BAB I

PENDAHULUAN
A. Sejarah Singkat R
Program R merupakan suatu sistem analisis data statistik yang komplet sebagai hasil
dari kolaborasi penelitian berbagai ahli statistik (statistisi) di seluruh dunia. Versi awal
dari R dibuat pada tahun 1992 di Universitas Auckland, New Zealand oleh Ross Ihaka
dan Robert Gentleman. Pada saat ini, source code kernel R dikembangkan terutama oleh
R Core Team yang beranggotakan 17 orang statistisi dari berbagai penjuru dunia (lihat
http://www.r project.org/contributors.html). Selain itu, para statistisi lain pengguna R di
seluruh dunia juga memberikan kontribusi berupa kode, melaporkan bug, dan membuat
dokumentasi untuk R.
Paket statistik R bersifat multiplatforms, dengan file instalasi binary/file tersedia
untuk sistem operasi Windows, Mac OS, Mac OS X, Linux, Free BSD, NetBSD, irix,
Solaris, AIX, dan HPUX. Secara umum, sintaks dari bahasa R adalah ekuivalen dengan
paket statistik Splus, sehingga sebagian besar keperluan analisis statistika, dan
pemrograman dengan R adalah hampir identik dengan perintah yang dikenal di Splus.
B. Manajemen Data di R Dengan Command Line
Pada R, data yang ada dipandang sebagai suatu objek yang memiliki suatu
attributes atau sifat. Sifat data ditentukan oleh type data dan mode data. Ada
berbagai type data yang dikenal oleh R, antara lain vektor, matriks, list, data frame,
array, factor, dan function (builtin command). Sedangkan mode data yang
dikenal R ada 4 macam seperti yang terlihat pada Tabel 3.1 berikut ini:
Tabel 3.1 Empat macam mode data yang dikenal R
Mode
Numeric
Complex
Logical
Character

Contoh perintah di Command Line

> 23
> c(2.3, 2, 1.3, 3.2)
> 1+5i
> sqrt(as.complex(5))
> c(T,F,F,T,T,F,F,T,T,T)
> data.tahun > 1998
>c(Budi,Wati,Rony, Naily)

> c(F, T, 2)
Nama objek dalam R harus dimulai dengan huruf, ditambah dengan
kombinasi dari huruf besar, huruf kecil, angka dan titik. Penggunaan titik biasanya
1

dilakukan untuk memudahkan

pengorganisasian

data.

Berikut

ini

adalah

beberapa contoh dari nama objek yang valid.

C. Jenisjenis Data Objek
1. Data Array Satu Dimensi atau Data Vektor
Vektor merupakan suatu array atau himpunan bilangan, character atau string,
logical value, dan merupakan objek paling dasar yang dikenal dalam R. Pada data
vektor harus digunakan mode tunggal pada data, sehingga gabungan dua data atau
lebih yang berbeda mode tidak dapat dilakukan kedalam satu objek vektor. Jika ini
dilakukan, maka R akan mengubah data ke mode yang lebih umum.
2. Data Matriks
Matriks atau data array dua dimensi adalah salah satu tipe data yang banyak
digunakan dalam pemrograman statistik. Sebagian besar fungsifungsi

statistik

dalam R dapat dianalisis dengan menggunakan bentuk matriks. Bentuk matriks

ini juga banyak digunakan pada operasi fungsifungsi builtin untuk aljabar linear
dalam R, seperti untuk penyelesaian suatu persamaan linear.
Proses entry data matriks dilakukan dengan menggunakan fungsi matrix.
Argumen yang diperlukan adalah elemenelemen dari matriks, dan argumen
optional yaitu banyaknya baris nrow dan banyaknya kolom ncolom.
3. Data Frame
Data frame merupakan objek yang mempunyai bentuk sama dengan matriks,
yaitu terdiri atas baris dan kolom. Perbedaannya adalah data frame dapat terdiri atas
mode data yang berbedabeda untuk setiap kolomnya. Misalkan saja, kolom pertama
adalah numeric, kolom kedua adalah string/character, dan kolom ketiga adalah
logical. Objek data frame dapat dibuat dengan menggunakan perintah data.frame.
4. Data List
Data list merupakan objek yang paling umum atau general dan paling
fleksibel di dalam R. List adalah suatu vektor terurut dari sekumpulan komponen.
Setiap komponen dapat berupa sembarang data objek, yaitu vektor, matriks, data
frame, atau data list sendiri. Tiap komponen pada data list dapat mempunyai mode
yang berbeda. Data list dapat dibuat dengan menggunakan perintah list.
BAB II
DESKRIPSI KERJA
1. Permasalah
a. Download salah satu Package, jelaskan dan berikan contoh.
b. Carilah contoh jenis-jenis data objek:
1. Array
2. Matriks
2

