Memanipulasi Data Uang Kartal di Kalimantan dengan Library dplyr dan Visualisasi Data dengan ggplot

Lembaga = Universitas Islam Negeri Maulana Malik Ibrahim Malang

Jurusan = Teknik Informatika

Manipulasi Data dengan dplyr

Dalam melakukan manipulasi data di R kita dapat menggunakan package dplyr. Package ini dibuat oleh Handley Wickham dan Roman Francois yang berisi kumpulan fungsi yang memudahkan manipulasi data yaitu antara lain:sample() untuk mengambil sampel secara acak dari tabel, mutate() untuk menambah kolom, select() untuk mengambil data atau variabel yang dibutuhkan, arrange() untuk mengurutkan data, filter() untuk menyaring data, groupby() untuk mengelompokkan data .

library(readxl)
datainflowKalimantan <- read_excel(path = "inflowkalimantan.xlsx")
datainflowKalimantan

## # 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 Kaliman~ 13272. 17575. 37698. 26379. 29427. 32847. 35119. 41157. 46158. 37200.
## 2 Kaliman~  2831.  3386.  4029.  5943.  6675.  7440.  7775. 10249. 11848.  9294.
## 3 Kaliman~   779.  1135. 19328.  1887.  3547.  3694.  3655.  4083.  4385.  4178.
## 4 Kaliman~  5369.  7311.  4226.  9614.  9558. 10809. 12415. 13604. 14462. 11753.
## 5 Kaliman~  4293.  5743. 10115.  8936.  9646. 10903. 10933. 12305. 13991. 10612.
## 6 Kaliman~     0      0      0      0      0      0    341.   917.  1472.  1362.
## # ... with 1 more variable: `2021` <dbl>

library(tidyverse)

## -- 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

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

Memilih atau membuang beberapa variabel yang tidak digunakan

Kalimantan1 <- select(datainflowKalimantan, '2017')
Kalimantan1

## # A tibble: 6 x 1
##   `2017`
##    <dbl>
## 1 35119.
## 2  7775.
## 3  3655.
## 4 12415.
## 5 10933.
## 6   341.

Kalimantan2 <- select(datainflowKalimantan, `2017`, `2019`, `2021`)
Kalimantan2

## # A tibble: 6 x 3
##   `2017` `2019` `2021`
##    <dbl>  <dbl>  <dbl>
## 1 35119. 46158. 31372.
## 2  7775. 11848.  7598.
## 3  3655.  4385.  3534.
## 4 12415. 14462.  9655.
## 5 10933. 13991.  8914.
## 6   341.  1472.  1671.

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.

library(tidyverse)
Kalimantannon2019 <- select(datainflowKalimantan, -'2019')
Kalimantannon2019

## # A tibble: 6 x 11
##   Provinsi `2011` `2012` `2013` `2014` `2015` `2016` `2017` `2018` `2020` `2021`
##   <chr>     <dbl>  <dbl>  <dbl>  <dbl>  <dbl>  <dbl>  <dbl>  <dbl>  <dbl>  <dbl>
## 1 Kaliman~ 13272. 17575. 37698. 26379. 29427. 32847. 35119. 41157. 37200. 31372.
## 2 Kaliman~  2831.  3386.  4029.  5943.  6675.  7440.  7775. 10249.  9294.  7598.
## 3 Kaliman~   779.  1135. 19328.  1887.  3547.  3694.  3655.  4083.  4178.  3534.
## 4 Kaliman~  5369.  7311.  4226.  9614.  9558. 10809. 12415. 13604. 11753.  9655.
## 5 Kaliman~  4293.  5743. 10115.  8936.  9646. 10903. 10933. 12305. 10612.  8914.
## 6 Kaliman~     0      0      0      0      0      0    341.   917.  1362.  1671.

Kalimantan2020 <- datainflowKalimantan %>% select('2020')
Kalimantan2020

## # A tibble: 6 x 1
##   `2020`
##    <dbl>
## 1 37200.
## 2  9294.
## 3  4178.
## 4 11753.
## 5 10612.
## 6  1362.

Selain memilih kolom, select() juga dapat digunakan untuk mengubah nama kolom, misalnya

Kalimantan3 <- datainflowKalimantan %>%
  select(tahun = `2015`, `2018`, `2021`)
Kalimantan3

## # A tibble: 6 x 3
##    tahun `2018` `2021`
##    <dbl>  <dbl>  <dbl>
## 1 29427. 41157. 31372.
## 2  6675. 10249.  7598.
## 3  3547.  4083.  3534.
## 4  9558. 13604.  9655.
## 5  9646. 12305.  8914.
## 6     0    917.  1671.

Mengambil nilai unik (tidak duplikasi) dari sebuah variable

Kalimantan4 <- distinct(datainflowKalimantan, `2016`)
Kalimantan4

## # A tibble: 6 x 1
##   `2016`
##    <dbl>
## 1 32847.
## 2  7440.
## 3  3694.
## 4 10809.
## 5 10903.
## 6     0

Untuk mendapatkan nilai unik dari semua baris berdasarkan variabel tertentu tambahkan opsi .keep_all = TRUE setelah nama variable dalam fungsi distinct().

