Pada masa sekarang, perkembangan teknologi digital semakin pesat sehingga jumlah data dan informasi yang tersedia semakin banyak, cepat, dan berasal dari berbagai sumber. Dalam proses pengolahan data, diperlukan ketelitian dan waktu yang cukup agar hasil analisis yang diperoleh sesuai dengan tujuan. Perkembangan teknologi telah menghasilkan berbagai perangkat lunak yang dapat membantu proses perhitungan dan analisis data, salah satunya adalah program R. Program R menyediakan berbagai fungsi yang dapat digunakan untuk melakukan pengolahan data serta menghasilkan visualisasi yang berkualitas, termasuk simbol dan rumus matematika yang diperlukan dalam analisis (Sugiarto dan Hongyanto, 2020).
Salah satu fitur yang dapat digunakan untuk mempermudah proses pengolahan data dalam program R adalah pipe operator. Pipe operator merupakan operator yang berfungsi untuk meneruskan hasil dari suatu fungsi ke fungsi berikutnya sehingga beberapa proses pengolahan data dapat dilakukan secara berurutan. Penggunaan pipe operator dapat membuat penulisan sintaks menjadi lebih sederhana, terstruktur, dan mudah dipahami. Selain itu, pipe operator juga membantu mengurangi penggunaan fungsi yang bersarang sehingga alur penulisan kode menjadi lebih jelas (Marcon, 2024).
Berdasarkan latar belakang di atas, rumusan masalah dalam praktikum ini adalah sebagai berikut:
Berdasarkan rumusan masalah tersebut, tujuan yang ingin dicapai dalam praktikum ini adalah:
Manfaat yang diperoleh melalui praktikum ini adalah sebagai berikut:
Adapun batasan masalah dalam praktikum ini adalah data penjualan sebuah toko bernama Statvers yang mencatat penjualan beberapa produk selama satu minggu. Data tersebut terdiri atas hari, produk, kategori, harga, dan jumlah penjualan. Berdasarkan data yang tersedia, dilakukan pengolahan menggunakan pipe operator dengan batasan analisis sebagai berikut:
Adapun sistematika penulisan laporan praktikum ini adalah sebagai berikut:
BAB I PENDAHULUAN
Bab ini berisi latar belakang, rumusan masalah, tujuan praktikum, manfaat praktikum, batasan masalah, dan sistematika penulisan.
BAB II TINJAUAN PUSTAKA
Bab ini memuat teori dan penjelasan yang berkaitan dengan pengenalan pipe operator serta operasi yang digunakan dalam program R.
BAB III METODE PENELITIAN
Bab ini berisi jenis dan sumber data, variabel penelitian, tahapan analisis data, serta diagram alir penelitian.
BAB IV HASIL DAN PEMBAHASAN
Bab ini berisi hasil pengolahan data menggunakan pipe operator pada program R beserta pembahasan dari setiap hasil analisis yang diperoleh.
BAB V KESIMPULAN DAN SARAN
Bab ini memuat kesimpulan dari hasil praktikum serta saran yang dapat digunakan sebagai bahan evaluasi dalam pelaksanaan praktikum selanjutnya.
DAFTAR PUSTAKA
Program R menyediakan fasilitas untuk membuat fungsi yang
didefinisikan oleh pengguna atau disebut dengan user-defined
function. Fasilitas ini memungkinkan pengguna membuat program
analisis yang lebih fleksibel dengan memanfaatkan berbagai fungsi yang
tersedia dalam R. Sebagai contoh, pengguna dapat membuat fungsi untuk
menghitung rata-rata dari sekumpulan data dengan memanfaatkan fungsi
sum() untuk menghitung jumlah data dan
length() untuk mengetahui banyaknya data (Novianti,
2026).
Pipe operator merupakan operator yang digunakan untuk meneruskan hasil dari suatu fungsi sebagai argumen pertama pada fungsi berikutnya. Dengan demikian, hasil dari satu proses dapat langsung digunakan dalam proses selanjutnya tanpa harus menuliskan kembali objek data yang digunakan. Sebagian besar fungsi dalam program R dapat digunakan bersama pipe operator selama argumen pertamanya merupakan data yang akan diproses (Marcon, 2024).
