Kelas C

LAPORAN PRAKTIKUM
ALGORITMA PEMROGRAMAN
Modul 5 : Mananjemen Data

Nomor Tanggal Tanda Tangan

Nama Praktikan Praktikan
Mahasiswa Kumpul
Apriliani
20611133 22-11-2020
Fauziyyah

Tanggal Tanda tangan

Nama Penilai Nilai
Koreksi Asisten Dosen
Nur Fajri Apriliani
Tarisya Qurrota
Ayuni
Rahmadi Yotenka
S.Si., M.Sc
JURUSAN STATISTIKA
FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM
UNIVERSITAS ISLAM INDONESIA YOGYAKARTA
2020
Daftar Isi
Halaman Sampul......................................................................................................i
Daftar Isi..................................................................................................................ii
Daftar Gambar........................................................................................................iii
Daftar Tabel............................................................................................................iv
1 Pendahuluan ................................................................................................. 5
1.1 Manajemen Data pada R ........................................................................ 5
1.1.1 Entri Data Pada R Commander ....................................................... 5
1.1.2 Edit Data Dengan Menggunakan R Commander ............................. 6
1.1.3 Impor Data Dengan Menggunakan R Commander .......................... 6
1.1.3.1 Impor Data File Teks.................................................................. 7
1.1.3.2 Impor Data File Excel ................................................................ 7
1.1.4 Transformasi Data Pada R Commander .......................................... 7
1.1.4.1 Record ............................................................................................. 7
1.1.5 Entri Data Menggunakan R CLI...................................................... 8
1.1.6 Impor Data Pada R CLI .................................................................. 8
1.1.7 Edit Data Pada R CLI ..................................................................... 8
2 Deskripsi Kerja ............................................................................................ 9
2.1 Studi Kasus ............................................................................................ 9
2.2 Langkah Kerja ..................................................................................... 10
3 Pembahasan ............................................................................................... 15
3.1 Pembahasan studi kasus ....................................................................... 15
4 Penutup ...................................................................................................... 18
4.1 Kesimpulan.......................................................................................... 18
5 Daftar Pustaka ............................................................................................ 19

ii
Daftar Gambar

Gambar 1.1. Jendela dialog untuk penamaan data set. ......................................... 5

Gambar 1.2. Tampilan pada data editor .............................................................. 6
Gambar 1.3. Tampilan output pada R Commander. ............................................ 6
Gambar 1.4. Tampilan contoh penerapan entri data menggunakan R CLI ........... 8
Gambar 1.5. Tampilan contoh penerapan impor data menggunakan R CLI ......... 8
Gambar 2.1. Tampilan awal program R ............................................................ 10
Gambar 2.2. Tampilan R Commander.. ............................................................ 10
Gambar 2.3. Tampilan pada menu Data di R Commander.. .............................. 11
Gambar 2.4. Tampilan New data set.... ............................................................ 11
Gambar 2.5. Tampilan input data pada Data Editor. .......................................... 12
Gambar 2.6. Tampilan menu Edit data set... pada R Commander. ................... 12
Gambar 2.7. Tampilan Data Editor setelah data diedit. ..................................... 13
Gambar 2.8. Tampilan data yang sudah diedit pada R Script............................. 13
Gambar 2.9. Tampilan pada saat menghitung presentase .................................. 14
Gambar 2.10. Tampilan pada Recode variables ............................................... 14
Gambar 3.1. Output studi kasus nomor 1 pada R Commander .......................... 15
Gambar 3.2. Output studi kasus nomor 2 pada R Commander .......................... 16
Gambar 3.3. Output studi kasus nomor 3 pada View data set ........................... 17
Gambar 3.4. Output studi kasus nomor 4 View data set ................................... 17

iii
Daftar Tabel

Tabel 1.1. Data Peserta. ....................................................................................... 9

iv
1 Pendahuluan

1.1 Manajemen Data pada R

Manajemen data merupakan bagian penting pada dalam setiap proses
pengolahan data. Proses import dan eksport data pada berbagai format penting
untuk dipelajari. Selain itu, proses perapihan data sebelum analisa menjadi bagian
yang harus ada pada awal proses analisa. Manajemen data yang dimaksud adalah
proses entri data, pengeditan data, pengimporan dan transformasi data. Manajemen
data ini dilakukan dengan menggunakan R GUI, R Commander dan juga R CLI.

