Apa itu R?
R merupakan rangkaian fasilitas perangkat lunak terintegrasi untuk manipulasi, menganalisis, dan menampilkan data secara grafis, mencakup:
- Fasilitas penanganan dan penyimpanan data yang efektif,
- Serangkaian operator untuk melakukan perhitungan pada array, khususnya matriks,
- Kumpulan alat perantara yang besar, koheren, dan terintegrasi untuk analisis data,
- Fasilitas grafis untuk menampilkan data dan hasil analisis data di layar maupun dalam bentuk tercetak, dan
- Bahasa pemrograman yang dikembangkan dengan baik, sederhana dan efektif yang mencakup kondisional, loop, fungsi rekursif yang ditentukan pengguna, serta fasilitas input dan output.
Istilah “lingkungan” digunakan dengan maksud untuk mencirikannya sebagai sistem yang sepenuhnya terencana dan koheren, bukan sekedar penambahan alat yang sangat spesifik dan tidak fleksibel, seperti yang sering terjadi pada perangkat lunak analisis data lainnya.
Mengapa R?
R merupakan bahasa dan lingkungan pemrograman untuk komputasi statistik dan grafik yang sangat lengkap dan dapat diunduh, dipasang pada komputer, dan digunakan secara gratis tanpa pembatasan apapun. Meskipun mempunyai kemampuan analisis dan penyajian grafik yang sangat canggih, R dapat dipasang dan digunakan pada komputer dengan spesifikasi yang tidak terlalu tinggi karena dibangun dan dikembangkan secara modular. Sebagai bahasa dan lingkungan pemrograman modular, R terdiri atas kode sumber R Base yang dipasang pada komputer dan modul yang dikenal sebagai packages (paket) dan tidyverses (paket lengkap) yang perlu dipasang dan diaktikan hanya bila diperlukan. Packages merupakan kumpulan fungsi R, data, dan kode yang dikompilasi dalam format yang terdefinisi dengan baik yang dibuat untuk menambahkan fungsionalitas tertentu. Packages terdiri atas basic packages yang merupakan bagian dari kode sumber R Base dan secara otomatis tersedia pada saat memasang R. Baic packages dasar berisi fungsi dasar yang memungkinkan R bekerja, dan mengaktifkan fungsi statistik dan grafis standar pada kumpulan data. Selain basic packages, tersedia contributed packages yang dikembangkan dan disumbangkan oleh pengguna, jumlahnya kini mencapai lebih dari 10.000 dan terus bertambah. Tidyverse merupakan paket lengkap yang menggabungkan beberapa packages untuk melakukan suatu proses tertentu pemasukan data, pembersihan data, transformasi data, visualisasi data, pemodelan data, visualisasi hasil pemodelan, transformasi pemodelan, dan komunikasi hasil analisis dan grafik secara lebih mudah. Seluruh packages dan tidyverses tersedia melalui repositori dan dapat diunduh dan dipasang oleh pengguna R tanpa harus membayar.
Berbeda dengan software analisis statistik lainnya, karena merupakan bahasa dan lingkungan pemrograman maka R dapat diinegrasikan secara langsung atau melalui packages/tidyverses tertentu dengan berbagai bahasa pemrograman masa kini, seperti Python, Java, C++, dsb. Kemampuan ini memungkinkan R sebagai software yang lebih sesuai untuk data science dibandingkan dengan software lainnya, terutama dalam penerapan machine learning dan Internet of Things (IoT). Karena itu tidak mengherankan jika R menjadi software analisis data yang digunakan di berbagai universitas dan industri terkemuka dunia.
