Penggunaan loop sangat membantu kita dalam melakukan proses perhitungan berulang. Namun, metode ini tidak cukup ringkas dalam penerapannya dan perlu penulisan sintaks yang cukup panjang untuk menyelesaikan sebuah kasus yang kita inginkan. Berikut adalah sebuah sintaks yang digunakan untuk menghitung nilai mean pada suatu dataset:
# subset data iris
sub_iris <- iris[,-5]
# membuat vektor untuk menyimpan hasil loop
a <- rep(NA,4)
# loop
for(i in 1:length(sub_iris)){
a[i]<-mean(sub_iris[,i])
}
# print
a
## [1] 5.843 3.057 3.758 1.199
class(a) # cek kelas objek
## [1] "numeric"Metode alternatif lain untuk melakukan loop suatu fungsi adalah dengan menggunakan Apply function family. Metode ini memungkinkan kita untuk melakukan loop suatu fungsi tanpa perlu menuliskan sintaks loop. Berikut adalah beberapa fungsi dari apply family yang nantinya akan sering kita gunakan:
apply(): fungsi generik yang mengaplikasikan fungsi kepada kolom atau baris pada matriks atau secara lebih general aplikasi dilakukan pada dimensi untuk jenis data array.
lapply(): fungsi apply yang bekerja pada jenis data list dan memberikan output berupa list juga.
sapply(): bentuk sederhana dari lapply yang menghasilkan output berupa matriks atau vektor.
vapply(): disebut juga verified apply (memungkinkan untuk menghasilkan output dengan jenis data yang telah ditentukan sebelumnya).
tapply(): tagged apply dimana dimana tag menentukan subset dari data.
Fungsi apply() bekerja dengan jenis data matrik atau array (jenis data homogen). Kita dapat melakukan spesifikasi apakah suatu fungsi hanya akan bekerja pada kolom saja, baris saja atau keduanya. Format fungsi ini adalah sebagai berikut:
apply(X, MARGIN, FUN, ...)Catatan:
X: matriks atau array
MARGIN: menentukan bagaimana fungsi bekerja terhadap matriks atau array. Jika nilai yang diinputkan 1, maka fungsi akan bekerja pada masing-masing baris pada matriks. Jika nilainya 2, maka fungsi akan bekerja pada tiap kolom pada matriks.
FUN: fungsi yang akan digunakan. Fungsi yang dapat digunakan dapat berupa fungsi dasar matematika atau statistika, serta user define function.
…: opsional argumen pada fungsi yang digunakan.
Berikut adalah contoh bagaimana aplikasi fungsi tersebut pada matriks:
## membuat matriks
x <- cbind(x1 = 3, x2 = c(4:1, 2:5))
x # print
## x1 x2
## [1,] 3 4
## [2,] 3 3
## [3,] 3 2
## [4,] 3 1
## [5,] 3 2
## [6,] 3 3
## [7,] 3 4
## [8,] 3 5
class(x) # cek kelas objek
## [1] "matrix"
## menghitung mean masing-masing kolom
apply(x, MARGIN=2 ,FUN=mean, trim=0.2, na.rm=TRUE)
## x1 x2
## 3 3
## menghitung range pada masing-masing baris
## menggunakan user define function
apply(x, MARGIN=1,
FUN=function(x){
max(x)-min(x)
})
## [1] 1 0 1 2 1 0 1 2Fungsi ini melakukan loop fungsi terhadap input data berupa list. Output yang dihasilkan juga merupakan list dengan panjang list yang sama dengan yang diinputkan. Format yang digunakan adalah sebagai berikut:
lapply(X, FUN, ...)Catatan:
X: vektor, data frame atau list
FUN: fungsi yang akan digunakan. Fungsi yang dapat digunakan dapat berupa fungsi dasar matematika atau statistika, serta user define function. Subset juga dimungkinkan pada fungsi ini.
…: opsional argumen pada fungsi yang digunakan.