1.1.1 Entri Data Pada R Commander

Hal pertama yang harus dilakukan adalah mengaktifkan kembali program R
dengan mengklik icon shortcutnya. Kemudian load library R Commander dengan
mengetikkan perintah “library(Rcmdr)” pada jendela R Console. Jika proses
berjalan sukses maka akan nampak jendela R Commander. Setelah muncul jendela
R Commander, pilih menu Data dan kemudian pilih New Data Set.. dan kemudian
akan muncul jendela dialog untuk memberikan nama pada data set yang akan
dibuat. Setelah penamaan dibuat, selanjutnya klik OK.

Gambar 1.1 Jendela dialog untuk penamaan data set

Setelah mengklik OK maka akan muncul jendela editor untuk menginput
data yang akan dibuat. Untuk menambah kolom pilih add column sedangkan untuk
menambah baris pilih add row. Untuk penamaan variabel, dapat dituliskan pada
baris paling atas. Jika sudah selesai menginput data klik OK dan data akan
tersimpan. Untuk menampilkan data pada R Commander, tuliskan nama data yang
tadi dibuat pada R Script lalu tekan submit atau ctrl+R maka akan muncul output
pada R Commander.

5
 Gambar 1.2 Tampilan pada data editor

Gambar 1.3 Tampilan output pada R Commander

1.1.2 Edit Data Dengan Menggunakan R Commander

Untuk mengedit data yang sudah dibuat pilih Edit data set, maka akan
muncul data editor yang berisi data yang sudah dibuat sebelumnya. Selanjutnya
dapat dilakukan pengeditan pada data yang akan diubah. Jika data sudah selesai
diedit klik OK pada data editor. Untuk melihat hasil pengeditan pilih View data
set.

1.1.3 Impor Data Dengan Menggunakan R Commander

Tidak hanya proses entri data dengan menggunakan data editor, pada R
Commander juga dapat melakukan impor data dari program lain seperti data format
teks, Minitab, STATA, SPSS, dan Microsoft Excel.

6
 1.1.3.1 Impor Data File Teks
Impor data menggunakan file teks digunakan pada saat data sudah
berbentuk file data.txt. Data dalam bentuk ini biasanya data yang dituliskan pada
notepad. Untuk mengimpor data file teks buka menu Data/Import data/from text
file, clipboard or URL…Karena data berbentuk data.txt maka pada bagian Field
Separator pilih opsi Tabs. Data akan tersimpan dan untuk melihat data pilih View
data set.

1.1.3.2 Impor Data File Excel

Impor data file excel dilakukan apabila data yang akan dimasukkan sudah
dalam bentuk file data.xls. Untuk mengimpor data file excel buka menu
Data/Import data/from Excel file… kemudian pilih file excel yang akan diimpor
pada R Commander. Data akan tersimpan dan untuk melihat data pilih View data
set.

1.1.4 Transformasi Data Pada R Commander

1.1.4.1 Record
Recode atau kode ulang merupakan pilihan menu pertama pada pengaturan
variabel data set. Recode biasa digunakan untuk pengkategorian data. Untuk
melakukan proses recode dapat dilakukan dengan memilih menu Data/Manage
variables in active data set/Recode variables…. Selanjutnya akan muncul jendela
recode pada R Commander 45 3. Kemudian arahkan ke variabel yang akan di
recode dan beri nama selanjutnya tulis informasi pengodean lalu klik OK, dan
sekarang jika dilihat pada data set, akan diperoleh variabel baru.
1.1.4.2 Compute
Compute digunakan untuk membuat variabel yang berisikan hasil dari
perhitungan suatu variabel dengan variabel lain. Langkah-langkah dalam compute
yaitu mengaktifkan data yang dibuat pada R Commander. Kemudian buka menu
Data/Manage variables in active data set/Compute new variable…. Selanjutnya
akan diperoleh tampilan jendela compute pada R Commander. Selanjutnya isikan
nama variabel baru pada kolom New Variable Name dan rumus dari variabel yang
akan dibuat pada kolom Expression to compute lalu klik OK.

