Regresi linier merupakan metode yang digunakan dalam memperoleh hubungan antara 1 variable dependen dengan 1 atau lebih variabel independen. Apabila variable idependen yang digunakan hanya satu maka disebut regresi linear sederhana sedangkan apabila lebih dari satu maka disebut regresi linear berganda. Berikut contoh regresi linear berganda pada data sembuh Covid-19 & Google Mobility Index pada bulan Mei 2020.

Membangun Regresi Linear Berganda pada data Google mobility index di DKI Jakarta

Berikut penerapan pivot data inflow Uang Kartal di Pulau Sulawesi pada tahun 2011-2020 menggunakan bahasa pemrograman R.

Berikut relasional data set antara indeks harga konsumen dengan tingkat inflansi Desember 2021 Kota-kota di Pulau Jawa dengan Nasional pada RStudio menggunakan bahasa pemrograman R.

Berikut penerapan pivotdata inflow Uang Kartal di Pulau Sumatera pada tahun 2019 menggunakan bahasa pemrograman R.

Menampilkan data berdasarkan kriteria atau perhitungan tertentu, membandingkan antar field (kolom) satu dengan yang lainnya, menampilkan perulangan data, hubungan perulangan data pada suatu periode dan lain sebagainya. Selain itu bahasa pemrograman R juga menyediakan fitur provitdata. Berikut penerapan pivotdata outflow uang kartal di Pulau Kalimantan selama 10 periode terakhir menggunakan bahasa pemrograman R.

Berikut penerapan pivotdata outlow uang kartal di Pulau Jawa pada tahun 2017 menggunakan bahasa pemrograman R.

Penerapan visualisasi prediksi data inflow dan outflow di Provinsi Jambidengan menggunakan pemrograman pada Bahasa R oleh mahasiswi UIN Maulana Malik Ibrahim Malang

Penerapan visualisasi prediksi data inflow dan outflow di Provinsi Riau dengan menggunakan pemrograman pada Bahasa R oleh mahasiswi UIN Maulana Malik Ibrahim Malang

Berikut contoh penerapan visualisasi prediksi data inflow & outflow di Provinsi Sumatera Barat dengan menggunakan pemograman pada Bahasa R

Berikut adalah visualisasi data inflow dan outflow uang kartal yang ada di provinsi Aceh.

Inflow merupakan uang yang masuk ke BI melalui kegiatan penyetoran, sedangkan outflow merupakan uang yang keluar dari BI melalui kegiatan penarikan.Adapun contoh penerapan visualisasi prediksi data inflow & outflow pada sumatera barat dengan menggunakan pemerograman pada Bahasa R adalah sebagai berikut

trfyguhijokldfmxsjhdewyfihqwoidawnxmnzxucihdsufewokqwd cbdusgu9fsalsnkjvfdhj;lndfhrshodj;qlbuyiopweorihe qYTUIEL

membahas cara membentuk model statistik menggunakan R. Terdapat 2 buah jenis model yang akan dibahas pada Chapter ini, yaitu: regresi dan klasifikasi. Untuk informasi terkait cara untuk melakukan inferensi berdasarkan hasil yang diperoleh dan cara untuk melakukan prediksi menggunakan model yang terbentuk

Regresi linier merupakan model sederhana yang paling sering dibahas dalam buku-buku statistika. Modelnya cukup sederhana dimana kita berusaha membentuk model dengan pendekatan garis linier dengan prinsip meminimalkan jumlah kuadrat residual pada data. Model yang tebentuk akan menghasilkan dua buah nilai yaitu nilai konstanta (titik potong sumbu y) dan nilai slope kurva. Model yang terbentuk secara umum haruslah memenuhi asumsi dasar model linier

ada sub-Chapter sebelumnya penulis telah menjelaskan uji rata-rata untuk satu sampel dan dua sampel. Pada kenyataannya dalam sebuah percobaan laboratorium, kita tidak hanya membandingkan dua buah grup sampel saja, namun beberapa grup dan sejumlah faktor. Untuk menganalisa apakah variasi perlakuan pada kelompok sampel akan memberikan hasil yang berbeda-beda pada rata-rata tiap grup atau tidak diperlukan analisis varians untuk menganilisa variasi perlakuan atau faktor pada masing-masing grup. Analisis varians dapat dilakukan baik untuk satu faktor maupun dua faktor atau lebih. Untuk melakukannya pada R, kita dapat menggunakan fungsi aov() untuk analisis varians dengan metode parametrik dan kruskal.test() untuk analisis varians dengan menggunakan metode nonparametrik.

