Dasar Programming

untuk Data Science

Basic SQL

SQL for Data Science

SQL (Structured Query Language) merupakan sebuah bahasa dan digunakan untuk menarikdata atau
memanipulasi data dari sebuah database dengan tipe RDBMS.

Contoh Manipulasi Data di RDBMS

1.Menambah data (Create)

2.Membaca data (Read)

3.Mengubah data (Update)

4.Menghapus data (Delete)

Karakteristik Tabel di SQL

1.Nama tabel biasanya ditulis dengan huruf kecil

2.Spasi pada nama tabel biasanya diganti dengan underscore ( _ )

3.Setiap tabel memiliki field atau header

4.Satu baris horizontal pada tabel disebut row atau record

5. Satu kolom vertikal pada tabel disebut column

Macam-macam Fungsi dan Keyword SQL

1.SELECT, FROM, WHERE, LIMIT

2.ORDER BY

3.Min dan Max

4.Sum dan Average

5.GROUP BY

01
 01
Macam-macam Syntax SQL

1.Syntax Union: Menggabungkan isi dari beberapa tabel

2.Syntax Join: Menggabungkan kolom-kolom pada tabel

Script Documentation and Collaboration

Github
Github memberikan solusi kolaboratif dan versioning bagi para data scientist yang bekerjadalam
sebuah tim yang besar.

Cara Registrasi Github

1.Kunjungi www.github.com dan klik sign up

2.Masukkan username, e-mail address, dan password

3.Verifikasi akun melalui e-mail

4.Sign in Github

Cara Membuat Repository Baru di Github

1. Klik icon plus (+) di kanan atas

2. Pilih new repository

3. Membuat repository name

Cara Menyalin Repository ke Device

1.Kunjungi www.git-scm.com

2.Pilih Mac OS X, Windows atau Linux/Unix sesuai device

3.Kembali ke halaman repository di Github

4.Salin link repository di Github

5.Membuat folder baru untuk project

6.Setelah membuat folder, jalankan command (git init)2

02
 7.Salin project dari Git ke dalam device (git clone <link repository>)

R Language

R Language
R merupakan sebuah bahasa pemrograman dan environment yang biasa digunakan untuk
statistical computing atau graphics dan dirilis pada tahun 1997.

No Kelebihan R Language

1 R adalah software yang gratis atau open source.

2 R dapat digunakan diberbagai operating system, seperti Windows, Linux, dan Mac OS sehingga
source code dapat dijalankan di operating system dan di platform manapun.

3 Instalasi dan konfigurasi R yang mudah.

4 Coding di R cukup mudah dibandingkan statistical tools yang lain.

5 Packages dan library R sudah banyak dikembangkan.

No Kekurangan R Language

1 Management memory di R yang tidak terlalu bagus.

2 Pemrosesannya cukup lambat jika melakukan banyak looping.

No Fitur R dalam Pengolahan Data

1 Melalui R bisa mengambil data dari berbagai tipe dan format.

2 R menyediakan berbagai function yang dikemas dalam sebuah package untuk melakukanberbagai
eksplorasi data.

3 Bisa melakukan visualisasi data melalui R dengan berbagai plot/chart/grafik.

4 Melalui R bisa mengembangkan model machine learning menggunakan data yang sudah dimiliki.

03
03
Python Language

Python Language
Python merupakan sebuah bahasa pemrograman yang general purpose, yakni dapatdigunakan untuk
membuat web, software, game, analisis data, maupun komputasi yang rumit.

Aspek Penting Python Bagi Data Scientist:

— Sebagai bahasa pemrograman yang general purpose, Python membantu

pekerjaan data scientist yang kompleks, seperti membuat query, scraping data
dari web, membersihkan data, membuat visualisasi, membangun model, hingga
melakukan deployment ke production.

— Python memiliki library dalam mendukung pekerjaan data scientist yang

membutuhkan banyak tools seperti pandas, numpy, scipy, serta scikit learn yang
populer dipakai untuk membangun model machine learning.