Pipe operator merupakan bagian dari paket magrittr dan
banyak digunakan dalam lingkungan tidyverse. Operator ini
berfungsi untuk menghubungkan beberapa perintah menjadi satu rangkaian
proses sehingga kode lebih mudah dibaca dan dipahami. Secara umum, pipe
operator mengambil objek yang berada di sebelah kiri simbol
%>%, kemudian meneruskannya sebagai argumen pertama pada
fungsi yang berada di sebelah kanan (Wright, 2023).
Data yang digunakan dalam praktikum ini merupakan data penjualan Toko Statvers selama tujuh hari, yaitu Senin sampai Minggu. Data terdiri atas informasi hari, nama produk, kategori produk, harga, dan jumlah produk yang terjual. Data tersebut digunakan sebagai bahan penerapan pipe operator dalam proses pengolahan dan analisis data menggunakan program R.
Sumber data yang digunakan dalam praktikum ini adalah data sekunder. Data sekunder merupakan data yang diperoleh peneliti secara tidak langsung melalui media perantara. Pada praktikum ini, data bersumber dari asisten praktikum Komputasi Statistika 2026.
Variabel penelitian merupakan karakteristik atau segala sesuatu yang menjadi perhatian dalam suatu penelitian. Variabel yang digunakan dalam praktikum ini terdiri atas lima variabel, yaitu Hari, Produk, Kategori, Harga, dan Jumlah. Variabel Hari menunjukkan waktu penjualan, Produk menunjukkan nama barang yang dijual, Kategori menunjukkan jenis pengelompokan produk, Harga menunjukkan harga setiap produk, sedangkan Jumlah menunjukkan banyaknya produk yang terjual.
Adapun tahapan analisis data menggunakan pipe operator pada program R adalah sebagai berikut:
Data penelitian yang digunakan merupakan data penjualan Toko Statvers selama satu minggu. Data terdiri atas lima variabel, yaitu Hari, Produk, Kategori, Harga, dan Jumlah.
data_statvers <- data.frame(
Hari = c(
"Senin", "Senin", "Senin", "Senin",
"Selasa", "Selasa", "Selasa",
"Rabu", "Rabu", "Rabu", "Rabu",
"Kamis", "Kamis", "Kamis",
"Jumat", "Jumat",
"Sabtu", "Sabtu", "Sabtu", "Sabtu",
"Minggu", "Minggu", "Minggu", "Minggu"
),
Produk = c(
"Pulpen", "Buku", "Tumbler", "Kaca",
"Pulpen", "Buku", "Kaca",
"Pulpen", "Buku", "Tumbler", "Kaca",
"Pulpen", "Buku", "Tumbler",
"Pulpen", "Buku",
"Pulpen", "Buku", "Tumbler", "Kaca",
"Pulpen", "Buku", "Tumbler", "Kaca"
),
Kategori = c(
"Alat Tulis", "Alat Tulis", "Aksesoris", "Aksesoris",
"Alat Tulis", "Alat Tulis", "Aksesoris",
"Alat Tulis", "Alat Tulis", "Aksesoris", "Aksesoris",
"Alat Tulis", "Alat Tulis", "Aksesoris",
"Alat Tulis", "Alat Tulis",
"Alat Tulis", "Alat Tulis", "Aksesoris", "Aksesoris",
"Alat Tulis", "Alat Tulis", "Aksesoris", "Aksesoris"
),
Harga = c(
5000, 12000, 35000, 15000,
5000, 12000, 15000,
5000, 12000, 35000, 15000,
5000, 12000, 35000,
5000, 12000,
5000, 12000, 35000, 15000,
5000, 12000, 35000, 15000
),
Jumlah = c(
20, 15, 8, 3,
25, 10, 5,
18, 20, 10, 11,
17, 9, 8,
19, 11,
10, 5, 18, 21,
14, 12, 18, 19
)
)
data_statvers## Hari Produk Kategori Harga Jumlah
