Pengantar R Studio

How to Install RStudio

R is a language and environment for statistical computing and graphics.

Download R-base

https://cran.r-project.org/bin/windows/base/

Download R-Studio

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

Introduction to RStudio

R Merupakan bahasa yang digunakan dalam komputasi statistik yang pertama kali dikembangkan oleh Ross Ihaka dan Robert Gentlement di University of Auckland New Zealand yang merupakan akronim dari nama depan kedua pembuatnya.

Bahasa R bersifat case sensitif

Mendukung export dan import berbagai format file

Menyedikan berbagai fungsi untuk analisis data dengan berbagai metode

Integrated Development Environment (IDE) for R

RStudio is an integrated development environment (IDE) for R. It includes a console, syntax-highlighting editor that supports direct code execution, as well as tools for plotting, history, debugging and work space management.

R Package

Packages → Modul yang berisi kumpulan function atau perintah dalam R, misalnya package “ggplot2” berisi perintah-perintah untuk visualisasi data. Untuk menginstall pakages baru gunakan perintah :

install.packages(“ggplot2”)

untuk memanggilanya gunakan perintah :

library(“ggplot2”)

Getting help in RStudio

Beberapa perintah yang dapat digunakan untuk mendapatkan bantuan di R:

help(nama_perintah)

?nama_perintah

help(“nama_perintah”)

??nama_perintah

example(nama_perintah)

Setiap jendela help dari suatu perintah tertentu selanjutnya akan memuat bagian-bagian berikut:

‘Title Description’ : deskripsi singkat tentang perintah.

‘Usage’ : menampilkan sintaks perintah untuk penggunaan perintah tersebut.

‘Arguments’ : keterangan mengenai argument/inputyang diperlukan pada perintah tersebut.

‘Details’ : keterangan lebih lengkap lengkap tentang perintah tersebut. Value : keterangan tentang output suatu perintah dapat diperoleh pada bagian ini.

‘Author(s)’ : memberikan keterangan tentang Author dari perintah tersebut.

‘References’ : seringkali referensi yang dapat digunakan untuk memperoleh keterangan lebih lanjut terhadap suatu perintah ditampilkan pada bagian ini.

‘See also’: bagian ini berisikan daftar perintah/fungsi yang berhubungan erat dengan perintah tersebut.

‘Example’ : berisikan contoh-contoh penggunaan perintah tersebut.

Assignment

Dalam program R dapat digunakan Operator “<-” atau Operator “=” sebagai operator assignment. Sebagai contoh:

A <- 5

A = 5

Object in R

Aturan pembentukan obyek dalam R:

• R sensitive terhadap ukuran huruf, huruf besar dan huruf kecil dianggap berbeda. Obyek “sampel” dan “Sampel”, dianggap sebagai obyek yang berbeda.

• Nama obyek harus diawali dengan huruf dan berikutnya dapat berupa angka atau memuat tanda tanya, kutip, titik, garis bawah, atau yang lain.

• Spasi kosong tidak dikenali

• Kelas-kelas obyek di R antara lain yaitu numeric, integer, complex, character, function, logical, list, data frame dan packages.

• Dengan menggunakan simbol # sebelum menulis pada RScript maka perintah tidak akan dibaca sebagai sebuah perintah (dapat digunakan untuk menulis keterangan/catatan pada Rscript)

1. Vector

Struktur paling sederhana adalah vektor numerik, yang merupakan entitas tunggal yang terdiri dari kumpulan angka yang terurut.

vektor1 <- c(2,4,7,3,5,10) #cara1
vektor1

## [1]  2  4  7  3  5 10

vektor1[1] #memanggil entri pertama

## [1] 2

vektor1[-2] #menghapus entri kedua

## [1]  2  7  3  5 10

assign("vektor2",c("2","4","7","3","8")) #cara2
vektor2

## [1] "2" "4" "7" "3" "8"

vektor2 > 3

## [1] FALSE  TRUE  TRUE FALSE  TRUE

which(vektor2 >3)

## [1] 2 3 5

max(vektor2)

## [1] "8"

#baris bilangan
vektor3 <- seq(1,10,by=0.5)
vektor3

##  [1]  1.0  1.5  2.0  2.5  3.0  3.5  4.0  4.5  5.0  5.5  6.0  6.5  7.0  7.5  8.0
## [16]  8.5  9.0  9.5 10.0

#bilangan berulang
vektor4 <- rep(1,3)
vektor4

## [1] 1 1 1

vektor5 <- rep(1:3,3)
vektor5

## [1] 1 2 3 1 2 3 1 2 3

vektor6 <- c("a", "A", "d", "c")
vektor6

## [1] "a" "A" "d" "c"

Dua buah vector atau lebih dapat digabungkan dengan fungsi c()

#menggabungkan dua vektor
vektor_gab <- c(vektor1, vektor2)
vektor_gab

##  [1] "2"  "4"  "7"  "3"  "5"  "10" "2"  "4"  "7"  "3"  "8"

2. Matriks

Matriks adalah objek di R yang memiliki 2 dimensi, baris (row/m) dan kolom (column/n), dan tipe nilainya sama.

matriks_1 <- matrix(c(1,2,3,4),2,2) #matrik 1 yang terdiri dari 2 baris dan 2 kolom
matriks_1

##      [,1] [,2]
## [1,]    1    3
## [2,]    2    4

matriks_1[2,1] #baris 2 kolom 1

## [1] 2

matriks_2 <- matrix(c(7,5),2,1) #matrik 2 yang terdiri dari 2 baris dan 1 kolom
matriks_2

