Langsung ke konten utama

Visualisasi Scatter Plot dengan R

Visualisasi scatter plot dengan R

Scatter Plot merupakan salah satu bentuk bentuk deskriptif data. Biasanya, visualisasi jenis ini diterapkan untuk melihat uji grafis melihat keeratan hubungan atau arah hubungan (korelasi) antar variabel. Namun, visualisasi ini juga bisa digunakan untuk mendeskripsikan sebaran variabel tunggal.

Bentuk sederhana dari visualisasi scatter plot adalah sebagai berikut:

plot(x, main, xlab, ylab)

x merupakan variabel yang akan diplotkan; main adalah judul dari visualisasi; xlab adalah nama sumbu absis, dan ylab adalah nama sumbu ordinat. Selain itu, kita dapat pula melakukan custome terhadap scatter plot ini dengan memberikan legenda, tipe plot, hingga memberikan teks di dalamnya. Code dasarnya adalah sebagai berikut:

#legenda

plot(x, main, xlab, ylab)

legend(absis, ordinat, keterangan legenda, fill, cex)

absis dan ordinat adalah posisi koordinat dalam plot sebagai tempat acuan legenda dimunculkan; keterangan legenda adalah nama dari legenda, fill adalah warna legendanya, cex adalah ukuran legendanya, normalnya bernilai 1, jika 2 sedang, dan 3 besar.

#tipe plot

plot(x, type, pch)

x adalah data yang akan diplotkan, type = "o" berarti bentuknya bulatan saja, jika "l" bentuknya garis, jika "p" bentuknya kombinasi bulatan dan garis; sedangkan pch adalah marks atau bentuk tanda setiap nilai datanya, jika "*" bentuknya bintang, jika "A" bentuk marksnya ya huruf A, dan seterusnya.

#teks

plot(x)

text(absis, ordinat, teks)

teks adalah karakter sehingga perlu dibubuhi dengan c("blablabla")

Oke, setelah penjelasan teori di atas, biar nggak bosen, kuy kita praktikkan ya teman-teman. Oiya, sebelumnya kita perlu unduh dulu datanya, kita pakai data riil saja ya, sumbernya adalah dari Twitter nih yang terdiri atas jumlah follower dan jumlah post status, ini dia datanya. Setelah itu, kita dapat mempraktikkan visualisasi scatter plot 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")

#Melihat Sekilas Data
head(sebaranfollowerakuntweets)

#melihat dimensi data
dim(sebaranfollowerakuntweets)

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

#membuat Scatter Plot jumlah follower transformasi log()
plot(log(x$Follower), col = "steelblue", main = "Scatter Plot Jumlah Follower \n Menurut ID Akun Twitter")

Hasil:

Visualisasi 1

Code:

#membuat legenda untuk keterangan Scatter Plot
#Posisinya adalah (x,y) -> 10000,4
#Nama Variabelnya c("Nama)
#fill adalah warna legenda
#cex ukuran legenda, standar = 1, lebih besar 2, dan besar 3
legend(10000,4, c("Jumlah Follower"), fill = "steelblue", cex = 1)

Hasil:

Visualiasasi 2

Code:

#membuat Scatter Plot jumlah follower dengan tipe garis
plot(log(x$Follower), col = "steelblue", main = "Scatter Plot Jumlah Follower \n Menurut ID Akun Twitter",
     type = "l", ylab = "Log Jumlah")

Hasil:

Visualisasi 3

Code:

#membuat Scatter Plot jumlah follower dengan tipe garis dan marks bintang
plot(log(x$Follower), col = "steelblue", main = "Scatter Plot Jumlah Follower \n Menurut ID Akun Twitter",
     type = "o", ylab = "Log Jumlah", pch = "*")

Hasil:

Visualisasi 4

Code:

#membuat Scatter Plot 2 variabel dengan mengcustome warnanya dan memberi teks
#membuat pengaturan warna dengan colorRampPallete
warna <- colorRampPalette(c("red", "yellow", "green"))
gradasinya <- warna(38)
plot(log(x$Follower), log(x$Post_Status), xlab = "Log Jumlah Follower", ylab = "Log Jumlah Post Status",
     col = gradasinya)
text(10,5, c("Scatter Plot 2 variabel"))

Hasil:

Visualisasi 5

Oke, demikian sedikit ulasan bagaimana kita memvisualisasikan scatter plot 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...