Manipulasi Data dari Inflow Uang Kartal di Pulau Sumatera Dengan Library dplyr dan tabel ggplot Menggunakan RStudio
Hilmi Zuhri Adi Brata, Prof. Dr. Suhartono, M.Kom
3/28/2022
Mata Kuliah : Linear Algebra (C)
Dosen Pengampu : Prof. Dr. Suhartono, M.Kom
Lembaga : Universitas Islam Negeri Maulana Malik Ibrahim Malang
Fakultas : Sains dan Teknologi
Jurusan : Teknik Informatika
NIM : 210605110034
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 pemilik dapat segera menerima informasi yang bermanfaat. Berikut manipulasi data inflow uang kartal di pulau Kalimantan.
Data Inflow Di Pulau Sumatera
library(readxl)## Warning: package 'readxl' was built under R version 4.1.2datainflowSumatera <- read_excel(path = "Linear Algebra/PivotInflowSumatera.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. 8.60e4 86549. 97764. 1.04e5 1.17e5 1.34e5
## 2 Aceh 2308. 2620. 36337. 4.57e3 4710. 5775. 5.51e3 5.80e3 7.51e3
## 3 Sumatera Utara 23238. 25981. 18120. 3.05e4 30254. 34427. 3.56e4 4.18e4 4.71e4
## 4 Sumatera Barat 9385. 11192. 14056. 1.41e4 13309. 14078. 1.53e4 1.51e4 1.47e4
## 5 Riau 3012. 4447. 8933. 6.36e3 7156. 8211. 8.55e3 1.07e4 1.09e4
## 6 Kep. Riau 1426. 2236. 3378. 2.56e3 3218. 4317. 4.41e3 5.13e3 6.08e3
## 7 Jambi 1868. 2138. 3047. 5.17e3 4978. 4398. 4.40e3 5.66e3 6.49e3
## 8 Sumatera Sela~ 7820. 9126. 8647. 1.00e4 10797. 12752. 1.31e4 1.43e4 1.48e4
## 9 Bengkulu 1153. 1201. 2378. 3.26e3 2791. 2889. 3.62e3 4.15e3 5.79e3
## 10 Lampung 7690. 6969. 3474. 9.45e3 8160. 9373. 1.21e4 1.34e4 1.70e4
## 11 Kep. Bangka B~ 0 0 0 1.37e1 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 3.1.6 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## Warning: package 'ggplot2' was built under R version 4.1.2## Warning: package 'tibble' was built under R version 4.1.2## Warning: package 'tidyr' was built under R version 4.1.2## Warning: package 'readr' was built under R version 4.1.2## Warning: package 'purrr' was built under R version 4.1.2## Warning: package 'dplyr' was built under R version 4.1.2## Warning: package 'forcats' was built under R version 4.1.2## -- Conflicts ------------------------------------------ tidyverse_conflicts() --
## x dplyr::filter() masks stats::filter()
## x dplyr::lag() masks stats::lag()##Menghapus Beberapa Variabel yang Tidak Ingin Digunakan
Sumatera<- select(datainflowSumatera,'Provinsi','2011')