Persamaan Adveksi-Difuksi 1D Pada contoh kali ini, kita akan memodifikasi persamaan difusi satu dimensi yang telah dilakukan sebelumnya dengan menambahkan bagian adveksi serta diselesaikan menggunakan paket Reactran.

Persamaan diferensial merupakan persoalan matematis yang sering dijumpai dalam bidang teknik lingkungan. Sering kali suatu persamaan diferensial tidak dapat diselesaikan secara analitik sehingga diperlukan metode numerik untuk menyelesaikannya. Pada Chapter 10, kita akan membahas masalah-masalah dalam persamaan diferensial dan metode penyelesaiannya. Adapun yang akan dibahas pada Chapter 10 kali ini antara lain: Initial value problems, Sistem persamaan diferensial, Persamaan diferensial parsial

Pada Chapter 11, kita akan membahas mengenai cara melakukan analisis data pada R. Pada Chapter ini penulis akan memperkenalkan fungsi-fungsi yang ada pada R yang dapat membantu kita menganalisis data dan melakukan sejumlah uji statistik. Pada Chapter ini kita tidak akan berfokus pada persamaan-persamaan matematika yang menjadi dasar suatu uji statistik. Chapter ini menitik beratkan pada bagaimana pembaca dapat melakukan sejumlah uji statistik pada R dan gambaran metode yang digunakan.

Pada studi kasus kali ini, kita akan membahas teknik mengisi nilai yang hilang pada data runtun waktu. Terdapat banyak teknik untuk yang dapat digunakan untuk mengisi data yang hilang. Salah satu teknik yang dapat digunakan adalah dengan melakukan interpolasi.

Pada dunia nyata, data sering kali tidak tersaji secara lengkap. Seringkali terdapat nilai data yang hilang (missing value). Terdapat banyak penyebab dari kondisi tersebut, baik akibat kesalahan manusianya maupun keterbatasan kemampuan alat ukur. Kondisi lain yang muncul dari data yang kita miliki adalah adanya outlier atau nilai yang berbeda jauh dengan mayoritas data yang kita miliki. Nilai tersebut akan menentukan hasil analisis atau uji statistik yang kita lakukan, terlebih lagi jika uji statistik yang kita lakukan menggunakan metode parametrik. Terdapat banyak cara untuk menangani kondisi-kondisi tersebut. Sejumlah peneliti memilih untuk menghapus data tersebut. Hal ini dapat dilakukan jika jumlah data yang kita miliki cukup besar. Bagaimana jika data yang kita miliki sedikit dan pengukuran ulang cukup mahal atau cukup sulit dilakukan?. Salah satu cara yang dapat dilakukan adalah dengan melakukan interpolasi terhadap data.

Interpolasi dengan polinomial sering memberikan hasil yang tidak dapat diterima. Interpolasi polinomial yang dihasilkan dari sejumlah besar data titik biasanya berderajat tinggi. Polinomial berderajat tinggi pada umumnya bersifat osilatif (grafiknya naik turun secara cepat). Akibatnya, perubahan data pada interval kecil dapat menyebabkan fluktuasi besar pada keseluruhan interval. Karena alasan ini, biasanya interpolasi hanya menggunakan polinomial berderajat rendah.

Eliminasi Gauss-Jordan adalah prosedur pemecahan sistem persamaan linear dengan mengubahnya menjadi bentuk matriks eselon baris tereduksi dengan Operasi Baris Elementer.

Penerapan penyelesaian sistem persamaan non-linier banyak dijumpai dalam berbagai kasus di bidang lingkungan. Pada bagian ini penulis tidak akan menjelaskan seluruhnya. Penulis akan menjelaskan penerapannya pada sebuah persamaan yaitu Hukum Bernoulli.

Interpolasi polinomial merupakan teknik interpolasi dengan mengasumsikan pola data yang kita miliki mengikuti pola polinomial baik berderajat satu (linier) maupun berderajat tinggi. Interpolasi dengan metode ini dilakukan dengan terlebih dahulu membentuk persamaan polinomial. Persamaan polinomial yang terbentuk selanjutnya digunakan untuk melakukan interpolasi dari nilai yang diketahui atau ekstrapolasi (prediksi) dari nilai diluar rentang data yang diketahui.

