Laporan Praktikum Algoritma dan Statistika Bisnis

Materi 2

Email             : sausan.ramadhani@student.matanauniversity.ac.id
RPubs            : https://rpubs.com/sausanramadhani/
Jurusan          : Statistika
Address         : ARA Center, Matana University Tower
                         Jl. CBD Barat Kav, RT.1, Curug Sangereng, Kelapa Dua, Tangerang, Banten 15810.

---

1 R Vs Phyton

R dan Phyton adalah bahasa pemrograman yang sangat populer, dinamis, digunakan secara luas dalam komunikasi data science. R lebih banyak digunakan dalam analisis statistik sementara Phyton menyediakan pendekatan yang lebih umum mengenai sains data (sehingga dianggap lebih mudah oleh pemula). Mempelajari kedua bahasa pemrograman ini adalah solusi yang lebih bijak karena keduanya mempunyai kelebihan dan kekurangan masing-masing. R dan Phyton membutuhkan investasi waktu, latihan dengan tutorial, dan melakukan projek-projek kecil berbasis LAB hingga penerapan sains data pada kasus-kasus yang sebenarnya.

1.1 Persamaan

R dan Phyton adalah bahasa pemrograman multi-paradigma. keduanya mendukung Pemrograman Berorientasi Objek, Pemrograman Imperatif, Pemrograman Prosedural, dll.

• Keduanya adalah bahasa yang ditafsirkan.

• Keduanya dapat digunakan untuk mengembangkan algoritme.

• Keduanya adalah bahasa pemrograman tingkat tinggi.

• Keduanya gratis dan open source.

• Keduanya dapat diintegrasikan dengan aplikasi lain seperti MySQL, Oracle, Github, dll.

• Keduanya mendukung file yang berbeda seperti file CSV, file excel, file XML, dan file JSON.

• Kedua bahasa tersebut mudah digunakan dan dipelajari.

1.2 Perbedaan

Berikut adalah tabel yang secara ringkas membandingkan dua bahasa pemrograman Python dan R:

Kriteria	R	Python
Ruang lingkup	Data science dan statistik	Aplikasi dan industri
Pengguna	Akademisi dan peneliti	Programers & developers
IDE (user interface)	Rstudio	Spyder, Jupyter, Notebook, Pycharm, dll
Ekstensi	‘.R’ dan ‘.Rmd’	‘.py’ dan ‘.ipynb’
Struktur data	vektor, list, matriks, array, faktor, dan bingkai data	list, dictionary, dan tupel
Packages dan library	tidyverse, ggplot2, caret, zoo	pandas, scipy, scikit-learn, TensorFlow, caret
Kelebihan	memiliki lebih banyak library dan kualitas visualisasi grafik yang dihasilkan sangat tinggi	sistematika penulisan script yang mudah dibaca, fokus pada kecepatan komputasi, pengembangan web, jaringan, otomatisasi, dll
Kekurangan	Ketergantungan antar library	library lebih sedikit dibanding R
Integrasi	fitur RMarkdown dan Shiny	integrasi aplikasi lebih luas

2 Sintaks Dasar

Suatu program di R dan Phyton terdiri dari tiga hal mendasar: Variabel, operan (nilai) dan Komentar. Variabel digunakan untuk menyimpan suatu nilai, sedangkan Komentar digunakan untuk meningkatkan pemahaman pengguna mengenai skrip atau koding.

2.1 Penugasan variabel

Dalam R, penugasan suatu program biasanya menggunakan suatu variabel yang dicadangkan untuk dapat merekam berbagai jenis data sesuai nama yang diberikan ke lokasi penyimpanan/memori. Perintah penugasan variabel ini, dapat dinotasikan dengan tiga cara:

• ‘=’ , digunakan untuk penugasan sederhana

• ‘<-’, digunakan untuk penugasan dari sisi Kiri

• ‘->’, digunakan untuk penugasan dari sisi Kanan

x = 4
y <- 7
9 -> z
print(c(x,y,z))

## [1] 4 7 9

2.2 Menambahkan Komentar

Menambahkan/Memberikan komentar dalam skrip/koding R dan Python adalah untuk memudahkan anda memahami arti/makna penggunaan suatu perintah/program. Komentar yang ditulis dalam sebuah program tersebut hanya bersifat penjelasan tentang apa yang dilakukannya atau apa yang seharusnya dilakukan oleh sebuah skrip/koding. Perlu dicatat bahwa komentar yang bersifat informasi tidak ada hubungannya dengan logika pemrograman yang dengan logika pemrograman yang sedang anda gunakan. Mereka benar-benar diabaikan oleh kompiler dan dengan demikian tidak pernah tercermin pada input. Biasanya komentar dituliskan pada satu baris yang tersedia di R dan Python, dengan menggunakan ‘#’ di awal maupun akhir pernyataan.

