Pengenalan Bahasa R

1. Pengenalan Bahasa R I G.A. Anom Yudistira E-mail: anom1392@lecturer.binus.ac.id

2. Websites • SimpleRwww.math.csi.cuny.edu/Statistics/R/simpleR/Simple • package, data, dan dokumen • Rwww.r-project.org • software;  cran.r-project.org • dokumen; • packages • RNews.

3. Bahasa R: Selayang Pandang • Open source dan open development. • Merupakan sofware yang dirancangan dan penyebarannya bersifat portable, extensible, dan scalable. • Interoperability dengan bahasa lain: C, XML, FORTRAN. • Disediakan untuk berbagai metode statistik dan numerik. • Memiliki tools graphics dan visualisasi dengan kualitas tinggi. • Memiliki user interface yang efektif, dan extensible • Didukung dengan creation, testing, dan distribusi software dan data modul: packages.  gratis

4. Class abstraksi software mengenai objek dalam dunia nyata. refleksi dari bagaimana kita memandang objek dan informasi apa yang dikandungnya. Method fungsi melakukan aksi terhadap data (objects). aksi fungsi tergantung pada class dari argumen-argumennya. sebuahfungsi generic dapat segera digunakan. Pemrograman Berorientasi Objek (OOP)

5. R antarmuka pengguna • Pemrosesan baris perintah (command line processing) Klik R mulai > q() keluar; quit • Graphik windows > X11() atau > window() > postscript() > dev.off() • File path terhadap working directory > getwd() > setwd() • meload a package library dengan library() • GUIs, tcltk

6. Memperoleh Bantuan (Help) • Detail tentang perintah spesifik yang namanya anda ketahui: • > ? t.test • > help(t.test) • Teladan penggunaan: • > demo(graphics) > example(mean) • mean> x <- c(0:10, 50) • mean> xm <- mean(x) • mean> c(xm, mean(x, trim = 0.1)) • [1] 8.75 5.50

7. Memperoleh Bantuan (Help) • Mesin pencari HTML membantu anda mencari topik tertentu: > help.search(“mean”) • Mencari perintah yang mengandung ekspresi atau nama objek tertentu: > apropos("var") [1] "var.na" ".__M__varLabels:Biobase" [3] "varLabels" "var.test" [5] "varimax" "all.vars" [7] "var" "variable.names" [9] "variable.names.default" "variable.names.lm"

8. Memperoleh Bantuan (Help) • Melihat code suatu fungsi, ketik nama fungsi tanpa parentheses/() or arguments: > plot

9. R sebagai Calculator > log2(32) [1] 5 > print(sqrt(2)) [1] 1.414214 > pi [1] 3.141593 > seq(0, 5, length=6) [1] 0 1 2 3 4 5 > 1+1:10 [1] 2 3 4 5 6 7 8 9 10 11

10. R sebagai alat pembuat Graphics > plot(sin(seq(0, 2*pi, length=100)))

11. Variabel > a <- 49 > sqrt(a) [1] 7 > b <- "Saya sedang belajar R" > sub("Saya","Kamu",b) [1] "Kamu sedang belajar R" > c <- (1+1==3) > c [1] FALSE > is.character(c) [1] "FALSE" numeric character string logical

12. Missing Values Peubah setiap tipe data (numeric, character, logical) dapat mempunyai nilai NA: not available. o NA tidak sama dengan 0 o NA tidak sama dengan “” o NA tidak sama dengan FALSE o NA tidak sama dengan NULL Opersi-operasi yang melibatkan NA bisa saja menghasilkan NA atau tidak: > NA==1 [1] NA > 1+NA [1] NA > max(c(NA, 4, 7)) [1] NA > max(c(NA, 4, 7), na.rm=T) [1] 7 > NA | TRUE [1] TRUE > NA & TRUE [1] NA

13. Vektor vektor: suatu kumpulan data terurut dengan tipe sama > a <- c(1,2,3) > a*2 [1] 2 4 6 Teladan:Nilai UTS statistik dan probabilitas kelas 02PBT adalah sebuah vektor numeric Pada R, sebuah vektor bisa saja hanya memilki sebuah nilai tunggal. Tipe-tipe vektor lain: character strings, logical

14. Matriks dan Array matrix: table data berbentuk segi empat dengan tipe sama Teladan: > mat <- matrix(1:10, nrow=5, ncol=2) array: 3-,4-,.. matrix dimensional Teladan: nilai-nilai foreground and background merah dan hijau untuk 20000 spots pada 120 arrays adalah array 4 x 20000 x 120 (3D).