Berikut adalah contoh penerapan fungsi lapply:
## Membuat list
x <- list(a = 1:10, beta = exp(-3:3), logic = c(TRUE,FALSE,FALSE,TRUE))
x # print
## $a
## [1] 1 2 3 4 5 6 7 8 9 10
##
## $beta
## [1] 0.04979 0.13534 0.36788 1.00000 2.71828
## [6] 7.38906 20.08554
##
## $logic
## [1] TRUE FALSE FALSE TRUE
class(x) # cek kelas objek
## [1] "list"
## Menghitung nilai mean pada masing-masing baris lits
lapply(x, FUN=mean)
## $a
## [1] 5.5
##
## $beta
## [1] 4.535
##
## $logic
## [1] 0.5
## Menghitung mean tiap kolom dataset iris
lapply(iris, FUN=mean)
## Warning in mean.default(X[[i]], ...): argument is not
## numeric or logical: returning NA
## $Sepal.Length
## [1] 5.843
##
## $Sepal.Width
## [1] 3.057
##
## $Petal.Length
## [1] 3.758
##
## $Petal.Width
## [1] 1.199
##
## $Species
## [1] NA
## Mengalikan elemen vektor dengan suatu nilai
y <- c(1:5)
lapply(y, FUN=function(x){x*5})
## [[1]]
## [1] 5
##
## [[2]]
## [1] 10
##
## [[3]]
## [1] 15
##
## [[4]]
## [1] 20
##
## [[5]]
## [1] 25
## Mengubah output menjadi vektor
unlist(lapply(y, FUN=function(x){x*5}))
## [1] 5 10 15 20 25Fungsi sapply() merupakan bentuk lain dari fungsi lapply(). Perbedaanya terletak pada output default yang dihasilkan. Secara default sapply() menerima input utama berupa list (dapat pula dataframe atau vektor), namun tidak seperti lapply() jenis data output yang dihasilkan adalah vektor. Untuk mengubah output menjadi list perlu argumen tambahan berupa simplify=FALSE. Format fungsi tersebut adalah sebagai berikut:
sapply(X, FUN, ..., simplify = TRUE, USE.NAMES = TRUE)Catatan:
X: vektor, data frame atau list
FUN: fungsi yang akan digunakan. Fungsi yang dapat digunakan dapat berupa fungsi dasar matematika atau statistika, serta user define function. Subset juga dimungkinkan pada fungsi ini.
…: opsional argumen pada fungsi yang digunakan.
simplify: logical. Jika nilainya
TRUEmaka output yang dihasilkan adalah bentuk sederhana dari vektor, matrix atau array.USE.NAMES: jika list memiliki nama pada setiap elemennya, maka nama elemen tersebut akan secara default ditampilkan.
Berikut adalah contoh penerapannya:
## membuat list
x <- list(a = 1:10, beta = exp(-3:3), logic = c(TRUE,FALSE,FALSE,TRUE))
## menghitung nilai mean setiap elemen
sapply(x, FUN=mean)
## a beta logic
## 5.500 4.535 0.500
## menghitung nilai mean dengan output list
sapply(x, FUN=mean, simplify=FALSE)
## $a
## [1] 5.5
##
## $beta
## [1] 4.535
##
## $logic
## [1] 0.5
## summary objek dataframe
sapply(mtcars, FUN=summary)
