SlideShare ist ein Scribd-Unternehmen logo
1 von 24
Downloaden Sie, um offline zu lesen
Eksplorasi Data Tanaman Pangan
Indonesia Berdasarkan Provinsi Tahun
2010 sampai 2015
Oleh :
Henidar Islami W (06211540000011)
Fitria Nurul Al Fariz (06211540000051)
Rizal Aditya (06211540000081)
Departemen Statistika
Fakultas Matematika, Komputasi, dan Sains Data
Institut Teknologi Sepuluh Nopember
Surabaya
2018
Dosen Pembimbing:
Pratnya Paramitha Oktaviana, S.Si., M.Si.
Dr. Dra. Kartika Fithriarsari, M.Si.
LATAR BELAKANG
LAHAN SAWAH
Lahan yang dapat
dimanfaatkan lebih
untuk pertanian dll.
TANAMAN PANGAN
Terdapat banyak
jenis tanaman
pangan
EKSPLORASI DATA
Data tentang tanaman
pangan dapat dieksplorasi
lebih lanjut
SUMBER DATA & VARIABEL PENELITIAN
Sumber Data
Variabel Penelitian
Data Sekunder yang merupakan
data tanaman pangan menurut
provinsi di Indonesia tahun 2010-
2015 dari website resmi
https://bps.go.id Variabel Keterangan Skala Pengukuran
X1 Provinsi Nominal
X2 Tahun Nominal
X3 Jenis Tanaman Pangan Nominal
X4
Luas Lahan Sawah
(Hektar)
Rasio
X5 Luas Panen (Hektar) Rasio
X6 Produksi (Ton) Rasio
X7
Produktivitas
(Kwintal/Hektar)
Rasio
LUAS LAHAN SAWAH TANAMAN PANGAN
library(ggplot2)
library(ggdendro)
c2<-subset(Produksi2015PerProvinsi,Produksi2015PerProvinsi[,2]==2015)
c2<-c2[complete.cases(c2),]
c2
c3<-c2[,3]
c3
row.names(c2$Provinsi)
c4<-scale(c3)
c4
hc<-hclust(dist(c4))
plot(hc)
plot(hc,hang=-1)
ggdendrogram(hc, rotate = TRUE, size = 4, theme_dendro = FALSE)
▸ Dendogram
LUAS PANEN TANAMAN PANGAN
▸ Time Series Plot
library(ggplot2)
dataeda <- read.csv("D:/dataeda.csv")
head(dataeda)
Tahun=as.numeric(dataeda$Tahun)
Tanaman_Pangan=dataeda$Tanaman_Pangan3
Luas_Panen=dataeda$Luas_Panen
ggplot(dataeda,aes(x=Tahun, y = Luas_Panen, group =
Tanaman_Pangan))
+geom_line(aes(color = Tanaman_Pangan),size=1)
+ geom_point(aes(color = Tanaman_Pangan),size = 1.5)
+labs(title="Time Series Plot Luas Panen Tanaman Pangan
Tahun 2010-2015", x="Tahun", y="Luas Panen")
LUAS PANEN TANAMAN PANGAN
▸ Box Plot
library(ggplot2)
dataeda <- read.csv("D:/dataeda.csv")
head(dataeda)
Tanaman_Pangan=dataeda$Tanaman.Pangan2
RataRata_LuasPanen=dataeda$Rata.Rata.Luas.Panen
ggplot(dataeda,
aes(x=Tanaman_Pangan,y=RataRata_LuasPanen,
fill=Tanaman_Pangan))+geom_boxplot(colour="grey")
+labs(title="Boxplot Rata-Rata Luas Panen Tanaman
Pangan Tahun 2010-2015", x="Tanaman Pangan",
y="Rata-Rata Luas Panen")
LUAS PANEN TANAMAN PANGAN
▸ Order Bar Chart
library(ggplot2)
dataeda <- read.csv("D:/dataeda.csv")
head(dataeda)
data=dataeda[dataeda$Tanaman.Pangan2%in%c(“Tanaman Pangan"),]
data <- data[order(data$Rata.Rata.Luas.Panen), ] # sort
data$Provinsi <- factor(data$Provinsi, levels = data$Provinsi)
ggplot(data, aes(x=Provinsi, y=data$Rata.Rata.Luas.Panen,
fill=data$Rata.Rata.Luas.Panen)) + geom_bar(stat="identity", width=.5)+
labs(title="Rata-rata Luas Panen Tanaman Pangan Tahun 2010-
2015",x="Provinsi", y="Luas Panen") + theme(axis.text.x =
element_text(angle=90, vjust=0.6))
Tanaman Pangan = Padi, Jagung, Kedelai,
Kacang Tanah, Kacang Hijau,
Ubi Kayu, Ubi Jalar
LUAS PANEN TANAMAN PANGAN
▸ Order Bar Chart
PRODUKSI TANAMAN PANGAN
▸ Stacked Area Chart
library(ggplot2)
dataeda=read.csv("D:/dataeda.csv")
ggplot(dataeda, aes(x=Tahun, y=ProduksiJutaTon, fill=Tanaman.Pangan)) + geom_area()
PRODUKSI TANAMAN PANGAN
▸ Time Series Plot
library(ggplot2)
dataeda <- read.csv("D:/dataeda.csv")
head(dataeda)
Tahun=as.numeric(dataeda$Tahun)
Tanaman_Pangan=dataeda$Tanaman_Pangan3
Produksi=dataeda$Produksi
ggplot(dataeda,aes(x=Tahun, y = Produksi, group =
Tanaman_Pangan))
+geom_line(aes(color = Tanaman_Pangan),size=1)
+ geom_point(aes(color = Tanaman_Pangan),size = 1.5)
+labs(title="Time Series Plot Produksi Tanaman Pangan
Tahun 2010-2015", x="Tahun", y="Produksi")
library(ggplot2)
dataeda <- read.csv("D:/dataeda.csv")
head(dataeda)
Tanaman_Pangan=dataeda$Tanaman.Pangan2
RataRata_Produksi=dataeda$Rata.Produksi
ggplot(dataeda,
aes(x=Tanaman_Pangan,y=RataRata_Produksi,
fill=Tanaman_Pangan))+geom_boxplot(colour="grey")
+labs(title="Boxplot Rata-Rata Produksi Tanaman
Pangan Tahun 2010-2015", x="Tanaman Pangan",
y="Rata-Rata Produksi")
PRODUKSI TANAMAN PANGAN
▸ Box Plot
▸ Order Bar Chart
library(ggplot2)
dataeda <- read.csv("D:/dataeda.csv")
head(dataeda)
data=dataeda[dataeda$Tanaman.Pangan2%in%c(“Tanaman Pangan"),]
data <- data[order(data$Rata.Rata.Produksi), ] # sort
data$Provinsi <- factor(data$Provinsi, levels = data$Provinsi)
ggplot(data, aes(x=Provinsi, y=data$Rata.Rata.Produksi,
fill=data$Rata.Rata.Produksi)) + geom_bar(stat="identity", width=.5)+
labs(title="Rata-rata Produksi Tanaman Pangan Tahun 2010-
2015",x="Provinsi", y=“Produksi") + theme(axis.text.x =
element_text(angle=90, vjust=0.6))
Tanaman Pangan = Padi, Jagung, Kedelai,
Kacang Tanah, Kacang Hijau,
Ubi Kayu, Ubi Jalar
PRODUKSI TANAMAN PANGAN
▸ Order Bar Chart
PRODUKSI TANAMAN PANGAN
PRODUKTIVITAS TANAMAN PANGAN
▸ Time Series Plot
library(ggplot2)
dataeda <- read.csv("D:/dataeda.csv")
head(dataeda)
Tahun=as.numeric(dataeda$Tahun)
Tanaman_Pangan=dataeda$Tanaman_Pangan3
Produktivitas=dataeda$Produktivitas
ggplot(dataeda,aes(x=Tahun, y = Produktivitas, group =
Tanaman_Pangan))
+geom_line(aes(color = Tanaman_Pangan),size=1)