## 1 Senin Pulpen Alat Tulis 5000 20
## 2 Senin Buku Alat Tulis 12000 15
## 3 Senin Tumbler Aksesoris 35000 8
## 4 Senin Kaca Aksesoris 15000 3
## 5 Selasa Pulpen Alat Tulis 5000 25
## 6 Selasa Buku Alat Tulis 12000 10
## 7 Selasa Kaca Aksesoris 15000 5
## 8 Rabu Pulpen Alat Tulis 5000 18
## 9 Rabu Buku Alat Tulis 12000 20
## 10 Rabu Tumbler Aksesoris 35000 10
## 11 Rabu Kaca Aksesoris 15000 11
## 12 Kamis Pulpen Alat Tulis 5000 17
## 13 Kamis Buku Alat Tulis 12000 9
## 14 Kamis Tumbler Aksesoris 35000 8
## 15 Jumat Pulpen Alat Tulis 5000 19
## 16 Jumat Buku Alat Tulis 12000 11
## 17 Sabtu Pulpen Alat Tulis 5000 10
## 18 Sabtu Buku Alat Tulis 12000 5
## 19 Sabtu Tumbler Aksesoris 35000 18
## 20 Sabtu Kaca Aksesoris 15000 21
## 21 Minggu Pulpen Alat Tulis 5000 14
## 22 Minggu Buku Alat Tulis 12000 12
## 23 Minggu Tumbler Aksesoris 35000 18
## 24 Minggu Kaca Aksesoris 15000 19Analisis pertama dilakukan untuk mengetahui total pendapatan
berdasarkan kategori produk. Perhitungan pendapatan diperoleh dengan
mengalikan harga produk dengan jumlah produk yang terjual. Selanjutnya,
data dikelompokkan berdasarkan kategori menggunakan fungsi
group_by(), kemudian total pendapatan dihitung menggunakan
fungsi summarise() dan sum().
data_statvers %>%
mutate(Pendapatan = Harga * Jumlah) %>%
group_by(Kategori) %>%
summarise(
Total_Pendapatan = sum(Pendapatan)
)## # A tibble: 2 × 2
## Kategori Total_Pendapatan
## <chr> <dbl>
## 1 Aksesoris 3055000
## 2 Alat Tulis 1599000Berdasarkan hasil pengolahan data, diperoleh total pendapatan kategori Aksesoris sebesar Rp3.055.000, sedangkan kategori Alat Tulis sebesar Rp1.599.000. Hasil tersebut menunjukkan bahwa kategori Aksesoris menghasilkan pendapatan lebih besar dibandingkan kategori Alat Tulis. Dengan demikian, total pendapatan dari seluruh kategori produk selama satu minggu adalah sebesar Rp4.654.000.
Analisis kedua dilakukan untuk mengetahui rata-rata jumlah produk
yang terjual berdasarkan kategori. Proses ini dilakukan dengan
mengelompokkan data berdasarkan kategori menggunakan fungsi
group_by(), kemudian menghitung nilai rata-rata menggunakan
fungsi mean() melalui fungsi summarise().
data_statvers %>%
group_by(Kategori) %>%
summarise(
Rata_Rata_Jumlah = mean(Jumlah)
)## # A tibble: 2 × 2
## Kategori Rata_Rata_Jumlah
## <chr> <dbl>
## 1 Aksesoris 12.1
## 2 Alat Tulis 14.6Berdasarkan hasil pengolahan data, diperoleh rata-rata jumlah produk terjual pada kategori Aksesoris sebesar 12.10 produk, sedangkan kategori Alat Tulis sebesar 14.64 produk. Hasil tersebut menunjukkan bahwa rata-rata jumlah produk yang terjual pada kategori Alat Tulis lebih tinggi dibandingkan kategori Aksesoris. Dengan demikian, kategori Alat Tulis memiliki rata-rata penjualan produk yang lebih banyak selama periode pengamatan.
Analisis ketiga bertujuan untuk mengetahui urutan jumlah penjualan
berdasarkan hari. Data dikelompokkan berdasarkan hari, kemudian jumlah
penjualan dijumlahkan menggunakan fungsi sum(). Setelah
itu, fungsi arrange() dan desc() digunakan
untuk mengurutkan hasil dari jumlah penjualan terbesar hingga
terkecil.
data_statvers %>%
group_by(Hari) %>%
summarise(
Total_Penjualan = sum(Jumlah)
) %>%
arrange(desc(Total_Penjualan))## # A tibble: 7 × 2
## Hari Total_Penjualan
## <chr> <dbl>
## 1 Minggu 63
## 2 Rabu 59
## 3 Sabtu 54
## 4 Senin 46
## 5 Selasa 40
## 6 Kamis 34
## 7 Jumat 30Berdasarkan hasil pengolahan data, diperoleh urutan jumlah penjualan dari terbesar hingga terkecil, yaitu hari Minggu sebanyak 63 produk, Rabu sebanyak 59 produk, Sabtu sebanyak 54 produk, Senin sebanyak 46 produk, Selasa sebanyak 40 produk, Kamis sebanyak 34 produk, dan Jumat sebanyak 30 produk. Hasil tersebut menunjukkan bahwa penjualan tertinggi terjadi pada hari Minggu, sedangkan penjualan terendah terjadi pada hari Jumat. Dengan demikian, hari Minggu merupakan hari dengan jumlah penjualan produk terbanyak selama satu minggu.
