AED Kelasc 06211840000019

Nauli Mazaya Siregar (06211840000019)
1. Variabel jumlah kasus terkonfirmasi

a. Dari negara kelompok A dan B
Gambar di atas merupakan barplot untuk kasus terkonfirmasi di masing-masing negara.

Dapat dilihat negara dengan kasus konfirmasi terbanyak adalah United States. Memiliki
kesenjangan besar antara kasus terbanyak pertama ke kasus terbanyak kedua di Spanyol.
Di bawah ini adalah plot korelasi untuk populasi dan total kasus terkonfirmasi di
negara-negara terpilih.
Dari grafik tersebut, semakin besar populasi di suatu negara, maka jumlah kasus
terkonfirmasinya akan cenderung meningkat.
b. Dari negara kelompok A
Sama seperti sebelumnya, United States memiliki jumlah kasus terkonfirmasi terbanyak
dibandingkan dengan jumlah kasus negara lain di kelompoknya. Jika diruntut, jumlah
kasus terkonfirmasi di United States adalah 1347916 kasus.
negara-negara kelompok A.
Tidak berbeda jauh dengan poin sebelumnya, di negara kelompok A total kasus
terkonfirmasi juga cenderung meningkat seiring dengan besarnya populasi di suatu
negara.
c. Dari negara kelompok B
Di negara kelompok B (ASEAN), jumlah kasus terkonfirmasi terbanyak ada di negara

Singapore, disusul Indonesia. seperti kita tahu bahwa Singapore adalah kota kecil,
mungkin hal itulah yang menyebabkan penyebaran virus semakin cepat.
negara-negara kelompok B.
Agak berbeda dengan sebelumnya di mana ketika semakin besar populasi maka
semakin banyak kasusnya, di negara kelompok B justru ada anomali. Di titik populasi
besar, jumlah kasus mulai turun. Hal ini dikarenakan kasus terbanyak ada di Singapore
sementara populasi masyarakat di Singapore tidaklah besar. Asumsi saya, populasi
terbesar di plot tersebut adalah negara Indonesia.
2. Variabel jumlah kematian
a. Dari negara kelompok A dan B
Sebanding dengan jumlah kasus terkonfirmasinya, United States juga memiliki angka
kematian yang paling tinggi, sekitar 80684 kematian disusul dengan United Kingdom di
angka 32065 kematian.
Di bawah ini adalah plot korelasi total kasus terkonfirmasi dan total kematian di negara-
negara terpilih.
Semakin banyak kasus terkonfirmasi, semakin banyak pula angka kematiannya.

Walaupun di grafik tersebut menunjukkan penurunan di akhir garis.
b. Dari negara kelompok A
United States masih mejadi negara dengan angka kematian tertinggi

negara kelompok A.
Berbeda dengan biasanya, plot tersebut justru menampilkan kurva kuadratik angka
kematian memiliki puncak justru di nilai tengah jumlah kasus positif. Ketika jumlah
kasus positif sudah semakin banyak, angka kematian justru menurun.
c. Dari negara kelompok B
Sebelumnya, Singapore merupakan negara dengan jumlah kasus positif terbanyak,

tetapi disini, angka kematian di Singapore justru 0. Dan angka kematian tertinggi berada
di Indonesia sebanyak 991 disusul dengan Filipina di angka 726.
negara kelompok B.
Fakta menarik bahwa semakin kesini plot justru menampilkan kurva kuadratik. Angka
kematian tertinggi berkisar di jumlah kasus positif sebesar 15000. Saya berasumsi
ketika suatu negara memiliki kasus positif yang banyak, negara tersebut justru akan
paham betul bagaimana cara mengatasinya dengan pengalaman dari kasus-kasus
sebelumnya. Oleh karena itu, ketika jumlah kasus positif semakin banyak, angka
kematiannya justru menurun.
Syntax yang digunakan

