Manipulasi data inflow uang kartal di Pulau sumatera dengan Library dplyr dan dengan tabel ggplot
Muhammad Ridho
2/8/2022
Nama : Muhammad Ridho
NIM : 210605110102
Kelas : Liniear Algebra (C)
Dosen Pengempu : Prof. Dr. Suhartono, M.Kom
Universitas : Universitas Islam Negeri Maulana Malik Ibrahim Malang
Jurusan : Teknik Informatika
Manipulasi data dengan library dplyr
Saat melakukan manipulasi data pada R kita dapat menggunakan package dplyr. Package ini dibuat oleh Handley Wickham dan Roman Francois yang berisi kumpulan fungsi yang memudahkan manipulasi data yaitu antara lain: sample() untuk mengambil sampel secara acak dari tabel, mutate() untuk menambah kolom, select() untuk mengambil data atau variabel yang dibutuhkan, arrange() untuk mengurutkan data, filter() untuk menyaring data, groupby() untuk mengelompokkan data dan lain lain.
Data inflow pada pulau sumatera
library(readxl)
manipulasiinflow <- read_excel(path = "inflow tahunan.xlsx")
manipulasiinflow## # 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 4.1.3## -- Attaching packages --------------------------------------- tidyverse 1.3.1 --## v ggplot2 3.3.5 v purrr 0.3.4
## v tibble 3.1.6 v dplyr 1.0.7
## v tidyr 1.2.0 v stringr 1.4.0
## v readr 2.1.2 v forcats 0.5.1## Warning: package 'tidyr' was built under R version 4.1.3## Warning: package 'readr' 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()Menghapus Beberapa Variabel yang Tidak Ingin Digunakan
sumatera2011 <- select(manipulasiinflow, '2011')
sumatera2011## # A tibble: 11 x 1
## `2011`
## <dbl>
## 1 57900.
## 2 2308.
## 3 23238.
## 4 9385.
## 5 3012.
## 6 1426.
## 7 1868.
## 8 7820.
## 9 1153.
## 10 7690.
## 11 0sumatera2 <- select(manipulasiinflow, `2012`, `2014`, `2016`, `2018`, `2020`)
sumatera2## # A tibble: 11 x 5
## `2012` `2014` `2016` `2018` `2020`
## <dbl> <dbl> <dbl> <dbl> <dbl>
## 1 65911. 86024. 97764. 117495. 109345.
## 2 2620. 4567. 5775. 5799. 6641.
## 3 25981. 30503. 34427. 41769. 36609.
## 4 11192. 14103. 14078. 15058. 10696.
## 5 4447. 6358. 8211. 10730. 9148.
## 6 2236. 2563. 4317. 5134. 6175.
## 7 2138. 5169. 4398. 5657. 5628.
## 8 9126. 10038. 12752. 14267. 11756.
## 9 1201. 3262. 2889. 4150. 4971.
## 10 6969. 9448. 9373. 13415. 15158.
## 11 0 13.7 1544. 1517. 2562.Memilih Variabel yang Ingin Digunakan
sumateramin2011 <- select(manipulasiinflow, -'2017')
sumateramin2011## # A tibble: 11 x 11
## Provinsi `2011` `2012` `2013` `2014` `2015` `2016` `2018` `2019` `2020`
## <chr> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl>
## 1 Sumatera 57900. 65911. 98369. 8.60e4 86549. 97764. 1.17e5 1.34e5 1.09e5
## 2 Aceh 2308. 2620. 36337. 4.57e3 4710. 5775. 5.80e3 7.51e3 6.64e3
## 3 Sumatera Utara 23238. 25981. 18120. 3.05e4 30254. 34427. 4.18e4 4.71e4 3.66e4
## 4 Sumatera Barat 9385. 11192. 14056. 1.41e4 13309. 14078. 1.51e4 1.47e4 1.07e4
## 5 Riau 3012. 4447. 8933. 6.36e3 7156. 8211. 1.07e4 1.09e4 9.15e3
## 6 Kep. Riau 1426. 2236. 3378. 2.56e3 3218. 4317. 5.13e3 6.08e3 6.18e3
## 7 Jambi 1868. 2138. 3047. 5.17e3 4978. 4398. 5.66e3 6.49e3 5.63e3
## 8 Sumatera Sela~ 7820. 9126. 8647. 1.00e4 10797. 12752. 1.43e4 1.48e4 1.18e4
## 9 Bengkulu 1153. 1201. 2378. 3.26e3 2791. 2889. 4.15e3 5.79e3 4.97e3
## 10 Lampung 7690. 6969. 3474. 9.45e3 8160. 9373. 1.34e4 1.70e4 1.52e4
## 11 Kep. Bangka B~ 0 0 0 1.37e1 1177. 1544. 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 <- manipulasiinflow %>%
select(tahun = `2014`, `2018`, `2019`)
sumateramin1## # A tibble: 11 x 3
## tahun `2018` `2019`
## <dbl> <dbl> <dbl>
## 1 86024. 117495. 133762.
## 2 4567. 5799. 7509.
## 3 30503. 41769. 47112.
## 4 14103. 15058. 14750.
## 5 6358. 10730. 10915.
## 6 2563. 5134. 6077.
## 7 5169. 5657. 6486.
## 8 10038. 14267. 14812.
## 9 3262. 4150. 5789.
## 10 9448. 13415. 17046.
## 11 13.7 1517. 3265.Mengganti Tabel Tahun
library(dplyr)
sumateratahun2 <- manipulasiinflow %>% 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(manipulasiinflow, `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(manipulasiinflow, `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
Baris tabel diseleksi dengan menggunakan fungsi filter().
sumatera6 <- manipulasiinflow %>%
filter(Provinsi <= 'Sumatera Barat') %>%
select(`2018`,`2019`)
sumatera6## # A tibble: 9 x 2
## `2018` `2019`
## <dbl> <dbl>
## 1 117495. 133762.
## 2 5799. 7509.
## 3 15058. 14750.
## 4 10730. 10915.
## 5 5134. 6077.
## 6 5657. 6486.
## 7 4150. 5789.
## 8 13415. 17046.
## 9 1517. 3265.sumatera7 <- manipulasiinflow %>%
filter(Provinsi == 'Sumatera Barat', Provinsi == 'Sumatera Utara') %>%
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(manipulasiinflow)## 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(manipulasiinflow %>% 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 Bellitung" ...
## ..$ .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 <- manipulasiinflow %>%
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(manipulasiinflow, `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 <- manipulasiinflow %>%
mutate(`2021` = manipulasiinflow$`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 = manipulasiinflow, mapping = aes(x = Provinsi, y = `2011`)) +
geom_point()
ggplot(data = manipulasiinflow, mapping = aes(x = Provinsi, y = `2012`)) +
geom_point()