In vynspermadi/tidyds: Fundamental Tidy Data Science in R

knitr::opts_chunk$set(
  collapse = TRUE,
  comment = "#>"
)

Dalam modul ini Anda akan menggunakan konsep Grammar of Graphics untuk membuat visualisasi data.

R merupakan bahasa pemrograman yang terkenal akan kemampuannya dalam menghasilkan grafik atau visualisasi data dengan baik. Penting diketahui bahwa R memiliki berbagai sistem dan paket untuk pembuatan grafik, contohnya base, lattice, ggplot, dan lain-lain. Namun dalam pelatihan ini Anda diajak untuk berfokus menggunakan sistem ggplot untuk membuat visualisasi data.

Sistem pembuatan grafik dengan ggplot dapat dilakukan dengan menggunakan paket ggplot2 yang merupakan implementasi dari konsep Grammar of graphic untuk bahasa pemrograman R. Anda dapat membaca artikel mengenai konsep tersebut melalui pranala ini. Dengan memahami konsep dari grammar of graphic, Anda dapat membuat berbagai jenis plot dengan ringkas dan mudah. Sekarang aktifkanlah paket ggplot2 tersebut terlebih dahulu!

library(ggplot2)

Dalam contoh ini Anda akan membuat grafik dari dataset diamonds yang tersedia dalam paket ggplot2. Anda dapat melihat isi serta dokumentasi dari dataset tersebut dengan menjalankan diamonds dan ?diamonds. Berisi informasi apakah data diamonds? Silakan lakukan inspeksi pada struktur data tersebut!

diamonds
?diamonds
str(diamonds)

Anda dapat menggunakan fungsi qplot() untuk membuat grafik menggunakan ggplot2. Bacalah terlebih dahulu dokumentasi fungsi qplot() dan kemudian lengkapilah chunk berikut untuk membuat grafik hubungan antara berat (sumbu x), harga (sumbu y) dan kejernihan intan (variasi warna) dari dataset diamonds!

qplot(x = carat, y = price, colour = clarity, data = diamonds)

Selamat Anda telah berhasil membuat grafik pertama menggunakan ggplot2! Pembuatan grafik dengan menggunakan fungsi qplot() memang relatif mudah, namun fiturnya terbatas dan kurang fleksibel. Oleh karena itu, Anda akan diajak untuk mempelajari dan menggunakan fungsi ggplot() untuk membuat visualisasi data dengan lebih leluasa. Grafik diatas dapat diolah kembali dengan menggunakan penulisan kode sebagai berikut::

ggplot(data = diamonds, mapping = aes(x = carat, y = price, colour = clarity)) +
  geom_point()

Hal yang menarik dan membedakan antara pembuatan grafik menggunakan ggplot2 dan base adalah bahwa keluaran fungsi ggplot() dapat disimpan sebagai obyek R. Apa manfaatnya? Pertama adalah Anda dapat dengan mudah menyimpan grafik seperti halnya menjalankan write.csv() pada dataset. Kedua adalah Anda dapat dengan leluasa melakukan modifikasi pada grafik yang telah dibuat. Hal ini akan dibahas dalam subbagian kedepan.

Baris kode dalam chunk berikut menunjukan cara untuk menyimpan grafik ke dalam obyek R bernama plot_diamonds dan kemudian menyimpannya dalam komputer dengan nama berkas "diamonds.png". Kita akan menggunakan fungsi ggsave() yang juga berasal dari paket ggplot2.

plot_diamonds <- ggplot(data = diamonds) +
  geom_point(mapping = aes(x = carat, y = price, colour = clarity)) # Saat output disimpan ke dalam obyek R, grafik tidak otomatis dicetak pada layar

plot_diamonds # Untuk mencetak grafik, Anda harus menjalankan nama obyek R yang sebelumnya dibuat

ggsave(filename = "diamonds.png", plot = plot_diamonds)

Meskipun penulisan kode R untuk membuat grafik menggunakan fungsi ggplot() relatif lebih panjang, lebih banyak kostumisasi dan pengaturan grafik yang dapat dilakukan dengan menggunakan fungsi ggplot() dibandingkan fungsi qplot(). Dalam pelatihan ini Anda akan diminta untuk membuat banyak grafik dengan menggunakan struktur penulisan kode sebagai berikut:

ggplot(data = <DATA>) +
  <GEOM_FUNCTION>(mapping = aes(<MAPPINGS>))

Anda dapat menarik kesimpulan berdasarkan struktur penulisan kode R di atas bahwa setidaknya terdapat tiga komponen utama untuk membuat grafik, yaitu:

Data
Aesthetic mapping
Geometric object

Pelajarilah dokumentasi fungsi aes() dan geom_point() (sebagai salah satu contoh geometric object) melalui kode berikut!

p <- ggplot(mtcars, aes(wt, mpg))
p + geom_point()

Selanjutnya Anda akan diminta untuk bereksperimen membuat visualisasi data Ujian Nasional tingkat SMP di Kota Bandung yang disediakan oleh Open Data Kota Bandung. Data tersebut tersedia sebagai berkas "un_smp.csv" dalam subdirektori "data-raw". Silakan impor data tersebut sebagai obyek R bernama un_smp menggunakan fungsi vroom() dan here() dan cetaklah pada layar! (Petunjuk: aktifkan terlebih dahulu paket-paket yang relevan)

library(vroom)
library(here)

un_smp <- vroom(here("data-raw", "un_smp.csv"))
un_smp

Pelajarilah struktur data un_smp tersebut. Ada berapa observasi dan variabel yang tersedia? Apa saja nama dari setiap kolom? Data tahun berapa sajakah yang tersedia pada data tersebut?

