RStudio
RStudio
Pengertian
RStudio (kini dikembangkan oleh Posit PBC) adalah IDE (Integrated Development Environment) untuk bahasa pemrograman R. Perlu dibedakan:
- R adalah bahasa pemrograman dan mesin komputasi statistiknya
- RStudio adalah antarmuka yang membuat R lebih nyaman dipakai
R bersifat gratis dan open source, serta dipakai luas oleh akademisi, peneliti, dan analis data di seluruh dunia.
Tampilan Empat Panel
- Source (editor script): tempat menulis kode, berkas R Script atau R Markdown
- Console: tempat kode dijalankan dan hasilnya muncul
- Environment/History: daftar objek, data, dan riwayat perintah
- Files/Plots/Packages/Help/Viewer: mengelola file, melihat grafik, memasang paket, dan membaca dokumentasi
Konsep Dasar R
- Objek dan variabel:
x <- 10 - Vektor:
c(1, 2, 3) - Data frame: tabel data (baris = observasi, kolom = variabel)
- Fungsi:
mean(),sd(),lm(),plot() - Paket (package): kumpulan fungsi tambahan, dipasang lewat
install.packages("nama")dan dipanggil lewatlibrary(nama)
Paket Populer
| Paket | Kegunaan |
|---|---|
| tidyverse (dplyr, tidyr, readr) | Manipulasi dan pembersihan data |
| ggplot2 | Visualisasi data berkualitas tinggi |
| readxl, haven | Impor data dari Excel, SPSS, dan STATA |
| lm, car, lmtest | Regresi dan uji asumsi klasik |
| plm | Regresi data panel |
| forecast, tseries, vars | Analisis time series |
| lavaan | CB-SEM |
| seminr, plspm | PLS-SEM |
| psych | Analisis psikometrik, validitas, dan reliabilitas |
| caret, tidymodels | Machine learning |
| rmarkdown, knitr, shiny | Laporan otomatis dan aplikasi web interaktif |
Contoh Kode Sederhana
r
data <- read.csv("data.csv")
summary(data)
model <- lm(pembiayaan ~ roa + fdr + npf, data = data)
summary(model)
library(ggplot2)
ggplot(data, aes(x = roa, y = pembiayaan)) + geom_point() + geom_smooth(method = "lm")Kelebihan
- Gratis dan open source
- Paket sangat banyak (puluhan ribu di CRAN)
- Visualisasi sangat fleksibel dan indah (ggplot2)
- Hasil analisis dapat direproduksi dan terdokumentasi
- Bisa dipakai untuk statistik, machine learning, text mining, dan web scraping
- Komunitas besar dan banyak materi belajar
Kekurangan
- Kurva belajar curam bagi pemula karena berbasis kode
- Pesan error kadang sulit dipahami
- Pengolahan data yang sangat besar bergantung pada memori komputer
- Kualitas paket tidak seragam karena dibuat banyak kontributor
Contoh Penerapan
Membuat analisis statistik deskriptif, regresi, grafik tren pembiayaan syariah, hingga laporan otomatis dalam format Word atau PDF lewat R Markdown.
Komentar
Posting Komentar