Mengunduh dan Memasang R
Untuk menggunakan R, silahkan mengunduh dari situs The R Project for Statistical Computing dengan mengklik menu CRAN dan kemudian mengklik tautan CRAN (Comprehensive R Archive Network) dan kemudian memilih tautan Universitas Syah Kuala (https://cran.usk.ac.id/) sebagai mirror untuk Indonesia. Pada halaman yang tampil, silahkan pilih:
- Download R for Linux (Debian, Fedora/Redhat, Ubuntu)
- Download R for macOS
- Download R for Windows
sesuai dengan sistem operasi komputer masing-masing. Simpan file dalam folder di komputer dan setelah proses pengunduhan selesai, silahkan klik file hasil pengunduhan untuk memasang pada komputer. Jika ruang hard disk pada drive C tidak mencukupi, R dapat dipasang pada drive selain drive C, misalnya pada drive D atau Drive E jika hard sisk komputer terpartisi menjadi beberapa drive. Setelah proses pemasangan R selesai, silahkan klik ikon program R, pada komputer dengan sistem operasi Windows silahkan klik tombol Windows dan kemudian klik ikon R. Setelah tombol R diklik maka akan tampil layar antarmuka R sebagai berikut:
Sebagaimana tampak pada gambar di atas, layar antarmuka R sangat sederhana, terdiri atas pita menu yang terdiri atas pilihan menu File, Edit, Misc, Package, Windows, dan Help. Silahkan mengklik setiap pilihan menu untuk melihat pilihan berikutnya yang terdapat pada setiap pilihan. Pada layar tampak keterangan dan tanda > di bawah keterangan. Silahkan membaca keterangan yang tampil pada layar antarmuka R. Untuk menghapus keterangan pada layar utama, silahkan tekan tombil Ctrl + L sehingga pada layar terdapat hanya tanda > warna merah diikuti dengan kursor berkedip dengan warna sama. Pada saat menggunakan R, kita akan mengetikkan perintah untuk dijalankan setelah tanda > tersebut. Untuk mengetikkan keterangan yang tidak perlu dijalankan, kita awali keterangan dengan tanfa #. Untuk meunutup R silahkan: (1) klik menu File>Exit, (2) klik tanda X pada sudut kanan atas, atau (3) ketik q() dan tekan tombol Enter, lalu pada dialog Save workspace image? klik tombol No.
Belajar Menjalankan R
Untuk menjalankan R, kita perlu terlebih dahulu mempelajari bahasa pemrograman R. Hal ini membedakan penggunaan R dibandingkan dengan penggunaan software analisis data lainnya, terutama software yang dijalankan dengan mengklik tombol. Oleh karena perlu belajar bahasa pemrograman maka belajar menjalankan R terasa sulit pada awalnya, terutama bagi yang ingin mempelajari R secara penuh. Bagi Anda yang belajar R untuk melakukan analisis statistik, yang terutama perlu Anda pelajari adalah:
- Cara memasukkan data
- Cara mentransformasi data
- Cara menyajikan data dalam grafik
- Cara melakukan analisis statistik tertentu
- Cara menyimpan dan menyajikan hasil analisis
Untuk melakukan itu semua, Anda perlu memeriksa, memasang, atau mengaktifkan packages/tidyverses tertentu. Untuk memeriksa packages, silahkan ketik dan selanjutnya tekan tombol Enter:
> installed.packages()
Pastikan bahwa untuk menjalankan perintah selalu dilakukan dengan mengetikkan perintah diikuti dengan menekan tombol Enter setelah selesai mengetikkan perintah. Pada layar akan tampil nama packages disertai dengan prioritas masing-masing sebagai berikut:
- Jika Priority adalah "base", maka package sudah terpasang dan dimuat sehingga semua fungsinya tersedia saat membuka R.
- Jika Priority "recommendedn", maka paket telah terpasang pada R Base, tetapi belum dimuat. Sebelum menggunakan package yang bersangkutan, package perlu diaktifkan ke dalam library dengan menjalankan perintah: library(package).
- Jika Prioritas "NA", maka package telah dipasang oleh pengguna tetapi belum dimuat atau package belum dipasang sama sekali. Untuk memuat, jalankan perintah: library(package) sedangkan untuk memasang package, jalankan perintah: install.packages("package").
Untuk memeriksa apakah package tertentu telah terpasang, daripada menjalankan perintah installed.package() dan kemudian memeriksa hasilnya, lebih mudah dilakukan dengan menjalankan perintah berikut ini untuk memeriksa package dengan nama boot:
> a<-installed.packages()
+ packages<-a[,1]
+ is.element("boot", packages)
[1] TRUE
Hasil TRUE menyatakan bahwa package dengan nama boot telah terpasang. Untuk menghapus package, silahkan jalankan perintah:
> remove.packages("package")
Perhatikan bahwa jika suatu package dihapus maka untuk menggunakannya perlu dilakukan pemasangan kembali dan pengaktifan ke dalam library.
