Contoh data ke-1

# set directory and import data
library(readxl)

## Warning: package 'readxl' was built under R version 4.0.4

setwd("D:/Bahan Ajar")
mdata<- read_excel("Data Inflasi.xlsx", sheet = 1)
# Statistik deskriptif
str(mdata)

## tibble [6 x 3] (S3: tbl_df/tbl/data.frame)
##  $ Tahun  : num [1:6] 2016 2017 2018 2019 2020 ...
##  $ Inflasi: num [1:6] 1.4 1.5 0.5 0.9 1.1 1.2
##  $ Miskin : num [1:6] 20 19.2 18.8 17.5 16.9 16.4

head(mdata)

## # A tibble: 6 x 3
##   Tahun Inflasi Miskin
##   <dbl>   <dbl>  <dbl>
## 1  2016     1.4   20  
## 2  2017     1.5   19.2
## 3  2018     0.5   18.8
## 4  2019     0.9   17.5
## 5  2020     1.1   16.9
## 6  2021     1.2   16.4

summary(mdata)

##      Tahun         Inflasi         Miskin     
##  Min.   :2016   Min.   :0.50   Min.   :16.40  
##  1st Qu.:2017   1st Qu.:0.95   1st Qu.:17.05  
##  Median :2018   Median :1.15   Median :18.15  
##  Mean   :2018   Mean   :1.10   Mean   :18.13  
##  3rd Qu.:2020   3rd Qu.:1.35   3rd Qu.:19.10  
##  Max.   :2021   Max.   :1.50   Max.   :20.00

dim(mdata)

## [1] 6 3

# Menghitung simpangan baku data
apply(mdata[,2:3], 2, sd)

##  Inflasi   Miskin 
## 0.363318 1.413742

Terlihat pada rentang waktu 2016-2022 terdapat 6 amatan yang terdiri dari dua peubah yaitu nilai Inflasi (dalam %) dan jumlah kemiskinan (dalam %). Rata-rata inflasi dalam periode tersebut yaitu sebesar 1.10% dengan rata-rata kemiskinan yang terjadi yaitu 18.3%. Selanjutnya akan dilakukan eksplorasi lebih lanjut.

# Mengubah data menjadi data deret waktu
library(graphics)
dts<- ts(mdata[,2:3], start = 2016, end = 2021)
head(dts)

##      Inflasi Miskin
## [1,]     1.4   20.0
## [2,]     1.5   19.2
## [3,]     0.5   18.8
## [4,]     0.9   17.5
## [5,]     1.1   16.9
## [6,]     1.2   16.4

# Multiple Graph (membagi jendela menjadi 1 baris dua kolom)
par(mfrow = c(1,2))
ts.plot(dts[,1], ylab = "Nilai Inflasi", xlab = "Tahun", col = "darkred", lwd = 1)
title(main = 'Nilai Inflasi Tahun 2016-2021', 
      sub = "Sumber: https://www.bi.go.id/id/statistik ", cex.main = 0.8, cex.sub = 0.7)
points(dts[,1], pch = 20, col = 'darkred')
ts.plot(dts[,2], ylab = "Penduduk Miskin", xlab = "Tahun", col = "black", lwd = 1)
points(dts[,2], pch = 20, col = 'black')
title(main = 'Persentase Penduduk Miskin Tahun 2016-2021', 
      sub = "Sumber: https://www.bi.go.id/id/statistik", cex.main = 0.8, cex.sub = 0.7)

Plot diatas terlihat bahwa data tidak stasioner. Nilai Inflasi setiap tahunnya berubah secara fluktuatif. Adapun sejak tahun 2018 hingga 2021 terjadi peningkatan nilai Inflasi setiap tahunnya. Adapun persentase penduduk miskin menurun setiap tahunnya.

Contoh data ke-2

mdata2<- read_excel("Data Inflasi.xlsx", sheet = 2)
# Statistik deskriptif
str(mdata2)

## tibble [72 x 2] (S3: tbl_df/tbl/data.frame)
##  $ Periode: chr [1:72] "Januari 2016" "Februari 2016" "Maret 2016" "April 2016" ...
##  $ Inflasi: num [1:72] 4.14 4.42 4.45 3.6 3.33 3.45 3.21 2.79 3.07 3.31 ...

head(mdata2)

## # A tibble: 6 x 2
##   Periode       Inflasi
##   <chr>           <dbl>
## 1 Januari 2016     4.14
## 2 Februari 2016    4.42
## 3 Maret 2016       4.45
## 4 April 2016       3.6 
## 5 Mei 2016         3.33
## 6 Juni 2016        3.45

# Mengubah data menjadi data deret waktu
library(graphics)
dts2<- ts(mdata2[,2], start = 1, end = 72)
head(dts)

##      Inflasi Miskin
## [1,]     1.4   20.0
## [2,]     1.5   19.2
## [3,]     0.5   18.8
## [4,]     0.9   17.5
## [5,]     1.1   16.9
## [6,]     1.2   16.4

# Multiple Graph (membagi jendela menjadi 1 baris dua kolom)
ts.plot(dts2[,1], ylab = "Nilai Inflasi", xlab = "Bulan", col = "blue", lwd = 1)
title(main = 'Nilai Inflasi Januari 2016 - Desember 2021', 
      sub = "Sumber: https://www.bi.go.id/id/statistik ", cex.main = 0.8, cex.sub = 0.7)
points(dts2[,1], pch = 20, col = 'blue')