Tugas Pendahuluan 4

PRAKTIKUM
PAKET PROGRAM STATISTIK

OLEH:
NAMA : MUH HASDAL HUSEIN D
NIM : F1A2 20 088
KELOMPOK : I (SATU)

PROGRAM STUDI S1 STATISTIKA

FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM
UNIVERSITAS HALUOLEO
KENDARI
2021
Soal:
1. Cari materi tentang function dan contoh programnya!
2. Buat data simulasi sendiri di R Studio lalu buat plot dengan garis median
kemudian interpretasikan!
3. Cari materi tentang fungsi-fungsi ringkasan data!
4. Cari data dengan tipe numerik sebanyak dua variabel lalu buatkan scaterplot
dengan packages ggplot2 lalu interpretasikan!
Jawab:
1. Fungsi merupakan sekumpulan instruksi atau statement yang dapat melakukan
tugas khusus. Sebagai contoh fungsi perkalian untuk menyelesaikan operasi
perkalian, fungsi pemangkatan hanya untuk operasi pemangkatan, dll. Pada R
terdapat 2 jenis fungsi, yaitu: build in fuction dan user define function. Build in
fnction merupakan fungsi bawaan R saat pertama kita menginstall R. Contohnya
adalah mean(), sum(), ls(), rm(), dll. Sedangkan user define fuction merupakan
fungsi-fungsi yang dibuat sendiri oleh pengguna. Fungsi-fungsi buatan
pengguna haruslah dideklarasikan (dibuat) terlebih dahulu sebelum dapat
dijalankan. Macam-macam fungsi pada R anatara lain sebagai berikut:
a. Fungsi c()
Fungsi c() paling sering digunakan untuk membuat sebuah vector.
Contoh program:
> dale <- c(1, 3, 5, 7, 9)
> dale

Output:
[1] 1 3 5 7 9

Pada script di atas, dibuat sebuah objek x berupa vector numeric.

Setiap elemen dipisah menggunakan tanda koma (,). Fungsi ini dapat
digunakan untuk membuat vector numeric atau character. Indeks di R
dimulai dari 1, tidak seperti kebanyakan bahasa pemrograman lain yang
indeksnya dimulai dari 0. Hal ini cukup memudahkan pengguna karena
umumnya manusia menghitung mulai dari 1, bukan dari 0.
b. Fungsi seq()
Fungsi ini dapat digunakan untuk membuat vector berurutan dan
dengan increment tertentu. Berikut contoh program dengan fungsi seq.
Program:
> dale <- seq(from = 1, to =10) # 1 sampai 10 dengan
increment 1 (default by = 1)
> x

Output:
[1] 1 2 3 4 5 6 7 8 9 10

Secara default increment dari fungsi seq() adalah by = 1. Jika ingin

nilai increment lain maka hanya perlu mengganti nilai pada argumen by.
Fungsi ini juga hanya dapat digunakan untuk membuat vector numeric.
c. Fungsi list()
Fungsi list digunakan untuk membuat objek list. Objek list pada
dasarnya mirip seperti vector, hanya saja tipe elemennya bisa berbeda. Jika
pada vector numeric semua elemennya harus berupa numerik. Pada vector
character semuanya harus karakter. Pada objek list elemennya dapat
berupa vector, factor, matriks, array, dataframe, bahkan list di dalam list
atau objek lain seperti model prediktif yang dibuat di R. Berikut contoh
program dengan fungsi list.
Program:
> list(9, "dale", c(2, 4, 6))

Output:
[[1]]
[1] 9
[[2]]
[1] "dale"
[[3]]
[1] 2 4 6

d. Fungsi unlist()
Fungsi ini berguna untuk menjadikan sebuah objek list menjadi
sebuah vector.
Program:
> dale <- list(mtcars$mpg, mtcars$disp)
> dale <- unlist(nin)
> dale
 Output:
[1] 21.0 21.0 22.8 21.4 18.7 18.1 14.3 24.4 22.8
19.2 17.8
[12] 16.4 17.3 15.2 10.4 10.4 14.7 32.4 30.4 33.9
21.5 15.5
[23] 15.2 13.3 19.2 27.3 26.0 30.4 15.8 19.7 15.0
21.4 160.0
[34] 160.0 108.0 258.0 360.0 225.0 360.0 146.7 140.8 167.6
167.6 275.8
[45] 275.8 275.8 472.0 460.0 440.0 78.7 75.7 71.1 120.1
318.0 304.0
[56] 350.0 400.0 79.0 120.3 95.1 351.0 145.0 301.0 121.0

e. Fungsi rep()
Dengan fungsi rep() dapat membuat sebuah vector dengan mengulang-
ulang nilai yang diinginkan sebanyak yang dibutuhkan.
Program:
# Membuat sebuah vector numeric yang semua elemennya
bernilai 6 sebanyak 11 elemen
> dale <- rep(6, 11)
> dale

