Dokumen ini memberikan pengantar singkat tentang bahasa pemrograman R. Menguraikan apa itu R, mengapa R cocok untuk analisis data dan visualisasi, komponen-komponen R seperti R base, R packages, dan cara memuat dan menganalisis data sederhana menggunakan fungsi dasar R."

1. A day in the library:
Introduction to R
Oleh:
Dasapta Erwin Irawan
@dasaptaerwin
ITB Central Library
26 Mei 2015

2. Pendahuluan

3. Siapa saya?
Dosen KK Geologi Terapan, FITB, ITB
Mengajar di: Prodi S1 Teknik Geologi dan S2 Teknik Air Tanah
Media sosial: @dasaptaerwin, +Dasapta Erwin Irawan

4. Lisensi dokumen
Dengan menyebutkan penulis dan dokumen ini dalam Daftar
Pustaka, anda boleh:
memperbanyak, menyebarkan, memodifikasi sebagian atau seluruh
dokumen ini,
untuk kegiatan non-komersial.

5. Sumber
Beberapa bagian dari paparan ini diadaptasi dari:
Slide Coursera RD.Peng: R.D. Peng on Github
Slide Coursera Data Specialization oleh J.T. Leek: Data
Specialization
Slide tutorial Kevin Markham: Kevin Markham on Github
Website Quick R Tutorial
Website R Introduction to Statistics
Website saya R from Dummies
dll

6. Data
Data yang disertakan dalam tutorial ini adalah
BandungData.csv.
Berisi data kualitas air (major element) air S. Cikapundung dan
air tanah di bantaran sungainya.

8. Apakah R?

9. Apakah R?
Alfabet ke-18

10. Apakah R?
R adalah bahasa pemrograman (statistik) yang dikembangkan
dari Bahasa S.
S ditulis pada tahun 1976 (saya lahir) oleh John Chambers dkk
di Bell Labs.
S awalnya ditulis sebagai library statistik Bahasa Fortran.
S pada tahun 1988 mulai ditulis ulang dengan Bahasa C++,
hingga kemudian menjadi R yang kita kenal sekarang.

11. Mengapa R?
Free dan Lightweight: free as breathing yang diperlukan
hanya koneksi internet, ukuran installer R base < 70 MB, R
Studio < 60 MB. (Bandingkan dengan SPSS, Matlab)
(Bandingkan dengan SPSS, Matlab)
Cross platform: R tersedia untuk Linux, Mac, dan (tentunya)
Windows. (Sebagian besar Windows only)
Peran komunitas open source: sangat aktif, mailing lists, R
Stack Overflow, Youtube, dll.

12. Mengapa R cocok untuk engineer?
Reproducibility: semua yang ditulis dengan R bisa diulang
oleh orang lain untuk diperbaiki dan dikembangkan. Karena
basisnya open source, maka semangat saling berbagi diantara
pemakai R sangat tinggi.
Terstruktur: basis command line, memang sulit pada awalnya,
tapi membuat analisis lebih terstruktur, tiap langkah dapat
didokumentasikan dengan memberi komentar dll.
Visualisasi: R dapat menghasilkan grafis yang sangat bagus
dan plot yang fully-customizeable. Banyak output grafik yang
tidak dapat dibuat dengan piranti lunak spreadsheet
konvensional.

13. Mengapa R cocok untuk non-programmer?
Mudah: sudah banyak tutorial dilengkapi codenya di internet,
tinggal mengetik how to .... in R.
Sederhana: syntax penulisan kode sederhana, berbasis obyek.
Pengembangan intensif: R dapat dikembangkan melalui >
4000 R packages, bahkan untuk web-authoring, web-scraping,
analisis spasial, dll.

15. Memulai R

16. Karakter R
case sensitive
command line
what you mean is what you get

17. Karakter R 2
R base telah memiliki perbendaharaan fungsi yang sangat kaya
Beberapa package juga telah dimasukkan ke dalam R base
Pengembangan package tujuannya untuk:
memudahkan dan menyingkat kode, misal: dari 10 baris
menjadi tiga baris saja
meningkatkan kualitas grafis

18. Karakter R 3
Jadi jangan heran kalau anda telah fasih menjalankan satu proses,
kemudian dengan perkembangan baru, baris kode anda menjadi
tidak optimal (terlalu panjang).

