Menambahkan Label pada Sumbu X dan Y

Function labs yang sudah diperkenalkan pada tiga praktek sebelumnya bukan hanya bisa diisi
dengan judul dan subjudul, tapi bisa juga untuk mengisi teks pada sumbu x dan y.
Berikut adalah konstruksi perintahnya:
[objek plot] + labs(x="Label X", y = "Label Y")
Berikut adalah penjelasan lengkap elemen-elemen perintah di atas.
Komponen Deskripsi
Objek plot, untuk saat ini adalah objek yang dihasilkan
[objek plot]
oleh function ggplot()
Tanda plus, operator untuk menambahkan komponen lain
+
ke dalam plot
Function untuk menghasilkan komponen label text untuk
labs
ditambahkan ke dalam plot
x Parameter untuk sumbu x, bagian dari function labs
"Label X" Nilai teks untuk x, ini bisa diganti sesuai keinginan kita
subtitle Parameter untuk sub judul, bagian dari function labs
"Label Y" Nilai teks untuk x, ini bisa diganti sesuai keinginan kita
 
Catatan: Function labs ini bisa digunakan berkali-kali pada plot. Ini artinya kita bisa
menambahkan x dan y pada function labs sebelumnya, atau menambahkan function labs baru
untuk mengisi label x dan y.
library(ggplot2)
[Link] <- ggplot()
[Link] <- [Link] + labs(title="Luas Wilayah vs Kepadatan Penduduk DKI Jakarta - Periode
2013", subtitle="Tahun 2013")
[Link] <- [Link]+labs(x="Luas Wiayah (km2)",y="Kepadatan Jiwa per km2")
[Link]
Fungsi summary untuk objek ggplot
Tidak setiap saat kita harus menganalisa plot dan komponennya dengan cara ditampilkan.
Ketika sudah disimpan di variable, kita bisa melihat detilnya dalam bentuk tekstual dengan
menggunakan fungsi summary.
Mari kita langsung praktekkan saja melalui tugas berikut.
Tugas Praktek
Perhatikan seluruh perintah yang ada pada code editor, ini merupakan kumpulan code yang
telah kita pelajari pada bab ini.
Pada baris terakhir terdapat penggunaan fungsi summary dengan input variable [Link].
Ini untuk menampilkan detil apa saja yang terdapat di dalam sebuah plot.
Jika berhasil dijalankan, maka hasilnya akan terlihat sebagai berikut. Untuk saat ini, tidak ada
yang perlu dijelaskan kecuali mengenal fungsi ini sebagai alat untuk menganalisa objek-
objek plot kita. Kita akan menggunakan function ini lebih detil di bab berikutnya.

> library(ggplot2)

> [Link] <- ggplot()

> [Link] <- [Link] + labs(title="Luas Wilayah vs Kepadatan Penduduk

DKI Jakarta")

> [Link] <- [Link] + labs(x = "Luas Wilayah (km2)", y="Kepadatan Jiwa
per km2")

> summary([Link])
data: [x]
faceting: facet_null()

Kesimpulan
Plot adalah komponen paling dasar di ggplot2, tanpa plot seluruh grafik tidak akan bisa
ditampilkan. Dengan demikian, plot adalah "kanvas" grafik. Untuk membuat plot kita
gunakan fungsi bernama ggplot()
Kita dapat tambahkan komponen grafik lain di atas plot. Dan pada bab ini kita telah
menambahkan:

 Teks judul dengan fungsi labs(title="...").

 Teks pada sumbu x dan y dengan fungsi labs(x="...", y="...").

Selain itu juga ditunjukkan bagaimana sebaiknya objek plot disimpan ke variable. Dengan
cara ini, kita bisa mengolahnya dengan lebih rapi. Terakhir, kita menampilkan informasi plot
ini dengan menggunakan fungsi summary.