Output:
[1] 6 6 6 6 6 6 6 6 6 6 6

f. Membuat fungsi sendiri

Membuat sebuah script yang akan digunakan berkali-kali namun dengan
nilai input yang berbeda-beda, maka script tersebut dibuat menjadi sebuah
fungsi atau function sesuai dengan kebutuhan atau User-Defined Function.
Untuk membuat function di R dapat menggunakan fungsi function(). Pola
pembentukan fungsi dan contoh program adalah sebagai berikut:
Syntax:
function_name <- function(argument_1, argument_2, ...){
function body}

Program:
# Fungsi tanpa argument
>dale <- function(){
print("mabar yuk!!")}
# Print
>dale()
 Output:
[1] "mabar yuk!!"

2. Data simulasi
Program:
> library("ggplot2")
> #memanggil data
> ABCSales <- read.csv("D:/pps2.csv", sep = ",", header =
TRUE)
> #membuat data
> ABCSales<-data.frame(a=factor(rep(c("k","m"),each=200)),
b=round(c(rnorm(200,mean=55,sd=5))))
> #membuat histogram
> n<-ggplot(df,aes(b))
> n+geom_histogram(col="gray",fill="alice blue")
> #membuat garis mean
>n+geom_histogram(col="gray",fill="lightblue")+geom_vline(ae
s(xintercept=mean(b)),
color="yellow",linetype="dashed",size=2

Output:
 Program di atas merupakan program untuk membuat plot histogram
dengan garis median untuk data simulasi menggunakan package ggplot2.
Langkah yang dilakukan adalah memanggil library ggplot2, yang bertujuan
untuk memunculkan fungsi-fungsi pada ggplot ketika dipanggil pada R.
Kemudian membuat data dengan data frame, lalu membuat histogram
dengan ggplot, yaitu menggunakan geom_histogram serta memberi warna
pada histogram. Col untuk memberi warna pada tepian histogram, dan fill
memberi warna untuk isian histogramnya. Selanjutnya, membuat garis
mean pada histogram tersebut dengan menambahkan fungsi geom_vline
untuk menampilkan garis mean-nya.

3. Fungsi-fungsi ringkasan data:

a) head( ) : berguna untuk melihat atau menampilkan beberapa baris pertama
dari data frame. Secara default head( ) menggunakan n = 6 untuk
menentukan banyaknya baris yang akan ditampilkan. Jika Anda ingin
melihat 10 baris pertama, maka cukup menggantinya menjadi head(flight,
n = 10).
b) tail( ) : berguna untuk melihat atau menampilkan beberapa baris terakhir
dari data frame. Secara default head( ) menggunakan n = 6 untuk
menentukan banyaknya baris yang akan ditampilkan. Jika Anda ingin
melihat 10 baris terakhir, maka cukup menggantinya menjadi tail(flight, n
= 10).
c) str( ) : mengecek struktur data atau jenis data pada masing-masing kolom.
Jenis data yang ada pada R dapat berupa numerik, integer, faktor, tanggal,
dan karakter atau string.
d) summary( ) : menghasilkan beberapa nilai statistik deskriptif untuk masing-
masing variabel jika yang dimasukan sebagai argumen adalah data frame.
Untuk variabel numerik maka akan manghasilkan nilai minimum (Min.),
kuartil pertama (1 st Qu.), nilai tengah (Median.), rata-rata (Mean.), kuartil
ketiga (3 rd Qu.), maksimum (Max.), dan banyaknya missing value (NA’s)
 jika ada. Untuk variabel kategorik (character atau factor) maka akan
menghasilkan banyaknya data (Length), kelas (Class), dan mode (Mode).
4. Data:
X(Inflansi) Y(IHK)
0,32 138,86
0,33 139,95
0,09 136,08
0,33 133,94
0,01 131,94
0,23 143,65
0,35 135,49
0,76 141,22
0,28 133,63
0,14 136,12
(sumber:BPSsultra.com)
Program:
> Data <- read.csv("D:/data97.csv",header=TRUE)
> library(ggplot2)
> Plot <- ggplot(Data,aes(x = X,y = Y)) + geom_point() +
stat_smooth(method = "lm",col = "#C42126",se = FALSE,size =
1)
> Plot

Output:
 Hasil output di atas merupakan scatterplot antara inflasi dengan nilai
tukar petani. Plot tersebut menunjukkan bahwa peningkatan inflasi (X)
diikuti dengan penurunan nilai tukar petani (Y).Hal ini menunjukkan
adanya hubungan negatif antara inflasi dengan nilai tukar petani yang
berarti pendapatan petani turun dari pengeluarannya.sehingga di
perlukannya kebijakan dari pemerintah dari pemerintah mengenai hal ini
yaitu dengan intervensi pemerintah secara tidak langsung atau pemberian
subsidi kepada petani.