7
 1.1.5 Entri Data Menggunakan R CLI
Untuk mengentri data pada R CLI, praktikkan tidak perlu mengaktifkan R
Commander namun hanya menuliskan syntax pada R-Console. Syntax yang
digunakan adalah “scan ( )”. Pertama buat variabel yang akan dientri pada R-
Console kemudian beri perintah scan, misal akan memasukkan variabel SD di
Tabel Data Desa yang Memiliki Fasilitas Sekolah jika dituliskan pada R-Console
menjadi “SD = scan ( )” kemudian salin data SD dan tekan enter, maka output yang
diberikan adalah jumlah data yang ada.

Gambar 1.4 Tampilan contoh penerapan entri data menggunakan R CLI

1.1.6 Impor Data Pada R CLI

Sebelum dilakukan proses mengimpor menggunakan perintah read.delim
(“clipboard”), data disimpan terlebih dahulu dalam format data Excel. Kemudian
untuk impor data file Excel menggunakan perintah read.csv (“direktori file data”,
strip.white=…), Save as file data dengan nama data1 dalam extension *.csv ke
direktori laptop/komputer.

Gambar 1.5 Tampilan contoh penerapan impor data menggunakan R CLI

1.1.7 Edit Data Pada R CLI

Untuk mengedit data pada R CLI dapat menggunakan syntax “edit ( )” atau
pun syntax “fix ( )”. Jika menggunakan syntax “fix ( )” maka data yang diedit akan
langsung disimpan dalam objek data tersebut. Sedangkan jika menggunakan syntax
“edit ( )” akan diarahkan ke data editor untuk mengedit data yang salah.

8
2 Deskripsi Kerja
2.1 Studi Kasus
Pada kali ini praktikan akan mengerjakan studi kasus yang diberikan. Studi
kasusnya yaitu sebagai berikut :
1. Lakukan entry data dengan R Commander dari data jumlah kunjungan
wisatawan ke setiap objek wisata di Yogyakarta selama tahun 2017 berikut.
Tabel 1.1. Data Jumlah Kunjungan Wisatawan ke Setiap Objek Wisata di
Yogyakarta selama Tahun 2017
Nama Provinsi Nama Destinasi Nama Kabupaten Kota Jumlah
DI Yogyakarta Kraton Yogyakarta Kota Yogyakarta 546490
DI Yogyakarta Kaliadem Sleman 280291
DI Yogyakarta Pantai Samas Bantul 370285
DI Yogyakarta Desa Wisata Kalibiru Kulon Progo 322071
DI Yogyakarta Pantai Siung Gunung Kidul 209140
DI Yogyakarta Waduk Sermo Kulon Progo 123538
DI Yogyakarta Pantai Wedi Ombo Gunung Kidul 271459

DI Yogyakarta Kawasan Hutan Pinus Bantul 2279119

DI Yogyakarta Tebing Breksi Sleman 871201

DI Yogyakarta Taman Sari Kota Yogyakarta 533545
DI Yogyakarta Pantai Glagah Kulon Progo 352017
DI Yogyakarta Taman Nasional Gunung Merapi Sleman 93693
DI Yogyakarta BentengVendeburg Kota Yogyakarta 455329
DI Yogyakarta KratonRatuBoko Sleman 366201
DI Yogyakarta PantaiParangtritis Bantul 2771766
DI Yogyakarta GembiraLoka Kota Yogyakarta 1509358

DI Yogyakarta Kawasan Pantai Baron-Pok Gunung Kidul 2224656

Tunggal
2. Dari data jumlah kunjungan wisatawan ke setiap objek wisata di Yogyakarta
selama tahun 2017 tersebut, lakukanlah edit data dengan R Commander dengan
memilih 10 destinasi dengan jumlah wisatawannya terbanyak.
3. Lakukan compute data dengan menghitung besar persentase kunjungan
masing-masing objek wisata selama tahun 2017 jika diketahui jumlah
wisatawan DI Yogyakarta selama tahun 2017 adalah sebanyak 10.500.000
orang.

