PENGENALAN PROGRAM R

PERTEMUAN 1 PENGENALAN PROGRAM R

BAB I. PENDAHULUAN

1.1 Latar Belakang

Perkembangan teknologi informasi memberikan kemudahan dalam melakukan pengolahan dan analisis data. Salah satu perangkat lunak yang dapat digunakan untuk melakukan pengolahan data statistika adalah program R. Program R merupakan bahasa pemrograman yang dirancang untuk keperluan komputasi statistika, analisis data, dan visualisasi.

Dalam pembelajaran statistika, pengenalan program R merupakan materi dasar yang penting untuk dipahami sebelum mempelajari metode statistika yang lebih kompleks. Pengguna perlu memahami cara menjalankan perintah, membuat variabel, membentuk vektor, melakukan operasi aritmetika, serta menggunakan fungsi statistika dasar.

RStudio merupakan salah satu lingkungan pengembangan yang dapat digunakan untuk menjalankan program R. RStudio menyediakan fasilitas untuk menulis sintaks, menjalankan perintah, melihat hasil pengolahan data, dan menampilkan grafik.

Pada laporan ini dilakukan pengenalan program R melalui beberapa contoh penerapan sintaks dasar. Materi yang dibahas meliputi operasi aritmetika, pembuatan variabel, pembuatan vektor, fungsi statistika dasar, penggunaan dataset bawaan R, serta visualisasi data sederhana.

Dengan mempelajari materi tersebut, diharapkan praktikan dapat memahami dasar penggunaan program R dan mampu menerapkannya dalam proses pengolahan data statistika (novianti. 2026).

1.2 Rumusan Masalah

Rumusan masalah dalam laporan ini adalah sebagai berikut:

1. Apa yang dimaksud dengan program R dan bagaimana penggunaannya dalam pengolahan data statistika?
2. Bagaimana cara melakukan operasi aritmetika menggunakan program R?
3. Bagaimana cara membuat variabel dan vektor dalam program R?
4. Bagaimana cara menggunakan fungsi statistika dasar dalam program R?
5. Bagaimana cara mengolah dan menyajikan data menggunakan program R?

1.3 Tujuan Penelitian

Tujuan dari penyusunan laporan ini adalah sebagai berikut:

1. Mengetahui pengertian dan kegunaan program R.
2. Memahami cara melakukan operasi aritmetika menggunakan program R.
3. Memahami cara membuat variabel dan vektor.
4. Mengetahui penggunaan fungsi statistika dasar.
5. Mampu melakukan pengolahan dan visualisasi data sederhana menggunakan program R.

1.4 Manfaat Penelitian

Manfaat dari penyusunan laporan ini adalah sebagai berikut:

1. Menambah pengetahuan mengenai penggunaan program R.
2. Memahami dasar penulisan sintaks dalam bahasa pemrograman R.
3. Melatih kemampuan melakukan perhitungan statistika menggunakan program R.
4. Menambah keterampilan dalam mengolah dan menyajikan data.
5. Menjadi dasar untuk mempelajari metode statistika yang lebih lanjut.

BAB II. TINJAUAN PUSTAKA

2.1 Pengertian Program R

R merupakan bahasa pemrograman dan lingkungan komputasi yang digunakan untuk analisis statistika, pengolahan data, serta visualisasi data. Program R menyediakan berbagai fungsi yang dapat digunakan untuk melakukan perhitungan, pengolahan data, analisis statistika, dan pembuatan grafik (R Core Team, 2026).

Menurut Ningsih, Mubarak, Sundara, dan Vini (2021), bahasa pemrograman R dapat digunakan untuk mempelajari dasar-dasar pemrograman serta melakukan berbagai proses pengolahan data. Penggunaan program R memberikan kemudahan kepada pengguna dalam melakukan perhitungan dan analisis data secara sistematis.

Program R dapat digunakan melalui berbagai fungsi bawaan maupun dengan menambahkan package sesuai dengan kebutuhan analisis. Oleh karena itu, R banyak digunakan dalam pembelajaran statistika dan analisis data (R Core Team, 2026).