3. Data List
4. Data Frame
2. Penyelesaian
a. Download package Cluster
Untuk penggunaan package, praktikan menggunakan package --, adapun
langkah-langkah untuk memperoleh package tersebut adalah sebagai
berikut:
1. Download package pada www.cran.r-project.org

Gambar 2.1 Halaman Awal cran.r-project

2. Pada halaman depan website tersebut pilih Task Views, maka akan
muncul tampilan seperti berikut:

Gambar 2.2 CRAN Task Views

3. Pilih dan klik package Cluster pada jendela CRAN Task Views
4. Klik Cluster pada jendela tersebut, maka akan muncul gambar berikut:

Gambar 2.3 Package Cluster

5. Pilih dan Klik cluster_1.15.3.zip, secara otomatis package tersebut telah
terdownload.
6. Instalasi package cluster pada program R.
b. Jenis Data Obyek
Pada bagian ini, akan dijelaskan beberapa jenis data obyek pada R, yaitu
data Array satu dimensi atau data Vektor, data Matriks, data Frame, dan
data List.
1. Data Array
Untuk contoh data array, ketikan sintak berikut ini pada rogram R:
>
>
>
>
>
>
>
>
>
>

riswan=c(20,16,10,12,8,11,9,14,5,10)
riswan
mode(riswan)
length(riswan)
riswan[2]
riswan[c(2,4,6)]
riswan[-c(2,4,6)]
riswan[riswan>10]
A=riswan[riswan>10]
A

2. Data Matriks
Untuk contoh data matriks, ketikan sintak berikut ini pada rogram R:
>
>
>
>
>
>
>
>
>
>
>

riswan=c(20,16,10,12,8,11,9,14,5,10)
riswan
matriks.riswan=matrix(riswan,nrow=5,ncol=2)
matriks.riswan
matriks.riswan=matrix(riswan,nrow=5,ncol=2,byrow=T)
matriks.riswan
dim(matriks.riswan)
matriks.riswan2=cbind(matriks.riswan,c(3,12,19,17,1))
matriks.riswan2
matriks.riswan3=rbind(matriks.riswan,c(3,12))
matriks.riswan3

3. Data Frame
Untuk contoh data frame, ketikan sintak berikut ini pada rogram R:
4

> Merk<-c("Samsung","LG","Lenuvo","Smartfren","Sony","Oppo")
> Hrg.Baru<-c(1100000,1850000,999000,750000,1500000,2500000)
> Hrg.Bekas<-c(950000,1350000,850000,550000,1250000,2000000)
> Daftar.Smartphone<-data.frame(Merk,Harga.Baru,Harga.Bekas)
> Daftar.Smartphone

4. Data List
Untuk contoh data list, ketikan sintak berikut ini pada rogram R:

>list(c(1:10),c(T,F,F,F,T,T,F,T,F,F),data.frame(Daft
+ar.Smartphone<data.frame(Merk,Harga.Baru,Harga.Beka
+s)))

BAB III
PEMBAHASAN
a. Cluster
Tujuan analisis kluster adalah mengelompokan obyek atas dasar karakteristik
yang dimiliki. Analsis kluster megelompokan obyek (responden, produk, atau entitas
lainya) sehingga masing-masing obyek mempunyai kemiripan dengan yang lain
dalam satu kluster. Contoh: misalnya seorang menejer pemasaran ingin menentukan
segmentasi pasar pada suatu komuniats kecil berdasarkan pada loyaitas terhadap
merek dan toko. Sampel kecil 7 orang responden dipilih sebagai studi pilot.
Tabel 3.1 Hasil studi pilot
varia
bel
Clust
er
Toko
Mere
k

