Nothing
The goal of jabr is to browse, list, and fetch dataset from Open Data Jawa Barat right from R.
You can install the released version of jabr from CRAN with:
install.packages("jabr")
And the development version from GitHub with:
# install.packages("devtools")
devtools::install_github("aswansyahputra/jabr")
This is a basic example which shows you how to solve a common problem:
library(jabr)
(x <- jabr_list_dataset())
#> # A tibble: 1,516 x 6
#> id group_id title provider last_modified url
#> <chr> <chr> <chr> <chr> <date> <chr>
#> 1 9fe01… 5f1a32c2 Jumlah Kepala Ke… Dinas Kepen… 2019-12-16 https://data.ja…
#> 2 67304… 0241c181 Jumlah Jaringan … Dinas Komun… 2019-10-23 https://data.ja…
#> 3 d3c36… ffa4dc21 Angka Harapan Hi… Badan Pusat… 2019-09-25 https://data.ja…
#> 4 f9957… ffa4dc21 Angka Harapan Hi… Badan Pusat… 2019-09-25 https://data.ja…
#> 5 db602… ffa4dc21 Angka Harapan Hi… Badan Pusat… 2019-09-25 https://data.ja…
#> 6 cfd19… ffa4dc21 Angka Harapan Hi… Badan Pusat… 2019-09-25 https://data.ja…
#> 7 f90fb… ffa4dc21 Angka Harapan Hi… Badan Pusat… 2019-09-25 https://data.ja…
#> 8 ff53e… ffa4dc21 Angka Harapan Hi… Badan Pusat… 2019-09-25 https://data.ja…
#> 9 be7af… ffa4dc21 Angka Harapan Hi… Badan Pusat… 2019-09-25 https://data.ja…
#> 10 4c272… ffa4dc21 Angka Harapan Hi… Badan Pusat… 2019-09-25 https://data.ja…
#> # … with 1,506 more rows
# suppose that we want to get dataset about "Jumlah Desa Siaga Di Provinsi Jawa Barat 2018".
# Id of this data is "88ef59c5".
jabr_fetch("88ef59c5")
#> # A tibble: 107 x 7
#> title provinsi kode_kota_kabup… nama_kota_kabup… jenis_desa_kelu… jumlah
#> <chr> <chr> <int> <chr> <chr> <int>
#> 1 Juml… JAWA BA… 3204 KAB. BANDUNG PRATAMA 28
#> 2 Juml… JAWA BA… 3204 KAB. BANDUNG MADYA 114
#> 3 Juml… JAWA BA… 3204 KAB. BANDUNG PURNAMA 117
#> 4 Juml… JAWA BA… 3204 KAB. BANDUNG MANDIRI 21
#> 5 Juml… JAWA BA… 3217 KAB. BANDUNG BA… PRATAMA 15
#> 6 Juml… JAWA BA… 3217 KAB. BANDUNG BA… MADYA 98
#> 7 Juml… JAWA BA… 3217 KAB. BANDUNG BA… PURNAMA 36
#> 8 Juml… JAWA BA… 3217 KAB. BANDUNG BA… MANDIRI 15
#> 9 Juml… JAWA BA… 3216 KAB. BEKASI PRATAMA 158
#> 10 Juml… JAWA BA… 3216 KAB. BEKASI MADYA 26
#> # … with 97 more rows, and 1 more variable: satuan <chr>
## optionally, you can also remove the 'title' column
desa_siaga <- jabr_fetch("88ef59c5", keep_title = FALSE)
desa_siaga
#> # A tibble: 107 x 6
#> provinsi kode_kota_kabupa… nama_kota_kabupa… jenis_desa_kelu… jumlah satuan
