Pengenalan RStudio

Sabtu, 1 Oktober 2022

Outline

Pengantar dan Installing

Dasar Pemrograman

Import dan Export Data

Pengantar dan Installing
 R

R adalah sebuah program komputasi statistika dan grafis (R Core Team 2020). Saat ini R sudah dikenal
luas sebagai salah satu powerful software untuk analisis data dan data science. Tentu saja selain R masih
banyak software lain yang juga sering digunakan untuk analisis data, misalnya Python. R dibuat dengan
tujuan awal untuk komputasi statistika dan grafis. Awalnya digunakan oleh para ilmuwan dalam riset
mereka dan para akademisi. Namun seiring perkembangan teknologi, cakupan kemampuan R sebagai
bahasa pemrograman menjadi jauh lebih luas. Anda dapat membuat dan update report rutin menggunakan
R Markdown. Anda juga dapat membuat aplikasi web interaktif atau dashboard dengan package shiny.
Karena R didesain untuk analisis data dan perkembangan serta kemampuannya mencakup hampir semua
lini dalam analisis data, tidak heran saat ini banyak analis data dan ilmuwan data (data scientist)
menggunakan R untuk menyelesaikan berbagai masalah mereka. Berikut ini beberapa kemampuan R.
Kelebihan R :
Gratis dan Open Source
Merujuk kepada opensource.com, istilah open source merujuk kepada sesuatu yang bisa dimodifikasi dan
dibagikan. Open Source Software (OSS) sendiri berarti software yang source code-nya dapat diperiksa, dimodifikasi,
ditambahkan dan dibagikan oleh siapapun.

Tersedia banyak package

Karena R adalah open source software, hampir semua package yang ada pun dapat digunakan secara bebas. Package
adalah kumpulan suatu script yang umumnya berupa function (Bab 2.10) atau data yang dapat digunakan untuk
kebutuhan tertentu.

Dibuat oleh statistisi untuk statistisi, data analyst/data scientist

R adalah sebuah program yang awalnya dibuat untuk kebutuhan statistisi. Oleh karena itu banyak fungsi-fungsi dasar
untuk statistika maupun eksplorasi data dan grafis sederhana sudah terdapat di R meskipun tanpa install package
tambahan. Namun saat ini R sudah menjadi salah satu software yang digunakan dalam data science karena banyaknya
package yang dapat mendukung.

Mudah dalam melakukan transformasi dan pemrosesan data

Karena R adalah program untuk analisis data, maka kemampuan R dalam transformasi data seperti penyiapan data,
import dan export data dalam berbagai format, dan lain-lain.
Kelebihan R :
Mampu menghasilkan grafik yang sangat bagus
Salah satu keunggulan yang dimiliki oleh R adalah kemampuannya untuk menghasilkan grafik yang sangat bagus.
Salah satu yang diunggulkan adalah package {ggplot2}. Tentu saja masih banyak package untuk visualisasi selain
{ggplot2}

Membuat Reproducible report
Ketika Anda mempunyai pekerjaan untuk membuat laporan secara rutin, maka Anda dapat menggunakan R sebagai
robot Anda. Dengan package {rmarkdown} Anda dapat membuat laporan rutin dengan hanya satu baris perintah.

Dapat membuat aplikasi interaktif/dashboard berbasis web

Package {shiny} (dan semua pengembangannya) dan {flexdashboard} dapat Anda gunakan untuk membuat
visualisasi interaktif ataupun sebagai sebuah produk dari data science.

Membuat REST API

Setelah Anda membuat fungsi atau model prediktif dan ingin digunakan secara lebih luas, Anda dapat membuatnya
sebagai API menggunakan package {plumber}.
Kelebihan R :

- Bisa digunakan untuk banyak hal seperti proses cleansing dan manipulasi data, analisis
data dan pembuatan model, analisis spasial, data visualisasi, analisis teks dengan
Natural Language Processing, dll.

- Populer dan digunakan oleh perusahaan besar seperti Facebook.

- Script yang ada bisa disimpan sehingga bisa digunakan jika ada kasus yang sama.

- Adanya komunitas R di Indonesia, sehingga dapat membantu proses belajar bahasa R

menjadi lebih mudah

- Dapat terintegrasi dengan bahasa pemrograman lainnya, seperti SQL.

