Langsung ke konten utama

Animasi Grafik Garis (Line Chart Animation) dengan Package gganimate di R

Membuat Animasi Grafik Garis dengan R

Sebagaimana yang telah saya katakan sebelumnya, bahwa bahasan dalam blog ini akan semakin kompleks dan komprehensif. Kalau kemarin kita hanya belajar bagaimana dasar-dasar visualisasi data yang sifatnya masih statis, sekarang kita coba berkembang ke bagaimana membuat visualisasi data yang sifatnya dinamis atau biasa diistilahkan animasi.

Belakang animasi data ini lebih diminati lantaran visualnya lebih menarik dan mengalihkan pandangan masyarakat atau secara spesifik pengguna data. Kali ini kita akan coba mempraktikan bagaimana cara mengcustome grafik garis (line chart) dengan menggunakan bantuan package yang bernama gganimate. Package ini baru saja saya kenal tahun lalu dan telah saya pelajari bagaimana tatacara menyusunnya. Dari pengalaman saya, package ini dapat berfungsi dengan baik bila kita menggunakan dan menginstallnya di R lokal, sedangkan ketika package ini digunakan dalam R Studio cloud misalnya itu justru tidak berfungsi dengan baik karena mungkin untuk merender setiap visual data yang ditugaskan oleh package gganimate ini butuh memori lokal atau sebuah ruang penyimpanan lokal.

Baik, sebelum kita mempraktikannya, sebagaimana adat istiadat dalam blog ini, kita perlu mengunduh data praktiknya terlebih dahulu. Data yang akan kita gunakan kali ini adalah data historis pendaftaran Sekolah Tinggi Kedinasan yang diselenggarakan oleh Badan Kepegawaian Negara (BKN) tahun 2021, Sekolah Tinggi Kedinasan ini terdiri atas beberapa perguruan tinggi yang berstatus Ikatan Dinas, di antaranya Polstat STIS, PKN STAN, STMKG, STIN, IPDN, dan lainnya. Untuk datanya silakan unduh di sini. Setelah datanya telah diunduh, kita praktikkan dengan menggunakan code sederahan berikut:

Code:

#Import data Kedin
library(readxl)
Kedin <- read_excel("E:/R/Kedin.xlsx")

#Melihat Struktur data Kedinasan
str(Kedin)
names(Kedin)

Hasil:

tibble [140 x 5] (S3: tbl_df/tbl/data.frame)
 $ Tgl      : POSIXct[1:140], format: "2021-04-12" "2021-04-13" "2021-04-14" ...
 $ Kedinasan: chr [1:140] "Polstat STIS" "Polstat STIS" "Polstat STIS" "Polstat STIS" ...
 $ Pendaftar: num [1:140] 1162 1577 2104 2708 3871 ...
 $ Kuota    : num [1:140] 600 600 600 600 600 600 600 600 600 600 ...
 $ Size     : num [1:140] 2400 2400 2400 2400 2400 2400 2400 2400 2400 2400 ...

[1] "Tgl"       "Kedinasan" "Pendaftar" "Kuota"     "Size"

Code:

#Mengubah Tgl menjadi Date, Kedinasan menjadi character, dan Pendaftar menjadi numeric
Kedin$Tgl <- as.Date(Kedin$Tgl)
Kedin$Kedinasan <- as.character(Kedin$Kedinasan)
Kedin$Pendaftar <- as.numeric(Kedin$Pendaftar)

#Install dan aktifkan package gganimate
install.packages("gganimate")
library(gganimate)

#Plot data Kedin dengan pipeline
p <- Kedin %>%
  ggplot(mapping = aes(x = Tgl, y = Pendaftar, grup = Kedinasan, color = Kedinasan)) +
  geom_line() +
  geom_point(stroke = 1, size = 3) +
  labs(x = "Tanggal Pendaftaran", y = "Jumlah Pendaftar") +
  geom_text(aes(label = Kedinasan), hjust = 0) +
  transition_reveal(Kedin$Tgl) +
  coord_cartesian() +
  theme(legend.position = "bottom")+
  theme_minimal()

Hasil:

Visualisasi animasi grafik garis dengan R

Oke, kita telah mempraktikan bagaimana cara membuat grafik garis animasi dengan R. Jangan lupa share, komentar di kolom yang tersedia jika ada pertanyaan atau kurang jelas, dan yang pasti jangan lupa ikuti terus unggahan blog ini. Terima kasih.

