Nama : Riki Hidayat

Fakultas : Fakultas Sains dan Teknologi (FST)

Program Studi : Sistem Informasi
Kode/Nama MK : MSIM4310/Administrasi Jaringan

Kerjakanlah...

1. Dalam konsep transformasi menggunakan bahasa R, juga digunakan fungsi dplyr. sebutkan dan
jelaskan fungsi-fungsi transformasi yang ada pada dplyr!

Jawab:
Fungsi-fungsi transformasi yang ada pada dplyr adalah sebagai berikut:

1. filter(): digunakan untuk memilih baris tertentu dari data frame berdasarkan kondisi tertentu.

2. select(): digunakan untuk memilih kolom tertentu dari data frame.

3. mutate(): digunakan untuk menambahkan variabel baru ke dalam data frame.

4. arrange(): digunakan untuk mengurutkan baris dalam data frame berdasarkan kolom tertentu.

5. group_by(): digunakan untuk mengelompokkan data frame berdasarkan kolom tertentu.

Fungsi-fungsi tersebut sangat berguna dalam melakukan transformasi data pada data frame di R.
Misalnya, dengan menggunakan fungsi mutate(), kita dapat menambahkan variabel baru ke
dalam data frame berdasarkan variabel yang sudah ada. Dengan menggunakan fungsi filter(), kita
dapat memilih baris tertentu dari data frame berdasarkan kondisi tertentu. Dengan menggunakan
fungsi select(), kita dapat memilih kolom tertentu dari data frame. Dengan menggunakan fungsi
arrange(), kita dapat mengurutkan baris dalam data frame berdasarkan kolom tertentu. Dan
dengan menggunakan fungsi group_by(), kita dapat mengelompokkan data frame berdasarkan
kolom tertentu.

Penggunaan fungsi-fungsi tersebut sangat membantu dalam melakukan transformasi data pada
data frame di R, sehingga memudahkan dalam melakukan analisis data.

2. Kerjakan soal berikut menggunakan R.

Diberikan data kunjungan perpustakaan daerah

NO Bulan Jumlah Pengunjung

1 January 90
2 February 86
3 Maret 97
4 April 83
5 Mei 85
6 Juni 85
7 Juli 65
8 Agustus 58
9 September 60
10 Oktober 93
11 Nopember 94
12 Desember 54

a. Dengan aplikasi R, lakukan transformasi akar dan transformasi logaritma pada data tersebut
menggunakan boxplot dan konsep transformasi tukey!
b. Sebutkan dan jelaskan langkah-langkah yang Anda tempuh dalam melakukantransformasi terhadap
data tersebut.

Jawab:

Untuk melakukan transformasi akar dan transformasi logaritma pada data kunjungan perpustakaan
daerah, kita akan mengikuti langkah-langkah berikut:

a. Transformasi Data dengan R dan Boxplot:

1. Pertama, kita akan mengimpor data ke lingkungan R dan menampilkan boxplot dari data asli untuk
melihat distribusi dan potensi adanya outlier.
2. Kemudian, kita akan menerapkan transformasi akar dan transformasi logaritma pada data dan
membuat boxplot untuk masing-masing transformasi.

Langkah-langkahnya adalah sebagai berikut:

# Impor data
data <- data.frame(
Bulan = c("January", "February", "Maret", "April", "Mei", "Juni", "Juli", "Agustus", "September", "Oktober",
"Nopember", "Desember"),
Jumlah_Pengunjung = c(90, 86, 97, 83, 85, 85, 65, 58, 60, 93, 94, 54)

# Buat boxplot dari data asli

boxplot(data$Jumlah_Pengunjung, main="Boxplot Data Asli", ylab="Jumlah Pengunjung")

# Transformasi Akar
data$Akar_Transformasi <- sqrt(data$Jumlah_Pengunjung)

# Buat boxplot dari data dengan transformasi akar

boxplot(data$Akar_Transformasi, main="Boxplot Data dengan Transformasi Akar", ylab="Akar Transformasi")

# Transformasi Logaritma
data$Log_Transformasi <- log(data$Jumlah_Pengunjung)

# Buat boxplot dari data dengan transformasi logaritma

boxplot(data$Log_Transformasi, main="Boxplot Data dengan Transformasi Logaritma", ylab="Log Transformasi")

b. Penjelasan Langkah-langkah:

 Pertama, data diimpor ke lingkungan R dan ditempatkan dalam kerangka data (data frame).
 Kemudian, boxplot dari data asli dibuat untuk melihat distribusi dan potensi outlier.
 Data di-transformasi dengan dua metode berbeda: akar dan logaritma.
 Boxplot dari data yang telah di-transformasi juga dibuat untuk melihat bagaimana transformasi
memengaruhi distribusi dan apakah ada perubahan signifikan dalam outlier.
 Dalam kasus ini, akar digunakan sebagai transformasi yang dapat membantu meredam efek
heteroskedastisitas jika ada peningkatan variabilitas dalam data seiring bertambahnya nilai. Sedangkan
logaritma dapat digunakan untuk meredam efek eksponensial, yang berguna jika perbedaan absolut
dalam data semakin besar seiring bertambahnya nilai. Transformasi ini membantu menghasilkan
distribusi yang lebih simetris, sehingga metode statistik yang mengasumsikan normalitas dapat
diterapkan dengan lebih tepat. Transformasi logaritma juga sering digunakan untuk mengatasi data
yang memiliki ekstrem atau nilai besar yang tidak diinginkan. Transformasi ini berguna untuk
membantu menjadikan data lebih "normal" dalam analisis statistik.