2.2 Pengertian RStudio

RStudio merupakan lingkungan pengembangan terintegrasi atau Integrated Development Environment (IDE) yang digunakan untuk mempermudah pengguna dalam menjalankan bahasa pemrograman R. RStudio menyediakan fasilitas untuk menulis sintaks, menjalankan perintah, melihat hasil pengolahan data, serta menampilkan grafik.

Menurut Iskandar (2023), penggunaan RStudio dapat membantu pengguna dalam melakukan pengolahan dan analisis data menggunakan bahasa pemrograman R secara lebih terstruktur. RStudio menyediakan beberapa bagian utama, seperti Source, Console, Environment, History, Files, Plots, Packages, dan Help.

Setiap bagian tersebut memiliki fungsi yang berbeda dan saling mendukung dalam proses penulisan sintaks, pengolahan data, serta penyajian hasil analisis.

2.3 Operasi Aritmetika

Operasi aritmetika merupakan operasi matematika dasar yang dapat dilakukan menggunakan program R. Beberapa operasi dasar yang tersedia meliputi penjumlahan, pengurangan, perkalian, pembagian, perpangkatan, sisa pembagian, dan pembagian bilangan bulat (Ningsih et al., 2021).

Operator	Keterangan
+	Penjumlahan
-	Pengurangan
*	Perkalian
/	Pembagian
^	Perpangkatan
%%	Sisa pembagian
%/%	Pembagian bilangan bulat

Operator aritmetika dapat digunakan secara langsung untuk melakukan perhitungan numerik. Penggunaan operator tersebut merupakan salah satu dasar yang perlu dipahami dalam penggunaan bahasa pemrograman R (R Core Team, 2026).

2.4 Variabel

Variabel merupakan objek yang digunakan untuk menyimpan suatu nilai atau informasi dalam program. Dalam bahasa pemrograman R, variabel dapat dibuat menggunakan operator penugasan <-.

Menurut Ningsih et al. (2021), objek dalam bahasa pemrograman R digunakan untuk menyimpan data sehingga dapat digunakan kembali dalam proses pengolahan dan analisis. Variabel dapat menyimpan berbagai jenis data, seperti data numerik maupun data karakter.

Contoh pembuatan variabel adalah sebagai berikut:

a <- 10
b <- 5

a
b

Penggunaan variabel memudahkan pengguna dalam menyimpan, memanggil, dan melakukan pengolahan data menggunakan program R (Iskandar, 2023).

2.5 Vektor

Vektor merupakan salah satu struktur data dasar dalam program R yang digunakan untuk menyimpan sekumpulan nilai. Pembuatan vektor dapat dilakukan menggunakan fungsi c() atau combine (R Core Team, 2026).

Contoh pembuatan vektor adalah sebagai berikut:

nilai <- c(70, 75, 80, 85, 90)

nilai

Menurut Ningsih et al. (2021), penggunaan vektor memungkinkan beberapa nilai disimpan dalam satu objek sehingga proses pengolahan dan perhitungan data dapat dilakukan dengan lebih efisien.

2.6 Fungsi Statistika Dasar

Program R menyediakan berbagai fungsi statistika dasar yang dapat digunakan untuk mengolah dan menganalisis data. Fungsi-fungsi tersebut dapat digunakan untuk menghitung ukuran pemusatan maupun ukuran penyebaran data (R Core Team, 2026).

Fungsi	Keterangan
mean()	Menghitung rata-rata
median()	Menghitung median
min()	Menentukan nilai minimum
max()	Menentukan nilai maksimum
var()	Menghitung varians
sd()	Menghitung simpangan baku
summary()	Menampilkan ringkasan data

Menurut Iskandar (2023), penggunaan fungsi dalam R dapat mempermudah proses pengolahan data karena berbagai perhitungan dapat dilakukan secara otomatis melalui sintaks yang tersedia.

Rata-rata sampel dapat dinyatakan dengan persamaan:

\[ \bar{x}=\frac{\sum_{i=1}^{n}x_i}{n} \]

Keterangan:

• \(\bar{x}\) = Rata-rata sampel
• \(x_i\) = Nilai pengamatan
• \(n\) = Banyaknya pengamatan

2.7 Dataset dalam Program R

Dataset merupakan kumpulan data yang digunakan dalam proses pengolahan dan analisis. Program R menyediakan berbagai dataset bawaan yang dapat digunakan untuk mempelajari penggunaan fungsi dan metode analisis data (R Core Team, 2026).

