# DATA MENTAH
# read.delim yg ada NA jadi strings
dat <- read.delim("data.txt")
# str(dat)

aj <-  dat[dat$lokasi == "Aceh Jaya", ]
# str(aj)

aj$tanggal <- as.Date(aj$tanggal, format = "%m/%d/%Y")
aj$Trip.ID <- as.integer(aj$Trip.ID)
aj$biaya_operasional <- as.integer(aj$biaya_operasional)

# Extract month and year and store in new column
aj$Tahun <- format(aj$tanggal, format = "%Y")
aj$Bulan <- format(aj$tanggal, format = "%m")

as.data.frame(colnames(aj))

acj <- aj[-c(4,6)]
str(acj)

# EDA 
# library(psych)
# describeBy(acj[,c(17)], acj$Tahun) 
# describeBy(acj[,c(17)], acj$Bulan) 
# describeBy(acj[,c(17)], acj$jenis_kelamin) 

# Olah data untuk keperluan menghitung catch dan effort
# trip <- as.data.frame(table(acj$tanggal, acj$Trip.ID, acj$alat_tangkap_utama))
# str(trip)
## convert
# trip$Var1 <- as.Date(trip$Var1)
# trip$Var2 <- as.integer(trip$Var2)
# trip$Var3 <- as.character(trip$Var3)
# colnames(trip) <- c("Tanggal", "Trip.ID", "Altang", "Frekuensi")

# table(trip$Altang)

# GANTI SESUAI KEBUTUHAN
table(acj$alat_tangkap_utama)

# Tahun 2017
# GANTI SESUAI KEBUTUHAN
# effort = total data tercatat pada tahun dan bulan tertentu
x1 <- subset(acj, subset = Tahun == "2017")
table(x1$alat_tangkap_utama)

x2<- subset(x1, subset = alat_tangkap_utama == "Jaring Hanyut")
sum(x2$Trip.ID)
sum(x2$jumlah_individu)

# CPUE
cpueData <- read.delim("CPUE.txt")
str(cpueData)

#xx <- read.delim("CPUE.txt")
#str(xx)


library(tidyverse)
library(magrittr)

# Korelasi
cpueData %>%
  ggplot(aes(x = Eff, y = Cpue)) +
  xlab('Effort') + ylab('Cpue') +
  geom_point(size=cpueData$Cpue * 10, col='red', alpha = 1) + 
  # geom_line() + 
  # facet_wrap(.~Altang) + 
  theme_bw() 
  
library(PerformanceAnalytics)
chart.Correlation(cpueData[,1:4], histogram=TRUE, pch="+")

dev.print(tiff,"Korelasi_data_cpue.tiff",res=300,compression="lzw+p",height=6,width=7,units="in")


# Rataan Cpue per tahun
xx <- aggregate(Cpue ~ Th, mean, data=cpueData)
str(xx)


xx %>%
  ggplot(aes(x = Th, y = Cpue)) +
  xlab('Tahun') + ylab('Individu Per Satuan Upaya') +
  geom_point(size=xx$Cpue * 10, col='red', alpha = 1) + 
  geom_line() + 
  geom_text(label = round(xx$Cpue,2), col = 'black', 
  cex = 3, fontface = 'plain', nudge_x = 0.25) +
  theme_bw() +
  labs(
	 caption = "Sumber Data: Pokja RAPP Aceh 2021", 
	 title='Jumlah Individu Per Satuan Upaya') 

dev.print(tiff,"Individu per satuan upaya.tiff",
res=300,compression="lzw+p",height=5,width=6,units="in")

# Rataan Cpue per tahun + alat tangkap
xx2 <- aggregate(Cpue ~ Th + Altang, mean, data=cpueData)
str(xx2)

xx2 %>%
  ggplot(aes(x = Th, y = Cpue)) +
  xlab('Tahun') + ylab('Individu Per Satuan Upaya') +
  geom_point(size=xx2$Cpue * 10, col='red', alpha = 1) + 
  geom_line() + 
  facet_wrap(.~Altang) + 
  theme_bw()