Manipulasi Data dengan Library dplyr dan Visualisasi Data dengan ggplot pada Pulau Jawa 10 Tahun Terakhir
Muhammad Zea Al Ghifari, Prof. Dr. Suhartono, M.Kom
26/03/2022
Dosen Pengampu : Prof. Dr. Suhartono, M.Kom
Lembaga : Universitas Islam Negeri Maulana Malik Ibrahim Malang
Fakultas : Sains dan Teknologi
Jurusan : Teknik Informatika
Kelas : (C) Linear Algebra
NIM : 210605110035
Manipulasi Data dengan dplyr
Untuk memanipulasi data di R , sebenarnya dapat dilakukan secara “manual” menggunakan syntax R , tetapi hal ini cukup menyulitkan jika data yang akan kita gunakan harus dimanipulasi secara masif dan complex, sehingga diperlukan library yang mempermudah proses manipulasi data ,salah satunya adalah library “dplyr” sebelum masuk kedalam cara menggunakan dplyr, kita kenali dulu apa saja fungsi-fungsi yang dimiliki oleh library ini, sebagai berikut.
rename() — digunakan untuk melakukan perubahan nama kolom
select() — memilih variabel/kolom yang ingin kita manipulasi
filter() — untuk menyaring data sesuai kriteria yang kita perlukan
slice() — memotong baris sesui keperluan
arrange() — mengurutkan data berdasarkan kolom dan kriteria yang dibuat
mutate() — menambah variabel baru dalam dataset
transmute() — menambah variabel sekaligus menjadikannya subset dari dataset
Beberapa alasan mengapa dplyr digunakan ketika melakukan manipulasi data yaitu pemrosesannya cepat sehingga meminimalisir waktu, kode yang simpel sehingga mudah dimengerti, dan penggunaan fungsi yang sistematis sehingga kode lebih rapi. Cara menginstall package dplyr yaitu sebagai berikut:
install.package(dplyr)
Sedangkan untuk memanggil dplyr yaitu dengan sintaks:
library(dplyr)
Beberapa alasan mengapa dplyr digunakan ketika melakukan manipulasi data yaitu pemrosesannya cepat sehingga meminimalisir waktu, kode yang simpel sehingga mudah dimengerti, dan penggunaan fungsi yang sistematis sehingga kode lebih rapi.
library(readxl)## Warning: package 'readxl' was built under R version 4.1.2library(readxl)
InflowJawa <- read_excel(path = "C:/Users/ASUS/Documents/excel_algebra/InflowJawa2.xlsx")
InflowJawa## # A tibble: 6 x 12
## Keterangan `2011` `2012` `2013` `2014` `2015` `2016` `2017` `2018` `2019`
## <chr> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl>
## 1 Jawa 123917. 160482. 134998. 217303. 2.30e5 2.62e5 2.78e5 3.07e5 3.25e5
## 2 Jawa Barat 43775. 60629. 35190. 78660. 8.13e4 8.80e4 8.32e4 8.72e4 9.48e4
## 3 Jawa Tengah 35137. 43298. 42182. 60476. 6.52e4 7.28e4 7.70e4 8.78e4 9.08e4
## 4 Yogyakarta 6490. 9173. 8939. 13890. 1.48e4 1.74e4 1.75e4 2.06e4 2.09e4
## 5 Jawa Timur 38515. 47383. 48687. 64276. 6.88e4 8.34e4 9.84e4 1.06e5 1.14e5
## 6 Banten 0 0 0 0 0 0 1.49e3 4.83e3 4.48e3
## # ... 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 1.0.8
## 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 4.1.3## 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()Memilih atau Membuang Beberapa Variabel yang Tidak Digunakan
Jawa1 <- select(InflowJawa, `2020`)
Jawa1## # A tibble: 6 x 1
## `2020`
## <dbl>
## 1 259444.
## 2 76883.
## 3 84970.
## 4 7348.
## 5 86848.
## 6 3396.Jawa2 <- select(InflowJawa, `2011`, `2013`, `2015`, `2019`, `2021`)
Jawa2## # A tibble: 6 x 5
## `2011` `2013` `2015` `2019` `2021`
## <dbl> <dbl> <dbl> <dbl> <dbl>
## 1 123917. 134998. 230141. 324624. 187816.
## 2 43775. 35190. 81303. 94846. 57295.
## 3 35137. 42182. 65198. 90751. 62024.
## 4 6490. 8939. 14831. 20899. 6714.
## 5 38515. 48687. 68808. 113651. 58986.
## 6 0 0 0 4477. 2798.Jika variabel yang ingin Anda pilih cukup banyak sedangkan variabel yang ingin Anda buang lebih sedikit, Anda dapat menuliskan nama variabel dengan menambahkan tanda negatif (-) di depan nama atau indeks masing-masing variabel.