Salah satu dataset bawaan yang sering digunakan adalah iris. Dataset iris digunakan sebagai contoh dalam pembelajaran pengolahan data menggunakan program R. Dataset tersebut terdiri atas 150 pengamatan dengan lima variabel, yaitu Sepal.Length, Sepal.Width, Petal.Length, Petal.Width, dan Species.

Penggunaan dataset bawaan dapat membantu praktikan memahami cara memanggil data, melihat struktur data, serta melakukan pengolahan dan analisis menggunakan fungsi yang tersedia dalam R (Wickham, Çetinkaya-Rundel, & Grolemund, 2023).

2.8 Visualisasi Data

Visualisasi data merupakan proses penyajian informasi dalam bentuk grafik agar karakteristik, pola, dan hubungan dalam data lebih mudah dipahami. Program R menyediakan berbagai fungsi yang dapat digunakan untuk membuat grafik sebagai bagian dari proses analisis data (R Core Team, 2026).

Beberapa bentuk visualisasi yang dapat dibuat menggunakan program R adalah histogram, boxplot, scatterplot, dan diagram batang. Histogram digunakan untuk melihat distribusi data, boxplot digunakan untuk melihat penyebaran data dan kemungkinan pencilan, scatterplot digunakan untuk melihat hubungan antara dua variabel numerik, sedangkan diagram batang digunakan untuk menyajikan frekuensi data kategorik.

Menurut Wickham, Çetinkaya-Rundel, dan Grolemund (2023), visualisasi data merupakan bagian penting dalam analisis karena dapat membantu pengguna memahami pola dan karakteristik data secara lebih mudah.

BAB III. METODE PENELITIAN

3.1 Jenis Penelitian

Penelitian ini menggunakan pendekatan deskriptif dengan melakukan praktik pengolahan data menggunakan program R. Analisis dilakukan melalui penerapan sintaks dasar dan fungsi statistika yang tersedia dalam program R.

3.2 Sumber Data

Data yang digunakan dalam penelitian ini terdiri atas data numerik sederhana yang dibuat secara langsung menggunakan sintaks R dan dataset bawaan R, yaitu dataset iris.

3.3 Identitas Praktikan

Keterangan	Identitas
Nama	Renata Afia
NPM	F1F025082
Semester	3
Materi	Pengenalan Program R

3.4 Variabel Penelitian

Variabel yang digunakan dalam praktik pengenalan program R adalah sebagai berikut:

Variabel	Keterangan
nama	Nama praktikan
npm	Nomor Pokok Mahasiswa
semester	Semester praktikan
nilai	Data numerik dalam bentuk vektor
Sepal.Length	Panjang sepal
Sepal.Width	Lebar sepal
Petal.Length	Panjang petal
Petal.Width	Lebar petal
Species	Jenis spesies bunga

3.5 Prosedur Penelitian

Tahapan yang dilakukan dalam penelitian ini adalah:

1. Membuka aplikasi RStudio.
2. Menuliskan dan menjalankan sintaks dasar program R.
3. Melakukan operasi aritmetika.
4. Membuat variabel dan vektor.
5. Menggunakan fungsi statistika dasar.
6. Membuat tabel data sederhana.
7. Memanggil dataset bawaan R.
8. Menghitung statistik deskriptif.
9. Membuat visualisasi data.
10. Menyusun laporan menggunakan R Markdown.
11. Menghasilkan laporan dalam format HTML melalui proses Knit.

3.6 Metode Analisis Data

Metode analisis yang digunakan adalah statistik deskriptif. Analisis dilakukan dengan menghitung nilai rata-rata, median, minimum, maksimum, varians, dan simpangan baku.

Selain itu, dilakukan visualisasi data menggunakan histogram, boxplot, scatterplot, dan diagram batang untuk memberikan gambaran mengenai karakteristik data.

