R sendiri diciptakan oleh Ross Ihaka dan Robert Gentleman pada tahun 1995. R programming adalah sistem perangkat lunak yang dirancang secara khusus untuk mengerjakan semua hal yang berkaitan dengan statistik. Saat ini R ini menjadi pilihan bagi para peneliti maupun praktisi di berbagai untuk mengolah dan menganalisis data baik untuk kepentingan penelitian maupun bisnis. Untuk mempelajari R programming, terlebih dahulu mengetahui fitur-fitur dasar dalam R.
9+10 #jumlah## [1] 1910-9 #kurang## [1] 1110/5 #bagi## [1] 22sqrt(25) #akar## [1] 510^2 #pangkat## [1] 1005*7 #kali## [1] 3511%%2 #modulus (mencari sisa pembagian)## [1] 1x <- c(12,7,3,4.2,18,2,54,-21,8,-5,10,19,48)
x## [1] 12.0 7.0 3.0 4.2 18.0 2.0 54.0 -21.0 8.0 -5.0 10.0 19.0
## [13] 48.0nilai.mean<-mean(x)
nilai.mean## [1] 12.24615nilai.range<-range(x)
nilai.range## [1] -21 54nilai.median<-median(x)
nilai.median## [1] 8nilai.var<-var(x)
nilai.var## [1] 400.7544a<-10
b<-9
a>b #lebih besar## [1] TRUEa<b #lebih kecil## [1] FALSEa==b #sama dengan## [1] FALSEa!=b #tidak sama dengan## [1] TRUEa>=b #lebih besar sama dengan## [1] TRUEa<=b #lebih kecil sama dengan## [1] FALSEp <- c(TRUE,TRUE, FALSE)
q <- c(FALSE,FALSE,FALSE)
print(p&&q) # AND## [1] FALSEprint(p||q) # OR## [1] TRUEprint(!p) # NOT## [1] FALSE FALSE TRUEprint(p&q) # AND elment## [1] FALSE FALSE FALSEprint(p|q) # OR element## [1] TRUE TRUE FALSEjeruk<-TRUE # logical
class(jeruk)## [1] "logical"w<-19.9 # numeric
class(w)## [1] "numeric"n<-2L # integer
class(n)## [1] "integer"u<- 7+3i #complex
class(u)## [1] "complex"k <- "kamu" #character
class(k)## [1] "character"bil<- "165" #character
class(bil)## [1] "character"is.character (bil)## [1] TRUEis.logical(k)## [1] FALSE# class() digunakan untuk melihat termasuk dalam tipe data apa. Selain menggunakan fungsi class(), dapat pula menggunakan fungsi is_numeric(), is.character(), is.logical(), dan sebagainya berdasarkan jenis data apa yang ingin dicek. nama<-c("Abdullah", "Wahsyi","Sumayyah", "Shafiyyah", "Imran")
nama## [1] "Abdullah" "Wahsyi" "Sumayyah" "Shafiyyah" "Imran"usia<-c(33,9,15,19,17)
usia## [1] 33 9 15 19 17tinggibadan = c(176,100,150,151,160)
tinggibadan## [1] 176 100 150 151 160dataf = data.frame(nama,usia,tinggibadan)
dataf## nama usia tinggibadan
## 1 Abdullah 33 176
## 2 Wahsyi 9 100
## 3 Sumayyah 15 150
## 4 Shafiyyah 19 151
## 5 Imran 17 160library(readxl)
dataq= read_excel("E:/housing-prices.xls")
View(dataq) # melihat data
head(dataq) # menampilkan data pertama## # A tibble: 6 x 16
## Price Lot.Size Waterfront Age Land.Value New.Construct Central.Air
## <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl>
## 1 132500 0.09 0 42 50000 0 0
## 2 181115 0.92 0 0 22300 0 0
## 3 109000 0.19 0 133 7300 0 0
## 4 155000 0.41 0 13 18700 0 0
## 5 86060 0.11 0 0 15000 1 1
## 6 120000 0.68 0 31 14000 0 0
## # ... with 9 more variables: Fuel.Type <chr>, Heat.Type <chr>,
## # Sewer.Type <chr>, Living.Area <dbl>, Pct.College <dbl>, Bedrooms <dbl>,
## # Fireplaces <dbl>, Bathrooms <dbl>, Rooms <dbl>attach(dataq)
str(dataq) # struktur data## tibble [1,734 x 16] (S3: tbl_df/tbl/data.frame)