Pada bagian awal uraian sudah disebutkan bahwa pachage memuat fungsi dan data tertentu untuk dijalankan setelah package yang bersangkutan terpasang dan diaktifkan ke dalam library. Untuk mengetahui fungsi dan data apa yang disediakan oleh suatu package, silahkan jalankan perintah:
> help(package="MASS"),
untuk memeriksa package dengan nama MASS. Hasil pemeriksaan akan dialihkan ke halaman aplikasi peramban yang menyajikan pilihan:
Silahkan klik tautan untuk memperoleh deskripsi dan berita mengenai package. Untuk mempelajari lebih lanjut memeriksa apakah suatu package telah terpasang dan/atau telah diaktifkan, silahkan kunjungi Check if a package is installed in R
Memasukkan data ke dalam lingkungan R dapat dilakukan dengan cara menggunakan papan ketik (keyboard) atau dengan mengimpor file data yang sudah dibuat dengan menggunakan prgram aplikasi lain. Untuk memasukkan data menggunakan papan ketik dijalankan perintah assignment:
> datasaya <- c(2, 3, 7, 5, 1)
Dalam hal ini, <- c() meruapakn perinah assignment (tugas), data merupakan nama seluruh data yang dimasukkan, dan 2, 3, 7, 5, 1) merupakan data yang dimasukkan. Perhatikan bahwa dalam R, untuk memberikan nama kita dapat menggunakan nama apa saja, seperti misalnya nama datasaya, tetapi untuk memerintahkan menjalankan tugas tertentu, kita harus mengetikkan kata dalam bahasa R. Perhatikan pula bahwa nama harus dalam satu kata dan case sensitif, artinya nama datasaya berbeda dengan nama DataSaya. Untuk memeriksa data yang dimasukkan, silahkan jalankan perintah:
> datasaya
maka akan ditampilkan hasil:
[1] 2 3 7 5 1
Untuk menghapus datasaya, silahkan jalankan perintah:
> rm(datasaya) #rm merupakan bahasa R untuk menghapus data
Untuk memasukkan data hasil dan data tinggi hasil pengamatan percobaan yang terdiri atas 7 taraf dan 3 ulangan, silahkan jalankan perintan:
> datasaya2 <-data.frame(Treatments=c(
+ "T1","T2","T3","T4","T5","T6","T7",
+ "T1","T2","T3","T4","T5","T6","T7",
+ "T1","T2","T3","T4","T5","T6","T7"),
+ yield=c(25,21,21,18,25,28,24,25,24,24,16,21,20,17,16,19,14,15,13,11,25),
+ height=c(130,120,125,135,139,140,145,136,129,135,150,152,140,148,130,135,145,160,145,130,160))
Perhatikan bahwa dalam memasukkan data, tanda > merupakan tanda kursor R yang tidak perlu Anda ketik dan tanda + berarti satu perintah tidak cukup diketikkan dalam satu baris (Anda tidak perlu mengetikkan, tampil dengan sendirinya). Untuk menampilkan data, silahkan jalankan perintah:
> datasaya2
Memasukkan data menggunakan papan ketik untuk jumlah data yang banyak akan sangat menyulitkan jika dilakukan langsung dengan menggunakan papan ketik.
Untuk melakukan latihan, R Base telah disertai dengan sejumlah data siap pakai yang dapat diperiksa dengan menjalankan perintah:
> data()
Setelah menekan tombol Enter akan muncul jendela R data sets:
Data sets in package ‘datasets’ yang memuat nama data yang telah tersedia dalam R Base, antara lain data dengan nama CO2, yang merupakan data konsentasi (conc) dan serapan (uptake) gas buang CO2 dari pabri (plant) di Quebec dan Mississippi (Type) tanpa dan dengan perlakuan (Treatment). Untuk memeriksa data tersebut, silahkan menjalankan perintah:
> CO2
maka akan ditampilkan seluruh data dengan nama CO2. Data yang sudah disediakan dapat digunakan untuk melakukan latihan, misalnya berlatih melakukan analisis statistika deskripstif yang telah dipelajari dalam mata kuliah statistika. Untuk menggunakan data CO2, terlebih dahulu kita memerintahkan agar R mennugaskan data tersebut:
> latihan <- CO2
Selanjutnya jalankan perintah:
> min(latihan$conc) # menghitung nilai minimum;
> max(latihan$conc) # menghitung nilai maksimum;
