Relasional Data Set antara IHK (Indeks Harga Konsumen) dengan Tingkat Inflansi Desember 2021 Kota-kota di Pulau Sumatera dengan Nasional
Muh Miftahul Khair, Prof. Dr. Suhartono, M.Kom
28/3/2022
Lembaga : UIN Maulana Malik Ibrahim Malang
Jurusan : Teknik Informatika
1. Data IHK Kota-Kota Pulau Sumatera
1.1 Tabel Data IHK
library(tidyverse)## Warning: package 'tidyverse' was built under R version 4.1.3## -- 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 4.1.3## Warning: package 'tibble' was built under R version 4.1.3## Warning: package 'tidyr' was built under R version 4.1.3## Warning: package 'readr' was built under R version 4.1.3## Warning: package 'purrr' was built under R version 4.1.3## Warning: package 'dplyr' was built under R version 4.1.3## Warning: package 'forcats' was built under R version 4.1.3## -- Conflicts ------------------------------------------ tidyverse_conflicts() --
## x dplyr::filter() masks stats::filter()
## x dplyr::lag() masks stats::lag()data_IHK <-data.frame(Kota = c('Meulaboh', 'Banda Aceh', 'Lhokseumawe',
'Sibolga', 'Pematang Siantar', 'Medan', 'Padangsidimpuan', 'Gunungsitoli', 'Padang', 'Bukittinggi', 'Tembilahan', 'Pekanbaru', 'Dumai' , 'Bungo', 'Jambi', 'Palembang', 'Lubuklinggau', 'Bengkulu'
),
IHK = c(111.38, 108.48, 108.71, 108.15, 107.79, 105.92, 108.68, 108.43, 106.82, 106.59, 107.42, 106.53, 107.70, 107.69, 108.00, 106.55, 106.79, 106.85
),
stringsAsFactors = FALSE)
data_IHK## Kota IHK
## 1 Meulaboh 111.38
## 2 Banda Aceh 108.48
## 3 Lhokseumawe 108.71
## 4 Sibolga 108.15
## 5 Pematang Siantar 107.79
## 6 Medan 105.92
## 7 Padangsidimpuan 108.68
## 8 Gunungsitoli 108.43
## 9 Padang 106.82
## 10 Bukittinggi 106.59
## 11 Tembilahan 107.42
## 12 Pekanbaru 106.53
## 13 Dumai 107.70
## 14 Bungo 107.69
## 15 Jambi 108.00
## 16 Palembang 106.55
## 17 Lubuklinggau 106.79
## 18 Bengkulu 106.851.2 Visualisasi Data
plot(data_IHK$IHK,type = "o", col= "red")
2. Data Tingkat Inflasi Kota-Kota Pulau Sumatera
2.1 Tabel Data Tingkat Inflasi
library(tidyverse)data_Inflasi <-data.frame(Kota = c('Meulaboh', 'Banda Aceh', 'Lhokseumawe',
'Sibolga', 'Pematang Siantar', 'Medan', 'Padangsidimpuan', 'Gunungsitoli', 'Padang', 'Bukittinggi', 'Tembilahan', 'Pekanbaru', 'Dumai' , 'Bungo', 'Jambi', 'Palembang', 'Lubuklinggau', 'Bandar Lampung'
),
"Inflasi" = c(0.81, 0.74, 0.59, 0.17, 0.85, 0.44, 0.35, 0.62, 0.48, -0.04, 0.29, 0.07, -0.13, 0.45, 0.48, 0.42, 0.35, 0.99
),
stringsAsFactors = FALSE)
data_Inflasi## Kota Inflasi
## 1 Meulaboh 0.81
## 2 Banda Aceh 0.74
## 3 Lhokseumawe 0.59
## 4 Sibolga 0.17
## 5 Pematang Siantar 0.85
## 6 Medan 0.44
## 7 Padangsidimpuan 0.35
## 8 Gunungsitoli 0.62
## 9 Padang 0.48
## 10 Bukittinggi -0.04
## 11 Tembilahan 0.29
## 12 Pekanbaru 0.07
## 13 Dumai -0.13
## 14 Bungo 0.45
## 15 Jambi 0.48
## 16 Palembang 0.42
## 17 Lubuklinggau 0.35
## 18 Bandar Lampung 0.992.2 Visualisasi Data
plot(data_Inflasi$Inflasi,type = "o", col= "darkgreen")