+ geom_point(aes(color = Tanaman_Pangan),size = 1.5)
+labs(title="Time Series Plot Produktivitas Tanaman Pangan
Tahun 2010-2015", x="Tahun", y="Produktivitas")
▸ Box Plot
PRODUKTIVITAS TANAMAN PANGAN
library(ggplot2)
dataeda <- read.csv("D:/dataeda.csv")
head(dataeda)
Tanaman_Pangan=dataeda$Tanaman.Pangan2
RataRata_Produksi=dataeda$Rata.Produktivitas
ggplot(dataeda, aes(x=Tanaman_Pangan,y=RataRata_Produktivitas,
fill=Tanaman_Pangan))+geom_boxplot(colour="grey")
+labs(title="Boxplot Rata-Rata Produktivitas Tanaman Pangan Tahun
2010-2015", x="Tanaman Pangan", y="Rata-Rata Produktivitas")
PRODUKTIVITAS TANAMAN PANGAN
▸ Order Bar Chart
library(ggplot2)
dataeda <- read.csv("D:/dataeda.csv")
head(dataeda)
data=dataeda[dataeda$Tanaman.Pangan2%in%c(“Tanaman Pangan"),]
data <- data[order(data$Rata.Rata.Produktivitas), ] # sort
data$Provinsi <- factor(data$Provinsi, levels = data$Provinsi)
ggplot(data, aes(x=Provinsi, y=data$Rata.Rata.Produktivitas,
fill=data$Rata.Rata.Produktivitas)) + geom_bar(stat="identity",
width=.5)+labs(title="Rata-rata Produktivitas Tanaman Pangan Tahun
2010-2015",x="Provinsi", y=“Produksi") + theme(axis.text.x =
element_text(angle=90, vjust=0.6))
Tanaman Pangan = Padi, Jagung, Kedelai,
Kacang Tanah, Kacang Hijau,
Ubi Kayu, Ubi Jalar
PRODUKTIVITAS TANAMAN PANGAN
▸ Order Bar Chart
▸ Scatter Plot
HUBUNGAN LUAS PANEN DAN
PRODUKSI TANAMAN PANGAN
library(ggplot2)
library(ggpubr)
theme_set(
theme_minimal() +
theme(legend.position = "top"))
dataeda = read.csv("D:/dataeda.csv")
head(dataeda)
dataeda$Tanaman.Pangan2=as.factor(dataeda$Tanaman.Pangan2)
g = ggplot(dataeda, aes(x = dataeda$Rata.Rata.Luas.Panen, y=dataeda$Rata.Rata.Produksi))
g + geom_point()+ geom_smooth(method = "lm") +stat_cor(method =
"pearson",label.x = 500000, label.y = 10000000,size=4)+
labs(title="Hubungan Luas Panen terhadap Produksi Tanaman Pangan
Tahun 2010-2015",x="Rata-Rata Luas Panen", y="Rata-Rata Produksi")
▸ Scatter Plot (Lanjutan)
HUBUNGAN LUAS PANEN DAN
PRODUKSI TANAMAN PANGAN
g + geom_point(aes(color = dataeda$Tanaman.Pangan2, shape
= dataeda$Tanaman.Pangan2))+geom_smooth(aes(color =
dataeda$Tanaman.Pangan2, fill=dataeda$Tanaman.Pangan2),
method = "lm") +
geom_rug(aes(color =dataeda$Tanaman.Pangan2))+
ggpubr::stat_cor(aes(color = dataeda$Tanaman.Pangan2),
label.x = 1000000)+ labs(title="Hubungan Luas Panen
terhadap Produksi Tanaman Pangan Tahun 2010-
2015",x="Rata-Rata Luas Panen", y="Rata-Rata Produksi")
▸ Animated Bubble Plot
Hubungan luas lahan, luas panen dan
produksi tanaman pangan
Animate <- read_excel("E:/ITS/KULIAH/SEMESTER 6/ADE/Final Project/Animate.xlsx")
View(Animate)
library(ggplot2)
library(animation)
library(gganimate)
library(cowplot)
library(magick)
theme_set(theme_bw())
g<-ggplot(Animate,aes(`Luas Lahan`,`Luas
Panen`,size=Produksi,frame=Tahun))+geom_point()+geom_smooth(aes(group=Tahun),method="lm",show.legend=FALSE)
magickPath<-shortPathName("C:Program FilesImageMagick-7.0.7-Q16magick.exe")
ani.options(convert=magickPath)
gganimate(g,interval=.2)
p<-ggplot(Animate,aes(`Luas Lahan`,`Luas Panen`,size=Produksi,colour=Provinsi,frame=Tahun))+geom_point()+scale_x_log10()
magickPath<-shortPathName("C:Program FilesImageMagick-7.0.7-Q16magick.exe")
ani.options(convert=magickPath)
gganimate(p, “animasi.mp4”)
▸ Animated Bubble Plot
(Tekan Play)
Hubungan luas lahan, luas panen dan
produksi tanaman pangan
KESIMPULAN
1. Provinsi di Indonesia dikelompokkan menjadi 2 berdasarkan luas lahan pertanian yang dimiliki yaitu provinsi dengan lahan luas
(Jawa Tengah, Jawa Barat, dan Jawa Timur) serta provinsi dengan lahan tidak luas.
2. Luas panen padi meningkat tiap tahun, namun tanaman lain justru menurun atau konstan.
3. Luas panen padi terbesar diperoleh dari Provinsi Jawa Tengah, Jawa Barat, dan Jawa Timur. Luas panen jagung dan kacang
terbesar dihasilkan oleh Jawa Timur, luas panen kedelai dan ubi jalar terbesar dihasilkan oleh Papua, luas panen kacang hijau
terbesar dihasilkan oleh Jawa Tengah, sedangkan tanaman ubi kayu dihasilkan paling banyak dari Lampung.
4. Jika dilihat dari rata-rata produksi tanaman pertanian, produksi padi terbesar dihasilkan dari Jawa Timur, Jawa Barat, dan Jawa
Tengah. Untuk produksi jagung,kedelai dan kacang tanah terbesar dihasilkan oleh Jawa Timur. Sedangkan produksi kacang
hijau terbesar dihasilkan oleh Jawa Tengah, ubi kayu oleh Lampung, dan ubi jalar oleh Jawa barat, Papua,dan Jawa Timur.
5. Jika dilihat dari produktivitas tanaman pertanian, produktivitas padi terbesar dihasilkan dari Jawa Timur, Jawa Barat, Bali dan
DIY. Untuk produktivitas jagung terbesar ada di Jawa Barat dan Sumatera Barat, kedelai oleh Jawa Tengah dan produktivitas
kacang tanah terbesar ada di Sulawesi Tengah dan Jawa Barat. Sedangkan produktivitas kacang hijau terbesar dihasilkan oleh
Sulawesi Barat, ubi kayu oleh Sumatera Barat, dan ubi jalar oleh Sumatera Barat.
6. Terdapat hubungan positif antara rata-rata luas panen dan produksi tanaman panen provinsi di Indonesia.
7. Terdapat hubungan positif antara luas lahan, luas panen dan produksi tanaman pangan di Indonesia.
8. Analisis lebih lanjut dapat dilakukan dengan membuat cluster provinsi di Indonesia dan analisis regresi untuk memodelkan
keseluruhan variabel.
thanks!
Any questions?

