1 Pendahuluan

1.1 Tujuan Pembelajaran

Setelah menyelesaikan praktikum ini, mahasiswa mampu:

Membuat dan memberi nama variabel serta mengenali tipe data dasar di R.
Membuat dan mengolah vektor dengan fungsi c(), rep(), dan operator :.
Melakukan operasi aritmatika pada vektor (operasi elemen per elemen).
Menyusun data frame dan menambahkan kolom baru.
Menggunakan operator perbandingan dan logika.
Membuat percabangan dengan if, else if, else, ifelse(), dan ifelse() bertingkat (nested).
Menyelesaikan kasus nyata: menghitung pajak, diskon, dan harga akhir transaksi.

1.2 Studi Kasus

Sebuah restoran mencatat transaksi 15 pelanggan dalam satu hari. Setiap transaksi memuat pembelian makanan dan minuman, serta status pelanggan (member atau non-member). Pemilik restoran ingin menghitung harga akhir yang harus dibayar setiap pelanggan dengan aturan berikut.

Aturan pajak

Pajak restoran sebesar 11% dari subtotal (makanan + minuman).

Aturan diskon

Diskon dihitung dari dua komponen yang dijumlahkan:

Komponen	Syarat	Diskon
Diskon member	Status = member	2%
Diskon nominal belanja (berdasarkan total harga setelah pajak)	Total ≤ Rp100.000	0%
	Rp100.000 < Total ≤ Rp150.000	5%
	Rp150.000 < Total ≤ Rp200.000	10%
	Total > Rp200.000	15%

Diskon dikenakan pada total harga setelah pajak.

Pertanyaan utama: berapa harga akhir yang harus dibayar masing-masing pelanggan, dan berapa total pendapatan restoran hari itu?

1.3 Alur Praktikum

Data mentah → Subtotal & pajak → Total harga → Diskon (percabangan) → Harga akhir

2 Materi 1: Variabel dan Tipe Data

2.1 Teori Singkat

Variabel adalah nama yang menyimpan nilai. Di R, pemberian nilai memakai operator <- (boleh juga =). Tipe data dasar yang sering dipakai:

Tipe	Contoh	Fungsi cek
`numeric`	`183000`, `0.11`	`is.numeric()`
`integer`	`15L`	`is.integer()`
`character`	`"ali"`, `"member"`	`is.character()`
`logical`	`TRUE`, `FALSE`	`is.logical()`

2.2 Contoh pada Kasus

Misalkan satu transaksi pelanggan bernama Ali:

nama_pelanggan <- "ali"
status_pelanggan <- "member"
makanan_ali <- 183000
minuman_ali <- 42000
tarif_pajak <- 0.11

# Cek tipe data
class(nama_pelanggan)

## [1] "character"

class(makanan_ali)

## [1] "numeric"

is.character(status_pelanggan)

## [1] TRUE

Perhitungan untuk satu pelanggan:

subtotal_ali <- makanan_ali + minuman_ali
pajak_ali <- subtotal_ali * tarif_pajak
total_ali <- subtotal_ali + pajak_ali

subtotal_ali

## [1] 225000

pajak_ali

## [1] 24750

total_ali

## [1] 249750

Catatan: nama variabel di R bersifat case sensitive (Total berbeda dengan total), tidak boleh diawali angka, dan sebaiknya deskriptif.

2.3 Latihan 1

Buat variabel untuk pelanggan Budi (makanan Rp48.000, minuman Rp12.000, non-member), lalu hitung subtotal, pajak 11%, dan total harganya.