No Kelebihan Python Language

1 Python merupakan bahasa pemrograman yang general purpose.

3 Syntax Python mudah dibaca karena menggunakan bahasa inggris.

Python Package dan Manfaatnya

Kita sudah mengetahui bahwa Python adalah salah satu bahasa pemrograman yang cukup
populer yang digunakan oleh para data scientist dan developer software untuk mengolah data,
yang umumnya cukup besar. Python ini bisa digunakan untuk memprediksi sesuatu lho.
Kemampuan itu didapatkan dengan mengolah data historis, mengotomatiskan tugas,
menyederhanakan proses, dan menemukan insight.

Library pada Python berbeda dengan library dalam RStudio yang telah dibahas pada topik
sebelumnya. Library Python ini akan membawahi berbagai fungsi yang ada, sehingga ketika kita
ingin menggunakan sebuah fungsi, kita harus memanggil library yang membawahinya terlebih
dulu. Library bisa dianggap sebagai rumah dari berbagai fungsi Python.

04
Python memiliki banyak packages, modules, dan library. Apa saja sih itu? Apa perbedaan
antara modules, package dan library?

1. Module Python

Yang dimaksud dengan module pada bahasa pemrograman Python adalah file berisi rangkaian
kode fungsi, class dan variabel yang disimpan dalam satu file berekstensi .py yang kemudian
bisa dieksekusi oleh interpreter Python. Nama yang tercantum dalam module .py merupakan
nama file itu sendiri. Di dalamnya bisa berisikan fungsi, class dan variabel.

Setiap module memiliki tabel simbol masing-masing yang digunakan sebagai representatif
semua fungsi dalam module. Penggunaan module ditujukan untuk memecah program besar
menjadi file yang lebih kecil. Hal itu perlu dilakukan agar bisa lebih mudah me-manage dan
mengorganisir file. Dengan adanya module, kode akan bersifat reusable. Satu module bisa
dipakai berulang kali, untuk tujuan penggunaan yang beragam.

2. Package Python
Sekumpulan module Python dalam sebuah folder yang memiliki satu module contructor disebut
dengan package pada Python. Module contructor yang dimaksud berupa init .py. Package
adalah sebuah cara mengelola dan mengorganisir module-module Python dalam bentuk
direktori. Dengan ini, akan memungkinkan sebuah module diakses menggunakan "namespace"
dan dot lokasi.

05
Kegunaan module atau file contructor adalah untuk memberi tahu Python interpreter bahwa
folder tersebut adalah sebuah package. Itu akan menjadi penanda bahwa folder yang memiliki
module contructor init .py akan diperlakukan sebagai package. Jadi, package adalah
kumpulan dari module berupa file Python (.py) yang di dalamnya berisi class, fungsi, variabel,
dan kode Python lainnya.

3. Library Python

Kumpulan fungsi, class dan variabel adalah module. Kumpulan module disebut package.
Kemudian gabungan dari package dengan fungsionalitas yang sama untuk memudahkan setiap
developer dalam membuat suatu aplikasi, adalah library. Library adalah sebutan untuk kode
program tambahan yang digunakan dalam kebutuhan tertentu. Python memiliki lebih dari
140.000 library dalam open source project. Dengan menggunakan library Python, kamu bisa
langsung menghasilkan kode secara efisien dan menghemat waktu tanpa harus merancang
seluruh skrip dari awal.

Package dan library pada Python adalah sebuah rangkaian modul dan fungsi yang bermanfaat
untuk mempersingkat penggunaan kode sehari-hari. Ada sekitar 137.000 library Python dan
198.826 package Python yang siap digunakan oleh para developer. Semua library dan package
ini ditujukan untuk berbagai macam solusi. Library dan package pada Python memiliki peran
yang cukup penting dalam pekerjaan sehari- hari machine learning. Kenyataannya, penggunaan
package dan library Python ini tidak hanya berguna untuk machine learning, melainkan data
science, image dan data manipulation, data visualization, dan banyak lainnya.

Jadi, package Python adalah rangkaian modules Python, sedangkan library Python adalah
rangkaian package dan modules yang ditujukan pada suatu tugas. Berikut adalah beberapa
library dan package dalam Python yang bisa menjadi referensikamu sebagai pemula.

