Langsung ke konten utama

Pivot Table dengan R

Pivot table dengan R

Siapa dari kita yang nggak pernah menggunakan fasilitas pivot table di excel? Mungkin banyak di antara kita yang telah mengenal bahkan familier dengan fasilitas yang disediakan excel satu ini. Pivot table banyak dimanfaatkan untuk keperluan olah data secara cepat dan praktis. Kita hanya berbekal drag and drop setiap variabel yang dipivotkan sudah menjadi sebuah tabel yang teragregasi secara otomatis dan memenuhi segala keperluan yang mendesak.

Di excel sendiri, kita sebenarnya tidak perlu berpikir panjang apalagi susah payah membangun code. Namun, dalam rangka membangun logika dan pemahaman terhadap pivot table itulah yang menjadikan saya sedikit berbagi gimana sih caranya menerapkan pivot table  di R? Kalau di excel, secara gamblang digambarkan berikut:

Pivot table di excel

Lantas, bagaimana kalau di R? Ya, di R kita masih memerlukan sejumlah langka untuk membuat sebuah tabel atau data menjadi pivit table. Sebelum menerapkan pivot table, terlebih dahulu kita pastikan bahwa package dplyr telah terinstal dan aktif melalui fungsi library(dplyr). Baru kita membuat pivot dengan sedikit code dibubuhi dengan pipe (%>%) yang menunjukkan bahwa instruksi kita berlanjut dari instruksi A ke B, atau seterusnya. Oke, saatnya kita coding untuk mempraktikkannya.

Code:

#Membuat Data Frame
penjualanbuku <- data.frame(tahun = c('2022', '2022', '2021', '2021', '2021', '2021', '2022', '2022', '2020', '2020'),
                 kecamatan = c('Tulangan', 'Tulangan', 'Porong', 'Tulangan', 'Porong', 'Porong', 'Candi', 'Candi', 'Candi', 'Tulangan'),
                 penjualan = c(12, 18, 21, 22, 34, 29, 38, 36, 34, 32))

#Melihat Data Frame
penjualanbuku

Hasil:

  tahun kecamatan penjualan
1   2022  Tulangan        12
2   2022  Tulangan        18
3   2021    Porong        21
4   2021  Tulangan        22
5   2021    Porong        34
6   2021    Porong        29
7   2022     Candi        38
8   2022     Candi        36
9   2020     Candi        34
10  2020  Tulangan        32

Code:

#mengaktifkan package dplyr
library(dplyr)

#Menemukan Jumlah Penjualan Buku menurut Tahun
penjualanbuku %>%
  group_by(tahun) %>%
  summarize(jumlah_penjualan = sum(penjualan))

Hasil:

tahun jumlah_penjualan

2020             66

2021            106

2022            104

Code:

#Menemukan Rata-rata Penjualan Buku Menurut Kecamatan
penjualanbuku %>%
  group_by(kecamatan) %>%
  summarise(ratarata_penjualan = mean(penjualan))

Hasil:

kecamatan ratarata_penjualan

Candi                    36

Porong                  28

Tulangan               21

Code:

#Menemukan Standar Deviasi Penjualan Menurut Kecamatan
penjualanbuku %>%
  group_by(kecamatan) %>%
  summarise(sd_penjualan = sd(penjualan))

Hasil:

kecamatan sd_penjualan

Candi                     2

Porong                6.56

Tulangan             8.41

Code:

#Menemukan Kecamatan mana yang Paling Homogen penjualannya
penjualanbuku %>%
  group_by(kecamatan) %>%
  summarise(KV = (sd(penjualan)/mean(penjualan)))

Hasil:

kecamatan           KV

Candi                 0.0556

Porong               0.234

Tulangan            0.400

Terlihat bahwa penjualan Kecamatan Candi relatif homogen dibandingkan 2 kecamatan lainnya.

Oke, demikian sedikit ulasan bagaimana kita menerapkan pivot table di R sebagaimana pivot table di excel. Jangan lupa untuk share, tanya-tanya di kolom komentar, dan menyimak unggahan berikutnya. Semoga bermanfaat.

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...