NIM: 053171546
Jurusan: Sistem Informasi
UPBJJ: Padang
Universitas: Universitas Terbuka

1 Soal 1: Fungsi Perintah R

1.1 `ls(pat = "y")`

Fungsi: Perintah ls() digunakan untuk menampilkan daftar semua objek yang tersimpan di dalam environment R saat ini. Argumen pat = "y" (singkatan dari pattern) berfungsi sebagai filter, sehingga hanya objek yang mengandung huruf “y” pada namanya yang akan ditampilkan.

# Buat beberapa objek contoh
x_nilai  <- 10
y_nilai  <- 20
xy_data  <- c(1, 2, 3)
alpha    <- "hello"

# Tampilkan objek yang mengandung huruf "y"
ls(pat = "y")

## [1] "xy_data" "y_nilai"

Output: Hanya objek bernama xy_data dan y_nilai yang tampil karena keduanya mengandung huruf “y”.

1.2 `for (i in 1:25) { print(i) }`

Fungsi: Perintah ini adalah perulangan (loop) for yang mengiterasi variabel i dari angka 1 hingga 25 secara berurutan. Setiap iterasi, fungsi print(i) mencetak nilai i ke konsol. Total iterasi yang dilakukan adalah 25 kali.

for (i in 1:25) {
  print(i)
}

## [1] 1
## [1] 2
## [1] 3
## [1] 4
## [1] 5
## [1] 6
## [1] 7
## [1] 8
## [1] 9
## [1] 10
## [1] 11
## [1] 12
## [1] 13
## [1] 14
## [1] 15
## [1] 16
## [1] 17
## [1] 18
## [1] 19
## [1] 20
## [1] 21
## [1] 22
## [1] 23
## [1] 24
## [1] 25

Output: Angka 1 sampai 25 dicetak satu per satu ke konsol.

1.3 `setwd("C:/B")`

Fungsi: Perintah setwd() (set working directory) digunakan untuk mengubah direktori kerja aktif R ke lokasi folder yang ditentukan. Pada perintah setwd("C:/B"), R akan menjadikan folder B pada drive C: sebagai direktori kerja. Semua operasi baca/tulis file akan mengacu pada folder tersebut.

# Contoh penggunaan setwd
# (akan error jika folder C:/B tidak ada di komputer Anda)
setwd("C:/B")

## Error in `setwd()`:
## ! cannot change working directory

# Untuk memverifikasi direktori kerja aktif, gunakan:
getwd()

## [1] "C:/Users/allif/Documents"

Catatan: Perintah ini hanya berhasil jika folder C:/B benar-benar ada di sistem. Gunakan getwd() untuk mengecek direktori kerja saat ini.

2 Soal 2: Membuat Data Frame Mahasiswa

Berikut perintah R untuk membuat data frame berisi 18 baris data mahasiswa dengan variabel Prodi, asal_daerah, dan usia.

# Membuat data frame mahasiswa
mahasiswa <- data.frame(
  Prodi = rep(c("Matematika", "Statistika", "Biologi"), times = 6),
  asal_daerah = rep(
    c("Jakarta", "Jakarta", "Jakarta",
      "Bogor",   "Bogor",   "Bogor",
      "Bandung", "Bandung", "Bandung"),
    times = 2
  ),
  usia = c(rep(22, 9), rep(26, 9))
)

# Tampilkan data frame
print(mahasiswa)

##         Prodi asal_daerah usia
## 1  Matematika     Jakarta   22
## 2  Statistika     Jakarta   22
## 3     Biologi     Jakarta   22
## 4  Matematika       Bogor   22
## 5  Statistika       Bogor   22
## 6     Biologi       Bogor   22
## 7  Matematika     Bandung   22
## 8  Statistika     Bandung   22
## 9     Biologi     Bandung   22
## 10 Matematika     Jakarta   26
## 11 Statistika     Jakarta   26
## 12    Biologi     Jakarta   26
## 13 Matematika       Bogor   26
## 14 Statistika       Bogor   26
## 15    Biologi       Bogor   26
## 16 Matematika     Bandung   26
## 17 Statistika     Bandung   26
## 18    Biologi     Bandung   26

Tabel Data Frame Mahasiswa
No	Prodi	asal_daerah	usia
1	Matematika	Jakarta	22
2	Statistika	Jakarta	22
3	Biologi	Jakarta	22
4	Matematika	Bogor	22
5	Statistika	Bogor	22
6	Biologi	Bogor	22
7	Matematika	Bandung	22
8	Statistika	Bandung	22
9	Biologi	Bandung	22
10	Matematika	Jakarta	26
11	Statistika	Jakarta	26
12	Biologi	Jakarta	26
13	Matematika	Bogor	26
14	Statistika	Bogor	26
15	Biologi	Bogor	26
16	Matematika	Bandung	26
17	Statistika	Bandung	26
18	Biologi	Bandung	26

Penjelasan Struktur:

Prodi –> diulang 6 kali dengan rep(..., times = 6)

asal_daerah –> setiap kota diulang 3 kali untuk usia 22 dan 26

usia –> 9 baris bernilai 22, diikuti 9 baris bernilai 26

3 Soal 3: Data Waktu Aktivitas Harian

3.1 Data Aktivitas Harian

Berikut data estimasi waktu (dalam menit) untuk 20 aktivitas harian yang dikelompokkan selama 4 hari dengan 5 aktivitas per hari.

