MODUL 1

PENGENALAN R, RSTUDIO DAN DASAR R

A. Tujuan Praktikum
 Memahami fitur bahasa pemrograman R
 Memahami area kerja pada RStudio
 Mampu mendefinisikan fungsi dasar R

B. Alokasi Waktu
1 x pertemuan = 120 menit

C. Dasar Teori
Tidak sama seperti seperti C atau Java, pada awalnya bahasa pemrograman R tidak dibuat
oleh ahli perangkat lunak untuk pengembangan perangkat lunak. R dikembangkan oleh ahli
statistik sebagai sarana yang interaktif untuk analisis data. Interaktivitas adalah fitur yang
sangat diperlukan dalam data science karena kemampuan untuk mengeksplorasi data
dengan cepat adalah salah satu tujuan utama dari data science. Dalam aplikasinya, R
biasanya digunakan untuk proses analisis data dan, khususnya, visualisasi data.
Fitur menarik lainnya dari R adalah:
1. R gratis dan bersifat open source.
2. Dapat digunakan pada semua platform: Windows, Mac Os, UNIX / Linux.
3. Scripts dan data objects dapat dibagikan dan digunakan di seluruh platform.
4. Adanya komunitas pengguna R yang cukup besar, berkembang, dan aktif,
sehingga ada banyak sumber untuk belajar dan mengajukan pertanyaan.
5. Kemudahan berbagi-pakai add-ons yang memungkinkan pengembang dan
pengguna untuk berbagi implementasi metodologi data science terbaru.
Sehingga seluruh pengguna memiliki akses terhadap metode terbaru dan alat-
alat yang dikembangkan menggunakan bahasa R pada berbagai disiplin ilmu,
seperti: ekologi, biologi molekuler, ilmu sosial, dan geografi, dan lain-lain.

R Console
Analisis data biasanya dilakukan pada R console yang akan mengeksekusi perintah secara
langsung setelah diakhiri dengan tombol enter. Untuk mendapatkan akses ke R console,
caranya adalah dengan memulai RGui. Tampilan R console terlihat seperti gambar dibawah
ini:

Contoh yang paling mudah, silahkan coba gunakan R console untuk menghitung diskon 15%
dari laptop yang harganya 7.500.000:

Modul Praktikum Data Science 1

Prodi Informatika UPN “Veteran” Yogyakarta
 0.15 * 7500000
#> [1] 1125000

Sebagai catatan, pada modul ini, kotak abu-abu digunakan untuk menunjukkan R script.
Simbol #> digunakan untuk menunjukkan output yang dihasilkan R console.

R Scripts
Selain menggunakan R console, sekumpulan kode atau pekerjaan dapat pula disimpan
sebagai R Scripts. Dengan menggunakan R Scripts, penulisan kode atau script dapat diedit
dan disimpan melalui editor teks. Pada modul ini, untuk meng-compile script, kita akan
menggunakan integrated development environment (IDE) RStudio Versi 1.2.5019. RStudio
memiliki fasilitas editor dengan berbagai fitur spesifik untuk pemrograman R, diantaranya R
console untuk mengeksekusi kode, dan panel-panel lainnya, yang salah satunya dapat
digunakan untuk menampilkan gambar (plot). Area kerja RStudio akan dibahas lebih detail
pada bagian selanjutnya.

RStudio
RStudio akan menjadi area kerja yang digunakan untuk pembelajaran data science pada
modul ini. RStudio tidak hanya menyediakan editor untuk membuat dan mengedit script,
namun terdapat juga beberapa tools bermanfaat lainnya yang dapat digunakan dalam proses
analisis data. Di bagian ini, akan dibahas beberapa fungsi-fungsi dan panel dasar yang dapat
digunakan.

1. Tool Panes
Saat pertama kali memulai RStudio, hanya akan muncul tiga panel. Panel kiri merupakan R
console. Di sebelah kanan, panel atas terdiri dari tab: Environment dan History, sedangkan
panel bawah memperlihatkan lima tab: File, Plot, Packages, Help, dan Viewer. Untuk
memulai script baru, klik File - New File - R script. Sehingga, akan muncul panel baru di
sebelah kiri yang dapat digunakan untuk menulis script seperti yang ditunjukkan pada gambar
diatas.