Weitere ähnliche Inhalte

Kürzlich hochgeladen

Hasil wawancara usaha lumpia basah tugas PKWU
Hasil wawancara usaha lumpia basah tugas PKWUHasil wawancara usaha lumpia basah tugas PKWU
Hasil wawancara usaha lumpia basah tugas PKWUDina396887
 
DATA MINING : ESTIMASI, PREDIKSI, KLASIFIKASI, KLASTERING, DAN ASOSIASI.ppt
DATA MINING : ESTIMASI, PREDIKSI, KLASIFIKASI, KLASTERING, DAN ASOSIASI.pptDATA MINING : ESTIMASI, PREDIKSI, KLASIFIKASI, KLASTERING, DAN ASOSIASI.ppt
DATA MINING : ESTIMASI, PREDIKSI, KLASIFIKASI, KLASTERING, DAN ASOSIASI.pptmuhammadarsyad77
 
undang undang penataan ruang daerah kabupaten bogor
undang undang penataan ruang daerah kabupaten bogorundang undang penataan ruang daerah kabupaten bogor
undang undang penataan ruang daerah kabupaten bogorritch4
 
Bimbingan Teknis Penyusunan Soal Pilihan Berganda 2024.pptx
Bimbingan Teknis Penyusunan Soal Pilihan Berganda  2024.pptxBimbingan Teknis Penyusunan Soal Pilihan Berganda  2024.pptx
Bimbingan Teknis Penyusunan Soal Pilihan Berganda 2024.pptxjannenapitupulu18
 
PERTEMUAN 4 himpunan dan fungsi logika fuzzy.ppT
PERTEMUAN 4 himpunan dan fungsi logika fuzzy.ppTPERTEMUAN 4 himpunan dan fungsi logika fuzzy.ppT
PERTEMUAN 4 himpunan dan fungsi logika fuzzy.ppTYudaPerwira5
 
Alur Pengajuan Surat Keterangan Pindah (Individu) lewat IKD.pdf
Alur Pengajuan Surat Keterangan Pindah (Individu) lewat IKD.pdfAlur Pengajuan Surat Keterangan Pindah (Individu) lewat IKD.pdf
Alur Pengajuan Surat Keterangan Pindah (Individu) lewat IKD.pdfPemdes Wonoyoso
 
Keracunan bahan kimia,ektasi,opiat,makanan.ppt
Keracunan bahan kimia,ektasi,opiat,makanan.pptKeracunan bahan kimia,ektasi,opiat,makanan.ppt
Keracunan bahan kimia,ektasi,opiat,makanan.pptDIGGIVIO2
 
Salinan PPT TATA BAHASA Bahasa Indonesia
Salinan PPT TATA BAHASA Bahasa IndonesiaSalinan PPT TATA BAHASA Bahasa Indonesia
Salinan PPT TATA BAHASA Bahasa Indonesiasdn4mangkujayan
 
contoh judul tesis untuk mahasiswa pascasarjana
contoh judul tesis untuk mahasiswa pascasarjanacontoh judul tesis untuk mahasiswa pascasarjana
contoh judul tesis untuk mahasiswa pascasarjanaNhasrul
 
Contoh laporan K3 perusahaan pada tahun 2023 dgn analisis beban kerja
Contoh laporan K3 perusahaan pada tahun 2023 dgn analisis beban kerjaContoh laporan K3 perusahaan pada tahun 2023 dgn analisis beban kerja
Contoh laporan K3 perusahaan pada tahun 2023 dgn analisis beban kerjaIniiiHeru
 
RESUME KEWARGANEGARAAN_7 DAN 9._tugas ke 2pptx
RESUME KEWARGANEGARAAN_7 DAN 9._tugas ke 2pptxRESUME KEWARGANEGARAAN_7 DAN 9._tugas ke 2pptx
RESUME KEWARGANEGARAAN_7 DAN 9._tugas ke 2pptxmirzagozali2
 