> data=read.csv(“D:/data_EAS_AED.csv”,header=TRUE)
> library(ggplot2)
> ggplot(data,aes(x=data$Kelompok,y=data$total_cases))
> ggplot(data,aes(x=data$Kelompok,y=data$total_deaths))
Error: REAL() can only be applied to a 'numeric', not a 'NULL'
>>
> dataA=data[1:10,]
> dataB=data[1:10,]
> dataA=data[11:20,]
> dataA
Kelompok location total_cases total_deaths total_deaths_per_million population
11 A Brazil 168331 11519 54.192 212559409
12 A Germany 170508 7533 89.910 83783945
13 A Spain 228030 26920 575.770 46754783
14 A France 139519 26643 408.175 65273512
15 A United Kingdom 223060 32065 472.336 67886004
16 A Iran 109286 6685 79.590 83992953
17 A Italy 219814 30739 508.403 60461828
18 A Russia 221344 2009 13.766 145934460
19 A Turkey 139771 3841 45.542 84339067
20 A United States 1347916 80684 243.756 331002647
gdp_per_capita
11 14103.45
12 45229.25
13 34272.36
14 38605.67
15 39753.24
16 19082.62
17 35220.08
18 24765.95
19 25129.34
20 54225.45
> ggplot(data,aes(x=data$total_cases,y=data$total_deaths))
+geom_smooth(method="loess",se=F)+labs(subtitle="Cases vs Deaths",y="jumlah
meninggal",x="jumlah kasus positif")
> ggplot(data,aes(x=dataB$total_cases,y=dataB$total_deaths))
+geom_smooth(method="loess",se=F)+labs(subtitle="Cases vs Deaths (negara
ASEAN)",y="jumlah meninggal",x="jumlah kasus positif")
Error: Aesthetics must be either length 1 or the same as the data (20): x, y
> dataB
1 B Brunei 141 1 2.286 437483
2 B Indonesia 14265 991 3.623 273523621
3 B Cambodia 122 0 0.000 16718971
4 B Laos 19 0 0.000 7275556
5 B Myanmar 180 6 0.110 54409794
6 B Malaysia 6726 109 3.368 32365998
7 B Philippines 11086 726 6.625 109581085
8 B Singapore 23787 21 3.590 5850343
9 B Thailand 3015 56 0.802 69799978
10 B Vietnam 288 0 0.000 97338583
gdp_per_capita
1 71809.251
2 11188.744
3 3645.070
4 6397.360
5 5591.597
6 26808.164
7 7599.188
8 85535.383
9 16277.671
10 6171.884
> ggplot(dataB,aes(x=dataB$total_cases,y=dataB$total_deaths))
ASEAN)",y="jumlah meninggal",x="jumlah kasus positif")
> ggplot(dataA,aes(x=dataA$total_cases,y=dataA$total_deaths))
kelompok A)",y="jumlah meninggal",x="jumlah kasus positif")
> ggplot(data,aes(x=as.factor(data$Kelompok),y=total_deaths))+geom_violin()
> ggplot(data,aes(x=as.factor(data$Kelompok),y=total_deaths))+geom_boxplot()
> hist(total_deaths)
Error in hist(total_deaths) : object 'total_deaths' not found
> hist(data$total_deaths)
> barplot(data$total_deaths,names.arg=data$location)
> barplot(data$total_deaths,names.arg=data$location)
> barplot(dataA$total_deaths,names.arg=dataA$location)
> barplot(dataB$total_deaths,names.arg=dataB$location)
> ggplot(data,aes(x=data$population,y=dataa$total_cases))
+geom_smooth(method="loess",se=F)+labs(subtitle="Population vs Cases",y="jumlah
kasus positif",x="populasi")
Error in FUN(X[[i]], ...) : object 'dataa' not found
> ggplot(data,aes(x=data$population,y=data$total_cases))
> ggplot(dataB,aes(x=dataB$population,y=dataB$total_cases))
+geom_smooth(method="loess",se=F)+labs(subtitle="Population vs Cases (negara
ASEAN)",y="jumlah kasus positif",x="populasi")
> dataB
1 B Brunei 141 1 2.286 437483
2 B Indonesia 14265 991 3.623 273523621
3 B Cambodia 122 0 0.000 16718971
4 B Laos 19 0 0.000 7275556
5 B Myanmar 180 6 0.110 54409794
6 B Malaysia 6726 109 3.368 32365998
7 B Philippines 11086 726 6.625 109581085
8 B Singapore 23787 21 3.590 5850343
9 B Thailand 3015 56 0.802 69799978
10 B Vietnam 288 0 0.000 97338583
gdp_per_capita
1 71809.251
2 11188.744
3 3645.070
4 6397.360
5 5591.597
6 26808.164
7 7599.188
8 85535.383
9 16277.671
10 6171.884
> ggplot(dataA,aes(x=dataA$population,y=dataA$total_cases))
+geom_smooth(method="loess",se=F)+labs(subtitle="Population vs Cases (negara
kelompok A)",y="jumlah kasus positif",x="populasi")
> p=ggplot(data,aes(x=data$population,y=data$total_cases))
> fig=ggplotly(p)
Error in ggplotly(p) : could not find function "ggplotly"
> library(plotly)
Attaching package: ‘plotly’
The following object is masked from ‘package:ggplot2’:
last_plot
The following object is masked from ‘package:stats’:
filter
The following object is masked from ‘package:graphics’:
layout
Warning message:
package ‘plotly’ was built under R version 3.6.3
> fig=ggplotly(p)
> fig=ggplotly(p)
> library(gapminder)
Warning message:
package ‘gapminder’ was built under R version 3.6.3
> fig=ggplotly(p)
> df=data.frame(x=c(1,2,3,4),y=c(1,2,3,4),f=c(1,2,3,4))
> p=ggplot(df,aes(x,y))
> fig
> fig
> fig=ggplotly(p)%>%animation_opts(1000,easing="elastic",redraw=FALSE)%>
%animation_button(x=1,xanchor="right",y=0,yanchor="bottom")%>
%animation_slider(currentvalue=list(prefix("Population vs
Cases"),font=list(color="red")))
Error in p$x$layout$updatemenus[[which(isAniButton)]] <-
modify_list(p$x$layout$updatemenus[[which(isAniButton)]], :
attempt to select less than one element in OneIndex
> fig=ggplotly(p)%>%animation_opts(1000,easing="elastic",redraw=FALSE)%>
%animation_slider(currentvalue=list(prefix("Population vs
Cases"),font=list(color="red")))
Error in prefix("Population vs Cases") : could not find function "prefix"
> fig=ggplotly(p)%>%animation_opts(1000,easing="elastic",redraw=FALSE)
> fig
> p=ggplot(df,aes(x,y))
> fig=ggplotly(p)
> fig
> p=ggplot(df,aes(x,y))+geom_point(aes(frame=f))
Warning: Ignoring unknown aesthetics: frame
> fig=ggplotly(p)
> fig
> f=c(1:1347916)
kasus positif",x="populasi")+geom_point(aes(frame=f))
> fig=ggplotly(p)
Error: Aesthetics must be either length 1 or the same as the data (20): frame
> f=c(1:20)
> fig=ggplotly(p)
> fig
> q=ggplot(data,aes(x=data$total_cases,y=data$total_deaths))
meninggal",x="jumlah kasus positif")+geom_point(aes(frame=f))
> figg=ggplotly(f)
Error in UseMethod("ggplotly", p) :
no applicable method for 'ggplotly' applied to an object of class "c('integer', 'numeric')"
> p=ggplot(data,aes(x=data$total_cases,y=data$total_deaths))
meninggal",x="jumlah kasus positif")+geom_point(aes(frame=f))
> figg=ggplotly(p)
> figg
> fig
> n=10
> h=0.1
> x=c(seq(0,991,by=0.1))
> q=dataB[,4]
> x1=t(q)
> a=n*h
> k=1/a
> for(i in 1:n){
+ k[i]=0.75*k*(1-((x-x1[i])/h)^2)}
There were 18 warnings (use warnings() to see them)
> jumlah=0
> for(i in 1:n){
+ jumlah=jumlah+k[i]}
> df=tbl_df(data.frame(x,k[],jumlah))
Error in data.frame(x, k[], jumlah) :
arguments imply differing number of rows: 9911, 10, 1
> df=tbl_df(data.frame(x,k[1],k[2],k[3],k[4],k[5],k[6],k[7],k[8],k[9],k[10],jumlah))
> df%>%
+ ggplot(aes(x=x,y=k[1]))+geom_line()+geom_line(y=k[2])+geom_line(y=k[3])
+geom_line(y=k[4])+geom_line(y=k[5])+geom_line(y=k[6])+geom_line(y=k[7])
+geom_line(y=k[8])+geom_line(y=k[9])+geom_line(y=k[10])+geom_line(y=jumlah)
>