str(un_smp)
dim(un_smp)
colnames(un_smp)
unique(un_smp$tahun)

Dalam modul ini Anda diminta untuk membuat visualisasi hubungan antara nilai UN mata pelajaran matematika dan bahasa Indonesia. Namun sebelum itu, penting untuk diingat bahwa dalam sistem ggplot2 suatu grafik dibangun atas tiga komponen utama yaitu data, aesthetic mapping, dan geometric objects. Komponen pertama (data) dapat diatur dengan menggunakan baris kode berikut:

ggplot(un_smp)

Selanjutnya kita perlu mendefinisikan dimensi mana dari data yang ingin digambarkan dalam grafik. Pendefinisian ini dilakukan dalam komponen aesthetic mapping (aes()). Anda diminta untuk mempelajari hubungan antara nilai UN matematika versus bahasa Indonesia. Untuk itu, Anda dapat mendefinisikan variabel bahasa_indonesia pada sumbu x dan matematika pada sumbu y.

ggplot(un_smp, aes(x = bahasa_indonesia, y = matematika))

Pendefinisian sumbu x dan y telah menghasilkan layer baru dalam grafik. Namun, Anda masih perlu mendefinisikan bentuk dari grafik tersebut melalui komponen geometric objects (geom_*()) sebelum grafik tersebut dapat dibaca. Tambahkan obyek geometri berupa titik di atas layers yang telah dibuat sebelumnya!

ggplot(un_smp, aes(x = bahasa_indonesia, y = matematika)) +
  geom_point()

Selamat sekarang grafik tersebut mulai dapat terbaca! Sekarang Anda ingin mengetahui bagaimanaka representasi dari status sekolah (Negeri vs Swasta) pada grafik. Anda dapat menambahkan fungsi aes() pada obyek geometri untuk melaukan hal tersebut. Dalam contoh ini Anda akan menggunakan aesthetic berupa warna titik untuk membedakan antar status sekolah.

ggplot(un_smp, aes(x = bahasa_indonesia, y = matematika)) +
  geom_point(aes(colour = status))

Mudah sekali bukan? Bagaimana jika Anda ingin menambahkan informasi jumlah peserta ujian yang direpresentasikan oleh ukuran titik dalam grafik tersebut?

ggplot(un_smp, aes(x = bahasa_indonesia, y = matematika)) +
  geom_point(aes(colour = status, size = jumlah_peserta))

Sangat menarik! Nampaknya jumlah peserta ujian juga memiliki hubungan dengan nilai ujian, benarkah? Namun sayang sekali grafik tersebut sekarang telihat sangat "penuh" sehingga sulit membedakan antar titik. Apakah transparasi titik-titik tersebut dapat dimodifikasi? Ya! Anda dapat menambahkan argumen "alpha" (nilai 0 hingga 1) pada obyek geometri yang diinginkan. (Bonus: Apa yang terjadi jika Anda menambahkan argumen "alpha" dalam fungsi aes() pada obyek geometri?)

ggplot(un_smp, aes(x = bahasa_indonesia, y = matematika)) +
  geom_point(aes(colour = status, size = jumlah_peserta), alpha = 0.2)

Anda penasaran bagaimanakah hubungan antar nilai ujian nasional tersebut jika dibagi per kelompok tahun. Karena Anda sudah menggunakan empat dimensi untuk mempresentasikan data (sumbu x, sumbu y, warna titik, ukuran titik), sekarang mungkin saatnya Anda menggunakan pendekatan berbeda yaitu menggunakan facet! Tambahkanlah baris kode facet_wrap(~tahun, scales = "free") pada chunk berikut!

ggplot(un_smp, aes(x = bahasa_indonesia, y = matematika)) +
  geom_point(aes(colour = status, size = jumlah_peserta), alpha = 0.2) +
  facet_wrap(~tahun, scales = "free")

Hasil yang sangat menarik! Namun sayangnya Anda masih belum puas dengan grafik tersebut dalam hal estetika. Lengkapilah chunk berikut untuk melakukan modifikasi estetika pada grafik Anda tersebut! Simpanlah grafik tersebut dalam obyek R dengan nama mtk_vs_ind dan jangan lupa cetak hasilnya pada layar.

mtk_vs_ind <- ggplot(un_smp, aes(x = bahasa_indonesia, y = matematika)) +
  geom_point(aes(colour = status, size = jumlah_peserta), alpha = 0.2) +
  facet_wrap(~tahun, scales = "free") +
  labs(
    x = "bahasa_indonesia",
    y = "matematika",
    colour = "status",
    size = "# peserta",
    title = "Hubungan antara nilai UN mata pelajaran matematika dan bahasa Indonesia",
    subtitle = "Ujian Nasional SMP di Kota Bandung 2015-2019",
    caption = "Sumber: Open Data Kota Bandung"
  ) +
  theme_light()

mtk_vs_ind

Luar biasa! Sekarang saatnya menyimpan grafik tersebut pada komputer Anda.

ggsave("mtk_vs_ind.png", plot = last_plot())

Selamat Anda telah berhasil membuat visualisasi untuk data un_smp. Silakan Anda bereksperimen membuat grafik dengan variabel-variabel lain atau bahkan menggunakan obyek geometri lainnya untuk menghasilkan visulisasi data yang berbeda.