Materi Pajak Untuk BOS tahun 2024 untuk madrasah MI,MTS, dan MA
Materi Pajak Untuk BOS tahun 2024 untuk madrasah MI,MTS, dan MAMateri Pajak Untuk BOS tahun 2024 untuk madrasah MI,MTS, dan MA
Materi Pajak Untuk BOS tahun 2024 untuk madrasah MI,MTS, dan MAmasqiqu340
 
Diac & Triac untuk memenuhi tugas komponen
Diac & Triac untuk memenuhi tugas komponenDiac & Triac untuk memenuhi tugas komponen
Diac & Triac untuk memenuhi tugas komponenBangMahar
 
materi konsep dan Model TRIASE Bencana.pptx
materi konsep dan Model TRIASE Bencana.pptxmateri konsep dan Model TRIASE Bencana.pptx
materi konsep dan Model TRIASE Bencana.pptxZullaiqahNurhali2
 
PPT SIDANG UJIAN KOMPREHENSIF KUALITATIF
PPT SIDANG UJIAN KOMPREHENSIF KUALITATIFPPT SIDANG UJIAN KOMPREHENSIF KUALITATIF
PPT SIDANG UJIAN KOMPREHENSIF KUALITATIFFPMJ604FIKRIRIANDRA
 
15_Contoh_Surat_Lamaran_Kerja_Lengkap_de.pdf
15_Contoh_Surat_Lamaran_Kerja_Lengkap_de.pdf15_Contoh_Surat_Lamaran_Kerja_Lengkap_de.pdf
15_Contoh_Surat_Lamaran_Kerja_Lengkap_de.pdfTaufikTito
 
SIMPUS SIMPUS SIMPUS & E- PUSKESMAS (3).ppt
SIMPUS SIMPUS SIMPUS & E- PUSKESMAS (3).pptSIMPUS SIMPUS SIMPUS & E- PUSKESMAS (3).ppt
SIMPUS SIMPUS SIMPUS & E- PUSKESMAS (3).pptEndangNingsih7
 
514034136-Tugas-Modul-4-5-Komputer-Dan-Media-Pembelajaran.pptx
514034136-Tugas-Modul-4-5-Komputer-Dan-Media-Pembelajaran.pptx514034136-Tugas-Modul-4-5-Komputer-Dan-Media-Pembelajaran.pptx
514034136-Tugas-Modul-4-5-Komputer-Dan-Media-Pembelajaran.pptxAbidinMaulana
 
Perlindungan Anak Dalam Hukum Perdata (2).pdf
Perlindungan Anak Dalam Hukum Perdata (2).pdfPerlindungan Anak Dalam Hukum Perdata (2).pdf
Perlindungan Anak Dalam Hukum Perdata (2).pdfjeffrisovana999
 

Kürzlich hochgeladen (20)

Hasil wawancara usaha lumpia basah tugas PKWU
Hasil wawancara usaha lumpia basah tugas PKWUHasil wawancara usaha lumpia basah tugas PKWU
Hasil wawancara usaha lumpia basah tugas PKWU
 
DATA MINING : ESTIMASI, PREDIKSI, KLASIFIKASI, KLASTERING, DAN ASOSIASI.ppt
DATA MINING : ESTIMASI, PREDIKSI, KLASIFIKASI, KLASTERING, DAN ASOSIASI.pptDATA MINING : ESTIMASI, PREDIKSI, KLASIFIKASI, KLASTERING, DAN ASOSIASI.ppt
DATA MINING : ESTIMASI, PREDIKSI, KLASIFIKASI, KLASTERING, DAN ASOSIASI.ppt
 
undang undang penataan ruang daerah kabupaten bogor
undang undang penataan ruang daerah kabupaten bogorundang undang penataan ruang daerah kabupaten bogor
undang undang penataan ruang daerah kabupaten bogor
 
Bimbingan Teknis Penyusunan Soal Pilihan Berganda 2024.pptx
Bimbingan Teknis Penyusunan Soal Pilihan Berganda  2024.pptxBimbingan Teknis Penyusunan Soal Pilihan Berganda  2024.pptx
Bimbingan Teknis Penyusunan Soal Pilihan Berganda 2024.pptx
 
PERTEMUAN 4 himpunan dan fungsi logika fuzzy.ppT
PERTEMUAN 4 himpunan dan fungsi logika fuzzy.ppTPERTEMUAN 4 himpunan dan fungsi logika fuzzy.ppT
PERTEMUAN 4 himpunan dan fungsi logika fuzzy.ppT
 
Alur Pengajuan Surat Keterangan Pindah (Individu) lewat IKD.pdf
Alur Pengajuan Surat Keterangan Pindah (Individu) lewat IKD.pdfAlur Pengajuan Surat Keterangan Pindah (Individu) lewat IKD.pdf
Alur Pengajuan Surat Keterangan Pindah (Individu) lewat IKD.pdf
 
Keracunan bahan kimia,ektasi,opiat,makanan.ppt
Keracunan bahan kimia,ektasi,opiat,makanan.pptKeracunan bahan kimia,ektasi,opiat,makanan.ppt
Keracunan bahan kimia,ektasi,opiat,makanan.ppt
 
Salinan PPT TATA BAHASA Bahasa Indonesia
Salinan PPT TATA BAHASA Bahasa IndonesiaSalinan PPT TATA BAHASA Bahasa Indonesia
Salinan PPT TATA BAHASA Bahasa Indonesia
 
contoh judul tesis untuk mahasiswa pascasarjana
contoh judul tesis untuk mahasiswa pascasarjanacontoh judul tesis untuk mahasiswa pascasarjana
contoh judul tesis untuk mahasiswa pascasarjana
 
Contoh laporan K3 perusahaan pada tahun 2023 dgn analisis beban kerja
Contoh laporan K3 perusahaan pada tahun 2023 dgn analisis beban kerjaContoh laporan K3 perusahaan pada tahun 2023 dgn analisis beban kerja
Contoh laporan K3 perusahaan pada tahun 2023 dgn analisis beban kerja
 
RESUME KEWARGANEGARAAN_7 DAN 9._tugas ke 2pptx
RESUME KEWARGANEGARAAN_7 DAN 9._tugas ke 2pptxRESUME KEWARGANEGARAAN_7 DAN 9._tugas ke 2pptx
RESUME KEWARGANEGARAAN_7 DAN 9._tugas ke 2pptx
 
Materi Pajak Untuk BOS tahun 2024 untuk madrasah MI,MTS, dan MA
Materi Pajak Untuk BOS tahun 2024 untuk madrasah MI,MTS, dan MAMateri Pajak Untuk BOS tahun 2024 untuk madrasah MI,MTS, dan MA
Materi Pajak Untuk BOS tahun 2024 untuk madrasah MI,MTS, dan MA
 
Abortion pills in Kuwait salmiyah [+966572737505 ] Get Cytotec in Kuwait city...
Abortion pills in Kuwait salmiyah [+966572737505 ] Get Cytotec in Kuwait city...Abortion pills in Kuwait salmiyah [+966572737505 ] Get Cytotec in Kuwait city...
Abortion pills in Kuwait salmiyah [+966572737505 ] Get Cytotec in Kuwait city...
 
