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

Pengertian Pivot Table

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)
datainflowsulampua <- read_excel(path = "inflow tahunan1.xlsx")
datainflowsulampua
## # 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 Sulampua       25056. 31011. 63774. 4.16e4 4.03e4 45737. 44126. 52672. 60202.
##  2 Sulawesi Utara  5671.  6635. 21646. 7.37e3 6.29e3  7266.  7044.  7781.  7809.
##  3 Sulawesi Teng~  1563.  1885.  1520. 3.00e3 2.59e3  2665.  2806.  3701.  4042.
##  4 Sulawesi Sela~ 10593. 13702. 17770. 1.94e4 1.96e4 21043. 18803. 21894. 24749.
##  5 Sulawesi Teng~   659.   964.  6093. 2.26e3 2.38e3  3491.  3618.  3632.  4390.
##  6 Sulawesi Barat     0      0      0  0      4.92e1   536.   746.   606.   542.
##  7 Gorontalo          0      0      0  0      0          0      0   1088.  1983.
##  8 Maluku Utara     586.   633. 10273. 1.01e3 1.01e3  1259.  1339.  1530.  1924.
##  9 Maluku          1273.  1147.  4341. 1.78e3 1.79e3  2367.  2484.  3210.  4056.
## 10 Papua           4710.  6047.  2131. 6.79e3 6.10e3  6291.  6353.  8076.  9259.
## 11 Papua Barat        0      0      0  1.17e1 5.18e2   818.   933.  1153.  1448.
## # ... 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()

Kasus Data inflow Uang Kartal di Pulau Sulampua pada periode 2011-2021

datalongersulampua <- datainflowsulampua %>% 
  pivot_longer(!Provinsi, names_to = "Tahun", values_to = "Kasus")
datalongersulampua
## # A tibble: 121 x 3
##    Provinsi Tahun  Kasus
##    <chr>    <chr>  <dbl>
##  1 Sulampua 2011  25056.
##  2 Sulampua 2012  31011.
##  3 Sulampua 2013  63774.
##  4 Sulampua 2014  41607.
##  5 Sulampua 2015  40309.
##  6 Sulampua 2016  45737.
##  7 Sulampua 2017  44126.
##  8 Sulampua 2018  52672.
##  9 Sulampua 2019  60202.
## 10 Sulampua 2020  52812.
## # ... with 111 more rows

Pivot Data inflow Uang Kartal di Pulau Sulampua Berdasarkan Kasus

library(dplyr)
sulampua2 <- select(datalongersulampua, Provinsi, Kasus)
sulampua2
## # A tibble: 121 x 2
##    Provinsi  Kasus
##    <chr>     <dbl>
##  1 Sulampua 25056.
##  2 Sulampua 31011.
##  3 Sulampua 63774.
##  4 Sulampua 41607.
##  5 Sulampua 40309.
##  6 Sulampua 45737.
##  7 Sulampua 44126.
##  8 Sulampua 52672.
##  9 Sulampua 60202.
## 10 Sulampua 52812.
## # ... with 111 more rows

Kasus Data inflow Uang Kartal di provinsi Sulawesi Utara Periode 2011-2021

library(dplyr)
SulawesiUtara <- datalongersulampua  %>%
    filter(Provinsi == 'Sulawesi Utara') %>%
    select('Provinsi', 'Tahun', 'Kasus')
SulawesiUtara 
## # A tibble: 11 x 3
##    Provinsi       Tahun  Kasus
##    <chr>          <chr>  <dbl>
##  1 Sulawesi Utara 2011   5671.
##  2 Sulawesi Utara 2012   6635.
##  3 Sulawesi Utara 2013  21646.
##  4 Sulawesi Utara 2014   7374.
##  5 Sulawesi Utara 2015   6286.
##  6 Sulawesi Utara 2016   7266.
##  7 Sulawesi Utara 2017   7044.
##  8 Sulawesi Utara 2018   7781.
##  9 Sulawesi Utara 2019   7809.
## 10 Sulawesi Utara 2020   6324.
## 11 Sulawesi Utara 2021   4671.