9
4. Dari Tabel 1.1 tersebut, lakukanlah recode dengan ketentuan kurang dari
100.000 kunjungan wisatawan diberi kode 1, jika jumlah kunjungan antara
100.000 sampai dengan 500.000 diberi kode 2, untuk jumlah kunjungan
wisatawan antara 500.000 sampai 1.000.000 diberi kode 3, jika lebih dari
1.000.000 diberi kode 4.

2.2 Langkah Kerja

Setelah mengetahui studi kasus yang diberikan, praktikkan mendeskripsikan
langkah kerjanya sebagai berikut :
1. Pertama, praktikkan membuka program R yang sudah diinstall (Rgui 64-
bit)

Gambar 2.1. Tampilan awal program R

2. Kemudian, praktikkan mengetikan perintah “library(Rcmdr)” agar

muncul R Commander.

Gambar 2.2 Tampilan R Commander

10
3. Pada studi kasus nomor 1, praktikkan diminta untuk melakukan entri
data pada R Commander. Pertama praktikkan membuka menu Data pada
R Commander dan pilih New data set...

Gambar 2.3 Tampilan pada menu Data di R Commander

4. Setelah memilih New data set... maka akan muncul jendela dialog untuk
penamaan data yang akan dibuat. Praktikkan memberikan nama
“Data_Objek_Wisata_Jogja_2017” untuk data yang akan di entri pada R
Commander. Kemudian klik OK.

Gambar 2.4 Tampilan New data set...

5. Setelah klik OK maka akan muncul Data Editor yang digunakan untuk

11
 memasukkan data yang akan dibuat. Jika data sudah selesai dimasukkan
pada Data Editor, klik OK dan data akan tersimpan pada R Script.

Gambar 2.5 Tampilan input data pada Data Editor

6. Pada studi kasus nomor 2, praktikkan diminta untuk mengedit data pada
R Commander dengan mengisikan data 10 objek wisata dengan
pengunjung terbanyak. Praktikkan mengedit data dengan memilih Edit
data set...

Gambar 2.6 Tampilan menu Edit data set... pada R Commander

7. Setelah memilih Edit data set... maka akan muncul Data Editor yang
berisi data yang sudah dibuat sebelumnya.

12
 Selanjuntnya praktikkan dapat mengubah data pada Data Editor.

Gambar 2.7 Tampilan Data Editor setelah data diedit

8. Setelah mengubah data klik OK dan data yang sudah diedit akan
tersimpan pada R Script.

Gambar 2.8 Tampilan data yang sudah diedit pada R Script

9. Pada studi kasus 3 Praktikan membuat variabel dengan menghitung

besar presentase kunjungan masing-masing objek wisata selama tahun
2017,lalu praktikan menuliskan nama variabel dengan rumus pada
jendela Compute new variable dan Klik OK.

13
 selanjutnya praktikan membuat Variable Baru dan kemudian memberi
nama variabel dan rumus pada jendela Compute new variable.

.
Gambar 2.9 Tampilan pada saat menghitung presentase

10. Untuk studi kasus nomor 4, praktikkan melakukan recode,yaitu dengan

memilih menu pada Data/Manage variable in data set/Recode
variables... maka akan muncul jendela Recode Variables. Kemudian
menuliskan nama variabel dari hasil recode yang akan dibuat.

Gambar 2.10 Tampilan pada jendela Recode Variables

14
3 Pembahasan

3.1 Pembahasan studi kasus

Dari pemaparan deskripsi kerja pada sebelumnya, berikut ini adalah
pembahasan dari studi kasus yang diberikan.
1. Untuk studi kasus nomor 1, praktikkan diminta untuk melakukan entri
data pada R Commander. Untuk melakukan entri data pada R
Commander, praktikkan memilih menu Data pada R Commander
kemudian pilih New data set... maka akan muncul jendela New Data Set.
Pada jendela New Data Set praktikkan menuliskan nama data yang akan
dibuat. Pada studi kasus ini praktikkan memberi nama data
“Data_Objek_Wisata_Jogja_2017”. Tanda “_” menggantikan fungsi
spasi. Setelah menuliskan nama, klik OK dan akan muncul Data Editor
yang digunakan untuk menginput Data Objek Wisata Yogyakarta 2017.
Pertama praktikkan menambahkan baris dan kolom sesuai dengan data
yang akan diinput. Untuk menambahkan kolom menggunakan”Add row”
sedangkan untuk menambahkan kolom menggunakan “Add colomn”.
Praktikkan dapat mengisi data secara manual pada Data Editor ataupun
membuat tabel data terlebih dahulu pada Microsoft Excel dan kemudian
disalin ke Data Editor. Setelah selesai menginput data, klik OK dan
kemudian data akan otomatis tersimpan. Data dapat dilihat pada View
data set atau memanggil nama data pada R Script dan output akan muncul
sesuai dengan data yang dibuat.

