Pengenalan `tidyverse` Part1: `dplyr`

R Programming

Author

Gerry Alfa Dito

Published

November 18, 2023

Materi ini akan membahas pengenalan meta-package tidyverse yang merupakan kumpulan dari 8 package inti, yaitu

readr digunakan untuk membaca data tabular seperti csv,tsv dan fwf
dplyr digunakan untuk memanipulasi data
ggplot2 digunakan untuk visualisasi data berbasiskan Grammar of Graphics
tidyr digunakan untuk merapihkan (tidying) data
purrr digunakan untuk functional programming
tibble digunakan sebagai alternatif data.frame yang lebih konsisten
forcats digunakan untuk memanipulasi data berupa yang bertipe factor
stringr digunakan untuk memanipulasi data bertipe string

Menginstall Meta-Package `tidyverse`

Pada penggunaan pertama, silahkan install terlebih dulu package yang akan digunakan dengan cara menuliskan code berikut:

install.packages("tidyverse")

Memanggil Package

library(tidyverse)

── Attaching core tidyverse packages ──────────────────────── tidyverse 2.0.0 ──
✔ dplyr     1.1.4     ✔ readr     2.1.4
✔ forcats   1.0.0     ✔ stringr   1.5.1
✔ ggplot2   3.4.4     ✔ tibble    3.2.1
✔ lubridate 1.9.3     ✔ tidyr     1.3.0
✔ purrr     1.0.2     
── Conflicts ────────────────────────────────────────── tidyverse_conflicts() ──
✖ dplyr::filter() masks stats::filter()
✖ dplyr::lag()    masks stats::lag()
ℹ Use the conflicted package (<http://conflicted.r-lib.org/>) to force all conflicts to become errors

Data

Global Country Information Dataset 2023

Dataset komprehensif ini menyediakan banyak informasi tentang semua negara di seluruh dunia, yang mencakup berbagai indikator dan atribut. Data ini mencakup statistik demografi, indikator ekonomi, faktor lingkungan, metrik perawatan kesehatan, statistik pendidikan, dan masih banyak lagi. Dengan setiap negara terwakili, dataset ini menawarkan perspektif global yang lengkap tentang berbagai aspek negara, memungkinkan analisis mendalam dan perbandingan lintas negara.

Berikut adalah penjelasan kolom-kolom yang ada di dalam data:

Country: Name of the country.
Density (P/Km2): Population density measured in persons per square kilometer.
Abbreviation: Abbreviation or code representing the country.
Agricultural Land (%): Percentage of land area used for agricultural purposes.
Land Area (Km2): Total land area of the country in square kilometers.
Armed Forces Size: Size of the armed forces in the country.
Birth Rate: Number of births per 1,000 population per year.
Calling Code: International calling code for the country.
Capital/Major City: Name of the capital or major city.
CO2 Emissions: Carbon dioxide emissions in tons.
CPI: Consumer Price Index, a measure of inflation and purchasing power.
CPI Change (%): Percentage change in the Consumer Price Index compared to the previous year.
Currency_Code: Currency code used in the country.
Fertility Rate: Average number of children born to a woman during her lifetime.
Forested Area (%): Percentage of land area covered by forests.
Gasoline_Price: Price of gasoline per liter in local currency.
GDP: Gross Domestic Product, the total value of goods and services produced in the country.
Gross Primary Education Enrollment (%): Gross enrollment ratio for primary education.
Gross Tertiary Education Enrollment (%): Gross enrollment ratio for tertiary education.
Infant Mortality: Number of deaths per 1,000 live births before reaching one year of age.
Largest City: Name of the country’s largest city.
Life Expectancy: Average number of years a newborn is expected to live.
Maternal Mortality Ratio: Number of maternal deaths per 100,000 live births.
Minimum Wage: Minimum wage level in local currency.
Official Language: Official language(s) spoken in the country.
Out of Pocket Health Expenditure (%): Percentage of total health expenditure paid out-of-pocket by individuals.
Physicians per Thousand: Number of physicians per thousand people.
Population: Total population of the country.
Population: Labor Force Participation (%): Percentage of the population that is part of the labor force.
Tax Revenue (%): Tax revenue as a percentage of GDP.
Total Tax Rate: Overall tax burden as a percentage of commercial profits.
Unemployment Rate: Percentage of the labor force that is unemployed.
Urban Population: Percentage of the population living in urban areas.
Latitude: Latitude coordinate of the country’s location.
Longitude: Longitude coordinate of the country’s location.

Data dapat diperoleh dengan mendownload link dibawah ini

Global Country Information Dataset 2023

Import data

country_data <- read_csv("world-data-2023.csv",show_col_types = FALSE)

Mengenal `dplyr`

dplyr adalah package yang dapat digunakan untuk melakukan manipulasi data seperti melihat gambaran umum data, membuat kolom baru, menyeleksi kolom, menyaring baris (filtering), melakukan agregasi data dan masih banyak lagi.

