Langsung ke konten utama

Visualisasi Grafik Garis (Line Chart) dengan R

Visualisasi grafik garis dengan R

Grafik garis atau line chart merupakan bentuk visualisasi yang banyak sekali dibutuhkan dan diminati dalam dunia data visual. Selain bentuknya yang menarik, visualisasi jenis ini juga relevan dengan data-data yang bersifat kontinu. Umumnya dari kita memvisualisasikan grafik garis ini menggunakan excel dan dalam penerapannya cukup mudah dan cepat, dengan block datanya, kemudian pilih Insert lalu pilih jenis grafik garis atau line, kita sudah bisa memvisualisasikan data kita dengan grafik berbentuk garis.

Namun, bagaimana penerapannya di R? Kali ini kita akan bareng-bareng belajar bagaimana teori dasar termasuk cara mengcustome grafik garis ini. Oke, pada dasarnya, grafik garis bisa kita lakukan dengan memanfaatkan fungsi plot() yang tertanam secara standar di R. Intinya terletak pada type dari plot data yang akan kita gunakan, kalau dituliskan sebagai berikut:

plot(data, type = "l", xlab, ylab, main)

Data menunjukkan data apa yang mau kita visualisasikan; kemudian type = "l" (el kecil) ini nantinya akan berbentuk garis tanpa marks, kalau kita ingin ada marksnya atau tanda bulatannya cukup mengubahnya dengan "b"; xlab adalah nama sumbu X, ylab adalah nama sumbu Y-nya; dan terakhir adalah main atau judul dari grafik garis yang kita sajikan.

Oke, teman-teman, biar tidak berlama-lama dan bertele-tele, kita langsung saja praktikkan bagaimana penerapannya di R. Pertama kita unduh dulu datanya, kali ini kita akan memvisualisasikan data laju pertumbuhan ekonomi Provinsi Jawa Timur mulai triwulan I - 2011 hingga triwulan IV - 2021 yang bersumber dari laman situs jatim.bps.go.id yang telah saya rekap, bisa diunduh pada tautan berikut ini. Berikutnya, kita visualisasikan data tersebut dengan menggunakan beberapa code berikut:

Code:

#Mengaktifkan package readxl
library(readxl)

#Import Data Pertumbuhan Ekonomi Jawa Timur

#Ulasan import data dari excel dapat teman-teman baca pada tautan berikut
lajupejatim <- read_excel("C:/Users/Joko Ade/Downloads/lajupejatim.xlsx")

#Mengetahui variabel apa saja yang ada di dalam data frame lajupejatim
names(lajupejatim)
#Y adalah laju pertumbuhan year on year dan C adalah kumulatif to kumulatif (triwulanan)

Hasil:

[1] "Y" "C"

#Y itu data pertumbuhan year on year dan C adalah cummulative to cummulative

Code:

#Mengattach data frame laju pertumbuhan ekonomi supaya lebih praktis
attach(lajupejatim)

#Grafik garis (line chart) year on year
plot(Y, type = "l", col = "blue")

Hasil:

Visualisasi 1

Code:

#Memberi Nama sumbu X Periode dan sumbu Y laju pertumbuhan (%) dan garis putus-putus

#silakan coba dengan memasukkan lty = 1, 2, 3 dan bisa dicek hasilnya
plot(Y, type = "l", col = "blue", xlab = "Periode", ylab = "Laju Pertumbuhan (%)", lty = 2)

Hasil:

Visualisasi 2

Code:

#Mengubah keterangan Periode menjadi Data Series
#Data mulai dari Q1 2011 dan frekuensinya karena triwulanan maka frequency = 4
yoy <- ts(Y, start = 2011.1, frequency = 4)
plot(yoy, type = "l", col = "blue", xlab = "Periode", ylab = "Laju Pertumbuhan (%)")

Hasil:

Visualisasi 3

Code:

#Mengubah range sumbu Y menjadi lebih baik dengan mengatur ylim = c(-7, 10)
#Membubuhi judul plot
plot(yoy, type = "l", col = "blue", xlab = "Periode", ylab = "Laju Pertumbuhan (%)", ylim = c(-7, 10),
     main = "Pertumbuhan Ekonomi Jawa Timur \n Q1-2011 - Q4 - 2021 year on year (%)")

Hasil:

Visualisasi 4

Code:

#Mengubah range sumbu Y menjadi lebih baik dengan mengatur ylim = c(-7, 10)
#Membubuhi judul plot
#memberi legenda
#Q2 - 2020 Diterapkan PSBB akibat Pandemi Covid-19
plot(yoy, type = "l", col = "blue", xlab = "Periode", ylab = "Laju Pertumbuhan (%)", ylim = c(-7, 10),
     main = "Pertumbuhan Ekonomi Jawa Timur \n Q1-2011 - Q4 - 2021 year on year (%)")
legend(2014.1, 0, c("Laju Pertumbuhan (%)"), cex = 0.8, box.col = "white")
abline(v = 2020.2, col = "red", lty = 2)
text(2020.2,-5, c("Kebijakan PSBB"), cex = 0.8)

Hasil:

Visualisasi 5

Code:

#Membuat 2 grafik garis
#garis pertama
plot(yoy, type = "b", col = "blue", xlab = "Periode", ylab = "Laju Pertumbuhan (%)", ylim = c(-7, 10),
     main = "Pertumbuhan Ekonomi Jawa Timur \n Q1/2011 - Q4/2021 year on year (%)", pch = 19)
#garis kedua
lines(ts(C, start = 2011.1, frequency = 4), type = "b", col = "green", pch = 19)
#garis verikal sebagai tanda batas tertentu atau threshold
abline(v = 2020.2, col = "red", lty = 2)
#teks pada garis vertikal terletak pada absis dan ordinat 2019.1, -5
text(2020.2,-5, c("Kebijakan PSBB"), cex = 0.8)
#keterangan untuk laju pertumbuhan year on year
text(2022.1, 6, c("yoy"), cex = 0.8)
#keterangan untuk laju pertumbuhan cummulative to cummulative
text(2022.1, 4, c("ctoc"), cex = 0.8)

Hasil:

Visualisasi 6

Oke, demikian sedikit ulasan bagaimana kita melakukan visualisasi data dengan grafik garis atau line chart di R. 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...