Mata kuliah: Kalkulus
Jurusan:Teknik Informatika
Universitas Islam Negeri Maulana Malik Ibrahim Malang

Memasukkan Nilai ke Dalam Variabel

Variabel pada R dapat digunakan untuk menyimpan nilai. Sebagai contoh jalankan sintaks berikut:

# Harga sebuah lemon adalah 500 rupiah
lemon <- 500

# Atau
500 -> lemon

# dapat juga menggunakan tanda "="
lemon = 500

Penting!!!
1. R memungkinkan penggunaan <-,->, atau = sebagai perintah pengisi nilai variabel
2. R bersifat case-sensitive. Maksudnya adalah variabel Lemon tidak sama dengan lemon (Besar kecil huruf berpengaruh)

Untuk mengetahui nilai dari objek lemon kita dapat menggunakan fungsi print() atau mengetikkan nama objeknya secara langsung.

# Menggunakan fungsi print()
print(lemon)
## [1] 500
# Atau
lemon
## [1] 500

R akan menyimpan variabel lemon sebagai objek pada memori. Sehingga kita dapat melakukan operasi terhadap objek tersebut seperti mengalikannya atau menjumlahkannya dengan bilangan lain. Sebagai contoh jalankan sintaks berikut:

# Operasi perkalian terhadap objek lemon
5*lemon
## [1] 2500

Kita dapat juga mengubah nilai dari objek lemon dengan cara menginput nilai baru terhadap objek yang sama. R secara otomatis akan menggatikan nilai sebelumnya. Untuk lebih memahaminya jalankan sintaks berikut:

lemon <- 1000

# Print lemon
print(lemon)
## [1] 1000

Untuk lebih memahaminya berikut adalah sintaks untuk menghitung volume suatu objek.

# Dimensi objek
panjang <- 10
lebar <- 5
tinggi <- 5

# Menghitung volume
volume <- panjang*lebar*tinggi

# Print objek volume
print(volume)
## [1] 250

Untuk mengetahui objek apa saja yang telah kita buat sepanjang artikel ini kita dapat menggunakan fungsi ls().

ls()
## [1] "lebar"   "lemon"   "panjang" "tinggi"  "volume"

Catatan:
Kumpulan objek yang telah tersimpam dalam memori disebut workspace

Untuk menghapus objek pada memori kita dapat menggunakan fungsi rm(). Pada sintaks berikut penulis hendak menghapus objek lemon dan volume.

# Menghapus objek lemon dan volume
rm(lemon, volume)

# Tampilkan kembali objek yang tersisa
ls()
## [1] "lebar"   "panjang" "tinggi"

Tips:
Setiap variabel atau objek yang dibuat akan menempati sejumlah memori pada komputer sehingga jika kita bekerja dengan jumlah data yang banyak pastikan kita menghapus seluruh objek pada memori sebelum memulai kerja.

Tipe Data dan Struktur Data

Data pada R dapat dikelompokan berdasarkan beberapa tipe.
serta berikut ini adalah cara membuat tabel di R markdown:

TipeData<-c("Logical","Numerik","Integer","Complex","Character","Factor","Raw")
Contoh<-c("TRUE,FALSE","12.3,5,999","23L,97L,3L","2i,3i,9i","'a'","1,0,String merah","Identik dengan hello")
Keterangan<-c("Nilai Boolean", "Segala jenis angka", "Bilangan integer(bilangan bulat)","Bilangan Kompleks","Karakter dan string","Berupa numerik/string","Segala jenis data yang disimpan sbg raw bytes")
tes<-data.frame(TipeData, Contoh, Keterangan)
tes
##    TipeData               Contoh                                    Keterangan
## 1   Logical           TRUE,FALSE                                 Nilai Boolean
## 2   Numerik           12.3,5,999                            Segala jenis angka
## 3   Integer           23L,97L,3L              Bilangan integer(bilangan bulat)
## 4   Complex             2i,3i,9i                             Bilangan Kompleks
## 5 Character                  'a'                           Karakter dan string
## 6    Factor     1,0,String merah                         Berupa numerik/string
## 7       Raw Identik dengan hello Segala jenis data yang disimpan sbg raw bytes

