R Programming

Basic R
Programming
 ▪ Keunggulan R dibandingkan softwares
Pendahuluan dengan pull-down menu adalah
kemampuannya melakukan
pemrograman atas suatu rangkaian
analisis akan dieksekusi secara
berurutan
▪ R memiliki beberapa features yang
membuat programming menjadi lebih
mudah untuk semua orang.
▪ Setelah struktur kontrol pemrograman R
dasar dipahami, pengguna dapat
menggunakan bahasa R sebagai
environment yang sangat powerful
untuk melakukan analisis kompleks dari
hampir semua jenis data.
▪ Control structure: R programming
▪ Struktur percabangan
▪ Struktur perulangan
▪ Apply, sapply, dan lapply
▪ Fungsi
Control Structures

▪ R memiliki beberapa control structures yang tidak

berbeda dengan bahasa C.
▪ Control structures di R mencakup:
▪ if, else
▪ switch
▪ for
▪ while
▪ repeat
▪ break
▪ next
 STRUKTUR PEMILIHAN / PERCABANGAN

• Secara analogi dalam kehidupan

sehari-hari percabangan dapat
kita lihat pada saat kita berjalan
dimana ketika tiba di
persimpangan kita hendak
STRUKTUR
memilih jalan manakah yang PEMILIHAN /
akan kita tuju, apakah belok ke PERCABANGAN
kanan, ke kiri, atau lurus ?

• Pertimbangan :
✔ Jarak yang dilalui
✔ Kondisi jalan
✔ Waktu tempuh
 Struktur Pemilihan

Pada struktur ini, jika kondisi terpenuhi

maka salah satu aksi akan dilaksanakan
dan aksi yang ke dua diabaikan.

Kondisi adalah persyaratan yang dapat dinilai benar atau

salah sehingga akan memunculkan ‘aksi’ yang berbeda
dengan ‘kondisi’ yang berbeda.
 if, else
Berikut adalah sintaks untuk if,else statement: statement

Contoh:

if, else statement hanya untuk vector berukuran

1. Berikut adalah contoh dari if-else:
 Contoh
> if(1==0) {
+ print(1)
+ } else {
+ print(2)
+ }
[1] 2

>w=3
> if( w < 5 ) {
+ d=2
+ } else {
+ d=10
+ }
>d
[1] 2
> x <- 1:15
> if (sample(x,1)<10){
+ print("x kurang dari 10")
+ }else{
+ print("x lebih dari atau sama dengan 10")
+ }
[1] "x kurang dari 10“

> price = 110000

> if (price >= 100000) [Link] <- price*0.9
> [Link]
[1] 99000
▪ Sebagai alternatif, kita bisa
menggunakan statement ifelse 🡪 lebih Ifelse statement
rapi dan ringkas
▪ Ifelse dapat digunakan untuk object tipe
vector dengan panjang n.
▪ Penggunaan
ifelse(test, yes, no)
▪ Arguments
test an object which can be coerced to logical mode.

yes return values for true elements of test.

no return values for false elements of test.
 Contoh
> x <- 1:10 # Creates sample data
> ifelse(x<5 | x>8, x, 0)
[1] 1 2 3 4 0 0 0 0 9 10
>
> ifelse(x > 5, "high", "low")
[1] "low" "low" "low" "low" "low" "high" "high" "high" "high" "high"

x <- readline(prompt = "Masukkan nilai x : ")

Masukkan nilai x : 4
x <- [Link](x)
> ifelse(x>=0,sqrt(x),NA) input by user
[1] 2
▪ Untuk memilih lebih dari 2 pilihan, kita switch statement
dapat menggunakan fungsi switch()
dimana input nya adalah berupa expresi
dari input yang diinginkan serta pilihan
yang tersedia.
▪ Sintaks:
switch(EXPR, ...)

▪ Jika EXPR terisi integer, maka itu akan

digunakan sebagai urutan dari pilihan
yang diberikan.