A. Pillow
Pillow adalah cabang dari PIL atau Python Image Library. Pada mulanya, Pillow dibuat
berdasarkan struktur kode PIL. Tapi saat ini, Pillow menjadi lebih baik dan mudah digunakan.
Bisa dibilang, Pillow adalah versi terkini dari PIL. Maka dari itu,
Pillow dapat diandalkan dalam hal pekerjaan yang berhubungan dengan gambar. Dengan tipe
format gambar apapun.

06
Feature unggulan Pillow adalah kamu tidak hanya bisa membuka dan menyimpan gambar tapi
juga mempengaruhi lingkungan dari gambar tersebut. Pillow juga mendukung banyak sekali
tipe file seperti PDF, WebP, PCX, PNG, JPEG, GIF, PSD, IM, EPS, ICO, BMP, dan masih banyak
lainnya. Selain itu Pillow juga mendukung banyak filter gambar seperti FIND_EDGES, DETAIL,
SMOOTH, BLUR, CONTOUR, SHARPEN, SMOOTH_MORE dan banyak lainnya.

Dengan Pillow, kamu bisa membuat thumbnail dari sebuah gambar dengan mudah. Ditambah
dukungan dari komunitas yang akan menjawab, menantang, dan bekerja berdasarkan
kebutuhan kamu. Pillow adalah pilihan yang tepat dan nyaman digunakan.

B. Matplotlib

Sebuah library Python yang menggunakan skrip Python untuk menulis grafik dan plots secara
dua dimensi. Seringkali aplikasi matematika atau ilmiah membutuhkan lebih dari satu sumbu
dalam untuk merepresentasikan sesuatu. Dengan library ini, akan membantu kamu untuk
membangun beberapa plot sekaligus. Kamu bahkan bisa menggunakan library ini untuk
memanipulasi karakteristik angka yang berbeda sekalipun.

Feature Matplotlib ini adalah bisa membuat angka-angka yang sangat bagus untuk publikasi.
Angka yang kamu buat dengan Matplotlib tersedia dalam format cetak hardcopy dalam
berbagai interactive platforms. Selain itu, kamu juga bisa menggunakan library ini dengan
berbagai macam toolkits seperti Python Scripts, IPython Shells, Jupyter Notebook, dan banyak
lainnya. Keunggulan Matplotlib adalah kamu bisa melacak bugs apapun, patches baru, dan
request feature dengan menggunakan halaman issue tracker dari Github. Itu adalah halaman
resmi untuk mendukung Matplotlib.

Jika kamu menggunakan Matplotlib, kamu pun akan memiliki komunitas developers yang aktif
yang didedikasikan untuk membantu menjawab pertanyaan kamu. Kontribusi pada developers
ini sangat terpuji.

C. Numpy

Package ini cukup populer di kalangan array - processing. Numpy memberikan dukungan untuk
array objects yang berbeda dimensi, dan juga matriks. Tapi Numpy ini tidak hanya terbatas
untuk array, Numpy juga memiliki banyak tools untuk mengelolanya. Penggunaannya cepat,
efisien dan sangat bagus untuk mengelolamatriks dan arrays.

07
Numpy arrays menawarkan implementasi matematika terkini dalam sejumlah data yang cukup
besar. Dengan Numpy, pengerjaan data tersebut akan lebih mudah dan tanpa repot. Package
Python ini menyediakan tools yang sangat berguna untuk integrasi. Kamu bisa dengan mudah
mengintegrasikan Numpy dengan bahasa pemrograman seperti C, C++, dan kode Fortran.
Numpy juga memberikan fungsi yang serupa dengan MATLAB.
D. OpenCV Python

Mencari package Python untuk melakukan proses gambar? OpenCV atau Open Source
Computer Vision adalah jawabannya. Package ini akan memonitor keseluruhan fungsi yang
berfokus pada instan computer vision. Meskipun begitu, OpenCV tidak memiliki dokumentasi
yang baik. Package ini adalah salah satu library tersulit untuk dipelajari. Namun OpenCV
memberikan banyak fungsi bawaan yang dapat memudahkan kamu belajar computer vision.

OpenCV adalah package yang ideal untuk pekerjaan image processing, yang akan memudahkan
kamu membaca dan menulis gambar secara bersamaan. Dengan computer vision, kamu bisa
membangun kembali, menginterupsi, dan memahami 3Denvironment dari sebuah gambar yang
memiliki environment secara 2D.