Sintaks berikut adalah contoh dari tipe data pada R. Untuk mengetahui tipa data suatu objek kita dapat menggunakan perintah class()

# Logical
apel <- TRUE
class(apel)
## [1] "logical"
# Numeric
x <- 2.3
class(x)
## [1] "numeric"
# Integer
y <- 2L
class(y)
## [1] "integer"
# Compleks
z <- 5+2i
class(z)
## [1] "complex"
# string
w <- "saya"
class(w)
## [1] "character"
# Raw
xy <- charToRaw("hello world")
class(xy)
## [1] "raw"

Keenam jenis data tersebut disebut sebagai tipe data atomik. Hal ini disebabkan karena hanya dapat menangani satu tipe data saja. Misalnya hanya numeric atau hanya integer.

Selain menggunakan fungsi class(), kita dapat pula menggunakan fungsi is_numeric(), is.character(), is.logical(), dan sebagainya berdasarkan jenis data apa yang ingin kita cek. Berbeda dengan fungsi class(), ouput yang dihasilkan pada fungsi seperti is_numeric() adalah nilai Boolean sehingga fungsi ini hanya digunakan untuk mengecek apakah jenis data pada objek sama seperti yang kita pikirkan. Sebagai contoh disajikan pada sintaks berikut:

data <- 25

# Cek apakah objek berisi data numerik
is.numeric(data)
## [1] TRUE
# Cek apakah objek adalah karakter
is.character(data)
## [1] FALSE

Kita juga dapat mengubah jenis data menjadi jenis lainnya seperti integer menjadi numerik atau sebaliknya. Fungsi yang digunakan adalah as.numeric() jika ingin mengubah suatu jenis data menjadi numerik. Fungsi lainnya juga dapat digunakan sesuai dengan kita ingin mengubah jenis data objek menjadi jenis data lainnya.

# Integer
apel <- 2L

# Ubah menjadi numerik
as.numeric(apel)
## [1] 2
# Cek
is.numeric(apel)
## [1] TRUE
# Logical
nangka <- TRUE

# Ubah logical menjadi numeric
as.numeric(nangka)
## [1] 1
# Karakter
minum <- "minum"

# ubah karakter menjadi numerik
as.numeric(minum)
## Warning: NAs introduced by coercion
## [1] NA
## Warning: NAs introduced by coercio

Penting!!!
Konversi karakter menjadi numerik akan menghasilkan output NA (not available). R tidak mengetahui bagaimana cara merubah karakter menjadi bentuk numerik.
Berdasarkan Tabel 2, vektor karakter dapat dibuat menggunakan tanda kurung baik double quote (““) maupun single quote (’’).Jika pada teks yang kita tuliskan mengandung quote maka kita harus menghentikannya menggunakan tanda ( ). Sbegai contoh kita ingin menuliskan `My friend’s name is “Adi”, pada sintaks akan dituliskan:

'My friend\`s name is "Adi"'
## [1] "My friend`s name is \"Adi\""
# Atau

"My friend's name \"Adi\""
## [1] "My friend's name \"Adi\""

Struktur data diklasifikasikan berdasarkan dimensi data dan tie data di dalamnya (homogen atau heterogen).

Dimensi<-c("1d","2d","nd")
Homogen<-c("Atomik vektor","Matriks","Array")
Heterogen<-c("List","Dataframe","  ")
tes<-data.frame(Dimensi, Homogen, Heterogen)
tes
##   Dimensi       Homogen Heterogen
## 1      1d Atomik vektor      List
## 2      2d       Matriks Dataframe
## 3      nd         Array

Berdasarkan Tabel tersebut dapat kita lihat bahwa objek terbagi atas dua buah struktur data yaitu homogen dan heterogen. Objek dengan struktur data homogen hanya dapat menyimpan satu tipe atau jenis data saja (numerik saja atau factor saja), sedangkan objek dengan struktur data heterogen akan dapat menyimpan berbagai jenis data.
# Referensi
https://bookdown.org/moh_rosidi2610/Metode_Numerik/calculation.html#typedata