Kekurangan R:

- Sulit untuk dipelajari

- Setiap menjalankan perintah harus menggunakan script

- Terlalu banyak command

- Data dalam R disimpan di memori fisik

- Eksekusi coding di R terbilang cukup lama, apalagi data yang kamu miliki adalah data
yang berukuran besar

- Terlalu kompleks bagi pemula

Download dan Install R

https://cran.r-project.org
 RStudio

RStudio adalah Integrated Development Environment (IDE) untuk R yang banyak digunakan hingga saat
ini. Dapat dikatakan bahwa hampir semua pengguna R yang sudah mengetahui RStudio akan lebih
memilih menggunakan R melalui RStudio dibandingkan dengan menggunakan R GUI.
Sangat disarankan untuk menggunakan RStudio versi terbaru, termasuk juga dengan R. R dan RStudio
adalah dua program yang berbeda. Tidak harus install RStudio untuk dapat menggunakan program R
(melalui R GUI). Tapi diwajibkan untuk install R terlebih dahulu sebelum install dan menggunakan
RStudio karena RStudio membutuhkan program R yang sudah terinstall di PC atau server. Perumpamaan
R ini seperti kerangka mobil dan mesinnya, sedangkan RStudio seperti kerangka luar mobil dan
interiornya. Anda tidak akan dapat menggunakan mobil tersebut jika Anda hanya mempunyai kerangka
luar dan dashboardnya (RStudio) saja.
Download dan Install RStudio

https://www.rstudio.com/products/rstudio/download/
Membuat Project

Hal yang sebaiknya dilakukan ketika menggunakan RStudio

adalah membuat sebuah Project untuk setiap pekerjaan yang
berbeda. Jika suatu pekerjaan tidak terdapat data
yang confidential, dapat menggunakan GitHub repository
sebagai backup atau berbagi yang dikerjakan. Membuat sebuah
project baru di RStudio dengan cara:
 Pilih New Project… dari 3 menu yang
tersedia, a) dari menu File, b) dari toolbar,
atau c) dari menu di pojok kanan atas.
 pilihan jenis project yang akan dibuat.
New Directory: jika belum mempunyai folder
yang akan jadikan sebagai working
directory untuk project tersebut.
Existing Directory: Jika folder sudah ada
sebelumnya.
Version Control: Jika akan membuat project
berdasarkan repository yang sudah ada,
misalnya di GiHub atau SVN. Karena kita
akan membuat project baru dan belum ada
folder yang sudah kita siapkan, maka kita
akan pilih New Directory.
 Pilih Project Type sesuai dengan project
yang akan dibuat. Misalnya kita buat
sebuah project kosong, pilih New Project.
 Tuliskan nama project yang juga akan
menjadi nama folder baru sebagai
subfolder di dalam folder “Create project
as subdirectory of:”
 Klik Create Project
Membuat Script

Seperti halnya pada R GUI, kita juga dapat menuliskan langsung

perintah atau script pada jendela console di RStudio. Namun
biasakan menuliskan semua script di bagian script editor. Untuk
membuat script editor baru di RStudio, dapat klik menu File >>
New File >> R Script. Cara yang kedua adalah dengan toolbar New
File. Juga dapat menggunakan shortcut RStudio dengan menekan
tombol Ctrl + Shift + N jika menggunakan OS Windows.
Script Kosong
Menjalankan Script Pada Script Editor

Setelah berhasil menyiapkan file script editor baru yang masih

kosong kita dapat menuliskan semua yang akan Anda lakukan
dengan R. Mencoba “Semangat pagi” di RStudio.
Di R cukup menuliskan ”Semangat
pagi" di script editor, kemudian Run atau
tekan
tombol Ctrl + Enter ketika cursor berada
pada baris script tersebut.

Selanjutnya untuk menyimpan script

tersebut menjadi sebuah file, dapat
lakukan dengan a) klik lambang simpan,
b) pilih menu File >> Save atau Save
As... Atau c) menggunakan shortcut
dengan menekan tombol Ctrl + S.