Fungsi `glimpse`

Fungsi glimpse digunakan untuk mendapatkan gambaran umum data seperti tipe data (dbl,int,chr,factor,lgl), snapshoot amatan-amatan awal, banyaknya baris dan banyaknya kolom

glimpse(country_data)

Rows: 195
Columns: 35
$ Country                                     <chr> "Afghanistan", "Albania", …
$ `Density\n(P/Km2)`                          <dbl> 60, 105, 18, 164, 26, 223,…
$ Abbreviation                                <chr> "AF", "AL", "DZ", "AD", "A…
$ `Agricultural Land( %)`                     <chr> "58.10%", "43.10%", "17.40…
$ `Land Area(Km2)`                            <dbl> 652230, 28748, 2381741, 46…
$ `Armed Forces size`                         <dbl> 323000, 9000, 317000, NA, …
$ `Birth Rate`                                <dbl> 32.49, 11.78, 24.28, 7.20,…
$ `Calling Code`                              <dbl> 93, 355, 213, 376, 244, 1,…
$ `Capital/Major City`                        <chr> "Kabul", "Tirana", "Algier…
$ `Co2-Emissions`                             <dbl> 8672, 4536, 150006, 469, 3…
$ CPI                                         <dbl> 149.90, 119.05, 151.36, NA…
$ `CPI Change (%)`                            <chr> "2.30%", "1.40%", "2.00%",…
$ `Currency-Code`                             <chr> "AFN", "ALL", "DZD", "EUR"…
$ `Fertility Rate`                            <dbl> 4.47, 1.62, 3.02, 1.27, 5.…
$ `Forested Area (%)`                         <chr> "2.10%", "28.10%", "0.80%"…
$ `Gasoline Price`                            <chr> "$0.70", "$1.36", "$0.28",…
$ GDP                                         <chr> "$19,101,353,833", "$15,27…
$ `Gross primary education enrollment (%)`    <chr> "104.00%", "107.00%", "109…
$ `Gross tertiary education enrollment (%)`   <chr> "9.70%", "55.00%", "51.40%…
$ `Infant mortality`                          <dbl> 47.9, 7.8, 20.1, 2.7, 51.6…
$ `Largest city`                              <chr> "Kabul", "Tirana", "Algier…
$ `Life expectancy`                           <dbl> 64.5, 78.5, 76.7, NA, 60.8…
$ `Maternal mortality ratio`                  <dbl> 638, 15, 112, NA, 241, 42,…
$ `Minimum wage`                              <chr> "$0.43", "$1.12", "$0.95",…
$ `Official language`                         <chr> "Pashto", "Albanian", "Ara…
$ `Out of pocket health expenditure`          <chr> "78.40%", "56.90%", "28.10…
$ `Physicians per thousand`                   <dbl> 0.28, 1.20, 1.72, 3.33, 0.…
$ Population                                  <dbl> 38041754, 2854191, 4305305…
$ `Population: Labor force participation (%)` <chr> "48.90%", "55.70%", "41.20…
$ `Tax revenue (%)`                           <chr> "9.30%", "18.60%", "37.20%…
$ `Total tax rate`                            <chr> "71.40%", "36.60%", "66.10…
$ `Unemployment rate`                         <chr> "11.12%", "12.33%", "11.70…
$ Urban_population                            <dbl> 9797273, 1747593, 31510100…
$ Latitude                                    <dbl> 33.939110, 41.153332, 28.0…
$ Longitude                                   <dbl> 67.709953, 20.168331, 1.65…

Fungsi `select`

Fungsi select digunakan untuk menyeleksi kolom dari dataset yang ada

select(.data = country_data,Country,`Birth Rate`,Urban_population,GDP, `Gasoline Price`)

# A tibble: 195 × 5
   Country             `Birth Rate` Urban_population GDP        `Gasoline Price`
   <chr>                      <dbl>            <dbl> <chr>      <chr>           
 1 Afghanistan                 32.5          9797273 $19,101,3… $0.70           
 2 Albania                     11.8          1747593 $15,278,0… $1.36           
 3 Algeria                     24.3         31510100 $169,988,… $0.28           
 4 Andorra                      7.2            67873 $3,154,05… $1.51           
 5 Angola                      40.7         21061025 $94,635,4… $0.97           
 6 Antigua and Barbuda         15.3            23800 $1,727,75… $0.99           
 7 Argentina                   17.0         41339571 $449,663,… $1.10           
 8 Armenia                     14.0          1869848 $13,672,8… $0.77           
 9 Australia                   12.6         21844756 $1,392,68… $0.93           
10 Austria                      9.7          5194416 $446,314,… $1.20           
# ℹ 185 more rows

sintaks diatas dapat ditulis dalam bentuk lain yaitu

country_data %>% 
  select(Country,`Birth Rate`,Urban_population,GDP, `Gasoline Price`)