▪ Sedangkan jika input (EXPR) adalah

berupa string, maka akan dicocokkan
dengan nama pilihan yang tersedia
 contoh
> x <- switch(3,
+ "first",
+ "second",
+ "third", EXPR berupa integer
+ "fourth"
+)
>x
[1] "third“

> inpt = "mean"

> x <- 1:10
> switch(inpt,
+ mean = mean(x), EXPR berupa string
+ median = median(x))
[1] 5.5
> x <- rnorm(70,10)
> print("Pilih: 1. Hitung mean, 2. Hitung median")
[1] "Pilih: 1. Hitung mean, 2. Hitung median"
> inpt <- [Link](readline("Pilihan: "))
Pilihan: 2
> switch(inpt,
+ mean = mean(x),
+ median = median(x))
[1] 9.893732

> ##atau
> print("Pilih: 'mean' atau 'median'")
[1] "Pilih: 'mean' atau 'median'"
> inpt <- readline("Pilihan: ")
Pilihan: median
> switch(inpt,
+ mean = mean(x),
+ median = median(x))
[1] 9.893732
 Struktur Pengulangan

Digunakan untuk program yang pernyataannya akan

dieksekusi berulang-ulang. Instruksi dikerjakan selama
memenuhi suatu kondisi tertentu. Jika syarat (kondisi)
masih terpenuhi maka pernyataan (aksi) akan terus
dilakukan secara berulang.
▪ Struktur loop yang paling umum digunakan
dalam R adalah for, while, dan apply.
▪ Selain itu ada juga perintah repeat, namun
jarang digunakan.
▪ Fungsi break digunakan untuk keluar dari loop,
dan selanjutnya menghentikan pengolahan
iterasi saat ini dan kemajuan indeks
perulangan.
For loop ▪ Loop ini dikendalikan oleh sebuah vektor
perulangan.
▪ Jumlah iterasi loop didefinisikan dengan jumlah
nilai yang disimpan dalam vektor perulangan
dan akan diproses dalam urutan yang sama
seperti yang disimpan dalam vektor perulangan.
▪ Syntax:

for (var in seq) expr

for (vector counter)

{Statements}
For loop bekerja pada variabel yang iterable dan contoh
memberikan nilai berturut-turut sampai akhir urutan.
Contoh:
▪ > h <- seq(from=1, to=10)
▪ >s <- c() ## definisikan objek “s”

▪ > ## lakukan iterasi sebanyak 10x

▪ > for(i in 1:10)
▪ + {
▪ + ## memasukkan nilai hasil ke objek s
▪ + s[i] <- h[i] * 10
▪ + }
▪ >s
▪ [1] 10 20 30 40 50 60 70 80 90 100
Contoh: Kita dapat juga memasukkan nilai iterasi per baris
dari sebuah matrix seperti contoh dibawah ini:
> sqr <- seq(1, 10, by=2)
> sqr
[1] 1 3 5 7 9
> ## definisikan vector hasil
> res <- NULL
> ## definisikan matrik untuk hasil
> resMat <- matrix(NA,5,2)
> for (i in 1:5) {
+ res [i] <- sqr[i]^2
+ resMat[i,] <- c(i, sqr[i]^2)
+ }
> resMat
[,1] [,2]
[1,] 1 1
[2,] 2 9
[3,] 3 25
[4,] 4 49
[5,] 5 81
> res
[1] 1 9 25 49 81
Contoh: aplikasi struktur perulangan dalam membuat grafik
> ## Data Gini Ratio ##
> Tahun <- rep(c(2009, 2010, 2011, 2012, 2013), times=4)
> Gini <- c(0.36,0.36,0.44,0.42,0.433,0.36,0.36,0.41,0.41,
+ 0.411, 0.32,0.34,0.38,0.38,0.387,0.38,0.41,
+ 0.40,0.43,0.439)
> Prov <- rep(c("DKI Jkt","Jawa Barat","Jawa Tengah","DIY"),
+ each=5)
> DataGini <- [Link](Prov, Tahun, Gini)
> head(DataGini)
Prov Tahun Gini
1 DKI Jakarta 2009 0.360
2 DKI Jakarta 2010 0.360
3 DKI Jakarta 2011 0.440
4 DKI Jakarta 2012 0.420
5 DKI Jakarta 2013 0.433
6 Jawa Barat 2009 0.360

> # mendapatkan rentang nilai untuk sumbu x dan y

> xrange <- range (DataGini$Tahun)
> yrange <- range(DataGini$Gini)
> # Membuat plot kosong ##
> plot(xrange, yrange, type="n", xlab="Tahun",
+ ylab="Gini Ratio" )
> Prov <- unique(DataGini$Prov)
> Prov
[1] DKI Jakarta Jawa Barat Jawa Tengah DI Yogyakarta
Levels: DI Yogyakarta DKI Jakarta Jawa Barat Jawa Tengah
> ## mengisi plot yang telah dibuat dengan garis dan titik
> for(i in 1:length(Prov)){
+ datai <- DataGini[DataGini$Prov == Prov[i],]
+ lines(datai$Tahun,datai$Gini,col= i+1,lty=i,lwd=2,
+ pch=15+i)
+ points(datai$Tahun, datai$Gini, col= i+1, pch=15+i)
+ }
> legend("bottomright", legend= Prov, col=2:6, pch=15:21, lty=1:5, lwd=2)
 Nested loop
• Nested loop 🡪 struktur perulangan di dalam
struktur perulangan lain.
• Syntax:
While
▪ Statemen while sama dengan for loop, hanya iterasinya di control oleh
sebuah kondisi.
▪ Syntax:
while(condition)
while (cond) expr statements

▪ Be sure there is a way to exit out of a while loop.

