Praktikum 10 Komputasi Statistika I
Annissa Nur Fitria Fathina
11/5/2021
Munging Data dalam R
Data
Data terdiri dari 3 peubah yaitu perlakuan, kelompok, dan respons yang memiliki 8 amatan sebagai berikut.
respon<-1:8
kelompok<-rep(1:2,4)
a<-rep(1:4,rep(2))
perlakuan<-paste("A",a,sep="")
tabel<-data.frame(perlakuan,kelompok,respon)
tabel## perlakuan kelompok respon
## 1 A1 1 1
## 2 A2 2 2
## 3 A3 1 3
## 4 A4 2 4
## 5 A1 1 5
## 6 A2 2 6
## 7 A3 1 7
## 8 A4 2 8Menciptakan Variabel Baru dalam Dataframe
Dilakukan menggunakan operator assignment yaitu $ atau [] atau [[]]. Perlu berhati-hati bila menggunakna operator [] atau [[]], jika indeks sudah ada akan terupdate untuk kolom tersebut, jadi nilai yang ada di kolom terindeks akan terganti dengan nilai variabel baru tersebut. Sebagai contoh, misalnya ingin dibuat variabel “baru” dengan nilai 8 7 6 5 4 3 2 1
tabel$baru=8:1
tabel## perlakuan kelompok respon baru
## 1 A1 1 1 8
## 2 A2 2 2 7
## 3 A3 1 3 6
## 4 A4 2 4 5
## 5 A1 1 5 4
## 6 A2 2 6 3
## 7 A3 1 7 2
## 8 A4 2 8 1Subsetting Data
Hal penting untuk subsetting data adalah membuat vektor logical seperti yang diinginkan. Vector logic ini digunakan untuk mengambil indeks data yang sesuai dengan kriteria tertentu yang kita tetapkan. Fungsi logical yang bisa digunakan pada saat subseting data yaitu ==, != , >, >=, <, <=, %in%, duplicated, is.na, is.null, is.numerik, dll. Misalnya, ingin membuat dataset baru yang memuat perlakuan A1 atau kelompok 1, maka kita buat dulu vektor berisi indeks yang sesuai kriteria dengan menggunakan logic.
indeks<-(tabel$perlakuan=='A1' | tabel$kelompok=='1')
indeks## [1] TRUE FALSE TRUE FALSE TRUE FALSE TRUE FALSEIndeks dari amatan yang sesuai dengan kriteria akan bernilai true dan sisanya bernilai false. Sehingga kita dapat mengambil amatan-amatan yang bernilai true tersebut.
tabel_baru <- tabel[indeks,]
tabel_baru## perlakuan kelompok respon baru
## 1 A1 1 1 8
## 3 A3 1 3 6
## 5 A1 1 5 4
## 7 A3 1 7 2Sorting Data
Seperti dalam subsetting, tetapi indeks yang dibuat adalah vektor integer. Beberapa fungsi yang dapat digunakan: order(), sort(), which(), rev(), unique()
sort()
Hanya digunakan untuk 1 peubah saja. Misalnya, ingin mengurutkan dari besar ke kecil berdasarkan variabel respon
sorting1<-sort(tabel$respon,decreasing=TRUE)
sorting1## [1] 8 7 6 5 4 3 2 1sorting1 ialah vektor integer yang berisi urutan indeks hasil sort. Berikut adalah tabel yang urutan isinya sesuai dengan urutan indeks hasil sort.
tabels1<-tabel[sorting1,]
tabels1## perlakuan kelompok respon baru
## 8 A4 2 8 1
## 7 A3 1 7 2
## 6 A2 2 6 3
## 5 A1 1 5 4
## 4 A4 2 4 5
## 3 A3 1 3 6
## 2 A2 2 2 7
## 1 A1 1 1 8order()
Data digunakan untuk 1 peubah atau lebih. Misalnya, ingin mengurutkan dari besar ke kecil berdasarkan variabel kelompok selanjutnya berdasarkan variabel respon
sorting2<-order(tabel$kelompok,tabel$respon,decreasing=TRUE)
sorting2## [1] 8 6 4 2 7 5 3 1sorting2 ialah vektor integer yang berisi urutan indeks hasil order. Berikut adalah tabel yang urutan isinya sesuai dengan urutan indeks hasil order.
