Hasil survey kepuasan warga kota / masyarakat sekarang dapat diolah dengan menggunakan library encietyCSS. Misalnya untuk melakukan plot hasil tabulasi silang dari satu variabel, plot gap, scatter plot, dan beberapa summary statistics untuk pengolahan Cross Tabulation.
Berikut ini salah satu contoh penggunaan library encietyCSS.
library(encietyCSS)
datasample <- table(sample(c("SES AB","SES C","SES D"),1000,TRUE))
barchartcss(datasample)
Hasil plot adalah sebagai berikut :
Salam.
Unung Istopo.
Perubahan proporsi data berdasarkan waktu dapat diamati dengan menggunakan Spie Chart, yang terdapat dalam library A2R. Penggunaan fungsi ini dapat mempermudah untuk mengetahui perubahan proposi variabel saja namun tidak menunjukkan perubahan nilai atau kuantitas total.
Kasus yang digunakan adalah data kasus bunuh diri di Kota Surabaya tahun 2004 dan 2005 dari Bagian forensik RSU dr Soetomo, yang Dimuat Media Jawa Pos pada 20 Januari 2006. Data tersebut menunjukkan kasus bunuh diri di Kota Surabaya pada tahun 2004 dan tahun 2005 mencapai masing-masing 25 dan 34 kasus. Dalam bahasan kali ini kita lebih akan menyoroti pada sisi proporsi sarana yang digunakan dalam bunuh diri di Kota Surabaya, untuk mempermudah pemahaman kita dalam menggunakan fungsi Spie Chart.
Gambar 1. Perbandingan proporsi sarana bunuh diri di Kota Surabaya pada Tahun 2004 dan Tahun 2005 dengan Menggunakan conventional pie chart
Gambar 2. Perbandingan proporsi sarana bunuh diri di Kota Surabaya pada Tahun 2004 dan Tahun 2005 dengan Menggunakan Spie Chart
Sumber Data : Bagian forensik RSU dr Soetomo, yang Dimuat Media Jawa Pos, 20 Januari 2006
Dalam Gambar 1 dan Gambar 2 tampak bahwa proporsi sarana intoxidasi mengalami kenaikan dibandingkan dengan sarana lainnya. Dengan menggunakan Spie Chart ini kita lebih mudah menggambarkan perubahan proporsi variabel. Sehingga jika kita hendak menggambarkan perubahan kontribusi PDRB Propinsi Jawa Timur atau Kota Surabaya, atau proporsi gender dalam penggunaan Internet atau mungkin proporsi usia dalam pemakai handphone maka kita dapat menggunakan spie chart dalam visualisasi datanya.
Salam,
Unung Istopo
Topik : membuat fungsi sederhana
Kasus : Plot Min – Max Temperature Jawa Timur 2000 – 2003
Berikut ini adalah script sederhana untuk melakukan plot time series temperatur udara di Propinsi Jawa Timur berdasarkan data dari Stasiun Metereologi Juanda Surabaya yang dimuat dalam publikasi BPS – Jawa Timur dalam angka tahun 2000 – 2003. Di mana struktur data yang disediakan adalah data minimum dan maksimum, sehingga bentuk visualisasi datanya hendaknya mencerminkan kondisi tersebut.
Menggunakan fungsi segments
bartemp <- function(at,min,max,delta,col="black") {
segments(at-delta,min,at+delta,min,col=col)
segments(at,min,at,max,col=col)
segments(at-delta,max,at+delta,max,col=col)
}temp < - read.csv("/home/unung/work/temp.csv")
plot(c(1:48),ylim=c(min(temp[2])-5,max(temp[1]+5)),type="n",axes=F,xlab="",
ylab="temperatur (C)")
axis(1,seq(1,48,6),c("Jan-2000","Jul-2000","Jan-2001","Jul-2001",
"Jan-2002","Jul-2002","Jan-2003","Jul-2003"),cex=0.6)
box()
axis(2,cex=0.4)
bartemp(at=c(1:48),temp[[2]],temp[[1]],0.2,col="blue")
title(main="Plot Series Temperatur Udara Jawa Timur")
Hasil grafiknya adalah sebagai berikut :
Nach, rekan-rekan semua dapat memodifikasi fungsi di atas dan menambahkan fungsi-fungsi lain untuk mempercantik plot. Plot ini dapat anda gunakan jika menemui kasus data min – max.
Oke, selamat mencoba ya 
Salam,
Unung Istopo
R Community Blog disusun oleh Divisi Training Enciety Business Consult. Blog ini memberikan ruang pengembangan visualisasi data statistik.
Segala bentuk penggunaan materi dalam blog ini harus melalui ijin / selalu mencantumkan sumbernya.
Workshop materi blog ini dilakukan oleh Divisi Training Enciety Business Consult. Contact : secretary [at] enciety.com
