1.1 Menerima dua bilangan dari pengguna

# A <- as.numeric(readline(prompt = "Bilangan 1: "))
# B <- as.numeric(readline(prompt = "Bilangan 2: "))

A <- 14
B <- 5

Fungsi ini digunakan untuk meminta input dari pengguna dan mengubahnya menjadi tipe data numerik.

• readline(prompt = “Bilangan 1:”) : Menampilkan pesan “Bilangan 1:” di konsol dan menunggu pengguna memasukkan nilai. Nilai yang dimasukkan akan dibaca sebagai string (teks).​

• as.numeric(…) : Mengonversi string yang dimasukkan oleh pengguna menjadi nilai numerik (angka). Jika pengguna memasukkan nilai yang tidak dapat dikonversi menjadi angka, hasilnya akan menjadi NA (Not Available)

1.2 Menghitung dan Menampilkan Hasil

A = 14
B = 5

# Penjumlahan 
Penjumlahan <- A + B
 
print(paste("Perjumlahan =", Penjumlahan))

## [1] "Perjumlahan = 19"

# Perkalian
Perkalian <- A * B

print(paste("Perkalian =", Perkalian))

## [1] "Perkalian = 70"

# Pembagian 
Pembagian <- A / B

print(paste("Pembagian =", Pembagian))

## [1] "Pembagian = 2.8"

# Pangkat 
Pangkat <- A ^ B

print(paste("Pangkat =", Pangkat))

## [1] "Pangkat = 537824"

Kode ini digunakan untuk melakukan operasi matematika dasar antara dua variabel, yaitu A dan B. Operasi yang dilakukan meliputi penjumlahan (A + B), perkalian (A * B), pembagian (A / B), dan perpangkatan (A ^ B). Hasil dari masing-masing operasi kemudian ditampilkan ke layar menggunakan fungsi print().

1.3 Menampilkan Tipe Data Masing - masing Hasil Operasi

A = 14
B = 5

# Penjumlahan 
Penjumlahan <- A + B

print(paste("Tipe =", class(Penjumlahan)))

## [1] "Tipe = numeric"

# Perkalian
Perkalian <- A * B

print(paste("Tipe =", class(Perkalian)))

## [1] "Tipe = numeric"

# Pembagian 
Pembagian <- A / B

print(paste("Tipe =", class(Pembagian)))

## [1] "Tipe = numeric"

# Pangkat 
Pangkat <- A ^ B

print(paste("Tipe =", class(Pangkat)))

## [1] "Tipe = numeric"

kode ini juga mencetak tipe data dari masing-masing hasil menggunakan fungsi class(). Hal ini berguna untuk mengetahui apakah hasil perhitungan bertipe integer (bilangan bulat), float (bilangan desimal), atau tipe data lainnya.

2.1 Menerima input nilai dari pengguna (0 - 100)

# A <- as.numeric(readline(prompt = "Nilai Ujian: "))

A <- 83

2.2 Menampilkan keterangan berdasarkan ketentuan

# A <- as.numeric(readline(prompt = "Nilai Ujian: "))

A <- 83

if (A >= 85){
  print(paste("Sangat Baik"))
} else if (A >= 70){
  print(paste("Baik"))
} else if (A >= 60){
  print(paste("Cukup"))
} else {
  print(paste("Perlu Perbaikan"))
}

## [1] "Baik"

Fungsi ini berguna ketika ingin mengetahui seberapa bagus nilai yang didapatkan.

• A <- 83 : Menyimpan nilai 83 ke dalam variabel A.
• if (A >= 85) : Mengecek apakah nilai A lebih besar atau sama dengan 85. Jika ya, maka cetak “Sangat Baik”.
• else if (A >= 70) : Jika nilai A kurang dari 85 tapi lebih dari atau sama dengan 70, maka cetak “Baik”.
• else if (A >= 60) : Jika tidak memenuhi kondisi sebelumnya, tapi nilai A ≥ 60, maka cetak “Cukup”.
• else if (A < 60)* : Jika nilai A di bawah 60, maka cetak “Perlu Perbaikan”.
• else : Jika semua kondisi tidak terpenuhi, maka cetak “Gagal”.

3.1 Menerima Input Integer n

# A <- as.numeric(readline(prompt = "N: "))

n <- 35

3.2 Menggunakan loop untuk kelipatan 4 dari 1 hingga n

n <- 35

print(paste("n :", n))

## [1] "n : 35"

# Looping habis dibagi 4
for (i in 1:n) {
  if (i %% 4 == 0) {
    cat(i, " ")
  }
}

## 4  8  12  16  20  24  28  32

Fungsi ini berguna untuk mengetahui bilangan - bilangan kelipatan 4 sampai bilangan yang kita input.

• n <- 35: Menyimpan angka 35 ke dalam variabel n.
• print(paste(“n :”, n)) : Menampilkan nilai n di konsol.
• for (i in 1:n) : Melakukan perulangan dari angka 1 sampai 35.
• if (i %% 4 == 0) : Mengecek apakah i habis dibagi 4 (menggunakan operator modulo %).
• cat(i, ” “): Menampilkan angka yang habis dibagi 4 secara horizontal, dipisahkan oleh spasi.

