Langsung ke konten utama

Visualisasi Diagram Chord (Chord Diagram) dengan R

Diagram Chord

Kita masih berkutat membahas visualisasi data teman-teman. Kita pelan-pelan saja membahas dan mendalami R. Tenang saja, nantinya kita akan menuju bahasan-bahasan yang lebih lanjut dan mendalam lagi, terutama pemodelan statistik. Mengingat memang fungsi atau manfaat utama penggunaan R ini adalah di Data Mining yang termasuk di dalamnya adalah pemodelan statistik menggunakan data.

Baik, kali ini kita kita akan membahas visualisasi yang bisa dibilang merupakan tetangga dekat, atau kata lain bisa kita sebut sahabat karibnya Diagram Sankey yang sebelumnya kita bahas (bagi yang ketinggalan bisa cek di sini saja). Kalau Diagram Sankey kita gunakan untuk set data yang saling berhubungan dengan set data lainnya, demikian halnya dengan Diagram Chord. Visualisasi jenis ini juga bisa kita gunakan untuk menampilkan set data yang saling berkaitan.

Bedanya, kalau Diagam Sankey itu berbentuk alur seperti pipa-pipa air yang berpecah dan menyatu satu dengan yang lain, sedangkan Diagram Chord (Chord Diagram) bentuknya seperti lubang gitar (bentuknya bulat atau lingkaran) yang di dalamnya terdapat hubungan atau relasi antar set data. Selain itu, sejauh yang saya amati, Diagram Chord ini hubungan antar set data (node) lengkap dan tidak ada node yang tidak memiliki pasangan atau berkorespondensi satu-satu. Data-data yang cocok untuk divisualisasikan dengan Diagram Chord misalnya, data Tabel Input-Output, data Ekspor-Impor, data Distribusi Perdagangan Antar Wilayah, dan data arus Komuter penduduk, dan masih banyak pula data-data sejenis yang relevan divisualisasikan dengan Diagram Chord ini.

Lalu, bagaimana penerapannya di R? Kita akan mempraktikkan bagaimana cara sederhana untuk membuat visualisasi Diagram Chord ini. Namun, sebelumnya kita harus menyiapkan datanya terlebih dulu. Data yang kali akan kita gunakan adalah data Tabel Input-Output (I-O) Provinsi Jawa Timur 2016. Adapun sumber datanya bisa teman-teman peroleh dengan mengunjungi laman situs jatim.bps.go.id. Data I-O yang telah saya siapkan bisa diunduh pada link berikut. Setelah datanya diunduh, mari kita praktikkan visualisasi Diagram Chord dengan beberapa code berikut:

Code:

#Import Data I-O Jawa Timur 2016
library(readxl)
iojatim <- read_excel("E:/R/Chord Diagram Tabel I-O Indonesia/iojatim.xlsx")

#Melihat data Input - Output Jawa Timur 2016
iojatim

Hasil:

# A tibble: 17 x 18
    ...1       `1`    `2`    `3`    `4`    `5`    `6`    `7`    `8`    `9`   `10`   `11`   `12`   `13`   `14`
 
