- Praktikum R ================ Muhammad Luqman 2018-07-06
Dalam pertemuan ini akan dilakukan praktikum menggunakan contoh kasus yang akan memperkuat materi Pertemuan 1 sampai dengan Pertemuan 4. Dalam praktikum ini, semua syntax akan di hide secara default
Load Package yang Dibutuhkan
Load package dplyr yang dibutuhkan untuk melakukan EDA
library(<package>)library(dplyr)Import data dan ubah ke dalam bentuk tibble
Data yang digunakan pada pertemuan ini adalah file gapminder.csv yang
telah disediakan. Load ke dalam R menggunakan fungsi read.csv() dan
simpan ke dalam variabel gapdata lalu ubah ke dalam bentuk tibble
menggunakan fungsi as_tibble() dari package dplyr.
gapdata = read.csv(<path ke file>) %>%
as_tibble()
gapdatagapdata = read.csv('gapminder.csv') %>%
as_tibble()
gapdata## # A tibble: 1,704 × 6
## country continent year lifeExp pop gdpPercap
## <chr> <chr> <int> <dbl> <int> <dbl>
## 1 Afghanistan Asia 1952 28.8 8425333 779.
## 2 Afghanistan Asia 1957 30.3 9240934 821.
## 3 Afghanistan Asia 1962 32.0 10267083 853.
## 4 Afghanistan Asia 1967 34.0 11537966 836.
## 5 Afghanistan Asia 1972 36.1 13079460 740.
## 6 Afghanistan Asia 1977 38.4 14880372 786.
## 7 Afghanistan Asia 1982 39.9 12881816 978.
## 8 Afghanistan Asia 1987 40.8 13867957 852.
## 9 Afghanistan Asia 1992 41.7 16317921 649.
## 10 Afghanistan Asia 1997 41.8 22227415 635.
## # ℹ 1,694 more rows
Struktur Data
Lihat struktur data yang ada menggunakan fungsi str() dan summary()
str(<variabel>)
summary(<variabel>)str(gapdata)## tibble [1,704 × 6] (S3: tbl_df/tbl/data.frame)
## $ country : chr [1:1704] "Afghanistan" "Afghanistan" "Afghanistan" "Afghanistan" ...
## $ continent: chr [1:1704] "Asia" "Asia" "Asia" "Asia" ...
## $ year : int [1:1704] 1952 1957 1962 1967 1972 1977 1982 1987 1992 1997 ...
## $ lifeExp : num [1:1704] 28.8 30.3 32 34 36.1 ...
## $ pop : int [1:1704] 8425333 9240934 10267083 11537966 13079460 14880372 12881816 13867957 16317921 22227415 ...
## $ gdpPercap: num [1:1704] 779 821 853 836 740 ...
summary(gapdata)## country continent year lifeExp
## Length:1704 Length:1704 Min. :1952 Min. :23.60
## Class :character Class :character 1st Qu.:1966 1st Qu.:48.20
## Mode :character Mode :character Median :1980 Median :60.71
## Mean :1980 Mean :59.47
## 3rd Qu.:1993 3rd Qu.:70.85
## Max. :2007 Max. :82.60
## pop gdpPercap
## Min. :6.001e+04 Min. : 241.2
## 1st Qu.:2.794e+06 1st Qu.: 1202.1
## Median :7.024e+06 Median : 3531.8
## Mean :2.960e+07 Mean : 7215.3
## 3rd Qu.:1.959e+07 3rd Qu.: 9325.5
## Max. :1.319e+09 Max. :113523.1
Periksa Missing Value
Missing value dapat mempengaruhi analisis deskriptif yang akan
dilakukan, periksa apakah ada observasi yang mengandung missing value
manggunakan fungsi complete.cases(). Perlu diperhatikan fungsi ini
mengembalikan nilai TRUE apabila observasi tidak mengandung
missing value
sum(!complete.cases(<variabel>))sum(!complete.cases(gapdata))## [1] 0
Identifikasi Variabel
Dari data yang ada, hitung jumlah observasi (jumlah baris), jumlah
tahun, jumlah negara, dan tahun paling baru dari observasi yang ada.
