Nama : Adi Suwarno Dosen : 1. Dr. Bagus Sartono, S.Si, M.

Si
NIM : G2401211019 2. Rahma Anisa, S.Stat, M.Si
Hari / Tanggal : Rabu / 1 Februari 2023 Asisten : Gita Cahyo Nomi (G14190011)

PENGENALAN R, VISUALISASI NILAI DATA,

DAN VISUALISASI SEBARAN DATA
PENGENALAN R
Dalam pertemuan pekan kedua (01/02/2023), pengenalan R dimulai dengan pengenalan
vector. Vector dalam R ini seperti variable (dengan nama tertentu) yang menyimpan suatu data.
Data ini dapat berupa data character, integer, numeric, dan berbagai data lainnya (list, data
frame, grafik, dan lainnya). Sebagai contoh:

abc <- “Hari Selasa”

abc2 <- 31

Dari contoh di atas, abc merupakan sebuah vector berisi data bertipe character, yaitu
“Hari Selasa” dan abc2 ialah vector berisi data bertipe integer, yaitu 31. Kemudian, dipelajari
juga mengenai sequence dan repetition. Sequence ini fungsi untuk membuat baris bilangan
secara berurut dengan rentang nilai tertentu, sedangkan repetition merupakan sebuah fungsi
untuk membuat suatu nilai yang memerlukan perulangan. Sebagai contoh:

#1. Kedua skrip ini akan menghasilkan output yang sama

seq(1,10)
seq(1:10)
Output:
[1] 1 2 3 4 5 6 7 8 9 10

#2. Membuat baris bilangan dengan rentang nilai tertentu

seq(2,15, by = 2.5)
Output:
[1] 2 4.5 7 9.5 11 13.5

#3. Repetisi, contoh:

## a. Pengulangan angka 1 sebanyak 3 kali
rep(1,3)
Output:
[1] 1 1 1

## b. Pengulangan angka 1 sampai 3 sebanyak 2 kali

rep(1:3, 2)
Output:
[1] 1 2 3 1 2 3

## c. Pengulangan setiap data secara berurut

rep(1:3, 2)
Output:
[1] 1 1 2 2 3 3

Setelah itu, kami mempelajari fungsi paste pada R. Fungsi paste ini dilakukan untuk
menggabungkan atau contenate character. Sebagai contoh:
paste(“A”, 1:3, sep=”-“)
Output:
[1] “A-1” “A-2” “A-3”

Lanjut ke materi berikutnya mengenai factor dan ordered. Fungsi factor digunakan
untuk membuat suatu level pada suatu data, sedangkan fungsi ordered merupakan fungsi untuk
membuat level berurut/bertingkat pada suatu data dan biasanya dilakukan pada data yang
bertipe ordinal. Berikut adalah capture dari contoh penggunaan factor dan ordered.

Terakhir, sebelum memasukin pengolahan data, kita sempat mempelajari sedikit hal
mengenai pembuatan data frame. Sebagai contoh:

Output:

Selanjutnya, kami mempelajari bagaimana cara mengunggah suatu file ke dalam R.

Adapun file yang diunggah ini meliputi file berformat excel, csv, txt, dan suatu data yang
tersimpan di clipboard. Adapun sebelum itu, kita dapat mengatur file directory untuk
memudahkan pengambilan file dengan menggunakan fungsi setwd atau mengatur langsung
pada menu session. Kita dapat mengatur pada folder utama tempat kita menaruh file yang ingin
diunggah ataupun folder luarnya. Adapun beberapa fungsi yang dipelajari, antara lain:
1. read.csv untuk membaca fila berformat .csv
2. read_excel dari package readxl untuk membaca file berformat .xlsx
3. read.table untuk membaca file berformat .txt
4. read.delim untuk membaca data yang tersimpan di clipboard.
 Tidak hanya itu, ada pula beberapa fungsi lain yang dapat digunakan untuk melihat
ringkasan dari data yang telah kita unggah. Pertama, fungsi str() untuk melihat list kolom dari
data frame dan tipe data dari setiap kolom. Kedua, fungsi summary() untuk melihat ringkasan
statistic deskriptif sederhana, berupa nilai minimum, kuartil satu, median, rata-rata, kuartil tiga,
dan nilai maksimum dari kolom-kolom data numerik, sedangkan pada data character akan
ditampilkan tipe datanya dan jumlah datanya.
Kemudian, dipelajari juga cara menggabungkan dua file, dalam hal ini, menggabungkan
data yang dimaksud seperti saat kita menggunakan fungsi lookup, hlookup, dan vlookup pada
Excel. Untuk melakukannya, kita menggunakan fungsi merge().

data_jabar20 <- read.csv(

'Visualisasi Data/Pekan 2/kor_rt_jabar_2020.csv'
)
data_sosek <- read.csv(
'Visualisasi Data/Pekan
2/master_wilayah_survei_sosial_ekonomi_nasional_2020_maret__
modul_konsumsi_dan_pengeluaran__.csv'
)

data_merge_sj <- merge(

x = data_jabar20,
y = data_sosek,
by.x = c("R101", "R102"),
by.y = c('value_prov', 'kab'),
all.x = TRUE
)
BAR CHART
barplot(table(data_merge_sj$R2206))

ggplot(data_merge_sj, aes(
x = as.character(R2206),
fill = as.character(R2206),
col = as.character(R2206))) +
geom_bar() +
theme_modern_rc()

Keterangan: tema grafik di atas menggunakan fungsi dari package hrbrthemes.

GROUPED BAR CHART
dtku <- table(data_merge_sj$R2206, data_merge_sj$R102)
barplot(dtku, beside = T, legend = row.names(dtku))

ggplot(data_merge_sj,
aes(x = as.factor(R102),
fill = as.character(R2206))) +
geom_bar(position = 'dodge') +
theme_modern_rc()

Keterangan: tema grafik di atas menggunakan fungsi dari package hrbrthemes.

STACKED BAR CHART
dtku <- table(data_merge_sj$R2206, data_merge_sj$R102)
barplot(
apply(dtku, 2, function(x){x*100/sum(x, na.rm = TRUE)}),
legend = TRUE
)

ggplot(data_merge_sj,
aes(x=R102, fill = as.character(R2206))) +
geom_bar(position = 'fill') +
theme_modern_rc()

Keterangan: tema grafik di atas menggunakan fungsi dari package hrbrthemes.

LOLLYPOP CHART
ggplot(data_merge_sj, aes(x=R1809D, y=R102)) +
geom_point() +
geom_segment(aes(x=R1809D, xend=R1809D, y=0, yend=R102)) +
theme_ipsum_rc()

Keterangan: tema grafik di atas menggunakan fungsi dari package hrbrthemes.