Jawa3 <- select(InflowJawa, -`2021`)
Jawa3## # A tibble: 6 x 11
## Keterangan `2011` `2012` `2013` `2014` `2015` `2016` `2017` `2018` `2019`
## <chr> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl>
## 1 Jawa 123917. 160482. 134998. 217303. 2.30e5 2.62e5 2.78e5 3.07e5 3.25e5
## 2 Jawa Barat 43775. 60629. 35190. 78660. 8.13e4 8.80e4 8.32e4 8.72e4 9.48e4
## 3 Jawa Tengah 35137. 43298. 42182. 60476. 6.52e4 7.28e4 7.70e4 8.78e4 9.08e4
## 4 Yogyakarta 6490. 9173. 8939. 13890. 1.48e4 1.74e4 1.75e4 2.06e4 2.09e4
## 5 Jawa Timur 38515. 47383. 48687. 64276. 6.88e4 8.34e4 9.84e4 1.06e5 1.14e5
## 6 Banten 0 0 0 0 0 0 1.49e3 4.83e3 4.48e3
## # ... with 1 more variable: `2020` <dbl>Selain memilih kolom, select() juga dapat digunakan untuk mengubah nama kolom, misalnya
Jawaa <- InflowJawa %>%
select(tahun = `2014`, `2015`, `2016`)
Jawaa## # A tibble: 6 x 3
## tahun `2015` `2016`
## <dbl> <dbl> <dbl>
## 1 217303. 230141. 261607.
## 2 78660. 81303. 88036.
## 3 60476. 65198. 72782.
## 4 13890. 14831. 17350.
## 5 64276. 68808. 83439.
## 6 0 0 0Mengambil Nilai Unik (Tidak Duplikasi) dari Sebuah Variable
Jawa4 <- distinct(InflowJawa, `2019`)
Jawa4## # A tibble: 6 x 1
## `2019`
## <dbl>
## 1 324624.
## 2 94846.
## 3 90751.
## 4 20899.
## 5 113651.
## 6 4477.Untuk mendapatkan nilai unik dari semua baris berdasarkan variabel tertentu tambahkan opsi .keep_all = TRUE setelah nama variable dalam fungsi distinct().
Jawa5 <- distinct(InflowJawa, `2019`, .keep_all = TRUE)
Jawa5## # A tibble: 6 x 12
## Keterangan `2011` `2012` `2013` `2014` `2015` `2016` `2017` `2018` `2019`
## <chr> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl>
## 1 Jawa 123917. 160482. 134998. 217303. 2.30e5 2.62e5 2.78e5 3.07e5 3.25e5
## 2 Jawa Barat 43775. 60629. 35190. 78660. 8.13e4 8.80e4 8.32e4 8.72e4 9.48e4
## 3 Jawa Tengah 35137. 43298. 42182. 60476. 6.52e4 7.28e4 7.70e4 8.78e4 9.08e4
## 4 Yogyakarta 6490. 9173. 8939. 13890. 1.48e4 1.74e4 1.75e4 2.06e4 2.09e4
## 5 Jawa Timur 38515. 47383. 48687. 64276. 6.88e4 8.34e4 9.84e4 1.06e5 1.14e5
## 6 Banten 0 0 0 0 0 0 1.49e3 4.83e3 4.48e3
## # ... with 2 more variables: `2020` <dbl>, `2021` <dbl>Menyeleksi baris
filter() digunakan untuk menyeleksi atau memilih baris atau observasi berdasarkan nilainya. Dalam filter(), kita dapat menggunakan berbagai operator, seperti operator dasar <, <=, >, >, == (sama dengan) dan %in% (bagian dari). Argumen filter() yang lebih dari satu dapat digabungkan dengan bolean operator, yaitu & (and/dan), | (or/atau) dan ! (not/tidak).
