Bahasa Pemrograman R

Pengenalan

Bahasa R merupakan bahasa yang dibuat untuk kepentingan komputasi statistik dan grafik. Dewasa ini bahasa R sering digunakan dalam Data Sains dan Machine Learning. Mengapa bahasa R ini sangat cocok untuk hal2 tersebut? Salah satu penyebabnya adalah tipe datanya yg khas, yg jarang dimiliki bahasa lain. Kita akan bahas tipe data ini nanti.

Berbeda dengan bahasa seperti Java, PHP, Kotlin, dsb yang menghasilkan produk perangkat lunak, bahasa R digunakan untuk membantu membuat suatu keputusan, membuat prediksi, menafsirkan data, dsb walaupun juga tetap bisa digunakan untuk membuat produk perangkat lunak. Oleh karena itu dalam dunia bisnis maupun penelitian, bahasa R memiliki posisi yang penting.

Permintaan dunia kerja untuk bahasa R ini juga terbilang tinggi. Gaji yang ditawarkanpun masih tinggi yang menjadikan bahasa R ini semakin menarik untuk dipelajari. Sekarang kita lanjut lakukan instalasi bahasa R.

PART 1.2 - Instalasi, Variable, dan Tipe Data

Silahkan tonton dahulu video berikut: https://www.youtube.com/watch?v=ZZr8KFoeX8Y

Pertama-tama lakukan instalasi seperti petunjuk pada video, dan pastikan semua command dapat berjalan pada console R.

Bagian pertama yang penting untuk dipelajari yaitu Tipe Data dan Variable. Tipe Data yang dibahas pada video yaitu character/text/string, numeric (terdiri dari integer, double, dan complex) dan logical/boolean. Sebenarnya ada saja tipe data yang ada dalam bahasa R? Lihat pada halaman berikut: https://www.instagram.com/p/CIPkA4Ygxu2

Vector, List, Matrix, Array, Factor, dan Data Frame adalah kelompok data structure. Yaitu jenis tipe data yang dapat menampung beberapa data sekaligus. Tidak seperti pada pemrograman lain semisal PHP, Java, dsb yang hanya memiliki Array untuk data structurenya, pada R data structure sangat beragam. Oleh karena itu bahasa R sangat cocok untuk pengolahan datasains, machine learning, dsb.

Data-data tersebut kemudian dapat kita masukkan kedalam suatu wadah, dalam pemrograman disebut dengan variable. Kita dapat memasukkan suatu nilai kedalam variable dengan tanda sama dengan = misalkan code berikut:

a = 100

b = "KampusBiner"

Maka a berisi 100 dan b berisi "KampusBiner". a adalah numeric double dan b adalah character. Namun ada 1 hal yg perlu diingat, cara memasukkan nilai kedalam variable menggunakan sama dengan = dalam bahasa R sangat tidak dianjurkan. Sebagai gantinya digunakan simbol berikut:

a <- 100

b <- "KampusBiner"

atau bisa juga dituliskan:

100 -> a

"KampusBiner" -> b

Apa perbedaan = dengan -> dan <- akan kita bahas dalam pertemuan berikutnya.

Selain penggunaan -> dan <- , hal unik lainnya dalam bahasa R adalah cara penamaan variable yang berbeda dengan bahasa lain. Pada bahasa R diperkenankan menulis variable dangan simbol titik . misalkan code berikut:

... = 100

Hal lainnya yg unik yaitu tidak bisa menggunakan underscore _ pada posisi depan nama variable, misalkan code berikut:

_error = "salah"

=====================================

Data Structure

Data structure atau struktur data adalah cara penyimpanan beberapa data sekaligus dalam 1 variable. Dikebanyakan bahasa lain data structure berupa array. Tetapi dalam bahasa R ada banyak data structure yaitu:

- Vector

- List

- Dataframe

- Matric

- Array

- Factor

Karena beragamnya data structure pada R ini, maka R sangat cocok untuk digunakan dalam data sains dan machine learning yang syarat akan pengolahan data.

Vector

Salah satu data structure dalam bahasa R yaitu vector. Vector adalah array 1 dimensi berisikan data dengan tipe data yang sama. Ada beberapa cara penulisan vector:

a <- c(1,2,3,4,5)

a <- 1:5

a <- seq(1,5)

Bukan hanya numeric, vector juga dapat menampung tipe data logical dan character:

a <- c(TRUE, FALSE, TRUE)

a <- c("K","A","M","P","U","S","B","I","N","E","R")

Simak lebih lengkap penjelasan mengenai vector pada video berikut: https://www.youtube.com/watch?v=5sS0pOOfyZs

Pada video teman2 akan menemukan banyak perbedaan R dengan bahasa lain. Misalkan cara mengambil data dari dalam vector. Jika pada bahasa lain element array dimulai dari index 0, pada R element vector dimulai dari index 1. Selain itu juga terdapat fitur filtering yang tidak dimiliki banyak bahasa lain.