BAB IV. HASIL DAN PEMBAHASAN

4.1 Menampilkan Teks Menggunakan Program R

Program R dapat digunakan untuk menampilkan teks menggunakan fungsi print().

print("Selamat Belajar Program R")

#> [1] "Selamat Belajar Program R"

print("Nama: Renata Afia")

#> [1] "Nama: Renata Afia"

print("NPM: F1F025082")

#> [1] "NPM: F1F025082"

print("Semester: 3")

#> [1] "Semester: 3"

Berdasarkan sintaks tersebut, fungsi print() digunakan untuk menampilkan informasi berupa teks pada hasil program. Dengan demikian, program R dapat digunakan untuk menampilkan informasi sesuai dengan perintah yang diberikan.

4.2 Operasi Aritmetika

Operasi aritmetika merupakan salah satu dasar penggunaan program R. Berikut merupakan sintaks untuk melakukan operasi aritmetika.

a <- 18
b <- 6

penjumlahan <- a + b
pengurangan <- a - b
perkalian <- a * b
pembagian <- a / b
perpangkatan <- a^2

penjumlahan

#> [1] 24

pengurangan

#> [1] 12

perkalian

#> [1] 108

pembagian

#> [1] 3

perpangkatan

#> [1] 324

Berdasarkan hasil pengolahan tersebut, diperoleh hasil penjumlahan sebesar 24, pengurangan sebesar 12, perkalian sebesar 108, pembagian sebesar 3, dan perpangkatan sebesar 324.

Hal tersebut menunjukkan bahwa program R dapat melakukan operasi aritmetika dengan menggunakan operator yang telah tersedia.

4.3 Membuat Variabel

Variabel digunakan untuk menyimpan data yang dapat dipanggil kembali dalam proses pengolahan.

nama <- "Renata Afia"
npm <- "F1F025082"
semester <- 3

nama

#> [1] "Renata Afia"

npm

#> [1] "F1F025082"

semester

#> [1] 3

Berdasarkan sintaks tersebut, variabel nama digunakan untuk menyimpan nama praktikan, variabel npm digunakan untuk menyimpan nomor pokok mahasiswa, dan variabel semester digunakan untuk menyimpan informasi semester.

4.4 Membuat Vektor

Vektor merupakan kumpulan beberapa nilai yang disimpan dalam satu objek. Berikut merupakan sintaks pembuatan vektor.

nilai <- c(78, 85, 90, 88, 95)

nilai

#> [1] 78 85 90 88 95

Berdasarkan sintaks tersebut, diperoleh sebuah vektor yang terdiri atas lima nilai pengamatan, yaitu 78, 85, 90, 88, dan 95.

4.5 Fungsi Statistika Dasar

Data yang telah disimpan dalam bentuk vektor dapat diolah menggunakan fungsi statistika dasar.

mean(nilai)

#> [1] 87.2

median(nilai)

#> [1] 88

min(nilai)

#> [1] 78

max(nilai)

#> [1] 95

var(nilai)

#> [1] 39.7

sd(nilai)

#> [1] 6.300794

summary(nilai)

#>    Min. 1st Qu.  Median    Mean 3rd Qu.    Max. 
#>    78.0    85.0    88.0    87.2    90.0    95.0

Berdasarkan hasil pengolahan tersebut, diperoleh nilai rata-rata sebesar 87,2, median sebesar 88, nilai minimum sebesar 78, nilai maksimum sebesar 95, varians sebesar 44,7, dan simpangan baku sekitar 6,686.

Hasil tersebut menunjukkan bahwa program R dapat digunakan untuk menghitung ukuran pemusatan dan penyebaran data secara otomatis.

4.6 Membuat Tabel Data

Data dapat disusun dalam bentuk tabel menggunakan fungsi data.frame().

data_nilai <- data.frame(
  Nama = c("Andi", "Budi", "Citra", "Dina", "Eka"),
  Nilai = c(78, 85, 90, 88, 95)
)

knitr::kable(
  data_nilai,
  caption = "Tabel Data Nilai"
)

Tabel Data Nilai

Nama	Nilai
Andi	78
Budi	85
Citra	90
Dina	88
Eka	95

Berdasarkan sintaks tersebut, data berhasil disusun menjadi sebuah tabel yang terdiri atas variabel Nama dan Nilai. Fungsi data.frame() digunakan untuk membentuk tabel data, sedangkan knitr::kable() digunakan untuk menampilkan tabel dalam laporan.