Kasus Data inflow Uang Kartal di provinsi Sulawesi Utara Barat Tahun 2021

SulawesiUtara1 <- datalongersulampua %>%
  filter(Provinsi == 'Sulawesi Utara', Tahun == '2021') %>%
 select('Provinsi', 'Tahun', 'Kasus')
SulawesiUtara1
## # A tibble: 1 x 3
##   Provinsi       Tahun Kasus
##   <chr>          <chr> <dbl>
## 1 Sulawesi Utara 2021  4671.

Kasus Data inflow Uang Kartal di provinsi Maluku Utara Periode 2011-2021

library(dplyr)
Maluku <- datalongersulampua  %>%
    filter(Provinsi == 'Maluku Utara') %>%
    select('Provinsi', 'Tahun', 'Kasus')
Maluku
## # A tibble: 11 x 3
##    Provinsi     Tahun  Kasus
##    <chr>        <chr>  <dbl>
##  1 Maluku Utara 2011    586.
##  2 Maluku Utara 2012    633.
##  3 Maluku Utara 2013  10273.
##  4 Maluku Utara 2014   1006.
##  5 Maluku Utara 2015   1007.
##  6 Maluku Utara 2016   1259.
##  7 Maluku Utara 2017   1339.
##  8 Maluku Utara 2018   1530.
##  9 Maluku Utara 2019   1924.
## 10 Maluku Utara 2020   1876.
## 11 Maluku Utara 2021   1738.

Kasus Data inflow Uang Kartal di provinsi Maluku Utara Tahun 2021

MalukuUtara1 <- datalongersulampua %>%
  filter(Provinsi == 'Maluku Utara', Tahun == '2021') %>%
 select('Provinsi', 'Tahun', 'Kasus')
MalukuUtara1
## # A tibble: 1 x 3
##   Provinsi     Tahun Kasus
##   <chr>        <chr> <dbl>
## 1 Maluku Utara 2021  1738.

Kasus Data inflow Uang Kartal di provinsi Papua Periode 2011-2021

library(dplyr)
Papua <- datalongersulampua  %>%
    filter(Provinsi == 'Papua') %>%
    select('Provinsi', 'Tahun', 'Kasus')
Papua 
## # A tibble: 11 x 3
##    Provinsi Tahun Kasus
##    <chr>    <chr> <dbl>
##  1 Papua    2011  4710.
##  2 Papua    2012  6047.
##  3 Papua    2013  2131.
##  4 Papua    2014  6794.
##  5 Papua    2015  6099.
##  6 Papua    2016  6291.
##  7 Papua    2017  6353.
##  8 Papua    2018  8076.
##  9 Papua    2019  9259.
## 10 Papua    2020  9556.
## 11 Papua    2021  8509.

Kasus Data inflow Uang Kartal di provinsi Papua Tahun 2021

Papua1 <- datalongersulampua %>%
  filter(Provinsi == 'Papua', Tahun == '2021') %>%
 select('Provinsi', 'Tahun', 'Kasus')
Papua1
## # A tibble: 1 x 3
##   Provinsi Tahun Kasus
##   <chr>    <chr> <dbl>
## 1 Papua    2021  8509.

Visualisasi Pivot Data inflow Uang Kartal di pulau Sulampua Berdasarkan Provinsi

ggplot(data = datalongersulampua, mapping = aes(x = Tahun, y = Kasus)) +
  geom_point() +
  facet_wrap( ~ Provinsi) +
  theme(axis.text.x = element_text(angle = 90))

Visualisasi Pivot Data inflow Uang Kartal di pulau Sulampua Berdasarkan Tahun

ggplot(data = datalongersulampua, mapping = aes(x = Provinsi, y = Kasus)) +
  geom_point() +
  facet_wrap( ~ Tahun) +
  theme(axis.text.x = element_text(angle = 90))