Relational Data Set Tanah Longsor dan Banjir di Pulau Jawa Pada Tahun 2018

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()

abel Data Terjadinya Tanah Longsor di Pulau Jawa

tanahlongsor <- data.frame(
  'Provinsi' = c("DKI Jakarta", "Banten", "Jawa Barat", "DI Yogyakarta", "Jawa Tengah", "Jawa Timur"),
  "Desa Terdampak Tanah Longsor"= c(6, 219, 1824, 117, 1584, 843),
  stringsAsFactors = FALSE)
tanahlongsor

##        Provinsi Desa.Terdampak.Tanah.Longsor
## 1   DKI Jakarta                            6
## 2        Banten                          219
## 3    Jawa Barat                         1824
## 4 DI Yogyakarta                          117
## 5   Jawa Tengah                         1584
## 6    Jawa Timur                          843

Tabel Data Terjadinya Banjir di Pulau Jawa

banjir <- data.frame(
  Provinsi = c("DKI Jakarta", "Banten", "Jawa Barat", "DI Yogyakarta", "Jawa Tengah", "Jawa Timur"),
  "Desa Terdampak Banjir"= c(101, 501, 1185, 14, 1452, 1422),
  stringsAsFactors = FALSE)
banjir

##        Provinsi Desa.Terdampak.Banjir
## 1   DKI Jakarta                   101
## 2        Banten                   501
## 3    Jawa Barat                  1185
## 4 DI Yogyakarta                    14
## 5   Jawa Tengah                  1452
## 6    Jawa Timur                  1422

Menggabungkan Data Provinsi di Pulau Jawa dengan Data Banyak Desa yang Terdampak

library(dplyr)
datagabungan <- merge(
  x = tanahlongsor,
  y = banjir,
  by = 'Provinsi',
  all = TRUE
)
datagabungan

##        Provinsi Desa.Terdampak.Tanah.Longsor Desa.Terdampak.Banjir
## 1        Banten                          219                   501
## 2 DI Yogyakarta                          117                    14
## 3   DKI Jakarta                            6                   101
## 4    Jawa Barat                         1824                  1185
## 5   Jawa Tengah                         1584                  1452
## 6    Jawa Timur                          843                  1422

Inner Joins antara Data Provinsi di Pulau Jawa dengan Data Banyak Desa yang Terdampak

InnerJoins <- tanahlongsor %>% 
  inner_join(banjir, by = "Provinsi")
InnerJoins

##        Provinsi Desa.Terdampak.Tanah.Longsor Desa.Terdampak.Banjir
## 1   DKI Jakarta                            6                   101
## 2        Banten                          219                   501
## 3    Jawa Barat                         1824                  1185
## 4 DI Yogyakarta                          117                    14
## 5   Jawa Tengah                         1584                  1452
## 6    Jawa Timur                          843                  1422

Outer Joins antara Data Provinsi di Pulau Jawa dengan Data Banyak desa yang Terdampak

1. A Left Join

leftjoin <- left_join(tanahlongsor,banjir)

## Joining, by = "Provinsi"

leftjoin

##        Provinsi Desa.Terdampak.Tanah.Longsor Desa.Terdampak.Banjir
## 1   DKI Jakarta                            6                   101
## 2        Banten                          219                   501
## 3    Jawa Barat                         1824                  1185
## 4 DI Yogyakarta                          117                    14
## 5   Jawa Tengah                         1584                  1452
## 6    Jawa Timur                          843                  1422

2. A Right Join

rightjoin <- right_join(tanahlongsor,banjir)

## Joining, by = "Provinsi"

rightjoin

##        Provinsi Desa.Terdampak.Tanah.Longsor Desa.Terdampak.Banjir
## 1   DKI Jakarta                            6                   101
## 2        Banten                          219                   501
## 3    Jawa Barat                         1824                  1185
## 4 DI Yogyakarta                          117                    14
## 5   Jawa Tengah                         1584                  1452
## 6    Jawa Timur                          843                  1422

3. A FUll Join

fulljoin <- full_join(tanahlongsor,banjir)

## Joining, by = "Provinsi"

fulljoin

##        Provinsi Desa.Terdampak.Tanah.Longsor Desa.Terdampak.Banjir
## 1   DKI Jakarta                            6                   101
## 2        Banten                          219                   501
## 3    Jawa Barat                         1824                  1185
## 4 DI Yogyakarta                          117                    14
## 5   Jawa Tengah                         1584                  1452
## 6    Jawa Timur                          843                  1422

Referensi

https://rpubs.com/suhartono-uinmaliki/relational https://www.bps.go.id/indicator/168/954/1/banyaknya-desa-kelurahan-menurut-jenis-bencana-alam-dalam-tiga-tahun-terakhir.html