Sumatera## # A tibble: 11 x 2
## Provinsi `2011`
## <chr> <dbl>
## 1 Sumatera 57900.
## 2 Aceh 2308.
## 3 Sumatera Utara 23238.
## 4 Sumatera Barat 9385.
## 5 Riau 3012.
## 6 Kep. Riau 1426.
## 7 Jambi 1868.
## 8 Sumatera Selatan 7820.
## 9 Bengkulu 1153.
## 10 Lampung 7690.
## 11 Kep. Bangka Belitung 0Sumatera2<- select(datainflowSumatera,'Provinsi','2012','2013','2014','2015')
Sumatera2## # A tibble: 11 x 5
## Provinsi `2012` `2013` `2014` `2015`
## <chr> <dbl> <dbl> <dbl> <dbl>
## 1 Sumatera 65911. 98369. 86024. 86549.
## 2 Aceh 2620. 36337. 4567. 4710.
## 3 Sumatera Utara 25981. 18120. 30503. 30254.
## 4 Sumatera Barat 11192. 14056. 14103. 13309.
## 5 Riau 4447. 8933. 6358. 7156.
## 6 Kep. Riau 2236. 3378. 2563. 3218.
## 7 Jambi 2138. 3047. 5169. 4978.
## 8 Sumatera Selatan 9126. 8647. 10038. 10797.
## 9 Bengkulu 1201. 2378. 3262. 2791.
## 10 Lampung 6969. 3474. 9448. 8160.
## 11 Kep. Bangka Belitung 0 0 13.7 1177.Memilih Variabel Yang Ingin Digunakan
Sumateramin2011 <- select(datainflowSumatera, -'2016')
Sumateramin2011## # A tibble: 11 x 11
## Provinsi `2011` `2012` `2013` `2014` `2015` `2017` `2018` `2019` `2020`
## <chr> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl>
## 1 Sumatera 57900. 65911. 98369. 8.60e4 86549. 1.04e5 1.17e5 1.34e5 1.09e5
## 2 Aceh 2308. 2620. 36337. 4.57e3 4710. 5.51e3 5.80e3 7.51e3 6.64e3
## 3 Sumatera Utara 23238. 25981. 18120. 3.05e4 30254. 3.56e4 4.18e4 4.71e4 3.66e4
## 4 Sumatera Barat 9385. 11192. 14056. 1.41e4 13309. 1.53e4 1.51e4 1.47e4 1.07e4
## 5 Riau 3012. 4447. 8933. 6.36e3 7156. 8.55e3 1.07e4 1.09e4 9.15e3
## 6 Kep. Riau 1426. 2236. 3378. 2.56e3 3218. 4.41e3 5.13e3 6.08e3 6.18e3
## 7 Jambi 1868. 2138. 3047. 5.17e3 4978. 4.40e3 5.66e3 6.49e3 5.63e3
## 8 Sumatera Sela~ 7820. 9126. 8647. 1.00e4 10797. 1.31e4 1.43e4 1.48e4 1.18e4
## 9 Bengkulu 1153. 1201. 2378. 3.26e3 2791. 3.62e3 4.15e3 5.79e3 4.97e3
## 10 Lampung 7690. 6969. 3474. 9.45e3 8160. 1.21e4 1.34e4 1.70e4 1.52e4
## 11 Kep. Bangka B~ 0 0 0 1.37e1 1177. 1.16e3 1.52e3 3.27e3 2.56e3
## # ... with 1 more variable: `2021` <dbl>Sintaks ini menggunakan fungsi select, dan select ini tidak hanya untuk memilih kolom dalam jumlah banyak, melainkan juga bisa untuk mengganti nama kolomnya. misalnya :
Sumateramin1 <- datainflowSumatera %>%
select( 'Provinsi', '2017', '2018','2019','2020')
