0Pricing
R Academy · Pelajaran

Pengenalan ke Tidyverse

Dapatkan gambaran umum tentang paket inti Tidyverse dan pendekatan terintegrasinya terhadap ilmu data.

Pengenalan ke Tidyverse adalah pelajaran R Academy gratis di CoddyKit. Ini adalah pelajaran 1 dari 3. Kamu bisa membaca pelajaran lengkapnya di bawah secara gratis — lalu praktikkan langsung di browser dengan editor kode bawaan dan tutor AI 24/7. Ini adalah bagian dari jalur belajar R Academy, dan progresmu tersinkronisasi di web dan aplikasi CoddyKit. Kursus R Academy mencakup 3 pelajaran total.

Pengantar Tidyverse

Pengantar Tidyverse

Tidyverse adalah kumpulan packages R yang dirancang untuk ilmu data, sehingga manipulasi dan visualisasi data menjadi lebih mudah.

Pengenalan ke Tidyverse — ilustrasi 1

Menginstal dan Memuat Tidyverse

Menginstal dan Memuat Tidyverse

Sebelum menggunakan Tidyverse, instal dan muat package tersebut.

install.packages('tidyverse')
library(tidyverse)

packages Utama dalam Tidyverse

packages Utama dalam Tidyverse

Tidyverse mencakup beberapa packages yang berguna:

  • dplyr - Manipulasi data
  • ggplot2 - Visualisasi data
  • tidyr - Penataan data
  • readr - Mengimpor data

Menggunakan dplyr untuk Manipulasi Data

Menggunakan dplyr untuk Manipulasi Data

Package dplyr membantu memfilter, meringkas, dan mentransformasikan data.

library(dplyr)
data <- mtcars %>% filter(mpg > 20)

Menggunakan ggplot2 untuk Visualisasi

Menggunakan ggplot2 untuk Visualisasi

Package ggplot2 digunakan untuk membuat visualisasi yang menarik.

library(ggplot2)
ggplot(mtcars, aes(x=mpg, y=hp)) + geom_point()

Menggunakan tidyr untuk Menata Data

Menggunakan tidyr untuk Menata Data

Package tidyr berguna untuk mengubah bentuk dan membersihkan data.

library(tidyr)
data_long <- pivot_longer(mtcars, cols=c('mpg', 'hp'), names_to='variable', values_to='value')

Menggunakan readr untuk Mengimpor Data

Menggunakan readr untuk Mengimpor Data

Package readr digunakan untuk membaca data secara efisien.

library(readr)
data <- read_csv('data.csv')

Menggabungkan Fungsi Tidyverse

Menggabungkan Fungsi Tidyverse

Anda dapat merangkai beberapa fungsi untuk melakukan analisis secara efisien.

mtcars %>% filter(mpg > 20) %>% select(mpg, hp) %>% arrange(desc(hp))

Ringkasan

Ringkasan

Dalam pelajaran ini, Anda telah mempelajari:

  • Cara menginstal dan memuat Tidyverse.
  • packages utama dalam Tidyverse.
  • Cara menggunakan dplyr, ggplot2, tidyr, dan readr untuk analisis data.
Pengenalan ke Tidyverse — ilustrasi 10

Pertanyaan yang Sering Diajukan

Apakah pelajaran “Pengenalan ke Tidyverse” gratis?

Ya — teks lengkap “Pengenalan ke Tidyverse” gratis dibaca di sini di web. Untuk praktiknya secara interaktif (editor kode bawaan dan tutor AI 24/7) dan buka sisa kursus R Academy, upgrade ke CoddyKit PRO. Kursus R Academy mencakup 3 pelajaran total.

Apa yang akan aku pelajari di “Pengenalan ke Tidyverse”?

Dapatkan gambaran umum tentang paket inti Tidyverse dan pendekatan terintegrasinya terhadap ilmu data. Kamu berlatih R Academy dengan kode praktik yang langsung kamu jalankan di browser, dan tutor AI 24/7 menjawab pertanyaanmu saat kamu mengerjakan pelajaran ini.

Apakah aku perlu pengalaman untuk memulai R Academy?

Tidak diperlukan pengalaman sebelumnya. R Academy di CoddyKit dirancang untuk pemula hingga pelajar tingkat lanjut, jadi kamu bisa memulai di sini atau dari awal dan belajar sesuai kecepatan kamu sendiri. Ini adalah pelajaran 1 dari 3.

Berapa lama pelajaran “Pengenalan ke Tidyverse” memakan waktu?

Sebagian besar pelajaran CoddyKit memakan waktu sekitar 5–10 menit. Setiap pelajaran ringkas dan interaktif, jadi kamu membuat kemajuan stabil dan melanjutkan dari tempat kamu tinggalkan di web dan aplikasi.

Bisakah aku menulis dan menjalankan kode dalam pelajaran R Academy ini?

Ya. Setiap pelajaran R Academy menyertakan editor kode bawaan, jadi kamu menulis dan menjalankan kode nyata langsung di browser dan mendapatkan umpan balik AI instan — tidak diperlukan penyiapan lokal.

Semua pelajaran dalam kursus ini

  1. Pengenalan ke Tidyverse
  2. Mengolah Data dengan dplyr
  3. Merapikan Data dengan tidyr
← Kembali ke R Academy