Memasukkan Data ke Plot

Data dapat dimasukkan ke dalam plot melalui argumen di function ggplot dengan syntax
berikut.
ggplot(data = …)
Untuk contoh data kependudukan kita, maka perintah lengkapnya adalah sebagai berikut.
ggplot(data = [Link])
Tugas Praktek
Pada code editor, ganti bagian […] dengan:

 variable [Link] yang menyimpan plot dengan input data variable [Link].

 tampilkan summary dari [Link].

Jika berhasil dijalankan, maka Anda harusnya mendapatkan output summary sebagai berikut.
Terlihat saat ini plot memiliki komponen data, yang tidak tampil ketika kita membuat plot
pada bab sebelumnya.

> library(ggplot2)

> #Membaca data csv dan dimasukkan ke variable [Link]

> [Link] <- [Link]("[Link]
dataset/[Link]", sep=",")

> # Masukkan data ke dalam plot dan simpan sebagai variable [Link], dan
tampilkan summary dari plot tersebut
> [Link]<-ggplot(data=[Link])

> summary([Link])
data: TAHUN, [Link], [Link], [Link],
[Link], [Link]..KM2., KEPADATAN..JIWA.KM2., X, X.1,
X.2, X.3, X.4, X.5, X.6, X.7, X.8, X.9, X.10, X.11, [Link],
[Link], [Link], [Link],
[Link], [Link], [Link],
[Link], [Link], [Link],
[Link], [Link], [Link],
[Link], [Link], [Link], [Link],
X.75..Perempuan [267x37]
faceting: facet_null()

Memetakan x, y dan color dengan function aes

Setelah data dimasukkan pada plot, saatnya kita memetakan kolom yang diperlukan pada data
tersebut ke elemen visual. Pemetaan ini disebut dengan aesthetic mapping.
Untuk melakukan hal ini, kita gunakan function aes yang memiliki syntax berikut.

aes([nama_elemen_1] = [nama_kolom_atau_nilai_ 1], [nama_elemen_2] =

[nama_kolom_atau_nilai_ 1] …)

Berikut adalah penjelasan syntaxnya.

Komponen Deskripsi
 Aes Function untuk memetakan elemen-elemen visual
dengan nilai atau variable

[nama_elemen_1] Nama elemen visual sebagai parameter pertama.

Nama elemen ini bisa x, y dan color yang akan kita
gunakan di tugas praktek.

[nama_kolom_atau_nilai_1] Nama kolom yang terdapat pada data atau nilai

konstanta. Sebagai contoh, untuk nama kolom bisa
[Link] sedangkan untuk nilai
konstanta bisa dimasukkan nilai teks maupun angka.

[nama_elemen_2] Nama elemen visual sebagai parameter kedua. Nama

elemen ini bisa x, y dan color yang akan kita gunakan
di tugas praktek.

[nama_kolom_atau_nilai_2] Nama kolom yang terdapat pada data atau nilai

konstanta. Sebagai contoh, untuk nama kolom bisa
[Link] sedangkan untuk nilai
konstanta bisa dimasukkan nilai teks maupun angka.

… Pasangan nama elemen dan variable/nilai lainnya.

 
Kembali ke awal kebutuhan kita, mari kita lihat gambar berikut. Terlihat kita ingin
memetakan x, y dan color ke kolom NAMA KELURAHAN, LUAS WILAYAH (KM2) dan
KEPADATAN (JIWA/KM2).
Tetapi kita lihat di bagian bawah gambar, nama-nama kolom yang akan dimapping
mengalami sedikit perubahan ketika dibaca di R, dimana spasi dan non huruf maupun angka
diubah menjadi titik. Sebagai contoh, NAMA KABUPATEN/KOTA diubah menjadi
[Link].
Berikut adalah contoh penggunaan aes berdasarkan kebutuhan tersebut.

aes(x = [Link]..KM2., y=KEPADATAN..JIWA.KM2., color=[Link])

