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
pivot table adalah ringkasan data yang dikemas dalam tabel interaktif agar memudahkan dan membantu kamu untuk membuat laporan dan menganalisisnya dengan melihat perbandingan data yang kamu miliki.
Singkatnya, gunanya pivot table adalah untuk merangkum, mengelompokkan, mengeksplorasi, mempresentasikan, menghitung, dan menganalisa data.
library(readxl)
dataoutflowkalimantan <- read_excel(path = "outflow tahunan1.xlsx")
dataoutflowkalimantan
## # A tibble: 6 x 12
## Provinsi `2011` `2012` `2013` `2014` `2015` `2016` `2017` `2018` `2019` `2020`
## <chr> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl>
## 1 Kaliman~ 29535. 33444. 44929. 38772. 41945. 42179. 50404. 53989. 57579. 52060.
## 2 Kaliman~ 5221. 5698. 6011. 6764. 8486. 9402. 11132. 12278. 13768. 13501.
## 3 Kaliman~ 6850. 7741. 15421. 8346. 10190. 10131. 11695. 13040. 12891. 12518.
## 4 Kaliman~ 5126. 5580. 5046. 6265. 6755. 7424. 9544. 8476. 9228. 8222.
## 5 Kaliman~ 12337. 14426. 18451. 17398. 16514. 15221. 16525. 17724. 18596. 14993.
## 6 Kaliman~ 0 0 0 0 0 0 1507. 2471. 3096. 2826.
## # ... with 1 more variable: `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()
datalongerkalimantan <- dataoutflowkalimantan %>%
pivot_longer(!Provinsi, names_to = "Tahun", values_to = "Kasus")
datalongerkalimantan
## # A tibble: 66 x 3
## Provinsi Tahun Kasus
## <chr> <chr> <dbl>
## 1 Kalimantan 2011 29535.
## 2 Kalimantan 2012 33444.
## 3 Kalimantan 2013 44929.
## 4 Kalimantan 2014 38772.
## 5 Kalimantan 2015 41945.
## 6 Kalimantan 2016 42179.
## 7 Kalimantan 2017 50404.
## 8 Kalimantan 2018 53989.
## 9 Kalimantan 2019 57579.
## 10 Kalimantan 2020 52060.
## # ... with 56 more rows
library(dplyr)
kalimantan2 <- select(datalongerkalimantan, Provinsi, Kasus)
kalimantan2
## # A tibble: 66 x 2
## Provinsi Kasus
## <chr> <dbl>
## 1 Kalimantan 29535.
## 2 Kalimantan 33444.
## 3 Kalimantan 44929.
## 4 Kalimantan 38772.
## 5 Kalimantan 41945.
## 6 Kalimantan 42179.
## 7 Kalimantan 50404.
## 8 Kalimantan 53989.
## 9 Kalimantan 57579.
## 10 Kalimantan 52060.
## # ... with 56 more rows
library(dplyr)
kalimantan3 <- datalongerkalimantan %>%
filter(Provinsi == 'Kalimantan Barat') %>%
select('Provinsi', 'Tahun', 'Kasus')
kalimantan3
## # A tibble: 11 x 3
## Provinsi Tahun Kasus
## <chr> <chr> <dbl>
## 1 Kalimantan Barat 2011 5221.
## 2 Kalimantan Barat 2012 5698.
## 3 Kalimantan Barat 2013 6011.
## 4 Kalimantan Barat 2014 6764.
## 5 Kalimantan Barat 2015 8486.
## 6 Kalimantan Barat 2016 9402.
## 7 Kalimantan Barat 2017 11132.
## 8 Kalimantan Barat 2018 12278.
## 9 Kalimantan Barat 2019 13768.
## 10 Kalimantan Barat 2020 13501.
## 11 Kalimantan Barat 2021 6958.
kalimantan4 <- datalongerkalimantan %>%
filter(Provinsi == 'Kalimantan Barat', Tahun == '2021') %>%
select('Provinsi', 'Tahun', 'Kasus')
kalimantan4
## # A tibble: 1 x 3
## Provinsi Tahun Kasus
## <chr> <chr> <dbl>
## 1 Kalimantan Barat 2021 6958.
ggplot(data = datalongerkalimantan, mapping = aes(x = Tahun, y = Kasus)) +
geom_point() +
facet_wrap( ~ Provinsi) +
theme(axis.text.x = element_text(angle = 90))
ggplot(data = datalongerkalimantan, mapping = aes(x = Provinsi, y = Kasus)) +
geom_point() +
facet_wrap( ~ Tahun) +
theme(axis.text.x = element_text(angle = 90))