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
> 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
pengorganisasian
data.
Berikut
ini
adalah
statistik
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
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
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.
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
10
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