# Tulis jawaban Anda di sini

3 Materi 2: Vektor

3.1 Teori Singkat

Menyimpan data 15 pelanggan dengan 15 variabel terpisah tidak efisien. Vektor menyimpan banyak nilai bertipe sama dalam satu objek. Cara membuatnya:

c() : menggabungkan nilai (combine)
a:b : barisan bilangan bulat dari a sampai b
rep(x, times) : mengulang nilai x sebanyak times kali

3.2 Membuat Data Pelanggan

no <- 1:15
nama <- c("ali", "budi", "eka", "dani", "rahmat", "muharram", "rizki", "rizal",
          "eko", "galang", "bambang", "dwi", "tsabita", "ikrima", "rini")
status <- c(rep("member", 8), rep("non-member", 7))
makanan <- c(183000, 48000, 26000, 90000, 82000, 77000, 55000, 46000,
             193000, 159000, 42000, 171000, 128000, 28000, 27000)
minuman <- c(42000, 12000, 43000, 42000, 23000, 49000, 40000, 13000,
             30000, 23000, 12000, 34000, 9000, 33000, 14000)

Pelanggan nomor 1 sampai 8 berstatus member, nomor 9 sampai 15 non-member.

3.3 Mengakses Elemen Vektor

Elemen diakses dengan tanda kurung siku [ ] (indeks dimulai dari 1).

nama[3]          # pelanggan ke-3

## [1] "eka"

makanan[1:5]     # makanan pelanggan 1 sampai 5

## [1] 183000  48000  26000  90000  82000

nama[c(1, 9)]    # pelanggan ke-1 dan ke-9

## [1] "ali" "eko"

length(nama)     # banyak pelanggan

## [1] 15

3.4 Fungsi Ringkasan

sum(makanan)     # total penjualan makanan

## [1] 1355000

mean(minuman)    # rata-rata penjualan minuman

## [1] 27933.33

max(makanan)     # pembelian makanan terbesar

## [1] 193000

min(minuman)     # pembelian minuman terkecil

## [1] 9000

3.5 Latihan 2

Tampilkan nama pelanggan ke-10.
Berapa total penjualan minuman?
Berapa rata-rata pembelian makanan?

# Tulis jawaban Anda di sini

4 Materi 3: Operasi Aritmatika pada Vektor

4.1 Teori Singkat

Operasi aritmatika pada vektor dilakukan elemen per elemen. Dengan satu perintah, R menghitung seluruh 15 pelanggan sekaligus (vectorization), tanpa perlu mengulang satu per satu.

Operator	Fungsi
`+` `-`	tambah, kurang
`*` `/`	kali, bagi
`^`	pangkat
`%%`	sisa bagi

4.2 Menghitung Subtotal, Pajak, dan Total Harga

subtotal_harga <- makanan + minuman
pajak <- subtotal_harga * 0.11
ttl_hrg <- subtotal_harga + pajak

head(subtotal_harga)

## [1] 225000  60000  69000 132000 105000 126000

head(pajak)

## [1] 24750  6600  7590 14520 11550 13860

head(ttl_hrg)

## [1] 249750  66600  76590 146520 116550 139860

Pada baris pajak, nilai tunggal 0.11 otomatis “diulang” untuk seluruh elemen (recycling rule).

4.3 Latihan 3

Ubah tarif pajak menjadi 12%, lalu hitung ulang total harga seluruh pelanggan (simpan di ttl_hrg_12).
Hitung total pajak yang diterima restoran dari seluruh pelanggan (tarif 11%).

# Tulis jawaban Anda di sini

5 Materi 4: Data Frame

5.1 Teori Singkat

Data frame adalah tabel: setiap kolom adalah vektor (boleh berbeda tipe), setiap baris adalah satu pengamatan. Dibuat dengan data.frame().

data <- data.frame(no, nama, status, makanan, minuman, pajak, ttl_hrg)
data

5.2 Mengakses Data Frame

data$nama

##  [1] "ali"      "budi"     "eka"      "dani"     "rahmat"   "muharram"
##  [7] "rizki"    "rizal"    "eko"      "galang"   "bambang"  "dwi"     
## [13] "tsabita"  "ikrima"   "rini"

data[3, ]

data[1:5, c("nama", "ttl_hrg")]

nrow(data)

## [1] 15

ncol(data)

## [1] 7

str(data)

## 'data.frame':    15 obs. of  7 variables:
##  $ no     : int  1 2 3 4 5 6 7 8 9 10 ...
##  $ nama   : chr  "ali" "budi" "eka" "dani" ...
##  $ status : chr  "member" "member" "member" "member" ...
##  $ makanan: num  183000 48000 26000 90000 82000 77000 55000 46000 193000 159000 ...
##  $ minuman: num  42000 12000 43000 42000 23000 49000 40000 13000 30000 23000 ...
##  $ pajak  : num  24750 6600 7590 14520 11550 ...
##  $ ttl_hrg: num  249750 66600 76590 146520 116550 ...