Dan function aes ini harus dipasangkan dengan function ggplot yang telah memiliki data,
sehingga konstruksi lengkap codenya adalah sebagai berikut.
ggplot(data=[Link], aes(x = [Link]..KM2., 
y=KEPADATAN..JIWA.KM2., color=[Link]))
Untuk lebih jelasnya mari kita lakukan tugas praktek berikut.
Tugas Praktek
Pada code editor, ganti bagian […] dengan aesthetic mapping dengan pemetaan berikut:

 x = [Link]..KM2.,
 y=KEPADATAN..JIWA.KM2.
 color=[Link]

Jika berhasil dijalankan, maka Anda harusnya mendapatkan output summary sebagai berikut.
Terlihat bagian data dan mapping sudah terisi sesuai keinginan kita.
> library(ggplot2)

> #Membaca data csv dan dimasukkan ke variable [Link]

> [Link] <- [Link]("[Link]
dataset/[Link]", sep=",")

> [Link]<-
aes(x=[Link]..KM2.,y=KEPADATAN..JIWA.KM2.,color=[Link])

> summary([Link])
Length Class Mode
x 1 -none- name
y 1 -none- name
colour 1 -none- name

Menampilkan Plot hasil Mapping

Masih terkait dengan praktek sebelumnya, ada pertanyaan yang muncul di benak kita. Seperti
apa tampilan dari plot yang telah dilengkapi dengan data dan aesthetic mapping?
Untuk menjawab hal ini, cobalah jalankan tugas praktek berikut.
Tugas Praktek
Jika berhasil dijalankan, maka hasilnya akan terlihat sebagai berikut. Terlihat plot tidak
kosong, tapi sudah terisi dengan label [Link]..KM2. pada sumbu x, label
KEPADATAN..JIWA.KM2 pada sumbu y, dan sudah ada garis-garis penjelas grid pada plot.

> library(ggplot2)

> #Membaca data csv dan dimasukkan ke variable [Link]

> [Link] <- [Link]("[Link]
dataset/[Link]", sep=",")

> [Link] <- ggplot(data=[Link], aes(x = [Link]..KM2.,

y=KEPADATAN..JIWA.KM2., color=[Link]))

Kesimpulan
Plot memerlukan dua input sebagai bahan bakunya agar bisa digunakan lebih jauh, yaitu data
dan aesthetic mapping (pemetaan beberapa kolom data ke elemen visual).

Pendahuluan
Mengulang kembali sedikit konsep yang telah dipaparkan di bab awal, grafik bisa dihasilkan
dengan menambahkan layer secara berlapis di atas plot.
Setiap layer terdiri dari objek-objek berikut:

 Geom: Bentuk geometri seperti garis (line), batang (bar), titik (point), dan lain-lain.
 Stat: Atau suatu fungsi untuk melakukan transformasi statistik terhadap data input.
 Contoh paling sederhana adalah transformasi data untuk kepadatan jiwa dari angka
menjadi range atau inverval per lima ribuan. Jadi data input dengan angka 8041
diubah menjadi interval angka 8001-8500. Transformasi ini disebut dengan bin. Jika
kita tidak ingin mengubah apa-apa, stat yang kita gunakan adalah identity.
 Position: Posisi dari beberapa data yang memiliki nilai yang sama. Jika diplot sebagai
scatter plot misalnya, tentunya data-data tersebut akan menumpuk di satu titik.
Apakah perlu ditambahkan nilai acak tertentu sehingga pas digambarkan, terlihat
datanya lebih tersebar? Jika iya, maka ini namanya jitter. Jika kita tidak ingin
merubah posisi, maka kita gunakan identity.

Berikut adalah diagram summary untuk proses menampilkan grafik dengan objek plot dan
layer.
Scatter Plot Kepadatan Penduduk Jakarta
dengan function layer
Untuk menggambar grafik sebenarnya pada ggplot, kita menambahkan apa yang dinamakan
layer. Layer bisa dihasilkan dengan menggunakan function layer dengan syntax berikut:

layer(geom = "…", stat = "…", position = "…")