Penyelesaian Persamaan Non-Linier Menggunakan Fungsi uniroot dan uniroot.all Paket base pada R menyediakan fungsi uniroot() untuk mencari akar persamaan suatu fungsi pada rentang spesifik. Fungsi ini menggunakan metode Brent yaitu kombinasi antara root bracketing, biseksi, dan interpolasi invers kuadrat. Sedangkan Fungsi polyroot() pada paket base dapat digunakan untuk memperoleh akar dari suatu polinomial. Algortima yang digunakan dalam fungsi tersebut adalah algoritma Jenkins dan Traub.

Metode terbuka merupakan metode yang menggunakan satu atau dua tebakan awal yang tidak memerlukan rentang sejumlah nilai. Metode terbuka terdiri dari beberapa jenis yaitu metode iterasi titik tetap, metode Newton-Raphson, dan metode Secant.

Metode tertutup disebut juga metode bracketing. Disebut sebagai metode tertutup karena dalam pencarian akar-akar persamaan non-linier dilakukan dalam suatu selang [a,b][a,b]. Persamaan non-linier dapat diartikan sebagai persamaan yang tidak mengandung syarat seperti persamaan linier, sehingga persamaan non-linier dapat merupakan: Persamaan yang memiliki pangkat selain satu (misal: x2x2) Persamaan yang mempunyai produk dua variabel (misal: xyxy)

Heny Rimadana, Prof. Dr. Suhartono, M.Kom Date: 10/27/2021 Mata Kuliah : Kalkulus Prodi : Teknik Informatika Lembaga : Universitas Islam Negeri Maulana Malik Ibrahim Malang

Seringkali kita diminta untuk memperoleh nilai penyelesaian suatu persamaan linier Ax=BAx=B, dimana nilai vektor BB yang selalu berubah-ubah. Penggunaan metode eliminasi Gauss mengharuskan untuk menyelesaikan sistem persamaan linier Ax=BAx=B secara terpisah untuk setiap perubahan vektor BB. Untuk menghindari pekerjaan eliminasi yang selalu berulang-ulang, faktorisasi menjadi suatu hal yang dapat dilakukan untuk mempersingkat prosesnya. Faktorisasi atau dekomposisi matriks merupakan suatu algoritma untuk memecah matriks AA, hasil pemecahan ini selanjutnya digunakan untuk memperoleh penyelesaian sistem persamaan linier melalui perkalian antara vektor BB dan hasil faktorisasi matriks AA.

Algoritma Metode Secant Pada RStudio Definisikan f(x)f(x) dan f′(x)f′(x) Tentukan nilai toleransi ee dan iterasi masimum (N) Tentukan tebakan awal x0x0 dan x1x1 Hitung f(x0)f(x0) dan f(x1)f(x1) Untuk iterasi i=1i=1 s/d NN atau |f(x)|≥e|f(x)|≥e, hitung xx menggunakan Persamaan (7.14) Akar persamaan adalah nilai x yang terakhir. Fungsi root_secant() merupakan fungsi yang penulis buat untuk melakukan iterasi menggunakan metode Secant. Berikut merupakan sintaks dari fungsi tersebut

Eliminasi Gauss merupakan sebuah cara untuk mencari penyelesaian sistem persamaan linier. Ide dasar dari eliminasi Gauss adalah melakukan operasi matematika pada baris matriks (lihat Chapter 2.5) dan melanjutkannya sampai hanya tersisa satu variabel saja. Kita dapat melakukan lebih dari satu operasi baris elementer pada proses elmininasi ini (contoh: mengalikan sebuah baris dengan konstanta dan menjumlahkan hasilnya pada baris lain).

Operasi Elemen pada 2 Matriks Disini akan dijelaskan mnegoperasikan elemen-elemen pada 2 matriks seperti, Penjumlahan Pengurangan Perkalian Pembagian *Eksponensial Sebelum memulai mengunakan operasi tersebut, tentunya dipersiapkan dahulu 2 buah matrik

Terdapat tiga buah operasi dasar pada baris matriksoperasi baris elementer. Ketiga operasi ini akan menjadi dasar operasi sub-chapter selanjutnya. Ketiga operasi dasar tersebut antara lain: Row Scalling. Mengalikan baris matriks dengan konstanta bukan nol. Row Swaping. Menukar urutan baris pada sebuah matriks (contoh: menukar baris 1 dengan baris 2 dan sebaliknya). Row Replacement

Pada chapter ini, penulis akan menambahkan operasi-operasi lain yang dapat dilakukan pada vektor dan matriks. Dasar-dasar operasi ini selanjutnya akan digunakan sebagai dasar menyusun algoritma penyelesaian sistem persamaan linier.