Sumateramin1## # A tibble: 11 x 5
## Provinsi `2017` `2018` `2019` `2020`
## <chr> <dbl> <dbl> <dbl> <dbl>
## 1 Sumatera 103748. 117495. 133762. 109345.
## 2 Aceh 5514. 5799. 7509. 6641.
## 3 Sumatera Utara 35617. 41769. 47112. 36609.
## 4 Sumatera Barat 15312. 15058. 14750. 10696.
## 5 Riau 8553. 10730. 10915. 9148.
## 6 Kep. Riau 4412. 5134. 6077. 6175.
## 7 Jambi 4404. 5657. 6486. 5628.
## 8 Sumatera Selatan 13075. 14267. 14812. 11756.
## 9 Bengkulu 3620. 4150. 5789. 4971.
## 10 Lampung 12078. 13415. 17046. 15158.
## 11 Kep. Bangka Belitung 1164. 1517. 3265. 2562.Mengganti Tabel Tahun
library(dplyr)
Sumateratahun2 <-datainflowSumatera %>% rename('2010' = '2011')
head(Sumateratahun2)## # A tibble: 6 x 12
## Provinsi `2010` `2012` `2013` `2014` `2015` `2016` `2017` `2018` `2019` `2020`
## <chr> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl>
## 1 Sumatera 57900. 65911. 98369. 86024. 86549. 97764. 1.04e5 1.17e5 1.34e5 1.09e5
## 2 Aceh 2308. 2620. 36337. 4567. 4710. 5775. 5.51e3 5.80e3 7.51e3 6.64e3
## 3 Sumater~ 23238. 25981. 18120. 30503. 30254. 34427. 3.56e4 4.18e4 4.71e4 3.66e4
## 4 Sumater~ 9385. 11192. 14056. 14103. 13309. 14078. 1.53e4 1.51e4 1.47e4 1.07e4
## 5 Riau 3012. 4447. 8933. 6358. 7156. 8211. 8.55e3 1.07e4 1.09e4 9.15e3
## 6 Kep. Ri~ 1426. 2236. 3378. 2563. 3218. 4317. 4.41e3 5.13e3 6.08e3 6.18e3
## # ... with 1 more variable: `2021` <dbl>Mengambil Nilai yang Tidak Duplikasi dari Variabel Dari Sebuah Variabel
Sumatera4 <- distinct(datainflowSumatera, `2015`)
Sumatera4## # A tibble: 11 x 1
## `2015`
## <dbl>
## 1 86549.
## 2 4710.
## 3 30254.
## 4 13309.
## 5 7156.
## 6 3218.
## 7 4978.
## 8 10797.
## 9 2791.
## 10 8160.
## 11 1177.Di Semua Variabel
Sumatera5 <- distinct(datainflowSumatera, `2015`, .keep_all = TRUE)
Sumatera5## # 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. 8.60e4 86549. 97764. 1.04e5 1.17e5 1.34e5
## 2 Aceh 2308. 2620. 36337. 4.57e3 4710. 5775. 5.51e3 5.80e3 7.51e3
## 3 Sumatera Utara 23238. 25981. 18120. 3.05e4 30254. 34427. 3.56e4 4.18e4 4.71e4
## 4 Sumatera Barat 9385. 11192. 14056. 1.41e4 13309. 14078. 1.53e4 1.51e4 1.47e4
## 5 Riau 3012. 4447. 8933. 6.36e3 7156. 8211. 8.55e3 1.07e4 1.09e4
## 6 Kep. Riau 1426. 2236. 3378. 2.56e3 3218. 4317. 4.41e3 5.13e3 6.08e3
## 7 Jambi 1868. 2138. 3047. 5.17e3 4978. 4398. 4.40e3 5.66e3 6.49e3
## 8 Sumatera Sela~ 7820. 9126. 8647. 1.00e4 10797. 12752. 1.31e4 1.43e4 1.48e4
## 9 Bengkulu 1153. 1201. 2378. 3.26e3 2791. 2889. 3.62e3 4.15e3 5.79e3
## 10 Lampung 7690. 6969. 3474. 9.45e3 8160. 9373. 1.21e4 1.34e4 1.70e4
## 11 Kep. Bangka B~ 0 0 0 1.37e1 1177. 1544. 1.16e3 1.52e3 3.27e3
## # ... with 2 more variables: `2020` <dbl>, `2021` <dbl>Menyeleksi Baris pada Tabel
Sumatera6 <- datainflowSumatera %>%
filter(Provinsi <= 'Aceh') %>%
select(`2018`,`2019`)
Sumatera6## # A tibble: 1 x 2
## `2018` `2019`
## <dbl> <dbl>
## 1 5799. 7509.Sumatera7 <- datainflowSumatera %>%
filter(Provinsi == 'Aceh', Provinsi == 'Lampung') %>%
select( -`2020`)