summary(data$ttl_hrg)

##    Min. 1st Qu.  Median    Mean 3rd Qu.    Max. 
##   45510   67155  116550  131276  177045  249750

5.3 Menambah Kolom Baru

data$subtotal <- data$makanan + data$minuman
head(data[, c("nama", "makanan", "minuman", "subtotal")])

5.4 Latihan 4

Tambahkan kolom persen_makanan yang berisi persentase pembelian makanan terhadap subtotal untuk setiap pelanggan. Tampilkan 5 baris pertama.

# Tulis jawaban Anda di sini

6 Materi 5: Operator Perbandingan dan Logika

6.1 Teori Singkat

Operator perbandingan menghasilkan nilai logika TRUE atau FALSE.

Operator	Arti	Operator	Arti
`==`	sama dengan	`!=`	tidak sama dengan
`<`	kurang dari	`>`	lebih dari
`<=`	kurang dari atau sama dengan	`>=`	lebih dari atau sama dengan
`&`	DAN (AND)	`\\|`	ATAU (OR)
`!`	negasi (NOT)

6.2 Contoh pada Kasus

status == "member"

##  [1]  TRUE  TRUE  TRUE  TRUE  TRUE  TRUE  TRUE  TRUE FALSE FALSE FALSE FALSE
## [13] FALSE FALSE FALSE

ttl_hrg > 100000

##  [1]  TRUE FALSE FALSE  TRUE  TRUE  TRUE  TRUE FALSE  TRUE  TRUE FALSE  TRUE
## [13]  TRUE FALSE FALSE

# Member DAN total belanja di atas Rp150.000
status == "member" & ttl_hrg > 150000

##  [1]  TRUE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
## [13] FALSE FALSE FALSE

Vektor logika dapat dipakai untuk menyaring data:

nama[ttl_hrg > 150000]

## [1] "ali"     "eko"     "galang"  "dwi"     "tsabita"

data[status == "member" & ttl_hrg > 150000, ]

sum(status == "member")

## [1] 8

6.3 Latihan 5

Tampilkan nama pelanggan non-member yang total harganya lebih dari Rp100.000.
Ada berapa pelanggan yang pembelian makanannya di atas Rp100.000 atau pembelian minumannya di atas Rp40.000?

# Tulis jawaban Anda di sini

7 Materi 6: Percabangan

Percabangan memungkinkan program memilih tindakan berdasarkan kondisi. Pada kasus ini, besar diskon bergantung pada status pelanggan dan total harga.

7.1 `if`, `else if`, dan `else` (untuk satu nilai)

Bentuk umum:

if (kondisi_1) {
  # dijalankan jika kondisi_1 TRUE
} else if (kondisi_2) {
  # dijalankan jika kondisi_1 FALSE dan kondisi_2 TRUE
} else {
  # dijalankan jika semua kondisi FALSE
}

Contoh: diskon nominal untuk satu pelanggan (Ali, total 249.750).

total <- total_ali

if (total <= 100000) {
  diskon_nominal <- 0
} else if (total <= 150000) {
  diskon_nominal <- 0.05
} else if (total <= 200000) {
  diskon_nominal <- 0.10
} else {
  diskon_nominal <- 0.15
}

diskon_nominal

## [1] 0.15

Diskon member untuk pelanggan yang sama:

status_pelanggan <- "member"

if (status_pelanggan == "member") {
  diskon_member <- 0.02
} else {
  diskon_member <- 0
}

diskon_member

## [1] 0.02

diskon_nominal + diskon_member

## [1] 0.17

Penting: if hanya menerima satu nilai TRUE/FALSE. Jika diberi vektor berisi banyak elemen, R akan memberi galat (error). Untuk vektor, gunakan ifelse().