19. Komponen R
Sebelum ke tahap instalasi, kita kenali dulu komponen R yang
terdiri dari:
R base atau R core
R IDE
R packages

20. R base atau R core
Inti dari R, full functionality.
Jendela script, console, proses, dan output terpisah.
Unduh installer dari Server CRAN. Mirrors di Indonesia:
Mirror BPPT
Mirror Uni Jember

21. R IDE (Integrated Development Environment)
Ada R Studio atau R Commander.
Jendela script, console, proses, dan output menyatu.
Unduh installer dari Website RStudio

22. Jendela R base

23. Jendela R Studio

24. R packages
Pengembangan dari fungsi-fungsi R base dikemas sebagai R
packages.
Saat ini ada lebih dari 4000 packages di sini yang telah
terklasifikasi klik menu Task Views, diantaranya:
Spasial
Timeseries
Lingkungan
bahkan Medis

25. R packages 2
Beberapa packages yang sangat fungsional dari pengembang
individu dapat dimasukkan ke dalam fungsi dasar R base versi
berikutnya, misal: utils, stats, datasets, graphics,
grDevices, grid, methods, tools, parallel, compiler, splines,
tcltk, stats4.

26. R packages 3
Beberapa packages yang sering saya pakai, diantaranya:
cluster, foreign, mgcv, rpart, spatial, dll.
Beberapa package yang dikembangkan oleh ahli biologi dan
lingkungan, dapat diunduh dari Website Bioconductor Project
Atau dari individu langsung via repo Github. Perlu
menginstalasi devtools package

27. R packages 4
Package harus diunduh dan diinstalasi terlebih dahulu dengan
perintah:
install.packages("packageName")
Kemudian package harus dimuat ke memory dengan perintah:
library(packageName)
atau
require(packageName)

28. Instalasi
Sekarang mulailah “pekerjaan kotor kita”, yaitu menginstalasi R ke
dalam PC atau laptop kita. Untuk itu coba perhatikan beberapa hal
berikut ini:
Spesifikasi komputer/laptop: Tidak ada spesifikasi khusus
untuk R, tetapi prinsip utamanya adalah makin besar data yang
anda gunakan, makin kompleks analisis yang anda lakukan,
akan memerlukan spesifikasi prosesor dan RAM yang makin
besar. Jadi ini akan sangat bergantung kepada kebutuhan anda.
Untuk keperluan pembelajaran gunakan saja komputer yang
anda miliki sekarang.
Sistem operasi (OS): Seperti yang telah saya sampaikan
sebelumnya, R berjalan di semua OS: Linux (bisa Ubuntu,
Fedora dll), Mac OS, dan tentunya Windows. Jangan kuatir,
yang manapun OS yang anda pakai, spesifikasi R nya akan
sama persis.

29. Instalasi 2
Apa saja yang perlu anda unduh dan install:
R base: Inti dari R.
Kunjungi Situs R Project
Pilih mirror server. Pilih server yang ada di Indonesia. Klik
CRAN mirror di dalam kotak “Getting Started”. Cari server di
Indonesia. Ada dua, silahkan anda pilih:
Server BPPT
Server Universitas Jember
Setelah server CRAN-BPPT terbuka, klik versi R sesuai dengan
OS yang anda miliki.

30. Instalasi 3
R Studio: lingkungan pemrograman.
Kunjungi Situs R Studio
Klik menu Products > RStudio > klik tombol Download
RStudio Desktop. Secara otomatis R Studio akan membaca
OS yang anda pakai dan proses pengunduhan akan segera
dimulai.

31. Instalasi 4
Atau anda bisa langsung buka halaman
http://www.rstudio.com/products/rstudio/download/,
Pilih versi RStudio.
Pilihan installer yang ada per tanggal 04 September 2014
adalah:
RStudio 0.98.1049 - Windows XP/Vista/7/8 ukuran file 48.2
MB tanggal update 2014-09-02
RStudio 0.98.1049 - Mac OS X 10.6+ (64-bit) ukuran file 37.8
MB tanggal update 2014-09-02
RStudio 0.98.1049 - Debian 6+/Ubuntu 10.04+ (32-bit)
ukuran file 56.3 MB tanggal update 2014-09-02

32. Instalasi 5
RStudio 0.98.1049 - Debian 6+/Ubuntu 10.04+ (64-bit)
ukuran file 58 MB tanggal update 2014-09-02
RStudio 0.98.1049 - Fedora 13+/openSUSE 11.4+ (32-bit)
ukuran file 56.6 MB tanggal update 2014-09-02
RStudio 0.98.1049 - Fedora 13+/openSUSE 11.4+ (64-bit)
ukuran file 57.9 MB tanggal update 2014-09-02