# Mengganti nilai x yang sudah direkam (Komentar di awal pernyataan)
x=12
z <- x + y     # Mengganti nilai z yang sudah direkan (Komentar di akhir pernyataan)
x + y -> z     # sama dengan diatas

3 Operator

Operator adalah simbol yang mengarahkan compiler untuk melakukan berbagai macam operasi terhadap beberapa penugasan. Operator mensimulasikan berbagai operasi matematis, logika, dan keputusan yang dilakukan pada sekumpulan Bilangan Kompleks, Integer, dan Numerik sebagai penugasan masukan (input). R dan Python mendukung sebagian besar empat jenis operator biner antara satu set penugasan. Dalam ini, kita akan melihat berbagai jenis operator yang tersedia di R dan penggunaanya.

3.1 Aritmatika

Penggunaan operator aritmatika dalam program R dan Python adalah untuk mensimulasikan berbagai operasi matematika, seperti penambahan, pengurangan, perkalian, pembagian, dan modulo. Operator aritmatika yang dilakukan bisa saja berupa nilai skalar, bilangan kompleks, atau vektor.

Operator	R
Penjumlahan	+
Pengurangan	-
Perkalian	*
Divisi/Pembagian	/
Pemangkatan	^
Modulo	%%

Untuk memahami lebih lanjut, perhatikan cuplikan R:

x <- c(3,2,7)  # memuat vektor x
y <- c(5,3,6)  # memuat vektor y
x+y            # hasil penjumlahan vektor x dan y

## [1]  8  5 13

print(x+y)     # hasil penjumlahan vektor x dan y

## [1]  8  5 13

print(x-y)     # hasil pengurangan vektor x dan y

## [1] -2 -1  1

print(x*y)     # hasil perkalian vektor x dan y

## [1] 15  6 42

print(x/y)     # hasil pembagian vektor x dan y

## [1] 0.6000000 0.6666667 1.1666667

print(x^y)     # hasil pemangkatan vektor x dan y

## [1]    243      8 117649

print(x%%y)    # hasil modulo vektor x dan y

## [1] 3 2 1

Jika ingin menampilkan keterangan/komentar yang juga melekat pada hasil perhitungan R itu sendiri. Maka dapat melakukannya dengan cara berikut:

x <- c(3,2,7)  # memuat vektor x
y <- c(5,3,6)  # memuat vektor y
cat("penjumlahan vektor x dan y :", x + y, "\n")

## penjumlahan vektor x dan y : 8 5 13

cat("pengurangan vektor x dan y :", x - y, "\n")

## pengurangan vektor x dan y : -2 -1 1

cat("perkalian vektor x dan y :", x*y,"\n")

## perkalian vektor x dan y : 15 6 42

cat("pembagian vektor x dan y :", x/y,"\n")

## pembagian vektor x dan y : 0.6 0.6666667 1.166667

cat("pemangkatan vektor x dan y :", x^y, "\n")

## pemangkatan vektor x dan y : 243 8 117649

cat("modulo vektor x dan y :", x%%y, "\n")

## modulo vektor x dan y : 3 2 1

Contoh lainnya sebagai berikut:

a=3
b=4
c=a+b
a

## [1] 3

b

## [1] 4

c

## [1] 7

a=7
b=2
c=a-b
a

## [1] 7

b

## [1] 2

c

## [1] 5

a=2
b=5
c=a*b
a

## [1] 2

b

## [1] 5

c

## [1] 10

a=4
b=2
c=a/b
a

## [1] 4

b

## [1] 2

c

## [1] 2

a=9
b=3
c=a^b
a

## [1] 9

b

## [1] 3

c

## [1] 729

a=6
b=8
c=a%%b
a

## [1] 6

b

## [1] 8

c

## [1] 6

3.2 Relasional

Operator relasional melakukan operasi perbandingan antara elemen yang bersesuaian pada setiap operan. Mengembalikan nilai Boolean TRUE jika operan pertama memenuhi relasi dibandingkan dengan operan kedua. Nilai TRUE selalu dianggap lebih besar dari FALSE.

Operator	R	Keterangan
Kurang dari	<	Mengembalikan TRUE jika elemen yang bersesuaian pada operan pertama lebih kecil dari operan kedua. Selain itu akan mengembalikan FALSE
Kurang dari sama dengan	<=	Mengembalikan TRUE jika elemen yang bersesuaian pada operan pertama kurang dari atau sama dengan elemen operan kedua. Selain itu akan mengembalikan FALSE
Lebih besar dari	>	Mengembalikan TRUE jika elemen yang bersesuaian pada operan pertama lebih besar dari operan kedua. Selain itu akan mengembalikan FALSE
Lebih besar sama dengan	>=	Mengembalikan BENAR jika elemen yang bersesuaian pada operan pertama lebih besar atau sama dengan dari operan kedua. Selain itu akan mengembalikan FALSE
Sama Dengan	==	Mengembalikan BENAR jika dan hanya jika kedua sisi bernilai sama
Tidak Sama Dengan	!=	Mengembalikan BENAR jika elemen yang bersesuaian pada operan pertama tidak sama dengan dari operan kedua

x <- c(8,4,9)    # memuat vektor x
y <- c(3,6,2)    # memuat vektor y
cat("Vektor x kurang dari Vektor x dan y:", x < y, "\n")