Silahkan teman2 pahami dulu vector ini sebelum masuk ke data structure lainnya.

=====================================

List

Jika pada vector kita harus memasukkan tipe data yang sama, maka pada list kita bisa memasukkan bermacam-macam tipe data kedalamnya. Misalkan:

a <- list(1,"kampus",2,3,"biner",TRUE,FALSE,c(1,2,3))

Bahkan pada list kita bisa memasukkan tipe data list itu sendiri:

a <- list(1,"kampus",2,3,"biner",TRUE,FALSE,c(1,2,3),list("tes",5,6,7))

Dengan demikian list dapat digunakan untuk membentuk multidimensi data structure. Misalkan untuk membentuk list berdimensi 2 sebagai berikut:

a <- list(list("Andi","Umar","Budi"), list(15,55,34), list("Jakarta", "Aceh", "Sorong"))

list a memiliki element pertama berisikan nama, element kedua berisikan umur, dan element ke 3 berisikan nama kota.

Lebih lengkap mengenai list dapat lihat pada video berikut: https://youtu.be/6X6N_l-LYls

Pada penjelasan mengenai multidimensi data structure sebelumnya, list tidak harus memiliki jumlah element yang sama di dimensi keduanya, misalkan:

a <- list(list("Andi","Umar"), list(15,55,34), list("Jakarta", "Aceh", "Sorong", "Maluku", "Banjarmasin"))

Terlihat pada element pertama list terdiri dari 2 element, selanjutnya 3 element dan terakhir pada nama kota terdiri dari 5 element. Untuk menjaga jumlah element sama maka list kurang cocok digunakan. Sebagai gantinya dapat menggunakan matrix, array, dan data frame. Untuk saat ini kita akan pelajari dahulu matrix. Array dan Data Frame akan diterangkan berikutnya.

Matrix

Matrix sama seperti vector, harus memiliki tipe data yang sama. Bedanya matrix terdiri dari 2 dimensi yaitu baris (row) dan kolom (col). Contoh cara membentuk matrix sbb:

a <- matrix(c(1,2,3,4,5,6), nrow=2, ncol=3)

Akan membentuk matrix yang apabila divisualisasikan sbb:

1 - 3 - 5

2 - 4 - 6

Terlihat pada matrix jumlah element pada dimensi keduanya memiliki panjang yang sama. Apabila nilai yang diinput lebih sedikit dibandingkan row dan col yang di set, maka element yang kosong akan mengulangi nilai dari awal. Misalkan:

a <- matrix(c(1,2,3,4,5,6), nrow=3, ncol=3)

Akan membentuk matrix sbb:

1 - 4 - 1

2 - 5 - 2

3 - 6 - 3

Penjelasan lengkap mengenai matrix dapat dilihat pada video berikut: https://youtu.be/XeuiROnBvqE

=====================================

Array

Array adalah tipe data structure yang dapat menampung data dalam 1 dimensi, 2 dimensi, atau lebih. Tipe data yang ditampung harus memiliki tipe data yang sama. Misalkan:

x <- array(1:48, dim=c(2,3,4))

Ukuran dimensi diatur dalam atribut "dim". Penjelasan mengenai array lebih lanjut pada video berikut: https://youtu.be/BKl6KKzlZ38

Data Frame

Data Frame adalah salah satu data structure yang akan sering dipakai ketika bekerja dengan data tabular. Data frame berbentuk seperti table yang terdiri dari baris dan kolom. Setiap kolom memiliki tipe data yang sama. Misalkan:

id <- 1:5

nama <- c('Andi', 'Umar', 'Banu', 'Susi', 'Astari')

umur <- c(45,50,13,20,33)

data <- data.frame("Id" = id, "Nama" = nama, "Umur" = umur)

Terlihat "Id", "Nama", dan "Umur" adalah nama kolom pada data frame data. Penjelasan lebih lanjut pada video berikut: https://youtu.be/-3-FJLCfNgc

Factor

Factor adalah tipe data khas yang dimiliki R yang jarang dimiliki bahasa pemrograman lain. Agar memahami data structure yang satu ini kita harus pahami dahulu 2 jenis pengelompokan data yaitu nominal dan ordinal.