Sumatera7## # A tibble: 0 x 11
## # ... with 11 variables: Provinsi <chr>, 2011 <dbl>, 2012 <dbl>, 2013 <dbl>,
## # 2014 <dbl>, 2015 <dbl>, 2016 <dbl>, 2017 <dbl>, 2018 <dbl>, 2019 <dbl>,
## # 2021 <dbl>str(datainflowSumatera)## tibble [11 x 12] (S3: tbl_df/tbl/data.frame)
## $ Provinsi: chr [1:11] "Sumatera" "Aceh" "Sumatera Utara" "Sumatera Barat" ...
## $ 2011 : num [1:11] 57900 2308 23238 9385 3012 ...
## $ 2012 : num [1:11] 65911 2620 25981 11192 4447 ...
## $ 2013 : num [1:11] 98369 36337 18120 14056 8933 ...
## $ 2014 : num [1:11] 86024 4567 30503 14103 6358 ...
## $ 2015 : num [1:11] 86549 4710 30254 13309 7156 ...
## $ 2016 : num [1:11] 97764 5775 34427 14078 8211 ...
## $ 2017 : num [1:11] 103748 5514 35617 15312 8553 ...
## $ 2018 : num [1:11] 117495 5799 41769 15058 10730 ...
## $ 2019 : num [1:11] 133762 7509 47112 14750 10915 ...
## $ 2020 : num [1:11] 109345 6641 36609 10696 9148 ...
## $ 2021 : num [1:11] 89270 3702 31840 10748 7769 ...str(datainflowSumatera %>% group_by(Provinsi))## grouped_df [11 x 12] (S3: grouped_df/tbl_df/tbl/data.frame)
## $ Provinsi: chr [1:11] "Sumatera" "Aceh" "Sumatera Utara" "Sumatera Barat" ...
## $ 2011 : num [1:11] 57900 2308 23238 9385 3012 ...
## $ 2012 : num [1:11] 65911 2620 25981 11192 4447 ...
## $ 2013 : num [1:11] 98369 36337 18120 14056 8933 ...
## $ 2014 : num [1:11] 86024 4567 30503 14103 6358 ...
## $ 2015 : num [1:11] 86549 4710 30254 13309 7156 ...
## $ 2016 : num [1:11] 97764 5775 34427 14078 8211 ...
## $ 2017 : num [1:11] 103748 5514 35617 15312 8553 ...
## $ 2018 : num [1:11] 117495 5799 41769 15058 10730 ...
## $ 2019 : num [1:11] 133762 7509 47112 14750 10915 ...
## $ 2020 : num [1:11] 109345 6641 36609 10696 9148 ...
## $ 2021 : num [1:11] 89270 3702 31840 10748 7769 ...
## - 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 TRUEPengelompokkan dan Pengurutkan Data
Pengelompokkan Data
Sumateraup <- datainflowSumatera %>%
group_by(Provinsi)
Sumateraup## # A tibble: 11 x 12
## # Groups: Provinsi [11]
## 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. 8.60e4 86549. 97764. 1.04e5 1.17e5 1.34e5
## 2 Aceh 2308. 2620. 36337. 4.57e3 4710. 5775. 5.51e3 5.80e3 7.51e3
## 3 Sumatera Utara 23238. 25981. 18120. 3.05e4 30254. 34427. 3.56e4 4.18e4 4.71e4
## 4 Sumatera Barat 9385. 11192. 14056. 1.41e4 13309. 14078. 1.53e4 1.51e4 1.47e4
## 5 Riau 3012. 4447. 8933. 6.36e3 7156. 8211. 8.55e3 1.07e4 1.09e4
## 6 Kep. Riau 1426. 2236. 3378. 2.56e3 3218. 4317. 4.41e3 5.13e3 6.08e3
## 7 Jambi 1868. 2138. 3047. 5.17e3 4978. 4398. 4.40e3 5.66e3 6.49e3
## 8 Sumatera Sela~ 7820. 9126. 8647. 1.00e4 10797. 12752. 1.31e4 1.43e4 1.48e4
## 9 Bengkulu 1153. 1201. 2378. 3.26e3 2791. 2889. 3.62e3 4.15e3 5.79e3
## 10 Lampung 7690. 6969. 3474. 9.45e3 8160. 9373. 1.21e4 1.34e4 1.70e4
## 11 Kep. Bangka B~ 0 0 0 1.37e1 1177. 1544. 1.16e3 1.52e3 3.27e3
## # ... with 2 more variables: `2020` <dbl>, `2021` <dbl>Pengurutan Data
Sumateraubah <- arrange(datainflowSumatera, `2012`)
