library(mosaicCalc)
## Loading required package: mosaic
## Registered S3 method overwritten by 'mosaic':
##   method                           from   
##   fortify.SpatialPolygonsDataFrame ggplot2
## 
## The 'mosaic' package masks several functions from core packages in order to add 
## additional features.  The original behavior of these functions should not be affected by this.
## 
## Attaching package: 'mosaic'
## The following objects are masked from 'package:dplyr':
## 
##     count, do, tally
## The following object is masked from 'package:Matrix':
## 
##     mean
## The following object is masked from 'package:ggplot2':
## 
##     stat
## The following objects are masked from 'package:stats':
## 
##     binom.test, cor, cor.test, cov, fivenum, IQR, median, prop.test,
##     quantile, sd, t.test, var
## The following objects are masked from 'package:base':
## 
##     max, mean, min, prod, range, sample, sum
## Loading required package: mosaicCore
## 
## Attaching package: 'mosaicCore'
## The following objects are masked from 'package:dplyr':
## 
##     count, tally
## The legacy packages maptools, rgdal, and rgeos, underpinning the sp package,
## which was just loaded, will retire in October 2023.
## Please refer to R-spatial evolution reports for details, especially
## https://r-spatial.org/r/2023/05/15/evolution4.html.
## It may be desirable to make the sf package available;
## package maintainers should consider adding sf to Suggests:.
## The sp package is now running under evolution status 2
##      (status 2 uses the sf package in place of rgdal)
## 
## Attaching package: 'mosaicCalc'
## The following object is masked from 'package:stats':
## 
##     D
better <- makeFun((guess + x/guess)/2 ~ guess)

##Warning: package ‘mosaicCalc’ was built under R version 4.1.3##

Iterasi adalah proses pengulangan yang digunakan dalam analisis statistik untuk menghasilkan sampel acak dari data (seperti bootstrap), melakukan cross-validation, menjalankan simulasi statistik, atau mengoptimalkan model dengan variasi parameter. Ini memungkinkan penggunaan paket Mosaic untuk tugas-tugas yang melibatkan variasi data atau parameter secara efisien.

Banyak penghitungan dimulai dengan prediksi, diikuti dengan proses langkah demi langkah untuk menyempurnakan prediksi tersebut. Contohnya adalah proses penghitungan akar kuadrat. Tidak ada rumus kerja untuk fungsi yang mengambil suatu bilangan sebagai masukan dan menghasilkan akar kuadrat dari bilangan tersebut sebagai keluaran.Saat kita menulis √x kami tidak menjelaskan cara menghitung keluaran, hanya menjelaskan jenis keluaran yang kami cari.

Untuk memulai, mari kita definisikan fungsi komputer seperti di atas:

better <- makeFun((guess + x/guess)/2 ~ guess)

Perhatikan itu x berperan sebagai parameter fungsi, bukan sebagai masukan ke fungsi. Misalkan kita ingin menerapkan fungsi akar kuadrat pada input 55, yaitu menghitung √x=55.Nilai yang harus kita berikan x oleh karena itu adalah 55. contoh :

better(1, x=55)
## [1] 28

Lebih dari dua ribu tahun yang lalu, orang-orang yang menemukan ide di balik fungsi Better() berpikir bahwa Better() mereka dapat memberikan perkiraan yang lebih baik mengenai jawaban yang kita cari. Tidak jelas mengapa 28 merupakan perkiraan yang lebih baik daripada 1√x=55 tetapi, demi menghormati, mari kita terima pernyataan mereka.

Di sinilah peran pengulangan. Meskipun 28 merupakan perkiraan yang lebih baik daripada 1, 28 tetap bukan merupakan perkiraan yang baik. Tapi kita bisa menggunakan Better() untuk menemukan sesuatu yang lebih baik dari 28:

better(28, x=55)
## [1] 14.98214

Mengulangi suatu tindakan berarti melakukannya berkali-kali. (“Iterate” berasal dari bahasa Latin iterum, artinya “lagi.”) Seekor burung mengulangi seruannya, menyanyikannya berulang-ulang. Dalam matematika, “iterasi” adalah unik. Saat kita mengulang suatu operasi matematika, kita mendapatkan hasil dari sudut sebelumnya, bukan sekedar mengulang perhitungan sebelumnya.

better(14.98214, x=55)
## [1] 9.326589
better(9.326589, x=55)
## [1] 7.611854
better(7.611854, x=55)
## [1] 7.418713
better(7.418713, x=55)
## [1] 7.416199
better(7.416199, x=55)
## [1] 7.416198
7.416198^2
## [1] 54.99999