Contoh nominal:

- ruang makan, ruang tidur, kamar mandi, garasi

- daun, batang, akar, ranting

Contoh ordinal:

- kecil, sedang, besar

- dekat, menengah, jauh

Pengelompokan nominal sama seperti ordinal, bedanya pada ordinal terbentuk hirari seperti kecil ke besar, atau dekat ke jauh, dsb. Factor memiliki keistimewaan untuk mengelompokkan data dalam bentuk nominal ataupun ordinal. Contoh:

x <- factor(c('kursi', 'meja', 'piring', 'sendok'))

adalah contoh pengelompokan nominal

x <- factor(c('sedang', 'sedang', 'besar', 'kecil'), levels=c('kecil', 'sedang', 'besar'), ordered=TRUE)

adalah contoh pengelompokan ordinal

Lebih detail mengenai factor lihat pada video berikut: https://youtu.be/0bAU7ZeCM_4

=====================================

Kondisional

Kondisional dalam bahasa awam bisa diterjemahkan menjadi:

- "jika ... maka ..."

- "jika ... maka ... , namun jika sebaliknya maka ..."

- "jika ... maka ... , namun jika ... maka ... , dan jika tidak keduanya maka ..."

Dalam bahasa R diterjemahkan menjadi:

- if ( ... ){ ... }

- if ( ... ){ ... } else { ... }

- if ( ... ){ ... } else if { ... } else { ... }

Ada 1 buah kondisional lagi yaitu switch. Switch pada bahasa R berbeda dengan switch pada bahasa semisal JavaScript, PHP, dsb. Lebih detail lihat pada video berikut: https://www.youtube.com/watch?v=D4IhUNk91zY

Pada video kita mengenal 1 buah operator lagi yaitu %in% . Operator tersebut termasuk operator relational yang digunakan pada data structure. Gunanya untuk mengecek apakah suatu nilai terdapat didalam sebuah data structure. Misalkan:

'a' %in% list(100,'b','a','z')

Maka menghasilkan TRUE

print(3 %in% matrix(1:12, nrow=4))

Maka menghasilkan TRUE

'x' %in% c('a','b','c')

Maka menghasilkan FALSE

=====================================

Function

Function atau fungsi adalah sekumpulan statement yang diblok untuk melakukan suatu tugas. Blok tersebut kemudian diberi nama dan dengan memanggil nama tersebut statement yang ada didalam blok dapat dieksekusi. Pemanggilan nama tersebut dapat dilakukan berkali-kali, itu yang menyebabkan fungsi sangat bermanfaat salah satunya untuk mencegah penulisan code yang sama berkali-kali.

Penulisan fungsi pada R memiliki syntax seperti berikut:

namafungsi <- function( atribut ){

statement

return( nilai )

}

Yg harus diingat adalah, variable diluar fungsi berbeda dengan variable didalam fungsi (walaupun nama variablenya sama). Untuk memanggil variable diluar fungsi dari dalam fungsi digunakan operator <<- atau ->>

Lebih detail mengenai fungsi lihat video berikut: https://youtu.be/KWCgiG566pM

=====================================

Class dan Object

Untuk memahami Class dan Object anggaplah class itu sebuah cetakan kue. Cetakan kue tersebut kemudian mencetak banyak kue dalam hal ini object. Kue-kue yang terbentuk dari cetakan yang sama akan memiliki kemiripan bentuk dengan cetakannya.

Class dalam bahasa R berfungsi untuk membentuk object2 yang sifatnya menyerupai si class pembentuknya. Dalam bahasa R terdapat 3 jenis class:

- S3

- S4

- Reference Class

Reference Class adalah sistem pengkelasan yang terbaru sedangkan S3 yang paling lawas. Dalam video berikut dijelaskan cara pembuatan reference class beserta contohnya: https://www.youtube.com/watch?v=NE-FYdMxiBg

Setiap object yang terbentuk dari sebuah class akan menjadi memory tersendiri, sehingga apabila ada nilai yg berubah didalam object tersebut tidak akan berpengaruh ke object lainnya walaupun dibentuk dari class yang sama. Class sangat berguna ketika sistem yang dibuat cukup besar sehingga perlu dibuat blok-blok yang lebih kecil dengan aturannya sendiri-sendiri. Class juga sangat berguna dalam development untuk pembagian kerja antar programmer.

Baca juga