Keterangan

Komponen Deskripsi

Layer Function yang digunakan untuk membentuk layer untuk

ditambahkan pada plot

geom Bentuk geometri yang digunakan untuk layer. Beberapa daftar

geometri yang bisa diberikan adalah sebagai berikut:

 point: untuk menggambar grafik berupa titik yang

menunjukkan hubungan antar variable atau scatter plot
 line: diagram garis
 hline: diagram garis horizontal
 bar: diagram batang
 histogram: histogram
 dll

stat Jenis transformasi untuk merubah data dari bentuk asli ke bentuk
lain. Beberapa daftar stat yang bisa digunakan antara lain adalah
sebagai berikut:

 identity: tidak melakukan transformasi

 bin: membagi data menjadi interval
 sum: menjumlahkan nilai-nilai yang unik
 summary: melakukan summary dari semua nilai y untuk
setiap titik data x
 dll

position Perubahan posisi terhadap tiap titik yang terdapat pada layer.
Beberapa daftar position yang bisa digunakan antara lain adalah
sebagai berikut:

 identity: tidak ada perubahan posisi

 jitter: merubah posisi dengan jarak acak tertentu dari
posisi awal, ini digunakan untuk memberi kejelasan jika
banyak titik yang overlapping (saling tindih)
 stack: menyusun posisi dalam bentuk tumpukan
 dll
Jika kita ingin menggambar scatter plot, maka konstruksi layer yang digunakan akan
berbentuk sebagai berikut:

library(ggplot2)
#Membaca data csv dan dimasukkan ke variable [Link]
[Link] <- [Link]("[Link]
dataset/[Link]", sep=",")

#Menambahkan data dan aesthetic mapping

[Link] <- ggplot(data=[Link], aes(x = [Link]..KM2.,
y=KEPADATAN..JIWA.KM2., color=[Link]))

#Menambahkan layer untuk menghasilkan grafik scatter plot

[Link] + layer(geom="point",stat="identity",position="identity")

Terlihat grafik titik (scatter plot) dihasilkan data-data kependudukan diambil Luas Wilayah
untuk sumbu x, Kepadatan untuk sumbu y, dan pewarnaan dilakukan sesuai Nama
Kabupaten.

Scatter Plot Kepadatan Penduduk Jakarta

dengan geom_point
Perintah layer untuk menggambar scatter plot pada subbab sebelumnya, memiliki shortcut
function yang lebih pendek. Function tersebut bernama geom_point.
Dengan demikian, fungsi layer yang sebelumnya harus diketik sebagai berikut.

layer(geom = "point", stat = "identity", position = "identity")

dapat dirubah menjadi

geom_point()

Catatan: Stat dan position tidak perlu diisi, karena fungsi geom_point ini secara otomatis
akan memiliki nilai "identity" untuk stat dan position. Berbeda ketika menggunakan layer,
dimana parameter stat dan position harus diisi lengkap.

library(ggplot2)
#Membaca data csv dan dimasukkan ke variable [Link]
[Link] <- [Link]("[Link]
dataset/[Link]", sep=",")

#Menambahkan data dan aesthetic mapping

[Link] <- ggplot(data=[Link], aes(x = [Link]..KM2.,
y=KEPADATAN..JIWA.KM2., color=[Link]))

#Menambahkan layer scatter plot dengan geom_point

[Link] + geom_point()

Menambahkan Judul dan Label

Scatter plot yang dihasilkan sudah menarik untuk kita, namun label teks pada x, y dan color
masih terasa kurang bagus. Bukankah begitu? Mari kita perhatikan.
Kita bisa merubah label ini sesuai dengan keinginan kita menggunakan function labs yang
sudah kita pelajari sebelumnya.
Gantilah bagian … pada code editor dengan function labs dengan parameter-parameter
berikut.

 title = "Luas Wilayah vs Kepadatan Penduduk DKI Jakarta".

 x = "Luas wilayah (km2)"
 y = "Kepadatan Jiwa per km2"
 color = "Nama Kabupaten/Kota"

library(ggplot2)

#Membaca data csv dan dimasukkan ke variable [Link]

[Link] <- [Link]("[Link]
dataset/[Link]", sep=",")