Kemudian tentukan lokasi folder tempat

menyimpan file script tersebut.
Selanjutnya berikan nama file pada
kotak File name:
Menutup RStudio

Setelah selesai menggunakan RStudio kitadapat menutupnya seperti

menutup software lainnya. Namun yang perlu di perhatikan adalah
ketika muncul konfirmasi “Save workspace…”. Sangat disarankan
untuk tidak menyimpan workspace ketika menutup Rstudio, karena
ketika membuka kembali RStudio maka akan memuat (loading)
kembali semua yang disimpan dari pekerjaan sebelumnya. Hal ini akan
sangat berpengaruh ketika ukuran image dari pekerjaan yang disimpan
tersebut relatif besar.
Dasar Pemrograman
 Hal yang paling sederhana yang dapat dilakukan R adalah sebagai kalkulator. Coba ketikan perintah di bawah ini
pada console RStudio dan tekan tombol Enter setelah selesai.
2+4
## [1] 6

 Akan muncul hasil [1] 6. Hasil [1] menunjukkan bahwa yang ditampilkan adalah dari elemen pertama.
 Tanda > adalah prompt yang menunjukkan bahwa R sedang dalam posisi siap menerima perintah baru. Jika perintah
belum lengkap maka akan berganti menjadi tanda +. Artinya ada perintah atau bagian script yang belum selesai.
>2+
+
 Perhatikan setelah ditekan tombol Enter maka kursor di R yang sebelumnya > berganti + yang menandakan bahwa
perintah belum lengkap. Maka jika kita kembali menuliskan bilangan lain, misalkan 4 dan tekan tombol Enter maka
prompt di R akan kembali menjadi > setelah menuliskan hasilnya karena perintah sudah lengkap dan selesai.
>2+
+4
## [1] 6
 R adalah bahasa pemrograman yang case-sensitive. Artinya perbedaan huruf kapital dan huruf kecil sangat
berpengaruh. Karena itu, penulisan nama objek atau nilai berupa karakter sangat tergantung dari kapitalisasinya.
Perhatikan perbedaan dari kedua contoh berikut ini.
a <- 3
a
## [1] 3
A
## Error: object 'A' not found

 Misalnya membuat sebuah objek bernama a dengan nilai sebuah konstanta. Ketika ingin mengambil nilai dari objek
tersebut maka hanya bisa memanggil dengan nama yang sama persis. Kita tidak bisa memanggil objek tersebut
dengan nama lain meskipun ketika mengucapkan dengan suara pengucapan yang sama. Kita tidak bisa memanggil
objek a tersebut dengan A.
 Ketika objek yang dipanggil belum ada di session atau workingspace R saat ini maka akan muncuk error seperti
contoh di atas.
Assignment

Bahasa pemrograman R mempunyai sedikit perbedaan dengan bahasa pemrograman

pada umumnya. Salah satunya adalah pada operator assignment. Hampir semua
bahasa pemrograman lain menggunakan tanda = sebagai operator assignment. Di R,
yang utama dan paling banyak digunakan oleh pengguna R adalah operator panah
kiri
(<-). obj <- expr berarti “masukkan nilai hasil dari operasi di sisi kanan (expr) ke
dalam objek di sisi kiri (obj)”.
Pada contoh berikut, kita ingin memasukkan nilai numerik 5 ke objek yang disebut x.
x <- 5
x
## [1] 5

Apakah tidak bisa menggunakan operator = sebagai operator assignment? Tentu saja juga bisa menggunakannya.

x=5

Hal ini sangat membantu jika Anda seorang programmer yang menggunakan bahasa pemrograman lain yang
menggunakan operator = sebagai operator assignment. Jadi, tidak perlu bingung dengan “Kapan saya harus
menggunakan<- atau =?”. Tapi biasakan menggunakan <- saat membuat program menggunakan R. Jika menggunakan
RStudio, dapat menuliskan operator <- dengan menekan tombol ALT + -. Jika ingin mengetahui nilai suatu objek cukup
panggil objek tersebut atau gunakan fungsi print().
x
## [1] 5
# or
print(x)
## [1] 5
Vector

Vector adalah objek data paling sederhana yang ada di dalam R. Secara umum jenis
vector terbagi 2, yaitu numeric dan character. Ada banyak sekali cara untuk
membuat sebuah vector di R.
Fungsi c()