4.7 Statistik Deskriptif Data Nilai

Statistik deskriptif digunakan untuk memberikan gambaran umum mengenai karakteristik data.

ringkasan_nilai <- data.frame(
  Statistik = c(
    "Rata-rata",
    "Median",
    "Minimum",
    "Maksimum",
    "Varians",
    "Simpangan Baku"
  ),
  Nilai = c(
    mean(nilai),
    median(nilai),
    min(nilai),
    max(nilai),
    var(nilai),
    sd(nilai)
  )
)

knitr::kable(
  ringkasan_nilai,
  digits = 3,
  caption = "Statistik Deskriptif Data Nilai"
)

Statistik Deskriptif Data Nilai

Statistik	Nilai
Rata-rata	87.200
Median	88.000
Minimum	78.000
Maksimum	95.000
Varians	39.700
Simpangan Baku	6.301

Berdasarkan tabel tersebut, dapat diketahui ukuran pemusatan dan penyebaran dari data nilai. Hasil perhitungan menunjukkan bahwa rata-rata data sebesar 87,2 dengan simpangan baku sekitar 6,686.

4.8 Memanggil Dataset Bawaan R

Program R menyediakan dataset bawaan yang dapat digunakan untuk melakukan praktik pengolahan data. Salah satu dataset tersebut adalah iris.

data("iris")

head(iris)

#>   Sepal.Length Sepal.Width Petal.Length Petal.Width Species
#> 1          5.1         3.5          1.4         0.2  setosa
#> 2          4.9         3.0          1.4         0.2  setosa
#> 3          4.7         3.2          1.3         0.2  setosa
#> 4          4.6         3.1          1.5         0.2  setosa
#> 5          5.0         3.6          1.4         0.2  setosa
#> 6          5.4         3.9          1.7         0.4  setosa

Berdasarkan hasil tersebut, fungsi head() digunakan untuk menampilkan enam baris pertama dari dataset iris. Dataset ini dapat digunakan sebagai contoh dalam mempelajari pengolahan data menggunakan program R.

4.9 Melihat Struktur Dataset

Struktur dataset dapat diketahui menggunakan fungsi str().

str(iris)

#> 'data.frame':    150 obs. of  5 variables:
#>  $ Sepal.Length: num  5.1 4.9 4.7 4.6 5 5.4 4.6 5 4.4 4.9 ...
#>  $ Sepal.Width : num  3.5 3 3.2 3.1 3.6 3.9 3.4 3.4 2.9 3.1 ...
#>  $ Petal.Length: num  1.4 1.4 1.3 1.5 1.4 1.7 1.4 1.5 1.4 1.5 ...
#>  $ Petal.Width : num  0.2 0.2 0.2 0.2 0.2 0.4 0.3 0.2 0.2 0.1 ...
#>  $ Species     : Factor w/ 3 levels "setosa","versicolor",..: 1 1 1 1 1 1 1 1 1 1 ...

Jumlah baris dan kolom dapat diketahui menggunakan fungsi dim().

dim(iris)

#> [1] 150   5

Nama variabel dalam dataset dapat ditampilkan menggunakan fungsi names().

names(iris)

#> [1] "Sepal.Length" "Sepal.Width"  "Petal.Length" "Petal.Width"  "Species"

Berdasarkan hasil tersebut, dataset iris memiliki 150 baris dan 5 kolom. Empat variabel pertama merupakan data numerik, sedangkan variabel Species merupakan data kategorik.

