Belajar R dari nol dengan bahasa yang ringan, tampilan yang colorful, dan contoh yang dekat dengan dunia aktuaria: data, peluang, bunga majemuk, simulasi, dan grafik.
1. Kenalan dengan R 2. R untuk Aktuaria 3. Instalasi 4. Sintaks Dasar 5. Struktur Data 6. Fungsi dan Paket 7. Visualisasi 8. Contoh Aktuaria 9. Strategi Belajar 10. Ringkasan
R adalah bahasa pemrograman yang sangat kuat untuk statistik, pengolahan data, dan visualisasi. Kabar baiknya, kamu tidak harus menjadi jago coding dulu untuk mulai memakainya.
R adalah alat bantu untuk menghitung, merangkum data, membuat grafik, menjalankan simulasi, dan membangun model. Banyak dipakai di statistik, data science, ekonomi, biostatistik, dan tentu saja aktuaria.
Karena R dibuat untuk berpikir dengan data. Kamu bisa langsung fokus pada masalah: menghitung premi, memeriksa distribusi, atau melihat pola klaim.
Di awal, anggap saja R seperti kalkulator super canggih yang bisa menyimpan langkah kerja, mengulang proses, dan mengolah data dalam jumlah besar.
R bukan sekadar alat hitung. R membantu kamu berpikir lebih sistematis, terutama saat berhadapan dengan data yang terus bertambah kompleks.
Mahasiswa aktuaria bertemu banyak konsep seperti peluang, risiko, model stokastik, bunga majemuk, survival analysis, dan prediksi. R sangat cocok untuk semua itu.
Aktuaria bukan hanya tentang rumus di kertas. Aktuaria juga tentang menguji rumus pada data nyata. Di sinilah R menjadi jembatan antara teori matematika dan praktik analisis.
Supaya nyaman belajar, biasanya orang memasang dua hal: R sebagai mesin utama, dan RStudio sebagai ruang kerja yang lebih ramah.
Unduh dan pasang R terlebih dahulu. R inilah yang menjalankan perhitungan dan kode.
Pasang RStudio Desktop. Ini memudahkan menulis script, melihat output, dan mengelola file proyek.
Buat proyek baru. Biasakan semua file, data, dan script disimpan dalam satu folder proyek agar rapi sejak awal.
Tips pemula: jangan terlalu sering menulis langsung di console. Lebih baik tulis di script, lalu jalankan baris demi baris agar proses belajarnya lebih tertata.
Kita mulai dari yang sangat dasar: memberi nilai ke variabel, melakukan operasi hitung, dan memanggil fungsi. Jika bagian ini terasa jelas, bab berikutnya akan jauh lebih mudah.
<- dipakai untuk menyimpan nilai ke sebuah nama
objek.# dipakai untuk komentar, artinya catatan yang tidak
dijalankan.nama_fungsi(argumen).Kalau kamu menulis premi <- 500000, berarti kamu
sedang menaruh angka 500000 ke dalam kotak bernama
premi. Nanti kotak itu bisa dibuka lagi kapan saja untuk
dipakai menghitung.
# operasi hitung sederhana
2 + 3
10 / 2
4 * 6
# menyimpan nilai ke variabel
premi <- 500000
bunga_tahunan <- 0.06
# menggunakan variabel
premi * (1 + bunga_tahunan)sum(), mean(), min(),
max(), dan round() adalah contoh fungsi dasar
yang sangat membantu.
Tambahkan komentar untuk mengingat tujuan kode. Ini kebiasaan kecil yang sangat berguna ketika tugas kuliah mulai menumpuk.
Buat variabel usia, manfaat, dan
diskon, lalu hitung nilai akhirnya. Semakin sering mencoba,
semakin cepat kamu paham.
Dalam analisis data, kita jarang bekerja dengan satu angka saja. Karena itu, kamu perlu mengenal bentuk data yang paling sering dipakai di R.
TRUE
/ FALSEVektor adalah kumpulan nilai sejenis. Ini sangat penting karena data di R sering disimpan sebagai satu deret angka atau teks.
Data frame mirip tabel Excel: baris untuk observasi, kolom untuk variabel. Inilah bentuk data yang paling sering kamu jumpai saat kuliah.
# vektor
klaim <- c(1200000, 800000, 950000, 1500000, 700000)
mean(klaim)
max(klaim)
# data frame sederhana
peserta <- data.frame(
nama = c("Alya", "Bima", "Citra"),
usia = c(18, 19, 18),
prodi = c("Aktuaria", "Aktuaria", "Statistika")
)
peserta
summary(peserta$usia)Kamu bisa mengambil kolom tertentu dengan tanda $.
Misalnya peserta$usia artinya mengambil kolom usia dari
tabel peserta.
Data polis, data klaim, tabel mortalitas, dan cashflow semuanya bisa disusun sebagai data frame. Begitu kamu nyaman dengan tabel, kamu sudah memegang salah satu kunci utama dalam analisis aktuaria.