AED Kelasc 06211840000019

Diunggah oleh

Informasi Dokumen

Judul Asli

Hak Cipta

Format Tersedia

Bagikan dokumen Ini

Bagikan atau Tanam Dokumen

Opsi Berbagi

Apakah menurut Anda dokumen ini bermanfaat?

Apakah konten ini tidak pantas?

Hak Cipta:

Format Tersedia

AED Kelasc 06211840000019

Diunggah oleh

Hak Cipta:

Format Tersedia

Nauli Mazaya Siregar (06211840000019)

1. Variabel jumlah kasus terkonfirmasi

Gambar di atas merupakan barplot untuk kasus terkonfirmasi di masing-masing negara.

b. Dari negara kelompok A

c. Dari negara kelompok B

Di negara kelompok B (ASEAN), jumlah kasus terkonfirmasi terbanyak ada di negara

Semakin banyak kasus terkonfirmasi, semakin banyak pula angka kematiannya.

b. Dari negara kelompok A

United States masih mejadi negara dengan angka kematian tertinggi

c. Dari negara kelompok B

Sebelumnya, Singapore merupakan negara dengan jumlah kasus positif terbanyak,

Syntax yang digunakan

Attaching package: ‘plotly’

The following object is masked from ‘package:ggplot2’:

The following object is masked from ‘package:stats’:

The following object is masked from ‘package:graphics’:

Anda mungkin juga menyukai