Pengantar Pemrograman R

📚 Ringkasan Konten

Kursus ini merupakan pengantar komprehensif terhadap lingkungan bahasa R, membahas topik inti mulai dari operasi vektor numerik dasar, atribut objek, dan penanganan array/matriks hingga manajemen daftar/data frame, pemodelan statistik, dan produksi grafik berkualitas tinggi. Kursus ini cocok digunakan sebagai buku teks pengantar untuk analisis statistik dan ilmu data.

Kelola inti dari bahasa R dan buka pintu menuju komputasi statistik serta visualisasi data.

Penulis: Tim Inti Pengembangan R

Ucapan Terima Kasih: Panduan ini dikelola oleh Tim Inti Pengembangan R. Versi Bahasa Tionghoa mengucapkan terima kasih atas dasar terjemahan bahasa Jepang oleh Shigeru MASE, serta kontribusi tim penerjemah Tionghoa seperti Dr. ZP Li, Dr. Rui Li, dan lainnya.

🎯 Tujuan Pembelajaran

1. Memulai sesi R, menavigasi sistem bantuan, dan menerapkan aturan sintaks dasar (sensitivitas huruf besar-kecil, penugasan, dan komentar).
2. Membedakan dan membuat vektor logika, vektor karakter, serta menangani nilai yang hilang (NA dan NaN).
3. Menggunakan empat metode pengindeksan yang berbeda untuk memilih, mengecualikan, atau memodifikasi subset data tertentu.
4. Mengidentifikasi dan memodifikasi atribut intrinsik (mode dan panjang) dari objek R.
5. Menggunakan fungsi class() dan attr() untuk mengelola metadata objek dan struktur data.
6. Membuat dan memanipulasi faktor dan faktor terurut untuk merepresentasikan data kategorikal.
7. Mendefinisikan dan membuat array dan matriks menggunakan vektor dimensi dan fungsi array().
8. Menerapkan teknik pengindeksan lanjutan, termasuk penggunaan matriks indeks untuk mengekstrak atau memodifikasi elemen tertentu.
9. Menjalankan operasi aljabar linear termasuk produk luar, transpose umum, dan inversi matriks.
10. Membuat dan Memodifikasi Daftar: Membuat daftar bernama dan tidak bernama, serta menggabungkannya menggunakan sintaks R tertentu.

🔹 Pelajaran 1: Pengantar R dan Dasar Vektor

Gambaran Umum: Pelajaran ini memperkenalkan lingkungan dasar R, mencakup sintaks dasar, eksekusi perintah, dan sistem bantuan. Selanjutnya menjelajahi jenis vektor khusus—vektor logika, vektor karakter, dan nilai yang hilang—serta memberikan metode rinci untuk memilih dan memodifikasi subset data melalui vektor indeks.

Hasil Pembelajaran:

• Memulai sesi R, menavigasi sistem bantuan, dan menerapkan aturan sintaks dasar (sensitivitas huruf besar-kecil, penugasan, dan komentar).
• Membedakan dan membuat vektor logika, vektor karakter, serta menangani nilai yang hilang (NA dan NaN).
• Menggunakan empat metode pengindeksan yang berbeda untuk memilih, mengecualikan, atau memodifikasi subset data tertentu.

🔹 Pelajaran 2: Atribut Objek dan Penanganan Faktor

Gambaran Umum: Pelajaran ini membahas properti dasar objek R, khususnya atribut intrinsik seperti mode dan panjang, serta bagaimana atribut tersebut dapat dipertanyakan atau dimodifikasi. Pelajaran ini juga menjelajahi "faktor"—struktur data khusus untuk menangani variabel kategorikal—dan menunjukkan cara menggunakan fungsi tapply() untuk melakukan analisis statistik kelompok berdasarkan tingkat faktor.

Hasil Pembelajaran:

• Mengidentifikasi dan memodifikasi atribut intrinsik (mode dan panjang) dari objek R.
• Menggunakan fungsi class() dan attr() untuk mengelola metadata objek dan struktur data.
• Membuat dan memanipulasi faktor dan faktor terurut untuk merepresentasikan data kategorikal.