# A tibble: 195 × 5
   Country             `Birth Rate` Urban_population GDP        `Gasoline Price`
   <chr>                      <dbl>            <dbl> <chr>      <chr>           
 1 Afghanistan                 32.5          9797273 $19,101,3… $0.70           
 2 Albania                     11.8          1747593 $15,278,0… $1.36           
 3 Algeria                     24.3         31510100 $169,988,… $0.28           
 4 Andorra                      7.2            67873 $3,154,05… $1.51           
 5 Angola                      40.7         21061025 $94,635,4… $0.97           
 6 Antigua and Barbuda         15.3            23800 $1,727,75… $0.99           
 7 Argentina                   17.0         41339571 $449,663,… $1.10           
 8 Armenia                     14.0          1869848 $13,672,8… $0.77           
 9 Australia                   12.6         21844756 $1,392,68… $0.93           
10 Austria                      9.7          5194416 $446,314,… $1.20           
# ℹ 185 more rows

Hasil dari kedua sintaks tersebut sama. Simbol %>% dinamakan pipe-operator

Operator `%>%`

Operator %>% digunakan untuk mengantarkan kita dari step satu ke step yang lainnya. Misalnya saja sintkas dibawah ini

country_data %>% 
  select(Country, Urban_population) %>% 
  filter(Urban_population < 10000)

# A tibble: 2 × 2
  Country       Urban_population
  <chr>                    <dbl>
1 Liechtenstein             5464
2 Tuvalu                    7362

Sintaks diatas dapat dibaca sebagai berikut: * Step 1 menyiapkan objek data yaitu country_data * Step 2 memilih kolom Country dan Urban_population berdasarkan step 1 * Step 3 menyaring Urban_population < 10000 berdasarkan objek data pada step 2

Jika kita hilangkan step 3 maka sintaksnya akan menjadi seperti ini

country_data %>% 
  select(Country, Urban_population)

# A tibble: 195 × 2
   Country             Urban_population
   <chr>                          <dbl>
 1 Afghanistan                  9797273
 2 Albania                      1747593
 3 Algeria                     31510100
 4 Andorra                        67873
 5 Angola                      21061025
 6 Antigua and Barbuda            23800
 7 Argentina                   41339571
 8 Armenia                      1869848
 9 Australia                   21844756
10 Austria                      5194416
# ℹ 185 more rows

Operator %>% juga memastikan bahwa objek data selalu berada di step 1. Kemudian, Operator %>% bisa dikeluarkan dengan shortcut keyboard ctrl+shift+m pada windows (macos menyesuaikan).

Fungsi `filter`

fungsi filter digunakan untuk menyaring baris berdasarkan pernyataan logika tertentu. Pernyataan logika adalah suatu pernyataan yang menghasilkan TRUE atau FALSE dan biasanya menggunakan operator logika seperti <,>,<=,>=,!=, &,| dan ==.

country_data %>% 
  select(Country, Urban_population) %>% 
  filter(Urban_population == 1747593)

# A tibble: 1 × 2
  Country Urban_population
  <chr>              <dbl>
1 Albania          1747593

country_data %>% 
  select(Country, Urban_population) %>% 
  filter(Urban_population > 1747593)

# A tibble: 132 × 2
   Country     Urban_population
   <chr>                  <dbl>
 1 Afghanistan          9797273
 2 Algeria             31510100
 3 Angola              21061025
 4 Argentina           41339571
 5 Armenia              1869848
 6 Australia           21844756
 7 Austria              5194416
 8 Azerbaijan           5616165
 9 Bangladesh          60987417
10 Belarus              7482982
# ℹ 122 more rows

country_data %>% 
  select(Country, Urban_population) %>% 
  filter(Country=="Indonesia")

# A tibble: 1 × 2
  Country   Urban_population
  <chr>                <dbl>
1 Indonesia        151509724

country_data %>% 
  select(Country, Urban_population) %>% 
  filter(Country%in%c("Indonesia","Malaysia","Thailand","Singapore","Papua"))

# A tibble: 4 × 2
  Country   Urban_population
  <chr>                <dbl>
1 Indonesia        151509724
2 Malaysia          24475766
3 Singapore          5703569
4 Thailand          35294600

Selain menggunakan operator logika, kita bisa menggunakan fungsi str_detect dari package stringr untuk melakukan filtering jika kita tidak yakin dengan nama persis negaranya. Dalam sintaks sebelumnya dapat diperhatikan bahwa negara Papua tidak muncul karena mungkin nama Papua salah atau kurang lengkap. Berikut ilustrasi penggunaan str_detect.

country_data %>% 
  select(Country, Urban_population) %>% 
  filter(str_detect(Country,"Papua"))

# A tibble: 1 × 2
  Country          Urban_population
  <chr>                       <dbl>
1 Papua New Guinea          1162834

country_data %>% 
  select(Country, Urban_population) %>% 
  filter(str_detect(Country,"Papua")|str_detect(Country,"Timor"))