Komentar

Postingan populer dari blog ini

Mencari P - Value dan Titik Kritis Uji F, Uji t, Uji Chi Square, dan Uji Z Normal dengan R

Mencari nilai p-value dan titik kritis Bagi teman-teman yang pernah mengenal statistika, pasti familier dengan istilah p-value dan titik kritis. P-value biasanya didefinisikan sebagai probabiltas atau peluang maksimal yang diamati dari hasil uji statistik, bahasa gampangnya adalah besarnya kesalahan penelitian berdasarkan uji statistik. Sebagai contoh sederhana, dari 100 orang dengan nama masing-masing dan diklasifikasikan ke dalam gender nama perempuan dan nama laki-laki, didapatkan nilai p-value uji statistiknya sebesar 0,05 atau 5%. Itu artinya, dari 100 orang, ada kemungkinan sebanyak 5 orang yang namanya salah klasifikasi. Dari namanya terdeteksi sebagai nama perempuan, padahal aktualnya yang bersangkutan bergender laki-laki. Sedangkan titik kritis atau titik uji adalah nilai batas pengujian hipotesis statistik, apakah masuk dalam wilayah tolak hipotesis, ataukah gagal menolaknya. Titik ini berkaitan erat dengan nilai p-value . Kalau biasanya kita mendapatkan kedua nilai ini da...

Cara Mendowload dan Install R serta RStudio di Windows (Step by Step)

Cara Download dan Install R serta R Studio di Windows Halo teman-teman, mohon maaf karena beberapa waktu ini, blog ini sempat vakum dari unggahan. Kali ini saya akan coba berbagai mengenai bagaimana cara mengunduh ( download ) dan menginstal ( install ) program R sekaligus R Studio khususnya di Windows. Unggahan kali ini sedikit terbalik karena semestinya saya unggah terlebih dahulu pertama kali di blog ini, namun bukan masalah, mengingat kemarin ada beberapa pihak yang meminta untuk menerangkap bagaimana tahapan mengunduh dan instalasi R dan R Studio, jadinya saya dahulukan pada unggahan ini sebelum pembahasan mengenai Data Mining , Data Science , atau bahasan Big Data kita terlampau jauh. Baik, kita akan mulai dengan bagaimana mengunduh R dan R Studio melalui mesin pencari Google. R dan R Studio ini memang beberapa waktu terakhir ini booming , apalagi dengan munculnya konsep mengenai Big Data , Data Modelling, Data Mining, dan Data Science serta Data Visualization . Sebenarnya, men...

Analisis Tipologi Klassen (Klassen Typology) dan Visualisasi Spasialnya dengan R

Tipologi Klassen dan visualisasinya dengan R Halo teman-teman, sebelumnya kita telah membahas tentang analisis Shift Share dan Location Quotient (LQ) dengan menggunakan R. Kali ini, kita akan membahas mengenai satu lagi alat analisis yang sebenarnya merupakan alat analisis tiga serangkai dari SS dan LQ, yaitu analisis Tipologi Klassen. Dalam penelitian ekonomi kewilayahan, ketiga analisis ini seringkali digunakan, baik dalam rangka melihat perkembangan dan transformasi struktur ekonomi suatu wilayah maupun melihat keunggulan kompetitif dan keunggulan komparatif wilayah satu dengan wilayah lainnya dengan mengacu wilayah referensi. Terlebih dulu, sebelum melakukan visualisasi spasial menggunakan fungsi plot(), ada baiknya kita bahas terlebih dahulu mengenai Tipologi Klassen itu sendiri. Tipologi Klassen merupakan teknik pengelompokan sektor, subsektor, lapangan usaha, atau komoditas tertentu di wilayah analisis berdasarkan pertumbuhan nilai tambah wilayah analisis terhadap nasional atau...