Perhatikan bahwa min dan max merupakan bahasa R untuk menghitung nilai minimum dan nilai maksimum dan (latihan$conc) merupakan bahasa R untuk memerintahkan bahwa data yang dihitung adalah data peubah conc dalam file data latihan. Dalam statistika, kita tahu ada statistik kisaran (range) yang dihitung sebagai nilai maksimum dikurangi nilai minimum: range=max(x) - min(x). Dalam R tidak terdapat fungsi untuk menghitung nilai kisaran secara langsung sehingga kita perlu menuliskan dan kemudian menjalankan kode perhitngannya sebagai berikut:
> kisaran2 <- function(x) {
+ kisaran <- max(x) - min(x)> return(kisaran)
+ }
> kisaran2(latihan$conc)
Untuk menghitung statistik pemusatan dan statistik sebaran lainnya silahkan jalankan perintah:
> mean(latihan$conc) #menghitung rerata
> median(latihan$conc) #menghitung median
> var(latihan$conc) #menghitung ragam (variance)
> sd(latihan$conc) #menghitung simpangan baku
Untuk menghitung beberapa statistik sekaligus, silahkan gunakan fungsi summary:
> summary(latihan$conc)
Untuk melakukan analisis data, kita perlu memasukkan data hasil pengamatan atau pengukuran yang kita lakukan. Untuk memasukkan data dalam jumlah banyak, lebih mudah jika kita lakukan dengan program aplikasi tabel lajur, misalnya menggunakan Excel. Setelah semua data kita masukkan, kita simpan data dengan nama singkat, misalnya datasaya, dalam format CSV (File>Save as, dan kemudian pilih format CSV) misalnya dalam folder Data dalam hard disk drive D (D:/LatihanR). Untuk memberitahu R bahwa Anda menyimpan data dalam folder Data di drive D, anda perlu menjalankan perintah untuk mengetahui folder mana yang sedang aktif dan kemudian mengaktifkan folder D:/LatihanR:
>print(getwd())
Folder komputer saya yang aktif adalah: "C:/Users/Dell/Documents". Untuk mengaktifkan folder D:/LatihanR yang memuat data dalam format CSV yang akan saya masukkan ke lingkungan R maka saya mengubah folder aktif menjadi D:/LatihanR dengan menjalankan perintah:
>setwd("D:/LatihanR").Selanjutnya, setelah folder tempat menyimpan dalam format CSV diaktifkan, kita simpan data dengan nama file datasaya.csv lalu kita perintahkan R untuk membaca data yang kita simpan dalam folder D:/LatihanR ke R dengan perintah:
>data <- read.csv("datasaya.csv")
Untuk melihat data yang sudah masuk, silahkan jalankan perintah:
>print(data)
Memberikan hasil:
TRT YIELD HEIGHT
1 T1 25 130
2 T2 21 120
3 T3 21 125
4 T4 18 135
5 T5 25 139
6 T6 28 140
7 T7 24 145
8 T1 25 136
9 T2 24 129
10 T3 24 135
11 T4 16 150
12 T5 21 152
13 T6 20 140
14 T7 17 148
15 T1 16 130
16 T2 19 135
17 T3 14 145
18 T4 15 160
19 T5 13 145
20 T6 11 130
21 T7 25 160
Untuk memerperoleh ringkasan statistik data, jalankan perintah:
> summary(data)
Memberikan hasil:
TRT YIELD HEIGHT
Length:21 Min. :11.0 Min. :120.0
Class :character 1st Qu.:16.0 1st Qu. :130.0
Mode :character Median :21.0 Median :139.0
Mean :20.1 Mean :139.5
3rd Qu.:24.0 3rd Qu. :145.0
Max. :28.0 Max. :160.0
Anda yang sudah lulus mata kuliah Statistika Terapan seharusnya tahu membaca hasil di atas.
Setelah data diimpor masuk ke R maka data siap untuk diatur kembali sesuai dengan kebutuhan (ditransformasi), disajikan dalam grafik, dianalisis, dan dikomunikasikan. Mengenai hal ini, kita akan pelajari pada pertemuan berikutnya. Untuk mempelajari dasar-dasar pemrograman dengan menggunakan bahasa pemrograman R, silahkan kunjungi dan pelajari:
- Learn R Programming dari DataMentor
- Learn R Programming dari Geeks for Geeks
- Learn R Programming dari Programiz
- Learn R Programming (Tutorial & Examples) dari StatisticsGlobe
- R Programming Tutorial dari javaTpoint
- R Programming Language dari tutorialspoint
- R Tutorial dari W3Schools
- QuickR: R Interface dan R Tutorial
Materi kuliah tidak mencakup materi pemrograman, melainkan hanya menjalankan perintah untuk memasukkan data, melakukan analisis statistika dan membuat grafik tertentu, dan menyimpan hasil analisis dan grafik.