Gabungkan summarise() dengan fungsi n(), n_distinct() dan max()
sesuai dengan kolom yang bersangkutan
gapdata %>%
summarise(jumlah_row = <>, jumlah_tahun = <>,
jumlah_negara = <>, max_tahun = <>)gapdata %>%
summarise(jumlah_row = n(), jumlah_tahun = n_distinct(year),
jumlah_negara = n_distinct(country), max_tahun = max(year))## # A tibble: 1 × 4
## jumlah_row jumlah_tahun jumlah_negara max_tahun
## <int> <int> <int> <int>
## 1 1704 12 142 2007
Filter Data
Dalam praktikum ini, data yang digunakan hanya data dari tahun terakhir,
filter dataset gapdata berdasarkan tahun terakhir yang telah dicari
sebelumnya menggunakan fungsi filter() dan simpan hasilnya ke dalam
variael gapdata_recent
gapdata_recent = gapdata %>%
filter(<filter tahun terakhir>)gapdata_recent = gapdata %>%
filter(year == 2007)Analisis Sederhana
Dari data gapdata_recent, cari negara yang memiliki GDP per Kapita
tertinggi dan terendah. Gunakan fungsi filter() dan pilih negara yang
memiliki nilai gdpPercap tertinggi atau terendah
gapdata_recent %>%
filter(<kolom> == max(<kolom>) | <kolom> == min(<kolom>))gapdata_recent %>%
filter(gdpPercap == max(gdpPercap) | gdpPercap == min(gdpPercap))## # A tibble: 2 × 6
## country continent year lifeExp pop gdpPercap
## <chr> <chr> <int> <dbl> <int> <dbl>
## 1 Congo, Dem. Rep. Africa 2007 46.5 64606759 278.
## 2 Norway Europe 2007 80.2 4627926 49357.
Lanjutkan dengan mencari negara yang memiliki GDP per Kapita tertinggi
dan terendah per benua. Gabungkan syntax di atas dengan fungsi
group_by() untuk mengrup data berdasarkan kolom continent kemudian
urutkan menggunakan fungsi arrange() berdasarkan kolom continent dan
gdpPercap
gapdata_recent %>%
group_by(<kolom>) %>%
filter(gdpPercap == max(gdpPercap) | gdpPercap == min(gdpPercap)) %>%
arrange(<kolom>, <kolom>)gapdata_recent %>%
group_by(continent) %>%
filter(gdpPercap == max(gdpPercap) | gdpPercap == min(gdpPercap)) %>%
arrange(continent, gdpPercap)## # A tibble: 10 × 6
## # Groups: continent [5]
## country continent year lifeExp pop gdpPercap
## <chr> <chr> <int> <dbl> <int> <dbl>
## 1 Congo, Dem. Rep. Africa 2007 46.5 64606759 278.
## 2 Gabon Africa 2007 56.7 1454867 13206.
## 3 Haiti Americas 2007 60.9 8502814 1202.
## 4 United States Americas 2007 78.2 301139947 42952.
## 5 Myanmar Asia 2007 62.1 47761980 944
## 6 Kuwait Asia 2007 77.6 2505559 47307.
## 7 Albania Europe 2007 76.4 3600523 5937.
## 8 Norway Europe 2007 80.2 4627926 49357.
## 9 New Zealand Oceania 2007 80.2 4115771 25185.
## 10 Australia Oceania 2007 81.2 20434176 34435.
Analisis per Benua
Buat variabel baru gapdata_continent yang merangkum analisis
deskriptif setiap benua berisi jumlah negara per benua; nilai maksimum,
minimum dan rata-rata untuk Life Expectacy Populasi dan GDP per Kapita
gapdata_continent = gapdata_recent %>%
group_by(<kolom>) %>%
summarise(n = <>,
max_lifeExp = <>, min_lifeExp = <>,
avg_lifeExp = <>, max_pop = <>, min_pop = <>,
avg_pop = <>, max_gdpPercap = <>,
min_gdpPercap = <>, avg_gdpPercap = <>)
gapdata_continentgapdata_continent = gapdata_recent %>%
group_by(continent) %>%
summarise(n = n(),
max_lifeExp = max(lifeExp), min_lifeExp = min(lifeExp),
avg_lifeExp = mean(lifeExp), max_pop = max(pop), min_pop = min(pop),
avg_pop = mean(pop), max_gdpPercap = max(gdpPercap),
min_gdpPercap = min(gdpPercap), avg_gdpPercap = mean(gdpPercap))
gapdata_continent## # A tibble: 5 × 11
## continent n max_lifeExp min_lifeExp avg_lifeExp max_pop min_pop avg_pop
## <chr> <int> <dbl> <dbl> <dbl> <int> <int> <dbl>
## 1 Africa 52 76.4 39.6 54.8 135031164 199579 1.79e7
## 2 Americas 25 80.7 60.9 73.6 301139947 1056608 3.60e7
## 3 Asia 33 82.6 43.8 70.7 1318683096 708573 1.16e8
## 4 Europe 30 81.8 71.8 77.6 82400996 301931 1.95e7
## 5 Oceania 2 81.2 80.2 80.7 20434176 4115771 1.23e7
## # ℹ 3 more variables: max_gdpPercap <dbl>, min_gdpPercap <dbl>,
## # avg_gdpPercap <dbl>
Load package ggplot2 yang dibutuhkan untuk melakukan visualisasi data
library(<package>)library(ggplot2)Membuat histogram dan density plot untuk keseluruhan data menggunakan
fungsi geom_histogram() dan geom_density()
gapdata_recent %>%
ggplot(aes(x = gdpPercap)) + geom_histogram()## `stat_bin()` using `bins = 30`. Pick better value with `binwidth`.