Package ini pun bisa membuat kamu menemukan sebuah objek dalam video atau gambar
apapun. Objek tersebut bisa wajah, mata, pohon, dan banyak lainnya. Kamu pun bisa
menyimpan dan menangkap sebuah bagian dari video dan menganalisanya. OpenCV bisa
digunakan di banyak operating system seperti Windows, OS-X, Open BSD, dan lainnya.
E. Request

Requests adalah sebuah HTTP library yang sangat kaya untuk Python. Library ini menfokuskan
diri untuk membuat HTTP lebih responsive dan user-friendly. Library ini bisa banget kamu
gunakan sebagai pemula karena Requests memberikan metode yang paling umum dari HTTP.
Kamu bisa melakukan customize, inspect, authorize, dan configures HTTP dengan sangat mudah
menggunakan library ini.

08
Requests menggunakan Python dictionaries standar, sehingga kamu bisa menambahkan
parameter, headers, multi-part files, dan form data. Dengan Requests,kamu bisa dengan mudah
mengunggap beberapa file secara bersamaan. Itu akan memudahkan pekerjaan kamu menjadi
lebih cepat dan efisien. Library ini juga memiliki feature automatic decompression lho. feature
itu membuat kamu bisa melakukan restore dan revive data yang telah terkompresi kembali
menjadi data aslinya.
F. Keras
Bagi kamu yang ingin mempelajari secara mendalam mengenai neural networks, kamu bisa
menggunakan Keras. Keras adalah sebuah neural network library yang mendalam dan open-
source. Itu ditulis dalam bahasa pemrograman Python. Keras memberikan kebijakan inspeksi
yang efektif dan mendetail. Para developers yang menggunakan Keras, sangat terkesan dengan
strukturnya yang sangat user-friendly.

Keras dapat berfungsi pada Microsoft Cognitive Toolkit, PaidML, TensorFlow, dan
platform lainnya. Library ini memiliki banyak feature yang mengimplementasikan

neural network, seperti functions, layers, optimizers, objectives, dan banyak lainnya. Keras juga
memiliki feature lainnya untuk pengerjaan dengan gambar dan teks yang berbeda. Dengan
Keras, kamu bisa membangun model yang mendalam untuk sebuah smartphones baik Android
maupu iOS atau bahkan Java Virtual Machine.
G. TensorFlow

TensorFlow adalah sebuah library Python untuk machine learning yang gratis dan open-source.
Library ini sangat mudah dipelajari dan memiliki berbagai koleksi tools yang sangat bermanfaat.
Library ini memiliki solusi terhadap semua masalah umum yang biasa terjadi pada machine
learning. Kamu bisa mengimplementasikannya dengan mudah. Meskipun ini adalah library
untuk machine learning, namun penggunaannya tidak terbatas itu saja. Kamu juga bisa
menggunakannya untuk dataflow dan program yang differentiable.

Feature library ini memberikan kemudahan untuk kamu membuat, memanipulasi model
machine learning, dan membuat proses debugging menjadi lebih mudah. Dengan library ini,
kamu bisa memindahkan model ML di clouds ke perangkat dan browser manapun. Untuk
mendapatkan TensorFlow, kamu bukup menginstal Colab Notebook pada browser yang kamu
gunakan.

09
H. Theano

Theano adalah sebuah library Python dan compiler untuk program komputer. Theano ini bisa
juga disebut sebuah pengoptimalan compiler atau optimizing compiler. Library ini bisa
menganalisis, menggambarkan, mengoptimasi dan mempengaruhi mathematical declaration
yang berbeda sekaligus. Theano membuat penggunaan multi-dimensional arrays yang paling
baik.

Theano memiliki feature yang hampir serupa dengan Numpy. Makanya, numpy.ndarrays juga
tersedia di dalam Theano. Dengan library ini, kamu bisa menghindari bugs kotor saat bekerja
dengan expression. Selain itu, Theano membuat perhitungan komputer 140 kali lebih cepat
serta memberikan banyak tools yang bisa berguna untuk mendeteksi dan menganalisis bugs
yang berbahaya.

