Statistical Graphics & Data Visualization

Oleh: Unung Istopo H

Untuk materi kedua ini kita akan membahas tentang bagaimana melakukan pengolahan data yang disimpan di SPSS (*.sav). Untuk materi ini data dapat didownload dan silahkan simpan di folder tertentu yang mudah diakses.

Analisis sederhana dengan menggunakan data SPSS.

#Memanggil library foreign yang digunakan untuk membaca file SPSS, MINITAB, SAS, Systat, dll.
require(foreign)
read.spss("/home/unung/work/REncietyCourse/DataSPSS.sav") -> data.SPSS
names(data.SPSS)
#Untuk mengetahui atribut yang ada di data.SPSS maka gunakan function attributes
attributes(data.SPSS) -> attr.data.SPSS
names(attr.data.SPSS)

attach(data.SPSS)
#Diagram Dahan Daun
stem(A1)
#Menghitung Frekuensi dan Tabulasi Silang
table(A2,B1) -> data.1
data.1
names(dimnames(data.1)) <- c("Jenis Kelamin", "Langganan Koran")
data.1
total=sum(data.1)
data.1/total
row.total <- apply(data.1,1,sum)
col.total <- apply(data.1,2,sum)
row.percentage <- sweep(data.1,1,row.total,"/")
col.percentage <- sweep(data.1,1,col.total,"/")
round(col.percentage,3)
#Merubah data.frame ke dalam matrix table
data.frame(data.1) -> data.1.frame
attach(data.1.frame)
tapply(Freq,list(Jenis.Kelamin,Langganan.Koran),c)

attach(data.SPSS)
layout(matrix(c(1,3,6,1,4,6,2,4,7,2,5,7),3,4))
par(mar = c(2,2,2,2))
dotchart(table(B2,A2),main="Hobby & Jenis Kelamin")
par(mar = c(2,2,2,2))
dotchart(table(B3,A2),main="Pengeluaran & Jenis Kelamin")
par(mar = c(2,2,2,2))
pie(c(1,2),c("Perempuan","Laki-laki"),col=c("black","gray"),radius=sum(c(1,2))/20+0.65,main=paste("Tidak Berlangganan Koran n = ",sum(c(1,2))))
par(mar = c(2,2,2,2))
barplot(table(A2,B1),col=c("black","gray"),main="Langganan Koran & Jenis Kelamin",beside=T)
pie(c(4,3),c("Perempuan","Laki-laki"),col=c("black","gray"),radius=sum(c(4,3))/20+0.65,main=paste("Berlangganan Koran n =",sum(c(4,3))))
par(mar = c(2,2,2,2))
hist(A1,main="Histogram Usia Responden",col="darkgray")
par(mar = c(2,2,2,2))
boxplot(A1,horizontal=T,main="Boxplot Usia Responden",col="darkgray")

Hasil Grafiknya adalah sebagai berikut :

(*) Dokumentasi R enciety Internal Course, 2 dan 3 Mei 2005

Oleh: Unung Istopo H

Interaksi dengan R dapat kita mulai setelah kita mengetikkan R di console kita, terutama kita arahkan pada direktori kerja kita misal di /home/unung/work, seperti yang ditampilkan dalam Gambar 1.

Gambar 1. Tampilan R di console Linux Mandrake 10

Langkah – langkah melakukan analisis sederhana IPM 1996 dan IPM 1999 di Jawa Timur dengan menggunakan R adalah sebagai berikut. *

read.csv("http://www.enciety.com/data/manajemen/data/Variabel%20Pembentuk%20IPM%20Jawa%20Timur%20-%201996.csv") -> IPM.1996
read.csv("http://www.enciety.com/data/manajemen/data/Variabel%20Pembentuk%20IPM%20Jawa%20Timur%20-%201999.csv") -> IPM.1999

#Merubah kolom pertama menjadi nama baris
IPM.1996 <- data.frame(IPM.1996,row.names=1)
IPM.1999 <- data.frame(IPM.1999,row.names=1)
#Mengetahui nama variabel
names(IPM.1996)
names(IPM.1999)

#Mengambil data AHH 1996, AHH 1999, AMH 1996 dan AMH 1999
data.frame(KABKOTA=rownames(IPM.1996),IPM.1996$AHH96,IPM.1999$AHH99,IPM.1996$AMH96,IPM.1999$AMH99) -> AHH.AMH
names(AHH.AMH)
#Mengambil data AHH 1996 dan 1999 untuk 8 Kota di Jawa Timur
data.frame(AHH.AMH[30:37,1:3],row.names=1) -> AHH.kota
#Analisis Statistika Deskriptif
mean(AHH.kota)
sd(AHH.kota)
#Membuat function sederhana
mean.sd <- function(x) {
data.frame(n=length(x[,1]), mean=mean(x),sd=sd(x),CV=sd(x)/mean(x))
}
mean.sd(AHH.kota)
#Membuat boxplot
boxplot(AHH.kota, horizontal=T, col=rainbow(2),main="Boxplot Perbedaan Distribusi AHH 1996 dan 1999 Kota di Jawa Timur")

(*) Dokumentasi R enciety Internal Course, 2 dan 3 Mei 2005