Pertidaksamaan adalah kalimat terbuka yang menggunakan lambing, ≥, dan ≤ . Pertidaksamaan linier dengan satu variable adalah suatu kalimat terbuka yang hanya memuat satu variable dengan derajad satu, yang dihubungkan oleh lambang , ≥, dan ≤. Variablenya hanya satu yaitu y dan berderajad satu. Pertidaksamaan yang demikian disebut pertidaksamaan linier dengan satu variable (peubah). Cara menyelesaikan pertidaksamaan linier satu variable :

Kesalahan numerik merupakan error atau kesalahan yang timbul akibat adanya proses pendekatan atau hampiran. Kesalahan numerik terjadi karena tiga hal, antara lain: Kesalahan bawaan (inherent error), Kesalahan pembulatan (round-off error), Kesalahan pemotongan (truncation error),

Dalam bidang ilmu pengetahuan, industri rekayasa, dan statistik, akurasi[1] dari suatu sistem pengukuran adalah tingkat kedekatan pengukuran kuantitas terhadap nilai yang sebenarnya. Kepresisian dari suatu sistem pengukuran, disebut juga reproduktifitas (bahasa Inggris: reproducibility) atau pengulangan (bahasa Inggris: repeatability), adalah sejauh mana pengulangan pengukuran dalam kondisi yang tidak berubah mendapatkan hasil yang sama

Pada Pembahasan kali ini akan dibahan Perbedaan Metode Numerik Dengan Analitik Serta Tahapan Penyelesaian Metode Numerik. Simak Penjelasannya agar dapat memahami.

Metode numerik merupakan teknik penyelesaian permsalahn yang diformulasikan secara matematis dengan menggunakan operasi hitungan (aritmatik) yaitu operasi tambah, kurang, kali, dan bagi. Metode ini digunakan karena banyak permasalahan matematis tidak dapat diselesaikan menggunakan metode analitik. Jikapun terdapat penyelesaiannya secara analitik, proses penyelesaiaannya sering kali cukup rumit dan memakan banyak waktu sehingga tidak efisien.

Fungsi merupakan sekumpulan instruksi atau statement yang dapat melakukan tugas khusus. Sebagai contoh fungsi perkalian untuk menyelesaikan operasi perkalian, fungsi pemangkatan hanya untuk operasi pemangkatan, dll. Debugging merupakan langkah untuk mengecek error yang terjadi.

Decicion Making atau sering disebut sebagai if then else statement merupakan bentuk percabagan yang digunakan manakala kita ingin agar program dapat melakukan pengujian terhadap syarat kondisi tertentu.

Metode alternatif lain untuk melakukan loop suatu fungsi adalah dengan menggunakan Apply function family. Metode ini memungkinkan kita untuk melakukan loop suatu fungsi tanpa perlu menuliskan sintaks loop. Berikut adalah beberapa fungsi dari apply family yang nantinya akan sering kita gunakan

Kita telah membahas dasar-dasar kalkulasi menggunakan R pada Chapter 2. Pada Chapter 4 kita akan membahas dasar pemrograman menggunakan R. Pada chapter ini kita juga akan membahas bagaimana kita dapat membentuk suatu fungsi menggunakan R untuk pekerjaan yang berulang-ulang.

R dapat digunakan untuk memproduksi visualisasi pada skala 2 dan 3 dimensi. Untuk proyeksi 2 dimensi, fungsi yang digunakan adalah image() atau contour(). Untuk informasi lebih lanjut terkait fungsi tersebut pembaca dapat mengakses menu bantuan. Pada sintak berikut diberikan contoh bagaimana cara memproduksi visualisasi dua dimensi menggunakan kedua fungsi tersebut.

