HELLO!
Teknik Informatika UIN MAULANA MALIK IBRAHIM MALANG|| Lalu Egiq Fahalik Anggara_220605110066 | linier algebra
by Prof. Dr. Suhartono, M.Kom
#membuat matriks1 dan menampilkannya
matriks1 <- matrix(c(1,2,3,4,5,6), nrow=2, ncol=3)
matriks1## [,1] [,2] [,3]
## [1,] 1 3 5
## [2,] 2 4 6Mengakses elemen matriks: Untuk mengakses elemen matriks di RStudio, kita dapat menggunakan tanda kurung siku dan indeks baris dan kolom.
elemen <- matriks1[1,2]
elemen## [1] 3Menjumlahkan matriks: Untuk menjumlahkan dua matriks di RStudio, kita dapat menggunakan operator “+”. Contoh:
matriks2 <- matrix(c(7,8,9,10,11,12), nrow=2, ncol=3)
hasil_jumlah <- matriks1 + matriks2
hasil_jumlah## [,1] [,2] [,3]
## [1,] 8 12 16
## [2,] 10 14 18Mengalikan matriks: Untuk mengalikan dua matriks di RStudio, kita dapat menggunakan fungsi “%*%“. Contoh:
matriks4 <- matrix(c(2,3,4,5), nrow=2, ncol=2)
matriks3 <- matrix(c(1,2,3,4), nrow=2, ncol=2)
hasil_kali <- matriks4 %*% matriks3
hasil_kali## [,1] [,2]
## [1,] 10 22
## [2,] 13 29Menghitung determinan: Untuk menghitung determinan matriks di RStudio, kita dapat menggunakan fungsi “det”.
determinan <- det(matriks3)
determinan## [1] -2# Membuat matriks A dan B
A <- matrix(c(1, 2, 3, 4, 5, 6), nrow = 2, ncol = 3)
B <- matrix(c(7, 8, 9, 10, 11, 12), nrow = 3, ncol = 2)
A## [,1] [,2] [,3]
## [1,] 1 3 5
## [2,] 2 4 6B## [,1] [,2]
## [1,] 7 10
## [2,] 8 11
## [3,] 9 12# Menampilkan matriks A dan B
cat("Matriks A:\n")## Matriks A:print(A)## [,1] [,2] [,3]
## [1,] 1 3 5
## [2,] 2 4 6cat("Matriks B:\n")## Matriks B:print(B)## [,1] [,2]
## [1,] 7 10
## [2,] 8 11
## [3,] 9 12# Mengalikan matriks A dan B
C <- A %*% B
c## function (...) .Primitive("c")# Menampilkan matriks C
cat("Hasil perkalian matriks A dan B:\n")## Hasil perkalian matriks A dan B:print(C)## [,1] [,2]
## [1,] 76 103
## [2,] 100 136# Menampilkan elemen terbesar di setiap kolom matriks C
cat("Elemen terbesar di setiap kolom matriks C:\n")## Elemen terbesar di setiap kolom matriks C:apply(C, 2, max)## [1] 100 136# Menampilkan jumlah elemen di setiap baris matriks C yang lebih besar dari 50
cat("Jumlah elemen di setiap baris matriks C yang lebih besar dari 50:\n")## Jumlah elemen di setiap baris matriks C yang lebih besar dari 50:rowSums(C > 50)## [1] 2 2Salah satu contoh penerapan matriks dalam kehidupan sehari-hari adalah dalam analisis data penjualan sebuah toko. Misalkan sebuah toko memiliki beberapa produk, dan ingin menganalisis penjualan produk-produk tersebut selama beberapa bulan terakhir.
Misalkan terdapat 4 produk yang dijual, yaitu A, B, C, dan D, dan data penjualan disimpan dalam matriks berukuran 4x6, dengan setiap baris merepresentasikan satu produk dan setiap kolom merepresentasikan satu bulan. Berikut adalah contoh matriks data penjualan tersebut:
penjualan <- matrix(c(50, 60, 70, 80, 90, 100,
40, 55, 65, 75, 85, 95,
30, 45, 55, 65, 75, 85,
20, 35, 45, 55, 65, 75), nrow = 4, ncol = 6, byrow = TRUE)
rownames(penjualan) <- c("A", "B", "C", "D")
colnames(penjualan) <- c("Jan", "Feb", "Mar", "Apr", "Mei", "Jun")
penjualan## Jan Feb Mar Apr Mei Jun
## A 50 60 70 80 90 100
## B 40 55 65 75 85 95
## C 30 45 55 65 75 85
## D 20 35 45 55 65 75Dari data penjualan tersebut, kita dapat melakukan berbagai analisis, seperti: Menampilkan matriks data penjualan di layar
print(penjualan)## Jan Feb Mar Apr Mei Jun
## A 50 60 70 80 90 100
## B 40 55 65 75 85 95
## C 30 45 55 65 75 85
## D 20 35 45 55 65 75Menghitung total penjualan untuk setiap produk r
total_penjualan <- rowSums(penjualan)
cat("Total penjualan untuk setiap produk:\n")## Total penjualan untuk setiap produk:print(total_penjualan)## A B C D
## 450 415 355 295Menghitung total penjualan untuk setiap bulan
total_bulanan <- colSums(penjualan)
cat("Total penjualan untuk setiap bulan:\n")## Total penjualan untuk setiap bulan:print(total_bulanan)## Jan Feb Mar Apr Mei Jun
## 140 195 235 275 315 355Menghitung rata-rata penjualan untuk setiap produk dan setiap bulan
rata_penjualan_produk <- apply(penjualan, 1, mean)
rata_penjualan_bulanan <- apply(penjualan, 2, mean)
cat("Rata-rata penjualan untuk setiap produk:\n")## Rata-rata penjualan untuk setiap produk:print(rata_penjualan_produk)## A B C D
## 75.00000 69.16667 59.16667 49.16667cat("Rata-rata penjualan untuk setiap bulan:\n")## Rata-rata penjualan untuk setiap bulan:print(rata_penjualan_bulanan)## Jan Feb Mar Apr Mei Jun
## 35.00 48.75 58.75 68.75 78.75 88.75Menghitung penjualan tertinggi dan terendah untuk setiap produk dan setiap bulan
max_penjualan_produk <- apply(penjualan, 1, max)
min_penjualan_produk <- apply(penjualan, 1, min)
max_penjualan_bulanan <- apply(penjualan, 2, max)
min_penjualan_bulanan <- apply(penjualan, 2, min)
cat("Penjualan tertinggi dan terendah untuk setiap produk:\n")## Penjualan tertinggi dan terendah untuk setiap produk:print(data.frame(max_penjualan_produk, min_penjualan_produk))## max_penjualan_produk min_penjualan_produk
## A 100 50
## B 95 40
## C 85 30
## D 75 20cat("Penjualan tertinggi dan terendah untuk setiap bulan:\n")## Penjualan tertinggi dan terendah untuk setiap bulan:print(data.frame(max_penjualan_bulanan, min_penjualan_bulanan))## max_penjualan_bulanan min_penjualan_bulanan
## Jan 50 20
## Feb 60 35
## Mar 70 45
## Apr 80 55
## Mei 90 65
## Jun 100 75max_penjualan_bulanan## Jan Feb Mar Apr Mei Jun
## 50 60 70 80 90 100Dalam contoh ini, matriks digunakan untuk merepresentasikan data penjualan dan melakukan analisis data dengan bantuan R Studio. Analisis ini dapat membantu toko dalam pengambilan keputusan, seperti menentukan produk-produk yang perlu dipromosikan, bulan-bulan dengan penjualan tertinggi,