Diac & Triac untuk memenuhi tugas komponen
Diac & Triac untuk memenuhi tugas komponenDiac & Triac untuk memenuhi tugas komponen
Diac & Triac untuk memenuhi tugas komponen
 
materi konsep dan Model TRIASE Bencana.pptx
materi konsep dan Model TRIASE Bencana.pptxmateri konsep dan Model TRIASE Bencana.pptx
materi konsep dan Model TRIASE Bencana.pptx
 
PPT SIDANG UJIAN KOMPREHENSIF KUALITATIF
PPT SIDANG UJIAN KOMPREHENSIF KUALITATIFPPT SIDANG UJIAN KOMPREHENSIF KUALITATIF
PPT SIDANG UJIAN KOMPREHENSIF KUALITATIF
 
15_Contoh_Surat_Lamaran_Kerja_Lengkap_de.pdf
15_Contoh_Surat_Lamaran_Kerja_Lengkap_de.pdf15_Contoh_Surat_Lamaran_Kerja_Lengkap_de.pdf
15_Contoh_Surat_Lamaran_Kerja_Lengkap_de.pdf
 
SIMPUS SIMPUS SIMPUS & E- PUSKESMAS (3).ppt
SIMPUS SIMPUS SIMPUS & E- PUSKESMAS (3).pptSIMPUS SIMPUS SIMPUS & E- PUSKESMAS (3).ppt
SIMPUS SIMPUS SIMPUS & E- PUSKESMAS (3).ppt
 
514034136-Tugas-Modul-4-5-Komputer-Dan-Media-Pembelajaran.pptx
514034136-Tugas-Modul-4-5-Komputer-Dan-Media-Pembelajaran.pptx514034136-Tugas-Modul-4-5-Komputer-Dan-Media-Pembelajaran.pptx
514034136-Tugas-Modul-4-5-Komputer-Dan-Media-Pembelajaran.pptx
 
Perlindungan Anak Dalam Hukum Perdata (2).pdf
Perlindungan Anak Dalam Hukum Perdata (2).pdfPerlindungan Anak Dalam Hukum Perdata (2).pdf
Perlindungan Anak Dalam Hukum Perdata (2).pdf
 

Empfohlen

PEPSICO Presentation to CAGNY Conference Feb 2024
PEPSICO Presentation to CAGNY Conference Feb 2024PEPSICO Presentation to CAGNY Conference Feb 2024
PEPSICO Presentation to CAGNY Conference Feb 2024Neil Kimberley
 
Content Methodology: A Best Practices Report (Webinar)
Content Methodology: A Best Practices Report (Webinar)Content Methodology: A Best Practices Report (Webinar)
Content Methodology: A Best Practices Report (Webinar)contently
 
How to Prepare For a Successful Job Search for 2024
How to Prepare For a Successful Job Search for 2024How to Prepare For a Successful Job Search for 2024
How to Prepare For a Successful Job Search for 2024Albert Qian
 
Social Media Marketing Trends 2024 // The Global Indie Insights
Social Media Marketing Trends 2024 // The Global Indie InsightsSocial Media Marketing Trends 2024 // The Global Indie Insights
Social Media Marketing Trends 2024 // The Global Indie InsightsKurio // The Social Media Age(ncy)
 
Trends In Paid Search: Navigating The Digital Landscape In 2024
Trends In Paid Search: Navigating The Digital Landscape In 2024Trends In Paid Search: Navigating The Digital Landscape In 2024
Trends In Paid Search: Navigating The Digital Landscape In 2024Search Engine Journal
 
5 Public speaking tips from TED - Visualized summary
5 Public speaking tips from TED - Visualized summary5 Public speaking tips from TED - Visualized summary
5 Public speaking tips from TED - Visualized summarySpeakerHub
 
ChatGPT and the Future of Work - Clark Boyd
ChatGPT and the Future of Work - Clark Boyd ChatGPT and the Future of Work - Clark Boyd
ChatGPT and the Future of Work - Clark Boyd Clark Boyd
 
Getting into the tech field. what next
Getting into the tech field. what next Getting into the tech field. what next
Getting into the tech field. what next Tessa Mero
 
Google's Just Not That Into You: Understanding Core Updates & Search Intent
Google's Just Not That Into You: Understanding Core Updates & Search IntentGoogle's Just Not That Into You: Understanding Core Updates & Search Intent
Google's Just Not That Into You: Understanding Core Updates & Search IntentLily Ray
 
Time Management & Productivity - Best Practices
Time Management & Productivity -  Best PracticesTime Management & Productivity -  Best Practices
Time Management & Productivity - Best PracticesVit Horky
 
The six step guide to practical project management
The six step guide to practical project managementThe six step guide to practical project management
The six step guide to practical project managementMindGenius
 
Beginners Guide to TikTok for Search - Rachel Pearson - We are Tilt __ Bright...
Beginners Guide to TikTok for Search - Rachel Pearson - We are Tilt __ Bright...Beginners Guide to TikTok for Search - Rachel Pearson - We are Tilt __ Bright...
Beginners Guide to TikTok for Search - Rachel Pearson - We are Tilt __ Bright...RachelPearson36
 
Unlocking the Power of ChatGPT and AI in Testing - A Real-World Look, present...
Unlocking the Power of ChatGPT and AI in Testing - A Real-World Look, present...Unlocking the Power of ChatGPT and AI in Testing - A Real-World Look, present...
Unlocking the Power of ChatGPT and AI in Testing - A Real-World Look, present...Applitools
 
12 Ways to Increase Your Influence at Work
12 Ways to Increase Your Influence at Work12 Ways to Increase Your Influence at Work
12 Ways to Increase Your Influence at WorkGetSmarter
 
