RPubs will retire in June 2027. Your existing documents will stay accessible through December 31, 2031
and Connect Cloud is the recommended home for new publishing. Read the blog post

Recently Published

Week 6 Tutorial
Actividad 01 RPubs
Act 1
Trabajo en clase
Practice Set 8.3
Actividad 1
Actividad 1 - TSTI
Praktikum PSS Minggu ke-2
Dokumen ini berisi latihan dan eksplorasi dasar struktur data pada bahasa pemrograman R. Materi mencakup perbedaan karakteristik Vector dan List (termasuk konsep coercion), teknik pemanggilan elemen (indexing) pada Data Frame, serta identifikasi posisi missing value (NA) menggunakan fungsi is.na() dan which()
Praktikum Week 2
Dokumen ini mengeksplorasi mekanisme coercion pada vector, fleksibilitas list dalam menyimpan tipe data heterogen, teknik indexing dan naming pada data frame, serta deteksi missing value menggunakan fungsi is.na() dan which(). Fokus utama latihan adalah pemahaman struktur data dan manipulasi dasar di R.
Praktikum Week 2
Laporan ini membahas dasar struktur data pada bahasa pemrograman R melalui empat poin eksperimen utama. Pertama, dilakukan analisis terhadap sifat homogen pada vektor, di mana R melakukan coercion atau pemaksaan tipe data menjadi karakter ketika terdapat elemen teks di dalamnya. Hal ini berbeda dengan List yang bersifat heterogen, sehingga mampu mempertahankan tipe data asli dari setiap elemennya tanpa adanya perubahan paksa. Perbedaan mendasar ini krusial untuk dipahami agar kita tidak salah dalam memilih wadah penyimpanan data sesuai dengan kebutuhan analisis. Kedua, laporan ini mengeksplorasi manipulasi Data Frame sebagai struktur data tabular yang menyerupai tabel Excel. Teknik pemanggilan data atau indexing dilakukan dengan prinsip koordinat [Baris, Kolom] di dalam square brackets, di mana posisi koma menjadi penentu dimensi mana yang ingin diakses. Eksperimen ini juga mencakup identifikasi missing value atau data kosong menggunakan fungsi is.na(). Fungsi ini sangat penting dalam tahap data cleaning karena memungkinkan kita mendeteksi letak nilai NA secara akurat melalui output boolean (TRUE/FALSE) sebelum data tersebut diproses lebih lanjut dalam analisis statistik.
Document
Projet Anova