Langsung ke konten utama

Visualisasi Diagram Sankey (Sankey Diagram) dengan R

Diagram Sankey dengan R

Kemarin visualisasi yang kita bahas masih mendasar, kali ini kita akan mencoba belajar bersama bagaimana membuat visualisasi data lanjutan menggunakan Diagram Sankey (Sankey Diagram). Sebagian dari kita mungkin belum pernah mendengar jenis visualisasi ini, bisa jadi pula, teman-teman baru tahu dari blog ini. Namun, visualisasi ini sebenarnya telah lama dan banyak digunakan, apalagi kalau teman-teman mencoba menengok keseruan komunitas Tableau publik, di sana, diagram Sankey begitu banyak macamnya, bahkan customenya aneh dan unik kalau saya katakan. Tapi yang jelas penuh dengan makna atau insight.

Diagram Sankey sendiri didefinisikan sebagai diagram aliran hubungan atau keterkaitan antara satu set data dengan set data lainnya dengan karakteristik node dan link. Node adalah titik atau amatan data yang terhubung, sedangkan link merupakan garis, alur, atau jembatan penghubung antar node tadi.

Diagram Sankey hingga kini terus dikembangkan karena bermanfaat khususnya untuk visualisasi data-data yang memiliki keterkaitan antar waktu atau antar amatan. Salah satu contoh data yang akan kita jadikan bahan praktik visualisasi diagram Sankey kali ini adalah data Ekspor-Impor Indonesia yang telah saya siapkan di sini, bisa teman-teman unduh dulu datanya. Dalam data tersebut, tujuan atau goal dari praktik kita adalah bagaimana membuat diagram alur negara lain ekspor ke Indonesia dan bagaimana ekspor Indonesia ke negara lain. Tujuan seperti inilah yang relevan bila kita buat dalam visualisasi Sankey. Adapun langkah-langkahnya, kita dapat menggunakan beberapa code berikut:

Code:

#Install dan aktivasi package
install.packages("networkD3")
install.packages("dplyr")
library(networkD3)
library(dplyr)

#Import data Eskpor-Impor Indonesia
library(readxl)
exim <- read_excel("E:/R/Sankey Diagram Perdagangan Antar Wilayah Indonesia/Exim.xlsx")

#Mengubah nama data frame ke links
links <- exim

#Melihat Sekilas data
links

Hasil:

   source    target               value IDsource IDtarget
   <chr>     <chr>                <dbl>    <dbl>    <dbl>
 1 Indonesia Jepang           915785595        0       22
 2 Indonesia Amerika Serikat  681889742        0       23
 3 Indonesia Tiongkok        4303187335        0       24
 4 Indonesia Malaysia        1049271858        0       25
 5 Indonesia Taiwan           238659337        0       26
 6 Indonesia Swiss               370344        0       27
 7 Indonesia Thailand        1526119955        0       28
 8 Indonesia Singapura        257107099        0       29
 9 Indonesia India           1458247760        0       30
10 Indonesia Vietnam          405453047        0       31
# ... with 42 more rows

Code:

#Membuat data nodes secara unik dan berkaitan dengan source dan target
nodes <- data.frame(
  name=c(as.character(links$source),
         as.character(links$target)) %>% unique()
)

#Membuat link dengan fungsi match()
links$IDsource <- match(links$source, nodes$name)-1
links$IDtarget <- match(links$target, nodes$name)-1

# Make the Network
sankey <- sankeyNetwork(Links = links, Nodes = nodes,
                   Source = "IDsource", Target = "IDtarget",
                   Value = "value", NodeID = "name",
                   sinksRight=T, fontSize = 8, nodeWidth = 30)
 

sankey

Hasil:

Diagram Sankey Ekspor - Impor Indonesia

Visualisasi Diagram Sankey dengan hover aktif

Baik, demikian sekilas cara memvisualisasikan data dengan Diagram Sankey, jangan lupa share dan komentar bila ada pertanyaan di kolom komentar. Jangan lupa untuk terus menyimak blog ini untuk sharing dan berbagi ilmu selanjutnya. Selamat mempraktikan!

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...