#Menambahkan data dan aesthetic mapping

[Link] <- ggplot(data=[Link], aes(x = [Link]..KM2.,
y=KEPADATAN..JIWA.KM2., color=[Link]))

#Menambahkan Layer dan labels

[Link] + geom_point() +
theme([Link] = element_text(hjust=0.5)) +
 labs(title="Luas Wilayah vs Kepadatan Penduduk DKI Jakarta",x="Luas wilayah
(km2)",y="Kepadatan Jiwa per km2",color="Nama Kabupaten/Kota")

Catatan: Pada code terdapat perintah baru, yaitu theme([Link] =

element_text(hjust=0.5)). Ini adalah code untuk menempatkan judul di tengah plot.

Kesimpulan
Layer diperlukan agar grafik sebenarnya dapat digambar di atas objek plot. Layer dibuat
dengan function layer. Parameter function layer yang harus diisi terdiri
dari geom, stat dan position.
Dengan pengisian nilai yang berbeda-beda terhadap tiga parameter ini, kita bisa
menghasilkan berbagai macam grafik. Pada bab ini, grafik yang kita hasilkan adalah "scatter
plot" dimana parameter geom bernilai "point", stat dan position bernilai "identity".
Selain menggunakan function layer, tiap objek juga memiliki function yang memiliki prefix
geom_, stat_ , dan position_. Misalkan, untuk geom bertipe point memiliki function
geom_point. Ini dibuat dengan tujuan agar beberapa nilai default untuk tiap-tiap objek sudah
dispesifikasikan di function-function berprefix.
Dan bab ditutup dengan praktek dimana kita bisa menyelesaikan satu grafik lengkap dengan
judul, dan label-label yang lebih mudah dibaca.

Layer geom_histogram dan Lebar Interval

Untuk menghasilkan histogram maka kita gunakan function geom_histogram untuk
ditambahkan ke plot.
Layer histogram ini memerlukan stat bertipe bin, yaitu membagi data menjadi interval.
Namun dengan penggunaan geom_histogram, stat ini sudah menjadi bin secara default jadi
tidak perlu lagi dispesifikasikan.
Secara default geom histogram tidak memerlukan aesthetic mapping untuk sumbu y, cukup
menggunakan sumbu x.
Namun ada parameter yang perlu diinput, yaitu besarnya interval bin. Ini menggunakan
parameter binwidth.
Contoh untuk membuat layer geom_histogram adalah sebagai berikut.
[objek plot] + geom_histogram(binwidth=5000)
Komponen Deskripsi
Objek plot dari hasil function ggplot() ditambah dengan
[objek plot]
komponen visual atau layer
Tanda plus, operator untuk menambahkan komponen lain
+
ke dalam plot
Function untuk menghasilkan layer dengan geom
geom_histogram
histogram
binwidth Lebar interval data, dalam hal ini 5000
 
Tugas Praktek

library(ggplot2)

#Membaca data csv dan dimasukkan ke variable [Link]

[Link] <- [Link]("[Link]
dataset/[Link]", sep=",")

#Menambahkan data dan aesthetic mapping

[Link] <- ggplot(data=[Link], aes(x = KEPADATAN..JIWA.KM2.))
[Link] + geom_histogram(binwidth=10000)
Penggunaaan aesthetic fill
Kita dapat melakukan banyak penambahan informasi pada histogram sebelumnya. Salah
satunya adalah melihat porsi jumlah kelurahan berdasarkan nama kabupaten / kota pada tiap
rentang histogram sepreti berikut.

Untuk ini kita menggunakan aesthetic fill dengan syntax berikut.

 aes(fill = [Link])
Catatan: aesthetic color sebenarnya juga bisa digunakan namun hasilnya akan tampak sebagai
berikut.

