Basic Programing Data Sains Praktikum 1

Profile

Basic Programing

A. Mengidentifikasi Tipe Data

###1. Identifikasi Tipe Data setiap Variabel

Identifikasi Tipe Data dalam Python dan R
Identifikasi Tipe Data
Variabel Nilai Python R
a 42 int numeric
b 3.14 float numeric
c “Hello” str character
d FALSE / False bool logical
e [1, 2, 3] list numeric (vector)
f {“name”: “Alice”, “age”: 25} dict list

2. Cetak Tipe Data setiap variabel menggunakan type() (Python) dan class() (R)

# Mendefinisikan variabel
a <- 42  # Integer (Bilangan bulat)
a <- as.integer(42) 
b <- 3.14  # Numeric (Angka desimal)
c <- "Hello"  # Character (Teks)
d <- FALSE  # Logical (Boolean)
e <- c(1, 2, 3)  # Numeric (Vektor angka)
f <- list("Name" = "Alice", "age" = 25)  # List (Kumpulan elemen dengan tipe berbeda)

# Mencetak tipe data tiap variabel
cat(
  "Tipe data a:", class(a), "\n",  # Integer
  "Tipe data b:", class(b), "\n",  # Numeric
  "Tipe data c:", class(c), "\n",  # Character
  "Tipe data d:", class(d), "\n",  # Logical
  "Tipe data e:", class(e), "\n",  # Numeric
  "Tipe data f:", class(f), "\n"   # List
)
## Tipe data a: integer 
##  Tipe data b: numeric 
##  Tipe data c: character 
##  Tipe data d: logical 
##  Tipe data e: numeric 
##  Tipe data f: list

B. Variabel dan Manipulasi Data

1. Mengidentifikasi Variabel ke dalam R

x: \(20\)

y: \(5\)

text1: \(Data\)

text2: \(Science\)

  • Memperbarui nilai \(x\) dengan menambahkan \(10\).
  • Menggabungkan \(text1\) dan \(text2\) ke dalam kata Data Science.
  • Mengubah teks gabungan menjadi huruf besar.
# Definisi variabel
x <- 20
y <- 5
text1 <- "Data"
text2 <- "Science"

# Operasi pada variabel
x <- x + 10  # Menambah 10 ke x
merged_text <- paste0(text1, " ", text2)  # Menggabungkan teks tanpa sep
capitalized_text <- toupper(merged_text)  # Konversi ke huruf besar

# Menampilkan hasil
cat(
  sprintf("Nilai x ditambah 10: %d\n", x),
  sprintf("Teks gabungan: %s\n", merged_text),
  sprintf("Teks dalam huruf besar: %s\n", capitalized_text)
)
## Nilai x ditambah 10: 30
##  Teks gabungan: Data Science
##  Teks dalam huruf besar: DATA SCIENCE

C. Operasi Aritmatika

Variabel-variabel

a : \(15\)

b : \(4\)

  • Menghitung jumlah, selisih, perkalian, pembagian, dan modulo dari a dan b.
  • Menghitung a pangkat b
  • Membuat variabel baru c = a/b ubah menjadi integer.
# Mendefinisikan variabel
a <- 15
b <- 4

# 1. Hitung operasi aritmatika dasar
jumlah <- a + b        # Penjumlahan
selisih <- a - b       # Pengurangan
produk <- a * b        # Perkalian
pembagian <- a / b     # Pembagian
modulo <- a %% b       # Sisa pembagian

# 2. Hitung a pangkat b
pangkat <- a^b

# 3. Buat variabel baru c dan ubah menjadi integer
c <- as.integer(a / b)

# Menampilkan hasil
cat(
  "Hasil Penjumlahan:", jumlah, "\n",
  "Hasil Pengurangan:", selisih, "\n",
  "Hasil Perkalian:", produk, "\n",
  "Hasil Pembagian:", pembagian, "\n",
  "Hasil Modulo:", modulo, "\n",
  "Hasil Pangkat:", pangkat, "\n",
  "Nilai c sebagai integer:", c, "\n"
)
## Hasil Penjumlahan: 19 
##  Hasil Pengurangan: 11 
##  Hasil Perkalian: 60 
##  Hasil Pembagian: 3.75 
##  Hasil Modulo: 3 
##  Hasil Pangkat: 50625 
##  Nilai c sebagai integer: 3

D. Operasi String

Text : Hello, Data Science!