# A tibble: 2 × 2
  Country          Urban_population
  <chr>                       <dbl>
1 Papua New Guinea          1162834
2 East Timor                 400182

Fungsi `arrange`

Fungsi arrange digunakan untuk mengurutkan kolom besar ke kecil atau sebaliknya.

country_data %>% 
  select(Country, Urban_population) %>% 
  filter(Urban_population > 1747593 & Urban_population <= 6084994) %>% 
  arrange(Urban_population)

# A tibble: 50 × 2
   Country                  Urban_population
   <chr>                               <dbl>
 1 Armenia                           1869848
 2 Lithuania                         1891013
 3 Gabon                             1949694
 4 Central African Republic          1982064
 5 Rwanda                            2186104
 6 Georgia                           2196476
 7 South Sudan                       2201250
 8 Mongolia                          2210626
 9 Croatia                           2328318
10 Kyrgyzstan                        2362644
# ℹ 40 more rows

jika ingin mengurutkan dari besar ke kecil cukup tambahkan desc

country_data %>% 
  select(Country, Urban_population) %>% 
  filter(Urban_population > 1747593 & Urban_population <= 6084994) %>% 
  arrange(desc(Urban_population))

# A tibble: 50 × 2
   Country    Urban_population
   <chr>                 <dbl>
 1 Lebanon             6084994
 2 Nepal               5765513
 3 Singapore           5703569
 4 Benin               5648149
 5 Honduras            5626433
 6 Azerbaijan          5616165
 7 Libya               5448597
 8 Bulgaria            5256027
 9 Austria             5194416
10 Denmark             5119978
# ℹ 40 more rows

Mengurutkan berdasarkan abjad

country_data %>% 
  select(Country, Urban_population) %>% 
  filter(Urban_population > 1747593 & Urban_population <= 6084994) %>% 
  arrange(desc(Country))

# A tibble: 50 × 2
   Country      Urban_population
   <chr>                   <dbl>
 1 Zimbabwe              4717305
 2 Uruguay               3303394
 3 Turkmenistan          3092738
 4 Togo                  3414638
 5 Tajikistan            2545477
 6 Sri Lanka             4052088
 7 South Sudan           2201250
 8 Slovakia              2930419
 9 Singapore             5703569
10 Sierra Leone          3319366
# ℹ 40 more rows

arrange juga bisa digunakan untuk melakukan pengurutan berdasarkan kriteria lebih dari satu kolom

country_data %>% 
  select(Country, Urban_population,`Official language`) %>% 
  filter(Urban_population > 1747593 & Urban_population <= 6084994) %>% 
  arrange(`Official language`,desc(Urban_population))

# A tibble: 50 × 3
   Country    Urban_population `Official language` 
   <chr>                 <dbl> <chr>               
 1 Lebanon             6084994 Arabic              
 2 Libya               5448597 Arabic              
 3 Oman                4250777 Arabic              
 4 Qatar               2809071 Arabic              
 5 Mauritania          2466821 Arabic              
 6 Armenia             1869848 Armenian            
 7 Azerbaijan          5616165 Azerbaijani language
 8 Bulgaria            5256027 Bulgarian           
 9 Croatia             2328318 Croatian            
10 Denmark             5119978 Danish              
# ℹ 40 more rows

Fungsi `mutate`

Fungsi mutate digunakan untuk membuat, memodifikasi dan menghapus kolom dari dataset.

Misal kita ingin membuat kolom baru yakni kolom bernama Persentase_urban_pop yang berasal dari rumus sebagai berikut

\[ \text{Persentase_urban_pop}= \left( \frac{\text{Urban_population}}{\text{Population}} \right) \times 100 \]

country_data %>% 
    mutate(Persentase_urban_pop= (Urban_population*100) / Population)

# A tibble: 195 × 36
   Country             `Density\n(P/Km2)` Abbreviation `Agricultural Land( %)`
   <chr>                            <dbl> <chr>        <chr>                  
 1 Afghanistan                         60 AF           58.10%                 
 2 Albania                            105 AL           43.10%                 
 3 Algeria                             18 DZ           17.40%                 
 4 Andorra                            164 AD           40.00%                 
 5 Angola                              26 AO           47.50%                 
 6 Antigua and Barbuda                223 AG           20.50%                 
 7 Argentina                           17 AR           54.30%                 
 8 Armenia                            104 AM           58.90%                 
 9 Australia                            3 AU           48.20%                 
10 Austria                            109 AT           32.40%                 
# ℹ 185 more rows
# ℹ 32 more variables: `Land Area(Km2)` <dbl>, `Armed Forces size` <dbl>,
#   `Birth Rate` <dbl>, `Calling Code` <dbl>, `Capital/Major City` <chr>,
#   `Co2-Emissions` <dbl>, CPI <dbl>, `CPI Change (%)` <chr>,
#   `Currency-Code` <chr>, `Fertility Rate` <dbl>, `Forested Area (%)` <chr>,
#   `Gasoline Price` <chr>, GDP <chr>,
#   `Gross primary education enrollment (%)` <chr>, …

karena agak sulit mengakses kolom barunya Persentase_urban_pop kita akan menyeleksi kolom-kolom yang berkepentingan

country_data %>% 
    mutate(Persentase_urban_pop= (Urban_population*100) / Population) %>% 
    select(Country,Persentase_urban_pop,Population)