2. Menjalankan Perintah saat Mengedit Script

Beberapa editor yang dibuat khusus untuk coding biasanya akan memvisualisasikan script
menggunakan warna dan indentasi yang ditambahkan secara otomatis agar kode lebih
mudah dibaca. RStudio termasuk salah satu editor yang menawarkan kemudahan tersebut,
dan secara khusus dikembangkan untuk bahasa pemrograman R. Salah satu keuntungan
utama yang diberikan oleh RStudio adalah adanya fitur untuk menjalankan script dengan
mudah saat proses mengedit script sedang dilakukan. Untuk lebih mudah memahaminya,
silahkan coba langkah berikut.
Modul Praktikum Data Science 2
Prodi Informatika UPN “Veteran” Yogyakarta
Langkah pertama, buat script baru seperti langkah yang telah dijelaskan sebelumnya.
Selanjutnya beri nama script. Langkah kedua ini bisa dilakukan kapan saja, jika tidak ingin
dilakukan saat ini (membuat script tanpa mendefinisikan nama script yang dibuat terlebih
dahulu), script baru sementara akan bernama Untitled. Untuk memberi nama script, klik pada
ikon save atau gunakan tombol Ctrl + S. Kemudian, simpan script pertama pada modul ini
dengan nama “script-pertama.R”.
Setelah memberi nama lembar kerja script, kita dapat melakukan editing pada “script-
pertama.R”. Baris pertama kode dalam R script didedikasikan untuk memuat library yang
akan digunakan. Fitur RStudio lain yang bermanfaat adalah saat kita ketik library(, maka
dapat dilakukan pelengkapan script otomatis, sesuai dengan library yang telah diinstal.
Perhatikan apa terjadi ketika kita mengetik library(ti):

Fitur lain yang mungkin dapat perhatikan adalah ketika mengetik library(, maka tanda
kurung kedua akan ditambahkan secara otomatis.
Selanjutnya, kita akan mencoba menampilkan plot pada panel kiri bawah. Sebagai contoh,
kita akan membuat grafik yang menunjukkan pembunuhan total versus total populasi
berdasarkan negara. Script yang digunakan adalah:

library(tidyverse)
library(dslabs)
data(murders)

murders %>%
ggplot(aes(population, total, label = abb, color = region)) +
geom_label()

Setelah selesai menulis script untuk menampilkan plot dari contoh data “US murders” yang
terdapat pada library(dslab), untuk mengeksekusi kode, klik tombol Run sisi kanan atas
code editor. Sebagai alternatif, dapat pula menggunakan key binding: Ctrl + Shift + Enter
untuk menjalankan script secara keseluruhan.
Untuk melihat tampilan hasil dari fungsi ggplot, klik Plot pada panel kanan bawah (area
Other Panes). Perhatikan bahwa konsol plot akan memvisualisasikan data secara interaktif
dalam bentuk plot. Beberapa fungsi lain yang bermanfaat pada konsol plot diantaranya:
tombol panah untuk klik mundur dan maju antar plot yang telah dibuat, tombol zoom untuk
memperbesar plot, dan export untuk menyimpan plot. Untuk menjalankan script per baris,
dapat pula digunakan kombinasi key binding: Control + Enter.