  • Ekstrak \(5\) karakter pertama dari teks.
  • Menghitung jumlah karakter dalam teks.
  • Mengubah teks menjadi huruf kecil.
# Mendefinisikan string
teks <- "Hello, Data Science!"

# Operasi string
lima_karakter_pertama <- substr(teks, start = 1, stop = 5) # Mengambil 5 karakter pertama
panjang_teks <- nchar(teks) # Menghitung total karakter
teks_lower <- tolower(teks) # Mengonversi teks menjadi huruf kecil

# Menampilkan hasil
cat(
  "Lima karakter pertama:", lima_karakter_pertama, "\n",
  "Total jumlah karakter:", panjang_teks, "\n",
  "Teks dalam bentuk kecil:", teks_lower, "\n"
)
## Lima karakter pertama: Hello 
##  Total jumlah karakter: 20 
##  Teks dalam bentuk kecil: hello, data science!

E. Operator Perbandingan dan Logika

Mengingat variabel-variabel berikut:

x: \(7\)

y : \(10\)

  • Periksa apakah x lebih besar dari y.
  • Periksa apakah x kurang dari atau sama dengan y.
  • Periksa apakah x tidak sama dengan y.
  • Evaluasilah ekspresi (x > 5) AND (y < 20).
# Mendefinisikan variabel
x <- 7
y <- 10

# Operasi perbandingan
lebih_besar <- x > y  # Apakah x lebih besar dari y?
kurang_sama <- x <= y # Apakah x kurang dari atau sama dengan y?
tidak_sama <- x != y  # Apakah x tidak sama dengan y?

# Operasi logika
logika_and <- (x > 5) & (y < 20)  # Evaluasi ekspresi (x > 5) AND (y < 20)

# Menampilkan hasil
cat(
  "Apakah x lebih besar dari y?:", lebih_besar, "\n",
  "Apakah x kurang dari atau sama dengan y?:", kurang_sama, "\n",
  "Apakah x tidak sama dengan y?:", tidak_sama, "\n",
  "Evaluasi (x > 5) AND (y < 20):", logika_and, "\n"
)
## Apakah x lebih besar dari y?: FALSE 
##  Apakah x kurang dari atau sama dengan y?: TRUE 
##  Apakah x tidak sama dengan y?: TRUE 
##  Evaluasi (x > 5) AND (y < 20): TRUE

F. Konversi Tipe Data

num_str : \(123\)

num_float : \(45.67\)

  • Ubah num_str ke bilangan dan tambahkan \(10\).
  • Ubah num_float ke bilangan bulat.
  • Mengonversi num_float kembali menjadi string.
# Mendefinisikan variabel
num_str <- "123"
num_float <- 45.67

# Konversi dan operasi
num_str_ke_bilangan <- as.numeric(num_str) + 10  # Ubah num_str ke bilangan dan tambahkan 10
num_float_ke_bulat <- as.integer(num_float)      # Ubah num_float ke bilangan bulat
num_float_ke_string <- as.character(num_float)   # Ubah num_float kembali ke string

# Menampilkan hasil
cat(
  "Hasil konversi num_str ke bilangan dan ditambah 10:", num_str_ke_bilangan, "\n",
  "Hasil konversi num_float ke bilangan bulat:", num_float_ke_bulat, "\n",
  "Hasil konversi num_float ke string:", num_float_ke_string, "\n"
)
## Hasil konversi num_str ke bilangan dan ditambah 10: 133 
##  Hasil konversi num_float ke bilangan bulat: 45 
##  Hasil konversi num_float ke string: 45.67

G. Tantangan Bonus

Buat program interaktif yang meminta pengguna untuk memasukkan:

  • Nama
  • Usia
  • Kota kelahiran

Kemudian, cetak output sebagai berikut:

Hello [Name], you are [Age] years old and from [Hometown].

# Cegah error jika dijalankan langsung tanpa params
if (!exists("params")) {
  params <- list(name = "Default Nabila", age = 19, hometown = "Riau")
}

# Gunakan params
name <- params$name
age <- params$age
hometown <- params$hometown

cat("Hello", name, ", you are", age, "years old and from", hometown, "\n")
## Hello Default Nabila , you are 19 years old and from Riau
---
title: "Basic Programing Data Sains Praktikum 1"

author: 
    - "Nabila Anggita Putri"
    
date: "`r format(Sys.Date(), '%B %d, %Y')`"
output:
  rmdformats::readthedown:
    self_contained: true
    thumbnails: true
    lightbox: true
    gallery: true
    lib_dir: libs
    df_print: "paged"
    code_folding: "show"
    code_download: yes
    css: "style/style css.css"
---
<img src="img/profile.jpg" alt="Profile" id="logo-utama" style="width:300px; display: block; margin: auto;"/>