33. Instalasi 6
Setelah proses pengunduhan selesai, jalankan file program
instalasinya:
Untuk Linux: jalankan file xRstudioxx.deb dan ikuti
perintahnya
Untuk Mac OSX: jalankan file xRstudioxx.dmg dan ikuti
perintahnya
Untuk Windows: jalankan file xRstudioxx.exe dan ikuti
perintahnya

35. Bekerja dengan R

36. Format data
format database:
kasus/sampel dalam baris
variable/parameter/pengukuran dalam kolom
tanpa judul tabel dan aksesori lainnya

37. Format data 2
dulu data harus format text/ASCII bukan binary (xls, xlsx, dll),
misal:
txt
csv (comma separated values)
dengan fungsi dasar R

38. Format data 3
sekarang dengan fungsi dari package tambahan, seperti
foreign, read.table, readxl, R dapat meng-import
berbagai format file text maupun binary, misal:
xls, xlsx (Ms Office)
sav (SPPS)
dta (Stata)
odt (LibreOffice)

39. Format data 4

40. Memuat data ke dalam R
data <- read.csv("BandungData.csv", header = TRUE)
attach(data)
## The following object is masked from package:datasets:
##
## CO2

41. Dimensi data
dim(data)
## [1] 295 34

42. Jenis data
str(data)
## 'data.frame': 295 obs. of 34 variables:
## $ no : int 16 22 263 17 12 18 13 19 14 20 ...
## $ code : int 116 122 8 117 112 118 113 119 114 120 .
## $ year : int 1997 1997 1997 1997 1997 1997 1997 1997
## $ type : Factor w/ 2 levels "groundwater",..: 1 1 2 1
## $ x : num 785175 785168 799275 785175 785181 ...
## $ y : num 10752836 10752843 10753680 10752840 107
## $ distx : num 6897 6904 0 6897 6891 ...
## $ elv : int 1338 1336 1336 1320 1300 1247 1240 1230
## $ aq : Factor w/ 3 levels "breccias","clay",..: 3 3
## $ zone : Factor w/ 2 levels "eff","inf": 1 1 1 1 1 1
## $ ec : num 71.9 71.9 77 71.9 71.9 71.9 71.9 71.9 7
## $ ph : num 6.89 6.89 6.39 6.89 6.89 ...
## $ hard : num 11 11 26.4 11 11 11 11 11 11 11 ...
## $ tds : num 58.7 58.7 50 58.7 58.7 ...
## $ temp : num 21 21 16.1 21 21 ...

44. Beberapa contoh visualisasi dan analisis dengan
fungsi dasar R

45. Scatter plot
plot(tds, temp,
xlab = "tds (ppm)",
ylab = "temp (^oC)",
bg = "lightblue",
col = "black",
cex = 1.1,
pch = 21,
frame = FALSE)
abline(lm(tds~temp), col="red") # regression line (y~x)
lines(lowess(tds,temp), col="blue") # lowess line (x,y)
Note: semua yang diketik di belakang simbol # tidak dieksekusi oleh
R, disebut comment. Biasa digunakan untuk memberi penjelasan
baris atau kelompok baris kode.

46. Scatter plot 2
0 200 400 600 800 1000 1200
1520253035
tds (ppm)
temp(C)
Mengapa garis regresi tidak diagonal?

47. Histogram
hist(tds, col="red")
Histogram of tds
tds
Frequency
0 200 400 600 800 1000 1200
020406080

48. Multiple Histogram 2
par(mfrow=c(1,3))
hist(tds, col="red")
hist(ph, col="green")
hist(hard, col="blue")
Histogram of tds
tds
Frequency
0 400 1000
020406080
Histogram of ph
ph
Frequency
5 6 7 8 9
020406080100
Histogram of hard
hard
Frequency
0 40 80
050100150

49. Multiple Histogram 3
par(mfrow=c(2,2))
hist(tds, col="cyan")
hist(ph, col="magenta")
hist(hard, col="yellow")
hist(eh, col="blue")
Histogram of tds
tds
Frequency
0 200 600 1000
060
Histogram of ph
ph
Frequency
5 6 7 8 9
060
Histogram of hard
Frequency
0150
Histogram of eh
Frequency
080

50. Analisis regresi
Berikut contoh perintah untuk mengetahui koef dan intercept
persamaan regresi.
fit <- lm(tds ~ temp, data = data)
coef(fit)

51. Analisis regresi 2
fit <- lm(data$tds ~ data$temp, data = data)
coef(fit)
## (Intercept) data$temp
## -650.96402 37.93123