## mpg cyl disp hp drat wt qsec
## Min. 10.40 4.000 71.1 52.0 2.760 1.513 14.50
## 1st Qu. 15.43 4.000 120.8 96.5 3.080 2.581 16.89
## Median 19.20 6.000 196.3 123.0 3.695 3.325 17.71
## Mean 20.09 6.188 230.7 146.7 3.597 3.217 17.85
## 3rd Qu. 22.80 8.000 326.0 180.0 3.920 3.610 18.90
## Max. 33.90 8.000 472.0 335.0 4.930 5.424 22.90
## vs am gear carb
## Min. 0.0000 0.0000 3.000 1.000
## 1st Qu. 0.0000 0.0000 3.000 2.000
## Median 0.0000 0.0000 4.000 2.000
## Mean 0.4375 0.4062 3.688 2.812
## 3rd Qu. 1.0000 1.0000 4.000 4.000
## Max. 1.0000 1.0000 5.000 8.000
## summary objek list
a <- list(mobil=mtcars, anggrek=iris)
sapply(a, FUN=summary)
## $mobil
## mpg cyl disp
## Min. :10.4 Min. :4.00 Min. : 71.1
## 1st Qu.:15.4 1st Qu.:4.00 1st Qu.:120.8
## Median :19.2 Median :6.00 Median :196.3
## Mean :20.1 Mean :6.19 Mean :230.7
## 3rd Qu.:22.8 3rd Qu.:8.00 3rd Qu.:326.0
## Max. :33.9 Max. :8.00 Max. :472.0
## hp drat wt
## Min. : 52.0 Min. :2.76 Min. :1.51
## 1st Qu.: 96.5 1st Qu.:3.08 1st Qu.:2.58
## Median :123.0 Median :3.69 Median :3.33
## Mean :146.7 Mean :3.60 Mean :3.22
## 3rd Qu.:180.0 3rd Qu.:3.92 3rd Qu.:3.61
## Max. :335.0 Max. :4.93 Max. :5.42
## qsec vs am
## Min. :14.5 Min. :0.000 Min. :0.000
## 1st Qu.:16.9 1st Qu.:0.000 1st Qu.:0.000
## Median :17.7 Median :0.000 Median :0.000
## Mean :17.8 Mean :0.438 Mean :0.406
## 3rd Qu.:18.9 3rd Qu.:1.000 3rd Qu.:1.000
## Max. :22.9 Max. :1.000 Max. :1.000
## gear carb
## Min. :3.00 Min. :1.00
## 1st Qu.:3.00 1st Qu.:2.00
## Median :4.00 Median :2.00
## Mean :3.69 Mean :2.81
## 3rd Qu.:4.00 3rd Qu.:4.00
## Max. :5.00 Max. :8.00
##
## $anggrek
## Sepal.Length Sepal.Width Petal.Length
## Min. :4.30 Min. :2.00 Min. :1.00
## 1st Qu.:5.10 1st Qu.:2.80 1st Qu.:1.60
## Median :5.80 Median :3.00 Median :4.35
## Mean :5.84 Mean :3.06 Mean :3.76
## 3rd Qu.:6.40 3rd Qu.:3.30 3rd Qu.:5.10
## Max. :7.90 Max. :4.40 Max. :6.90
## Petal.Width Species
## Min. :0.1 setosa :50
## 1st Qu.:0.3 versicolor:50
## Median :1.3 virginica :50
## Mean :1.2
## 3rd Qu.:1.8
## Max. :2.5Funsgi ini merupakan bentuk lain dari sapply(). Bedanya secara kecepatan proses fungsi ini lebih cepat dari sapply(). Hal yang menarik dari fungsi ini kita dapat menambahkan argumen FUN.VALUE. pada argumen ini kita memasukkan vektor berupa output fungsi yang diinginkan. Perbedaan lainnya adalah output yang dihasilkan hanya berupa matriks atau array. Format dari fungsi ini adalah sebagai berikut:
vapply(X, FUN, FUN.VALUE, ..., USE.NAMES = TRUE)Catatan:
X: vektor, data frame atau list
FUN: fungsi yang akan digunakan. Fungsi yang dapat digunakan dapat berupa fungsi dasar matematika atau statistika, serta user define function. Subset juga dimungkinkan pada fungsi ini.
FUN.VALUE: vektor, template dari return value FUN.
…: opsional argumen pada fungsi yang digunakan.
USE.NAMES: jika list memiliki nama pada setiap elemennya, maka nama elemen tersebut akan secara default ditampilkan.
