R

Modul pembuka: asal-usul R, posisinya di samping Python, dan penyiapan lingkungan kerja.

1. Apa itu R ?Asal-usul R sebagai bahasa statistika dan bidang-bidang yang menjadikannya alat kerja utama.
2. Posisi R versus PythonPerbandingan jujur kekuatan R dan Python beserta alasan memilih masing-masing.
3. Penyiapan LingkunganMemasang R dan RStudio, membuat proyek, serta mengenal konsol untuk pertama kali.

Fondasi bahasa R: konsol, vektor, vektorisasi, tipe data, dan pemanggilan fungsi.

1. Langkah PertamaKonsol R, penugasan dengan tanda <-, dan cara hasil ekspresi ditampilkan.
2. VektorMembuat vektor dengan c() dan memahami bahwa segala sesuatu di R adalah vektor.
3. Operasi VektorisasiAritmetika pada seluruh vektor sekaligus tanpa perulangan eksplisit.
4. Tipe DataTipe dasar R: numeric, integer, character, logical, serta nilai NA.
5. FungsiMemanggil fungsi, membaca dokumentasi dengan tanda ?, dan pencocokan argumen.

Wadah data R: list, faktor, matriks, data frame dan tibble, serta pengindeksannya.

1. ListList sebagai wadah data heterogen dan cara mengakses elemen bersarangnya.
2. FaktorFaktor sebagai penyimpanan data kategorikal dengan sekumpulan tingkat yang terkontrol.
3. MatriksMatriks dua dimensi beserta operasi per baris dan per kolomnya.
4. Data frame dan tibbleData frame dan tibble sebagai andalan utama analisis data di R.
5. Pengindeksan MendalamAturan pengambilan subset dengan [], [[]], dan $ pada berbagai struktur data.

Membawa data ke dalam R dari CSV, Excel, SPSS, Stata, dan basis data.

1. readrMembaca CSV dengan read_csv dan memahami perilaku parsing tipe kolomnya.
2. Excel dan Format LainMembaca berkas Excel dengan readxl serta data SPSS dan Stata dengan haven.
3. Basis DataKoneksi basis data pertama dengan DBI dan query dplyr melalui dbplyr.
4. Kebiasaan InspeksiMengenali data yang baru diimpor dengan glimpse, summary, str, dan head.

Verba dplyr untuk mentransformasi data: pipe, select, filter, mutate, arrange, summarize.

1. PipePipe bawaan |> sebagai cara menyusun rantai langkah yang mudah dibaca.
2. select dan renameMemilih dan mengganti nama kolom pada data frame.
3. filterMengambil subset baris dengan kondisi logika.
4. mutateMembuat kolom baru dan mentransformasi kolom yang sudah ada.
5. arrangeMengurutkan baris berdasarkan satu atau beberapa kolom.
6. summarize dan group_byPola split-apply-combine untuk statistik per kelompok.

Prinsip tidy data, pembentukan ulang bentuk data dengan tidyr, dan penggabungan tabel.

1. Prinsip Tidy DataPrinsip satu observasi per baris dan satu variabel per kolom.
2. pivot_longer dan pivot_widerMengubah bentuk data antara format lebar dan format panjang.
3. separate dan uniteMemisahkan satu kolom menjadi beberapa kolom dan menggabungkan beberapa kolom menjadi satu.
4. JoinMenggabungkan dua tabel dengan keluarga left_join dan pencocokan kunci.

Tata bahasa grafik ggplot2: geom, aestetik, facet, skala, label, dan penyempurnaan publikasi.

1. Tata Bahasa GrafikMental model ggplot2: data, aestetik, dan geom sebagai lapisan yang tersusun.
2. Esensi geomGeom utama: point, line, bar, histogram, dan boxplot.
3. Aestetik dan PemetaanWarna, ukuran, dan bentuk sebagai kanal untuk membawa data ke grafik.
4. FacetSmall multiples: memecah satu grafik menjadi panel per kelompok.
5. Skala dan LabelMengendalikan legenda, sumbu, judul, dan tema grafik.
6. Penyempurnaan Publikasitheme_minimal, penyimpanan grafik, dan pengaturan ukuran ekspor.

Statistika deskriptif, distribusi, uji-t, proporsi dan chi-square, serta korelasi.

1. Statistika Deskriptifmean, sd, median, quantile, dan pandangan robust terhadap pencilan.
2. DistribusiKeluarga fungsi rnorm dan dnorm beserta penarikan sampel.
3. Uji-tUji-t satu dan dua sampel beserta asumsi dan penafsiran hasilnya.
4. Proporsi dan chi-squarePengujian proporsi dengan prop.test dan tabel kategorikal dengan chisq.test.
5. KorelasiMenghitung korelasi dengan cor dan memisahkan korelasi dari kausalitas.

Bahasa formula R dan pemodelan dari regresi linear sampai regresi logistik.

1. Sintaksis Formula lmBahasa formula y ~ x yang dipakai seluruh fungsi pemodelan R.
2. Regresi Linear SederhanaMenyesuaikan model, membaca koefisien, dan memaknai hasilnya.
3. Regresi BergandaModel dengan beberapa prediktor dan kehati-hatian penafsirannya.
4. DiagnostikPlot residual dan pemeriksaan asumsi model linear.
5. Prediksipredict dengan interval kepercayaan versus interval prediksi.
6. Pengenalan glmRegresi logistik sebagai perkenalan generalized linear model.

Pengolahan teks dengan stringr, tanggal dengan lubridate, dan faktor dengan forcats.

1. stringrMengolah teks dengan str_detect, str_extract, dan regex.
2. lubridateParsing tanggal dan komputasi waktu dengan lubridate.
3. forcatsMengurutkan ulang tingkat faktor dan mengodekan ulang kategorinya.

Menulis fungsi, iterasi dengan purrr, dokumen Quarto, laporan terparameterisasi, dan paket.

1. Menulis FungsiMembuat fungsi sendiri dengan function(), argumen, dan nilai balik.
2. Pengenalan purrrIterasi gaya tidy dengan keluarga fungsi map.
3. Quarto dan R MarkdownDokumen analisis literat: narasi, kode, dan hasil dalam satu berkas.
4. Parameter dan RenderingLaporan terparameterisasi yang dapat dirender ulang untuk data berbeda.
5. Pengenalan PaketInstalasi paket dari CRAN dan GitHub serta struktur paket mini.

Menutup jalur: menetapkan lingkup proyek analisis dan mengerjakannya secara utuh.

1. Penetapan Lingkup ProyekMemilih dataset nyata dan merumuskan pertanyaan analitis.
2. Analisis LengkapAnalisis utuh dari impor, model, sampai grafik, semuanya dapat direproduksi.