tabels2<-tabel[sorting2,]
tabels2## perlakuan kelompok respon baru
## 8 A4 2 8 1
## 6 A2 2 6 3
## 4 A4 2 4 5
## 2 A2 2 2 7
## 7 A3 1 7 2
## 5 A1 1 5 4
## 3 A3 1 3 6
## 1 A1 1 1 8Recording Data
Lakukan seperti proses menciptakan variabel baru Misalnya, ingin membuat variabel “new” yang berisikan jika variabel respon <= 4 maka code = 1, selainnya code = 0. Terdapat 3 Alternatif cara berikut.
Menggunakan logical
tabel$new<-1*(tabel$respon<=4)+0*(tabel$respon>4)
tabel## perlakuan kelompok respon baru new
## 1 A1 1 1 8 1
## 2 A2 2 2 7 1
## 3 A3 1 3 6 1
## 4 A4 2 4 5 1
## 5 A1 1 5 4 0
## 6 A2 2 6 3 0
## 7 A3 1 7 2 0
## 8 A4 2 8 1 0Menggunakan fungsi ifelse
tabel$new<-ifelse(tabel$respon %in% 1:4,1,0)
tabel## perlakuan kelompok respon baru new
## 1 A1 1 1 8 1
## 2 A2 2 2 7 1
## 3 A3 1 3 6 1
## 4 A4 2 4 5 1
## 5 A1 1 5 4 0
## 6 A2 2 6 3 0
## 7 A3 1 7 2 0
## 8 A4 2 8 1 0Menggunakan fungsi recode
Fungsi ini terdapat dalam package car
library(car)## Loading required package: carDatatabel$new<-recode(tabel$respon,'1:4=1;else=0')
tabel## perlakuan kelompok respon baru new
## 1 A1 1 1 8 1
## 2 A2 2 2 7 1
## 3 A3 1 3 6 1
## 4 A4 2 4 5 1
## 5 A1 1 5 4 0
## 6 A2 2 6 3 0
## 7 A3 1 7 2 0
## 8 A4 2 8 1 0Merging Data
Menggabungkan data atau tabel dapat dilakukan dengan menggunakan fungsi-fungsi berikut
cbind
cbind untuk menggabungkan kolom
c <- c(4:11)
tabelc <- cbind(tabel,c)
tabelc## perlakuan kelompok respon baru new c
## 1 A1 1 1 8 1 4
## 2 A2 2 2 7 1 5
## 3 A3 1 3 6 1 6
## 4 A4 2 4 5 1 7
## 5 A1 1 5 4 0 8
## 6 A2 2 6 3 0 9
## 7 A3 1 7 2 0 10
## 8 A4 2 8 1 0 11rbind
rbind untuk menggabungkan baris
r <- c("A4", 2, 9, 1, 0)
tabelr <- rbind(tabel,r)
tabelr## perlakuan kelompok respon baru new
## 1 A1 1 1 8 1
## 2 A2 2 2 7 1
## 3 A3 1 3 6 1
## 4 A4 2 4 5 1
## 5 A1 1 5 4 0
## 6 A2 2 6 3 0
## 7 A3 1 7 2 0
## 8 A4 2 8 1 0
## 9 A4 2 9 1 0merge
Merge digunakan jika melakukan proses join
b<-c(3,5)
a1<-paste("A",b,sep="")
k1<-c(1,2)
tabel1<-data.frame(a1,k1)
tabel1## a1 k1
## 1 A3 1
## 2 A5 2Misalnya, ingin menggabungkan data tabel dengan tabell berdasarkan peubah pertamanya
merge(tabel,tabel1,by.x=1,by.y=1,all=FALSE)## perlakuan kelompok respon baru new k1
## 1 A3 1 3 6 1 1
## 2 A3 1 7 2 0 1all = false berarti hanya mengambil irisannya saja (peubah pertamanya memiliki nilai yang sama saja yang ditampilkan).
