3.1 Data

Code 
# Data
data_ev <- read.csv("Data/EV_Population.csv")

cat("Jumlah Baris:",nrow(data_ev),
    "\nJumlah Kolom:", ncol(data_ev))
Jumlah Baris: 92676 
Jumlah Kolom: 8
Code 
datatable(data_ev %>% head(100))

3.2 Histogram

Visualisasi distribusi data berbasis frekuensi dalam bentuk batang.

Code 
# Buat data simulasi
set.seed(123)  # Untuk reproduksibilitas
data_hist <- data.frame(
  Value = rnorm(1000, mean = 80, sd = 5)  # 1000 sampel dengan distribusi normal
)

# Buat Histogram
ggplot(data_hist, aes(x = Value)) +
  geom_histogram(binwidth = 2, fill = "red", color = "white") +  # Batang histogram
  labs(title = "Histogram Distribusi Data", x = "Nilai", y = "Frekuensi") +
  theme_minimal()

3.3 Pyramid Chart

Digunakan untuk membandingkan distribusi kategori dua arah (misalnya populasi pria vs wanita).

3.4 Visualizing Statistical Uncertainty with Charts

Metode visualisasi ketidakpastian statistik dalam data.

3.4.1 Error Bars

3.4.2 Confidence Interval

3.4.3 Gradient Chart

3.4.4 Fan Charts

3.5 Box-and-Whisker Plot

Menampilkan lima ringkasan data: minimum, Q1, median, Q3, dan maksimum.

3.6 Candlestick Chart

Digunakan dalam analisis keuangan untuk menunjukkan harga tertinggi, terendah, pembukaan, dan penutupan.

3.7 Violin Chart

Kombinasi antara boxplot dan density plot untuk memahami distribusi data.

3.8 Ridgeline Plot

Menunjukkan distribusi data yang saling tumpang tindih dalam satu grafik.

3.9 Showing the Data

3.9.1 Strip Plot

3.9.2 Beeswarm Plot

3.9.3 Wilkinson Dot Plots and Wheat Plot

3.9.4 Raincloud Plot

3.10 Stem-and-Leaf Plot

Digunakan untuk menampilkan distribusi angka dengan tetap mempertahankan nilai aslinya.

3.11 Conclusion

Ringkasan konsep visualisasi distribusi data.