## Vektor x kurang dari Vektor x dan y: FALSE TRUE FALSE

cat ("Vector x kurang dari sama dengan Vector y:", x <= y, "\n")

## Vector x kurang dari sama dengan Vector y: FALSE TRUE FALSE

cat("Vector x lebih besar dari Vector y :", x > y, "\n")

## Vector x lebih besar dari Vector y : TRUE FALSE TRUE

cat("Vector x lebih besar sama dengan Vector y :", x >= y, "\n")

## Vector x lebih besar sama dengan Vector y : TRUE FALSE TRUE

cat("Vector x sama dengan Vector y:", x == y,"\n")

## Vector x sama dengan Vector y: FALSE FALSE FALSE

cat("Vector x tidak sama dengan Vector y:", x != y,"\n")

## Vector x tidak sama dengan Vector y: TRUE TRUE TRUE

3.3 Logika

Operator logis mensimulasikan operasi keputusan, berdasarkan operator yang ditentukan antara operan, yang kemudian dievaluasi ke nilai Boolean Benar ataU Salah. Nilai bilangan bulat bukan nol dianggap sebagai nilai BENAR, baik itu bilangan kompleks atau bilangan real.

Operator	R	Keterangan
NOT	!	Operasi negasi/kebalikan pada status elemen operan
AND	&	Mengembalikan TRUE jika kedua operan bernilai Benar
OR
XOR	^	Mengembalikan TRUE jika salah satu dari kedua elemen pertama operan bernilai Benar

x <- c (2,TRUE,FALSE)
y <- c (TRUE,0.4,3+5i)
# Melakukan operasi logika pada operan
cat("Logika Negasi (~) untuk vektor x:", !x, "\n")

## Logika Negasi (~) untuk vektor x: FALSE FALSE TRUE

cat("Logika Negasi (~) untuk vektor y :", !y, "\n")

## Logika Negasi (~) untuk vektor y : FALSE FALSE FALSE

cat ("Logika Konjungsi (Dan) :", x & y, "\n")

## Logika Konjungsi (Dan) : TRUE TRUE FALSE

cat ("Logika Disjungsi (Atau) :", x | y, "\n")

## Logika Disjungsi (Atau) : TRUE TRUE TRUE

cat ("Logika Disjungsi Parsial :", x || y)

## Logika Disjungsi Parsial : TRUE

3.4 Lain-lain

Berikut ini juga ada beberapa operator yang kemungkinan besar juga akan diperlukan pada saat akan menggunakan R.

x <- c(7,3,8)    # memuat vektor x
y <- c(2,6,4)    # memuat vektor y
sqrt(x*y)        # Bentuk akar

## [1] 3.741657 4.242641 5.656854

log(x)           # logaritma

## [1] 1.945910 1.098612 2.079442

exp(y)           # eksponen

## [1]   7.389056 403.428793  54.598150

(x/y) + y        # tanda kurung

## [1] 5.5 6.5 6.0

4 Tipe Data

Dalam pemrograman seperti R dan Pyhton, tipe data merupakan konsep penting. Keduanya dapat menggunakan variabel untuk menyimpan tipe yang berbeda-beda, berikut adalah tipe data paling mendasar yang harus diketahui:

Tipe Data	R	Penjelasan
Double/Float	5.6	Bilangan yang mempunyai koma
Integer	5	Bilangan bulat 1,2,…,n
Bolean/Logical	TRUE/FALSE	Benar bernilai 1 dan Salah bernilai 0
String/Character	‘sausanramadhani’	karakter/kalimat bisa berupa huruf angka, dll (diapit tanda ‘atau’)
Complex	1+5i	Pasangan angka real dan imajiner

Berikut ini adalah koding R yang dapat digunakan untuk menetapkan kelima tipe data diatas:

d1 = 5.6                 # Tetapkan nilai desimal
d2 = as.integer(5)       # tetapkan nilai integer
d2 = 5L                  # cara lain untuk memuat nilai integer di R
d3 = c(TRUE,FALSE)       # Bolean/Logical
d3 = as.logical(c(0,1))  # cara lain untuk memuat Bolean/Logical
d4 = c("a",'b','123')    # String/Character
d5 = 1 + 5i              # Complex

5 Bantuan

Salah satu bagian terpenting dalam bekerja dengan bahasa R adalah mengetahui di mana mencari bantuan. R memiliki beberapa fasilitas in-line, selain berbagai sumber daya bantuan di ekosistem R. Anda dapat menggunakan bantuan untuk fungsi tertentu.

help.start()            # menu di mana Anda dapat menavigasi bantuan lokal berbasis web

## starting httpd help server ... done

## If nothing happens, you should open
## 'http://127.0.0.1:20249/doc/html/index.html' yourself

?help                   # menu di mana Anda dapat menavigasi bantuan lokal berbasis web
?class                  # mendapatkan bantuan untuk fungsi 'class'
help(class)             # mendapatkan bantuan untuk fungsi 'class'
??class                 # jika Anda tidak tahu nama fungsi yang Anda cari
help.search('class')    # jika Anda tidak tahu nama fungsi yang Anda cari