I. NTLK

NLTK merupakan kepanjangan dari Natural Language Toolkit. Ini adalah salah satu library
Python yang paling populer. NLTK merupakan sebuah set library yang melakukan proses bahasa
dan program lainnya yang menyediakan proses numerical dan symbolic language dalam bahasa
Inggris. Library ini ditulis dalam bahasa pemrograman Python. NLTK membuat natural language
processing menggunakan Python menjadi lebih terstandar dan ideal.

Pemrosesan teks pada NLTK mencakup classification, tagging, tokenization, stemming, parsing,
dan semantic reasoning. NLTK juga mengandung ilustrasi grafik dari data science. Library ini
juga memiliki feature untuk tipe struktur, structure strings parsing, features different pathways
dan re-entrance.

J. Fire

Fire adalah sebuah library Python yang open-source. Library ini bisa secara otomatis mengubah
CLIs atau command-line interfaces dengan hanya beberapa kode saja, tanpa perlu kode yang
panjang. Dengan Fire, kamu bisa memperoleh CLIs dari objek Python manapun. Library ini
digunakan Google untuk membuat command line dan eksperimen management tools yang
berbeda.

10
 Fire bisa menemukan objek Python dalam bentuk modules, objek, classes, lists, dicts, dan
lainnya. Ini adalah library yang sederhana yang memungkinkan kamu menulis dan mengirimkan
perintah secara cepat dengan satu panggilan Fire. CLIs yang tergenerate dengan Fire, bisa
beradatpasi dengan perubahan yang kamu berikan pada sebuah kode. Mereka akan melakukan
update secara otomatis ketika kamu mengubah kode.

Itulah 10 package dan library yang bisa menjadi referensimu untuk menggunakan bahasa
pemrograman Python. Package dan library pada Python memiliki peran yang cukup penting
pada perjalanan karir seorang developer. Apakah untuk data science atau machine learning
atau bahkan aspek lainnya dari dunia pemrograman. Package dan library inilah yang akan
membantu kamu. Tentu saja, ini hanyalah sebagian kecil contoh library dan package dari
ratusan ribu yang tersedia. Selain 10 package dan library yang telah disebutkan, masih banyak
lainnya yang bisa kamu gunakan. Kamu bisa menemukan semua library dan package tersebut di
dalam PyPI.

R Package dan Manfaatnya

Apakah kamu sudah siap melakukan data analisis menggunakan bahasa pemrograman R?
Sampai saat ini kamu telah mempelajari fungsi yang tersedia dari instalasi dasar R. Tapi,
kekuatan sebenarnya R adalah bahwa semua orang bisa menuliskan fungsi mereka masing-
masing dan membaginya dengan pengguna R lainnya.

Banyak orang yang telah menulis dan mempublikasikan fungsi yang mudah digunakandan metode
baru. Mempelajari R dari awal mungkinmenyulitkanmu. Mengerjakanrangkaian algoritma panjang
dari awal merupakan pekerjaan yang melelahkan.

11
 Namun jangan khawatir. R adalah bahasa pemrograman yang cukup banyak digunakan untuk
melakukan analisis statistik dan computing. Hal ini dikarenakan R menyediakan banyak fitur
yang open source, cepat, dengan visualisasi yang interaktif, dan banyak kelebihan lainnya.

Penulis R programmer itu menyediakan R package untuk mempermudah pekerjaan. Dengan

adanya R package, kamu bisa mengembangkan model yang mudah danefisien.

Mencari dan Menginstal Package

Beberapa webstite yang disebut repositories, menawarkan berbagai koleksi R
package. Salah satu repository adalah The Comprehensive R Archive Network atau
CRAN. CRAN terdiri dari berbagai koleksi package dan manual penggunaannya. Sangat
memudahkan, bukan? Silakan eksplorasi CRAN ya!

Untuk instal sebuah package cukup mudah. Cukup menjalankan fungsi

install.packages("packagenamehere") di RStudio. Masukkan nama package yang ingin
diterapkan. Rangkaian algoritma yang mudah dan efisien pun tersedia tanpa kamu perlu
merancangnya dari awal sesuai dengan kegunaannya masing-masing.