7.2 `ifelse()` (untuk vektor)

Bentuk: ifelse(kondisi, nilai_jika_TRUE, nilai_jika_FALSE). Fungsi ini memeriksa setiap elemen vektor.

diskon <- rep(0, 15)
diskonmem <- ifelse(status == "member", diskon + 0.02, diskon)
diskonmem

##  [1] 0.02 0.02 0.02 0.02 0.02 0.02 0.02 0.02 0.00 0.00 0.00 0.00 0.00 0.00 0.00

7.3 `ifelse()` Bertingkat (Nested)

Untuk lebih dari dua kemungkinan, ifelse() dapat ditumpuk:

diskontotal <- ifelse(
  ttl_hrg <= 100000, diskonmem,
  ifelse(
    ttl_hrg <= 150000, diskonmem + 0.05,
    ifelse(ttl_hrg <= 200000, diskonmem + 0.10, diskonmem + 0.15)
  )
)
diskontotal

##  [1] 0.17 0.02 0.02 0.07 0.07 0.07 0.07 0.02 0.15 0.15 0.00 0.15 0.10 0.00 0.00

Cara membacanya: R memeriksa kondisi dari atas ke bawah. Kondisi pertama yang terpenuhi menentukan hasilnya.

7.4 Menghitung Harga Akhir

hrg_akhir <- ttl_hrg - (ttl_hrg * diskontotal)

tabel_hrg <- data.frame(
  no, nama, status, makanan, minuman, pajak,
  ttl_hrg, diskontotal, hrg_akhir
)
tabel_hrg

7.5 Latihan 6

Tentukan diskon total dan harga akhir untuk Rizki (nomor 7) secara manual dengan if/else if/else, lalu cocokkan dengan hasil di tabel_hrg.
Buat kolom kategori pada tabel_hrg dengan ifelse() bertingkat: "Hemat" jika ttl_hrg <= 100000, "Sedang" jika <= 200000, selain itu "Mahal".

# Tulis jawaban Anda di sini

8 Rangkuman Kasus

8.1 Hasil Akhir Seluruh Pelanggan

tabel_tampil <- tabel_hrg
tabel_tampil$diskontotal <- paste0(round(tabel_tampil$diskontotal * 100), "%")

knitr::kable(
  tabel_tampil,
  format.args = list(
    big.mark = ".",
    decimal.mark = ",",
    scientific = FALSE
  ),
  digits = 0,
  caption = "Harga akhir transaksi 15 pelanggan"
)

Harga akhir transaksi 15 pelanggan
no	nama	status	makanan	minuman	pajak	ttl_hrg	diskontotal	hrg_akhir
1	ali	member	183.000	42.000	24.750	249.750	17%	207.292
2	budi	member	48.000	12.000	6.600	66.600	2%	65.268
3	eka	member	26.000	43.000	7.590	76.590	2%	75.058
4	dani	member	90.000	42.000	14.520	146.520	7%	136.264
5	rahmat	member	82.000	23.000	11.550	116.550	7%	108.392
6	muharram	member	77.000	49.000	13.860	139.860	7%	130.070
7	rizki	member	55.000	40.000	10.450	105.450	7%	98.068
8	rizal	member	46.000	13.000	6.490	65.490	2%	64.180
9	eko	non-member	193.000	30.000	24.530	247.530	15%	210.400
10	galang	non-member	159.000	23.000	20.020	202.020	15%	171.717
11	bambang	non-member	42.000	12.000	5.940	59.940	0%	59.940
12	dwi	non-member	171.000	34.000	22.550	227.550	15%	193.418
13	tsabita	non-member	128.000	9.000	15.070	152.070	10%	136.863
14	ikrima	non-member	28.000	33.000	6.710	67.710	0%	67.710
15	rini	non-member	27.000	14.000	4.510	45.510	0%	45.510

8.2 Ringkasan Pendapatan

total_sebelum_diskon <- sum(ttl_hrg)
total_diskon <- sum(ttl_hrg * diskontotal)
total_pendapatan <- sum(hrg_akhir)

ringkasan <- data.frame(
  Keterangan = c(
    "Total sebelum diskon (setelah pajak)",
    "Total diskon diberikan",
    "Total pendapatan akhir"
  ),
  Rupiah = c(total_sebelum_diskon, total_diskon, total_pendapatan)
)

knitr::kable(
  ringkasan,
  format.args = list(
    big.mark = ".",
    decimal.mark = ",",
    scientific = FALSE
  ),
  digits = 0
)