Disini akan dijelaskan cara-cara untuk kustomisasi parameter grafik seperti: menambahkan judul. Pada grafik di R, kita dapat menambahkan judul dengan dua cara, yaitu: pada plot melalui parameter dan melalui fungsi plot(). Kedua cara tersebut tidak berbeda satu sama lain pada parameter input. Untuk menambahkan judul pada plot secara langsung, kita dapat menggunakan argumen tambahan

Menambahkan Teks Pada Grafik Teks pada grafik dapat kita tambahkan baik sebagai keterangan yang menunjukkan label suatu observasi, keterangan tambahan disekitar bingkai grafik, maupun sebuah persamaan yang ada pada bidang grafik. Untuk menambahkannya kita dapat menggunakan dua buah fungsi yaitu: text() dan mtext(). FUngsi text() berguna untuk menambahkan teks di dalam bidang grafik seperti label titik observasi dan persamaan di dalam bidang grafik. Format yang digunakan adalah sebagai berikut:

Histogram dan Density Plot Fungsi hist() dapat digunakan untuk membuat histogram pada R. Pada dataset trees akan dibuat histogram variabel Height. Box plot pada R dapat dibuat menggunakan fungsi boxplot(). Berikut adalah sintaks untuk membuat boxplot variabel Sepal.Lenght pada dataset iris dan output yang dihasilkan

Visualisasi Data Bar Plot pada RStudio Barplot pada R dapat dibuat menggunakan fungsi barplot(). Untuk lebih memahaminya berikut disajikan contoh barplot menggunakan dataset VADeaths.

Visualisasi data merupakan bagian yang sangat penting untuk mengkomunikasikan hasil analisa yang telah kita lakukan. Selain itu, komunikasi juga membantu kita untuk memperoleh gambaran terkait data selama proses analisa data sehingga membantu kita dalam memutuskan metode analisa apa yang dapat kita terapkan pada data tersebut.Fungsi plot() merupakan fungsi umum yang digunakan untuk membuat plot pada R. Format dasarnya adalah sebagai berikut: plot(x, y, type="p")

Visualisasi data dipakai untuk mempresentasikan data yang terstruktur ataupun tidak dengan grafik atau bagan untuk menampilkan info yang tersembunyi didalam data.Aplikasi pembuat data visual tidak hanya mengubah data menjadi grafik, tapi juga melihat dunia dari sudut pandang data. Dengan kata lain, objek data visual adalah data, dan yang sebenarnya kita mau ialah menggunakan data sebagai suatu alat, dan memvisualisasi data tersebut untuk menjelajah dunia.

Vektor merupakan kombinasi berbagai nilai (numerik, karakter, logical, dan sebagainya berdasarkan jenis input data) pada objek yang sma. Pada contoh kasus berikut, pembaca akan memiliki sesuai jenis data input yaituvektor numerik, vector karakter, vektor logical, dll.

R memiliki banyak struktur data. Di sini, dikenalkan beberapa yang sering digunakan saja, sebagai permulaan sebelum terjerumus terlalu dalam dengan R. 1 Vektor 2 Skalar 3 Karakter string 4 Matriks 5 List 6 Classes

Penggunaan program/software Rakan sangat bergantung dengan seberapa paham anda dalam menggunakan tipe data dan stuktur data yang berlaku pada R. Anda memerlukan pemahaman yang kuat tentang tipe data dan strukturnya kemudian kapan digunakan atau bagaimana cara mengolahnya. Tipe data sangat penting untuk dipahami karena ini adalah objek yang akan anda temui setiap kali anda mengoperasikan R.

Seperti bahasa pemrograman lainnya, R menggunakan variabel, aturan nama variabel sama dengan bahasa lainnya, yaitu : Variabel berupa kombinasi huruf, angka, titik dan garis bawah (underscore). Harus diawali dengan huruf atau titik, jika berawal dengan titik, selanjutnya tidak bisa menggunakan angka. Syntax R tidak dapat digunakan sebagai nama variabel. Huruf besar dan kecil berbeda (case sensitive) Variabel memiliki tipe data tetapi tidak perlu secara eksplisit dituliskan tipe datanya.

Salah satu tipe data yang terdapat pada R adalah Logical (Boolean). Pada tipe data logical biasanya dibuat dari beberapa situasi yang ingin diketahui kondisinya TRUE atau FALSE. Nilai logical sangat bermanfaat Ketika kita ingin membuat suatu aplikasi atau ingin dibuat suatu kondisi yang diharapkan.

Diferensiasi merupakan proses mencari slope suatu garis pada titik yang diberikan. Secara umum proses diferensiasi dinyatakan melalui Persamaan (9.1) di bawah ini. Kita dapat menyatakan secara formal proses diferensiasi sebagai limit Persamaan (9.1) dimana hh mendekati nol. Jadi kita ingin membuat nilai hh sekecil mungkin untuk memperoleh pendekatan terbaik terhadap nilai turunan suatu fungsi. Kita membatasi nilai hh pada sejumlah nilai yang masuk akal untuk mencegah pembagian dengan nilai yang tidak biasa. Kita juga harus memastikan f(x)f(x) dan f(x+h)f(x+h) terpisah cukup jauh untuk mencegah floating point round off error mempengaruhi proses substraksi.