# **Basic Programing**

## **A. Mengidentifikasi Tipe Data**

###**1. Identifikasi Tipe Data setiap Variabel**

```{r, echo=FALSE, message=FALSE, warning=FALSE}
# Memuat paket yang diperlukan
library(knitr)
library(kableExtra)

# Membuat data frame
data <- data.frame(
  Variabel = c("a", "b", "c", "d", "e", "f"),
  Nilai = c("42", "3.14", "\"Hello\"", "FALSE / False", "[1, 2, 3]", "{\"name\": \"Alice\", \"age\": 25}"),
  Python = c("int", "float", "str", "bool", "list", "dict"),
  R = c("numeric", "numeric", "character", "logical", "numeric (vector)", "list")
)

# Menampilkan tabel dengan styling dan warna pada teks header
kable(data, format = "html", booktabs = TRUE, caption = "Identifikasi Tipe Data dalam Python dan R") %>%
  kable_styling(bootstrap_options = c("striped", "hover")) %>%
  column_spec(1, background = "lightblue") %>%  # Warna latar belakang kolom 'Variabel'
  column_spec(2, background = "lightgreen") %>% # Warna latar belakang kolom 'Nilai'
  column_spec(3, background = "lightyellow") %>%# Warna latar belakang kolom 'Python'
  column_spec(4, background = "lightcoral") %>%  # Warna latar belakang kolom 'R'
  # Memberikan warna pada teks header kolom
  add_header_above(c(" " = 1, "Identifikasi Tipe Data" = 3), bold = TRUE, color = "white", background = "darkblue") %>%
  row_spec(0, bold = TRUE, color = "white", background = "darkblue")
```

### **2. Cetak Tipe Data setiap variabel menggunakan type() (Python) dan class() (R)**

```{r echo=TRUE}
# Mendefinisikan variabel
a <- 42  # Integer (Bilangan bulat)
a <- as.integer(42) 
b <- 3.14  # Numeric (Angka desimal)
c <- "Hello"  # Character (Teks)
d <- FALSE  # Logical (Boolean)
e <- c(1, 2, 3)  # Numeric (Vektor angka)
f <- list("Name" = "Alice", "age" = 25)  # List (Kumpulan elemen dengan tipe berbeda)

# Mencetak tipe data tiap variabel
cat(
  "Tipe data a:", class(a), "\n",  # Integer
  "Tipe data b:", class(b), "\n",  # Numeric
  "Tipe data c:", class(c), "\n",  # Character
  "Tipe data d:", class(d), "\n",  # Logical
  "Tipe data e:", class(e), "\n",  # Numeric
  "Tipe data f:", class(f), "\n"   # List
)
```

## **B. Variabel dan Manipulasi Data**

### **1. Mengidentifikasi Variabel ke dalam R**

**x**: $20$

**y**: $5$

**text1**: $Data$

**text2**: $Science$

- Memperbarui nilai $x$ dengan menambahkan $10$.
- Menggabungkan $text1$ dan $text2$ ke dalam kata **Data Science**.
- Mengubah teks gabungan menjadi huruf besar.
```{r echo=TRUE}
# Definisi variabel
x <- 20
y <- 5
text1 <- "Data"
text2 <- "Science"

# Operasi pada variabel
x <- x + 10  # Menambah 10 ke x
merged_text <- paste0(text1, " ", text2)  # Menggabungkan teks tanpa sep
capitalized_text <- toupper(merged_text)  # Konversi ke huruf besar

# Menampilkan hasil
cat(
  sprintf("Nilai x ditambah 10: %d\n", x),
  sprintf("Teks gabungan: %s\n", merged_text),
  sprintf("Teks dalam huruf besar: %s\n", capitalized_text)
)
```