##      [,1]
## [1,]    7
## [2,]    5

dim(matriks_2) # dimensi dari matrik 2

## [1] 2 1

O <- nrow(matriks_2) # jumlah baris dari matrik 2
O

## [1] 2

P <- ncol(matriks_2) # jumlah kolom dari matrik 2
P

## [1] 1

#operasi matriks
matriks_3 <- matriks_1 + 5
matriks_3

##      [,1] [,2]
## [1,]    6    8
## [2,]    7    9

matriks_4 <- matriks_2*3
matriks_4

##      [,1]
## [1,]   21
## [2,]   15

matriks_5 <- matriks_1 %*% matriks_2 # perkalian matrik
matriks_5

##      [,1]
## [1,]   22
## [2,]   34

Ap <- t(matriks_1) # transpose dari matrik 1
Ap

##      [,1] [,2]
## [1,]    1    2
## [2,]    3    4

Ainv <- solve(matriks_1) # fungsi solve digunakan untuk mencari inverse dari suatu matrik
Ainv

##      [,1] [,2]
## [1,]   -2  1.5
## [2,]    1 -0.5

SA <- sum(diag(matriks_1)) # jumlah dari elemen diagonal dari matrik
SA

## [1] 5

DA <- det(matriks_1) # determinan dari matrik 1 
DA

## [1] -2

# menambah kolom baris
matriks_6 <- cbind(matriks_1,c(7,8)) # menambah kolom pada matrik A
matriks_6

##      [,1] [,2] [,3]
## [1,]    1    3    7
## [2,]    2    4    8

matriks_7 <- rbind(matriks_1,c(7,8)) # menambah baris pada matrik A
matriks_7

##      [,1] [,2]
## [1,]    1    3
## [2,]    2    4
## [3,]    7    8

3. Dataframe

‘Dataframe’ dalam R seperti sebuah tabel di Ms. Excel yang terdiri dari baris dan kolom dengan nama masing-masing kolom berbeda. Pada R sebuah tabel yang terdiri dari baris dan kolom disebut dataframe atau data.frame. Baris di dataframe disebut observation dan kolom disebut variable.

pendapatan <-c(15,20,25,20,25,30,16,15,25,20,16,18,20,25,30,25,19,10,20,20)

pengeluaran <-c(10,15,20,16,22,25,15,14,10,18,12,15,15,20,25,23,16,8,15,17)

data1 <-data.frame(pendapatan, pengeluaran) #membuatdataframe
data1

##    pendapatan pengeluaran
## 1          15          10
## 2          20          15
## 3          25          20
## 4          20          16
## 5          25          22
## 6          30          25
## 7          16          15
## 8          15          14
## 9          25          10
## 10         20          18
## 11         16          12
## 12         18          15
## 13         20          15
## 14         25          20
## 15         30          25
## 16         25          23
## 17         19          16
## 18         10           8
## 19         20          15
## 20         20          17

w <-c(5,5,5,4,3,5,1,1,15,2,4,3,5,5,5,2,3,2,5,3) #menambah satu kolom baru pada suatu dataframe

v <-cbind(data,w)
v

##       data w 
##  [1,] ?    5 
##  [2,] ?    5 
##  [3,] ?    5 
##  [4,] ?    4 
##  [5,] ?    3 
##  [6,] ?    5 
##  [7,] ?    1 
##  [8,] ?    1 
##  [9,] ?    15
## [10,] ?    2 
## [11,] ?    4 
## [12,] ?    3 
## [13,] ?    5 
## [14,] ?    5 
## [15,] ?    5 
## [16,] ?    2 
## [17,] ?    3 
## [18,] ?    2 
## [19,] ?    5 
## [20,] ?    3

u <-c(13,10,3)
t <-rbind(v,u) #menambah satu baris baru pada suatu dataframe

## Warning in rbind(v, u): number of columns of result is not a multiple of vector
## length (arg 2)

##   data w 
##   ?    5 
##   ?    5 
##   ?    5 
##   ?    4 
##   ?    3 
##   ?    5 
##   ?    1 
##   ?    1 
##   ?    15
##   ?    2 
##   ?    4 
##   ?    3 
##   ?    5 
##   ?    5 
##   ?    5 
##   ?    2 
##   ?    3 
##   ?    2 
##   ?    5 
##   ?    3 
## u 13   10

Import data to R

XLSX

library(readxl)
datalat <- read_excel("D:/Lathian_P1.xlsx")
head(datalat)

## # A tibble: 6 × 3
##   Team      BattingAverage TeamScoring
##   <chr>     <chr>          <chr>      
## 1 NYYankees 0.267          5.30       
## 2 Boston    0.268          5.05       
## 3 TampaBay  0.247          4.95       
## 4 Texas     0.276          4.86       
## 5 Minnesota 0.273          4.82       
## 6 Toronto   0.248          4.66

CSV

datasalary <- read.csv("D:/Salary_dataset.csv")
head(datasalary)

##   X YearsExperience Salary
## 1 0             1.2  39344
## 2 1             1.4  46206
## 3 2             1.6  37732
## 4 3             2.1  43526
## 5 4             2.3  39892
## 6 5             3.0  56643

TXT

datasuhu<- read.table("D:/SUHU.txt", sep = "", header = FALSE)

head(datasuhu)

##   V1    V2    V3
## 1  1  0.70 -0.12
## 2  2  0.64  1.55
## 3  3  0.60 -0.59
## 4  4  0.66 -0.32
## 5  5 -0.99  1.20
## 6  6 -2.43  2.67