2  Instalasi & Pengenalan R

Cara setup R, RStudio, pengenalan dasar R, dan data wrangling

Tujuan Pembelajaran
  1. Menginstal R dan RStudio di komputer
  2. Memahami dasar-dasar pemrograman R
  3. Menerapkan fungsi statistik deskriptif dasar (mean, median, min, max, sd)
  4. Memahami konsep Data Wrangling menggunakan paket dplyr

2.1 Instalasi R dan RStudio

2.1.1 Langkah 1: Download dan Install R

  1. Buka https://cran.r-project.org
  2. Pilih Download R for your OS (Windows/macOS/Linux)
  3. Unduh versi terbaru (minimal R 4.2.0)
  4. Jalankan installer — klik Next/Continue hingga selesai

2.1.2 Langkah 2: Download dan Install RStudio

  1. Buka https://posit.co/download/rstudio-desktop/
  2. Download RStudio Desktop Free
  3. Jalankan installer
Mengapa RStudio?

RStudio adalah IDE (Integrated Development Environment) yang membuat penggunaan R jauh lebih nyaman. Fitur utamanya: editor kode dengan highlight syntax, tampilan output visual, panel environment, dan konsol interaktif — semuanya dalam satu layar.

2.2 Pengenalan Dasar R

Referensi Tambahan

Untuk materi dan latihan R interaktif yang lebih komprehensif, Anda dapat mengunjungi Lab Interaktif R - Analisis dan Visualisasi Data.

R dapat dipakai seperti kalkulator untuk menghitung ekspresi matematika dan menyediakan banyak fungsi bawaan, misalnya max() untuk mencari nilai terbesar.

Hal yang perlu diperhatikan:

  • Fungsi ditulis dengan tanda kurung: nama_fungsi(...)
  • Argumen (input) fungsi dipisahkan dengan koma: max(1, 4, 7)

Interpretasi:

  • 1 + 2 menghasilkan 3
  • max(1, 4, 7) menghasilkan 7 (nilai terbesar)

2.2.1 Jenis-jenis Variabel dan Tipe Data

Dalam R, variabel digunakan untuk menyimpan data. Anda bisa menyimpan berbagai jenis (tipe) data ke dalam variabel menggunakan simbol panah <-.

Berikut adalah tipe data dan struktur data yang paling sering digunakan di R:

  1. Numeric: Angka (bisa desimal atau bulat). Contoh: 10.5, 42.
  2. Character / String: Teks. Harus diapit tanda kutip " ". Contoh: "Halo".
  3. Logical: Nilai kebenaran (Boolean). Hanya bernilai TRUE atau FALSE.
  4. Factor: Data kategorikal (memiliki tingkatan atau kelompok tertentu).
  5. Vector: Kumpulan nilai berurutan dengan tipe data yang sama. Dibuat menggunakan fungsi c().
  6. Data Frame: Struktur data dua dimensi (seperti tabel Excel) di mana setiap kolom dapat memiliki tipe data yang berbeda, namun panjangnya harus sama.

Gunakan fungsi class() untuk mengecek tipe data suatu variabel.

2.3 Analisis Statistik Sederhana

Dalam R, data sering disimpan dalam tabel yang disebut Data frame. Setiap kolom adalah vektor yang berisi data.

Untuk mengambil kolom tertentu dari sebuah data frame, gunakan tanda dolar $, misalnya data$kolom1.

2.3.1 Statistik Deskriptif pada Kolom Data Frame

R menyediakan fungsi siap pakai untuk merangkum data, yang sangat berguna ketika melihat distribusi sitasi atau publikasi:

  • mean(x): Rata-rata
  • median(x): Nilai tengah
  • min(x) & max(x): Nilai minimum dan maksimum
  • sd(x): Standar deviasi
  • summary(x): Ringkasan lengkap data

2.4 Visualisasi Data Dasar

Sebelum menggunakan tools bibliometrik yang canggih, memvisualisasikan data secara manual seringkali membantu kita memahami distribusi. R memiliki fungsi bawaan seperti hist() dan barplot().

2.4.1 Histogram

Histogram menampilkan distribusi frekuensi data berjenis numerik berkelanjutan (seperti jumlah sitasi). Sangat berguna untuk melihat sebaran datanya.

Interpretasi: Pada kebanyakan dataset bibliometrik riil, sitasi biasanya terdistribusi miring (skewed), di mana mayoritas artikel mendapat sedikit sitasi, dan hanya sebagian kecil yang mendapat banyak sitasi.

2.4.2 Bar Plot (Diagram Batang)

Diagram Batang sangat ideal untuk data kategorikal diskrit, misalnya tren jumlah publikasi per tahun. Kita perlu menghitung tabel frekuensinya terlebih dahulu menggunakan table().

2.4.3 Visualisasi Lanjutan dengan ggplot2

Untuk visualisasi yang lebih kompleks dan estetis (seperti pada modul-modul selanjutnya), kita akan menggunakan paket ggplot2. Berikut adalah contoh kode untuk menghasilkan histogram dan diagram batang yang sama persis dengan menggunakan ggplot2:

Referensi Tambahan: Untuk panduan lebih lanjut mengenai visualisasi menggunakan paket ini, silakan kunjungi R Graph Gallery - ggplot2.

2.5 Data Wrangling dengan dplyr

Data wrangling adalah proses membersihkan, merapikan, dan mengubah data mentah menjadi format yang siap untuk dianalisis. Paket dplyr adalah tool paling populer di R untuk tugas ini.

Fungsi utama (verb) di dplyr: 1. filter(): Mengambil baris berdasarkan kondisi (misal: artikel tahun > 2020). 2. select(): Memilih kolom tertentu. 3. arrange(): Mengurutkan baris (misal: dari sitasi tertinggi). 4. mutate(): Membuat kolom baru.

2.5.1 Operator Pipe %>% atau |>

Agar kode lebih mudah dibaca, dplyr sering menggunakan pipe operator. Pipe menyambungkan output dari satu fungsi menjadi input fungsi berikutnya.