Berikut adalah contoh penerapannya:
## membuat list
x <- sapply(3:9, seq)
x # print
## [[1]]
## [1] 1 2 3
##
## [[2]]
## [1] 1 2 3 4
##
## [[3]]
## [1] 1 2 3 4 5
##
## [[4]]
## [1] 1 2 3 4 5 6
##
## [[5]]
## [1] 1 2 3 4 5 6 7
##
## [[6]]
## [1] 1 2 3 4 5 6 7 8
##
## [[7]]
## [1] 1 2 3 4 5 6 7 8 9
## membuat ringkasan data pada tiap elemen list
vapply(x, fivenum,
c(Min. = 0, "1st Qu." = 0,
Median = 0, "3rd Qu." = 0, Max. = 0))
## [,1] [,2] [,3] [,4] [,5] [,6] [,7]
## Min. 1.0 1.0 1 1.0 1.0 1.0 1
## 1st Qu. 1.5 1.5 2 2.0 2.5 2.5 3
## Median 2.0 2.5 3 3.5 4.0 4.5 5
## 3rd Qu. 2.5 3.5 4 5.0 5.5 6.5 7
## Max. 3.0 4.0 5 6.0 7.0 8.0 9
## membuat ringkasan data pada tiap kolom dataframe
vapply(mtcars, summary,
c(Min. = 0, "1st Qu." = 0,
Median = 0, "3rd Qu." = 0, Max. = 0, Mean=0))
## mpg cyl disp hp drat wt qsec
## Min. 10.40 4.000 71.1 52.0 2.760 1.513 14.50
## 1st Qu. 15.43 4.000 120.8 96.5 3.080 2.581 16.89
## Median 19.20 6.000 196.3 123.0 3.695 3.325 17.71
## 3rd Qu. 20.09 6.188 230.7 146.7 3.597 3.217 17.85
## Max. 22.80 8.000 326.0 180.0 3.920 3.610 18.90
## Mean 33.90 8.000 472.0 335.0 4.930 5.424 22.90
## vs am gear carb
## Min. 0.0000 0.0000 3.000 1.000
## 1st Qu. 0.0000 0.0000 3.000 2.000
## Median 0.0000 0.0000 4.000 2.000
## 3rd Qu. 0.4375 0.4062 3.688 2.812
## Max. 1.0000 1.0000 4.000 4.000
## Mean 1.0000 1.0000 5.000 8.000Fungsi ini sangat berguna jika pembaca ingin menghitung suatu nilai misalnya mean berdasarkan grup data atau factor. Format fungsi ini adalah sebagi berikut:
tapply(X, INDEX, FUN = NULL, ..., simplify = TRUE)Catatan:
X: vektor, data frame atau list
INDEX: list satu atau beberapa factor yang memiliki panjang sama dengan X.
FUN: fungsi yang akan digunakan. Fungsi yang dapat digunakan dapat berupa fungsi dasar matematika atau statistika, serta user define function. Subset juga dimungkinkan pada fungsi ini.
…: opsional argumen pada fungsi yang digunakan.
simplify: logical. Jika nilainya
TRUEmaka output yang dihasilkan adalah bentuk skalar.
Berikut adalah contoh penerapannya:
## membuat tabel frekuensi
groups <- as.factor(rbinom(32, n = 5, prob = 0.4))
tapply(groups, groups, length)
## 12 13 16
## 2 2 1
# atau
table(groups)
## groups
## 12 13 16
## 2 2 1
## membuat tabel kontingensi
# menghitung jumlah breaks berdasarkan faktor jenis wool
# dan tensi level
tapply(X=warpbreaks$breaks, INDEX=warpbreaks[,-1], FUN=sum)
## tension
## wool L M H
## A 401 216 221
## B 254 259 169
# menghitung mean panjang gigi babi hutan berdasarkan
# jenis suplemen dan dosisnya
tapply(ToothGrowth$len, ToothGrowth[,-1], mean)
## dose
## supp 0.5 1 2
## OJ 13.23 22.70 26.06
## VC 7.98 16.77 26.14
# menghitung mpg minimum berdasarkan jumlah silinder pada mobil
tapply(mtcars$mpg, mtcars$cyl, min, simplify=FALSE)
## $`4`
## [1] 21.4
##
## $`6`
## [1] 17.8
##
## $`8`
## [1] 10.4REFERENSI<https://bookdown.org/moh_rosidi2610/Metode_Numerik/dataviz.html>
https://bookdown.org/moh_rosidi2610/Metode_Numerik/programmingandfunction.html#loopapply
_________________________________________________________________________________________________________
Kunjungi Rpubs saya untuk melihat penjelasan yang lain <https://rpubs.com/henyrimadana>
_________________________________________________________________________________________________________