Pengenalan R: Statistika untuk Ilmu Pertanian dan Biologi

Author

Muhammad Syafiq

Tujuan Praktikum

  • Mengenal software R sebagai alat bantu analisis statistika.
  • Memahami dasar-dasar perintah di R.
  • Melakukan perhitungan sederhana (aritmatika, statistik deskriptif).
  • Mengaitkan hasil analisis dengan kasus di bidang pertanian dan biologi.

Pengenalan R

R adalah bahasa pemrograman dan perangkat lunak untuk analisis statistika, grafis, dan komputasi data.
R dapat digunakan untuk:

  • Analisis data kuantitatif
  • Visualisasi data
  • Pemodelan statistik
  • Pengolahan data skala besar

Dasar Perintah di R

Operasi aritmatika sederhana

2 + 3
[1] 5
5 * 4
[1] 20
10 / 2
[1] 5
(3 + 5)^2
[1] 64

Membuat vektor

hasil_panen <- c(5.2, 6.1, 5.8, 6.5, 6.0)
hasil_panen
[1] 5.2 6.1 5.8 6.5 6.0

Statistik deskriptif sederhana

Ukuran Pemusatan

mean(hasil_panen)    # rata-rata
[1] 5.92
median(hasil_panen)  # median
[1] 6

Ukuran Penyebaran

var(hasil_panen)     # varians
[1] 0.227
sd(hasil_panen)      # standar deviasi
[1] 0.4764452

Perhitungan Manual (Tabel)

Deviasi didapat dari x dikurang rata-rata dan Deviasi2 didapat dari x dikurang rata-rata dikuadratkan

x <- hasil_panen
n <- length(x)
xbar <- mean(x)

# Buat tabel perhitungan manual
tabel_manual <- data.frame(
  Observasi = 1:n,
  Nilai = x,
  Deviasi = round(x - xbar, 3),
  Deviasi2  = round((x - xbar)^2, 3)
)

# Jumlahkan kolom deviasi^2
SS <- sum((x - xbar)^2)
s2 <- SS / (n - 1)
s  <- sqrt(s2)

tabel_manual
  Observasi Nilai Deviasi Deviasi2
1         1   5.2   -0.72    0.518
2         2   6.1    0.18    0.032
3         3   5.8   -0.12    0.014
4         4   6.5    0.58    0.336
5         5   6.0    0.08    0.006

Hasil Ringkasan

data.frame(
  Jumlah_Kuadrat=SS,
  Varians=s2,
  Standar_Deviasi=s
)
  Jumlah_Kuadrat Varians Standar_Deviasi
1          0.908   0.227       0.4764452

Ukuran Letak Data

  • Q1 = kuartil 1 (25% data terbawah)
  • Q3 = kuartil 3 (25% data teratas)
  • IQR = Q3 - Q1
quantile(hasil_panen, probs = c(0.25, 0.75))  # Q1 dan Q3
25% 75% 
5.8 6.1 
IQR(hasil_panen)
[1] 0.3

Visualisasi Data Sederhana

barplot(hasil_panen, main="Hasil Panen Padi (kg)", col="lightblue")

boxplot(hasil_panen, main="Boxplot Hasil Panen Padi", col="lightgreen")

Histogram & Stem-and-Leaf

tinggi_tanaman <- c(30, 28, 32, 31, 29, 27, 33, 30, 28, 32)

hist(
  tinggi_tanaman,
  main = "Histogram Tinggi Tanaman Jagung",
  xlab = "Tinggi (cm)",
  col = "orange",          # warna batang
  border = "white"         # warna garis tepi
)

# Data nilai siswa
nilai <- c(1, 5, 12, 7, 22, 4, 5, 27, 3, 13, 19)

# 1) Stem-and-leaf plot bawaan R
stem(nilai)

  The decimal point is 1 digit(s) to the right of the |

  0 | 134557
  1 | 239
  2 | 27
# 2) Stem-and-leaf dalam bentuk tabel (lebih mudah dibaca)
make_stem_leaf <- function(x) {
  x <- sort(x)                  # urutkan data
  stem <- x %/% 10              # stem = puluhan
  leaf <- x %% 10               # leaf = satuan
  aggregate(leaf ~ stem, FUN = paste, collapse = " ", data = data.frame(stem, leaf))
}

make_stem_leaf(nilai)
  stem        leaf
1    0 1 3 4 5 5 7
2    1       2 3 9
3    2         2 7

Soal Latihan

Soal 1
Sebuah penelitian mencatat berat ayam (kg) dari 6 sampel:
1.2, 1.5, 1.4, 1.8, 1.6, 1.7

  • Masukkan data tersebut ke dalam R sebagai vektor.

  • Hitung rata-rata, median, varians, dan standar deviasi.

  • Buat grafik boxplot dan interpretasikan.

Soal 2
Seorang peneliti mengamati tinggi tanaman jagung (cm) dari 5 sampel:
150, 160, 155, 170, 165

  • Masukkan data tersebut ke R.

  • Hitung nilai maksimum, minimum, range (selisih max-min).

  • Buat barplot dengan judul yang sesuai.

Soal 3
Data hasil panen tomat (kg):
2.5, 3.0, 2.8, 3.2, 3.1, 2.9, 3.3

  • Masukkan data tersebut ke R.

  • Hitung rata-rata dan standar deviasi.

  • Buat boxplot dan jelaskan apakah terdapat nilai pencilan (outlier).

Soal 4

Seorang agronom mengukur diameter buah cabai (mm) dari 20 sampel:

18.2, 19.5, 17.9, 21.0, 20.3, 19.1, 18.7, 22.4, 21.5, 20.0, 19.8, 18.4, 23.1, 20.7, 21.2, 19.0, 22.0, 18.9, 21.7, 20.5

  • Masukkan ke R sebagai vektor cabai.

  • Hitung rata-rata, median, Q1, Q3, IQR, varians, dan standar deviasi.

  • Buat histogram dan stem-and-leaf plot.

  • Buat boxplot dan interpretasikan sebaran data.