# A tibble: 195 × 3
   Country             Persentase_urban_pop Population
   <chr>                              <dbl>      <dbl>
 1 Afghanistan                         25.8   38041754
 2 Albania                             61.2    2854191
 3 Algeria                             73.2   43053054
 4 Andorra                             88.0      77142
 5 Angola                              66.2   31825295
 6 Antigua and Barbuda                 24.5      97118
 7 Argentina                           92.0   44938712
 8 Armenia                             63.2    2957731
 9 Australia                           84.8   25766605
10 Austria                             58.5    8877067
# ℹ 185 more rows

Kemudian kita bisa menghapus kolom dengan mutate dengan sintaks dibawah ini

country_data %>% 
    mutate(Persentase_urban_pop= (Urban_population*100) / Population) %>% 
    select(Country,Persentase_urban_pop,Population) %>% 
    mutate(Country=NULL)

# A tibble: 195 × 2
   Persentase_urban_pop Population
                  <dbl>      <dbl>
 1                 25.8   38041754
 2                 61.2    2854191
 3                 73.2   43053054
 4                 88.0      77142
 5                 66.2   31825295
 6                 24.5      97118
 7                 92.0   44938712
 8                 63.2    2957731
 9                 84.8   25766605
10                 58.5    8877067
# ℹ 185 more rows

Ilustrasi selanjutnya adalah kita akan memodifikasi kolom yang sudah ada. Kolom Country kita modifikasi sedemikian sehingga nama negaranya jadi huruf kapital semua

country_data %>% 
  mutate(Country=str_to_upper(Country))

# A tibble: 195 × 35
   Country             `Density\n(P/Km2)` Abbreviation `Agricultural Land( %)`
   <chr>                            <dbl> <chr>        <chr>                  
 1 AFGHANISTAN                         60 AF           58.10%                 
 2 ALBANIA                            105 AL           43.10%                 
 3 ALGERIA                             18 DZ           17.40%                 
 4 ANDORRA                            164 AD           40.00%                 
 5 ANGOLA                              26 AO           47.50%                 
 6 ANTIGUA AND BARBUDA                223 AG           20.50%                 
 7 ARGENTINA                           17 AR           54.30%                 
 8 ARMENIA                            104 AM           58.90%                 
 9 AUSTRALIA                            3 AU           48.20%                 
10 AUSTRIA                            109 AT           32.40%                 
# ℹ 185 more rows
# ℹ 31 more variables: `Land Area(Km2)` <dbl>, `Armed Forces size` <dbl>,
#   `Birth Rate` <dbl>, `Calling Code` <dbl>, `Capital/Major City` <chr>,
#   `Co2-Emissions` <dbl>, CPI <dbl>, `CPI Change (%)` <chr>,
#   `Currency-Code` <chr>, `Fertility Rate` <dbl>, `Forested Area (%)` <chr>,
#   `Gasoline Price` <chr>, GDP <chr>,
#   `Gross primary education enrollment (%)` <chr>, …

fungsi str_to_upper berasal dari package stringr yang berguna untuk konversi semua abjad menjadi kapital.

Agregasi data dengan `group_by` dan `summarize`

Fungsi summerize digunakan untuk merangkum banyak baris (amatan) menjadi satu baris, rangkuman ini bisa berupa mean, median,variance,sd(standar deviasi). Berikut illustrasinya

country_data %>%
  summarize(mean_populasi = mean(Population,na.rm = TRUE),
            median_urban_populasi = median(Urban_population,na.rm = TRUE),
            sd_populasi = sd(Population,na.rm=TRUE),
            q1_urban_populasi = quantile(Urban_population,probs = 0.25,na.rm = TRUE)
            )

# A tibble: 1 × 4
  mean_populasi median_urban_populasi sd_populasi q1_urban_populasi
          <dbl>                 <dbl>       <dbl>             <dbl>
1     39381164.              4678104.  145092392.           1152961

Kemudian kita bisa menghitung mean dari setiap kolom numeric dengan memanfaatkan fungsi across, dan where. Dalam konteks ini, Fungsi across digunakan untuk menerapkan perhitungan mean setiap kolom numeric. Sementara itu, fungsi where digunakan untuk memastikan bahwa kolom yang kita terapkan perhitungan sesuai dengan kondisi yang kita inginkan.

country_data %>%
  summarize( across(where(is.numeric),mean) )