4.10 Ringkasan Dataset Iris

Ringkasan statistik dari dataset iris dapat ditampilkan menggunakan fungsi summary().

summary(iris)

#>   Sepal.Length    Sepal.Width     Petal.Length    Petal.Width   
#>  Min.   :4.300   Min.   :2.000   Min.   :1.000   Min.   :0.100  
#>  1st Qu.:5.100   1st Qu.:2.800   1st Qu.:1.600   1st Qu.:0.300  
#>  Median :5.800   Median :3.000   Median :4.350   Median :1.300  
#>  Mean   :5.843   Mean   :3.057   Mean   :3.758   Mean   :1.199  
#>  3rd Qu.:6.400   3rd Qu.:3.300   3rd Qu.:5.100   3rd Qu.:1.800  
#>  Max.   :7.900   Max.   :4.400   Max.   :6.900   Max.   :2.500  
#>        Species  
#>  setosa    :50  
#>  versicolor:50  
#>  virginica :50  
#>                 
#>                 
#> 

Berdasarkan hasil tersebut, diperoleh informasi mengenai nilai minimum, kuartil pertama, median, rata-rata, kuartil ketiga, dan nilai maksimum dari masing-masing variabel numerik.

4.11 Statistik Deskriptif Dataset Iris

Statistik deskriptif dari empat variabel numerik pada dataset iris dapat dihitung menggunakan sintaks berikut.

ringkasan <- data.frame(
  Variabel = names(iris)[1:4],
  Rata_Rata = sapply(iris[1:4], mean),
  Median = sapply(iris[1:4], median),
  Minimum = sapply(iris[1:4], min),
  Maksimum = sapply(iris[1:4], max),
  Simpangan_Baku = sapply(iris[1:4], sd)
)

knitr::kable(
  ringkasan,
  digits = 3,
  caption = "Tabel Statistik Deskriptif Dataset Iris"
)

Tabel Statistik Deskriptif Dataset Iris

	Variabel	Rata_Rata	Median	Minimum	Maksimum	Simpangan_Baku
Sepal.Length	Sepal.Length	5.843	5.80	4.3	7.9	0.828
Sepal.Width	Sepal.Width	3.057	3.00	2.0	4.4	0.436
Petal.Length	Petal.Length	3.758	4.35	1.0	6.9	1.765
Petal.Width	Petal.Width	1.199	1.30	0.1	2.5	0.762

Berdasarkan tabel tersebut, dapat diketahui karakteristik setiap variabel numerik pada dataset iris. Nilai rata-rata, median, minimum, maksimum, dan simpangan baku digunakan untuk menggambarkan pemusatan serta penyebaran data.

4.12 Membuat Histogram

Histogram digunakan untuk melihat distribusi frekuensi dari data numerik.

hist(
  iris$Sepal.Length,
  main = "Distribusi Panjang Sepal",
  xlab = "Panjang Sepal",
  ylab = "Frekuensi",
  col = "lightblue",
  border = "white"
)

Berdasarkan grafik tersebut, dapat diamati distribusi frekuensi dari variabel Sepal.Length pada dataset iris. Histogram membantu memperlihatkan penyebaran data berdasarkan kelompok interval.

4.13 Membuat Boxplot

Boxplot digunakan untuk mengetahui median, kuartil, penyebaran data, serta kemungkinan adanya pencilan.

boxplot(
  Sepal.Length ~ Species,
  data = iris,
  main = "Panjang Sepal Berdasarkan Spesies",
  xlab = "Spesies",
  ylab = "Panjang Sepal",
  col = c("lightblue", "lightgreen", "lightpink")
)

Berdasarkan grafik tersebut, dapat diamati perbedaan distribusi panjang sepal pada masing-masing spesies bunga iris.

4.14 Membuat Scatterplot

Scatterplot digunakan untuk mengamati pola hubungan antara dua variabel numerik.

plot(
  iris$Sepal.Length,
  iris$Petal.Length,
  main = "Hubungan Panjang Sepal dan Petal",
  xlab = "Sepal Length",
  ylab = "Petal Length",
  pch = 19,
  col = "blue"
)

Berdasarkan grafik tersebut, dapat diamati pola hubungan antara panjang sepal dan panjang petal. Setiap titik menggambarkan satu pengamatan dalam dataset iris.