15. Himpunan (list) list: kumpulan data terurut dari sembarang tipe. Teladan: > doe <- list(name="john",age=28,married=F) > doe$name [1] "john“ > doe$age [1] 28 > doe[[3]] [1] FALSE Elemen-elemen vektor diakses dengan nilai indexnya (integer) sedangkan elemen-elemen list oleh $nama (suatu character string).

16. Data Frame data frame: tabel segiempat dengan baris-baris dan kolom-kolom; data didalam setiap kolom harus bertipe sama (mis. angka, text, logikal), tetapi kolom berbeda bisa saja bertipe tidak sama. Teladan: > a <-data.frame(localization,tumorsize,progress,row.names=patients) > a localization tumorsize progress XX348 proximal 6.3 FALSE XX234 distal 8.0 TRUE XX987 proximal 10.0 FALSE

17. Apa tipe data saya?

18. Subsetting Elemen-elemen individual sebuah vektor, matriks, array or data frame diakses dengan “[ ]” dengan menentukan nilai indeksnya, atau namanya > a localization tumorsize progress XX348 proximal 6.3 0 XX234 distal 8.0 1 XX987 proximal 10.0 0 > a[3, 2] [1] 10 > a["XX987", "tumorsize"] [1] 10 > a["XX987",] localization tumorsize progress XX987 proximal 10 0

19. >a localization tumorsize progress XX348 proximal 6.3 0 XX234 distal 8.0 1 XX987 proximal 10.0 0 > a[c(1,3),] localization tumorsize progress XX348 proximal 6.3 0 XX987 proximal 10.0 0 > a[-c(1,2),] localization tumorsize progress XX987 proximal 10.0 0 > a[c(T,F,T),] localization tumorsize progress XX348 proximal 6.3 0 XX987 proximal 10.0 0 > a$localization [1] "proximal" "distal" "proximal" > a$localization=="proximal" [1] TRUE FALSE TRUE > a[ a$localization=="proximal", ] localization tumorsize progress XX348 proximal 6.3 0 XX987 proximal 10.0 0 Teladan: subset baris-baris dengan vektor indeks subset baris-baris dg. Vektor logikal subset kolom-kolom Hasil pembandingan dalam vektor logikal subset baris-baris yang dipilih

20. Fungsi dan Operator Fungsi melakukan sesuatu terhadap data “Input”: argumen-argumen fungsi (0,1,2,…) “Output”: hasil fungsi Teladan: add <- function(a,b) { result <- a+b return(result) } Operator:Penulisan cepat untuk fungsi-fungsi yang sering digunakan dengan satu atau dua argument.

21. Operator-operator yang sering digunakan

22. Fungsi-fungsi yang sering digunakan

23. Fungsi-fungsi Statistik

24. Fungsi-fungsi Grafik

25. Percabangan if (logical expression) { statements } else { alternative statements } else branch is optional { } are optional with one statement ifelse (logical expression, yes statement, no statement)

26. Loops Bila perintah yang sama diperlukan beberapa kali; untuk semua elemen dalam sebuah list; semua kolom dalam sebuah array; dsb. for(i in 1:10) { print(i*i) } i<-1 while(i<=10) { print(i*i) i<-i+sqrt(i) } Lihat juga: repeat, break, next

