Manipulasi & Visualisasi Data Outflow Uang Kartal di Pulau Kalimantan pada 10 Tahun Terakhir

Jurusan: Teknik Informatika

Lembaga: Universitas Islam Negeri Maulana Malik Ibrahim Malang

Pengertian dan Penjelasan Manipulasi Data

Manipulasi data, manipulasi data dapat diartikan sebagai proses perubahan data sesuai dengan aturan yang kita terapkan. Manfaat manipulasi data dapat kita gunakan untuk melakukan prediksi data. Dengan adanya prediksi tersebut kita dapat membuat rencana untuk mencegah hal-hal yang tidak kita inginkan.Berikut ini merupakan contoh penerapan manipulasi data inflow uang kartal di Pulau Kalimantan

library(readxl)

## Warning: package 'readxl' was built under R version 4.1.2

outflowkalimantan <- read_excel(path = "outflowkalimantan.xlsx")
outflowkalimantan

## # A tibble: 5 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~  5221.  5698.  6011.  6764.  8486.  9402. 11132. 12278. 13768. 13501.
## 2 Kaliman~  6850.  7741. 15421.  8346. 10190. 10131. 11695. 13040. 12891. 12518.
## 3 Kaliman~  5126.  5580.  5046.  6265.  6755.  7424.  9544.  8476.  9228.  8222.
## 4 Kaliman~ 12337. 14426. 18451. 17398. 16514. 15221. 16525. 17724. 18596. 14993.
## 5 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 4.1.2

## -- Attaching packages --------------------------------------- tidyverse 1.3.1 --

## v ggplot2 3.3.5     v purrr   0.3.4
## v tibble  3.1.4     v dplyr   1.0.8
## v tidyr   1.1.3     v stringr 1.4.0
## v readr   2.0.1     v forcats 0.5.1

## Warning: package 'dplyr' was built under R version 4.1.2

## -- Conflicts ------------------------------------------ tidyverse_conflicts() --
## x dplyr::filter() masks stats::filter()
## x dplyr::lag()    masks stats::lag()

1.Manipulasi Data Outflow Uang Kartal di Pulau Kalimantan pada Tahun 2018

kalimantan1 <- select(outflowkalimantan,'Provinsi', '2018')
kalimantan1

## # A tibble: 5 x 2
##   Provinsi           `2018`
##   <chr>               <dbl>
## 1 Kalimantan Barat   12278.
## 2 Kalimantan Tengah  13040.
## 3 Kalimantan Selatan  8476.
## 4 Kalimantan Timur   17724.
## 5 Kalimantan Utara    2471.

2.Manipulasi Data Outflow Uang Kartal di Pulau Kalimantan Tanpa Tahun 2012

kalimantan2 <- select(outflowkalimantan, -'2012')
kalimantan2

## # A tibble: 5 x 11
##   Provinsi `2011` `2013` `2014` `2015` `2016` `2017` `2018` `2019` `2020` `2021`
##   <chr>     <dbl>  <dbl>  <dbl>  <dbl>  <dbl>  <dbl>  <dbl>  <dbl>  <dbl>  <dbl>
## 1 Kaliman~  5221.  6011.  6764.  8486.  9402. 11132. 12278. 13768. 13501.  6958.
## 2 Kaliman~  6850. 15421.  8346. 10190. 10131. 11695. 13040. 12891. 12518.  7071.
## 3 Kaliman~  5126.  5046.  6265.  6755.  7424.  9544.  8476.  9228.  8222.  5192.
## 4 Kaliman~ 12337. 18451. 17398. 16514. 15221. 16525. 17724. 18596. 14993.  9110.
## 5 Kaliman~     0      0      0      0      0   1507.  2471.  3096.  2826.  1960.