Tugas Praktek
Lengkapi code editor dimana histogram yang dihasilkan bisa ditambahkan dengan aesthetic
fill – input berupa kolom [Link].

library(ggplot2)

#Membaca data csv dan dimasukkan ke variable [Link]

[Link] <- [Link]("[Link]
dataset/[Link]", sep=",")

#Menambahkan data dan aesthetic mapping

 [Link] <- ggplot(data=[Link], aes(x = KEPADATAN..JIWA.KM2.,
fill=[Link]))
[Link] + geom_histogram(binwidth=10000)

Kesimpulan
Histogram adalah tipe visualisasi yang sangat cocok untuk menggambarkan data distribusi
dari jumlah populasi data. Dan dataset kependudukan adalah contoh yang baik dimana kita
bisa menggambarkan distribusi kepadatan penduduk dengan jumlah kelurahan.
Praktek pada bab ini cukup simpel dan straightforward, dimana kita telah menggunakan
function geom_histogram dengan parameter binwidth untuk menghasilkan grafik distribusi.

Pendahuluan
Line chart atau grafik garis adalah tipe visualisasi yang sangat baik untuk menggambarkan
apa impact (pengaruh) dari perubahan suatu variable dari satu titik ke titik lain atau trend–
dan variable yang paling umum digunakan adalah waktu.
Sebagai contoh, di bidang ekonomi untuk menggambarkan inflasi dari bulan ke bulan.
Namun tentunya tidak harus selalu waktu. Perubahan lain, misalkan pengaruh kecepatan lari
dengan peningkatan detak jantung.
Untuk membuat line chart standar, kita gunakan geom bertipe line dan stat identity, yang bisa
diwakili oleh function geom_line.

Membaca data inflasi

Langkah pertama yang perlu kita lakukan adalah membaca dataset inflasi tersebut dari file
teks menjadi [Link] di R dengan perintah [Link].

> #Membaca data csv dan dimasukkan ke variable [Link]

> [Link]<-[Link]("[Link]
dataset/[Link]",sep=",")

> [Link]
Bulan Negara Inflasi
1 Jan-2017 Indonesia 0.0349
2 Feb-2017 Indonesia 0.0383
3 Mar-2017 Indonesia 0.0361
4 Apr-2017 Indonesia 0.0417
5 May-2017 Indonesia 0.0433
6 Jun-2017 Indonesia 0.0437
7 Jul-2017 Indonesia 0.0388
8 Aug-2017 Indonesia 0.0382
9 Sep-2017 Indonesia 0.0372
10 Oct-2017 Indonesia 0.0358
11 Jan-2017 Singapura 0.0250
12 Feb-2017 Singapura 0.0270
13 Mar-2017 Singapura 0.0240
14 Apr-2017 Singapura 0.0220
15 May-2017 Singapura 0.0190
16 Jun-2017 Singapura 0.0160
17 Jul-2017 Singapura 0.0170
18 Aug-2017 Singapura 0.0190
19 Sep-2017 Singapura 0.0220
20 Oct-2017 Singapura 0.0200

Error pada saat Plotting Line Chart

Untuk membuat line chart dari data inflasi, kita lakukan langkah-langkah dari ggplot2:

 Membuat plot, dengan function ggplot()

 Mengisi data dari pembacaan file dengan function [Link]()
 Membuat aesthetic mapping, dengan function aes
 Menambahkan layer, dengan function geom_line()