Aktivitas	Hari 1	Hari 2	Hari 3	Hari 4
Tidur	480	450	500	420
Belajar	120	150	90	180
Makan	60	75	60	90
Bermain HP	90	120	100	150
Olahraga	30	0	45	60

3.2 Membuat Matriks 4×5

# Data waktu aktivitas harian (dalam menit)
# Matriks 4 baris (hari) x 5 kolom (aktivitas)
data_waktu <- matrix(
  data = c(
    480, 120, 60,  90,  30,   # Hari 1
    450, 150, 75, 120,   0,   # Hari 2
    500,  90, 60, 100,  45,   # Hari 3
    420, 180, 90, 150,  60    # Hari 4
  ),
  nrow    = 4,
  ncol    = 5,
  byrow   = TRUE,
  dimnames = list(
    c("Hari 1", "Hari 2", "Hari 3", "Hari 4"),
    c("Tidur", "Belajar", "Makan", "Bermain HP", "Olahraga")
  )
)

# Tampilkan matriks
print(data_waktu)

##        Tidur Belajar Makan Bermain HP Olahraga
## Hari 1   480     120    60         90       30
## Hari 2   450     150    75        120        0
## Hari 3   500      90    60        100       45
## Hari 4   420     180    90        150       60

3.3 Statistik Deskriptif

# Fungsi modus (R tidak memiliki fungsi bawaan untuk modus)
modus <- function(x) {
  tabel <- table(x)
  as.numeric(names(tabel[tabel == max(tabel)]))
}

# Hitung statistik dari seluruh data dalam matriks
semua_data <- as.vector(data_waktu)

cat("======================================\n")
cat("   STATISTIK DESKRIPTIF DATA HARIAN  \n")
cat("======================================\n")
cat(sprintf("Minimum  : %g menit\n",   min(semua_data)))
cat(sprintf("Maksimum : %g menit\n",   max(semua_data)))
cat(sprintf("Rata-rata: %.2f menit\n", mean(semua_data)))
cat(sprintf("Median   : %g menit\n",   median(semua_data)))
cat(sprintf("Modus    : %s menit\n",
            paste(modus(semua_data), collapse = ", ")))
cat("======================================\n")

## ======================================
##    STATISTIK DESKRIPTIF DATA HARIAN  
## ======================================
## Minimum  : 0 menit
## Maksimum : 500 menit
## Rata-rata: 163.50 menit
## Median   : 95 menit
## Modus    : 60, 90 menit
## ======================================

Ringkasan Statistik Deskriptif Data Aktivitas Harian
Statistik	Nilai_Menit
Minimum	0
Maksimum	500
Rata-rata	163.5
Median	95
Modus	60, 90

Interpretasi Hasil:

Minimum (0 menit): Pada Hari 2 tidak ada aktivitas olahraga sama sekali.

Maksimum (500 menit): Waktu tidur terlama terjadi pada Hari 3.

Rata-rata: Menunjukkan rata-rata durasi dari seluruh 20 data aktivitas.

Median: Nilai tengah dari data yang telah diurutkan.

Modus: Nilai yang paling sering muncul dalam data.

4 Daftar Referensi

Environmental Learning. (2018, Desember 28). Statistika deskriptif (central tendency & spread) – R. WordPress. https://environmentallearning.wordpress.com/2018/12/28/statistika-deskriptif-r/

Rozzaq, M. A. (2023, Juni 13). Dataframe. RPubs. https://rpubs.com/M_AbdulRozzaq/1054442

Rif’uddin, A. (2020, September 17). Dasar-dasar R dan manajemen data frame. RPubs. https://rpubs.com/arifuddinr/666702

Scribd. (2020). Penggunaan for loop dalam R. Scribd. https://id.scribd.com/document/452315532/FOR-LOOP-KELOMPOK-4-pdf

Syamsul Hadi, M. A. (2022, Desember 13). Membuat data frame dari vectors di pemrograman R. RPubs. https://rpubs.com/auliasyamsul/983780

Dokumen ini dibuat menggunakan R Markdown | Universitas Terbuka, UPBJJ Padang.

Tugas 1: Dasar Pemrograman R

Allif Maulana Sakti

03 May 2026

1 Soal 1: Fungsi Perintah R

1.1 `ls(pat = "y")`

1.2 `for (i in 1:25) { print(i) }`

1.3 `setwd("C:/B")`

2 Soal 2: Membuat Data Frame Mahasiswa

3 Soal 3: Data Waktu Aktivitas Harian

3.1 Data Aktivitas Harian

3.2 Membuat Matriks 4×5

3.3 Statistik Deskriptif

4 Daftar Referensi

Tugas 1: Dasar Pemrograman R

Allif Maulana Sakti

03 May 2026

1 Soal 1: Fungsi Perintah R

1.1 ls(pat = "y")

1.2 for (i in 1:25) { print(i) }

1.3 setwd("C:/B")

2 Soal 2: Membuat Data Frame Mahasiswa

3 Soal 3: Data Waktu Aktivitas Harian

3.1 Data Aktivitas Harian

3.2 Membuat Matriks 4×5

3.3 Statistik Deskriptif

4 Daftar Referensi

1.1 `ls(pat = "y")`

1.2 `for (i in 1:25) { print(i) }`

1.3 `setwd("C:/B")`