Lembaga : Universitas Islam Negeri Maulana Malik Ibrahim Malang
Fakultas : Sains dan Teknologi
Program Studi : Teknik Informatika
Mata Kuliah : Linear Algebra (b)
Relasional data set merupakan kumpulan item data yang memiliki perpaduan atau hubungan yang telah ditentukan sebelumnya. Berbagai item ini diatur sebagai satu set tabel menggunakan kolom dan baris. Tabel digunakan untuk menyimpan informasi tentang objek yang ditampilkan dalam database. Tiap kolom dalam tabel memuat tipe data ekskusif , dan bidang tersebut menyimpan nilai aktual atribut. Baris dalam tabel mempresentasikan perpaduan nilai terkait berdasarkan satu objek atau entitas. Tiap baris pada tabel dapat ditandai dengan pengidentifikasi unik yang disebut kunci utama (keyword), dan baris di antara beberapa tabel dapat dibuat saling terkait menggunakan kunci asing. Berikut tahapan dalam menerapkan relasional data set pada RStudio menggunakan bahasa pemrograman R.
library(tidyverse)
## -- Attaching packages --------------------------------------- tidyverse 1.3.1 --
## v ggplot2 3.3.5 v purrr 0.3.4
## v tibble 3.1.6 v dplyr 1.0.8
## v tidyr 1.2.0 v stringr 1.4.0
## v readr 2.1.2 v forcats 0.5.1
## -- Conflicts ------------------------------------------ tidyverse_conflicts() --
## x dplyr::filter() masks stats::filter()
## x dplyr::lag() masks stats::lag()
data_mahasiswa <- data.frame(
NIM = c("210605110020, 210302110067, 210106110050, 210503110029, 210503110039, 210502110086, 210201110034, 210605110044, 210101110048, 210607110016"
),
Nama = c("Nadiya Nur Aini, Nely Aulia Qudzi, Rifqi Murtiani, Faza Fauzia Az-Zahra, Umi Azizah, Ashfa Azyan Zulfany, Nadiah Vara, Aisyah Dhifa, Emilia Fitruiana"
),
stringsAsFactors = FALSE)
data_mahasiswa
data_Prodi <- data.frame(
NIM = c("210605110020, 210302110067, 210106110050, 210503110029, 210503110039, 210502110086, 210201110034, 210605110044, 210101110048, 210607110016"
),
Nama = c("Hukum Keluarga Islam, Kimia, Tehnik Informatika, Manajemen Pendidikan, Manajemen, Hukum Ekonomi Syari'ah, Biologi, Matematika, Matematika"
),
stringsAsFactors = FALSE)
data_Prodi
library(dplyr)
Nama14 <- merge(
x = data_mahasiswa,
y = data_Prodi,
by = 'NIM',
all = TRUE
)
Nama14
Alamat1 <- data.frame(
NIM = c(210605110031, 210104110151, 210503110075, 210104110030, 210104110016, 210104110070, 210606110024, 210301110045, 210201110156, 210202110144, 210201110002, 21030111015, 210401110025, 210203110082, 210201110201, 210104110153, 210301110002, 210701110007, 210301110178, 210602110083, 210602110042, 210607110022
),
Alamat = c("Ogan Ilir", "Muara Gula Lama", "Tanjung Seteko Indralaya", "Payaraman", "Bangun jaya Ogan Ilir", "Sungai Lilin Muba", "Lubuk linggau", "Palembang Bukit Lama", "Betung Barat Penukal ABAB Lematang Ilir", "Kelekar Muara Enim", "Meranjat Ogan Ilir", "Musi Banyuasin", "OKUT", "OKUT", "Banyuasin", "Lubuk Linggau", "Ogan Ilir", "Muara Kelingi", "Rambutan", "OKUT", "Baturaja OKU", "Lubuk Linggau"
),
stringsAsFactors = FALSE)
Alamat1
library(dplyr)
Namaa14 <- merge(
x = Nama14,
y = Alamat1,
by = 'NIM',
all = TRUE
)
Namaa14
innerJoin <- data_mahasiswa %>%
inner_join(data_Prodi, by = "NIM")
innerJoin
1.Aleft Join
leftjoin <- left_join(data_mahasiswa,data_Prodi)
## Joining, by = c("NIM", "Nama")
leftjoin
rightjoin <- right_join(data_mahasiswa
,data_Prodi)
## Joining, by = c("NIM", "Nama")
rightjoin
fulljoin <- full_join(data_mahasiswa,data_Prodi)
## Joining, by = c("NIM", "Nama")
fulljoin