Perlu kamu ketahui, R mungkin akan meminta kamu untuk menentukan CRAN mirror. Karena
setiap orang di seluruh dunia memiliki akses terhadap server ini, CRAN akan melakukan mirror
terhadap lebih dari 80 server yang telah terdaftar. Kamu bisa memilih server yang paling dekat
dengan lokasimu. Dalam RStudio, kamu bisa mengatur mirror dengan klik Tools --> Options.

Apa saja jenis package yang tersedia? Saat ini, ada sekitar 17.000 R package yang tersedia di
CRAN atau The Comprehensive R Archive Network. Namun kali ini akan membahas beberapa R
package yang umum digunakan untuk data science bagipemula.

A. Dplyr

Package yang dirancang oleh Hadley Wickham ini adalah salah satu R package yang sering
digunakan dalam hal data science dan machine learning. Ini digunakan untuk menyelesaikan
manipulasi data. Package ini berisikan berbagai fungsi untuk data manipulation sehingga dapat
membantu kamu dalam menyelesaikan manipulasi data yang sulit sekalipun.

12
Data yang kita terima biasanya tidak bisa langsung dibuat visualisasi dan analisisnya. Data
tersebut perlu diolah dengan filtering, aggregation, dan summarization. Meskipun R dasar
sudah bisa mengoperasikan hal itu, namun kode dplyr lebih sederhana dan mudah dimengerti.
Selain itu, keuntungan utama penggunaan dplyr adalah kemampuannya untuk
menyambungkan logic.
B. ggplot2

Package selanjutnya yang cukup populer dan sering digunakan untuk visualisasi data dan
analisis data adalah ggplot2. Data visualisasi adalah kesimpulan berbentuk visualdari data kita,
seperti grafik atau chart. Hal ini adalah langkah penting karena visualisasi seringkali
memperlihatkan trend dan insight yang tersembunyi dari data. Selain itu, visualisasi yang efektif
juga memudahkan baik orang teknik maupun non- teknik mengerti informasi dengan jelas.
Ggplot2 mengutamakan komunikasi visual yang efektif. Dengan package ini kamu bisa
membuat data visualisasi yang interaktif. Keunggulan package ini adalah memiliki plot range
yang luas seperti scatterplot, bubbleplots, dan banyak lainnya.

C. KernLab

Dikenal juga Kernel-Based machine learning Lab, package ini biasa digunakan untuk regresi,
mengklasifikasi, pengurangan dimensi, deteksi anomali dan pengelompokkan data. Package ini
umumnya digunakan untuk SVM. Ini memiliki kernel function dengan range yang luas. Misalnya,
untuk fungsi polynomial kernel, kita bisa menggunakan polydot(). Kemudian untuk fungsi
hyperbolic tangent kernel, gunakan tanhdot().

D. DataExplorer

Mencari R package yang mudah digunakan untuk data science dan machine learning? Tidak
yakin bagaimana memulai mengerjakan sebuah data set? Jika kamu menginginkan penanganan
data yang basic tanpa menjalankan fungsi yang rumit,DataExplorer adalah jawabannya.

DataExplorer menawarkan kemudahan menampilkan dan memvisualisasikan data set dengan

hanya satu kali klik. Package ini fokus pada 3 tujuan yaitu Exploratory Data Analysis (EDA),
feature engineering, dan data reporting. Package ini mengautomasi eksplorasi data analisis
untuk tugas analitik dan modeling dengan menvisualisasikan setiap feature dalam data set.

13
F. Caret

Package lainnya yang ditujukan untuk data science dan machine learning adalah caret. Caret
adalah singkatan dari Classification and Regression Training. Tools untuk machine learning
sebelumnya tersebar di package yang berbeda-beda dan tidak selalu kompatibel. Caret ini
menyediakan hampir semua rangkaian yang dibutuhkan untuk machine learning. Caret berisi
sebuat set fungsi yang digunakan untuk membuat predictive models. Tidak hanya itu, fungsi
lainnya adalah feature selection, data splitting, data pre-processing, model tuning, dan masih
banyak lainnya.

G. randomForest
R package yang paling populer untuk machine learning adalah Random Forest. Package ini bisa
digunakan baik untuk analisis klasifikasi maupun regresi. Package ini menggunakan algoritma
Breiman's Random Forest untuk membuat sebuah decision trees.