🔹 Pelajaran 3: Array, Matriks, dan Aljabar Linear

Gambaran Umum: Pelajaran ini mengeksplorasi kemampuan kuat R dalam menangani data multi-dimensi melalui array dan matriks. Siswa akan belajar bagaimana mendefinisikan struktur data menggunakan vektor dimensi, melakukan pengindeksan kompleks, serta menjalankan operasi aljabar linear penting—seperti perkalian matriks, inversi, dan dekomposisi—yang krusial untuk komputasi statistik dan analisis data.

Hasil Pembelajaran:

• Mendefinisikan dan membuat array serta matriks menggunakan vektor dimensi dan fungsi array().
• Menerapkan teknik pengindeksan lanjutan, termasuk penggunaan matriks indeks untuk mengekstrak atau memodifikasi elemen tertentu.
• Menjalankan operasi aljabar linear termasuk produk luar, transpose umum, dan inversi matriks.

🔹 Pelajaran 4: Manajemen Data: Daftar, Data Frame, dan I/O

Gambaran Umum: Pelajaran ini membahas dasar-dasar menangani struktur data kompleks dan data eksternal di R. Fokusnya pada Daftar—wadah fleksibel yang menyimpan komponen dengan tipe berbeda—serta praktik-praktik Input/Output (I/O), termasuk membaca file eksternal ke dalam struktur daftar, mengakses dataset bawaan dari paket, serta menggunakan alat editing interaktif untuk memodifikasi data.

Hasil Pembelajaran:

• Membuat dan Memodifikasi Daftar: Membuat daftar bernama dan tidak bernama, serta menggabungkannya menggunakan sintaks R tertentu.
• Akses Komponen: Membedakan dan menerapkan metode pengindeksan yang berbeda ([[ ]], [ ], dan $) untuk mengambil data daftar.
• Input Data Eksternal: Gunakan fungsi scan() untuk membaca data dari file eksternal ke dalam daftar atau matriks terstruktur.

🔹 Pelajaran 5: Distribusi Probabilitas dan Uji Statistik

Gambaran Umum: Pelajaran ini memberikan panduan komprehensif tentang menangani distribusi probabilitas dan melakukan inferensi statistik di R. Siswa akan belajar menggunakan sistem awalan standar R (d, p, q, r) untuk fungsi distribusi, menghasilkan statistik deskriptif, serta menilai data secara visual menggunakan fungsi distribusi kumulatif empiris (ecdf) dan plot Q-Q.

Hasil Pembelajaran:

• Kuasai nomenklatur distribusi R (awalan d, p, q, r) dan terapkan pada distribusi standar seperti Normal, T, dan F.
• Buat dan interpretasi alat diagnostik visual, khususnya fungsi distribusi kumulatif empiris (ecdf) dan plot Kuantil-Kuantil (Q-Q) untuk mengevaluasi kesesuaian distribusi.
• Jalankan dan bedakan antara uji parametrik dan non-parametrik, termasuk uji t Welch, uji normalitas Shapiro-Wilk, dan uji Kolmogorov-Smirnov.

🔹 Pelajaran 6: Kontrol Program dan Logika Iteratif

Gambaran Umum: Pelajaran ini membahas mekanisme dasar untuk mengendalikan alur eksekusi dalam R. Fokusnya pada pengelompokan beberapa ekspresi menjadi satu unit dan menggunakan pernyataan kontrol—termasuk percabangan bersyarat (if-else) dan berbagai struktur perulangan (for, repeat, dan while)—untuk mengotomatiskan tugas analisis data dan menangani logika kompleks.

Hasil Pembelajaran:

• Mengelompokkan beberapa ekspresi R menjadi satu pernyataan menggunakan kurung kurawal.
• Menerapkan logika bersyarat untuk mengeksekusi blok kode tertentu berdasarkan kriteria logika.
• Membangun loop iteratif untuk mengotomatiskan operasi berulang pada struktur data seperti vektor dan daftar.

