9/4/21, 5:01 PM Perbandingan R dan Python untuk Analisis Data

PERBANDINGAN R DAN PYTHON UNTUK ANALISIS

DATA
By: Margaretha Sinaga   |   February 12th, 2017

Mungkin banyak pertanyaan di kalangan analis data, apakah R atau Python

yang paling baik digunakan? Keduanya sama-sama bahasa pemrograman untuk
statistik. R diciptakan dan digunakan oleh sebagian besar ahli statistik,
sedangkan Python lebih banyak digunakan untuk menciptakan syntax yang
mudah dipahami. Dalam artikel ini, kita akan mengulas apa saja perbedaan
Have a question? ×
karakteristik dari kedua bahasa tersebut, yang disadur dari Datacamp.

Pengenalan R dan Python Chat on WhatsApp

R diciptakan oleh Ross Ihaka dan Robert Gentleman pada tahun 1995 sebagai
implementasi dari bahasa program S. Tujuannya adalah untuk
mengembangkan bahasa yang fokus pada analisis data, statistik, dan model
grafis. Awalnya, R hanya digunakan oleh para akademisi, namun lama-
kelamaan R juga banyak digunakan oleh para praktisi di dunia bisnis. Hal inilah
yang membuat R menjadi sangat terkenal di seluruh dunia. Salah satu
keunggulan R adalah komunitas besar yang tergabung dalam satu mailing-list,
dokumentasi para pengguna yang mudah diakses, grup Stack Overflow yang
sangat aktif, dan koleksi packages R yang dibagikan oleh sesama pengguna.

Python diciptakan oleh Guido van Rossem pada tahun 1991 dan lebih
menekankan pada produktivitas juga proses pembacaan kode. Para
programmer yang mengerjakan pekerjaan data scientist dalam bidang statistik
biasanya menggunakan Python. Sama dengan R, Python juga memiliki
package yang bisa diadaptasi ke dalam program dan komunitas dimana setiap
pengguna bisa berkontribusi.

https://algorit.ma/blog/data-science/perbandingan-r-dan-python-untuk-analisis-data/ 1/4
9/4/21, 5:01 PM Perbandingan R dan Python untuk Analisis Data

Kegunaan R dan Python

R biasanya digunakan untuk analisis data yang dikerjakan pada server pribadi.
R dapat difungsikan untuk pekerjaan eksplorasi hampir semua jenis data
karena banyaknya jenis packages, test, dan tools yang dengan mudah bisa
diadaptasi. Penggunaan rumus-rumus rumit dalam R juga mudah diatur. Pada
penggunaan R, langkah pertama yang harus dilakukan adalah mengunduh
RStudio IDE. Kemudian, ada banyak jenis packages yang bisa juga digunakan,
seperti:

dplyr, plyr, dan data.table untuk manipulasi data

stringr untuk manipulasi karakter

zoo digunakan pada tipe waktu beraturan dan tidak beraturan
ggvis, lattice, dan ggplot2 untuk visualisasi data
caret untuk machine learning

Berbeda dengan R, Python digunakan jika pekerjaan data analisis harus

disambungkan dengan aplikasi web atau jika kode statistiknya harus
terhubung dengan database tertentu. Developer juga dapat menggunakan
Have
Python untuk pekerjaan yang lebih a question?
fleksibel, misalnya menciptakan kode baru ×
atau menulis skrip untuk aplikasi tertentu. Tidak seperti R, Python tidak
Chat yang
mempunyai IDE (Integrated development environments) on WhatsApp
jelas, karena
ada beberapa environment yang dapat digunakan, seperti Spyder, Jupyter,
Rodeo, dan IPython Notebook.

Python juga memiliki libraries yang dapat digunakan pada analisis data,
visualisasi, dan yang lainnya, seperti:

NumPy/SciPy untuk komputasi ilmiah

pandas untuk manipulasi data

matplotlib untuk membuat grafik
scikit-learn untuk membangun metode machine learning
statsmodels untuk eksplorasi data, memprediksi model statistik, dan
menjalankan test statistik

Kenapa Menggunakan R?

R sangat baik dalam visualisasi data karena ada banyak sekali packages
yang mendukung R untuk membangun visualisasi menarik, seperti ggplot2
https://algorit.ma/blog/data-science/perbandingan-r-dan-python-untuk-analisis-data/ 2/4
9/4/21, 5:01 PM Perbandingan R dan Python untuk Analisis Data

untuk membuat grafik, lattice untuk menampilkan hubungan varibel,

rCharts untuk menerbitkan visualisasi javascript dengan R, googleVis untuk
menggunakan google chart, ggvis untuk aplikas grammar grafik dan
menampilkan pada web browser.
R dibangun dalam ekosistem yang baik sehingga memudahkan
penggunanya untuk menemukan packages dalam cran, bioconductor, dan
github.
R dibangun oleh statistisi untuk statistisi, sehingga siapapun yang tidak
memiliki keahlian programming dalam dengan mudah beradaptasi dengan
R.

Namun, di balik semua itu, R bersifat lambat. Hal ini disebabkan oleh
kondisi yang tidak jelas dimana R merupakan bahasa dan implementasi dari
bahasa tersebut. Bahasa R juga mempunyai definisi abstrak, yang
mengartikan maksud kode R dan bagaimana kode tersebut bekerja.

Kenapa Menggunakan Python?

Python membuat pekerjaan lebih mudah karena adanya IPython Notebook,

yang dapat membagikan catatan kepada siapa saja tanpa meminta mereka
Have asecara
question? ×
mengunduh program. Tool tersebut drastis mengurangi pekerjaan
yang kurang penting pada organisasi kode, output, dan catatan, dengan
Chat on WhatsApp
mengajak penggunanya untuk mengerjakan tugas yang lebih penting.

Merupakan bahasa general yang mudah dipelajari dan dimengerti oleh

banyak developer. Python juga memiliki testing framework yang membuat
kode dapat digunakan kembali. Taksonomi testing toolnya meliputi unit
test, nose, doctest, dan pytest.
Siap digunakan ke dunia kerja, karena bersifat umum, mudah dipahami, dan
diketahui oleh banyak programer. Bahkan beberapa perusahaan yang tidak
ingin merekrut data scientist baru, terbukti dapat dengan mudah melatih
karyawannya menggunakan Python.

Sama dengan R yang memiliki kekurangan, Python juga merupakan bahasa

yang kurang matang. Jika dibandingkan dengan R, Python kalah karena
tidak memiliki alternatif dari 100 lebih packages yang ada dalam R.

Jadi, mana yang lebih baik? Semua itu kembali lagi kepada pengguna yang
menentukan kebutuhan. Ini adalah 4 pertanyaan yang sebaiknya dijawab oleh
data scientists sebelum menentukan penggunaan R atau Python.

https://algorit.ma/blog/data-science/perbandingan-r-dan-python-untuk-analisis-data/ 3/4
9/4/21, 5:01 PM Perbandingan R dan Python untuk Analisis Data

1. Masalah apa yang ingin diselesaikan?

2. Apa saja yang perlu dikorbankan untuk belajar bahasa program baru?
Apakah waktu dan energi yang akan dihabiskan untuk belajar setara
dengan keuntungan yang diperoleh?
3. Tool apa yang paling sering digunakan di wilayah pekerjaan?

4. Tool lain apa yang dapat digunakan dan bagaimana kaitannya dengan tools
yang sering digunakan?

© Copyright - Algoritma Data Science Academy - 2017 - 2018. All Rights Reserved    

https://algorit.ma/blog/data-science/perbandingan-r-dan-python-untuk-analisis-data/ 4/4