Langsung ke konten utama

Visualisasi Histogram dengan R

Visualisasi Histogram dengan R

Halo teman-teman, setelah sekilas kita membahas mengenai uji asumsi pemodelan, kita break dulu sejenak untuk mengulas mengenai visualisasi data. Bagi teman-teman yang ingin membaca mengenai ulasan uji asumsi bisa klik di sini. Kali ini, yang akan kita bahas pertama adalah bagaimana caranya memvisualisasikan data dengan histogram. Mungkin teman-teman semua telah mengetahui bahwa histogram merupakan salah satu bentuk analisis deskriptif untuk menggambarkan secara visual sebaran data atau variabel tertentu.

Histogram ini cirinya kita tahu, dia punya identitas amatan atau record pada sumbu X (absis), dan frekuensi pada sumbu Y (ordinatnya). Sedangkan bentuknya grafik batang dan mempunyai identitas nama data atau variabel yang dihistogramkan. Bagaimana memvisualisasikannya di R?

Code standar untuk membuat histogram adalah sebagai berikut:

hist(x, col, main, xlab, ylab)

x adalah data atau variabel yang akan kita histogramkan; col adalah warna dari bar atau batang histogram; main adalah judul dari histogram; xlab adalah nama dari amatan data yang dihistogramkan; dan ylab adalah nama sumbu Y atau biasa kita sebut frekuensi.

Untuk mempraktikan bagaimana visualisasi histogram, kita siapkan dulu datanya. Kali ini data yang kita gunakan adalah data riil jumlah follower setiap akun yang saya dapatkan dari Twitter mengenai topik Minyak Goreng dan hastag #MinyakGoreng #MinyakGorengMahal dan #MinyakGorengLangka beberapa waktu lalu, teman-teman dapat mengunduhnya pada link berikut. Setelah selesai unduh, mari kita lakukan praktikum membuat histogram dengan code berikut:

Code:

#Import Data Sebaran Jumlah Follower menurut ID Akun Twitter
library(readxl)
sebaranfollowerakuntweets <- read_excel("C:/Users/Joko Ade/Downloads/sebaranfollowerakuntweets.xlsx")

#Untuk mendapatkan alamat direktori, teman-teman dapat memahami ulasan mengenai cara import data xlsx di blog ini.

#Melihat Sekilas Data
head(sebaranfollowerakuntweets)

Hasil:

ID_akun Follower


Code:

#melihat dimensi data
dim(sebaranfollowerakuntweets)

Hasil:

[1] 54347     2

#Terdapat sebanyak 54.347 baris dan 2 kolom

Code:

#Transformasi nama data awal dengan nama "x" untuk kemudahan
x <- sebaranfollowerakuntweets

#Membuat Histogram
hist(x$Follower, col = "steelblue", main = "Histogram Sebaran Data Follower", xlab = "ID Akun Twitter", ylab = "Frequensi")

Hasil:

Code:

#Membuat Histogram dengan Trasformasi Logaritma log()
hist(log(x$Follower), col = "steelblue", main = "Histogram Sebaran Data Follower", xlab = "ID Akun Twitter", ylab = "Frequensi")

Hasil:

Code:

#Mengubah judul menjadi 2 baris
#Membuat Histogram dengan Trasformasi Logaritma log()
hist(log(x$Follower), col = "steelblue", main = "Histogram Sebaran Data Follower \n
     menurut ID Akun Twitter", xlab = "ID Akun Twitter", ylab = "Frequensi")

Hasil:

Oke, demikian sedikit ulasan bagaimana kita memvisualisasikan histogram dengan 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...