52. Pairs analysis
Untuk memvisualisasikan matriks korelasi.
group1 <- data[,c("x", "y", "elv", "aq", "ec", "ph",
"hard", "tds", "temp", "eh", "Q")]
pairs(group1,labels=colnames(group1),
main="Physical parameter",
pch=21, bg=c("red", "blue")
[unclass(data$type)],
upper.panel=NULL)
legend(x=0.6, y=0.8, levels(data$type),
pt.bg=c("red", blue"),
pch=21,
bty="n",
ncol=2,
horiz=F)

53. Pairs analysis 2
700 900 1100 1300
7001000
elv
5678
ph
04080
hard
04001000
tds
152535
temp
700 900 1100 1300
048
5 6 7 8 0 20 40 60 80 0 400 800 1200 15 20 25 30 35 0 2 4 6 8 10
048
Q
Physical parameter
groundwater river

54. Multiple linear regression
Misal:
Apakah tds merupakan fungsi linear dari unsur Ca, Mg, dan Fe?
atau tds adalah fungsi dari unsur HCO3, CO3, SO4, Cl?

55. Multiple linear regression 2
fit <- lm(tds ~ Ca + Mg + Fe, data=data)
summary(fit)
##
## Call:
## lm(formula = tds ~ Ca + Mg + Fe, data = data)
##
## Residuals:
## Min 1Q Median 3Q Max
## -352.11 -57.96 -29.36 36.98 835.27
##
## Coefficients:
## Estimate Std. Error t value Pr(>|t|)
## (Intercept) 77.7128 12.3875 6.273 1.28e-09 ***
## Ca 2.8913 0.4657 6.209 1.84e-09 ***
## Mg 11.2824 1.2024 9.384 < 2e-16 ***
## Fe -43.5776 33.5691 -1.298 0.195

56. Multiple linear regression 3
fit2 <- lm(tds ~ HCO3 + CO3 + SO4 + Cl, data=data)
summary(fit2)
##
## Call:
## lm(formula = tds ~ HCO3 + CO3 + SO4 + Cl, data = data)
##
## Residuals:
## Min 1Q Median 3Q Max
## -369.64 -37.61 -23.53 24.36 688.83
##
## Coefficients:
## Estimate Std. Error t value Pr(>|t|)
## (Intercept) 55.08578 10.67173 5.162 4.55e-07 ***
## HCO3 0.77447 0.06993 11.075 < 2e-16 ***
## CO3 1.13775 0.73530 1.547 0.123
## SO4 1.47805 0.25607 5.772 2.01e-08 ***

57. Multiple linear regression 4
anova(fit, fit2)
## Analysis of Variance Table
##
## Model 1: tds ~ Ca + Mg + Fe
## Model 2: tds ~ HCO3 + CO3 + SO4 + Cl
## Res.Df RSS Df Sum of Sq F Pr(>F)
## 1 291 4246450
## 2 290 2778559 1 1467891 153.2 < 2.2e-16 ***
## ---
## Signif. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1

58. PCA
# Prepare Data
mydata <- data[,c("elv", "ph",
"hard", "tds", "temp", "Q")]
mydata <- na.omit(mydata) # listwise deletion of missing
mydata <- scale(mydata)
# run PCA
fit <- princomp(mydata, cor=TRUE)

59. PCA 2
summary(fit) # print variance accounted for
## Importance of components:
## Comp.1 Comp.2 Comp.3
## Standard deviation 1.3597606 1.1297573 0.9700609 0.8
## Proportion of Variance 0.3081582 0.2127253 0.1568364 0.1
## Cumulative Proportion 0.3081582 0.5208834 0.6777198 0.8
## Comp.6
## Standard deviation 0.66931040
## Proportion of Variance 0.07466273
## Cumulative Proportion 1.00000000

60. PCA 3
loadings(fit) # pc loadings
##
## Loadings:
## Comp.1 Comp.2 Comp.3 Comp.4 Comp.5 Comp.6
## elv 0.488 -0.133 0.800 0.132 -0.294
## ph -0.111 0.687 0.709
## hard 0.250 0.368 -0.791 -0.395 0.141
## tds -0.605 -0.206 0.130 -0.153 -0.737
## temp -0.561 -0.101 0.558 -0.111 0.589
## Q -0.598 -0.568 -0.159 0.537
##
## Comp.1 Comp.2 Comp.3 Comp.4 Comp.5 Comp.6
## SS loadings 1.000 1.000 1.000 1.000 1.000 1.000
## Proportion Var 0.167 0.167 0.167 0.167 0.167 0.167
## Cumulative Var 0.167 0.333 0.500 0.667 0.833 1.000

