Dosen Pengampu:
Dimas Bagus Cahyaningrat W, S.Si., M.Si.
Puji syukur kehadirat Tuhan Yang Maha Esa atas segala rahmat dan karunia-
Nya sehingga makalah yang berjudul “Pengenalan Aplikasi RStudio” dapat
terselesaikan dengan tepat waktu. Makalah ini disusun untuk memenuhi tugas mata
kuliah Aplikasi Komputer.
Demikian makalah ini kami susun. Kami menyadari bahwa makalah ini masih
jauh dari kesempurnaan baik dari sistematika penulisan maupun hasilnya. Oleh karena
itu, kami sebagai penulis mengharapkan kritik dan saran yang membangun dari
pembaca untuk penyempurnaan makalah ini. Semoga makalah ini dapat menjadi media
untuk menambah wawasan dan pengetahuan serta dapat bermanfaat bagi kita semua.
Penulis
i
DAFTAR ISI
ii
BAB 1
SEJARAH, JENIS, KELEBIHAN DAN KEKURANGAN R
1.1 Sejarah R
R programming merupakan sistem perangkat lunak yang dirancang khusus
untuk mengerjakan semua hal yang berkaitan dengan statistik. R berbasis pada bahasa
pemrograman S yang digunakan dalam komputasi statistik yang dikembangkan oleh
AT&T Bell Laboratories yang sekarang menjadi Lucent Technologies. Versi pertama
bhasa pemrograman R dibuat oleh Ross Ihaka dan Robert Gentleman dari Universitas
Uckland. Nama R berasal dari huruf pertama nama depan kedua orang tersebut yang
merupakan statistikawan asal Selandia Baru. Sebelum R dikenal banyak orang, ada S
(SPSS) yang dikembangkan oleh John Chambers dan rekan-rekan dari Bell
Laboratories. S memiliki fungsi yang sama untuk komputasi statistik. Hal yang
membedakan R dengan S yaitu sistem komputasi yang bersifat gratis.
Kini R dikembangkan oleh tim ini (core team) yang terdiri dari ahli statistik,
ahli komputer dan pemrograman, geografi, dan ekonomi dari institusi yang berbeda
dari seluruh dunia. Tim inti merupakan pembuat software yang handal dengan biaya
yang sangat murah, dapat diunduh secara gratis, dan digunakan dengan berlisensi
pada GNU General Public License. Bahasa pemrograman R dibuat sejalan dengan
bahasa pemrograman S dan program statistik lainnya, sehingga secara fungsi dan
sintaks atau tata bahasa sama-sama menggunakan bahasa S, namun tidak identik.
Bahasa pemrograman R dapat digabungkan dengan software lainnya diantaranya
program statistik, manipulasi, perhitungan dan penampilan grafik lainnya, seperti
SPSS, Microsoft Excell dengan menyediakan fasilitas import dan eksport data.
Perintah dasar dalam bahasa R telah menyediakan berbagai tool untuk pemodelan
statistik linear dan nonlinear, analisis time-series, kalasifikasi, analisis klaster, dan
analisis grafis. R juga dapat melakukan import file software lainnya seperti SAS,
Minitab, Stat, Systat, dan EpInfo (MARKEY 2019). Sebagai sebuah bahasa
pemrograman yang banyak digunakan untuk keperluan analisa data, R dapat
1
dioperasikan pada berbagai sistem operasi pada komputer seperti UNIX, Linux,
Windows, dan MacOS (Rosidi, 2019).
1.2 Jenis atau Kelas Pemograman R
Bahasa R merupakan bahasa tingkat tinggi untuk komputasi, yang mana mudah
untuk dipahami oleh manusia. Bahasa R memungkinkan kita untuk menghitung,
melihat data, dan program secara interaktif dengan umpan balik yang cepat sehingga
memungkinkan kita untuk belajar dan memahami tentang data. Berikut beberapa dasar
bahasa pemrograman R antara lain:
A. Variabel
Variabel pada R mirip dengan bahasa pemrograman lain dengan aturan
penulisan yaitu variabel harus berupa kombinasi huruf besar dan kecil, angka,
titik, garis bawah, tidak boleh menggunakan spasi, dan hindari kata yang sama
dengan perintah pada R. Kata yang sama dengan perintah R seperti IF, Else,
While, Function, True, False, dsb. Variabel numerik dan karakter menggunakan
operator ‘=’ atau ‘<-‘dalam penulisannya.