Jawa6 <- InflowJawa %>%
filter(Keterangan <= 'Jawa') %>%
select(`2015`,`2016`)
Jawa6## # A tibble: 2 x 2
## `2015` `2016`
## <dbl> <dbl>
## 1 230141. 261607.
## 2 0 0Jawa7 <- InflowJawa %>%
filter(Keterangan == 'Jawa', Keterangan == 'Jawa Barat') %>%
select( -`2016`)
Jawa7## # A tibble: 0 x 11
## # ... with 11 variables: Keterangan <chr>, 2011 <dbl>, 2012 <dbl>, 2013 <dbl>,
## # 2014 <dbl>, 2015 <dbl>, 2017 <dbl>, 2018 <dbl>, 2019 <dbl>, 2020 <dbl>,
## # 2021 <dbl>str(InflowJawa)## tibble [6 x 12] (S3: tbl_df/tbl/data.frame)
## $ Keterangan: chr [1:6] "Jawa" "Jawa Barat" "Jawa Tengah" "Yogyakarta" ...
## $ 2011 : num [1:6] 123917 43775 35137 6490 38515 ...
## $ 2012 : num [1:6] 160482 60629 43298 9173 47383 ...
## $ 2013 : num [1:6] 134998 35190 42182 8939 48687 ...
## $ 2014 : num [1:6] 217303 78660 60476 13890 64276 ...
## $ 2015 : num [1:6] 230141 81303 65198 14831 68808 ...
## $ 2016 : num [1:6] 261607 88036 72782 17350 83439 ...
## $ 2017 : num [1:6] 277609 83220 77031 17483 98380 ...
## $ 2018 : num [1:6] 306911 87243 87829 20574 106433 ...
## $ 2019 : num [1:6] 324624 94846 90751 20899 113651 ...
## $ 2020 : num [1:6] 259444 76883 84970 7348 86848 ...
## $ 2021 : num [1:6] 187816 57295 62024 6714 58986 ...str(InflowJawa %>% group_by(Keterangan))## grouped_df [6 x 12] (S3: grouped_df/tbl_df/tbl/data.frame)