Berikut adalah tugas praktek yang coba kita lakukan. Untuk praktek kali ini, sengaja kita buat
hasilnya error.
Tambahkan layer untuk line chart pada bagian […] di code editor yang telah dilengkapi
dengan plot, data, dan aesthetic mapping.
Jika berjalan dengan baik, maka akan muncul dua hasil, satu grafik berupa plot kosong dan
satu tampilan error sebagai berikut. Ini artinya sistem kebingungan karena tiap Bulan pada
sumbu x memiliki dua data (observation). Kondisi ini akan kita perbaiki pada praktek
selanjutnya.
geom_path: Each group consists of only one observation. Do you need to adjust the group
aesthetic?
Menggunakan Pengelompokan Data
(grouping)
Pada praktek sebelumnya, kita tidak mendapatkan grafik trend inflasi dari negara Indonesia
dan Singapura. Hasil akhirnya terlihat sebagai berikut.
Penyebabnya adalah sistem kebingungan karena data untuk tiap bulan memiliki dua titik data,
yang akan menjadi kendala karena tiap line perlu satu titik data untuk sumbu x dan y.
Ini karena kita belum membagi data dengan aesthetic grouping dengan konstruksi berikut.
Walaupun pada gambar kita sudah memiliki aesthetic color yang membagi Indonesia dan
Singapura, tapi kita masih perlu memiliki aesthetic group sebagai berikut:
aes(…, group=Negara)
Dimana … mewakili pasangan aesthetic mapping lainnya.
Tugas Praktek
Tambahkan aesthetic group dengan Negara pada bagian […] di code editor, sehingga jika
dijalankan akan menghasilkan grafik berikut.
Catatan: Perhatikan jika teks Bulan pada sumbu X masih pada urutan yang salah. Jangan
kuatir, ini akan kita perbaiki di praktek berikutnya.

Memperbaiki Urutan Bulan dengan Factoring

Urutan bulan yang salah pada praktek sebelumnya karena masalah pengurutan internal di
sistem R, yang mengurutkan berdasarkan alphabet.
Jika kita lihat internal struktur dengan function str, maka untuk kolom bulan terlihat sebagai
berikut.

Kita dapat secara manual merubah urutan ini dengan factor dan parameter levels dimasukkan
manual.
Dengan data bulan dari Jan s/d Oct 2017 maka konstruksi factor adalah sebagai berikut.
factor([Link]$Bulan, levels = c("Jan-2017", "Feb-2017", "Mar-2017",
"Apr-2017", "May-2017", "Jun-2017", "Jul-2017", "Aug-2017", "Sep-2017", "Oct-
2017"))

Ini perlu dimasukkan kembali ke kolom bulan untuk merubah urutannya dengan perintah
berikut.

> [Link]$Bulan <- factor([Link]$Bulan, levels = c("Jan-

2017", "Feb-2017", "Mar-2017", "Apr-2017", "May-2017", "Jun-2017", "Jul-2017",
"Aug-2017", "Sep-2017", "Oct-2017"))
> str([Link])
'[Link]': 20 obs. of 3 variables:
$ Bulan : Factor w/ 10 levels "Jan-2017","Feb-2017",..: 1 2 3 4 5 6 7 8 9 10 ...
$ Negara : Factor w/ 2 levels "Indonesia","Singapura": 1 1 1 1 1 1 1 1 1 1 ...

Plotting Ulang dengan hasil Factoring

Dengan proses perbaikan pengurutan yang telah kita lakukan sebelumnya, saatnya kita
plotting ulang data inflasi kita.

> library(ggplot2)

> #Membaca data csv dan dimasukkan ke variable [Link]

> [Link] <- [Link]("[Link]
dataset/[Link]", sep=",")

> [Link]$Bulan = factor([Link]$Bulan,

+ levels = c("Jan-2017", "Feb-2017", "Mar-2017",
"Apr-2017", "May-2017", "Jun-2017", "Jul-2017", "Aug-2017", "Sep-2017", "Oct-
2017"))

> #Menambahkan data dan aesthetic mapping

> [Link] <- ggplot(data=[Link], aes(x = Bulan, y=Inflasi,
color=Negara, group=Negara))

> #Menambahkan Layer dan labels

> [Link] + geom_line() + geom_text(aes(label=Inflasi),hjust=-0.2, vjust=-
0.5)
Kesimpulan
Line chart menggunakan geom line telah kita praktekkan pada bab untuk menampilkan tren
inflasi negara Indonesia dan Singapura untuk periode Januari s/d Oktober 2017.
Terlihat juga bahwa dataset yang kita baca dari file teks ini tidak bisa langsung digunakan
begitu saja karena ada urutan data pada kolom Bulan yang perlu diubah.
Dengan treatment data yang baik dan dengan penambahan aesthetic baru – yaitu grouping –
kita telah menyelesaikan pembuatan line chart sederhana dengan ggplot.