## $ Price : num [1:1734] 132500 181115 109000 155000 86060 ...
## $ Lot.Size : num [1:1734] 0.09 0.92 0.19 0.41 0.11 0.68 0.4 1.21 0.83 1.94 ...
## $ Waterfront : num [1:1734] 0 0 0 0 0 0 0 0 0 0 ...
## $ Age : num [1:1734] 42 0 133 13 0 31 33 23 36 4 ...
## $ Land.Value : num [1:1734] 50000 22300 7300 18700 15000 14000 23300 14600 22200 21200 ...
## $ New.Construct: num [1:1734] 0 0 0 0 1 0 0 0 0 0 ...
## $ Central.Air : num [1:1734] 0 0 0 0 1 0 0 0 0 0 ...
## $ Fuel.Type : chr [1:1734] "Electric" "Gas" "Gas" "Gas" ...
## $ Heat.Type : chr [1:1734] "Electric" "Hot Water" "Hot Water" "Hot Air" ...
## $ Sewer.Type : chr [1:1734] "Private" "Private" "Public" "Private" ...
## $ Living.Area : num [1:1734] 906 1953 1944 1944 840 ...
## $ Pct.College : num [1:1734] 35 51 51 51 51 22 51 35 51 44 ...
## $ Bedrooms : num [1:1734] 2 3 4 3 2 4 4 4 3 3 ...
## $ Fireplaces : num [1:1734] 1 0 1 1 0 1 1 1 0 0 ...
## $ Bathrooms : num [1:1734] 1 2.5 1 1.5 1 1 1.5 1.5 1.5 1.5 ...
## $ Rooms : num [1:1734] 5 6 8 5 3 8 8 9 8 6 ...summary(dataq)## Price Lot.Size Waterfront Age
## Min. : 5000 Min. : 0.0000 Min. :0.000000 Min. : 0.00
## 1st Qu.:145000 1st Qu.: 0.1700 1st Qu.:0.000000 1st Qu.: 13.00
## Median :189700 Median : 0.3700 Median :0.000000 Median : 19.00
## Mean :211545 Mean : 0.5003 Mean :0.008651 Mean : 28.26
## 3rd Qu.:257290 3rd Qu.: 0.5400 3rd Qu.:0.000000 3rd Qu.: 34.00
## Max. :775000 Max. :12.2000 Max. :1.000000 Max. :225.00
## Land.Value New.Construct Central.Air Fuel.Type
## Min. : 200 Min. :0.00000 Min. :0.0000 Length:1734
## 1st Qu.: 15100 1st Qu.:0.00000 1st Qu.:0.0000 Class :character
## Median : 25000 Median :0.00000 Median :0.0000 Mode :character
## Mean : 34536 Mean :0.04671 Mean :0.3662
## 3rd Qu.: 40200 3rd Qu.:0.00000 3rd Qu.:1.0000
## Max. :412600 Max. :1.00000 Max. :1.0000
## Heat.Type Sewer.Type Living.Area Pct.College
## Length:1734 Length:1734 Min. : 616 Min. :20.00
## Class :character Class :character 1st Qu.:1300 1st Qu.:52.00
## Mode :character Mode :character Median :1632 Median :57.00
## Mean :1753 Mean :55.57
## 3rd Qu.:2134 3rd Qu.:64.00
## Max. :5228 Max. :82.00
## Bedrooms Fireplaces Bathrooms Rooms
## Min. :1.000 Min. :0.0000 Min. :0.000 Min. : 2.000
## 1st Qu.:3.000 1st Qu.:0.0000 1st Qu.:1.500 1st Qu.: 5.000
## Median :3.000 Median :1.0000 Median :2.000 Median : 7.000
## Mean :3.152 Mean :0.5998 Mean :1.899 Mean : 7.032
## 3rd Qu.:4.000 3rd Qu.:1.0000 3rd Qu.:2.500 3rd Qu.: 8.000
## Max. :7.000 Max. :4.0000 Max. :4.500 Max. :12.000var(dataq$Price) # nilai variansi pada variabel Price## [1] 9712853383# pada summary() akan menampilkan ringkasan statistika pada setiap variabel meliputi min, max, mean, median, q1 dan q3.