#> <chr> <int> <chr> <chr> <int> <chr>
#> 1 JAWA BAR… 3204 KAB. BANDUNG PRATAMA 28 DESA/K…
#> 2 JAWA BAR… 3204 KAB. BANDUNG MADYA 114 DESA/K…
#> 3 JAWA BAR… 3204 KAB. BANDUNG PURNAMA 117 DESA/K…
#> 4 JAWA BAR… 3204 KAB. BANDUNG MANDIRI 21 DESA/K…
#> 5 JAWA BAR… 3217 KAB. BANDUNG BAR… PRATAMA 15 DESA/K…
#> 6 JAWA BAR… 3217 KAB. BANDUNG BAR… MADYA 98 DESA/K…
#> 7 JAWA BAR… 3217 KAB. BANDUNG BAR… PURNAMA 36 DESA/K…
#> 8 JAWA BAR… 3217 KAB. BANDUNG BAR… MANDIRI 15 DESA/K…
#> 9 JAWA BAR… 3216 KAB. BEKASI PRATAMA 158 DESA/K…
#> 10 JAWA BAR… 3216 KAB. BEKASI MADYA 26 DESA/K…
#> # … with 97 more rows
library(jabr)
library(dplyr)
#>
#> Attaching package: 'dplyr'
#> The following objects are masked from 'package:stats':
#>
#> filter, lag
#> The following objects are masked from 'package:base':
#>
#> intersect, setdiff, setequal, union
library(stringr)
library(tidyr)
(x <- jabr_list_dataset())
#> # A tibble: 1,516 x 6
#> id group_id title provider last_modified url
#> <chr> <chr> <chr> <chr> <date> <chr>
#> 1 9fe01… 5f1a32c2 Jumlah Kepala Ke… Dinas Kepen… 2019-12-16 https://data.ja…
#> 2 67304… 0241c181 Jumlah Jaringan … Dinas Komun… 2019-10-23 https://data.ja…
#> 3 d3c36… ffa4dc21 Angka Harapan Hi… Badan Pusat… 2019-09-25 https://data.ja…
#> 4 f9957… ffa4dc21 Angka Harapan Hi… Badan Pusat… 2019-09-25 https://data.ja…
#> 5 db602… ffa4dc21 Angka Harapan Hi… Badan Pusat… 2019-09-25 https://data.ja…
#> 6 cfd19… ffa4dc21 Angka Harapan Hi… Badan Pusat… 2019-09-25 https://data.ja…
#> 7 f90fb… ffa4dc21 Angka Harapan Hi… Badan Pusat… 2019-09-25 https://data.ja…
#> 8 ff53e… ffa4dc21 Angka Harapan Hi… Badan Pusat… 2019-09-25 https://data.ja…
#> 9 be7af… ffa4dc21 Angka Harapan Hi… Badan Pusat… 2019-09-25 https://data.ja…
#> 10 4c272… ffa4dc21 Angka Harapan Hi… Badan Pusat… 2019-09-25 https://data.ja…
#> # … with 1,506 more rows
# suppose that we want to get the datasets about "Angka Harapan Hidup".
# There are several datasets available in the list (one dataset per observation year).
## Step 1. List the ids of datasets that fall within same category.
## We can check and write the ids manualy, or using filtering technique.
ids <-
x %>%
dplyr::filter(stringr::str_detect(title, "Angka Harapan Hidup")) %>%
dplyr::pull(id)
ids
#> [1] "d3c36780" "f9957463" "db602753" "cfd19fb1" "f90fb4d1" "ff53ea3c" "be7afefd"
#> [8] "4c272d3d" "df7f3aaf"
## Step 2. Fetch the datasets using the ids.
ahh_jabar_raw <-
jabr_fetch(id = ids)