# A tibble: 1 × 16
  `Density\n(P/Km2)` `Land Area(Km2)` `Armed Forces size` `Birth Rate`
               <dbl>            <dbl>               <dbl>        <dbl>
1               357.               NA                  NA           NA
# ℹ 12 more variables: `Calling Code` <dbl>, `Co2-Emissions` <dbl>, CPI <dbl>,
#   `Fertility Rate` <dbl>, `Infant mortality` <dbl>, `Life expectancy` <dbl>,
#   `Maternal mortality ratio` <dbl>, `Physicians per thousand` <dbl>,
#   Population <dbl>, Urban_population <dbl>, Latitude <dbl>, Longitude <dbl>

jika kita ingin mengexclude NA dari perhitungan, perlu membuat fungsi anonim terlebih dahulu

country_data %>%
  summarize(across(where(is.numeric),function(x) mean(x,na.rm = TRUE) ))

# A tibble: 1 × 16
  `Density\n(P/Km2)` `Land Area(Km2)` `Armed Forces size` `Birth Rate`
               <dbl>            <dbl>               <dbl>        <dbl>
1               357.          689624.             159275.         20.2
# ℹ 12 more variables: `Calling Code` <dbl>, `Co2-Emissions` <dbl>, CPI <dbl>,
#   `Fertility Rate` <dbl>, `Infant mortality` <dbl>, `Life expectancy` <dbl>,
#   `Maternal mortality ratio` <dbl>, `Physicians per thousand` <dbl>,
#   Population <dbl>, Urban_population <dbl>, Latitude <dbl>, Longitude <dbl>

Selanjutnya, jika kita ingin menambah nama kolom dengan kata mean, kita bisa memanfaatkan fungsi rename_with. Penambahan nama kolom ini dapat menggunakan fungsi str_c

country_data %>%
  summarize(across(where(is.numeric),function(x) mean(x,na.rm = TRUE) )) %>% 
  rename_with(.fn = function(x) str_c("mean_",x),.cols = everything())

# A tibble: 1 × 16
  `mean_Density\n(P/Km2)` `mean_Land Area(Km2)` `mean_Armed Forces size`
                    <dbl>                 <dbl>                    <dbl>
1                    357.               689624.                  159275.
# ℹ 13 more variables: `mean_Birth Rate` <dbl>, `mean_Calling Code` <dbl>,
#   `mean_Co2-Emissions` <dbl>, mean_CPI <dbl>, `mean_Fertility Rate` <dbl>,
#   `mean_Infant mortality` <dbl>, `mean_Life expectancy` <dbl>,
#   `mean_Maternal mortality ratio` <dbl>,
#   `mean_Physicians per thousand` <dbl>, mean_Population <dbl>,
#   mean_Urban_population <dbl>, mean_Latitude <dbl>, mean_Longitude <dbl>

Fungsi group_by digunakan untuk melakukan manipulasi atau perhitungan pada dataset berdasarkan grup atau kelompok tertentu. Grup atau kelompok yang dimaksud biasanya berupa kategori-kategori yang tersimpan dalam satu kolom. Dalam penggunaannya, group_by ini dipasangkan dengan fungsi summarize. Berikut adalah ilustrasinya

country_data %>%
  group_by(`Official language`) %>% 
  summarize(n())

# A tibble: 78 × 2
   `Official language`  `n()`
   <chr>                <int>
 1 Afrikaans                1
 2 Albanian                 1
 3 Amharic                  1
 4 Arabic                  18
 5 Armenian                 1
 6 Azerbaijani language     1
 7 Bengali                  1
 8 Bosnian                  1
 9 Bulgarian                1
10 Burmese                  1
# ℹ 68 more rows

Fungsi n() digunakan untuk menghitung frequensi dari suatu nilai atau kategori.

Sintaks diatas bisa ditulis dengan bentuk lain seperti dibawah ini

country_data %>%
  count(`Official language`)

# A tibble: 78 × 2
   `Official language`      n
   <chr>                <int>
 1 Afrikaans                1
 2 Albanian                 1
 3 Amharic                  1
 4 Arabic                  18
 5 Armenian                 1
 6 Azerbaijani language     1
 7 Bengali                  1
 8 Bosnian                  1
 9 Bulgarian                1
10 Burmese                  1
# ℹ 68 more rows

country_data %>% 
  mutate(pop_status = case_when(Population < 15000000 ~ "small",
                                Population >= 15000000 & Population < 39381164 ~ "medium",
                                Population >= 39381164  ~ "large"
                                )) %>% 
  count(pop_status,`Official language`)

# A tibble: 100 × 3
   pop_status `Official language`     n
   <chr>      <chr>               <int>
 1 large      Afrikaans               1
 2 large      Amharic                 1
 3 large      Arabic                  2
 4 large      Bengali                 1
 5 large      Burmese                 1
 6 large      English                 3
 7 large      French                  2
 8 large      German                  1
 9 large      Hindi                   1
10 large      Indonesian              1
# ℹ 90 more rows

Fungsi `pivot_longer` dan `pivot_wider`

Fungsi pivot_longer digunakan untuk mentransformasi dataset yang berbentuk wide ke dataset yang berbentuk long. Sebaliknya pivot_wider digunakan untuk mentransformasi dataset yang berbentuk long ke dataset yang berbentuk wide. Kedua fungsi ini berasal dari package tidyr.

