Komputasi Statistika

Pertemuan 1

Prodi Statistika UNPAD

 Pokok Bahasan

Sebelum UTS Setelah UTS

• Pengenalan R • Integrasi
• Operasi Matematika dan • Diferensiasi
Statistika • Optimisasi 1
• Fungsi Peluang dan Distribusi • Optimisasi 2
• Membuat Fungsi • Prosedur penaksiran
• Struktur Kondisi dan Pengulangan parameter
• Deret • Prosedur pengujian hipotesis
• Mencari Solusi Persamaan • Jackniffee & Bootstrap
Buku Bacaan
 Software Statistika
• Proprietary : SPSS, SAS,
Statistica
• Addons : XLStat
• Freeware : Mystat, openstat
• Open Source : R
R
• R adalah suatu sistem untuk komputasi statistika dan
grafik
• R dibangun menggunakan bahasa S (S-Language)
• R awalnya dibuat dibawah platform linux kemudian
dikembangkan untuk OS lain
• R juga mempunyai bahasa pemrograman tersendiri
• R adalah Free Open Source Software (FOSS) dibawah
lisensi GPL (GNU Public Licence)
Pengembang R
• R awalnya dibuat oleh Ross Ihaka dan Robert Gentleman
dari the Department of Statistics of the University of
Auckland in Auckland, New Zealand
• Sejak 1997 R dikembangkan oleh “Tim inti” yaitu: Doug
Bates, John Chambers, Peter Dalgaard, Robert Gentleman,
Kurt Hornik, Stefano Iacus, Ross Ihaka, Friedrich Leisch,
Thomas Lumley, Martin Maechler, Duncan Murdoch, Paul
Murrell, Martyn Plummer, Brian Ripley, Duncan Temple
Lang, Luke Tierney, and Simon Urbanek
Platform R
• Linux
– Debian
– Fedora/Redhat
– Ubuntu
• macOS
• Windows
Download R
• Masuk ke situs http://CRAN.R-project.org/
R Packages
Versi R yang terbaru adalah R 4.1.1 (10 Agustus 2021)
• R dalam operasionalnya menggunakan pustaka (library)
• Library dalam R dapat digunakan sesuai dengan kebutuhan
dan di simpan dalam suatu paket (Package)
• Paket R dapat diperoleh dengan mengunduh secara gratis
di website
https://cran.r-project.org/web/packages/index.html
atau langsung install di dalam R (harus terkoneksi internet)
 R : Kelebihan Kekurangan
Kelebihan
• R dapat dikembangkan siapapun
• R berkembang sangat pesat
• R (base) hanya membutuhkan
sedikit space dalam komputer
• R bisa berjalan sangat cepat.
• R masih bisa digunakan untuk
suatu metode terbaru sekalipun
• Totally free
Kekurangan
• Tampilan antar muka yang kurang
menarik
• Berbasis syntax sehingga perlu
waktu ekstra untuk mempelajarinya
• Membutuhkan instalasi tambahan
packages untuk banyak aplikasi
• Instalasi packages seringkali
bergantung pada package lain yang
harus ikut diinstall (dependencies)
IDE dan GUI untuk R

https://www.linuxlinks.com/guisforr/
 Struktur dan Tipe Data

Struktur Data Tipe Data

• Scalar • character
• Column • factor
• Vector • numeric
• Matrix • integer
• Array • logical
• Data Frame • complex
Penggunaan R
Basic Function
Input Data
• Keyboard
• Import dari software lain
– Format ASCII dengan pemisah Koma (*.csv), Tab
(*.txt), Spasi (*.dat)
– Excel (*.xls)
– SPSS (*.sav)
– Minitab (*.mtw)
– Stata (*.dta)
– SAS
 Input Data (1)
Input column atau scalar Contoh
• R-code > #contoh scalar
> a = 5
nama_variabel <- > #contoh column
c(nilai_var_1,....,nilai_var_n) > umur <- c(25, 30, 56)
• R bersifat case sensitive artinya > jk <- c("pria", "wanita", "pria")
> tinggi <- c(160, 150, 170)
huruf besar dan huruf kecil untuk
nama_variabel berbeda
• Tanda “<-” adalah tanda panah
ke kiri berarti sama dengan “=”
 Input Data (2)
Column dan elemennya Contoh
• Column bisa berisi data bertipe > umur <- c(25, 30, 56)
> typeof(umur)
numeric, character atau logical [1] "double"

• Elemen dari column dapat > jk <- c("pria", "wanita", "pria")

> typeof(jk)
ditampilkan dengan [1] "character"

menambahkan kurung siku di > lulus<-c(TRUE, FALSE, TRUE)