B. Vektor
Pada pemrograman R, vector merupakan array 1 dimensi yang dapat
menyimpan data dengan satu variabel saja dan diakses dengan indeks. Array
sendiri merupakan objek bertipe numerik dengan atribut dimensi lebih dari dua.
Indeks pada R dimulai dari angka 1. Dalam R inisialisasi vector menggunakan
fungsi c() yang merupakan singkatan dari combine. Contoh penulisan fungsi c
sebagai berikut:
x= c(2, 4, 6, 2, 7, 8, 10, 6)
y= c(3, 2, 4, 7, NA, 4, 6)
C. Operator
Operator yang digunakan pada R, sama dengan bahasa pemrograman lainnya
yaitu operator aritmatika seperti ‘+’ untuk penjumlahan, operator perbandingan
2
seperti ‘!=’ artinya tidak sama dengan, dan operator logika seperti ‘&&’ untuk
logika AND.
1.3 Kelebihan dan Kekurangan R
A. Kelebihan
Selain dapat diunduh dan digunakan secara gratis, R memiliki beberapa
kelebihan lain sebagai berikut (Rosidi, 2019):
1. Protability
Penggunaan software dapat digunakan kapanpun tanpa terikat dengan masa
berakhirnya lisensi.
2. Multiplatform
R memiliki sifat Multiplatform Operating Systems yaitu software R lebih
kompatibel dibanding dengan software statistika lainnya. Hal ini
berdsampak pada kemudahan dalam penyesuaian saat pengguna harus
berpindah sistem operasi, karena pengoperasian R dalam sistem Windows
akan sama dengan yang ada di Linux.
3. General dan Cutting-edge
Berbagai metode statistik baik metode klasik maupun baru, telah diprogram
ke dalam R. Sehingga, software ini dapat digunakan untuk analisis statistika
dengan pendekatan klasik dan pendekatan modern.
4. Programable
Pengguna dapat memprogram metode baru atau mengembangkan
modifikasi dari analisis statistika yang telah ada pada sistem R.
5. Berbasis analisis matriks
Bahasa R sangat baik digunakan untuk programming dengan basis matriks.
B. Kekurangan
Kekurangan yang dimiliki oleh program R antara lain (Rosidi, 2019):
1. Point and Click GUI
3
Interaksi utama dengan R bersifat CLI (Command Line Interface),
walaupun telah dikembangkan Paket yang memungkinkan untuk
berinteraksi dengan R menggunakan GUI (Graphical User Interface)
sederhana menggunakan Pakaet R-Commander yang memiliki fungsi yang
terbatas. R-Commander merupakan GUI yang diciptakan dengan tujuan
untuk keperluan pengajaran, sehingga analisis statistik yang disediakan
adalah yang klasik. Meskipun terbatas, Paket ini berguna jika kita
membutuhkan analisis statistik sederhana dengan cara yang simple.
2. Missing statistical function
Tidak semua metode statistika telah diimplementasikan dalam R,
walaupun sudah cukup lengkap.
4
BAB 2
MISSING VALUE, MENGHAPUS MISSING VALUE DAN STRUKTUR
DATA R
2.1 Missing Value
Missing value memiliki makna bahwa data tersebut hilang atau kosong dan
pada R aplikasi biasa disimbolkan dengan tanda NA. Nilai NA inilah yang membuat
error setiap perhitungan pada data numerik. Untuk mengetahui missing value pada data
dapat menggunakan fungsi is.na(). Missing value pada data, ditandai dengan nilai
TRUE pada output.
2.2 Menghapus Missing Value
A. Menghapus Keseluruhan Baris (Row)
Cara ini dilakukan dengan membuang kolom/baris yang tidak tersedia
datanya. Cara ini diawali dengan membuat dataset baru dengan fungsi na.omit()
atau dengan fungsi na.exclude().