Ride the Storm: Navigating Through Unstable Periods / Katerina Rudko (Belka G...
Ride the Storm: Navigating Through Unstable Periods / Katerina Rudko (Belka G...Ride the Storm: Navigating Through Unstable Periods / Katerina Rudko (Belka G...
Ride the Storm: Navigating Through Unstable Periods / Katerina Rudko (Belka G...DevGAMM Conference
 
Barbie - Brand Strategy Presentation
Barbie - Brand Strategy PresentationBarbie - Brand Strategy Presentation
Barbie - Brand Strategy PresentationErica Santiago
 

Empfohlen (20)

PEPSICO Presentation to CAGNY Conference Feb 2024
PEPSICO Presentation to CAGNY Conference Feb 2024PEPSICO Presentation to CAGNY Conference Feb 2024
PEPSICO Presentation to CAGNY Conference Feb 2024
 
Content Methodology: A Best Practices Report (Webinar)
Content Methodology: A Best Practices Report (Webinar)Content Methodology: A Best Practices Report (Webinar)
Content Methodology: A Best Practices Report (Webinar)
 
How to Prepare For a Successful Job Search for 2024
How to Prepare For a Successful Job Search for 2024How to Prepare For a Successful Job Search for 2024
How to Prepare For a Successful Job Search for 2024
 
Social Media Marketing Trends 2024 // The Global Indie Insights
Social Media Marketing Trends 2024 // The Global Indie InsightsSocial Media Marketing Trends 2024 // The Global Indie Insights
Social Media Marketing Trends 2024 // The Global Indie Insights
 
Trends In Paid Search: Navigating The Digital Landscape In 2024
Trends In Paid Search: Navigating The Digital Landscape In 2024Trends In Paid Search: Navigating The Digital Landscape In 2024
Trends In Paid Search: Navigating The Digital Landscape In 2024
 
5 Public speaking tips from TED - Visualized summary
5 Public speaking tips from TED - Visualized summary5 Public speaking tips from TED - Visualized summary
5 Public speaking tips from TED - Visualized summary
 
ChatGPT and the Future of Work - Clark Boyd
ChatGPT and the Future of Work - Clark Boyd ChatGPT and the Future of Work - Clark Boyd
ChatGPT and the Future of Work - Clark Boyd
 
Getting into the tech field. what next
Getting into the tech field. what next Getting into the tech field. what next
Getting into the tech field. what next
 
Google's Just Not That Into You: Understanding Core Updates & Search Intent
Google's Just Not That Into You: Understanding Core Updates & Search IntentGoogle's Just Not That Into You: Understanding Core Updates & Search Intent
Google's Just Not That Into You: Understanding Core Updates & Search Intent
 
How to have difficult conversations
How to have difficult conversations How to have difficult conversations
How to have difficult conversations
 
Introduction to Data Science
Introduction to Data ScienceIntroduction to Data Science
Introduction to Data Science
 
Time Management & Productivity - Best Practices
Time Management & Productivity -  Best PracticesTime Management & Productivity -  Best Practices
Time Management & Productivity - Best Practices
 
The six step guide to practical project management
The six step guide to practical project managementThe six step guide to practical project management
The six step guide to practical project management
 
Beginners Guide to TikTok for Search - Rachel Pearson - We are Tilt __ Bright...
Beginners Guide to TikTok for Search - Rachel Pearson - We are Tilt __ Bright...Beginners Guide to TikTok for Search - Rachel Pearson - We are Tilt __ Bright...
Beginners Guide to TikTok for Search - Rachel Pearson - We are Tilt __ Bright...
 
Unlocking the Power of ChatGPT and AI in Testing - A Real-World Look, present...
Unlocking the Power of ChatGPT and AI in Testing - A Real-World Look, present...Unlocking the Power of ChatGPT and AI in Testing - A Real-World Look, present...
Unlocking the Power of ChatGPT and AI in Testing - A Real-World Look, present...
 
12 Ways to Increase Your Influence at Work
12 Ways to Increase Your Influence at Work12 Ways to Increase Your Influence at Work
12 Ways to Increase Your Influence at Work
 
ChatGPT webinar slides
ChatGPT webinar slidesChatGPT webinar slides
ChatGPT webinar slides
 
More than Just Lines on a Map: Best Practices for U.S Bike Routes
More than Just Lines on a Map: Best Practices for U.S Bike RoutesMore than Just Lines on a Map: Best Practices for U.S Bike Routes
More than Just Lines on a Map: Best Practices for U.S Bike Routes
 
Ride the Storm: Navigating Through Unstable Periods / Katerina Rudko (Belka G...
Ride the Storm: Navigating Through Unstable Periods / Katerina Rudko (Belka G...Ride the Storm: Navigating Through Unstable Periods / Katerina Rudko (Belka G...
Ride the Storm: Navigating Through Unstable Periods / Katerina Rudko (Belka G...
 
Barbie - Brand Strategy Presentation
Barbie - Brand Strategy PresentationBarbie - Brand Strategy Presentation
Barbie - Brand Strategy Presentation
 