Antarmuka Grafis untuk R
Sebagaimana sudah saya sampaikan di atas, antarmuka R sangat sederhana. Demikian juga menu yang disediakan, sama terbatasnya. Oleh karena itu, untuk mengoperasikan R, pengguna sepenuhnya melakukannya harus dengan mengetikkan perintah di dalam layar utama yang disebut console. Kalau ini boleh disebut kekurangan R, inilah memang kekurangannya. Tetapi kekurangan yang sebenarnya sekaligus kelebihannya, dengan antarmuka yang sederhana maka R dapat dibuka dan dijalankan dengan cepat, meskipun ketika R dipasang pada komputer lama. Namun jika Anda mempunyai komputer modern dengan prosesor dan RAM yang memadai, silahkan memasang antarmuka grafis yang dikembangkan agar pengguna dapat menjalankan R dengan lebih mudah. Antar muka ini disebut RStudio IDE, IDE merupakan singkatan dari Integrated Development Environment (Lingkungan Pengembangan Terpadu). Untuk mengunduh dan memasang R Studio, silahkan kunjungi situs posit. Pada halaman yang terbuka, silahkan mengunduh RStudio dengan menggunakan salah satu dari dua cara berikut ini:
- Pada pilihan 2. Install RStudio, klik tombol DOWNLOAD RSTUDIO FOR WINDOWS, lalu simpan file pemasangan RStudio-2023.12.1-402.exe ke dalam hard disk. Untuk komputer dengan sistem operasi lainnya, silahkan geser layar untuk melihat ke bawah untuk memilih file pemasangan yang sesuai dengan sistem operasi komputer masing-masing; atau
- Klik menu Products, lalu pada pilihan muncul klik pilihan RStudio IDE dalam kelompok Open Source, geser layar untuk melihat ke bawah lalu klik tombol DOWNLOAD RSTUDIO DESKTOP dan pada layar berikutnya klik tombol DOWNLOAD RSTUDIO sehingga terbuka layar yang sama dengan layar pada pilihan pertama.
Setelah file pemasangan selesai diunduh, silahkan klik untuk memasang pada drive C atau drive lain jika hard disk komputer Anda terpartisi menjadi beberapa drive. Perhatikan bahwa karena RStudio hanya merupakan aplikasi antarmuka maka Anda baru boleh memasang RStudio setelah sebelumnya sudah terpasang R di komputer Anda, Setelah pemasangan selesai, silahkan klik ikon RStudio untuk membuka. Untuk komputer dengan sistem operasi Windows, silahkan klik tombol Windows dan selanjutnya klik ikon RStudio sehingga aplikasi antarmuka grafis RStudio terbuka di layar sebagaimana tampak di bawah ini.
Layar RStudio terbagi secara default menjadi tiga bagian, yang masing-masing disebut pane. Pada bagian kiri adalah Console Pane, yang mempunyai tab Console, Terminals, dan Background Jobs. Di sebelah kanannya terdapat dua layar:
- Environment Pane, terdiri atas tab Environment, History, Connections, dan Tutorials, pada bagian atas, dan
- Output Pane, terdiri atas tab Files, Plots, Packages, Help, Viewer, dan Presentations, pada bagian bawah.
Package, Tidyverses, dan ShinyApps untuk Pertanian
Untuk belajar menggunakan R menganalisis data pertanian, tersedia package, tidyverses, dan shinyapps khusus yang dapat diakses dari:
Uraian ringkas mengenai packages dan tidyverses sudah saya berikan pada bagian awal materi pengenalan ini. Mengenai shinyapps, sebenarnya masih terkait dengan keduanya, yaitu packages yang dibangun sebagai aplikasi berbasis web untuk menyajikan layanan analisis data berbasis R.
Untuk materi mengenai analisis data menggunakan R pada materi selanjutnya, akan digunakan package dari situs DSFAIR. Silahkan klik tautan dan kemudian pada halaman yang terbuka silahkan klik menu Examples dan pilih: Getting Started untuk memulai belajar R dan Simple Experiments untuk menganalisis data hasil percobaan dengan menggunakan rancangan RAL (CRD), RAK (RCBD), dan RBSL (LatSquare). Uraian mengenai aspek perancangan dan analisis data diberikan pada materi kuliah 2.1 sampai materi kuliah 2.4.