TUTORIAL R for DATA SCIENCE - part 3: Mengenal Library, Help dan Example

Sekarang pada posting sebelumnya, saya telah menjelaskan beberapa operator dasar yang digunakan di R. Kali ini saya akan menjelaskan mengenai library.

Apa itu?

Mengenal packages atau library

packages atau library adalah sekumpulan fungsi yang telah dibuat dan dibakukan untuk kemudian disertakan di halaman web CRAN atau github. library bisa kita install dan gunakan dengan mudah.

Seperti yang sudah saya infokan di bagian pendahuluan. Banyak orang atau komunitas yang mengembangkan berbagai macam library sehingga memudahkan kita untuk menyelesaikan masalah di data kita. Kita tidak perlu lagi membuat algoritma dari nol. Cukup memanfaatkan library yang tepat saja.

Beberapa contoh library yang sering saya gunakan:

1. dplyr: data carpentry menggunakan tidy principle.
2. ggplot2: data visualization.
3. rvest: web scraping.
4. tidytext: text analysis.
5. reshape2: data manipulation.
6. readxl atau openxlsx: export dan import excel files.
7. officer: membuat Ms. Office files seperti excel, docx, dan powerpoint.
8. expss: SPSS di R.
9. xaringan: membuat file presentasi berformat html.
10. keras dan tensorflow: membuat algoritma deep learning.

Instalasi Packages

library di R bisa di-install dengan mudah dengan menggunakan perintah install.packages('nama packages'). Tanda dalam kurung diisi character nama library. Bisa menggunakan " " atau ' '.

Proses instalasi library di Google Colab harus dilakukan setiap kita memulai session. Jika terputus, maka harus di-install kembali.

Contoh:

install.packages('readxl')

install.packages("rvest")

Mengaktifkan Packages

library yang sudah di-install bisa diaktifkan dengan menggunakan perintah library(nama packages) tanpa menggunakan tanda " " atau ' '.

Pengaktifan library cukup dilakukan sekali saja di awal pengerjaan project (tidak perlu dilakukan berulang kali). Contoh:

library(dplyr)

## 
## Attaching package: 'dplyr'

## The following objects are masked from 'package:stats':
## 
##     filter, lag

## The following objects are masked from 'package:base':
## 
##     intersect, setdiff, setequal, union

Beberapa library saat diaktifkan akan menghasilkan pesan tertentu seperti di atas ini. Hal ini merupakan sesuatu yang normal terjadi.

Serba-Serbi Tentang Packages

Untuk beberapa library ada kemungkinan (kecil) ditemukan kasus saat mereka tidak kompatibel. Akibatnya beberapa fungsi perintah di library tersebut akan menjadi kacau.

Misalnya pada saat kita memanggil library(tidyverse) dan library(plyr), maka perintah filter() yang dimiliki tidyverse akan tidak berjalan dengan baik.

Ada beberapa solusi yang bisa kita lakukan:

1. Selalu mengaktifkan library sesuai dengan urutannya. Biasanya setiap kali kita mengaktifkan library akan muncul warnings mengenai kompatibilitas library tersebut dengan library lain.
2. Menonaktikan library yang sudah tidak perlu digunakan dengan perintah:

detach("package:tidytext", unload = TRUE)

1. Memanggil library tanpa harus mengaktifkannya. Kita bisa melakukannya dengan menggunakan tanda nama packages::. Contoh:

reshape2::melt(data)

Help

Setiap library yang telah di-install dan aktif disertai dengan fitur help yang berfungsi sebagai informasi kepada user. Jika kita ingin mengetahui bagaimana isi dari perintah suatu fungsi, kita bisa gunakan perintah help(nama fungsi) atau ?nama fungsi. Help akan muncul pada tab help di R Studio atau di bagian bawah Google Colab. Contoh:

help(sum)

atau

?sum

Example

Selain help, kita bisa melihat contoh pemakaian dari suatu fungsi di R dengan menggunakan perintah example(). Contoh:

example(sum)

## 
## sum> ## Pass a vector to sum, and it will add the elements together.
## sum> sum(1:5)
## [1] 15
## 
## sum> ## Pass several numbers to sum, and it also adds the elements.
## sum> sum(1, 2, 3, 4, 5)
## [1] 15
## 
## sum> ## In fact, you can pass vectors into several arguments, and everything gets added.
## sum> sum(1:2, 3:5)
## [1] 15
## 
## sum> ## If there are missing values, the sum is unknown, i.e., also missing, ....
## sum> sum(1:5, NA)
## [1] NA
## 
## sum> ## ... unless  we exclude missing values explicitly:
## sum> sum(1:5, NA, na.rm = TRUE)
## [1] 15

---

Berikut ini adalah video recap dari materi ini:

---

to be continued

if you find this article helpful, support this blog by clicking the ads.