> typeof(lulus)
akhir nama column [1] "logical"
> umur[2]
[1] 30
> jk[c(1,3)]
[1] "pria" "pria"
 Input Data (3)
Input Matrix Contoh
• R-code > M1<-matrix(1:12, nrow=3,ncol=4)
> M1
mymatrix <- matrix(column, [,1] [,2] [,3] [,4]
[1,] 1 4 7 10
nrow=r, ncol=c, byrow=FALSE) [2,] 2 5 8 11
• Semua elemen matriks harus [3,] 3 6 9 12
> #Input dari column
memiliki tipe data yang sama > el1<-c(3,2,5,1,7,6,4,8,6,3)
• Opsi byrow = TRUE mengubah > M2<-matrix(el1, nrow=2,ncol=5, byrow=TRUE)
> M2
susunan matriks-nya [,1] [,2] [,3] [,4] [,5]
[1,] 3 2 5 1 7
[2,] 6 4 8 6 3
 Input Data (4)
Matrix : nama baris dan kolom Contoh
• R-code > sel <- c(1,26,24,68)
> nama_kolom <- c("C1", "C2")
mymatrix <- matrix(column, > nama_baris <- c("R1", "R2")
nrow=r, ncol=c, byrow=FALSE, > M3 <- matrix(sel, nrow=2, ncol=2,
dimnames=list(rownames, byrow=TRUE, dimnames=list(nama_baris,
nama_kolom))
colnames)) > M3
• rownames dan colnames C1 C2
adalah column yang harus R1 1 26
bertipe character R2 24 68
 Input Data (5)
Elemen Matrix Contoh
• Elemen matriks dapat > M1
[,1] [,2] [,3] [,4]
ditampilkan dengan [1,] 1 4 7 10
menggunakan kurung siku [2,] 2 5 8 11
[3,] 3 6 9 12
• R-code > M1[,2] # Kolom 2
[1] 4 5 6
M[,1] #menampilkan kolom ke-1
> M1[3,] # Baris 3
M[2,] #menampilkan baris ke-2 [1] 3 6 9 12
> M1[3,2] # Sel(3, 2)
M[1:2,1] #menampilkan baris 1
[1] 6
dan 2 pada kolom ke-1 > M1[c(1,3),2] # Sel(1,2) dan sel(3,2)
[1] 4 6
 Input Data (6)
Input Array Contoh
• Array merupakan tipe variabel > el2<-c(3,2,5,1,7,6,4,8,6,3,7,9)
> A1<-array(el2, dim=c(2,3,2))
berindeks dengan indeks bisa > A1
lebih dari 2 , , 1
[,1] [,2] [,3]
• R-code (array 3 dimensi) [1,] 3 5 7
[2,] 2 1 6
array1<-array(column, dim =
c(baris, kolom, layer)) , , 2

• Menampilkan elemen [1,]

[,1] [,2] [,3]
4 6 7
menggunakan kurung siku [2,] 8 3 9

dengan 3 indeks
 Input Data (7)
Data Frame Contoh
• R-code > umur <- c(25, 30, 56)
> jk <- c("pria", "wanita", "pria")
nama_data_frame <- > tinggi <- c(160, 150, 170)
data.frame(nama_var_1, ...., > #contoh data frame
nama_var_n) > data1<-data.frame(umur, jk, tinggi)
> data1
umur jk tinggi
• Data frame digunakan untuk 1 25 pria 160
menggabungkan beberapa 2 30 wanita 150
variabel dengan ukuran sama 3 56 pria 170
 Input Data (8)
Manajemen Data Frame Contoh
• Memberi nama variabel > str(data1)
'data.frame': 3 obs. of 3 variables:
names(data1) <- $ umur : num 25 30 56
$ jk : chr "pria" "wanita" "pria"
c("nama_var_1",...,"nama_var $ tinggi: num 160 150 170
_n") > data1$umur

• Menampilkan data frame [1] 25 30 56

> data1["jk"]
• str(data1) # struktur data jk
1 pria
• data1$nama_var_1 # var 1 2 wanita

• data1[“nama_var_1”] # var 1 3 pria

 Fungsi Dasar
Contoh
Beberapa fungsi dasar > length(umur)
[1] 3
• length(object) # jumlah > class(A1)
elemen/komponen objek [1] "array"
> names(data1)<-c("Age", "Gender", "Height")
• str(object) # struktur objek > data1

• class(object) # kelas atau tipe 1

Age Gender Height
25 pria 160
objek 2 30 wanita 150
3 56 pria 170
• names(object) # nama objek > c(umur,tinggi)

• c(object,object,...) # kombinasi [1] 25 30 56 160 150 170

> cbind(umur,tinggi)
objek ke dalam vektor umur tinggi

• cbind(object, object, ...) # [1,]

[2,]
25
30
160
150
kombinasi objek ke dalam kolom [3,] 56 170
 Fungsi Dasar (2)
Contoh
Beberapa fungsi dasar > length(umur)
[1] 3
• length(object) # jumlah > class(A1)
elemen/komponen objek [1] "array"
> names(data1)<-c("Age", "Gender", "Height")
• str(object) # struktur objek > data1

• class(object) # kelas atau tipe 1

Age Gender Height
25 pria 160
objek 2 30 wanita 150
3 56 pria 170
• names(object) # nama objek > c(umur,tinggi)

• c(object,object,...) # kombinasi [1] 25 30 56 160 150 170

> cbind(umur,tinggi)
objek ke dalam vektor umur tinggi

• cbind(object, object, ...) # [1,]

[2,]
25
30
160
150
kombinasi objek ke dalam kolom [3,] 56 170
Data Hilang
• Secara default dalam R data hilang
didefinisikan sebagai NA (Not Available)
• Penanganan data hilang merupakan hal
yang cukup penting dalam suatu analisis
dan harus dipelajari lebih lanjut.
• Data hilang bisa disertakan ke dalam
analisis (na.include) atau tidak disertakan
(na.exclude)
 Menyimpan Data
Contoh
Fungsi write > #Menyimpan data

• Menyimpan data pada file dapat > write.table(data1, "data1.dat")

> write.csv(data1, "data1.csv")
dilakukan dengan cara sebagai > #Membaca data

berikut > mydata<-read.csv("data1.csv")

> mydata
write.table(mydata, X Age Gender Height
"c:/mydata.txt", sep="\t") 1 1 25 pria 160
2 2 30 wanita 150
• Operator sep (separator) pada 3 3 56 pria 170
syntax diatas berfungsi sebagai > str(mydata)
'data.frame': 3 obs. of 4 variables:
pemisah antar kolom. “\t” = tab,
$ X : int 1 2 3
“,” = koma) $ Age : int 25 30 56

• fungsi terkait : write.csv() $ Gender: chr "pria" "wanita" "pria"

$ Height: int 160 150 170
HATUR NUHUN