Operator Relasi digunakan untuk membandingkan dua buah nilai. Hasil perbandingan operator ini menghasilkan nilai numerik 1 (true) atau 0 (false). Operator relasi digunakan untuk membandingkan dua nilai untuk memahami tipe hubungan dari angka tersebut. Contoh, persamaan kurang dari, lebih dari, atau sama dengan, dan lain sebagainya.

Pada Rmarkdown, fungsi hiperbolik memiliki sintaks tersendiri yang berguna untuk memudahkan pengguna Rmarkdown untuk menjalankan fungsi hiperbolik sesuai dengan package yang ada. Pada dasarnya setiap fungsi memiliki tujuan yang sama hanya saja penulisan di tiap-tiap elemennya berbeda seperti hal nya penulisan pada RMarkdown dengan menggunakan IDE RStudio ini.

Trigonometri dalam pelajaran matematika biasa dikenal dengan rumus trigonometri yang rumusnya berhadapan satu sama lain dengan sudut segitiga serta fungsi trigonometri. Dan rumus trigonometri itu sendiri hampir sama dengan rumus geometri yang saling berhubungan.

Fungsi eksponensial adalah suatu fungsi yang paling penting dalam matematika. Biasanya, fungsi ini ditulis dengan notasi exp(x) atau ex, dimana e adalah basis logaritma natural yang perkiraan sama dengan 2.71828183.

Pembahasan soal latihan di bawah ini sehingga dapat di _cross check_ oleh teman-teman. Menggunakan sifat logaritmik atau logaritma yang sudah di jelaskan pada materi sebelumnya.

Berdasarkan sifat-sifat yang dimiliki bilangan-bilangan bulat dapat didefinisikan fungsi-fungsi tertentu yang mempunyai peranan penting dalam Teori Bilangan. Fungsi-fungsi khusus tersebut sering disebut fungsi aritmetik (fungsi teori bilangan).

Pada materi lalu, sudah dibahas mengenai pengertian hingga contoh operasi modulus.Apakah teman-temen sudah mengerti tentang operasi modulus? atau masih ada yang belum membuka materi tersebut?

Pada pembelajaran Bahasa R dengan pada RMarkdown menggunakan IDE RStudio memiliki keunikan tersendiri. Dimana, sintaks yang digunakan berbeda dengan tata penulisan operasi modulus pada biasanya. Berikut Simbol yang digunakan untuk menyatakan operator modulus pada RStudio.

Setiap bahasa pemrograman mempunyai operator aritmatika dan logikanya tersendiri. Di sini kita akan membahas operator arimatika yang digunakan dalam bahasa pemrograman R. Pada operator aritmatika digunakan untuk melakukan operasi dasar perhitungan seperti penjumlahan, pengurangan, perkalian dan sebagainya. Pada bahasa pemrograman R, untuk menetapkan variabel kita menggunakan syntax “<-“ atau “=”.

Fungsi eksponensial adalah aib satu fungsi yang paling penting dalam matematika. Biasanya, fungsi ini ditulis dengan notasi exp(x) atau ex, dimana e adalah basis logaritma natural

Berdasarkan Pembahasan di atas dapat disimpulkan bahwa logaritma merupakan suatu operasi kebalikan dari perpangkatan, yaitu mencari nilai yang menjadi pangkat dari suatu bilangan.

Selain fungsi operator aritmetik, pada R juga telah tersedia fungsi aritmetik yang lain seperti logaritmik, ekponensial, trigonometri, dll. Pada materi kali ini kita akan membahas mengenai Logaritmik.

Pada materi lalu, sudah dibahas mengenai pengertian hingga contoh operasi modulus.Apakah teman-temen sudah mengerti tentang operasi modulus? Simak pembahasannya di sini.

Penjelasan mengenai operasi modulus secara mendetail. Disertai dengan contoh dan latihan soal.

Pembahasan untuk soal-soal yang ada di materi Operasi Aritmatik

Mengenal Operator Aritmatik pada R dan menjalankannya di RStudio

Inline Formatting to underline, bold, dll

Hanya sebuah contoh hasil dari Rstudio