Saat masalah mulai lebih besar, kita butuh fungsi dan paket agar pekerjaan lebih cepat, rapi, dan mudah diulang.
Fungsi adalah perintah yang melakukan tugas tertentu. Kamu memberikan
input, lalu fungsi mengembalikan output. Misalnya
mean(klaim) memberi rata-rata klaim.
Paket adalah kumpulan fungsi tambahan. Bayangkan paket seperti kotak alat spesialis. Ada paket untuk visualisasi, manipulasi data, model statistik, bahkan aktuaria.
# dipasang sekali saja
install.packages("ggplot2")
# dipanggil setiap sesi kerja
library(ggplot2)Beri nama objek yang jelas, misalnya data_klaim atau
suku_bunga, bukan x atau abc.
Pisahkan setiap tahap: impor data, bersihkan data, analisis, lalu visualisasi. Ini membuat script lebih mudah dibaca.
Simpan script, jangan mengandalkan ingatan. Dalam dunia aktuaria, reproduktibilitas itu penting karena hasil perlu bisa dicek kembali.
Kadang angka saja tidak cukup. Grafik membantu kita melihat pola, perbandingan, dan keanehan data dengan lebih cepat.
Cocok untuk membandingkan kategori, misalnya jumlah polis berdasarkan jenis produk.
Berguna untuk melihat sebaran data numerik, misalnya distribusi besar klaim.
Baik untuk melihat hubungan dua variabel, misalnya usia tertanggung dan besar premi.
# histogram besar klaim
klaim <- c(1200000, 800000, 950000, 1500000, 700000, 1100000, 990000)
hist(klaim, col = "skyblue", main = "Distribusi Klaim", xlab = "Nilai Klaim")
# plot hubungan usia dan premi
usia <- c(21, 25, 28, 35, 40)
premi <- c(350000, 400000, 430000, 520000, 610000)
plot(usia, premi, pch = 19, col = "tomato", main = "Usia vs Premi")Bagian ini penting supaya kamu bisa melihat bahwa R bukan hanya untuk latihan sintaks, tetapi benar-benar berguna untuk topik yang akan kamu pelajari nanti.
Misalkan ada dana awal 10.000.000 dengan bunga tahunan
5%. Kita ingin tahu nilainya setelah 5 tahun.
Dengan simulasi, kita bisa mempelajari berbagai kemungkinan hasil. Ini sangat berguna dalam analisis risiko dan pemodelan ketidakpastian.
# bunga majemuk
modal_awal <- 10000000
bunga <- 0.05
tahun <- 5
nilai_akhir <- modal_awal * (1 + bunga)^tahun
nilai_akhir
# simulasi jumlah klaim per periode
set.seed(123)
simulasi_klaim <- rpois(12, lambda = 3)
simulasi_klaim
mean(simulasi_klaim)
# nilai kini manfaat di masa depan
manfaat <- 50000000
tingkat_diskonto <- 0.06
waktu <- 10
nilai_kini <- manfaat / (1 + tingkat_diskonto)^waktu
nilai_kiniPada bunga majemuk, kita mengalikan modal dengan pertumbuhan berulang. Pada nilai kini, kita melakukan kebalikannya: membawa nilai masa depan ke hari ini.
Karena risiko jarang pasti. Simulasi membantu kita melihat banyak kemungkinan hasil, bukan hanya satu angka tunggal.
set.seed()?Supaya hasil acak dapat diulang. Ini penting saat kamu ingin menunjukkan bahwa hasilmu konsisten dan dapat diverifikasi.
Setiap kali kamu belajar konsep matematika, biasakan bertanya: “Bagaimana cara saya mencoba konsep ini di R?” Cara ini akan mempercepat pemahaman dan membuat teori terasa lebih hidup.
Kamu tidak perlu menguasai semuanya sekaligus. Yang penting adalah ritme belajar yang stabil dan berani mencoba.
Cukup targetkan 15 sampai 30 menit latihan per hari. Buat satu script kecil, coba satu fungsi baru, atau salin satu contoh lalu ubah angkanya.
Simpan daftar fungsi yang sering dipakai seperti mean(),
sum(), plot(), data.frame(), dan
summary().
Mengetik ulang kode membuat tangan dan pikiran ikut belajar.
Error bukan tanda gagal. Justru dari error kamu belajar struktur bahasa R dan logika berpikir yang lebih teliti.
Simpan latihanmu. Nantinya kumpulan file kecil itu akan menjadi bukti perkembanganmu.
Sekarang kamu sudah punya gambaran awal tentang R. Tidak harus hafal semua, tapi penting untuk tahu apa yang bisa dilakukan R dan bagaimana mulai memakainya.
dplyr.ggplot2.Cheat sheet mini: <- untuk
assignment, c() untuk membuat vektor,
data.frame() untuk tabel, mean() untuk
rata-rata, summary() untuk ringkasan, dan
plot() untuk grafik.