Fungsi yang paling sering digunakan untuk membuat sebuah vector adalah dengan menggunakan fungsi c().
x <- c(2, 1, 5, 3, 1)
x
## [1] 2 1 5 3 1

Pada script di atas, dibuat sebuah objek x berupa vector numeric. Setiap elemen dipisah menggunakan tanda
koma (,). Fungsi ini dapat digunakan untuk membuat vector numeric atau character. Indeks di R dimulai dari 1,
tidak seperti kebanyakan bahasa pemrograman lain yang indeksnya dimulai dari 0. Hal ini cukup memudahkan
pengguna karena umumnya manusia menghitung mulai dari 1, bukan dari 0.

ketika Anda ingin mengambil elemen ke 2 dari vector x, maka Anda dapat menjalankan perintah
x[2]
## [1] 1
 Tanda titik dua/colon ( : )

Untuk membuat sebuah vector numeric berurutan secara meningkat atau menurun. Lihat contoh berikut ini.
x <- 1:10 # 1 sampai 10
x
## [1] 1 2 3 4 5 6 7 8 9 10

Fungsi dari operator : pada contoh di atas adalah membuat vector numeric dengan nilai dari 1 s/d 10. Tentu saja
operator increment ini hanya dapat digunakan untuk numeric dan meningkat sebesar 1 nilai. Operator ini dapat
juga digunakan untuk membuat vector dengan nilai menurun.
# membuat vector numeric dengan nilai dari 10 s/d -10 secara menurun 1
x <- 10:-10 # 10 sampai -10
x
## [1] 10 9 8 7 6 5 4 3 2 1 0 -1 -2 -3 -4 -5 -6 -7 -8 ## [20] -9 -10
 Fungsi seq()

Fungsi ini dapat digunakan untuk membuat vector berurutan dan dengan increment tertentu.
x <- seq(from = 1, to = 10) # 1 sampai 10 dengan increment 1 (default by = 1)
x
## [1] 1 2 3 4 5 6 7 8 9 10

Secara default increment dari fungsi seq() adalah by = 1. Jika Anda ingin nilai increment lain maka hanya perlu
mengganti nilai pada argumen by. Fungsi ini juga hanya dapat digunakan untuk membuat vector numeric.
x <- seq(from = 1, to = 20, by = 2) # 1 sampai 20 dengan increment 2
x
## [1] 1 3 5 7 9 11 13 15 17 19

x <- seq(from = 1, to = 10, length.out = 7) # 1 sampai 10, sebanyak 7 elemen, increment mengikuti
x
## [1] 1.0 2.5 4.0 5.5 7.0 8.5 10.0

x <- seq(from = 1, to = 10, along.with = 1:4) # 1 sampai 10, sebanyak elemen dari vector lain
x
## [1] 1 4 7 10
 Fungsi rep()

Dengan fungsi rep() dapat membuat sebuah vector dengan mengulang-ulang nilai yang diinginkan sebanyak
yang dibutuhkan.
# Membuat sebuah vector numeric yang semua elemennya bernilai 3 sebanyak 10 elemen
x <- rep(3, 10)
x
## [1] 3 3 3 3 3 3 3 3 3 3
 Vector Character

Vector character adalah vector yang semua elemennya bertipe character.

y <- c("a", "A", "d", "c")
y
## [1] "a" "A" "d" "c”

Jika ketika membuat sebuah vector bernilai numeric namun ada satu saja elemennya bertipe character maka
semua elemennya akan bertipe character.
c(1, 2, 3, 5, "a")
## [1] "1" "2" "3" "5" "a”

Di R ada 2 buah vector khusus yang bertipe character, yaitu letters dan LETTERS.

letters
## [1] "a" "b" "c" "d" "e" "f" "g" "h" "i" "j" "k" "l" "m" "n" "o" "p" "q" "r" "s" ## [20] "t" "u" "v" "w" "x" "y"
"z”

LETTERS
## [1] "A" "B" "C" "D" "E" "F" "G" "H" "I" "J" "K" "L" "M" "N" "O" "P" "Q" "R" "S" ## [20] "T" "U" "V"
"W" "X" "Y" "Z”
 Vector Character

