library(mosaicCalc)
## Loading required package: mosaic
## Registered S3 method overwritten by 'mosaic':
##   method                           from   
##   fortify.SpatialPolygonsDataFrame ggplot2
## 
## The 'mosaic' package masks several functions from core packages in order to add 
## additional features.  The original behavior of these functions should not be affected by this.
## 
## Attaching package: 'mosaic'
## The following objects are masked from 'package:dplyr':
## 
##     count, do, tally
## The following object is masked from 'package:Matrix':
## 
##     mean
## The following object is masked from 'package:ggplot2':
## 
##     stat
## The following objects are masked from 'package:stats':
## 
##     binom.test, cor, cor.test, cov, fivenum, IQR, median, prop.test,
##     quantile, sd, t.test, var
## The following objects are masked from 'package:base':
## 
##     max, mean, min, prod, range, sample, sum
## Loading required package: mosaicCore
## 
## Attaching package: 'mosaicCore'
## The following objects are masked from 'package:dplyr':
## 
##     count, tally
## 
## Attaching package: 'mosaicCalc'
## The following object is masked from 'package:stats':
## 
##     D

Parameter merupakan variable yang menyimpan suatu nilai yang digunakan untuk pengolahan data didalam suatu fungsi atau pendeklarasian variabel

Fungsi sendiri merupakan sub-program yang dapat digunakan kembali baik di dalam program itu sendiri maupun di program yang lain

Pada fungsi di R Studio atau bahasa pemrograman R, kita dapat membuatnya melalui beberapa cara Berikut Contohnya :

f <- function(x) {
  lt = x * 2 - 1
}

atau kita juga dapat membuatnya menggunakan makeFun(). Namun, kode ini membutuhkan library mosaicCalc supaya fungsi tersebut jalan

Berikut Contohnya :

library(mosaicCalc)
g <- makeFun(x^2 - 4*x- 1 ~ x)
g(7)
## [1] 20

Kembali lagi seperti modul sebelumnya, kita bisa mengambil datasets bawaan dari R Studio

Dalam contoh kali ini, kita akan mengambil datasets yang bernama Loblolly berikut. Contoh :

library(mosaicCalc)
gf_point(Seed ~ age, data=datasets::Loblolly)

data_loblolly = datasets::Loblolly
data_loblolly
##    height age Seed
## 1    4.51   3  301
## 15  10.89   5  301
## 29  28.72  10  301
## 43  41.74  15  301
## 57  52.70  20  301
## 71  60.92  25  301
## 2    4.55   3  303
## 16  10.92   5  303
## 30  29.07  10  303
## 44  42.83  15  303
## 58  53.88  20  303
## 72  63.39  25  303
## 3    4.79   3  305
## 17  11.37   5  305
## 31  30.21  10  305
## 45  44.40  15  305
## 59  55.82  20  305
## 73  64.10  25  305
## 4    3.91   3  307
## 18   9.48   5  307
## 32  25.66  10  307
## 46  39.07  15  307
## 60  50.78  20  307
## 74  59.07  25  307
## 5    4.81   3  309
## 19  11.20   5  309
## 33  28.66  10  309
## 47  41.66  15  309
## 61  53.31  20  309
## 75  63.05  25  309
## 6    3.88   3  311
## 20   9.40   5  311
## 34  25.99  10  311
## 48  39.55  15  311
## 62  51.46  20  311
## 76  59.64  25  311
## 7    4.32   3  315
## 21  10.43   5  315
## 35  27.16  10  315
## 49  40.85  15  315
## 63  51.33  20  315
## 77  60.07  25  315
## 8    4.57   3  319
## 22  10.57   5  319
## 36  27.90  10  319
## 50  41.13  15  319
## 64  52.43  20  319
## 78  60.69  25  319
## 9    3.77   3  321
## 23   9.03   5  321
## 37  25.45  10  321
## 51  38.98  15  321
## 65  49.76  20  321
## 79  60.28  25  321
## 10   4.33   3  323
## 24  10.79   5  323
## 38  28.97  10  323
## 52  42.44  15  323
## 66  53.17  20  323
## 80  61.62  25  323
## 11   4.38   3  325
## 25  10.48   5  325
## 39  27.93  10  325
## 53  40.20  15  325
## 67  50.06  20  325
## 81  58.49  25  325
## 12   4.12   3  327
## 26   9.92   5  327
## 40  26.54  10  327
## 54  37.82  15  327
## 68  48.43  20  327
## 82  56.81  25  327
## 13   3.93   3  329
## 27   9.34   5  329
## 41  26.08  10  329
## 55  37.79  15  329
## 69  48.31  20  329
## 83  56.43  25  329
## 14   3.46   3  331
## 28   9.05   5  331
## 42  25.85  10  331
## 56  39.15  15  331
## 70  49.12  20  331
## 84  59.49  25  331

Penjelasan mengenai kode diatas : pada bagian kode ’data_loblolly” berfungsi sebagai variable untuk mendapatkan datasets Loblolly, dan pada gf_point merupakan kode untuk menampilkan grafik perbandingan antara data1 dan data2, sebagai contoh diatas data1-nya yaitu Seed dan data2-nya adalah age

Catatan tambahan mengenai gf_point, kode ini membutuhkan library mosaicCalc karena kode ini menampilkan grafik menggunakan library mosaic

Dari beberapa fungsi tersebut, terdapat fungsi tambahan yang dinamakan spliner dan connector Berikut fungsi yang menggunakan fungsi spliner :

f1 <- spliner(height ~ age, data = datasets::Loblolly)
## Warning in regularize.values(x, y, ties, missing(ties)): collapsing to unique
## 'x' values

Dan berikut fungsi yang menggunakan parameter connector :

f2 <- connector(height ~ age, data = datasets::Loblolly)
## Warning in regularize.values(x, y, ties, missing(ties), na.rm = na.rm):
## collapsing to unique 'x' values

Spliner merupakan kubik spline, tujuannya untuk menaksir nilai diantara nilai-nilai yang telah diketahui. Fungsi ini juga sama dengan connector

Spliner sendiri berfungsi untuk mengelompokan titik data dan kurva Connector sendiri berfungsi untuk menghubungan kelompok titik data dengan garis lurus

Berikut grafiknya :

gf_point(height ~ age, data = datasets::Loblolly) %>%
  slice_plot(f1(age) ~ age, color="Red") %>%
  slice_plot(f2(age) ~ age, color="Green")

Fungsi range disini adalah untuk mencari nilai rata rata dari data tersebut

Untuk menambahkan dari modul 1 : ada beberapa simbol aritmatika : (+) Penjumlahan (-) Pengurangan (*) Perkalian (/) Pembagian (^) Perpangkatan (%) Modulo (sisa Bagi)