ahh_jabar_raw
#> # A tibble: 9 x 2
#> title dataset
#> <chr> <list>
#> 1 Angka Harapan Hidup Berdasarkan Kota Kabupaten Tahun 2010 <df[,5] [27 × 5]>
#> 2 Angka Harapan Hidup Berdasarkan Kota Kabupaten Tahun 2011 <df[,5] [27 × 5]>
#> 3 Angka Harapan Hidup Berdasarkan Kota Kabupaten Tahun 2012 <df[,5] [27 × 5]>
#> 4 Angka Harapan Hidup Berdasarkan Kota Kabupaten Tahun 2013 <df[,5] [27 × 5]>
#> 5 Angka Harapan Hidup Berdasarkan Kota Kabupaten Tahun 2014 <df[,5] [27 × 5]>
#> 6 Angka Harapan Hidup Berdasarkan Kota Kabupaten Tahun 2015 <df[,5] [27 × 5]>
#> 7 Angka Harapan Hidup Berdasarkan Kota Kabupaten Tahun 2016 <df[,5] [27 × 5]>
#> 8 Angka Harapan Hidup Berdasarkan Kota Kabupaten Tahun 2017 <df[,5] [27 × 5]>
#> 9 Angka Harapan Hidup Berdasarkan Kota Kabupaten Tahun 2018 <df[,5] [27 × 5]>
## Step 3. Expand/unnest the datasets.
ahh_jabar <-
ahh_jabar_raw %>%
tidyr::unnest(dataset)
ahh_jabar
#> # A tibble: 243 x 6
#> title provinsi kode_kota_kabup… nama_kota_kabup… angka_harapan_h… satuan
#> <chr> <chr> <int> <chr> <dbl> <chr>
#> 1 Angka Har… JAWA BA… 3204 KAB. BANDUNG 72.9 TAHUN
#> 2 Angka Har… JAWA BA… 3217 KAB. BANDUNG BA… 71.5 TAHUN
#> 3 Angka Har… JAWA BA… 3216 KAB. BEKASI 72.9 TAHUN
#> 4 Angka Har… JAWA BA… 3201 KAB. BOGOR 70.3 TAHUN
#> 5 Angka Har… JAWA BA… 3207 KAB. CIAMIS 70.0 TAHUN
#> 6 Angka Har… JAWA BA… 3203 KAB. CIANJUR 68.8 TAHUN
#> 7 Angka Har… JAWA BA… 3209 KAB. CIREBON 71.1 TAHUN
#> 8 Angka Har… JAWA BA… 3205 KAB. GARUT 70.3 TAHUN
#> 9 Angka Har… JAWA BA… 3212 KAB. INDRAMAYU 70.0 TAHUN
#> 10 Angka Har… JAWA BA… 3215 KAB. KARAWANG 71.3 TAHUN
#> # … with 233 more rows
## Step 4. (optional) Perform some data cleaning.
ahh_jabar <-
ahh_jabar %>%
tidyr::extract(title, "tahun", "(\\d{4})", convert = TRUE)
ahh_jabar
#> # A tibble: 243 x 6
#> tahun provinsi kode_kota_kabupat… nama_kota_kabupa… angka_harapan_hi… satuan
#> <int> <chr> <int> <chr> <dbl> <chr>
#> 1 2010 JAWA BAR… 3204 KAB. BANDUNG 72.9 TAHUN
#> 2 2010 JAWA BAR… 3217 KAB. BANDUNG BAR… 71.5 TAHUN
#> 3 2010 JAWA BAR… 3216 KAB. BEKASI 72.9 TAHUN
#> 4 2010 JAWA BAR… 3201 KAB. BOGOR 70.3 TAHUN
#> 5 2010 JAWA BAR… 3207 KAB. CIAMIS 70.0 TAHUN
#> 6 2010 JAWA BAR… 3203 KAB. CIANJUR 68.8 TAHUN
#> 7 2010 JAWA BAR… 3209 KAB. CIREBON 71.1 TAHUN
#> 8 2010 JAWA BAR… 3205 KAB. GARUT 70.3 TAHUN
#> 9 2010 JAWA BAR… 3212 KAB. INDRAMAYU 70.0 TAHUN
#> 10 2010 JAWA BAR… 3215 KAB. KARAWANG 71.3 TAHUN
#> # … with 233 more rows
We will replicate the previous section, but by using a new and straighforward function.
library(jabr)
library(tidyr)
(x <- jabr_list_dataset())
#> # A tibble: 1,516 x 6
#> id group_id title provider last_modified url
#> <chr> <chr> <chr> <chr> <date> <chr>
#> 1 9fe01… 5f1a32c2 Jumlah Kepala Ke… Dinas Kepen… 2019-12-16 https://data.ja…
#> 2 67304… 0241c181 Jumlah Jaringan … Dinas Komun… 2019-10-23 https://data.ja…
#> 3 d3c36… ffa4dc21 Angka Harapan Hi… Badan Pusat… 2019-09-25 https://data.ja…
#> 4 f9957… ffa4dc21 Angka Harapan Hi… Badan Pusat… 2019-09-25 https://data.ja…
#> 5 db602… ffa4dc21 Angka Harapan Hi… Badan Pusat… 2019-09-25 https://data.ja…
#> 6 cfd19… ffa4dc21 Angka Harapan Hi… Badan Pusat… 2019-09-25 https://data.ja…
#> 7 f90fb… ffa4dc21 Angka Harapan Hi… Badan Pusat… 2019-09-25 https://data.ja…
#> 8 ff53e… ffa4dc21 Angka Harapan Hi… Badan Pusat… 2019-09-25 https://data.ja…
#> 9 be7af… ffa4dc21 Angka Harapan Hi… Badan Pusat… 2019-09-25 https://data.ja…
#> 10 4c272… ffa4dc21 Angka Harapan Hi… Badan Pusat… 2019-09-25 https://data.ja…
#> # … with 1,506 more rows
# suppose that we want to get the datasets about "Angka Harapan Hidup".
# There are several datasets available in the list (one dataset per observation year). Those dataset falls within the same group_id, so we can use jabr_fetch_group() to fetch them.