PPT Tugas Kelompok Eksplorasi Data

  • 1. Eksplorasi Data Tanaman Pangan Indonesia Berdasarkan Provinsi Tahun 2010 sampai 2015
  • 2. Oleh : Henidar Islami W (06211540000011) Fitria Nurul Al Fariz (06211540000051) Rizal Aditya (06211540000081) Departemen Statistika Fakultas Matematika, Komputasi, dan Sains Data Institut Teknologi Sepuluh Nopember Surabaya 2018 Dosen Pembimbing: Pratnya Paramitha Oktaviana, S.Si., M.Si. Dr. Dra. Kartika Fithriarsari, M.Si.
  • 3. LATAR BELAKANG LAHAN SAWAH Lahan yang dapat dimanfaatkan lebih untuk pertanian dll. TANAMAN PANGAN Terdapat banyak jenis tanaman pangan EKSPLORASI DATA Data tentang tanaman pangan dapat dieksplorasi lebih lanjut
  • 4. SUMBER DATA & VARIABEL PENELITIAN Sumber Data Variabel Penelitian Data Sekunder yang merupakan data tanaman pangan menurut provinsi di Indonesia tahun 2010- 2015 dari website resmi https://bps.go.id Variabel Keterangan Skala Pengukuran X1 Provinsi Nominal X2 Tahun Nominal X3 Jenis Tanaman Pangan Nominal X4 Luas Lahan Sawah (Hektar) Rasio X5 Luas Panen (Hektar) Rasio X6 Produksi (Ton) Rasio X7 Produktivitas (Kwintal/Hektar) Rasio
  • 5. LUAS LAHAN SAWAH TANAMAN PANGAN library(ggplot2) library(ggdendro) c2<-subset(Produksi2015PerProvinsi,Produksi2015PerProvinsi[,2]==2015) c2<-c2[complete.cases(c2),] c2 c3<-c2[,3] c3 row.names(c2$Provinsi) c4<-scale(c3) c4 hc<-hclust(dist(c4)) plot(hc) plot(hc,hang=-1) ggdendrogram(hc, rotate = TRUE, size = 4, theme_dendro = FALSE) ▸ Dendogram
  • 6. LUAS PANEN TANAMAN PANGAN ▸ Time Series Plot library(ggplot2) dataeda <- read.csv("D:/dataeda.csv") head(dataeda) Tahun=as.numeric(dataeda$Tahun) Tanaman_Pangan=dataeda$Tanaman_Pangan3 Luas_Panen=dataeda$Luas_Panen ggplot(dataeda,aes(x=Tahun, y = Luas_Panen, group = Tanaman_Pangan)) +geom_line(aes(color = Tanaman_Pangan),size=1) + geom_point(aes(color = Tanaman_Pangan),size = 1.5) +labs(title="Time Series Plot Luas Panen Tanaman Pangan Tahun 2010-2015", x="Tahun", y="Luas Panen")
  • 7. LUAS PANEN TANAMAN PANGAN ▸ Box Plot library(ggplot2) dataeda <- read.csv("D:/dataeda.csv") head(dataeda) Tanaman_Pangan=dataeda$Tanaman.Pangan2 RataRata_LuasPanen=dataeda$Rata.Rata.Luas.Panen ggplot(dataeda, aes(x=Tanaman_Pangan,y=RataRata_LuasPanen, fill=Tanaman_Pangan))+geom_boxplot(colour="grey") +labs(title="Boxplot Rata-Rata Luas Panen Tanaman Pangan Tahun 2010-2015", x="Tanaman Pangan", y="Rata-Rata Luas Panen")
  • 8. LUAS PANEN TANAMAN PANGAN ▸ Order Bar Chart library(ggplot2) dataeda <- read.csv("D:/dataeda.csv") head(dataeda) data=dataeda[dataeda$Tanaman.Pangan2%in%c(“Tanaman Pangan"),] data <- data[order(data$Rata.Rata.Luas.Panen), ] # sort data$Provinsi <- factor(data$Provinsi, levels = data$Provinsi) ggplot(data, aes(x=Provinsi, y=data$Rata.Rata.Luas.Panen, fill=data$Rata.Rata.Luas.Panen)) + geom_bar(stat="identity", width=.5)+ labs(title="Rata-rata Luas Panen Tanaman Pangan Tahun 2010- 2015",x="Provinsi", y="Luas Panen") + theme(axis.text.x = element_text(angle=90, vjust=0.6)) Tanaman Pangan = Padi, Jagung, Kedelai, Kacang Tanah, Kacang Hijau, Ubi Kayu, Ubi Jalar
  • 9. LUAS PANEN TANAMAN PANGAN ▸ Order Bar Chart
  • 10. PRODUKSI TANAMAN PANGAN ▸ Stacked Area Chart library(ggplot2) dataeda=read.csv("D:/dataeda.csv") ggplot(dataeda, aes(x=Tahun, y=ProduksiJutaTon, fill=Tanaman.Pangan)) + geom_area()
  • 11. PRODUKSI TANAMAN PANGAN ▸ Time Series Plot library(ggplot2) dataeda <- read.csv("D:/dataeda.csv") head(dataeda) Tahun=as.numeric(dataeda$Tahun) Tanaman_Pangan=dataeda$Tanaman_Pangan3 Produksi=dataeda$Produksi ggplot(dataeda,aes(x=Tahun, y = Produksi, group = Tanaman_Pangan)) +geom_line(aes(color = Tanaman_Pangan),size=1) + geom_point(aes(color = Tanaman_Pangan),size = 1.5) +labs(title="Time Series Plot Produksi Tanaman Pangan Tahun 2010-2015", x="Tahun", y="Produksi")
  • 13. ▸ Order Bar Chart library(ggplot2) dataeda <- read.csv("D:/dataeda.csv") head(dataeda) data=dataeda[dataeda$Tanaman.Pangan2%in%c(“Tanaman Pangan"),] data <- data[order(data$Rata.Rata.Produksi), ] # sort data$Provinsi <- factor(data$Provinsi, levels = data$Provinsi) ggplot(data, aes(x=Provinsi, y=data$Rata.Rata.Produksi, fill=data$Rata.Rata.Produksi)) + geom_bar(stat="identity", width=.5)+ labs(title="Rata-rata Produksi Tanaman Pangan Tahun 2010- 2015",x="Provinsi", y=“Produksi") + theme(axis.text.x = element_text(angle=90, vjust=0.6)) Tanaman Pangan = Padi, Jagung, Kedelai, Kacang Tanah, Kacang Hijau, Ubi Kayu, Ubi Jalar PRODUKSI TANAMAN PANGAN
  • 14. ▸ Order Bar Chart PRODUKSI TANAMAN PANGAN
  • 15. PRODUKTIVITAS TANAMAN PANGAN ▸ Time Series Plot library(ggplot2) dataeda <- read.csv("D:/dataeda.csv") head(dataeda) Tahun=as.numeric(dataeda$Tahun) Tanaman_Pangan=dataeda$Tanaman_Pangan3 Produktivitas=dataeda$Produktivitas ggplot(dataeda,aes(x=Tahun, y = Produktivitas, group = Tanaman_Pangan)) +geom_line(aes(color = Tanaman_Pangan),size=1) + geom_point(aes(color = Tanaman_Pangan),size = 1.5) +labs(title="Time Series Plot Produktivitas Tanaman Pangan Tahun 2010-2015", x="Tahun", y="Produktivitas")