Dua buah vector atau lebih dapat digabungkan dengan fungsi c(). Namun, jika salah satu vector bertipe
character, maka vector hasil gabungan akan menjadi vector character. Contoh di bawah ini menggabungkan
vector x dan y. Vector x adalah vector numeric, sedangkan y adalah vector character. Karena ada satu atau lebih
elemen yang berupa character, maka ketika x dan ydigabungkan akan menjadi vector character.
c(x, y)
## [1] "3" "3" "3" "3" "3" "3" "3" "3" "3" "3" "a" "A" "d" "c”

Cara lain yang dapat digunakan untuk membuat vector character adalah menggunakan
fungsi paste(), paste0() atau sprintf(). Jalankan dan perhatikan perbedaan dari contoh perintah di bawah ini.
paste("A", 1:5)
## [1] "A 1" "A 2" "A 3" "A 4" "A 5”
paste0("A", 1:5)
## [1] "A1" "A2" "A3" "A4" "A5”
sprintf("A%s", 1:5)
## [1] "A1" "A2" "A3" "A4" "A5"
Matrix

Matriks adalah objek di R yang memiliki 2 dimensi, baris (row) dan kolom
(column), dan tipe nilainya sama. Jika ketika membuat sebuah matriks elemennya
memiliki minimal 1 elemen bertipe character maka seluruh matriks tersebut akan
bertipe character.
Membuat matriks di R menggunakan vector yang dikonversi dimensinya.

x <- mtcars$mpg # sebuah vector

length(x)
## [1] 32

Karena vector x memiliki 32 elemen, maka dimensi matriks yang dapat dibuat adalah 2 angka yang hasil
perkaliannya menghasilkan nilai 32. Salah satunya adalah 8 x 4 = 32.
m <- matrix(data = x, nrow = 8, ncol = 4)
m
## [,1] [,2] [,3] [,4]
## [1,] 21.0 22.8 14.7 19.2
## [2,] 21.0 19.2 32.4 27.3
## [3,] 22.8 17.8 30.4 26.0
## [4,] 21.4 16.4 33.9 30.4
## [5,] 18.7 17.3 21.5 15.8
## [6,] 18.1 15.2 15.5 19.7
## [7,] 14.3 10.4 15.2 15.0
## [8,] 24.4 10.4 13.3 21.4
Argumen byrow = TRUE artinya matriks akan setiap elemen x diisikan ke m memenuhi baris terlebih dahulu.
Jika byrow = FALSE maka setiap elemen x diisikan ke m berdasarkan kolom terlebih dahulu.
matrix(1:10, ncol = 5, nrow = 2, byrow = TRUE)
## [,1] [,2] [,3] [,4] [,5]
## [1,] 1 2 3 4 5
## [2,] 6 7 8 9 10

matrix(1:10, ncol = 5, nrow = 2, byrow = FALSE)

## [,1] [,2] [,3] [,4] [,5]
## [1,] 1 3 5 7 9
## [2,] 2 4 6 8 10

Untuk membuat matriks dengan nilai yang sama seluruhnya, maka dapat dilakukan seperti berikut.
matrix(data = 0, nrow = 5, ncol = 6)
## [,1] [,2] [,3] [,4] [,5] [,6]
## [1,] 0 0 0 0 0 0
## [2,] 0 0 0 0 0 0
## [3,] 0 0 0 0 0 0
## [4,] 0 0 0 0 0 0
## [5,] 0 0 0 0 0 0
Untuk mengakses elemen dari suatu matriks, Anda dapat menggunakan indeks dari baris atau kolomnya.
# Mengambil elemen matriks `m` di baris 4
m[4, ]
## [1] 21.4 16.4 33.9 30.4

# Mengambil elemen matriks `m` di kolom 3

m[, 3]
## [1] 14.7 32.4 30.4 33.9 21.5 15.5 15.2 13.3

# Mengambil elemen matriks `m` di baris 4 dan kolom 3

m[4, 3]
## [1] 33.9

# Mengambil elemen matriks `m` di baris 4 dan 6, dan kolom 3

m[c(4, 6), 3]
## [1] 33.9 15.5
R menyediakan sebuah fungsi yaitu diag() untuk mengakses nilai-nilai pada diagonal utama sebuah matriks.
diag(m)
## [1] 21.0 19.2 30.4 30.4

