Apa Itu R? Bahasa Pemrograman untuk Data dan Statistika

Apa Itu R?

R adalah bahasa pemrograman yang dibuat untuk satu tugas: bekerja dengan data. Statistika, analisis data, dan visualisasi data bukan hal yang ditempelkan ke R lewat library; semua itu adalah bahasanya sendiri. Rata-rata, model, plot, dan distribusi probabilitas sudah tersedia sejak awal, dan sintaksnya dibentuk mengikuti pertanyaan yang benar-benar diajukan orang data: "ini satu kolom angka, ceritakan sesuatu tentangnya."

Fokus itulah kepribadian R. Bahasa serba guna seperti Java memintamu membangun dari elemen paling dasar. R memberimu uji t dalam satu baris.

Inilah R melakukan tugas yang memang menjadi tujuannya, coba jalankan:

scores <- c(88, 92, 79, 95, 85, 90, 73, 98)

cat("Mean:", mean(scores), "\n")
cat("Standard deviation:", round(sd(scores), 2), "\n")
cat("Highest score:", max(scores), "\n")

Tiga statistik, tiga baris, tanpa import. c() membuat vector berisi nilai-nilai, dan mean(), sd(), serta max() sudah tersedia di dalam bahasanya. Itulah pengalaman memakai R dalam bentuk mini.

Sejarah Singkat

R berasal dari S, bahasa statistika yang dikembangkan di Bell Labs pada tahun 1970-an. Pada pertengahan 1990-an, dua ahli statistika di University of Auckland, Ross Ihaka dan Robert Gentleman, membuat implementasi gratis dan open source dari gagasan-gagasan S, lalu menamainya R, permainan kata dari huruf awal nama depan mereka berdua sekaligus dari S yang menjadi leluhurnya.

R 1.0 dirilis pada tahun 2000, dan bahasa ini dikelola oleh R Core Team sejak saat itu. Karena R gratis sementara leluhur komersialnya tidak, R lebih dulu menyebar di universitas dan laboratorium riset, dan DNA akademik itu masih terlihat: ketika ahli statistika menemukan metode baru, package R yang mengimplementasikannya biasanya muncul lebih dulu daripada yang lain.

Kegunaan R

• Statistika dan analisis data. Kegunaan utamanya. Statistik deskriptif, uji hipotesis, regresi, deret waktu, semuanya menjadi warga kelas satu.
• Visualisasi data. Plot di R dasar cukup satu panggilan fungsi, dan package ggplot2 dianggap banyak orang sebagai library grafik terbaik di bahasa mana pun.
• Data science. Kumpulan package "tidyverse" (dplyr, tidyr, readr) membuat pembersihan dan pengubahan bentuk data yang berantakan terasa sangat menyenangkan.
• Bioinformatika. Proyek Bioconductor, ribuan package R untuk genomika, menjadikan R bahasa default di sebagian besar bidang biologi.
• Akademik dan riset. Ekonomi, psikologi, epidemiologi, ekologi: kalau sebuah bidang menerbitkan makalah dengan p-value, mahasiswa pascasarjananya kemungkinan besar menulis R.
• Pelaporan. R Markdown dan Quarto mengubah kode analisis menjadi laporan, slide, dan dashboard yang rapi.

Kenapa Orang Menyukai R

Semuanya adalah vector. Operasi di R secara alami berlaku untuk seluruh kumpulan nilai sekaligus: prices * 1.2 menaikkan setiap harga sebesar 20%, tanpa perlu perulangan. Begitu ini kamu pahami, kode data menjadi jauh lebih pendek. Kamu akan melihatnya di mana-mana saat sampai di vector.

prices <- c(10, 25, 40)
with_tax <- prices * 1.08

print(with_tax)

Statistika sudah tersedia di dalamnya. Pembangkitan angka acak, distribusi, uji statistik, dan model linear ada di R dasar. Di kebanyakan bahasa, semua itu dependensi pihak ketiga; di R, semuanya sudah ada.

CRAN. Comprehensive R Archive Network menampung lebih dari 20.000 package pilihan, dan setiap package lolos pemeriksaan otomatis sebelum diterbitkan. Metode khusus apa pun yang dipakai bidangmu, seseorang sudah membuat package-nya.

Plot yang menghargai waktumu. hist(scores) memberimu histogram. Satu panggilan. Analisis eksploratif (lihat datanya, sesuaikan, lihat lagi) adalah hal yang dioptimalkan oleh R.

R vs Python: Versi yang Jujur

Ini pertanyaan yang diajukan setiap pemula, jadi berikut jawabannya tanpa fanatisme.

Python adalah bahasa serba guna yang sangat bagus untuk data. Python unggul ketika pekerjaan data hanya salah satu bagian dari sistem yang lebih besar: aplikasi web, pipeline machine learning di produksi, kode perekat untuk otomatisasi. Lowongan kerjanya lebih banyak, dan satu bahasa mencakup wilayah yang lebih luas.

R adalah bahasa data yang sangat unggul untuk statistika. R menang ketika pekerjaannya adalah analisis itu sendiri: menjelajahi dataset, membuat model statistik, menghasilkan grafik dan laporan berkualitas publikasi. Ekosistem statistikanya lebih dalam, dan metode-metode terbaru muncul di R lebih dulu.

Tidak ada yang "lebih baik"; keduanya mengarah ke pusat gravitasi yang berbeda. Kalau kamu berkecimpung di riset, biostatistika, atau peran yang sarat analitik, mulailah dengan R. Kalau kamu menyasar rekayasa perangkat lunak dengan sentuhan data, mulailah dengan Python. Dan rahasia yang dilewatkan perdebatan online: bahasa kedua hanya butuh sebagian kecil usaha setelah kamu menguasai yang pertama, dan banyak profesional memakai keduanya dalam minggu yang sama.

Coba Sekarang Juga

Kamu tidak perlu menginstal apa pun untuk memulai: blok kode di halaman-halaman ini bisa langsung dijalankan. Berikut contoh yang sedikit lebih besar: menyimulasikan lemparan dadu lalu merangkumnya.

set.seed(42)
rolls <- sample(1:6, size = 100, replace = TRUE)

cat("First ten rolls:", rolls[1:10], "\n")
cat("Average roll:", mean(rolls), "\n")
print(table(rolls))

sample() menyimulasikan 100 lemparan dadu, dan table() menghitung seberapa sering setiap sisi muncul: tabel frekuensi dalam satu panggilan. Ganti 100 menjadi 10000 lalu jalankan lagi; rata-ratanya perlahan mendekati 3,5, persis seperti kata teori probabilitas. Siklus itu (pertanyaan, kode, jawaban, ubah sedikit) adalah rasanya bekerja dengan R.

Ketika kamu siap menjalankan R di komputermu sendiri, langkah berikutnya adalah menginstal R dan RStudio.

Yang Perlu Kamu Ingat

• R adalah bahasa gratis dan open source yang dibuat khusus untuk statistika, analisis data, dan visualisasi.
• R berasal dari S, dibuat oleh Ross Ihaka dan Robert Gentleman pada pertengahan 1990-an; R 1.0 hadir pada tahun 2000.
• Kekuatannya: operasi tervektorisasi, statistika bawaan, lebih dari 20.000 package di CRAN, dan kemampuan plot kelas atas.
• R vs Python bukan perang: R lebih dalam untuk statistika, Python lebih luas untuk rekayasa, dan banyak orang memakai keduanya.

Berikutnya: menginstal R (dan RStudio) di komputermu sendiri.