H. Shiny

Shiny adalah R package yang digunakan untuk membangun aplikasi web yang interaktif untuk
data science. Dengan package ini, kita bisa membuat aplikasi website berbasis R tanpa susah
payah. Fitur package ini adalah membuat sebuah aplikasi tanpa bantuan web tools,
menyediakan live visualization, render function, dan lainnya.

I. officeR

Package ini sangat cocok untuk melakukan import dan mengedit dokumen MicrosoftWord dan
PowerPoint. Package officeR akan mempermudah pekerjaan menambahkan analisis R-
generated dan visualisasi kepada laporan atau presentasi yang sudah ada maupun yang baru
dibuat. Kegunaan package ini lebih kepada data display.

J. Plotly

Mencari package yang bisa diggunakan untuk visualisasi data? Plotly adalah jawabannya. Plotly
adalah sebuah graphing library yang membuat grafik secara interaktif. Library ini mulai dibuka
untuk umum pada akhir tahun 2015. Package ini menyediakan user interface yang mudah
digunakan untuk menghasilkan grafik 3D yang interaktif. Plotly juga menawarkan grafik dasar
yang memiliki perbedaan tampilan yang mungkin tidak bisa diterapkan semua orang, tapi
package ini memiliki feature yang lengkap, yang mudah dipelajari, dan termasuk di dalamnya
fungsi ggplotly() yang membuat grafik yang telah dibuat pada package ggplot2 menjadi lebih
interaktif.

14
K. Janitor

Bingung terhadap data yang berantakan? Tenang, janitor adalah package yang tepat untuk
memudahkan kamu membersihkan data. Dengan package ini, kamu bisa menemukan duplikasi
dari beberapa kolom, membuat nama kolom yang R-friendly, serta menghapus kolom yang
kosong. Janitor juga memiliki tabulating tools yang apik, seperti menambahkan baris total,
kemudian menghasilkan tabel dengan persentase dan crosstabs. Satu lagi yang membuat
package ini menarik, fungsi get_dupes()adalah cara yang luar biasa untuk mencari baris yang
terduplikasi daridata, baik dalam satu kolom, beberapa kolom, atau bahkan keseluruhan baris.

L. Knitr

Knitr adalah package untuk mengautomasi report generation. Biasanya, kamu akan menulis
laporan statistika dengan menyalin hasil analisismu kepada sebuah word processor dan
mengetik tambahan informasinya disitu. Proses ini rawan terjadi error karena dilakukan secara
manual dan programmer harus melakukan penulisan dan analisis sekaligus secara bersamaan.
Knitr melakukan generate laporan dari kode R dengan mengkombinasikan kode-kode dengan
deskripsinya. Dengan begitu, jika terdapat perubahan akan berpengaruh juga pada
corresponding section di dalam laporan itu. Package ini sangat berguna untuk peneliti ataupun
orang yang butuh men-generate data analisis.

M. Tidyverse

Package ini adalah salah satu R package yang berfungsi mengolah import dan export data,
membuat visualisasi data dan pemodelan data. Biasanya seorang data scientist diwajibkan
menguasai penggunaan package ini karena akan sangat membantu dalam mengolah data.
Data scientist pasti akan dihadapkan dengan berbagai jenis data dan dengan tidyverse, maka
kamu memiliki fungsi yang sangat berguna bagi pekerjaanmu.

N. Readr and tidyr

Dua package ini termasuk dalam tidyverse. Data merupakan komponen yang paling penting
dalam melakukan analisis. Package readr memiliki fungsi untuk membaca file dalam berbagai
format misal csv, excel, text file, dan masih banyak lainnya. Sedangkan package tidyr digunakan
untuk merapikan data seperti handling missing value yang berfungsi menangani data yang
hilang atau tidak lengkap. Dua package ini akan sangat membantu dalam melakukan analisis
data.