gapdata_recent %>%
ggplot(aes(x = gdpPercap)) + geom_density()
Membuat histogram dan density plot untuk data per benua menggunakan
facet_wrap()
gapdata_recent %>%
filter(continent != 'Oceania') %>%
ggplot(aes(x = gdpPercap, fill = continent)) + geom_histogram(bins = 10) + facet_wrap(~ continent)
gapdata_recent %>%
filter(continent != 'Oceania') %>%
ggplot(aes(x = gdpPercap, fill = continent)) + geom_density() + facet_wrap(~ continent)
Membuat box plot pendapatan untuk keseluruhan data menggunakan fungsi
geom_boxplot()
gapdata_recent %>%
filter(continent != 'Oceania') %>%
ggplot(aes(x = 1, y = gdpPercap)) + geom_boxplot()
Membuat box plot pendapatan per benua dengan mengatur parameter x dan
fill
gapdata_recent %>%
filter(continent != 'Oceania') %>%
ggplot(aes(x = continent, y = gdpPercap, fill = continent)) + geom_boxplot()
Membuat scatter plot antara GDP per Kapita dan Life Expectacy untuk keseluruhan data dan membandingkan sebaran data tiap benua
gapdata_recent %>%
ggplot(aes(x = gdpPercap, y = lifeExp, color = continent)) + geom_point()
gapdata_recent %>%
ggplot(aes(x = log(gdpPercap), y = lifeExp, color = continent)) + geom_point()
gapdata_recent %>%
ggplot(aes(x = gdpPercap, y = lifeExp)) + geom_point() +
geom_smooth(formula = y ~log(x))## `geom_smooth()` using method = 'loess'
cor(gapdata_recent$gdpPercap, gapdata_recent$lifeExp)## [1] 0.6786624
Membuat scatter plot antara populasi dan GDP per Kapita / Life Expectacy untuk melihat hubungan diantara keduanya
gapdata_recent %>%
ggplot(aes(x = pop, y = gdpPercap)) + geom_point()
gapdata_recent %>%
ggplot(aes(x = pop, y = lifeExp)) + geom_point()
cor(gapdata_recent$pop, gapdata_recent$lifeExp)## [1] 0.04755312
Memplot jumlah negara setiap benua menggunakan fungsi geom_bar()
gapdata_recent %>%
ggplot(aes(x = continent)) + geom_bar()
Memplot jumlah negara setiap benua yang memiliki Life Expectacy di bawah rata-rata dan di atas rata-rata
gapdata_recent = gapdata_recent %>%
mutate(level = case_when(
lifeExp >= mean(lifeExp) ~ "high",
lifeExp < mean(lifeExp) ~ "low"
))
gapdata_recent %>%
ggplot(aes(x = continent, fill = level)) + geom_bar(position = "stack") 
gapdata_recent %>%
ggplot(aes(x = continent, fill = level)) + geom_bar(position = "dodge")
gapdata_recent %>%
ggplot(aes(x = continent, fill = level)) + geom_bar(position = "fill")
Memplot nilai rata-rata Life Expectacy tiap benua dari variabel
gapdata_continent yang telah dibuat sebelumnya menggunakan fungsi
geom_col()
gapdata_continent %>%
ggplot(aes(x = continent, fill = continent, y = avg_lifeExp)) + geom_col()
gapdata_continent %>%
ggplot(aes(x = continent, fill = continent, y = avg_lifeExp)) + geom_col() + coord_flip()
Membuat trend line variabel GDP per Kapita, Populasi dan Life Expectacy
untuk setiap negara di ASEAN menggunakan geom_line()
asean = c("Indonesia", "Singapore", "Thailand", "Cambodia", "Malaysia",
"Myanmar", "Philippines", "Vietnam")
gapdata_asean = gapdata %>%
filter(country %in% asean)
gapdata_asean %>%
ggplot(aes(x = year, y = gdpPercap, color = country)) + geom_line()
gapdata_asean %>%
ggplot(aes(x = year, y = pop, color = country)) + geom_line()
gapdata_asean %>%
ggplot(aes(x = year, y = lifeExp, color = country)) + geom_line()