Gambar 3.1 Output studi kasus nomor 1 pada R Commander

15
2. Pada studi kasus nomor 2 praktikkan diminta untuk mengedit
Data_Objek_Wisata_Jogja_2017 yang sebelumnya berisikan 17 objek
wisata dan jumlah pengunjung wisat di Yogyakarta pada tahun 2017
menjadi 10 objek wisata di Yogyakarta dengan pengunjung terbanyak pada
tahun 2017. Untuk melakukan edit data, praktikkan memilih Edit data set
yang kemudian akan muncul Data Editor yang berisikan
Data_Objek_Wisata_Jogja_2017 yang telah diinput sebelumnya. Karena
mengubah data yang sebelumnya terdiri dari 17 baris menjadi 10 baris maka
praktikkan menghapus beberapa baris dengan membuka menu Edit
kemudian pilih Delete current row. Untuk menginput data baru praktikkan
membuat tabel pada Microsoft Excel kemudian disalin pada Data Editor,
selain itu penginputan data dapat dilakukan secara manual dengan
menuliskan data baru pada Data Editor. Setelah selesai menginput data klik
OK maka data yang sudah diedit akan otomatis tersimpan. Data yang telah
diedit dapat dilihat pada View data set atau memanggil nama data pada R
Script.

Gambar 3.2 Output studi kasus nomor 2 pada R Commander

16
3. Pada studi kasus 3 praktikan praktikan diminta untuk melakukan compute
data dengan menghitung besar presentase kunjungan masing-masing objek
wisata selama tahun 2017. Praktikan membuka menu Data kemudian
memilih Manage variable in active data set. Dan memilih compute new
variable. Maka akan muncul jendela compute new variable

Gambar 3.3 Output studi kasus nomor 3 pada View data set

4. Pada studi kasus nomor 4 Praktikan diminta untuk dengan ketentuan

kurang dari 100.000 kunjungan wisatawan diberi kode 1, jika jumlah
kunjungan antara 100.000 sampai dengan 500.000 diberi kode 2, untuk
jumlah kunjungan wisatawan antara 500.000 sampai 1.000.000 diberi
kode 3, jika lebih dari 1.000.000 diberi kode 4. Praktikan membuka
menu Data kemudian memilih Recode variables in active data set dan
memilih Recode variables maka akan muncul jendela Recode
variables.

Gambar 3.4 Output studi kasus nomor 4 pada View data set

17
4 Penutup

4.1 Kesimpulan
Setelah mengerjakan studi kasus yang diberikan, praktikkan dapat memberi
kesimpulan sebagai berikut :

1. Praktikkan dapat mengentri data baik menginput data secara manual (data
diinput pada Data Editor) atau menyalin data dari Microsoft Excel.
2. Praktikkan dapat mengedit data yang sudah dibuat menggunakan Edit data
set.
3. Praktikkan dapat mengkategorikan data menggunakan Recode Variable.
4. Praktikkan dapat manggunakan Compute Variable untuk membuat
variabel baru dengan mengoperasikan variabel lain dalam data yang sudah
dibuat.

18
5 Daftar Pustaka

Rahmadi Yotenka S.Si, M. Sc. (2020). Modul Praktikum Algoritma

Pemrograman. Yogyakarta
Mohammad Rosidi. (2019). Pemrograman dan Fungsi. Diakses pada tanggal
23 Desember 2019 dari https://bookdown.org/moh_rosidi2610/Rcmdr-
book/input-data-pada-r-commander.html
Mohammad Rosidi. (2019). Pemrograman dan Fungsi. Diakses pada tanggal
9 Maret 2019 dari https://environmental-data-
modeling.netlify.app/tutorial/03_manajemen-data-r/

19