Analisis keempat dilakukan untuk mengetahui total pendapatan yang
diperoleh setiap hari. Pendapatan dihitung dengan mengalikan harga dan
jumlah produk yang terjual. Selanjutnya, data dikelompokkan berdasarkan
hari untuk memperoleh total pendapatan masing-masing hari menggunakan
fungsi group_by() dan summarise().
data_statvers %>%
mutate(Pendapatan = Harga * Jumlah) %>%
group_by(Hari) %>%
summarise(
Total_Pendapatan = sum(Pendapatan)
)## # A tibble: 7 × 2
## Hari Total_Pendapatan
## <chr> <dbl>
## 1 Jumat 227000
## 2 Kamis 473000
## 3 Minggu 1129000
## 4 Rabu 845000
## 5 Sabtu 1055000
## 6 Selasa 320000
## 7 Senin 605000Berdasarkan hasil pengolahan data, diperoleh total pendapatan pada hari Senin sebesar Rp605.000, Selasa sebesar Rp320.000, Rabu sebesar Rp845.000, Kamis sebesar Rp473.000, Jumat sebesar Rp227.000, Sabtu sebesar Rp1.055.000, dan Minggu sebesar Rp1.129.000. Hasil tersebut menunjukkan bahwa pendapatan tertinggi diperoleh pada hari Minggu sebesar Rp1.129.000, sedangkan pendapatan terendah diperoleh pada hari Jumat sebesar Rp227.000. Dengan demikian, hari Minggu menjadi hari dengan pendapatan terbesar selama periode penjualan satu minggu.
Pipe operator adalah fitur dalam bahasa pemrograman R yang digunakan untuk meneruskan hasil dari satu fungsi sebagai input ke fungsi berikutnya. Penggunaan pipe operator dapat membantu menyederhanakan penulisan kode, memperjelas alur pengolahan data, serta mempermudah pelaksanaan analisis data yang terdiri atas beberapa tahapan.
Penerapan pipe operator dalam program R dilakukan dengan menggunakan
simbol %>% atau melalui kombinasi tombol
Ctrl + Shift + M pada RStudio. Simbol tersebut diletakkan
di antara fungsi yang ingin dihubungkan sehingga hasil dari fungsi
sebelumnya dapat digunakan secara langsung oleh fungsi berikutnya.
Berdasarkan analisis terhadap data penjualan Toko Statvers selama satu minggu, diketahui bahwa produk yang dijual terbagi menjadi dua kategori, yaitu aksesoris dan alat tulis. Pengolahan data dilakukan untuk memperoleh total pendapatan berdasarkan kategori, rata-rata jumlah produk terjual berdasarkan kategori, urutan jumlah penjualan berdasarkan hari, serta total pendapatan berdasarkan hari. Hasil analisis menunjukkan bahwa penggunaan pipe operator dapat membantu proses pengolahan data secara lebih terstruktur dan mempermudah penyajian hasil analisis.
Dalam menjalankan fungsi pada program R, praktikan diharapkan lebih teliti saat melakukan inisialisasi variabel dan mengoperasikan setiap fungsi. Penulisan sintaks perlu diperhatikan karena kesalahan dalam penulisan dapat menyebabkan program mengalami error. Selain itu, praktikan diharapkan memahami fungsi dari setiap operator yang digunakan agar proses pengolahan data dapat berjalan dengan baik dan menghasilkan output yang sesuai dengan tujuan analisis.
Novianti, P. (2026). Modul Praktikum Komputasi Statistika. Bengkulu: Universitas Bengkulu.
Wright, L. (2023). Many Models in R: A Tutorial. London: University College London.
Marcon, E. (2024). Working with R. France: UMR Amap.
Sugiarto, & Hongyanto, S. (2020). Statistika Deskriptif dan Konsep Peluang: Aplikasi R-Stat. Yogyakarta: Andi Offset.