Modul Praktikum Data Science 3

Prodi Informatika UPN “Veteran” Yogyakarta
3. Menginstal R Packages
Instalasi baru R hanya akan memiliki sebagian kecil paket dasar matematis. Fungsionalitas
tambahan berasal dari add-on yang tersedia dari pengembang. Saat ini terdapat ratusan
library tersedia di CRAN dan banyak repositori lain seperti GitHub. Namun, karena tidak
semua orang membutuhkan semua fungsionalitas yang tersedia, R memberikan kemudahan
dengan menyediakan komponen yang disebut package. Langkah menginstal R Packages
melalui RStudio sangat mudah. Misalnya, untuk menginstal dslabs yang digunakan pada
contoh script sebelumnya, maka dapat digunakan script:
[Link]("dslabs")

Cara lain untuk menambahkan library di RStudio, adalah dengan klik tab Tools dan memilih
install packages, kemudian memasukkan paket apa yang ingin diinstal. Setelah proses
instalasi berhasil, selanjutnya library dapat memuat package pada R script menggunakan
fungsi:
library(dslabs)

Untuk menginstal lebih dari satu paket sekaligus, dapat digunakan script berikut:
[Link] (c ("tidyverse", "dslabs"))

Yang perlu diperhatikan adalah, dengan menginstal tidyverse, akan dilakukan pula
instalasi terhadap beberapa paket lain. Hal ini terjadi ketika sebuah paket memiliki
dependensi, atau menggunakan dan memiliki keterkaitan dengan fungsi dari paket lain. Saat
memuat paket menggunakan library, maka akan dimuat pula dependensinya. Setelah paket
diinstal, paket dapat dimuat kembali ke R pada script lain dan tidak perlu menginstalnya lagi,
kecuali jika sebelumnya melakukan instalasi versi baru R. Paket add-on diinstal dalam R
bukan RStudio. Untuk melihat semua paket yang telah diinstal, gunakan fungsi berikut:
[Link]()

Dasar R
Sebelum memulai dengan analisis dataset, perlu dipahami terlebih dahulu mengenai dasar-
dasar R.

Modul Praktikum Data Science 4

Prodi Informatika UPN “Veteran” Yogyakarta
1. Objek
Kita menggunakan istilah objek untuk mendefinisikan hal-hal yang disimpan dalam R.
Sebagai contoh: Variabel. Tetapi objek juga bisa menjadi entitas yang lebih rumit seperti
fungsi.
Untuk menetapkan nilai ke variabel, dapat digunakan tanda (<-). Selain itu, dapat pula
menggunakan tanda (=). Sebagai contoh, ketik kode berikut pada R console untuk
mendefinisikan tiga variabel dan nilainya.
a <- 1
b <- 1
c <- -1

Perhatikan bahwa R tidak mencetak hasil apa pun saat script dijalankan. Untuk melihat nilai
yang disimpan oleh variabel, kita cukup meminta R untuk mengevaluasi nilai 'a' dan
menampilkan nilai yang disimpan
a
#> [1] 1

Cara yang lebih eksplisit untuk meminta R menampilkan nilai yang disimpan dalam 'a' adalah
dengan menggunakan fungsi print seperti ini:
print(a)
#> [1] 1

2. Workspace
Saat kita mendefinisikan objek di R console, kita sebenarnya juga telah melakukan
perubahan terhadap workspace. Untuk melihat semua variabel yang disimpan di workspace,
dapat dilakukan dengan perintah:
ls()
#> [1] "a" "b" "c"

Di RStudio, tab environment pada panel kanan atas akan menunjukkan nilai-nilai yang
tersimpan pada suatu sesi R:

Jika kita mencoba mencari nilai variabel yang tidak ada di workspace, maka kita akan
menerima pesan kesalahan. Misalnya, jika kita mengetik 'x', maka akan muncul pesan
berikut: “Error: object 'x' not found”.
Karena kita telah memiliki nilai-nilai variabel 'a', 'b', dan 'c' yang telah disimpan dalam variabel,
Kita dapat melakukan komputasi untuk menyelesaikan suatu persamaan kuadratik seperti
contoh berikut:

Modul Praktikum Data Science 5

Prodi Informatika UPN “Veteran” Yogyakarta
dengan menuliskan script seperti dibawah ini:
(-b + sqrt(b^2 - 4*a*c) ) / ( 2*a )
#> [1] 0.618034

(-b - sqrt(b^2 - 4*a*c) ) / ( 2*a )