3.Manipulasi Data Outflow Uang Kartal di Pulau Kalimantan pada Tahun 2014-2018

kalimantan3 <- outflowkalimantan %>% select('Provinsi', '2014', '2015', '2016' , '2017' , '2018')
kalimantan3

## # A tibble: 5 x 6
##   Provinsi           `2014` `2015` `2016` `2017` `2018`
##   <chr>               <dbl>  <dbl>  <dbl>  <dbl>  <dbl>
## 1 Kalimantan Barat    6764.  8486.  9402. 11132. 12278.
## 2 Kalimantan Tengah   8346. 10190. 10131. 11695. 13040.
## 3 Kalimantan Selatan  6265.  6755.  7424.  9544.  8476.
## 4 Kalimantan Timur   17398. 16514. 15221. 16525. 17724.
## 5 Kalimantan Utara       0      0      0   1507.  2471.

4.Manipulasi Data Outflow Uang Kartal di Pulau Kalimantan dengan Menambah Tulisan Tahun di Tiap Tahunnya

kalimantan4 <- outflowkalimantan %>% rename('Tahun 2011' = '2011' , 'Tahun 2012' = '2012' , 'Tahun 2013' = '2013' , 'Tahun 2014' = '2014' , 'Tahun 2015' = '2015' , 'Tahun 2016' = '2016' , 'Tahun 2017' = '2017' , 'Tahun 2018' = '2018' , 'Tahun 2019' = '2019' , 'Tahun 2020' = '2020' , 'Tahun 2021' = '2021')
head(kalimantan4)

## # A tibble: 5 x 12
##   Provinsi      `Tahun 2011` `Tahun 2012` `Tahun 2013` `Tahun 2014` `Tahun 2015`
##   <chr>                <dbl>        <dbl>        <dbl>        <dbl>        <dbl>
## 1 Kalimantan B~        5221.        5698.        6011.        6764.        8486.
## 2 Kalimantan T~        6850.        7741.       15421.        8346.       10190.
## 3 Kalimantan S~        5126.        5580.        5046.        6265.        6755.
## 4 Kalimantan T~       12337.       14426.       18451.       17398.       16514.
## 5 Kalimantan U~           0            0            0            0            0 
## # ... with 6 more variables: Tahun 2016 <dbl>, Tahun 2017 <dbl>,
## #   Tahun 2018 <dbl>, Tahun 2019 <dbl>, Tahun 2020 <dbl>, Tahun 2021 <dbl>

5.Manipulasi Data Outflow Uang Kartal di Pulau Kalimantan dengan Mengambil Data Provinsi Kalimantan Utara pada Tahun 2015-2020

kalimantan5 <- outflowkalimantan %>%
    filter(Provinsi == 'Kalimantan Utara') %>%
    select( 'Provinsi', '2015','2016', '2017','2018', '2019', '2020')
kalimantan5

## # A tibble: 1 x 7
##   Provinsi         `2015` `2016` `2017` `2018` `2019` `2020`
##   <chr>             <dbl>  <dbl>  <dbl>  <dbl>  <dbl>  <dbl>
## 1 Kalimantan Utara      0      0  1507.  2471.  3096.  2826.

6.Struktur Data Outflow Uang Kartal di Pulau Kalimantan

str(outflowkalimantan)

## tibble [5 x 12] (S3: tbl_df/tbl/data.frame)
##  $ Provinsi: chr [1:5] "Kalimantan Barat" "Kalimantan Tengah" "Kalimantan Selatan" "Kalimantan Timur" ...
##  $ 2011    : num [1:5] 5221 6850 5126 12337 0
##  $ 2012    : num [1:5] 5698 7741 5580 14426 0
##  $ 2013    : num [1:5] 6011 15421 5046 18451 0
##  $ 2014    : num [1:5] 6764 8346 6265 17398 0
##  $ 2015    : num [1:5] 8486 10190 6755 16514 0
##  $ 2016    : num [1:5] 9402 10131 7424 15221 0
##  $ 2017    : num [1:5] 11132 11695 9544 16525 1507
##  $ 2018    : num [1:5] 12278 13040 8476 17724 2471
##  $ 2019    : num [1:5] 13768 12891 9228 18596 3096
##  $ 2020    : num [1:5] 13501 12518 8222 14993 2826
##  $ 2021    : num [1:5] 6958 7071 5192 9110 1960

str(outflowkalimantan %>% group_by(Provinsi))