27. Expressi Regular Perintah untuk pencocokan text dan replacement yang juga tersedia dalam bentuk yang sama dengan kebanyakan bahasa pemrograman (Perl, Unix shells, Java) > a <- c("CENP-F","Ly-9", "MLN50", "ZNF191", "CLH-17") > grep("L", a) [1] 2 3 5 > grep("L", a, value=T) [1] "Ly-9" "MLN50" "CLH-17" > grep("^L", a, value=T) [1] "Ly-9" > grep("[0-9]", a, value=T) [1] "Ly-9" "MLN50" "ZNF191" "CLH-17" > gsub("[0-9]", "X", a) [1] "CENP-F" "Ly-X" "MLNXX" "ZNFXXX" "CLH-XX"

28. Menyimpan Data Setiap objek R dapat disimpan dan dipanggil kembali dari sebuah file dengan menggunakan perintah: “save” and “load”. Menggunkan standard XDR (external data representation) dari Sun Microsystems dan mempunyai keseuaian terhadap MS-Windows, Unix, Mac. > save(x, file=“x.Rdata”) > load(“x.Rdata”)

29. Importing dan Exporting Data Ada banyak cara untuk mengambil dan mengirim data. Kebanyakan program (seperti Excel), disimpan dalam bentuk tabel segiempat berbentuk tab-delimited text files. > x <- read.delim(“filename.txt”) Lihat juga:read.table, read.csv, scan > write.table(x, file=“x.txt”, sep=“\t”) Lihat juga:write.matrix, write

30. Importing dan Exporting Data • Mengambil data dari format minitab, SAS, STATA dapat dilakukan dengan menggunakan package foreign > library(foreign) > read.mtp(“file.mtp”) # format minitab

31. Simulasi • Teorema Limit Pusat > n<-10; p<-.25; S<-rbinom(100,n,p) >X<-(S-n*p)/sqrt(n*p*(1-p)) # ada 100 angka acak > hist(X,prob=TRUE) > xval=seq(-3,3,.01) > points(xval,dnorm(xval),type="l")

32. Simulasi • 200 sampel diambil dari populasi N(10,5) masing-masing berukutan 100 > samp<-numeric(0) > mu<-10;sigma<-5 > for (i in 1:200) { + x<-rnorm(100,mu,sigma) # bangkikan 100 data + samp[i]<-(mean(x)-mu)/(sigma/sqrt(100)) + } > hist(samp,prob=T,col=gray(0.85)) > xval=seq(-3,3,.01) > points(xval,dnorm(xval),type="l")

33. QQ-Plot • Plot quantil-quantil adalah plot yang lebih baik digunakan untuk memutuskan apakah suatu data acak teraproksimasi normal > par(mfrow=c(1,4)) > x<-rnorm(100);qqnorm(x,main="normal(0,1)"); qqline(x) > x<-rnorm(100,10,15);qqnorm(x,main="normal(10,15)") > qqline(x) > x<-rexp(100,1/10);qqnorm(x,main="exponensial mu=10") > qqline(x) > x<-runif(100);qqnorm(x,main="uniform(0,1)"); qqline(x)

34. Statistik Inferensia > library(Devore6) # panggil package Devore6 > xmp07.06 # lihat datanya > names(xmp07.06) # apa saja variabelnya > with(xmp07.06,mean(Voltage)+ + c(1,-1)*qnorm(0.025)* + sd(Voltage)/sqrt(length(Voltage))) [1] 53.22859 56.18807

35. Statistik Inferensia • Uji t > with(xmp07.06,t.test(Voltage)) One Sample t-test data: Voltage t = 72.4631, df = 47, p-value < 2.2e-16 alternative hypothesis: true mean is not equal to 0 95 percent confidence interval: 53.18950 56.22716 sample estimates: mean of x 54.70833

36. Statistik Inferensia • Selang kepercayaan untuk ragam > with(xmp07.15,(length(voltage)-1)* + var(voltage)/qchisq(c(0.975,0.025), + df=length(voltage)-1)) [1] 76171.31 318079.76 > with(xmp08.08,t.test(DCP,mu=30,alt="less")) One Sample t-test data: DCP t = -0.7282, df = 51, p-value = 0.2349 alternative hypothesis: true mean is less than 30 95 percent confidence interval: -Inf 31.61088 sample estimates: mean of x 28.76154