Kalimantan5 <- distinct(datainflowKalimantan, `2019`, .keep_all = TRUE)
Kalimantan5

## # 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 Kaliman~ 13272. 17575. 37698. 26379. 29427. 32847. 35119. 41157. 46158. 37200.
## 2 Kaliman~  2831.  3386.  4029.  5943.  6675.  7440.  7775. 10249. 11848.  9294.
## 3 Kaliman~   779.  1135. 19328.  1887.  3547.  3694.  3655.  4083.  4385.  4178.
## 4 Kaliman~  5369.  7311.  4226.  9614.  9558. 10809. 12415. 13604. 14462. 11753.
## 5 Kaliman~  4293.  5743. 10115.  8936.  9646. 10903. 10933. 12305. 13991. 10612.
## 6 Kaliman~     0      0      0      0      0      0    341.   917.  1472.  1362.
## # ... with 1 more variable: `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)

Kalimantan6 <- datainflowKalimantan %>%
  filter(Provinsi <= 'Kalimantan Utara') %>%
    select(`2020`,`2021`)
Kalimantan6

## # A tibble: 6 x 2
##   `2020` `2021`
##    <dbl>  <dbl>
## 1 37200. 31372.
## 2  9294.  7598.
## 3  4178.  3534.
## 4 11753.  9655.
## 5 10612.  8914.
## 6  1362.  1671.

Kalimantan7 <- datainflowKalimantan %>%
  filter(Provinsi == 'Kalimantan Tengah', Provinsi == 'Kalimantan Utara') %>%
    select( -`2016`)
Kalimantan7

## # A tibble: 0 x 11
## # ... with 11 variables: Provinsi <chr>, 2011 <dbl>, 2012 <dbl>, 2013 <dbl>,
## #   2014 <dbl>, 2015 <dbl>, 2017 <dbl>, 2018 <dbl>, 2019 <dbl>, 2020 <dbl>,
## #   2021 <dbl>

str(datainflowKalimantan)

## tibble [6 x 12] (S3: tbl_df/tbl/data.frame)
##  $ Provinsi: chr [1:6] "Kalimantan" "Kalimantan Barat" "Kalimantan Tengah" "Kalimantan Selatan" ...
##  $ 2011    : num [1:6] 13272 2831 779 5369 4293 ...
##  $ 2012    : num [1:6] 17575 3386 1135 7311 5743 ...
##  $ 2013    : num [1:6] 37698 4029 19328 4226 10115 ...
##  $ 2014    : num [1:6] 26379 5943 1887 9614 8936 ...
##  $ 2015    : num [1:6] 29427 6675 3547 9558 9646 ...
##  $ 2016    : num [1:6] 32847 7440 3694 10809 10903 ...
##  $ 2017    : num [1:6] 35119 7775 3655 12415 10933 ...
##  $ 2018    : num [1:6] 41157 10249 4083 13604 12305 ...
##  $ 2019    : num [1:6] 46158 11848 4385 14462 13991 ...
##  $ 2020    : num [1:6] 37200 9294 4178 11753 10612 ...
##  $ 2021    : num [1:6] 31372 7598 3534 9655 8914 ...

str(datainflowKalimantan %>% group_by(Provinsi))

## grouped_df [6 x 12] (S3: grouped_df/tbl_df/tbl/data.frame)
##  $ Provinsi: chr [1:6] "Kalimantan" "Kalimantan Barat" "Kalimantan Tengah" "Kalimantan Selatan" ...
##  $ 2011    : num [1:6] 13272 2831 779 5369 4293 ...
##  $ 2012    : num [1:6] 17575 3386 1135 7311 5743 ...
##  $ 2013    : num [1:6] 37698 4029 19328 4226 10115 ...
##  $ 2014    : num [1:6] 26379 5943 1887 9614 8936 ...
##  $ 2015    : num [1:6] 29427 6675 3547 9558 9646 ...
##  $ 2016    : num [1:6] 32847 7440 3694 10809 10903 ...
##  $ 2017    : num [1:6] 35119 7775 3655 12415 10933 ...
##  $ 2018    : num [1:6] 41157 10249 4083 13604 12305 ...
##  $ 2019    : num [1:6] 46158 11848 4385 14462 13991 ...
##  $ 2020    : num [1:6] 37200 9294 4178 11753 10612 ...
##  $ 2021    : num [1:6] 31372 7598 3534 9655 8914 ...
##  - attr(*, "groups")= tibble [6 x 2] (S3: tbl_df/tbl/data.frame)
##   ..$ Provinsi: chr [1:6] "Kalimantan" "Kalimantan Barat" "Kalimantan Selatan" "Kalimantan Tengah" ...
##   ..$ .rows   : list<int> [1:6] 
##   .. ..$ : int 1
##   .. ..$ : int 2
##   .. ..$ : int 4
##   .. ..$ : int 3
##   .. ..$ : int 5
##   .. ..$ : int 6
##   .. ..@ ptype: int(0) 
##   ..- attr(*, ".drop")= logi TRUE

