Tutorial Box Plot di R

Fungsi boxplot() menunjukkan bagaimana distribusi variabel numerik y berbeda di antara tingkat unik dari variabel kedua, x. Agar efektif, variabel kedua ini sebaiknya tidak memiliki terlalu banyak tingkat unik (misalnya, 10 atau kurang itu baik; jauh lebih banyak dari itu membuat plot sulit diinterpretasikan).

Fungsi boxplot() juga memiliki sejumlah parameter opsional, dan latihan ini meminta Anda menggunakan tiga di antaranya untuk mendapatkan plot yang lebih informatif:

• varwidth memungkinkan Box Plot dengan lebar variabel yang menunjukkan perbedaan ukuran subset data.
• log memungkinkan nilai y ditransformasikan log.
• las memungkinkan label sumbu lebih mudah dibaca.

Kapan Anda sebaiknya menggunakan Box Plot

• Saat Anda memiliki variabel kontinu yang dipecah berdasarkan variabel kategorikal.

• Saat Anda ingin membandingkan distribusi variabel kontinu untuk setiap kategori.

Histogram vs. Box Plot

• Di bawah ini adalah perbandingan antara Histogram dan Box Plot. Garis di tengah menunjukkan median distribusi. Artinya, setengah dari para raja mulai memerintah sebelum usia ini, dan setengahnya lagi setelah usia ini.

• Kotak pada Box Plot membentang dari kuartil bawah hingga kuartil atas. Kuartil bawah adalah titik di mana seperempat nilai berada di bawahnya. Artinya, seperempat dari para raja mulai memerintah sebelum usia ini, dan tiga perempat setelahnya. Demikian pula, kuartil atas adalah usia di mana tiga perempat para raja mulai memerintah di bawah usia ini. Selisih antara kuartil atas dan kuartil bawah disebut rentang antarkuartil.

Garis horizontal, yang disebut "whisker", memiliki definisi yang lebih rumit. Masing-masing garis memanjang hingga satu setengah kali rentang antarkuartil, tetapi kemudian dibatasi untuk mencapai titik data yang benar-benar ada.

Definisi teknisnya ditunjukkan pada gambar di bawah, tetapi dalam praktiknya, Anda dapat menganggap whisker memanjang cukup jauh sehingga apa pun yang berada di luar whisker merupakan nilai ekstrem.

Seperti disebutkan sebelumnya, kekuatan Box Plot adalah Anda dapat membandingkan banyak distribusi sekaligus. Di sini, dinasti kerajaan diurutkan dari yang tertua di atas hingga yang terbaru di bawah.

Terlihat sebuah tren: sejak Plantagenet pada abad keempat belas, kotak-kotak secara bertahap bergeser ke kanan, menunjukkan bahwa usia saat raja baru naik takhta meningkat.

Godwin dan Blois tampak sebagai satu garis karena hanya ada satu raja dari masing-masing dinasti. Dinasti Anjou hanya memiliki tiga raja, dan membentuk kotak dengan satu whisker, bukan dua.

Perhatikan bahwa Box Plot untuk dinasti Denmark dan Windsor menampilkan beberapa titik. Ini adalah nilai ekstrem, yakni nilai yang berada di luar jangkauan whisker. Pencilan paling kiri milik Windsor adalah Elizabeth yang kedua, yang naik takhta pada usia 26 tahun.

boxplot() Function

Pada contoh berikut, menggunakan antarmuka formula, Anda akan membuat Box Plot yang menunjukkan distribusi nilai numerik crim pada berbagai nilai rad yang berbeda dari Boston data frame. Lalu, gunakan parameter varwidth untuk memperoleh Box Plot dengan lebar variabel, tentukan sumbu-y yang ditransformasikan log, dan atur parameter las sama dengan 1 untuk mendapatkan label horizontal pada sumbu x dan y.

Terakhir, gunakan fungsi title() untuk menambahkan judul "Crime rate vs. radial highway index".

# Create a variable-width Box Plot with log y-axis & horizontal labels
boxplot(crim ~ rad, data = Boston,
        varwidth = TRUE, log = "y", las = 1)

# Add a title
title("Crime rate vs. radial highway index")

Saat kita menjalankan kode di atas, hasilnya seperti berikut:

Coba sendiri.

Untuk mempelajari lebih lanjut tentang Box Plot, silakan lihat video dari kursus kami Understanding Data Visualization.

Konten ini diambil dari kursus Understanding Data Visualization oleh Richie Cotton dan kursus Data Visualization in R oleh Ronald Pearson di DataCamp.