61. PCA 4
plot(fit,type="lines") # scree plot
fit
Variances
0.40.60.81.01.21.41.61.8
Comp.1 Comp.2 Comp.3 Comp.4 Comp.5 Comp.6

62. PCA 5
fit$scores # the principal components
## Comp.1 Comp.2 Comp.3 Comp.4
## 1 2.555170709 4.137174e-01 -0.401835894 0.692409628
## 2 2.550748586 4.149192e-01 -0.401556057 0.685160307
## 4 2.515371607 4.245332e-01 -0.399317361 0.627165736
## 5 2.471150383 4.365508e-01 -0.396518992 0.554672522
## 6 2.353964139 4.683973e-01 -0.389103312 0.362565505
## 7 2.338486711 4.726035e-01 -0.388123883 0.337192881
## 8 2.316376099 4.786123e-01 -0.386724698 0.300946274
## 9 2.311953977 4.798140e-01 -0.386444861 0.293696952
## 10 2.305320793 4.816167e-01 -0.386025106 0.282822970
## 11 2.250044263 4.966386e-01 -0.382527144 0.192206453
## 12 2.227933651 5.026474e-01 -0.381127959 0.155959846
## 13 1.867410026 -2.616254e-01 -0.089218290 0.321085216
## 14 1.645181935 -7.239144e-01 1.219284576 0.021630346
## 16 1.105647572 -1.059011e+00 1.265951112 0.539519751

63. PCA 6
biplot(fit)
−0.3 −0.2 −0.1 0.0 0.1 0.2
−0.3−0.2−0.10.00.10.2
Comp.1
Comp.2
12456789101112
13
14
16
17
18
19
20
21
22
23
26
2728
30
31 32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
49
50
51
5253
54
56
57
58
60
61
63
64 65
66
6768
69
70
71
72
73
75
76
77
78
79
80
81
82
85
86
87
89
90
91
92
93949596
97
98
99
100
101
102
103
104
105
106
108
109
110111 112
113
115
116
117
119120
122
123
124
125
126
127128129130
131
132
134
135
136137
138
139
140141
144
145
146
148
149
150
151
152
153
154
155
156
157
158
159
160
161
162
163
164 165
167
168
169170
171
172
174175
176
178
179
181
182
183
184
185
186
187
188
189
190
191
193
194
195196
197
198
199
200203
204
205
207
208
209
210
211
212213
214 215
216
217
218
219
220
221
222
223
224
226
227
228
229
230
231
233
234
235 237
238
240 241
242
243
244
245
246
247
248
249
250
252
253
254
255
256
257 258
259
262
263264
266
267
268
269
270
271
272
273
274
275276
277
278
279
280
281
282
283
285
286
287
288
289
290
292
293
294
−15 −10 −5 0 5 10
−15−10−50510
elv
ph
hard
tds
temp
Q

64. Cluster analysis
# Ward Hierarchical Clustering
d <- dist(as.matrix(mydata), method="euclidean") # distance
fit <- hclust(d, method="complete", members=NULL)

65. Cluster analysis 2
plot(fit) # display dendogram
10424219437101267286289288270287257281279278282283292293462131161621641121101111511454022910015410915716789165821081171701681741751551561602752761131061761712694435982741633634219230301055049223285512051611692592802682562722552582622662902942732642772632712312342262212092129695939479196195771362041401411531598133210382001391981494715854562032810214822026228851913878135201973221641103222159222257319121411515258233522181992787212314699150972071252481221371775721886317812414191166117971183661316470190126186185252187189246249245247691821313419351234181119160212010128867127968665718473132111291213024325025325423724123824024417276392089042217188086144227534322423545211
024681012
Cluster Dendrogram
hclust (*, "complete")
d
Height
Coba tweak grafik ini agar id sampel terbaca.

67. Penutup

68. Workshop selanjutnya
tematik: basic stats, multivariate stats, plotting, exploratory
data analysis
sharing session dari pengguna: kasus, data, kode

69. Slide dan kode
Slide:
format pdf tersedia di SlideShare
format ioslide tersedia di Rpubs
Kode: tersedia di Github

70. Media sosial
Facebook Group Indonesia R User
Me on Twitter: @dasaptaerwin
Me on G+: +Dasapta Erwin Irawan
Me on ResearchGate:
www.researchgate.net/profile/dasapta_irawan
I used Ubuntu 14.04 and R Markdown

72. Terimakasih