Berikut adalah ilustrasinya

## bentuk wide
country_data %>%
  summarize(across(where(is.numeric),function(x) mean(x,na.rm = TRUE) )) %>% 
  select(1:10)

# A tibble: 1 × 10
  `Density\n(P/Km2)` `Land Area(Km2)` `Armed Forces size` `Birth Rate`
               <dbl>            <dbl>               <dbl>        <dbl>
1               357.          689624.             159275.         20.2
# ℹ 6 more variables: `Calling Code` <dbl>, `Co2-Emissions` <dbl>, CPI <dbl>,
#   `Fertility Rate` <dbl>, `Infant mortality` <dbl>, `Life expectancy` <dbl>

country_data %>%
  summarize(across(where(is.numeric),function(x) mean(x,na.rm = TRUE) )) %>% 
  select(1:10) %>% 
  pivot_longer(cols = everything(),
               names_to = "Variable",
               values_to = "mean"  
               )

# A tibble: 10 × 2
   Variable                 mean
   <chr>                   <dbl>
 1 "Density\n(P/Km2)"     357.  
 2 "Land Area(Km2)"    689624.  
 3 "Armed Forces size" 159275.  
 4 "Birth Rate"            20.2 
 5 "Calling Code"         361.  
 6 "Co2-Emissions"     177799.  
 7 "CPI"                  190.  
 8 "Fertility Rate"         2.70
 9 "Infant mortality"      21.3 
10 "Life expectancy"       72.3

Argument names_to berguna untuk membuat kolom untuk menaruh nama-nama kolom sebelum transformasi, sementara values_to berguna untuk membuat kolom untuk menaruh nilai-nilai data.

# bentuk long
country_data %>% 
  mutate(pop_status = case_when(Population < 15000000 ~ "small",
                                Population >= 15000000 & Population < 39381164 ~ "medium",
                                Population >= 39381164  ~ "large"
                                )) %>% 
  count(pop_status,`Official language`)

# A tibble: 100 × 3
   pop_status `Official language`     n
   <chr>      <chr>               <int>
 1 large      Afrikaans               1
 2 large      Amharic                 1
 3 large      Arabic                  2
 4 large      Bengali                 1
 5 large      Burmese                 1
 6 large      English                 3
 7 large      French                  2
 8 large      German                  1
 9 large      Hindi                   1
10 large      Indonesian              1
# ℹ 90 more rows

country_data %>% 
  mutate(pop_status = case_when(Population < 15000000 ~ "small",
                                Population >= 15000000 & Population < 39381164 ~ "medium",
                                Population >= 39381164  ~ "large"
                                )) %>% 
  count(pop_status,`Official language`) %>% 
  pivot_wider(id_cols = `Official language`,
              names_from = pop_status,
              values_from = n
              )

# A tibble: 78 × 5
   `Official language` large medium small  `NA`
   <chr>               <int>  <int> <int> <int>
 1 Afrikaans               1     NA    NA    NA
 2 Amharic                 1     NA    NA    NA
 3 Arabic                  2      6     9     1
 4 Bengali                 1     NA    NA    NA
 5 Burmese                 1     NA    NA    NA
 6 English                 3      3    25    NA
 7 French                  2      9    14    NA
 8 German                  1     NA     3    NA
 9 Hindi                   1     NA    NA    NA
10 Indonesian              1     NA    NA    NA
# ℹ 68 more rows

Argument names_from berguna untuk membuat kolom-kolom berdasarkan satu kolom sebelum transformasi, sementara values_to berguna untuk membuat menaruh nilai-nilai data. Argument id_cols berguna untuk medefinisikan kolom-kolom yang kita anggap sebagai id.

Menyimpan hasil manipulasi data dalam objek R

Ilustrasi-ilustrasi sebelumnya tidak menyimpan data hasil manipulasi kita dalam objek R sehingga tidak bisa digunakan secara berulang.

# tidak disimpan
country_data %>% 
  mutate(pop_status = case_when(Population < 15000000 ~ "small",
                                Population >= 15000000 & Population < 39381164 ~ "medium",
                                Population >= 39381164  ~ "large"
                                )) %>% 
  count(pop_status,`Official language`) %>% 
  pivot_wider(id_cols = `Official language`,
              names_from = pop_status,
              values_from = n
              )