Keterangan	Rupiah
Total sebelum diskon (setelah pajak)	1.969.140
Total diskon diberikan	198.990
Total pendapatan akhir	1.770.150

8.3 Rata-rata Harga Akhir Berdasarkan Status

aggregate(hrg_akhir ~ status, data = tabel_hrg, FUN = mean)

9 Kunci Jawaban Latihan

Kerjakan latihan terlebih dahulu sebelum melihat bagian ini.

9.1 Latihan 1

makanan_budi <- 48000
minuman_budi <- 12000
subtotal_budi <- makanan_budi + minuman_budi
pajak_budi <- subtotal_budi * 0.11
total_budi <- subtotal_budi + pajak_budi

c(
  subtotal = subtotal_budi,
  pajak = pajak_budi,
  total = total_budi
)

## subtotal    pajak    total 
##    60000     6600    66600

9.2 Latihan 2

nama[10]

## [1] "galang"

sum(minuman)

## [1] 419000

mean(makanan)

## [1] 90333.33

9.3 Latihan 3

ttl_hrg_12 <- (makanan + minuman) * 1.12
ttl_hrg_12

##  [1] 252000  67200  77280 147840 117600 141120 106400  66080 249760 203840
## [11]  60480 229600 153440  68320  45920

sum((makanan + minuman) * 0.11)  # Total pajak tarif 11%

## [1] 195140

9.4 Latihan 4

data$persen_makanan <- round(
  data$makanan / (data$makanan + data$minuman) * 100,
  1
)

head(data[, c("nama", "makanan", "minuman", "persen_makanan")], 5)

9.5 Latihan 5

nama[status == "non-member" & ttl_hrg > 100000]

## [1] "eko"     "galang"  "dwi"     "tsabita"

sum(makanan > 100000 | minuman > 40000)

## [1] 8

9.6 Latihan 6

# 1. Rizki (nomor 7): member
total <- ttl_hrg[7]

if (total <= 100000) {
  d_nom <- 0
} else if (total <= 150000) {
  d_nom <- 0.05
} else if (total <= 200000) {
  d_nom <- 0.10
} else {
  d_nom <- 0.15
}

d_mem <- if (status[7] == "member") 0.02 else 0
d_total <- d_nom + d_mem

c(
  diskon_total = d_total,
  harga_akhir = total - total * d_total
)

## diskon_total  harga_akhir 
##         0.07     98068.50

tabel_hrg[7, c("nama", "diskontotal", "hrg_akhir")]

# 2. Membuat kategori
tabel_hrg$kategori <- ifelse(
  tabel_hrg$ttl_hrg <= 100000, "Hemat",
  ifelse(tabel_hrg$ttl_hrg <= 200000, "Sedang", "Mahal")
)

tabel_hrg[, c("nama", "ttl_hrg", "kategori")]

10 Penutup

Pada praktikum ini kita menyelesaikan satu kasus utuh, mulai dari variabel dan vektor, operasi aritmatika, data frame, hingga percabangan, untuk menghitung harga akhir transaksi restoran. Pola berpikirnya dapat dipakai ulang pada kasus lain, misalnya diskon toko, tarif ongkir, atau penentuan nilai mahasiswa.

Informasi sesi

sessionInfo()$R.version$version.string

## [1] "R version 4.6.1 (2026-06-24 ucrt)"

Modul Praktikum Pemrograman R Berbasis Kasus

Kasus: Perhitungan Pajak dan Diskon Transaksi Restoran

Nailah Tsaqib Zhafirah (21108062610077) Syafura Lintang Az (21108062610103) Shofia Nandina (21108062610101) Muhammad Irfan Adiatma (21108062610073) Muhammad Ihsan Taufiqurrahman (21108062610072) Yasmina Mumtaza Chofsoh (21108062610106)

18 October 2026