## $ Keterangan: chr [1:6] "Jawa" "Jawa Barat" "Jawa Tengah" "Yogyakarta" ...
## $ 2011 : num [1:6] 123917 43775 35137 6490 38515 ...
## $ 2012 : num [1:6] 160482 60629 43298 9173 47383 ...
## $ 2013 : num [1:6] 134998 35190 42182 8939 48687 ...
## $ 2014 : num [1:6] 217303 78660 60476 13890 64276 ...
## $ 2015 : num [1:6] 230141 81303 65198 14831 68808 ...
## $ 2016 : num [1:6] 261607 88036 72782 17350 83439 ...
## $ 2017 : num [1:6] 277609 83220 77031 17483 98380 ...
## $ 2018 : num [1:6] 306911 87243 87829 20574 106433 ...
## $ 2019 : num [1:6] 324624 94846 90751 20899 113651 ...
## $ 2020 : num [1:6] 259444 76883 84970 7348 86848 ...
## $ 2021 : num [1:6] 187816 57295 62024 6714 58986 ...
## - attr(*, "groups")= tibble [6 x 2] (S3: tbl_df/tbl/data.frame)
## ..$ Keterangan: chr [1:6] "Banten" "Jawa" "Jawa Barat" "Jawa Tengah" ...
## ..$ .rows : list<int> [1:6]
## .. ..$ : int 6
## .. ..$ : int 1
## .. ..$ : int 2
## .. ..$ : int 3
## .. ..$ : int 5
## .. ..$ : int 4
## .. ..@ ptype: int(0)
## ..- attr(*, ".drop")= logi TRUEMengelompokkan Data
JawaUp <- InflowJawa %>%
group_by(Keterangan)
JawaUp## # A tibble: 6 x 12
## # Groups: Keterangan [6]
## Keterangan `2011` `2012` `2013` `2014` `2015` `2016` `2017` `2018` `2019`
## <chr> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl>
## 1 Jawa 123917. 160482. 134998. 217303. 2.30e5 2.62e5 2.78e5 3.07e5 3.25e5
## 2 Jawa Barat 43775. 60629. 35190. 78660. 8.13e4 8.80e4 8.32e4 8.72e4 9.48e4
## 3 Jawa Tengah 35137. 43298. 42182. 60476. 6.52e4 7.28e4 7.70e4 8.78e4 9.08e4
## 4 Yogyakarta 6490. 9173. 8939. 13890. 1.48e4 1.74e4 1.75e4 2.06e4 2.09e4
## 5 Jawa Timur 38515. 47383. 48687. 64276. 6.88e4 8.34e4 9.84e4 1.06e5 1.14e5
## 6 Banten 0 0 0 0 0 0 1.49e3 4.83e3 4.48e3
## # ... with 2 more variables: `2020` <dbl>, `2021` <dbl>Menambah Kolom
JawaUp1 <- InflowJawa %>%
mutate(`2022` = InflowJawa$`2021`/2)
JawaUp1 ## # A tibble: 6 x 13
## Keterangan `2011` `2012` `2013` `2014` `2015` `2016` `2017` `2018` `2019`
## <chr> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl>
## 1 Jawa 123917. 160482. 134998. 217303. 2.30e5 2.62e5 2.78e5 3.07e5 3.25e5
## 2 Jawa Barat 43775. 60629. 35190. 78660. 8.13e4 8.80e4 8.32e4 8.72e4 9.48e4
## 3 Jawa Tengah 35137. 43298. 42182. 60476. 6.52e4 7.28e4 7.70e4 8.78e4 9.08e4
## 4 Yogyakarta 6490. 9173. 8939. 13890. 1.48e4 1.74e4 1.75e4 2.06e4 2.09e4
## 5 Jawa Timur 38515. 47383. 48687. 64276. 6.88e4 8.34e4 9.84e4 1.06e5 1.14e5
## 6 Banten 0 0 0 0 0 0 1.49e3 4.83e3 4.48e3
## # ... with 3 more variables: `2020` <dbl>, `2021` <dbl>, `2022` <dbl>Mengurutkan Data
JawaUbah <- arrange(InflowJawa, `2011`)
JawaUbah## # A tibble: 6 x 12
## Keterangan `2011` `2012` `2013` `2014` `2015` `2016` `2017` `2018` `2019`
## <chr> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl>
## 1 Banten 0 0 0 0 0 0 1.49e3 4.83e3 4.48e3
## 2 Yogyakarta 6490. 9173. 8939. 13890. 1.48e4 1.74e4 1.75e4 2.06e4 2.09e4
## 3 Jawa Tengah 35137. 43298. 42182. 60476. 6.52e4 7.28e4 7.70e4 8.78e4 9.08e4
## 4 Jawa Timur 38515. 47383. 48687. 64276. 6.88e4 8.34e4 9.84e4 1.06e5 1.14e5
## 5 Jawa Barat 43775. 60629. 35190. 78660. 8.13e4 8.80e4 8.32e4 8.72e4 9.48e4
## 6 Jawa 123917. 160482. 134998. 217303. 2.30e5 2.62e5 2.78e5 3.07e5 3.25e5
## # ... with 2 more variables: `2020` <dbl>, `2021` <dbl>Visualisasi Data dengan ggplot
ggplot2 adalah package yang berfungsi membuat grafik yang merepresentasikan data dengan menerapkan warna, simbol, dan lainnya. Package ini memiliki banyak fungsi dan plot yang bisa kita pilih untuk memvisualisasikan data. Beberapa kelebihan yang dimiliki ggplot2 yaitu antara lain fleksibel dalam penggunaannya, fungsi yang lengkap untuk visualisasi, dan penggunaan metodenya tidak ribet. Cara install dan penggunaan package ggplot2 sama dengan package yang sudah dibahas di poin sebelumnya yaitu:
install.package(ggplot2) #install package
library(ggplot2) #memanggil ggplot2
Contoh visualisasi data dengan ggplot2 bisa dilihat dibawah ini:
ggplot(data = InflowJawa, mapping = aes(x = Keterangan, y = `2015`)) +
geom_point()
ggplot(data = InflowJawa, mapping = aes(x = Keterangan, y = `2015`)) +
geom_bar(stat = "identity")
ggplot(InflowJawa, aes(Keterangan,`2021`, color=`Keterangan`))+
geom_point()