4.1 Data Collection

library(dplyr)
library(readr)

# Baca ketiga file CSV
DTJan <- read_csv("Januari.csv")
DTFeb <- read_csv("Februari.csv")
DTMar <- read_csv("Maret.csv")

# Gabungan ketiga data menjadi satu
DT <- rbind(DTJan, DTFeb, DTMar)

# Simpan file gabungan 
write_csv(DT, "data_transaksi.csv")

# Jumlah Baris 
DTBaris <- nrow(DT)

# Jumlah Kolom 
DTKolom <- ncol(DT)

print(paste("Jumlah Baris =", DTBaris))

## [1] "Jumlah Baris = 150"

print(paste("Jumlah Kolom =", DTKolom))

## [1] "Jumlah Kolom = 9"

Tergabungnya data transaksi pada bulan Januari, Februaridan Maret ini bertujuan untuk memudahkan analisis data secara menyeluruh. Data transaksi gabungan ini terdapat sebanyak 150 baris dan 9 kolom.

Penjelasan Fungsi

• dplyr = Package untuk memanipulasi data
• readr = Package untuk Membaca file
• read_csv = Membaca file csv
• rbind = Menggambungkan ketiga file
• write_csv = Menyimpan file gabungan dalam bentuk csv
• nrow = Menghitung baris pada file gabungan
• ncol = Menghitung kolom pada file gabungan

4.2 Data Cleaning

library(dplyr)
library(readr)

DTDate <- read_csv("data_transaksi.csv")

# mengubah format tanggal

DTDate$Tanggal <- as.Date(DTDate$Tanggal, format = "%d-%m-%Y")

write.csv(DTDate, "data_cleaning_date.csv")

library(stringr)
library(dplyr)
library(readr)

DTB <- read_csv("data_cleaning_date.csv")

# Membersihkan kolom 'harga'

DTB$Harga_B <- DTB$Harga |>
  str_to_lower() |>
  str_remove_all("rp") |>
  str_remove_all("[^0-9]") |>
  as.numeric()

# Membersihkan kolom 'jumlah'
DTB$Jumlah_B <- DTB$Jumlah |>
  str_to_lower() |>
  str_remove_all("rp") |>
  str_remove_all("[^0-9]") |>
  as.numeric()

# Mengganti NA dengan nilai acak 
DTB$Jumlah_B[is.na(DTB$Jumlah_B)] <- median(DTB$Jumlah_B, na.rm = TRUE)

write.csv(DTB, "data_cleaning_b.csv", row.names = FALSE)

library(dplyr)
library(readr)

DTC <- read_csv("data_cleaning_b.csv")

DTC$Total <- DTC$Harga_B * DTC$Jumlah_B

write.csv(DTC, "data_cleaning_c.csv")

library(dplyr)
library(readr)

DTD <- read_csv("data_cleaning_c.csv")

DTD$Produk <- na_if(DTD$Produk, "-")
DTD$Pembeli <- na_if(DTD$Pembeli, "_anonymous_")

write.csv(DTD, "data_cleaning_d.csv")

library(dplyr)
library(readr)

DTE <- read_csv("data_cleaning_d.csv")

DTE <- DTE %>% filter(!is.na(Produk))

DTE <- DTE %>% select(-Harga, -Jumlah)

DTBaris <- nrow(DTE)

print(paste("Jumlah baris =",DTBaris))

## [1] "Jumlah baris = 122"

write.csv(DTE, "data_cleaning_e.csv")

4.3 Data Transformation

library(dplyr)
library(readr)

Data_clean <- read_csv("Data_Clean_B.csv")

Data_clean$Tanggal <- as.Date(Data_clean$Tanggal)

Data_clean$Bulan <- format(Data_clean$Tanggal, "%m")

nama_bulan <- c("01" = "Januari", "02" = "Februari", "03" = "Maret", "04" = "April")

Data_clean$bulan_nama <- nama_bulan[Data_clean$Bulan]


write.csv(Data_clean, "data_transformation_a.csv")

library(dplyr)
library(readr)

Data_clean <- read_csv("data_transformation_a.csv")

Total_penjualan_A <- Data_clean %>%
  group_by(Kategori) %>%
  summarise(Total_penjualan = sum(Total, na.rm = TRUE))

knitr::kable(Total_penjualan_A)

library(dplyr)
library(readr)

Data_clean <- read_csv("data_transformation_a.csv")

Total_penjualan_B <- Data_clean %>%
  group_by(Kota) %>%
  summarise(Total_penjualan = sum(Total, na.rm = TRUE))

knitr::kable(Total_penjualan_B)

library(dplyr)
library(readr)

Data_clean <- read_csv("data_transformation_a.csv")

Total_penjualan_C <- Data_clean %>%
  group_by(bulan_nama) %>%
  summarise(Total_penjualan = sum(Total, na.rm = TRUE))

knitr::kable(Total_penjualan_C)