.:: Alam Ta Kambang Jadi Guru

Search

Belajar R: Tingkat Menengah

Hits: 85
1. Manipulasi Data dengan dplyr

dplyr adalah package yang sangat powerful untuk manipulasi data di R. Kita bisa melakukan filtering, sorting, grouping, dan summarising data dengan mudah.

Contoh:
# Install dan load package dplyr
install.packages("dplyr")
library(dplyr)

# Contoh dataset
data <- data.frame(
  nama = c("Andi", "Budi", "Cici", "Dedi"),
  usia = c(20, 22, 21, 23),
  nilai = c(85, 90, 88, 92)
)

# Filter data usia > 21
filtered_data <- data %>% filter(usia > 21)
print(filtered_data)

# Sorting data berdasarkan nilai
sorted_data <- data %>% arrange(desc(nilai))
print(sorted_data)

# Grouping dan summarising
summary_data <- data %>%
  group_by(usia) %>%
  summarise(rata_rata_nilai = mean(nilai))
print(summary_data)
2. Visualisasi Data dengan ggplot2

ggplot2 adalah package untuk visualisasi data yang sangat fleksibel dan powerful. Kita bisa membuat berbagai jenis plot seperti scatter plot, bar plot, dan line plot.

Contoh:
# Install dan load package ggplot2
install.packages("ggplot2")
library(ggplot2)

# Scatter plot
ggplot(data, aes(x = usia, y = nilai)) +
  geom_point() +
  labs(title = "Scatter Plot Usia vs Nilai", x = "Usia", y = "Nilai")

# Bar plot
ggplot(data, aes(x = nama, y = nilai)) +
  geom_bar(stat = "identity") +
  labs(title = "Bar Plot Nilai Mahasiswa", x = "Nama", y = "Nilai")
3. Fungsi di R

Membuat fungsi di R sangat mudah. Fungsi berguna untuk mengotomatisasi tugas-tugas yang sering dilakukan.

Contoh:
# Membuat fungsi untuk menghitung rata-rata
hitung_rata_rata <- function(vektor) {
  return(mean(vektor))
}

# Menggunakan fungsi
nilai <- c(85, 90, 88, 92)
rata_rata <- hitung_rata_rata(nilai)
print(rata_rata)
4. Analisis Statistik

R sangat terkenal untuk analisis statistik. Kita bisa melakukan uji t, ANOVA, regresi linear, dan banyak lagi.

Contoh Uji T:
# Data dua kelompok
kelompok1 <- c(85, 88, 90, 92)
kelompok2 <- c(78, 82, 80, 85)

# Uji t independen
hasil_uji_t <- t.test(kelompok1, kelompok2)
print(hasil_uji_t)
Contoh Regresi Linear:
# Data
usia <- c(20, 22, 21, 23)
nilai <- c(85, 90, 88, 92)

# Model regresi linear
model <- lm(nilai ~ usia)
summary(model)
5. Looping dan Conditional Statement

Looping dan conditional statement penting untuk mengotomatisasi proses berulang.

Contoh Looping:
# Looping for
for (i in 1:5) {
  print(paste("Iterasi ke-", i))
}

# Looping dengan conditional
for (i in 1:10) {
  if (i %% 2 == 0) {
    print(paste(i, "adalah bilangan genap"))
  } else {
    print(paste(i, "adalah bilangan ganjil"))
  }
}
6. Working with Strings

Package stringr sangat berguna untuk manipulasi string.

Contoh:
# Install dan load package stringr
install.packages("stringr")
library(stringr)

# Contoh string
teks <- "Belajar R itu menyenangkan!"

# Hitung jumlah karakter
nchar(teks)

# Cari kata tertentu
str_detect(teks, "menyenangkan")

# Ganti kata
str_replace(teks, "menyenangkan", "seru")
7. Working with Dates

Package lubridate memudahkan manipulasi tanggal dan waktu.

Contoh:
# Install dan load package lubridate
install.packages("lubridate")
library(lubridate)

# Tanggal hari ini
today()

# Parsing tanggal
tanggal <- ymd("2023-10-15")
print(tanggal)

# Tambah 1 bulan
tanggal_baru <- tanggal %m+% months(1)
print(tanggal_baru)
8. Error Handling

Error handling penting untuk menangani kesalahan saat menjalankan kode.

Contoh:
# Try-catch untuk error handling
hasil <- tryCatch({
  log("bukan angka")  # Ini akan error
}, warning = function(w) {
  print("Ada warning!")
}, error = function(e) {
  print("Terjadi error!")
}, finally = {
  print("Selesai!")
})
9. Working with Lists

List adalah struktur data yang fleksibel di R.

Contoh:
# Membuat list
list_saya <- list(nama = "Andi", usia = 20, nilai = c(85, 88, 90))

# Akses elemen list
print(list_saya$nama)
print(list_saya$nilai[2])
10. Advanced Data Manipulation with tidyr

tidyr adalah package untuk membersihkan dan mengatur data.

Contoh:
# Install dan load package tidyr
install.packages("tidyr")
library(tidyr)

# Contoh data wide format
data_wide <- data.frame(
  nama = c("Andi", "Budi"),
  nilai_math = c(85, 90),
  nilai_science = c(88, 92)
)

# Convert ke long format
data_long <- data_wide %>%
  gather(key = "mata_pelajaran", value = "nilai", -nama)
print(data_long)
Tips Belajar R Tingkat Menengah:

  1. Praktik Langsung: Coba langsung kode-kode di atas di RStudio.

  2. Baca Dokumentasi: Dokumentasi R sangat lengkap, gunakan ?nama_fungsi untuk melihat penjelasan.

  3. Ikut Komunitas: Bergabung dengan komunitas R seperti di Stack Overflow atau grup Facebook.

  4. Proyek Kecil: Buat proyek kecil seperti analisis data sederhana atau visualisasi data.

Main Menu

Belajar Python

Belajar R