## Step 1. Fetch the datasets using group_id ("ffa4dc21").
ahh_jabar_raw <-
jabr_fetch_group(group_id = "ffa4dc21")
ahh_jabar_raw
#> # A tibble: 9 x 2
#> title dataset
#> <chr> <list>
#> 1 Angka Harapan Hidup Berdasarkan Kota Kabupaten Tahun 2010 <df[,5] [27 × 5]>
#> 2 Angka Harapan Hidup Berdasarkan Kota Kabupaten Tahun 2011 <df[,5] [27 × 5]>
#> 3 Angka Harapan Hidup Berdasarkan Kota Kabupaten Tahun 2012 <df[,5] [27 × 5]>
#> 4 Angka Harapan Hidup Berdasarkan Kota Kabupaten Tahun 2013 <df[,5] [27 × 5]>
#> 5 Angka Harapan Hidup Berdasarkan Kota Kabupaten Tahun 2014 <df[,5] [27 × 5]>
#> 6 Angka Harapan Hidup Berdasarkan Kota Kabupaten Tahun 2015 <df[,5] [27 × 5]>
#> 7 Angka Harapan Hidup Berdasarkan Kota Kabupaten Tahun 2016 <df[,5] [27 × 5]>
#> 8 Angka Harapan Hidup Berdasarkan Kota Kabupaten Tahun 2017 <df[,5] [27 × 5]>
#> 9 Angka Harapan Hidup Berdasarkan Kota Kabupaten Tahun 2018 <df[,5] [27 × 5]>
## Step 2. Expand/unnest the datasets.
ahh_jabar <-
ahh_jabar_raw %>%
tidyr::unnest(dataset)
ahh_jabar
#> # A tibble: 243 x 6
#> title provinsi kode_kota_kabup… nama_kota_kabup… angka_harapan_h… satuan
#> <chr> <chr> <int> <chr> <dbl> <chr>
#> 1 Angka Har… JAWA BA… 3204 KAB. BANDUNG 72.9 TAHUN
#> 2 Angka Har… JAWA BA… 3217 KAB. BANDUNG BA… 71.5 TAHUN
#> 3 Angka Har… JAWA BA… 3216 KAB. BEKASI 72.9 TAHUN
#> 4 Angka Har… JAWA BA… 3201 KAB. BOGOR 70.3 TAHUN
#> 5 Angka Har… JAWA BA… 3207 KAB. CIAMIS 70.0 TAHUN
#> 6 Angka Har… JAWA BA… 3203 KAB. CIANJUR 68.8 TAHUN
#> 7 Angka Har… JAWA BA… 3209 KAB. CIREBON 71.1 TAHUN
#> 8 Angka Har… JAWA BA… 3205 KAB. GARUT 70.3 TAHUN
#> 9 Angka Har… JAWA BA… 3212 KAB. INDRAMAYU 70.0 TAHUN
#> 10 Angka Har… JAWA BA… 3215 KAB. KARAWANG 71.3 TAHUN
#> # … with 233 more rows
## Step 3. (optional) Perform some data cleaning.
ahh_jabar <-
ahh_jabar %>%
tidyr::extract(title, "tahun", "(\\d{4})", convert = TRUE)
ahh_jabar
#> # A tibble: 243 x 6
#> tahun provinsi kode_kota_kabupat… nama_kota_kabupa… angka_harapan_hi… satuan
#> <int> <chr> <int> <chr> <dbl> <chr>
#> 1 2010 JAWA BAR… 3204 KAB. BANDUNG 72.9 TAHUN
#> 2 2010 JAWA BAR… 3217 KAB. BANDUNG BAR… 71.5 TAHUN
#> 3 2010 JAWA BAR… 3216 KAB. BEKASI 72.9 TAHUN
#> 4 2010 JAWA BAR… 3201 KAB. BOGOR 70.3 TAHUN
#> 5 2010 JAWA BAR… 3207 KAB. CIAMIS 70.0 TAHUN
#> 6 2010 JAWA BAR… 3203 KAB. CIANJUR 68.8 TAHUN
#> 7 2010 JAWA BAR… 3209 KAB. CIREBON 71.1 TAHUN
#> 8 2010 JAWA BAR… 3205 KAB. GARUT 70.3 TAHUN
#> 9 2010 JAWA BAR… 3212 KAB. INDRAMAYU 70.0 TAHUN
#> 10 2010 JAWA BAR… 3215 KAB. KARAWANG 71.3 TAHUN
#> # … with 233 more rows
Any scripts or data that you put into this service are public.
Add the following code to your website.
For more information on customizing the embed code, read Embedding Snippets.