Mengelompokkan data

Kalimantanup <- datainflowKalimantan %>%
    group_by(Provinsi)
Kalimantanup

## # A tibble: 6 x 12
## # Groups:   Provinsi [6]
##   Provinsi `2011` `2012` `2013` `2014` `2015` `2016` `2017` `2018` `2019` `2020`
##   <chr>     <dbl>  <dbl>  <dbl>  <dbl>  <dbl>  <dbl>  <dbl>  <dbl>  <dbl>  <dbl>
## 1 Kaliman~ 13272. 17575. 37698. 26379. 29427. 32847. 35119. 41157. 46158. 37200.
## 2 Kaliman~  2831.  3386.  4029.  5943.  6675.  7440.  7775. 10249. 11848.  9294.
## 3 Kaliman~   779.  1135. 19328.  1887.  3547.  3694.  3655.  4083.  4385.  4178.
## 4 Kaliman~  5369.  7311.  4226.  9614.  9558. 10809. 12415. 13604. 14462. 11753.
## 5 Kaliman~  4293.  5743. 10115.  8936.  9646. 10903. 10933. 12305. 13991. 10612.
## 6 Kaliman~     0      0      0      0      0      0    341.   917.  1472.  1362.
## # ... with 1 more variable: `2021` <dbl>

Menambah kolom

Baliup1 <- datainflowKalimantan %>%
    mutate(`2020` = datainflowKalimantan$`2021`/2)
Baliup1

## # 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 Kaliman~ 13272. 17575. 37698. 26379. 29427. 32847. 35119. 41157. 46158. 15686.
## 2 Kaliman~  2831.  3386.  4029.  5943.  6675.  7440.  7775. 10249. 11848.  3799.
## 3 Kaliman~   779.  1135. 19328.  1887.  3547.  3694.  3655.  4083.  4385.  1767.
## 4 Kaliman~  5369.  7311.  4226.  9614.  9558. 10809. 12415. 13604. 14462.  4828.
## 5 Kaliman~  4293.  5743. 10115.  8936.  9646. 10903. 10933. 12305. 13991.  4457.
## 6 Kaliman~     0      0      0      0      0      0    341.   917.  1472.   835.
## # ... with 1 more variable: `2021` <dbl>

Mengurutkan data

Kalimantanubah <- arrange(datainflowKalimantan, `2015`)
Kalimantanubah

## # 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 Kaliman~     0      0      0      0      0      0    341.   917.  1472.  1362.
## 2 Kaliman~   779.  1135. 19328.  1887.  3547.  3694.  3655.  4083.  4385.  4178.
## 3 Kaliman~  2831.  3386.  4029.  5943.  6675.  7440.  7775. 10249. 11848.  9294.
## 4 Kaliman~  5369.  7311.  4226.  9614.  9558. 10809. 12415. 13604. 14462. 11753.
## 5 Kaliman~  4293.  5743. 10115.  8936.  9646. 10903. 10933. 12305. 13991. 10612.
## 6 Kaliman~ 13272. 17575. 37698. 26379. 29427. 32847. 35119. 41157. 46158. 37200.
## # ... with 1 more variable: `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.

ggplot(data = datainflowKalimantan, mapping = aes(x = Provinsi, y = `2015`)) +
  geom_point()

ggplot(data = datainflowKalimantan, mapping = aes(x = Provinsi, y = `2015`)) +
  geom_bar(stat = "identity")

ggplot(datainflowKalimantan, aes(Provinsi,`2021`, color=`Provinsi`))+
  geom_point()

Referensi

https://rpubs.com/suhartono-uinmaliki/868598https://rpubs.com/aephidayatuloh/manipulasi-data https://rpubs.com/aephidayatuloh/coviz https://www.bi.go.id/id/statistik/ekonomi-keuangan/ssp/indikator-pengedaran-uang.aspx https://dqlab.id/belajar-bahasa-r-untuk-pemula-tidyverse-package-untuk-eksplorasi-dan-manipulasi-data

Memanipulasi Data Uang Kartal di Kalimantan dengan Library dplyr dan Visualisasi Data dengan ggplot

Prasetyo Putra Pratama, Prof. Dr. suhartono,M.kom.

28/2/2022

Manipulasi Data dengan dplyr

Memilih atau membuang beberapa variabel yang tidak digunakan

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.

Selain memilih kolom, select() juga dapat digunakan untuk mengubah nama kolom, misalnya

Mengambil nilai unik (tidak duplikasi) dari sebuah variable

Untuk mendapatkan nilai unik dari semua baris berdasarkan variabel tertentu tambahkan opsi .keep_all = TRUE setelah nama variable dalam fungsi distinct().

Menyeleksi baris

Mengelompokkan data

Menambah kolom

Mengurutkan data

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.

Referensi