Universitas : Universitas Islam Negeri Maulana Malik Ibrahim Malang

Jurusan : Teknik Informatika

Pengertian Pivot Table

Pivot Table adalah fitur yang paling powerful memungkinkan pengguna mengambil informasi dengan cepat dari kumpulan data dalam jumlah besar. Pivot Table dapat digunakan sebagai alternatif untuk melakukan analisis data terkait mengelompokkan dan meringkas data. Dengan menggunakan Pivot Table, pengguna dapat menghemat waktu secara signifikan.

library(readxl)
## Warning: package 'readxl' was built under R version 4.1.3
datainflowjawa <- read_excel(path = "inflow tahunan.xlsx")
datainflowjawa
## # 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 Jawa     1.24e5 1.60e5 1.35e5 2.17e5 2.30e5 2.62e5 2.78e5 3.07e5 3.25e5 2.59e5
## 2 Jawa Ba~ 4.38e4 6.06e4 3.52e4 7.87e4 8.13e4 8.80e4 8.32e4 8.72e4 9.48e4 7.69e4
## 3 Jawa Te~ 3.51e4 4.33e4 4.22e4 6.05e4 6.52e4 7.28e4 7.70e4 8.78e4 9.08e4 8.50e4
## 4 Yogyaka~ 6.49e3 9.17e3 8.94e3 1.39e4 1.48e4 1.74e4 1.75e4 2.06e4 2.09e4 7.35e3
## 5 Jawa Ti~ 3.85e4 4.74e4 4.87e4 6.43e4 6.88e4 8.34e4 9.84e4 1.06e5 1.14e5 8.68e4
## 6 Banten   0      0      0      0      0      0      1.49e3 4.83e3 4.48e3 3.40e3
## # ... 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   1.0.8
## 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 4.1.3
## 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()

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

datalongerjawa <- datainflowjawa %>% 
  pivot_longer(!Provinsi, names_to = "Tahun", values_to = "Kasus")
datalongerjawa
## # A tibble: 66 x 3
##    Provinsi Tahun   Kasus
##    <chr>    <chr>   <dbl>
##  1 Jawa     2011  123917.
##  2 Jawa     2012  160482.
##  3 Jawa     2013  134998.
##  4 Jawa     2014  217303.
##  5 Jawa     2015  230141.
##  6 Jawa     2016  261607.
##  7 Jawa     2017  277609.
##  8 Jawa     2018  306911.
##  9 Jawa     2019  324624.
## 10 Jawa     2020  259444.
## # ... with 56 more rows

Pivot Data Inflow Uang Kartal di Pulau jawa Berdasarkan Kasus

library(dplyr)
jawa2 <- select(datalongerjawa, Provinsi, Kasus)
jawa2
## # A tibble: 66 x 2
##    Provinsi   Kasus
##    <chr>      <dbl>
##  1 Jawa     123917.
##  2 Jawa     160482.
##  3 Jawa     134998.
##  4 Jawa     217303.
##  5 Jawa     230141.
##  6 Jawa     261607.
##  7 Jawa     277609.
##  8 Jawa     306911.
##  9 Jawa     324624.
## 10 Jawa     259444.
## # ... with 56 more rows

Kasus Data Inflow Uang Kartal di provinsi Jawa Timur Periode 2011-2021

library(dplyr)
jawa3 <- datalongerjawa  %>%
    filter(Provinsi == 'Jawa Timur') %>%
    select('Provinsi', 'Tahun', 'Kasus')
jawa3 
## # A tibble: 11 x 3
##    Provinsi   Tahun   Kasus
##    <chr>      <chr>   <dbl>
##  1 Jawa Timur 2011   38515.
##  2 Jawa Timur 2012   47383.
##  3 Jawa Timur 2013   48687.
##  4 Jawa Timur 2014   64276.
##  5 Jawa Timur 2015   68808.
##  6 Jawa Timur 2016   83439.
##  7 Jawa Timur 2017   98380.
##  8 Jawa Timur 2018  106433.
##  9 Jawa Timur 2019  113651.
## 10 Jawa Timur 2020   86848.
## 11 Jawa Timur 2021   58986.

Kasus Data Inflow Uang Kartal di provinsi Jawa Timur Tahun 2021

jawa4 <- datalongerjawa %>%
  filter(Provinsi == 'Jawa Timur', Tahun == '2021') %>%
  select('Provinsi', 'Tahun', 'Kasus')
jawa4
## # A tibble: 1 x 3
##   Provinsi   Tahun  Kasus
##   <chr>      <chr>  <dbl>
## 1 Jawa Timur 2021  58986.

Visualisasi Pivot Data Inflow Uang Kartal di pulau jawa Berdasarkan Provinsi

ggplot(data = datalongerjawa, 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 jawa Berdasarkan Tahun

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

Daftar Pustaka

https://www.kitalulus.com/seputar-kerja/pivot-table-adalah

https://www.bi.go.id/id/statistik/ekonomi-keuangan/ssp/indikator-pengedaran-uang.aspx