## grouped_df [5 x 12] (S3: grouped_df/tbl_df/tbl/data.frame)
##  $ Provinsi: chr [1:5] "Kalimantan Barat" "Kalimantan Tengah" "Kalimantan Selatan" "Kalimantan Timur" ...
##  $ 2011    : num [1:5] 5221 6850 5126 12337 0
##  $ 2012    : num [1:5] 5698 7741 5580 14426 0
##  $ 2013    : num [1:5] 6011 15421 5046 18451 0
##  $ 2014    : num [1:5] 6764 8346 6265 17398 0
##  $ 2015    : num [1:5] 8486 10190 6755 16514 0
##  $ 2016    : num [1:5] 9402 10131 7424 15221 0
##  $ 2017    : num [1:5] 11132 11695 9544 16525 1507
##  $ 2018    : num [1:5] 12278 13040 8476 17724 2471
##  $ 2019    : num [1:5] 13768 12891 9228 18596 3096
##  $ 2020    : num [1:5] 13501 12518 8222 14993 2826
##  $ 2021    : num [1:5] 6958 7071 5192 9110 1960
##  - attr(*, "groups")= tibble [5 x 2] (S3: tbl_df/tbl/data.frame)
##   ..$ Provinsi: chr [1:5] "Kalimantan Barat" "Kalimantan Selatan" "Kalimantan Tengah" "Kalimantan Timur" ...
##   ..$ .rows   : list<int> [1:5] 
##   .. ..$ : int 1
##   .. ..$ : int 3
##   .. ..$ : int 2
##   .. ..$ : int 4
##   .. ..$ : int 5
##   .. ..@ ptype: int(0) 
##   ..- attr(*, ".drop")= logi TRUE

kalimantan6 <- outflowkalimantan %>%
    group_by(Provinsi)
kalimantan6

## # A tibble: 5 x 12
## # Groups:   Provinsi [5]
##   Provinsi `2011` `2012` `2013` `2014` `2015` `2016` `2017` `2018` `2019` `2020`
##   <chr>     <dbl>  <dbl>  <dbl>  <dbl>  <dbl>  <dbl>  <dbl>  <dbl>  <dbl>  <dbl>
## 1 Kaliman~  5221.  5698.  6011.  6764.  8486.  9402. 11132. 12278. 13768. 13501.
## 2 Kaliman~  6850.  7741. 15421.  8346. 10190. 10131. 11695. 13040. 12891. 12518.
## 3 Kaliman~  5126.  5580.  5046.  6265.  6755.  7424.  9544.  8476.  9228.  8222.
## 4 Kaliman~ 12337. 14426. 18451. 17398. 16514. 15221. 16525. 17724. 18596. 14993.
## 5 Kaliman~     0      0      0      0      0      0   1507.  2471.  3096.  2826.
## # ... with 1 more variable: 2021 <dbl>

outflowkalimantan %>%
    filter(Provinsi == 'Kalimantan Utara') %>%
    count('2020', sort = TRUE)

## # A tibble: 1 x 2
##   `"2020"`     n
##   <chr>    <int>
## 1 2020         1

kalimantan7 <- outflowkalimantan %>%
    mutate('2017' = outflowkalimantan$`2017`/2)
kalimantan7

## # A tibble: 5 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~  5221.  5698.  6011.  6764.  8486.  9402.  5566. 12278. 13768. 13501.
## 2 Kaliman~  6850.  7741. 15421.  8346. 10190. 10131.  5848. 13040. 12891. 12518.
## 3 Kaliman~  5126.  5580.  5046.  6265.  6755.  7424.  4772.  8476.  9228.  8222.
## 4 Kaliman~ 12337. 14426. 18451. 17398. 16514. 15221.  8262. 17724. 18596. 14993.
## 5 Kaliman~     0      0      0      0      0      0    754.  2471.  3096.  2826.
## # ... with 1 more variable: 2021 <dbl>

7.Visualisasi Data Outflow Uang Kartal di Pulau Kalimantan pada Tahun 2020

ggplot(data = outflowkalimantan, mapping = aes(x = Provinsi, y = `2020`)) +
  geom_point()

Referensi

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

https://rpubs.com/suhartono-uinmaliki/868598