#> [1] -1.618034

3. Fungsi
Proses analisis data biasanya dapat digambarkan sebagai serangkaian fungsi yang
diterapkan pada data. R telah memiliki beberapa fungsi dasar dan sebagian besar analisis
yang akan dilakukan juga akan memanfaatkan penggunaan berbagai macam fungsi dalam
satu script. Contoh fungsi dasar yang dimaksud diantaranya: fungsi [Link],
library, dan ls yang telah kita coba gunakan sebelumnya. Selain itu, kita juga telah
menggunakan fungsi dasar R, yaitu sqrt untuk menyelesaikan persamaan kuadrat di atas.
Ada banyak fungsi prebuilt yag telah dimiliki oleh R dan banyak fungsi lainnya dapat
ditambahkan melalui paket.
Secara umum, kita perlu menggunakan tanda kurung untuk mengevaluasi suatu fungsi. Jika
kita mengetik ls, fungsi tersebut tidak akan menampilkan hasil evaluasi berupa list variabel
pada workspace, sebaliknya R akan menunjukkan script yang mendefinisikan fungsi itu
sendiri. Tidak seperti ls, sebagian besar fungsi memerlukan satu atau lebih argumen. Di
bawah ini adalah contoh bagaimana kita menetapkan objek ke argument fungsi log. Yang
perlu diingat adalah bahwa kita telah menetapkan sebelumnya bahwa nilai variabel 'a' adalah
1:
log (8)
#> [1] 2.08

log (a)
#> [1] 0

Untuk mengetahui argumen yang dibutuhkan oleh fungsi dan kegunaan fungsi, dapat
digunakan fungsi help yang sangat berguna pada R. Dengan fungsi tersebut, kita dapat
memperoleh bantuan jika kurang yakin dengan kegunaan suatu fungsi tertentu, atau jika saat
implementasi ternyata masih ditemukan pesan error sehingga script tidak berhasil dijalankan:
help(log)

Untuk sebagian besar fungsi, sebagai alternatif, dapat digunakan pula langkah ini:
?(log)

Halaman bantuan akan menunjukkan argumen apa yang dibutuhkan oleh fungsi. Sebagai
contoh, log membutuhkan 'x' dan basis. Pada fungsi tertentu, yang perlu diperhatikan adalah
beberapa argumen wajib ada saat fungsi didefinisikan, dan ada pula argumen lainnya yang
sifatnya opsional.
Argumen opsional berisi nilai default yang ditandai dengan (=) dalam dokumen help.
Sebagai contoh, argumen base dari fungsi log secara default bernilai = exp(1). Jika ingin
melihat argumen tanpa membuka dokumen help, dapat digunakan fungsi args:
args (log)
#> function (x, base = exp (1))
#> NULL

Modul Praktikum Data Science 6

Prodi Informatika UPN “Veteran” Yogyakarta
Nilai default dapat diubah dengan mendefinisikan nilai objek seperti contoh berikut:
log (8, base = 2)
#> [1] 3

Sebagai alternatif, argumen x dapat pula didefinisikan sebagai berikut:

log (x = 8, base = 2)
#> [1] 3

Kedua potongan kode di atas akan menghasilkan nilai output yang sama, tetapi untuk
menghindari beberapa kesalahan pengetikan atau pendefinisian argumen: jika tidak ada
nama argumen yang didefinisikan, R mengasumsikan bahwa argumen telah dimasukkan
dalam urutan yang ditunjukkan pada dokumen help atau args. Sehingga, dengan tidak
mendefinisikan nama variabel, diasumsikan fungsi log berisi argumen x diikuti oleh basis:
log (8,2)
#> [1] 3

Jika nama argumen dedifinisikan, maka argumen fungsi dapat dimasukkan dalam urutan
yang bebas:
log (basis = 2, x = 8)
#> [1] 3
Untuk menentukan argumen, kita harus menggunakan (=), dan tidak dapat menggunakan <-
.
Terdapat beberapa pengecualian pada aturan bahwa tanda kurung dibutuhkan untuk
mengeksekusi suatu fungsi. Diantaranya, yang paling umum digunakan adalah operator
aritmatika dan relasional. Sebagai contoh:
2 ^ 3
#> [1] 8
Untuk melihat bantuan mengenai operator aritmatika dapat dilakukan dengan:
help("+")

atau
? "+"