2.3 Struktur Data
A. Jenis struktur data
1. Struktur data homogen hanya dapat menyimpan satu tipe atau jenis data
2. Struktur data heterogen bisa menyimpan berbagai tipe atau jenis data.
B. Bentuk struktur data
1. Single value, berisi hanya satu value saja dalam satu objek
2. Vector, kumpulan dari beberapa single value yang memiliki beberapa
tipe kelas yang terdiri dari karakter/string, bilangan kompleks/imaginer,
angka/numeric, bilangan bulat/integer, dan nilai boolen/logical,
3. Matrix, struktur data ini memiliki kolom dan baris dimana unsur-unsur
di dalam matrik harus memiliki tipe kelas data yang sama.
4. Array, merupakan struktur data yang pada dasarnya sama seperti matrik,
namun array dapat memiliki dimensi lebih dari dua dimensi.
5
5. Data frame/ tibble, kumpulan dari beberapa vectors dimana satu kolom
harus memiliki tipe kelas yang sama, namun kolom yang berbeda dapat
memiliki tipe kelas yang berbeda.
6. List, bentuk struktur yang sangat kompleks dan berisi multiple data.
6
BAB 3
CONTOH PENGGUNAAN
3.1 Identifikasi Missing Value
A. Buka aplikasi Rstudio → Terdapat 4 ruang pada tampilan awal
7
D. Identifikasi missing value → any(is.na(airquality)), sum(is.na(airquality)),
colsums(is.na(airquality)) → block → ctrl + Enter
E. Pada Console akan muncul informasi yaitu TRUE yang menunjukkan adanya
missing values dari data yang berjumlah 44 data dimana 37 data pada variabel
Ozone dan 7 data pada variabel Solar.R
8
3.2 Menghapus Missing Value
A. Menghapus Keseluruhan Baris (Row)
1. Buat dataset baru dengan kode → airquality1 na.omit(airquality)
→ ctrl + Enter
9
Jika menggunakan fungsi na.exclude() → na.exclude(airquality) → ctrl +
Enter
10
3.3 Struktur Data R
A. Single value
Contoh single value pada R sebagai berikut:
B. Vektor
11
Contoh vektor pada R sebagai berikut:
12
C. Matriks
Contoh penggunaan matrik pada R sebagai berikut:
Jika perintah tersebut dijalankan (block + ctrl + Enter), maka pada Console
terdapat informasi sebagai berikut:
D. Array
Contoh penggunaan array dengan membuat matriks 2x3 yang berisikan
elemen huruf kecil dengan fungsi letters dan diulang sebanyak 4 kali.
Jika perintah tersebut dijalankan (block + ctrl + Enter), maka pada Console
terdapat informasi sebagai berikut:
13
E. Data frame
1. Buat data pasien yang meliputi id_pasien, nama_pasien, tb_pasien, dan
bb_pasien dengan cara sebagai berikut: (block + ctrl + Enter)
14
2. Buat data frame dengan nama data_pasien, caranya sebagai berikut:
F. List
1. Buat beberapa tipe data sebagai berikut: (block + ctrl + Enter)
15
2. Buat list baru dengan nama list.data_pasien dengan cara sebagai berikut:
16
DAFTAR PUSTAKA
DQLab. (n.d.). Teknik Pengolahan Data : Mengenal Missing Values dan Cara-Ca...
2020. Retrieved September 4, 2022, from https://dqlab.id/digital-
transformation-pahami-teknik-pengolahan-ini-dalam-industri-data
Kuncoro, Aristo Ari. Bahasa Pemrograman Tingkat Rendah. Desember 11, 2021.
http://teknik-informatika-s1.stekom.ac.id/informasi/baca/Bahasa-
Pemrograman-Tingkat-
Rendah/fff39a1788172f7d864727faeb8e7931747d94d9 (accessed September
3, 2022).
17
http://staff.uny.ac.id/sites/default/files/penelitian/Drs. Totok Sukardiyono,
M.T./Buku Bahasa Pemrograman Lengkap.pdf
18