  • 16. ▸ Box Plot PRODUKTIVITAS TANAMAN PANGAN library(ggplot2) dataeda <- read.csv("D:/dataeda.csv") head(dataeda) Tanaman_Pangan=dataeda$Tanaman.Pangan2 RataRata_Produksi=dataeda$Rata.Produktivitas ggplot(dataeda, aes(x=Tanaman_Pangan,y=RataRata_Produktivitas, fill=Tanaman_Pangan))+geom_boxplot(colour="grey") +labs(title="Boxplot Rata-Rata Produktivitas Tanaman Pangan Tahun 2010-2015", x="Tanaman Pangan", y="Rata-Rata Produktivitas")
  • 17. PRODUKTIVITAS TANAMAN PANGAN ▸ Order Bar Chart library(ggplot2) dataeda <- read.csv("D:/dataeda.csv") head(dataeda) data=dataeda[dataeda$Tanaman.Pangan2%in%c(“Tanaman Pangan"),] data <- data[order(data$Rata.Rata.Produktivitas), ] # sort data$Provinsi <- factor(data$Provinsi, levels = data$Provinsi) ggplot(data, aes(x=Provinsi, y=data$Rata.Rata.Produktivitas, fill=data$Rata.Rata.Produktivitas)) + geom_bar(stat="identity", width=.5)+labs(title="Rata-rata Produktivitas Tanaman Pangan Tahun 2010-2015",x="Provinsi", y=“Produksi") + theme(axis.text.x = element_text(angle=90, vjust=0.6)) Tanaman Pangan = Padi, Jagung, Kedelai, Kacang Tanah, Kacang Hijau, Ubi Kayu, Ubi Jalar
  • 19. ▸ Scatter Plot HUBUNGAN LUAS PANEN DAN PRODUKSI TANAMAN PANGAN library(ggplot2) library(ggpubr) theme_set( theme_minimal() + theme(legend.position = "top")) dataeda = read.csv("D:/dataeda.csv") head(dataeda) dataeda$Tanaman.Pangan2=as.factor(dataeda$Tanaman.Pangan2) g = ggplot(dataeda, aes(x = dataeda$Rata.Rata.Luas.Panen, y=dataeda$Rata.Rata.Produksi)) g + geom_point()+ geom_smooth(method = "lm") +stat_cor(method = "pearson",label.x = 500000, label.y = 10000000,size=4)+ labs(title="Hubungan Luas Panen terhadap Produksi Tanaman Pangan Tahun 2010-2015",x="Rata-Rata Luas Panen", y="Rata-Rata Produksi")
  • 20. ▸ Scatter Plot (Lanjutan) HUBUNGAN LUAS PANEN DAN PRODUKSI TANAMAN PANGAN g + geom_point(aes(color = dataeda$Tanaman.Pangan2, shape = dataeda$Tanaman.Pangan2))+geom_smooth(aes(color = dataeda$Tanaman.Pangan2, fill=dataeda$Tanaman.Pangan2), method = "lm") + geom_rug(aes(color =dataeda$Tanaman.Pangan2))+ ggpubr::stat_cor(aes(color = dataeda$Tanaman.Pangan2), label.x = 1000000)+ labs(title="Hubungan Luas Panen terhadap Produksi Tanaman Pangan Tahun 2010- 2015",x="Rata-Rata Luas Panen", y="Rata-Rata Produksi")
  • 21. ▸ Animated Bubble Plot Hubungan luas lahan, luas panen dan produksi tanaman pangan Animate <- read_excel("E:/ITS/KULIAH/SEMESTER 6/ADE/Final Project/Animate.xlsx") View(Animate) library(ggplot2) library(animation) library(gganimate) library(cowplot) library(magick) theme_set(theme_bw()) g<-ggplot(Animate,aes(`Luas Lahan`,`Luas Panen`,size=Produksi,frame=Tahun))+geom_point()+geom_smooth(aes(group=Tahun),method="lm",show.legend=FALSE) magickPath<-shortPathName("C:Program FilesImageMagick-7.0.7-Q16magick.exe") ani.options(convert=magickPath) gganimate(g,interval=.2) p<-ggplot(Animate,aes(`Luas Lahan`,`Luas Panen`,size=Produksi,colour=Provinsi,frame=Tahun))+geom_point()+scale_x_log10() magickPath<-shortPathName("C:Program FilesImageMagick-7.0.7-Q16magick.exe") ani.options(convert=magickPath) gganimate(p, “animasi.mp4”)
  • 22. ▸ Animated Bubble Plot (Tekan Play) Hubungan luas lahan, luas panen dan produksi tanaman pangan
  • 23. KESIMPULAN 1. Provinsi di Indonesia dikelompokkan menjadi 2 berdasarkan luas lahan pertanian yang dimiliki yaitu provinsi dengan lahan luas (Jawa Tengah, Jawa Barat, dan Jawa Timur) serta provinsi dengan lahan tidak luas. 2. Luas panen padi meningkat tiap tahun, namun tanaman lain justru menurun atau konstan. 3. Luas panen padi terbesar diperoleh dari Provinsi Jawa Tengah, Jawa Barat, dan Jawa Timur. Luas panen jagung dan kacang terbesar dihasilkan oleh Jawa Timur, luas panen kedelai dan ubi jalar terbesar dihasilkan oleh Papua, luas panen kacang hijau terbesar dihasilkan oleh Jawa Tengah, sedangkan tanaman ubi kayu dihasilkan paling banyak dari Lampung. 4. Jika dilihat dari rata-rata produksi tanaman pertanian, produksi padi terbesar dihasilkan dari Jawa Timur, Jawa Barat, dan Jawa Tengah. Untuk produksi jagung,kedelai dan kacang tanah terbesar dihasilkan oleh Jawa Timur. Sedangkan produksi kacang hijau terbesar dihasilkan oleh Jawa Tengah, ubi kayu oleh Lampung, dan ubi jalar oleh Jawa barat, Papua,dan Jawa Timur. 5. Jika dilihat dari produktivitas tanaman pertanian, produktivitas padi terbesar dihasilkan dari Jawa Timur, Jawa Barat, Bali dan DIY. Untuk produktivitas jagung terbesar ada di Jawa Barat dan Sumatera Barat, kedelai oleh Jawa Tengah dan produktivitas kacang tanah terbesar ada di Sulawesi Tengah dan Jawa Barat. Sedangkan produktivitas kacang hijau terbesar dihasilkan oleh Sulawesi Barat, ubi kayu oleh Sumatera Barat, dan ubi jalar oleh Sumatera Barat. 6. Terdapat hubungan positif antara rata-rata luas panen dan produksi tanaman panen provinsi di Indonesia. 7. Terdapat hubungan positif antara luas lahan, luas panen dan produksi tanaman pangan di Indonesia. 8. Analisis lebih lanjut dapat dilakukan dengan membuat cluster provinsi di Indonesia dan analisis regresi untuk memodelkan keseluruhan variabel.