merge(tabel,tabel1,by.x=1,by.y=1,all=TRUE)## perlakuan kelompok respon baru new k1
## 1 A1 1 1 8 1 NA
## 2 A1 1 5 4 0 NA
## 3 A2 2 2 7 1 NA
## 4 A2 2 6 3 0 NA
## 5 A3 1 3 6 1 1
## 6 A3 1 7 2 0 1
## 7 A4 2 4 5 1 NA
## 8 A4 2 8 1 0 NA
## 9 A5 NA NA NA NA 2all = true berarti menggabungkan seluruh isi tabel dengan tabel1 baik yang memiliki nilai variabel pertama yang sama maupun yang tidak sama, sehingga akan menimbulkan nilai NA (missing value)
Reshaping data
Dalam reshaping data akan digunakan 2 argumen yaitu:
- idvar : 1+ variabel, sebagai pengidentifikasi baris yang merupakan individu yang sama pada data long format.
- timevar: 1 variabel, sebagai pengidentifikasi beberapa record dari individu yang sama.
Membentuk data set baru menggunakan fungsi reshape dengan cara berikut.
Long to Wide Data Format
Misalnya, reshape dengan peubah id nya perlakuan, dan peubah waktunya kelompok, dengan posisinya wide
widet=reshape(tabel,idvar="perlakuan",timevar="kelompok",direction="wide")## Warning in reshapeWide(data, idvar = idvar, timevar = timevar, varying =
## varying, : multiple rows match for kelompok=1: first taken## Warning in reshapeWide(data, idvar = idvar, timevar = timevar, varying =
## varying, : multiple rows match for kelompok=2: first takenwidet## perlakuan respon.1 baru.1 new.1 respon.2 baru.2 new.2
## 1 A1 1 8 1 NA NA NA
## 2 A2 NA NA NA 2 7 1
## 3 A3 3 6 1 NA NA NA
## 4 A4 NA NA NA 4 5 1tabel## perlakuan kelompok respon baru new
## 1 A1 1 1 8 1
## 2 A2 2 2 7 1
## 3 A3 1 3 6 1
## 4 A4 2 4 5 1
## 5 A1 1 5 4 0
## 6 A2 2 6 3 0
## 7 A3 1 7 2 0
## 8 A4 2 8 1 0contoh lainnya, apabila idnya perlakuan dan timenya new
widet1=reshape(tabel,idvar="perlakuan",timevar="new",direction="wide")
widet1## perlakuan kelompok.1 respon.1 baru.1 kelompok.0 respon.0 baru.0
## 1 A1 1 1 8 1 5 4
## 2 A2 2 2 7 2 6 3
## 3 A3 1 3 6 1 7 2
## 4 A4 2 4 5 2 8 1Wide to Long Data Format
Misalnya, ingin mengubah widet ke posisi long
widet2=reshape(widet,varying=list(c("respon.1","respon.2"),c("baru.1","baru.2"),
c("new.1","new.2")),direction="long",v.names=c("respon1","baru1","new1"))
widet2## perlakuan time respon1 baru1 new1 id
## 1.1 A1 1 1 8 1 1
## 2.1 A2 1 NA NA NA 2
## 3.1 A3 1 3 6 1 3
## 4.1 A4 1 NA NA NA 4
## 1.2 A1 2 NA NA NA 1
## 2.2 A2 2 2 7 1 2
## 3.2 A3 2 NA NA NA 3
## 4.2 A4 2 4 5 1 4widet3=reshape(widet1,varying=list(c("kelompok.1","kelompok.0"), c("respon.1","respon.0"),
c("baru.1","baru.0")),direction="long",v.names=c("kelompok1","respon1","baru1"))
widet3## perlakuan time kelompok1 respon1 baru1 id
## 1.1 A1 1 1 1 8 1
## 2.1 A2 1 2 2 7 2
## 3.1 A3 1 1 3 6 3
## 4.1 A4 1 2 4 5 4
## 1.2 A1 2 1 5 4 1
## 2.2 A2 2 2 6 3 2
## 3.2 A3 2 1 7 2 3
## 4.2 A4 2 2 8 1 4