Sedangkan untuk operator relasional dapat dilakukan dengan:

help(">")

atau
? ">"

4. Prebuilt Objects
Terdapat beberapa dataset yang telah disediakan R untuk user agar memberikan
kemudahan dalam berlatih dan menguji fungsi yang diinginkan. Untuk melihat semua dataset
contoh yang tersedia dapat digunakan:
data()

Hasil dari perintah diatas adalah berupa tampilan nama-nama dataset yang tersedia dalam
paket R. Kumpulan data tersebut merupakan suatu objek yang bisa dipanggil dengan hanya
mendefinisikan nama dataset yang diinginkan. Misalnya:
CO2

Modul Praktikum Data Science 7

Prodi Informatika UPN “Veteran” Yogyakarta
Hasil dari perintah diatas akan menampilkan data penyerapan karbon dioksida pada tanaman
rumput.

Objek prebuilt lain diantaranya berupa atribut-atribut matematis, seperti konstanta π dan ∞:
pi
#> [1] 3.14
Inf+1
#> [1] Inf

5. Comment pada Script

Jika suatu baris R script dimulai dengan simbol #, maka baris tersebut tidak akan dievaluasi.
Kita dapat menggunakan # untuk menulis comment yang berisi definisi dari kumpulan baris
yang akan dieksekusi. Misalnya, dengan menggunakan script sebelumnya kita akan
menambahkan comment sebagai berikut:
## Script untuk menghitung persamaan kuadrat
## Variabel yang digunakan
a <- 3
b <- 2
c <- -1
## Persamaan kuadrat yang dihitung
(-b + sqrt(b^2 - 4*a*c)) / (2*a)
(-b - sqrt(b^2 - 4*a*c)) / (2*a)

Modul Praktikum Data Science 8

Prodi Informatika UPN “Veteran” Yogyakarta
D. Latihan
1. Berapa jumlah dari 100 bilangan bulat positif pertama?
Rumus untuk jumlah bilangan bulat 1 sampai n adalah n (n + 1) / 2. Tentukan n
= 100 dan kemudian gunakan R untuk menghitung jumlah 1 hingga 100
menggunakan rumus.
2. Gunakan rumus yang sama untuk menghitung jumlah bilangan bulat dari 1 hingga
1.000.
3. Lihatlah hasil potongan kode berikut dalam R:
a. n <- 1000
b. x <- seq (1, n)
c. jumlah (x)
4. Coba implementasikan dalam potongan kode beberapa perintah dibawah ini, dan
jelaskan hasil percobaan yang dilakukan. Sebagai panduan, dapat digunakan fungsi
help.
a. seq membuat daftar angka dan sum menjumlahkannya.
b. seq membuat daftar angka acak dan sum menghitung jumlah angka ke-1
hingga 1.000.
5. Dalam matematika dan pemrograman, kita dapat mendefinisikan bahwa kita akan
mengevaluasi suatu fungsi ketika nilai argumen telah diisi. Sehingga, saat kita
menjalankan perintah sqrt(4), secara otomatis fungsi sqrt akan dievaluasi
dengan nilai argumen = 4. Pada R, kita juga dapat mengevaluasi fungsi di dalam
fungsi lain. Evaluasi akan dilakukan dari dalam ke luar.
Gunakan satu baris kode untuk menghitung log dengan nilai basis 10, pada akar
kuadrat dari 100.
6. Manakah dari contoh berikut ini yang akan selalu mengembalikan nilai numerik yang
disimpan dalam variabel x?
a. log (10 ^ x)
b. log10 (x ^ 10)
c. log (exp (x))
exp (log (x, base = 2))

Modul Praktikum Data Science 9

Prodi Informatika UPN “Veteran” Yogyakarta
Modul Praktikum Data Science 10
Prodi Informatika UPN “Veteran” Yogyakarta