Sumateraubah## # 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 Kep. Bangka B~ 0 0 0 1.37e1 1177. 1544. 1.16e3 1.52e3 3.27e3
## 2 Bengkulu 1153. 1201. 2378. 3.26e3 2791. 2889. 3.62e3 4.15e3 5.79e3
## 3 Jambi 1868. 2138. 3047. 5.17e3 4978. 4398. 4.40e3 5.66e3 6.49e3
## 4 Kep. Riau 1426. 2236. 3378. 2.56e3 3218. 4317. 4.41e3 5.13e3 6.08e3
## 5 Aceh 2308. 2620. 36337. 4.57e3 4710. 5775. 5.51e3 5.80e3 7.51e3
## 6 Riau 3012. 4447. 8933. 6.36e3 7156. 8211. 8.55e3 1.07e4 1.09e4
## 7 Lampung 7690. 6969. 3474. 9.45e3 8160. 9373. 1.21e4 1.34e4 1.70e4
## 8 Sumatera Sela~ 7820. 9126. 8647. 1.00e4 10797. 12752. 1.31e4 1.43e4 1.48e4
## 9 Sumatera Barat 9385. 11192. 14056. 1.41e4 13309. 14078. 1.53e4 1.51e4 1.47e4
## 10 Sumatera Utara 23238. 25981. 18120. 3.05e4 30254. 34427. 3.56e4 4.18e4 4.71e4
## 11 Sumatera 57900. 65911. 98369. 8.60e4 86549. 97764. 1.04e5 1.17e5 1.34e5
## # ... with 2 more variables: `2020` <dbl>, `2021` <dbl>Menambahkan kolom pada tabel
Sumateraup1 <- datainflowSumatera %>%
mutate(`2021` = datainflowSumatera$`2020`/2)
Sumateraup1## # 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. 8.60e4 86549. 97764. 1.04e5 1.17e5 1.34e5
## 2 Aceh 2308. 2620. 36337. 4.57e3 4710. 5775. 5.51e3 5.80e3 7.51e3
## 3 Sumatera Utara 23238. 25981. 18120. 3.05e4 30254. 34427. 3.56e4 4.18e4 4.71e4
## 4 Sumatera Barat 9385. 11192. 14056. 1.41e4 13309. 14078. 1.53e4 1.51e4 1.47e4
## 5 Riau 3012. 4447. 8933. 6.36e3 7156. 8211. 8.55e3 1.07e4 1.09e4
## 6 Kep. Riau 1426. 2236. 3378. 2.56e3 3218. 4317. 4.41e3 5.13e3 6.08e3
## 7 Jambi 1868. 2138. 3047. 5.17e3 4978. 4398. 4.40e3 5.66e3 6.49e3
## 8 Sumatera Sela~ 7820. 9126. 8647. 1.00e4 10797. 12752. 1.31e4 1.43e4 1.48e4
## 9 Bengkulu 1153. 1201. 2378. 3.26e3 2791. 2889. 3.62e3 4.15e3 5.79e3
## 10 Lampung 7690. 6969. 3474. 9.45e3 8160. 9373. 1.21e4 1.34e4 1.70e4
## 11 Kep. Bangka B~ 0 0 0 1.37e1 1177. 1544. 1.16e3 1.52e3 3.27e3
## # ... with 2 more variables: `2020` <dbl>, `2021` <dbl>Visualisasi Data Tabel dengan ggplot
ggplot Dengan Grafik Titik :
ggplot(data = datainflowSumatera, mapping = aes(x = Provinsi, y = `2011`)) +
geom_point()
ggplot(data = datainflowSumatera, mapping = aes(x = Provinsi, y = `2012`)) +
geom_point()