Reponden
1

8
2

3
5

4
7

4
7

6
5

7
7

7
8

Responden diminta untuk menentukan loyalitas terhadap merek dan toko dengan
skala 0 sampai 10.
b. Jenis Data Obyek
1. Data Array
Berikut output dari sintaks diatas, (untuk defnisi/maksud dari sintaks, bisa dilihat
pada sintaks setelah tanda pagar (#)):

Gambar 3.1 Sintaks (warna merah) dan Output (warna biru) data Array
2. Data Matriks

Gambar 3.2 Ouput Data Matriks

Maksud dari sintaks tersebut adalah, data matriks.riswan akan diisikan secara
default kolom perkolom.

Gambar 3.3 Ouput Data Matriks

Sedangkan untuk sintaks tersebut berfungsi untuk pengisian matriks menurut
baris perbaris dapat dilakukan dengan menggunakan argumen optional byrow=T
pada command matrix.
Gambar 3.4 Ouput Data Matriks
Sintaks dim(matriks.riswan) berungsi untuk perintah untuk mengetahui
dimensi matriks. Pada R, dapat pula dilakukan penggabungan satu kolom atau
satu baris baru kedalam matriks lain. Hal ini dapat dilakukan dengan
menggunakan perintah rbind (untuk menambahkan baris) dan cbind (untuk
menamnahkan kolom).

Gambar 3.5 Ouput Data Matriks

3.

Data Frame
Data frame merupakan objek yang mempunyai bentuk sama dengan matriks,
terdiri atas baris dan kolom. Perbedaannya adalah data frame dapat terdiri atas
mode data yang berbedabeda untuk setiap kolomnya. Misalkan saja, kolom
pertama adalah numeric, kolom kedua adalah string/character, dan kolom ketiga
adalah logical.

Gambar 3.6 Output Data Frame

Gambar 3.7 Mode Data Frame

4. Data List
Data list merupakan objek yang paling umum atau general dan paling
fleksibel di dalam R. List adalah suatu vektor terurut dari sekumpulan komponen.
Setiap komponen dapat berupa sembarang data objek, yaitu vektor, matriks, data
frame, atau data list sendiri. Tiap komponen pada data list dapat mempunyai
mode yang berbeda. Data list dapat dibuat dengan menggunakan perintah list.

Gambar 3.7 Output Data List

Gambar 3.7 Mode Data List

BAB IV
PENUTUP
9

A. Kesimpulan
1. Cluster
Tujuan analisis kluster adalah mengelompokan obyek atas dasar karakteristik
yang dimiliki. Analsis kluster megelompokan obyek (responden, produk, atau entitas
lainya) sehingga masing-masing obyek mempunyai kemiripan dengan yang lain
dalam satu kluster.
2. Data Array
Berikut contoh input data:

Gambar 4.1 Sintaks (warna merah) dan Output (warna biru) data Array
3. Data Matriks

Gambar 4.2 Data Matriks

Pengisian matriks menurut baris perbaris dengan menggunakan argumen
optional byrow=T pada command matrix.
4. Data Frame
Data frame merupakan objek yang mempunyai bentuk sama dengan matriks,
terdiri atas baris dan kolom. Perbedaannya adalah data frame dapat terdiri atas mode
data yang berbedabeda untuk setiap kolomnya.

Gambar 4.3 Mode Data Frame

5. Data List
List adalah suatu vektor terurut dari sekumpulan komponen. Setiap komponen
dapat berupa sembarang data objek, yaitu vektor, matriks, data frame, atau data list
sendiri. Tiap komponen pada data list dapat mempunyai mode yang berbeda.

10

Gambar 4.4 Mode Data List

DAFTAR PUSTAKA
Sartono, 2008, .Analisis Data Statistik dengan R, jurusan statistika ITS, Surabaya.
Rosadi, Dedi. 2011. Analisis Ekonometrika & Runtun Waktu Terapan dengan R. ANDI.
Yogyakarta.
elearning.unej.ac.id/courses/... (diakses: 21 oktober 2014)

11