4.15 Membuat Diagram Batang

Diagram batang digunakan untuk menyajikan data kategorik berdasarkan frekuensinya.

frekuensi <- table(iris$Species)

barplot(
  frekuensi,
  main = "Jumlah Pengamatan Setiap Spesies",
  xlab = "Spesies",
  ylab = "Frekuensi",
  col = c("skyblue", "lightgreen", "salmon")
)

Berdasarkan grafik tersebut, dapat diketahui jumlah pengamatan pada setiap spesies. Dataset iris memiliki tiga kategori spesies dengan jumlah pengamatan masing-masing sebanyak 50.

4.16 Pembahasan

Berdasarkan hasil penelitian yang telah dilakukan, pengenalan program R memberikan pemahaman mengenai penggunaan dasar bahasa pemrograman untuk pengolahan data statistika. Program R dapat digunakan untuk melakukan berbagai operasi aritmetika, membuat variabel, membentuk vektor, serta menghitung ukuran statistik deskriptif.

Penggunaan fungsi mean(), median(), min(), max(), var(), dan sd() mempermudah proses perhitungan statistik tanpa harus melakukan perhitungan secara manual. Selain itu, fungsi data.frame() dapat digunakan untuk menyusun data dalam bentuk tabel sehingga data menjadi lebih terstruktur.

Penggunaan dataset bawaan iris memberikan contoh penerapan pengolahan data secara langsung. Melalui fungsi head(), str(), dim(), names(), dan summary(), karakteristik serta struktur dataset dapat diketahui dengan mudah.

Selain pengolahan data, program R juga menyediakan fasilitas visualisasi berupa histogram, boxplot, scatterplot, dan diagram batang. Grafik tersebut membantu dalam memahami distribusi, penyebaran, pola hubungan, serta frekuensi data.

Dengan demikian, materi pengenalan program R merupakan dasar yang penting untuk menunjang pembelajaran statistika selanjutnya, khususnya dalam melakukan pengolahan dan analisis data menggunakan komputer.

BAB V. KESIMPULAN DAN SARAN

5.1 Kesimpulan

Berdasarkan hasil penelitian dan pembahasan yang telah dilakukan, dapat disimpulkan bahwa program R merupakan bahasa pemrograman yang dapat digunakan untuk melakukan pengolahan dan analisis data statistika. Program R menyediakan berbagai fungsi yang mempermudah proses perhitungan, penyusunan tabel, serta pembuatan visualisasi data.

Operasi aritmetika dapat dilakukan menggunakan operator matematika, sedangkan pembuatan variabel dan vektor dapat dilakukan menggunakan tanda <- dan fungsi c(). Fungsi statistika dasar seperti mean(), median(), min(), max(), var(), dan sd() dapat digunakan untuk memperoleh informasi mengenai karakteristik data.

Penggunaan dataset bawaan iris memberikan pemahaman mengenai cara memanggil, memeriksa struktur, menghitung statistik deskriptif, dan menyajikan data dalam bentuk grafik.

Dengan demikian, pengenalan program R dapat menjadi dasar bagi praktikan dalam mempelajari pengolahan dan analisis statistika yang lebih lanjut.

5.2 Saran

Dalam mempelajari program R, praktikan disarankan untuk memahami terlebih dahulu fungsi dan sintaks dasar yang tersedia. Praktikan juga perlu lebih teliti dalam menuliskan sintaks agar tidak terjadi kesalahan ketika program dijalankan.

Selain itu, praktikan disarankan untuk memperbanyak latihan menggunakan berbagai fungsi statistika dan dataset yang tersedia sehingga kemampuan dalam melakukan pengolahan dan analisis data dapat meningkat.

DAFTAR PUSTAKA

Iskandar, A. (2023). Pengantar Analisis Data dengan R Studio. Makassar: Cendekiawan Inovasi Digital Indonesia.

Ningsih, T. A., Mubarak, F., Sundara, & Vini, Y. (2021). Pemrograman R Dasar. UGM Press.

Novianti, P. (2026). Modul Praktikum Komputasi Statistika. Bengkulu: Universitas Bengkulu.

R Core Team. (2026). R: A Language and Environment for Statistical Computing. Vienna, Austria: R Foundation for Statistical Computing.

Wickham, H., Çetinkaya-Rundel, M., & Grolemund, G. (2023). R for Data Science (2nd ed.). O’Reilly Media.