15
O. Tidyxl

Jika kamu pernah merasakan frustrasi terhadap file excel yang memiliki merged cells,data yang
berada di kolom headers, data yang tercampur, dan masalah lainnya, tidyxl ini adalah solusinya.
Ini adalah package yang tepat untuk melakukan data import dan menyelesaikan data wrangling.
Setiap sel bisa di-import per baris, dengan informasi tipe data, posisi, dan warna. Package ini
adalah penyelamat dan penyingkat waktu bagi data yang berantakan.

P. Purr

Package lainnya yang biasanya digunakan dalam hal data wrangling adakah purrr. Fungsi yang
ada di purrr sangat mudah diaplikasikan serta memberikan hasil sesuai format yang kamu pilih.
Package ini lebih rumit untuk dipelajari daripada package plyr, namun akan lebih kokoh
algoritmanya. Ditambah lagi, fungsinya lebih terstandarisasi daripada basic R.

Itulah 15 package yang biasa digunakan untuk kamu yang baru mempelajari R ini. Karena
banyaknya kebutuhan, setelah beberapa waktu, kamu mungkin akan memiliki banyak koleksi
package. Jika R memuat semuanya dalam setiap awal sesi, itu akan menghabiskan memori
komputer dan waktu. Maka sebelum kamu menggunakan package, kamu harus
memasukkannya ke dalam R dengan fungsi library. Sebuah tips bahwa di library, kamu tidak
perlu menggunakan tanda kurung buka dan kurung tutup untuk memanggil
nama package. Misalnya, >library(dplyr). Library memuat daftar package yang sudah kita
instal. Jangan pernah salah membedakan sebuah package dan library. Itu adalahdosa besar
di dalam dunia komunitas R.

Kalau kamu sudah tidak ingin menggunakan sebuah package, kamu bisa melakukan hal ini.
Gunakan fungsi detach() jika kamu sudah selesai menggunakan sebuah package tertentu.
Tapi kamu harus menyebutkannya secara spesifik, misalnya >detach(package:dplyr).

Banyak orang yang berkontribusi dalam bahasa pemrograman R. Sebagai sebuah komunitas
dengan sumber yg terbuka untuk umum, ada orang-orang yang memiliki keahlian dalam hal
coding dan antusiasme yang tinggi. R sendiri, diuji secara menyeluruh dan package yang
tersedia di CRAN telah diperiksa keamanan dan kegunaannya. Artinya, kamu dapat mengunduh
dan menggunakannya dengan aman dan tenang tanpa takut merusak instalasi R atau bahkan
komputer kamu.

16
Namun, bukan berarti semua package selalu berjalan sesuai dengan deskripsi yang
dijelaskannya. Bagaimanapun, seorang programmer juga manusia yang mungkin melakukan
kesalahan. Sebelum kamu menggunakan package yang baru, kamu bisa mengetesnya dengan
contoh terlebih dulu yang sesuai dengan hasil yang ingin kamu dapatkan.
Fakta bahwa banyak orang yang menggunakan R adalah sebuah keuntungan tersendiri. Jika
kamu sudah mencobanya dan menemukan kesalahan, kamu bisadengan mudah menghubungi
penulis package melalui email. Banyak pengguna package melaporkan bugs dan error setiap
waktu, maka penulis package dapat terus menerus melakukan update dan meningkatkan
package mereka. Tapi secara garis besar, kualitas package setidaknya sama baiknya atau lebih
baik daripada kualitas yang ada di aplikasi berbayar. Lagipula, jika kamu mau, sumber kode dari
setiap package bisa dikoreksi oleh siapapun.

Mempelajari dan menerapkan bahasa pemrograman memang tidak mudah. Untuk menjadi
seorang programmer yang handal, perlu melakukan berbagai percobaan, trial and error terus
menerus. Hingga suatu hari menemukan ritme dan cara kerja yang terbaik bagi masing-masing
individu. Dengan adanya 15 pilihan package tadi, semoga dapat membantu kamu untuk
menemukan berbagai cara menyelesaikan masalah yang kamu temukan. Dengan adanya
package ini, kamu tidak perlu merancang algoritma dari nol, melainkan tinggal menerapkan
package yang diinginkan. Selain itu juga, jika kamu telah berkembang menjadi programmer
yang mampu menemukan cara efisien lain untuk menyelesaikan sebuah masalah, kamu pun
bisa membuat package-mu sendiri.

04
17