Kita juga dapat mengganti nilai dari elemen suatu matriks dengan menggunakan operator assignment.
m[4, 3] <- 0
m[4, 3]
## [1] 0

m # perhatikan elemen di baris 4 kolom 3 sudah berubah jadi 0.0

## [,1] [,2] [,3] [,4]
## [1,] 21.0 22.8 14.7 19.2
## [2,] 21.0 19.2 32.4 27.3
## [3,] 22.8 17.8 30.4 26.0
## [4,] 21.4 16.4 0.0 30.4
## [5,] 18.7 17.3 21.5 15.8
## [6,] 18.1 15.2 15.5 19.7
## [7,] 14.3 10.4 15.2 15.0
## [8,] 24.4 10.4 13.3 21.4
Import dan Export Data
Sebagai alat bantu untuk mengolah, analisis dan visualisasi data sekaligus juga sebagai bahasa pemrograman
tentunya R harus memiliki kemampuan untuk mebaca data. Oleh karena itu, R dibekali kemampuan membaca
data atau import dari file dan database. Selain harus bisa imprort data, kemampuan lain adalah export data atau
hasil analisis data.

Jalankan program berikut untuk memastikan semua package yang dibutuhkan sudah terinstall.
{ if(!require(readr)){
install.packages("readr")
}
if(!require(readxl)){
install.packages("readxl")
}
if(!require(writexl)){
install.packages("writexl")
}
if(!require(RMySQL)){
install.packages("RMySQL")
}
if(!require(RPostgres)){ install.packages("RPostgres")
}
}
Jenis file yang akan dibahas adalah textfile (*.txt), CSV (*.csv) dan Excel file.

Textfile

Textfile adalah salah satu jenis file yang sering digunakan untuk menyimpan atau bertukar data. Aktifkan
package yang dibutuhkan dengan menggunakan fungsi library(). Untuk import data dari textfile, kita dapat
menggunakan fungsi read.delim() dari package {readr}.

library(readr)

Kita dapat menggunakan fungsi read.delim() seperti di bawah ini. Argumen file = adalah lokasi dan nama file
yang ingin kita import. Kemudian argumen delim = adalah untuk menunjukkan delimiter/separator/pemisah
kolom yang ada pada file tersebut. Argumen header = TRUE jika baris pertama pada file tersebut adalah nama
kolom. Contoh perintah di bawah ini akan menyimpan hasil import (jika berhasil) ke dalam sebuah objek
dataframe bernama iris.

iris <- read.delim("//Users/yeye/Downloads/Book1.txt", header=TRUE)

Kita dapat melihat data yang sudah berhasil diimport dengan memanggil dataframe
tersebut.

iris

tinggi berat
1 178 80
2 156 57
3 155 48
4 167 66
5 170 65
CSV

Selain textfile, CSV juga merupakan format file yang sering digunakan untuk menyimpan atau bertukar data. Package {readr}
menyiapkan fungsi read.csv() untuk import data dari file CSV.

iris2 <- read.csv("//Users/yeye/Downloads/Book1.csv", header=TRUE)

iris2

tinggi.berat
1 178;80
2 156;57
3 155;48
4 167;66
5 170;65

iris2 <- read.csv("//Users/yeye/Downloads/Book1.csv", header=TRUE, sep=";")

iris2
tinggi berat
1 178 80
2 156 57
3 155 48
4 167 66
5 170 65
Excel

Jenis file lain yang juga sering digunakan adalah file Excel. Kita dapat menggunakan package {readxl} dengan
fungsi read_excel() untuk import data dari file Excel. Argumen path = adalah lokasi dan nama file Excel yang
akan kita gunakan.

library(readxl)
iris3 <- read_excel("//Users/yeye/Downloads/Book1.xls")
iris3

# A tibble: 5 × 2
tinggi berat
<dbl> <dbl>
1 178 80
2 156 57
3 155 48
4 167 66
5 170 65
GitHUB
dqlab.id
rpubs
  Data parametrik yang waktu uji korelasi, carilah nilai-nilai
berikut di R:

TUGAS 1. Rata-rata
2. Median
3. Modus
4. Varians
5. Standar Deviasi
6. Jumlah data untuk masing-masing kategori
7. Range
8. Nilai minimum
9. Nilai maksimum
10. Quartile 1 dan Quartile 3