🔹 Pelajaran 7: Pengembangan Fungsi Kustom dan Lingkup

Gambaran Umum: Pelajaran ini mengeksplorasi transisi dari menggunakan R sebagai kalkulator interaktif menjadi menggunakan R sebagai bahasa pemrograman melalui pengembangan fungsi kustom. Pelajaran ini mencakup sintaks definisi fungsi, penanganan argumen, aturan lingkup leksikal, serta konsep dasar sistem berorientasi objek R S3 melalui fungsi generik dan metode.

Hasil Pembelajaran:

• Membuat dan Memanggil Fungsi Kustom: Mendefinisikan fungsi dengan parameter formal dan operator biner kustom.
• Kelola Argumen dan Lingkup: Membedakan antara pencocokan argumen posisional dan kata kunci, serta menjelaskan bagaimana lingkup leksikal mengelola variabel lokal dan bebas.
• Implementasikan State yang Dapat Diubah dan Lingkungan Kustom: Gunakan closure dan operator super-assignment untuk mempertahankan state serta menyesuaikan lingkungan R melalui fungsi startup/sesi.

🔹 Pelajaran 8: Pemodelan Statistik: Linier dan Non-Linier

Gambaran Umum: Pelajaran ini mengeksplorasi serangkaian lengkap alat dalam R untuk pemodelan statistik di luar regresi linier sederhana. Pelajaran ini mencakup ekstraksi informasi model melalui fungsi generik, perbandingan model melalui ANOVA, serta penyesuaian Model Linier Terumum (GLM) untuk data biner dan jumlah, sekaligus teknik pemodelan non-linier.

Hasil Pembelajaran:

• Gunakan fungsi R generik untuk mengekstrak, merangkum, dan memvisualisasikan informasi dari model yang telah difit.
• Lakukan perbandingan model menggunakan tabel ANOVA dan perbarui model yang ada menggunakan sintaks efisien.
• Sesuaikan Model Linier Terumum (GLM) menggunakan keluarga dan fungsi link yang sesuai (misalnya Logit, Probit, Poisson).

🔹 Pelajaran 9: Visualisasi Data dengan Grafik Tingkat Tinggi dan Rendah

Gambaran Umum: Pelajaran ini membahas kemampuan grafis komprehensif R, membedakan antara fungsi plotting tingkat tinggi yang menciptakan grafik lengkap dan perintah tingkat rendah yang menambah elemen spesifik ke tampilan yang sudah ada. Siswa akan belajar memanipulasi parameter grafis untuk kendali estetika yang tepat dan mengelola lingkungan gambar ganda.

Hasil Pembelajaran:

• Membedakan dan menerapkan fungsi grafis tingkat tinggi (misalnya plot(), hist()) dan tingkat rendah (misalnya points(), lines()).
• Menerapkan dan mengelola parameter grafis menggunakan kondisi permanen (par()) dan sementara (tingkat fungsi).
• Mengkoordinasikan tata letak kompleks, termasuk tampilan data multivariat dan lingkungan gambar ganda.

🔹 Pelajaran 10: Ekosistem Paket dan Konfigurasi Lingkungan

Gambaran Umum: Pelajaran ini mengeksplorasi fondasi struktural R, dengan fokus pada ekosistem paket, peran CRAN, dan mekanisme namespace untuk mengelola fungsi. Pelajaran ini juga memberikan peta jalan praktis untuk menjalankan R melalui berbagai antarmuka dan menguasai konfigurasi lingkungan melalui argumen baris perintah dan pintasan keyboard.

Hasil Pembelajaran:

• Memahami hubungan antara paket, namespace, dan sistem repositori CRAN.
• Menjalankan sesi "contoh komprehensif" yang melibatkan manipulasi data, pemodelan statistik, dan pemplotan matematika kompleks.
• Mengonfigurasi lingkungan startup R menggunakan flag baris perintah dan variabel lingkungan.