi  `2011` `2012` `2013` `2014` `2016` `2017` `2018` `2019` `2020`
##   <dbl> <chr>      <dbl>  <dbl>  <dbl>  <dbl>  <dbl>  <dbl>  <dbl>  <dbl>  <dbl>
## 1     1 Bali Nus~ 10322. 14613. 17512. 20807. 30965. 30797. 33866. 38116. 29400.
## 2     2 Bali       6394.  8202.  5066. 11590. 17914. 16962. 18610. 21422. 14735.
## 3     3 Nusa Ten~  1803.  3676.  7024.  5704.  8842.  8383.  9140.  9614.  8007.
## 4     4 Nusa Ten~  2125.  2735.  5422.  3512.  4210.  5452.  6116.  7080.  6657.
## # ... with 1 more variable: `2021` <dbl>

Merubah “2011” menjadi “Tahun 2011”

library(dplyr)
rename2011 <- inflowbali %>% rename('Tahun 2011' = '2011')
head(rename2011)
## # A tibble: 4 x 13
##    ...1 Provinsi   `Tahun 2011` `2012` `2013` `2014` `2015` `2016` `2017` `2018`
##   <dbl> <chr>             <dbl>  <dbl>  <dbl>  <dbl>  <dbl>  <dbl>  <dbl>  <dbl>
## 1     1 Bali Nusra       10322. 14613. 17512. 20807. 23008. 30965. 30797. 33866.
## 2     2 Bali              6394.  8202.  5066. 11590. 13072. 17914. 16962. 18610.
## 3     3 Nusa Teng~        1803.  3676.  7024.  5704.  6285.  8842.  8383.  9140.
## 4     4 Nusa Teng~        2125.  2735.  5422.  3512.  3651.  4210.  5452.  6116.
## # ... with 3 more variables: `2019` <dbl>, `2020` <dbl>, `2021` <dbl>

Memunculkan Data Inflow Provinsi Bali tahun 2011-2015

library(dplyr)
nusrabali <- inflowbali %>%
    filter(Provinsi == 'Bali') %>%
    select('2011','2012','2013','2014','2015')
nusrabali
## # A tibble: 1 x 5
##   `2011` `2012` `2013` `2014` `2015`
##    <dbl>  <dbl>  <dbl>  <dbl>  <dbl>
## 1  6394.  8202.  5066. 11590. 13072.

Memunculkan Data Inflow Provinsi NTB tahun 2012,2014,2016,2018

library(dplyr)
nusrantb <- inflowbali %>%
    filter(Provinsi == 'Nusa Tenggara Barat') %>%
    select('2012','2014','2016','2018')
nusrantb
## # A tibble: 1 x 4
##   `2012` `2014` `2016` `2018`
##    <dbl>  <dbl>  <dbl>  <dbl>
## 1  3676.  5704.  8842.  9140.

Memunculkan Struktur Data Inflow Uang Kuartal Pulau Bali-Nusra

str(inflowbali)
## tibble [4 x 13] (S3: tbl_df/tbl/data.frame)
##  $ ...1    : num [1:4] 1 2 3 4
##  $ Provinsi: chr [1:4] "Bali Nusra" "Bali" "Nusa Tenggara Barat" "Nusa Tenggara Timur"
##  $ 2011    : num [1:4] 10322 6394 1803 2125
##  $ 2012    : num [1:4] 14613 8202 3676 2735
##  $ 2013    : num [1:4] 17512 5066 7024 5422
##  $ 2014    : num [1:4] 20807 11590 5704 3512
##  $ 2015    : num [1:4] 23008 13072 6285 3651
##  $ 2016    : num [1:4] 30965 17914 8842 4210
##  $ 2017    : num [1:4] 30797 16962 8383 5452
##  $ 2018    : num [1:4] 33866 18610 9140 6116
##  $ 2019    : num [1:4] 38116 21422 9614 7080
##  $ 2020    : num [1:4] 29400 14735 8007 6657
##  $ 2021    : num [1:4] 18892 7505 5888 5498
str(inflowbali %>% group_by(Provinsi))
## grouped_df [4 x 13] (S3: grouped_df/tbl_df/tbl/data.frame)
##  $ ...1    : num [1:4] 1 2 3 4
##  $ Provinsi: chr [1:4] "Bali Nusra" "Bali" "Nusa Tenggara Barat" "Nusa Tenggara Timur"
##  $ 2011    : num [1:4] 10322 6394 1803 2125
##  $ 2012    : num [1:4] 14613 8202 3676 2735
##  $ 2013    : num [1:4] 17512 5066 7024 5422
##  $ 2014    : num [1:4] 20807 11590 5704 3512
##  $ 2015    : num [1:4] 23008 13072 6285 3651
##  $ 2016    : num [1:4] 30965 17914 8842 4210
##  $ 2017    : num [1:4] 30797 16962 8383 5452
##  $ 2018    : num [1:4] 33866 18610 9140 6116
##  $ 2019    : num [1:4] 38116 21422 9614 7080
##  $ 2020    : num [1:4] 29400 14735 8007 6657
##  $ 2021    : num [1:4] 18892 7505 5888 5498
##  - attr(*, "groups")= tibble [4 x 2] (S3: tbl_df/tbl/data.frame)
##   ..$ Provinsi: chr [1:4] "Bali" "Bali Nusra" "Nusa Tenggara Barat" "Nusa Tenggara Timur"
##   ..$ .rows   : list<int> [1:4] 
##   .. ..$ : int 2
##   .. ..$ : int 1
##   .. ..$ : int 3
##   .. ..$ : int 4
##   .. ..@ ptype: int(0) 
##   ..- attr(*, ".drop")= logi TRUE

Memunculkan Visualisasi Data Inflow Uang Kuartal Pulau Bali-Nusra 2015

ggplot(data = inflowbali, mapping = aes(x = Provinsi, y = `2015`)) +
  geom_point()

Referensi:

https://www.bi.go.id/id/fungsi-utama/sistem-pembayaran/pengelolaan-rupiah/default.aspx

https://rpubs.com/suhartono-uinmaliki/861286

https://laugiwa.medium.com/manipulasi-data-dengan-dplyr-part1-fb6f52c26576