▪ Avoid indefinite loop
 contoh
> i <- 1 ##inisialisasi
> while (i<6){
+ print(i)
+ i<-i+1
+}
[1] 1
[1] 2
[1] 3
[1] 4
[1] 5

> z <- 0
> while(z < 10) { ## print selama z < 10
+ z <- z + 2 # kenaikan 2
+ print(z)
+}
[1] 2
[1] 4
[1] 6
[1] 8
[1] 10
▪ Untuk repeat, kondisi diberikan di akhir repeat statement
statemen. Sintaks:
repeat
{statements...if(condition){break}}

▪ Untuk menghentikan iterasi, digunakan

perintah break
▪ Perbedaan dengan while adalah pada
repeat minimal 1 kali iterasi dijalankan
> sum <- 1 ##inisialisasi
> repeat
+ {
+ sum <- sum + 2;
+ print(sum);
+ if (sum > 11)
+ break;
+ }
[1] 3
[1] 5
[1] 7
[1] 9
[1] 11
[1] 13
▪ Jika break adalah untuk menghentikan iterasi,
maka next adalah perintah untuk loncat (skip) Next
ke iterasi berikutnya.

▪ This loop will only print even numbers and skip

over odd numbers.
▪ We can use other functions that will help us
avoid these types of slow control flows (mostly
the while and for loops).
While loop
▪ Dalam R, faktanya adalah kita jarang Vectorization
menggunakan control structure baik percabangan
atau pengulangan 🡪 Thank’s to Vectorization
▪ Vektorisasi menjadikan proses perulangan
implisit dalam ekpresi.
▪ Misal kita menjumlahkan vektor x dan y menjadi
z:
> z <- x + y
Dalam R penjumlahan ini tidak perlu dilakukan
looping per elemen seperti berikut:
> z <- numeric(length(x))
> for (i in 1:length(z)) z[i] <- x[i] + y[i]
▪ Sedangkan untuk percabangan (if ... else) bisa
dihindari dengan penggunaan logical indexing;
> y[x == b] <- 0
> y[x != b] <- 1
▪ Selain dari perintah looping diatas, R
memiliki fungsi/command yang dapat apply
melakukan looping secara implisit dan
cepat yaitu keluarga fungsi apply.

▪ Fungsi ini digunakan untuk input data

dengan 2 dimensi.

▪ Fungsi ini merupakan salah satu

keunggulan R, sehingga jika memerlukan
perulangan, usahakan gunakan apply
function, dibandingkan loop seperti for-
loop atau while.
▪ Syntax:
apply(X, MARGIN, FUN, ARGs)

dimana
X: 2 dimensi array, matriks atau [Link],
MARGIN : 1 untuk baris dan 2 untuk kolom dan
, c(1,2) untuk keduanya;
FUN : fungsi yang ingin dijalankan;
ARGs : argument yang diperlukan untuk
fungsi yang telah didefinisikan.
 Contoh

> #data nilai Kalkulus dan Alpro mahasiswa

> nilai<-[Link](Nama=c("Andi","Bagus","Charlie",
+
"Dani","Erik"),
+ Kalk=c(60,75,72,68,80),
+ Alpro=c(70,78,82,70,78),
+ [Link] = 1)
> #tampilkan rata-rata nilai per mahasiswa
> apply(nilai,1,mean)
Andi Bagus Charlie Dani Erik
65.0 76.5 77.0 69.0 79.0
> #tampilkan rata-rata nilai per mata kuliah
> apply(nilai,2,mean)
Kalk Alpro
71.0 75.6
▪ Jika dataset kita bisa dibagi menjadi
beberapa kategori, dan kita ingin tapply
menerapkan suatu fungsi pada masing-
masing kelompok data tersebut, maka
kita bisa menggunakan tapply.
▪ Penggunaan syntax:
tapply(X, index, FUN)
Dimana
▪ X adalah objek R, biasanya vektor
▪ Index adalah variabel kategorik yang
membagi data
▪ FUN adalah fungsi yang ingin diterapkan
 contoh
> ## generate data for medical example
> [Link] <- [Link](patient = 1:100,
+ age = rnorm(100,
+ mean = 60, sd
= 12),
+ treatment = gl(2, 50,
+ labels=c("Treatment","Control")))
> summary([Link])
patient age treatment
Min. : 1.00 Min. :33.84 Treatment:50
1st Qu.: 25.75 1st Qu.:52.30 Control :50
Median : 50.50 Median :59.53
Mean : 50.50 Mean :60.45
3rd Qu.: 75.25 3rd Qu.:67.30
Max. :100.00 Max. :92.13
> tapply([Link]$age, [Link]$treatment, mean)
Treatment Control
60.00739 60.88739
 ▪ tapply hanya dapat digunakan pada
vector, jika ingin melakukan hal yang
sama ke matris maka dapat
menggunakan fungsi aggregate:

> aggregate([Link][,-3], list([Link]$treatment),

+ mean)
Group.1 patient age
1 Treatment 25.5 58.42530
2 Control 75.5 59.53114
Developing Function
and Packages
▪ Meskipun R sudah menyediakan hampir semua
package namun terkadang kita membutuhkan
melakukan programming dengan R.

▪ Untuk kegiatan yang dilakukan secara

berulang-ulang atau sangat kompleks, maka
lebih baik kita membuat sebuah fungsi
(function) yang dapat kita panggil/gunakan
sehingga pekerjaan kita akan lebih efektif.
▪ Struktur fungsi R:
name <- function(arg1, arg2,... )
{
expression
}

▪ Arg1, Arg2... adalah argumen yang akan

diberikan kepada ekspresi berikutnya.
▪ Untuk mengembalikan hasil perhitungan
dari ekspresi yang diberikan gunakan
perintah return().
 Komponen dasar
▪ body() 🡪 kode yang ada di dalam fungsi. dari fungsi
🡪 "formal" argument list, yang
▪ formals()
mengatur bagaimana fungsi tersebut
dipanggil.
🡪 menentukan cakupan
▪ `environment()``
variabel yang ada dalam fungsi.
▪ args() 🡪 list arguments.
▪ Nama Argumen dapat kita definisikan
saat input ataupun tidak.
▪ Perbedaannya adalah ketika didefinikan
(misalkan, arg=1, arg2= 2) maka urutan
peletakan tidak bermasalah, sedangkan
jika kita tidak mendefinikan pada input
maka urutan input disesuaikan dengan
urutan arg yang telah didefinisikan.
Contoh:

▪ Agar bisa dijalankan, suatu fungsi harus di-load ke dalam

memori terlebih dahulu. Terdapat beberapa cara:
▪ The lines of the function can be typed directly on the keyboard, like any
other command, or copied and pasted from an editor. 🡪 diketik langsung,
atau copy-paste
▪ If the function has been saved in a text file, it can be loaded with source() 🡪
gunakan perintah source()
▪ If the user wants some function to be loaded each time where R starts, they
can be saved in a workspace 🡪 simpan di workspace
▪ Another possibility is to configure the file “.Rprofile” 🡪 advanced
▪ Create a package 🡪 buat package R
Menghasilkan apa fungsi dibawah ini?
Menghasilkan apa fungsi dibawah ini?
 Contoh:
> fibo <- function(n) { Fungsi
+ x <- c(0,1) menampilkan deret
+ while (length(x) < n) { Fibonacci
+ position <- length(x)
+ new <- x[position] + x[position-1]
+ x <- c(x,new)
+}
+ return(x)
+}
> fibo(10)
[1] 0 1 1 2 3 5 8 13 21 34
▪ Fungsi untuk memilih tipe statistik (dengan
fungsi switch()) Contoh
> exp1 <- function(x, type) {
+ switch(type,
+ kuadrat =x^2,
+ akar = sqrt(x),
+ exp =exp(x)
+)
+}
> x <- 1:5
> exp1 (x, "kuadrat" )
[1] 1 4 9 16 25
> exp1 (x, "akar" )
[1] 1.000000 1.414214 1.732051 2.000000 2.236068
▪ Dari file data_karyawan, hitunglah
mean dan standar deviasi dari variabel LATIHAN
gaji per bulan menggunakan looping.

▪ Buatlah fungsi untuk menghitung mean

dan standar deviasi.

▪ Bangkitkan data berdistribusi normal

dengan mean 10 standar deviasi 3
sebanyak n=20. Kemudian aplikasikan
fungsi yang dibuat untuk menghitung
mean dan standar deviasi data
bangkitan tersebut.