3. Inner Joins antara Data IHK dengan Data Tingkat Inflansi
InnerJoins <- data_IHK %>%
inner_join(data_Inflasi, by = "Kota")
InnerJoins## Kota IHK Inflasi
## 1 Meulaboh 111.38 0.81
## 2 Banda Aceh 108.48 0.74
## 3 Lhokseumawe 108.71 0.59
## 4 Sibolga 108.15 0.17
## 5 Pematang Siantar 107.79 0.85
## 6 Medan 105.92 0.44
## 7 Padangsidimpuan 108.68 0.35
## 8 Gunungsitoli 108.43 0.62
## 9 Padang 106.82 0.48
## 10 Bukittinggi 106.59 -0.04
## 11 Tembilahan 107.42 0.29
## 12 Pekanbaru 106.53 0.07
## 13 Dumai 107.70 -0.13
## 14 Bungo 107.69 0.45
## 15 Jambi 108.00 0.48
## 16 Palembang 106.55 0.42
## 17 Lubuklinggau 106.79 0.354. Outer Joins antara Data IHK dengan Data Tingkat Inflansi
4.1 A Left Join
Leftjoins <- left_join(data_IHK,data_Inflasi)## Joining, by = "Kota"Leftjoins## Kota IHK Inflasi
## 1 Meulaboh 111.38 0.81
## 2 Banda Aceh 108.48 0.74
## 3 Lhokseumawe 108.71 0.59
## 4 Sibolga 108.15 0.17
## 5 Pematang Siantar 107.79 0.85
## 6 Medan 105.92 0.44
## 7 Padangsidimpuan 108.68 0.35
## 8 Gunungsitoli 108.43 0.62
## 9 Padang 106.82 0.48
## 10 Bukittinggi 106.59 -0.04
## 11 Tembilahan 107.42 0.29
## 12 Pekanbaru 106.53 0.07
## 13 Dumai 107.70 -0.13
## 14 Bungo 107.69 0.45
## 15 Jambi 108.00 0.48
## 16 Palembang 106.55 0.42
## 17 Lubuklinggau 106.79 0.35
## 18 Bengkulu 106.85 NA4.2 A Right Join
Rightjoins <- right_join(data_IHK,data_Inflasi)## Joining, by = "Kota"Rightjoins## Kota IHK Inflasi
## 1 Meulaboh 111.38 0.81
## 2 Banda Aceh 108.48 0.74
## 3 Lhokseumawe 108.71 0.59
## 4 Sibolga 108.15 0.17
## 5 Pematang Siantar 107.79 0.85
## 6 Medan 105.92 0.44
## 7 Padangsidimpuan 108.68 0.35
## 8 Gunungsitoli 108.43 0.62
## 9 Padang 106.82 0.48
## 10 Bukittinggi 106.59 -0.04
## 11 Tembilahan 107.42 0.29
## 12 Pekanbaru 106.53 0.07
## 13 Dumai 107.70 -0.13
## 14 Bungo 107.69 0.45
## 15 Jambi 108.00 0.48
## 16 Palembang 106.55 0.42
## 17 Lubuklinggau 106.79 0.35
## 18 Bandar Lampung NA 0.994.3 A Full Join
fullJoins <- full_join(data_IHK,data_Inflasi)## Joining, by = "Kota"fullJoins## Kota IHK Inflasi
## 1 Meulaboh 111.38 0.81
## 2 Banda Aceh 108.48 0.74
## 3 Lhokseumawe 108.71 0.59
## 4 Sibolga 108.15 0.17
## 5 Pematang Siantar 107.79 0.85
## 6 Medan 105.92 0.44
## 7 Padangsidimpuan 108.68 0.35
## 8 Gunungsitoli 108.43 0.62
## 9 Padang 106.82 0.48
## 10 Bukittinggi 106.59 -0.04
## 11 Tembilahan 107.42 0.29
## 12 Pekanbaru 106.53 0.07
## 13 Dumai 107.70 -0.13
## 14 Bungo 107.69 0.45
## 15 Jambi 108.00 0.48
## 16 Palembang 106.55 0.42
## 17 Lubuklinggau 106.79 0.35
## 18 Bengkulu 106.85 NA
## 19 Bandar Lampung NA 0.994.3 Visualisasi Relational Data Set
plot(InnerJoins$IHK, InnerJoins$Inflasi,type = "o", col= "darkorange")