Misalnya, jika kita memiliki kumpulan data berikut di Excel, kita bisa menggunakan tabel pivot untuk meringkas total penjualan dengan cepat berdasarkan wilayah:<\/span> <\/p>\n Ini memberitahu kita:<\/span><\/p>\n Atau kita dapat meringkasnya dengan metrik lain seperti rata-rata penjualan berdasarkan wilayah:<\/span> <\/p>\n Ternyata kita bisa dengan cepat membuat tabel pivot serupa di R menggunakan fungsi group_by()<\/strong> dan ringkasan()<\/strong> dari paket dplyr<\/a> .<\/span><\/p>\n Tutorial ini memberikan beberapa contoh bagaimana melakukan hal ini.<\/span><\/p>\n Pertama, mari buat kumpulan data yang sama di R yang kita gunakan pada contoh sebelumnya dari Excel:<\/span><\/p>\n Selanjutnya, mari muat paket dplyr dan gunakan fungsi group_by()<\/strong> dan ringkasan()<\/strong> untuk mengelompokkan berdasarkan wilayah dan mencari jumlah penjualan berdasarkan wilayah:<\/span><\/p>\n Kita dapat melihat bahwa angka-angka ini cocok dengan angka-angka yang ditunjukkan pada contoh pengantar Excel.<\/span><\/p>\n Kami juga dapat menghitung rata-rata penjualan berdasarkan wilayah:<\/span><\/p>\n Sekali lagi, angka-angka ini cocok dengan angka-angka yang ditunjukkan pada contoh Excel sebelumnya.<\/span><\/p>\n Perhatikan bahwa kita juga dapat mengelompokkan berdasarkan beberapa variabel. Misalnya, kami dapat menemukan jumlah penjualan yang dikelompokkan berdasarkan wilayah dan<\/em> jenis perangkat:<\/span><\/p>\n Bagaimana melakukan VLOOKUP (mirip dengan Excel) di R<\/a> Di Excel, tabel pivot menyediakan cara mudah untuk mengelompokkan dan meringkas data. Misalnya, jika kita memiliki kumpulan data berikut di Excel, kita bisa menggunakan tabel pivot untuk meringkas total penjualan dengan cepat berdasarkan wilayah: Ini memberitahu kita: Wilayah A memiliki total 51 penjualan Wilayah B memiliki total 85 penjualan Wilayah C mencapai 140 total penjualan […]<\/p>\n","protected":false},"author":1,"featured_media":0,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[11],"tags":[],"yoast_head":"\n![\"\"](\"https:\/\/statorials.org\/wp-content\/uploads\/2023\/08\/pivot1.png\")
<\/p>\n\n
![\"\"](\"https:\/\/statorials.org\/wp-content\/uploads\/2023\/08\/pivot2.png\")
<\/p>\n Contoh: Membuat PivotTable di R<\/strong><\/span><\/h3>\n
#create data frame<\/span>\ndf <- data. frame<\/span> (region=c('A', 'A', 'A', 'B', 'B', 'B', 'C', 'C', 'C', 'C'),\n device=c('X', 'X', 'Y', 'X', 'Y', 'Y', 'X', 'X', 'Y', 'Y'),\n sales=c(12, 18, 21, 22, 34, 29, 38, 36, 34, 32))\n\n#view data frame\n<\/span>df\n\n region device sales\n1AX 12\n2AX18\n3 AY 21\n4 BX22\n5 BY 34\n6 BY 29\n7 CX 38\n8CX36\n9 CY 34\n10 CY 32\n<\/strong><\/pre>\n library<\/span> (dplyr)<\/span>\n<\/span><\/span>\n#find sum of sales by region<\/span>\ndf %>%\n group_by<\/span> (region) %>% \n summarize<\/span> (sum_sales = sum<\/span> (sales))\n\n# A tibble: 3 x 2\n region sum_sales\n \n1 to 51\n2 B 85\n3 C 140<\/strong><\/pre>\n #find average sales by region<\/span>\ndf %>%\n group_by<\/span> (region) %>% \n summarize<\/span> (mean_sales = mean<\/span> (sales))\n\n# A tibble: 3 x 2\n region mean_sales\n \n1 to 17 \n2 B 28.3\n3 C 35<\/strong><\/pre>\n #find sum of sales by region and device type<\/span>\ndf %>%\n group_by<\/span> (region, device) %>% \n summarize<\/span> (sum_sales = sum<\/span> (sales))\n\n# A tibble: 6 x 3\n# Groups: region [3]\n region device sum_sales\n \n1AX30\n2 AY 21\n3 BX22\n4 BY 63\n5 CX 74\n6 CY 66<\/strong><\/pre>\n Sumber daya tambahan<\/strong><\/span><\/h3>\n
Panduan Lengkap: Cara Mengelompokkan dan Meringkas Data di R<\/a><\/p>\n","protected":false},"excerpt":{"rendered":"