Email             :
RPubs            : https://rpubs.com/valensiusjimy/
Jurusan          : Statistika
Address         : Jalan Promoter 41, Lengkong Gudang Timur,
                         Tanggerang Selatan, BANTEN. 15321

Pengantar

  Pada kesempatan kali ini saya akan mencoba membuat suatu fungsi menggunakan bahasa pemrograman R untuk menghitung :

  * Integral Tentu dan Tak Tentu
  * Luas Lingkarang, Keliling Lingkaran, dan Volume Bola
  * Nilai Max, Min, Avg, Med, Mode, Var, SR Suatu Data

Integral Tentu

  Integral Tentu adalah nilai yang sama dengan area di bawah grafik suatu fungsi pada beberapa interval tertentu. Berikut ini, saya akan mencoba membuat perhitungan Integral Tentu di R :

F <- function(x) x^2 + 3*x
integrate(F,1,3)
## 20.66667 with absolute error < 2.3e-13

Integral Tak Tentu

  Integral Tak Tentu merupakan suatu fungsi baru yang turunannya adalah fungsi aslinya. Dan inilah perhitungannya di R :

library(mosaicCalc)
## Loading required package: mosaicCore
## Registered S3 method overwritten by 'mosaic':
##   method                           from   
##   fortify.SpatialPolygonsDataFrame ggplot2
## 
## Attaching package: 'mosaicCalc'
## The following object is masked from 'package:stats':
## 
##     D
F = antiD(x^2 +3*x~x)
F
## function (x, C = 0) 
## 1/3 * x^3 + 3/2 * x^2 + C

Luas Lingkaran, Keliling Lingkaran, dan Volume Bola

  Dalam bahasa pemrograman R kita juga dapat menghitungkan luas lingkaran, kelilingnya dan bahkan volume bola. Maka dari itu saya mencoba membuatnya di bahasa R, sebagai berikut :

phi = 22/7

lingkaran = function(p, r) 
{
  luas = round(p * r^2)
  keliling = round(2*p*r)
  vol = round(4/3 * p* r^3 , digits =1 )
  
  return(cat(c("luas =",luas,
               "keliling =",keliling,
               "volume bola=",vol)))
}

lingkaran(phi,5)
## luas = 79 keliling = 31 volume bola= 523.8

Nilai Max, Min, Avg, Med, Mod, Var, SD, pada suatu Data

  Pada bahasa pemrograman R kita juga dapat menghitungkan suatu nilai maksimum, minimum, average, median, modus, variansi, dan bahkan standar deviasi. Hal ini pastinya akan memudahkan kita sebagai data analist untuk menganalisa data dan membuat efektivitas kita dalam bekerja meningkat. Berikut ini saya membuat contohnya, yaitu data banyaknya orang dengan usia tertentu pada suatu pertunjukan konser Fiersa Bersari :

kita coba buat terlebih dahulu sekumpulan datanya

Usia = c(16,17,18,19,20)

Fr = c(14,5,4,12,3) 
Frekuensi = round(Fr, digit=0)

jek = data.frame(Usia,
                Frekuensi)

jek
##   Usia Frekuensi
## 1   16        14
## 2   17         5
## 3   18         4
## 4   19        12
## 5   20         3

nilai maksimum

ekstrak.data = function(x, Fr)
{
  min = min(x)
  max = max(x)
  average = round(sum(x*Fr)/sum(Fr), digits = 1)
  
  return(cat(c("maksimum =", max)))
}

ekstrak.data(jek$Usia, jek$Frekuensi)
## maksimum = 20

nilai minimum

ekstrak.data = function(x, Fr)
{
  min = min(x)
  max = max(x)
  average = round(sum(x*Fr)/sum(Fr), digits = 1)
  
  return(cat(c("minimum =", min)))
}

ekstrak.data(jek$Usia, jek$Frekuensi)
## minimum = 16

average

ekstrak.data = function(x, Fr)
{
  min = min(x)
  max = max(x)
  avg = round(sum(x*Fr)/sum(Fr), digits = 1)
  
  return(cat(c("average =", avg)))
}

ekstrak.data(jek$Usia, jek$Frekuensi)
## average = 17.6

median

ekstrak.data = function(x, Fr)
{
  median = median(x)
  
  return(cat(c("median=", median)))
}

ekstrak.data(jek$Usia, jek$Frekuensi)
## median= 18

modus

ekstrak.data = function(x, Fr)
{
  ux <- unique(x)
  ux[which.max(tabulate(match(x, ux)))]
}

ekstrak.data(jek$Usia, jek$Frekuensi)
## [1] 16

varians dan standar deviasi

jeki = sample(c(16:20, 38, replace = TRUE))
table(jeki)
## jeki
##  1 16 17 18 19 20 38 
##  1  1  1  1  1  1  1
var(jeki)
## [1] 116.2857
sd(jeki)
## [1] 10.78359