# A tibble: 78 × 5
   `Official language` large medium small  `NA`
   <chr>               <int>  <int> <int> <int>
 1 Afrikaans               1     NA    NA    NA
 2 Amharic                 1     NA    NA    NA
 3 Arabic                  2      6     9     1
 4 Bengali                 1     NA    NA    NA
 5 Burmese                 1     NA    NA    NA
 6 English                 3      3    25    NA
 7 French                  2      9    14    NA
 8 German                  1     NA     3    NA
 9 Hindi                   1     NA    NA    NA
10 Indonesian              1     NA    NA    NA
# ℹ 68 more rows

berikut ilustrasi menyimpan data hasil manipulasi ke objek R dengan nama tabel_baru

tabel_baru <- country_data %>% 
  mutate(pop_status = case_when(Population < 15000000 ~ "small",
                                Population >= 15000000 & Population < 39381164 ~ "medium",
                                Population >= 39381164  ~ "large"
                                )) %>% 
  count(pop_status,`Official language`) %>% 
  pivot_wider(id_cols = `Official language`,
              names_from = pop_status,
              values_from = n
              )

kemudian jika kita ingin mengeluarkan hasil manipulasi data, hanya perlu menuliskan nama objeknya.

tabel_baru

# A tibble: 78 × 5
   `Official language` large medium small  `NA`
   <chr>               <int>  <int> <int> <int>
 1 Afrikaans               1     NA    NA    NA
 2 Amharic                 1     NA    NA    NA
 3 Arabic                  2      6     9     1
 4 Bengali                 1     NA    NA    NA
 5 Burmese                 1     NA    NA    NA
 6 English                 3      3    25    NA
 7 French                  2      9    14    NA
 8 German                  1     NA     3    NA
 9 Hindi                   1     NA    NA    NA
10 Indonesian              1     NA    NA    NA
# ℹ 68 more rows

Latihan Mandiri

Soal-soal latihan mandiri ini didasarkan pada *Global Country Information Dataset dan sintaks yang digunakan harus mengutamakan sintaks yang berasal dari pacakge-package yang ada di dalam tidyverse.

Tampilkan 10 negara yang memiliki Armed Forces size terbesar didunia. Hasil tampilannya harus terdiri dari dua kolom saja. (hint: gunakan fungsi slice_max)
Negara mana saja yang Fertility Rate-nya lebih kecil dibandingkan Indonesia? Urutkan dari Fertility Rate besar ke kecil. Hasil tampilannya harus terdiri dari dua kolom saja.
Hitunglah Statistika 5 serangkai dari kolom Armed Forces size dan Fertility Rate. Tampilkan hasilnya dengan format data long.
Tunjukkan 5 Nilai mata uang (Currency-Code) yang paling banyak digunakan di dunia!
Diantara negara-negara yang tergabung dalam ASEAN, tunjukkan 3 negara yang miliki Infant mortality tertinggi dan 3 negara yang memiliki Infant mortality terendah.

Tugas Kelompok

Tugas kelompok ini didasarkan pada *Global Country Information Dataset dan sintaks yang digunakan harus mengutamakan sintaks yang berasal dari pacakge-package yang ada di dalam tidyverse.

Dalam R missing data biasanya ditandai dengan NA, hitung berapa banyak missing value yang ada pada dataset!
Hapus semua missing data dan tunjukkan bahwa semua missing data sudah terhapus!
Dalam dataset tersebut terdapat beberapa kolom yang berbentuk persentase dan nilai mata uang dollar US yang bertipe data chr. Gunakan fungsi mutate dan across untuk mengubah tipe data kolom tersebut menjadi dbl. Tunjukkan hasilnya dengan fungsi glimpse!
Konversi nilai mata uang dalam bentuk dollar ke nilai mata uang Rupiah dengan tipe data dbl!
Buatlah kolom country_status yang berisi kategori "rich","developing", "poor". Kategori ini didapatkan dengan kriteria sebagai berikut: jika Unemployment rate kurang dari 1% maka negara tersebut merupakan negara "rich", jika Unemployment rate lebih besar dari 0.999999% dan kurang dari 5% maka negara tersebut merupakan negara "developing". Kemudian jika Unemployment rate lebih besar dari 4.999999% maka negara tersebut merupakan negara"poor".
Hitunglah rata-rata dan nilai maximum GDP dan CPI berdasarkan country status! Kemudian hitung juga berapa banyak negara yang termasuk dalam kategori "rich","developing", "poor".
Tampilkan hasil nomor 6 dalam format long!

Menginstall Meta-Package tidyverse

Memanggil Package

Data

Global Country Information Dataset 2023

Import data

Mengenal dplyr

Fungsi glimpse

Fungsi select

Operator %>%

Fungsi filter

Fungsi arrange

Fungsi mutate

Agregasi data dengan group_by dan summarize

Fungsi pivot_longer dan pivot_wider

Menyimpan hasil manipulasi data dalam objek R

Latihan Mandiri

Tugas Kelompok

Menginstall Meta-Package `tidyverse`

Mengenal `dplyr`

Fungsi `glimpse`

Fungsi `select`

Operator `%>%`

Fungsi `filter`

Fungsi `arrange`

Fungsi `mutate`

Agregasi data dengan `group_by` dan `summarize`

Fungsi `pivot_longer` dan `pivot_wider`