 1     1 13015371. 4.30e3 8.25e7 1.45e3 2.38e3 2.12e5 3.72e2 9.37e3 1.68e7 2.54e0 2.07e3 0      0      4.46e5
 2     2     5071. 5.09e5 8.78e6 1.04e7 7.55e2 3.01e7 0      0      1.10e2 0      0      0      0      1.08e2
 3     3 16232079. 3.20e6 2.15e8 1.04e6 1.77e5 8.57e7 1.19e7 1.17e7 1.93e7 2.82e6 1.44e6 1.15e6 3.22e6 2.24e6
 4     4   855900. 2.09e6 1.45e7 3.27e7 1.56e5 2.21e5 7.09e6 1.35e6 1.28e6 8.22e6 2.10e5 9.95e5 1.79e6 8.97e5
 5     5    22961. 1.01e4 1.43e5 1.49e4 1.40e4 1.13e4 3.31e4 2.04e4 3.50e4 1.79e4 1.25e3 4.60e1 7.50e2 1.41e4
 6     6   341149. 8.57e4 1.19e6 1.72e3 4.20e4 1.58e7 6.38e4 2.75e5 3.91e4 1.92e4 5.37e5 2.52e6 1.29e5 1.81e6
 7     7  5284537. 3.23e6 7.68e7 2.67e6 7.35e4 2.14e7 3.66e6 1.21e7 8.53e6 1.12e6 6.01e5 1.01e6 2.26e6 2.41e6
 8     8  3173845. 2.25e6 2.34e7 8.34e5 4.46e4 4.03e6 9.26e6 6.94e6 1.76e6 1.34e6 4.72e5 1.29e6 2.09e6 3.84e6
 9     9   408631. 9.95e5 5.57e6 1.34e5 1.30e4 4.96e4 6.85e5 4.16e5 1.17e6 6.36e4 8.31e4 1.11e5 1.82e6 2.44e6
10    10    90835. 4.24e5 1.49e6 3.51e5 8.83e3 4.07e5 1.16e7 2.20e6 6.16e5 1.82e7 2.18e6 1.36e6 3.86e6 8.38e5
11    11  1266998. 5.27e5 6.38e6 1.71e6 5.85e4 8.06e5 1.71e7 1.53e6 1.77e5 6.86e5 3.92e6 2.50e6 7.82e5 2.44e5
12    12        0  9.12e5 3.44e6 0      2.31e4 9.80e5 9.62e6 3.08e6 5.88e5 1.35e6 2.40e5 9.95e5 1.04e6 2.34e5
13    13   527537. 2.01e6 5.47e6 5.86e5 4.25e4 7.66e5 6.78e6 7.62e6 7.96e5 4.28e6 3.37e6 1.06e6 3.43e6 1.92e6
14    14    11546. 4.84e3 7.29e5 6.02e4 6.29e2 4.63e0 1.75e3 8.70e4 3.07e3 1.87e3 1.30e5 1.15e4 6.76e5 1.64e5
15    15     4062. 1.08e4 2.70e5 7.25e3 1.23e3 1.45e4 3.15e5 7.86e4 9.58e3 1.33e4 2.01e5 2.58e3 1.35e4 9.34e4
16    16   146783. 1.22e5 8.23e5 5.78e3 4.81e2 1.61e5 6.64e4 1.52e5 1.95e4 9.03e3 3.52e4 3.80e5 7.11e5 7.23e3
17    17   620804. 2.08e5 5.40e6 1.39e5 7.57e4 3.98e5 1.74e6 1.09e6 8.20e5 1.09e5 5.52e4 1.48e5 3.52e5 1.38e5
# ... with 3 more variables

Code:

#Mengecek apakah tipe data I-O numerik
is.numeric(iojatim)

Hasil:

[1] FALSE

Code:

#Jika False, ambil subset matriks n dari matriks io
n <- as.matrix(iojatim[2:18]) #ambil subset 2 sampai 18 tanpa baris 1

#Cek apakah sudah numerik?
is.numeric(n)

Hasil:

[1] TRUE

Code:

#Kalau sudah TRUE bisa digunakan Chord Diagram
grupnama <- c("Tanhutkan",
              "Tamgal",
              "Inpeng",
              "Pengadaan_LGEs",
              "Pengadaan AOSDaur",
              "Konstruksi",
              "Perdagangan_BERep",
              "Transgud",
              "Penyediaan_Akomamin",
              "Infokom",
              "Jasa_Keuas",
              "RE",
              "Jasperu",
              "Adpemtansos",
              "Jasdik",
              "Jakesos",
              "JL"
)

#membuat Fungsi warna grup pada Chord Diagram
color <- colorRampPalette(c("red", "yellow", "green"))
warna <- color(17) #17 karena kita akan gradasi warnanya menjadi 17 warna dengan warna dasar merah, kuning, hijau

#Menginstall dan aktivasi package chorddiag

install.packages("devtools")
library(devtools)
devtools::install_github("mattflor/chorddiag") #karena package chorddiag itu kita pakai teknik repo dari github mattflor jadi menggunakan install_github() dari devtools
library(chorddiag)

#Membuat Chord Diagram
chorddiag(n, groupPadding = 2, groupColors = warna, groupNames = grupnama, ticklabelFontsize = 0.01,
          groupnameFontsize = 10)

Hasil:

Diagram Chord dengan R

Baiklah, demikian sedikit ulasan mengenai bagaimana kita membuat visualisasi data Diagram Chord untuk data Input-Output Jawa Timur 2016 dengan R. Jangan lupa share dan kementar bila ada pertanyaan atau eror di kolom komentar. Jangan lupa juga untuk terus mengikuti unggahan-unggahan menarik berikutnya di blog ini. Selamat memperaktikkan!

Label:

Komentar

Posting 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...
Posting Komentar
Baca selengkapnya

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...
2 komentar
Baca selengkapnya

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...
Posting Komentar
Baca selengkapnya