## **C. Operasi Aritmatika**

**Variabel-variabel**

**a** : $15$

**b** : $4$

- Menghitung jumlah, selisih, perkalian, pembagian, dan modulo dari **a** dan **b**.
- Menghitung **a** pangkat **b**
- Membuat variabel baru **c = a/b** ubah menjadi integer.
```{r echo=TRUE}
# Mendefinisikan variabel
a <- 15
b <- 4

# 1. Hitung operasi aritmatika dasar
jumlah <- a + b        # Penjumlahan
selisih <- a - b       # Pengurangan
produk <- a * b        # Perkalian
pembagian <- a / b     # Pembagian
modulo <- a %% b       # Sisa pembagian

# 2. Hitung a pangkat b
pangkat <- a^b

# 3. Buat variabel baru c dan ubah menjadi integer
c <- as.integer(a / b)

# Menampilkan hasil
cat(
  "Hasil Penjumlahan:", jumlah, "\n",
  "Hasil Pengurangan:", selisih, "\n",
  "Hasil Perkalian:", produk, "\n",
  "Hasil Pembagian:", pembagian, "\n",
  "Hasil Modulo:", modulo, "\n",
  "Hasil Pangkat:", pangkat, "\n",
  "Nilai c sebagai integer:", c, "\n"
)
```

## **D. Operasi String**

**Text** : **Hello, Data Science!**

- Ekstrak $5$ karakter pertama dari teks.
- Menghitung jumlah karakter dalam teks.
- Mengubah teks menjadi huruf kecil.

```{r echo=TRUE}
# Mendefinisikan string
teks <- "Hello, Data Science!"

# Operasi string
lima_karakter_pertama <- substr(teks, start = 1, stop = 5) # Mengambil 5 karakter pertama
panjang_teks <- nchar(teks) # Menghitung total karakter
teks_lower <- tolower(teks) # Mengonversi teks menjadi huruf kecil

# Menampilkan hasil
cat(
  "Lima karakter pertama:", lima_karakter_pertama, "\n",
  "Total jumlah karakter:", panjang_teks, "\n",
  "Teks dalam bentuk kecil:", teks_lower, "\n"
)
```

## **E. Operator Perbandingan dan Logika**

Mengingat variabel-variabel berikut:

**x**: $7$

**y** : $10$

- Periksa apakah **x** lebih besar dari **y**.
- Periksa apakah **x** kurang dari atau sama dengan **y**.
- Periksa apakah **x** tidak **sama dengan** **y**.
- Evaluasilah ekspresi **(x > 5) AND (y < 20)**.

```{r echo=TRUE}
# Mendefinisikan variabel
x <- 7
y <- 10

# Operasi perbandingan
lebih_besar <- x > y  # Apakah x lebih besar dari y?
kurang_sama <- x <= y # Apakah x kurang dari atau sama dengan y?
tidak_sama <- x != y  # Apakah x tidak sama dengan y?

# Operasi logika
logika_and <- (x > 5) & (y < 20)  # Evaluasi ekspresi (x > 5) AND (y < 20)

# Menampilkan hasil
cat(
  "Apakah x lebih besar dari y?:", lebih_besar, "\n",
  "Apakah x kurang dari atau sama dengan y?:", kurang_sama, "\n",
  "Apakah x tidak sama dengan y?:", tidak_sama, "\n",
  "Evaluasi (x > 5) AND (y < 20):", logika_and, "\n"
)
```

## **F. Konversi Tipe Data**

**num_str** : $123$

**num_float** : $45.67$

- Ubah **num_str** ke bilangan dan tambahkan $10$.
- Ubah **num_float** ke bilangan bulat.
- Mengonversi **num_float** kembali menjadi string.

```{r echo=TRUE}
# Mendefinisikan variabel
num_str <- "123"
num_float <- 45.67

# Konversi dan operasi
num_str_ke_bilangan <- as.numeric(num_str) + 10  # Ubah num_str ke bilangan dan tambahkan 10
num_float_ke_bulat <- as.integer(num_float)      # Ubah num_float ke bilangan bulat
num_float_ke_string <- as.character(num_float)   # Ubah num_float kembali ke string

# Menampilkan hasil
cat(
  "Hasil konversi num_str ke bilangan dan ditambah 10:", num_str_ke_bilangan, "\n",
  "Hasil konversi num_float ke bilangan bulat:", num_float_ke_bulat, "\n",
  "Hasil konversi num_float ke string:", num_float_ke_string, "\n"
)
```

## **G. Tantangan Bonus**

Buat program interaktif yang meminta pengguna untuk memasukkan:

- Nama
- Usia
- Kota kelahiran

Kemudian, cetak output sebagai berikut:

**Hello [Name], you are [Age] years old and from [Hometown]**.

```{r echo=TRUE}
# Cegah error jika dijalankan langsung tanpa params
if (!exists("params")) {
  params <- list(name = "Default Nabila", age = 19, hometown = "Riau")
}

# Gunakan params
name <- params$name
age <- params$age
hometown <- params$hometown

cat("Hello", name, ", you are", age, "years old and from", hometown, "\n")
```