Langsung ke konten utama

Import Data CSV ke dalam R

Import data csv
 
Halo teman-teman, dalam unggahan artikel perdana kali ini, saya ingin berbagi sedikit bagaimana kita mengimport data berekstensi *csv ke dalam R. Oiya, R yang saya gunakan kali ini dan untuk unggahan-unggahan berikutnya adalah R Studio (bentuk GUI dari R) dengan versi 4.0.2 public. Bagi teman-teman yang belum menginstall, dapat menginstallnya terlebih dahulu agar dapat mempraktikkan semua unggahan di blog ini secara mudah.
Sebelum melakukan praktikum import data csv, ada baiknya teman-teman mendownload sebuah data yang telah saya siapkan pada link berikut. Istilah import ini sebetulnya sama seperti ketika kita akan mengolah data, datanya kita masukkan dulu ke dalam aplikasi pengolah datanya. Sebagaimana kita mengolah sebuah informasi dari berita tertentu, maka hal pertama yang kita lakukan adalah membaca. Membaca mulai dari judul berita, isi berita, bahkan hingga tag, penulis, serta waktu berita tersebut dipublikasikan. Seperti itulah gambaran singkatnya teman-teman.
Langkah-langkah import data ke dalam R yaitu:
 
Unduh data yang telah saya siapkan. Bila teman-teman punya data csv sendiri juga boleh dicoba. Data yang saya siapkan hanyalah untuk keperluan praktikum saja;
 
Misalkan teman-teman menyimpan data tersebut di Downloads, maka teman-teman dapat mengklik alamat direktor seperti gambar berikut:
Mendapatkan alamat direktori data

Setelah itu, silakan ketik code R berikut bisa di bagian R scripts bisa juga di bagian Console R Studio:

#Install dan mengaktifkan package
install.packages("readr") #bagi teman-teman yang belum menginstall package readr bisa install dulu
library(readr) #ini untuk mengaktifkan package readr-nya

#Import Data CSV 
dataku <- read.csv("C:/Users/Joko Ade/Downloads/importcsv.csv", header = TRUE, stringAsFactors = F)
#Header = TRUE maksudnya adalah menampilkan nama-nama kolom di dalam data teman-teman 
#Pada direktor komputer biasanya muncul C:\Users\Joko Ade\Downloads , ini tanda "\" dibalik menjadi "/" dan setelah Downloads diberi garing miring lagi diikuti nama file data csv yang mau diimport sehingga menjadi C:/Users/Joko Ade/Downloads/importcsv.csv
#Jangan lupa diberi akhiran (.csv) sesuai ekstensi data yang mau kita import dalam R

#Melihat sekilas data
head(dataku)

#Melihat struktur data
str(dataku) #fungsi str digunakan untuk melihat struktur dalam data, apakah numeric, factor, karakter, atau lainnya

Code di atas bisa digunakan jika teman-teman mau mengimport data yang dimensinya masih dapat dijangkau oleh kemampuan standar (default) dari R. Lantas, bagaimana bila data yang mau kita import itu berukuran sangat besar? Misalkan data detak jantung manusia sedunia per detik selama 100 tahun. Adakalanya R tidak mampu untuk "membaca" data di luar batas standarnya. Namun jangan khawatir, kita masih bisa mengatasinya dengan menginstall package data.table terlebih dahulu kemudian menggunakan fungsi fread() yang tertanam di dalam package tersebut. Adapun codenya sebagai berikut:

#Menginstall package data.table dan mengaktifkannya
install.packages("data.table")
library(data.table)

#Mengimport data berdimensi sangat besar dengan fungsi fread()
dataku2 <- fread("C:/Users/Joko Ade/Downloads/importcsv.csv", header = TRUE, stringAsFactors = F)

#Melihat sekilas data
head(dataku2)

#Melihat struktur data
str(dataku2)
 
Sebagai catatan bahwa di dalam R, sama halnya di Python, komentar di setiap bagian code atau script diawali dengan tanda tagar (#).
 
Oke, demikian sedikit ulasan bagaimana kita melakukan import data csv ke dalam R. Jangan lupa untuk share, tanya-tanya di kolom komentar, dan menyimak unggahan berikutnya. Semoga bermanfaat.
 

Komentar

Postingan populer dari blog ini

Mencari P - Value dan Titik Kritis Uji F, Uji t, Uji Chi Square, dan Uji Z Normal dengan R

Mencari nilai p-value dan titik kritis Bagi teman-teman yang pernah mengenal statistika, pasti familier dengan istilah p-value dan titik kritis. P-value biasanya didefinisikan sebagai probabiltas atau peluang maksimal yang diamati dari hasil uji statistik, bahasa gampangnya adalah besarnya kesalahan penelitian berdasarkan uji statistik. Sebagai contoh sederhana, dari 100 orang dengan nama masing-masing dan diklasifikasikan ke dalam gender nama perempuan dan nama laki-laki, didapatkan nilai p-value uji statistiknya sebesar 0,05 atau 5%. Itu artinya, dari 100 orang, ada kemungkinan sebanyak 5 orang yang namanya salah klasifikasi. Dari namanya terdeteksi sebagai nama perempuan, padahal aktualnya yang bersangkutan bergender laki-laki. Sedangkan titik kritis atau titik uji adalah nilai batas pengujian hipotesis statistik, apakah masuk dalam wilayah tolak hipotesis, ataukah gagal menolaknya. Titik ini berkaitan erat dengan nilai p-value . Kalau biasanya kita mendapatkan kedua nilai ini da...

Cara Mendowload dan Install R serta RStudio di Windows (Step by Step)

Cara Download dan Install R serta R Studio di Windows Halo teman-teman, mohon maaf karena beberapa waktu ini, blog ini sempat vakum dari unggahan. Kali ini saya akan coba berbagai mengenai bagaimana cara mengunduh ( download ) dan menginstal ( install ) program R sekaligus R Studio khususnya di Windows. Unggahan kali ini sedikit terbalik karena semestinya saya unggah terlebih dahulu pertama kali di blog ini, namun bukan masalah, mengingat kemarin ada beberapa pihak yang meminta untuk menerangkap bagaimana tahapan mengunduh dan instalasi R dan R Studio, jadinya saya dahulukan pada unggahan ini sebelum pembahasan mengenai Data Mining , Data Science , atau bahasan Big Data kita terlampau jauh. Baik, kita akan mulai dengan bagaimana mengunduh R dan R Studio melalui mesin pencari Google. R dan R Studio ini memang beberapa waktu terakhir ini booming , apalagi dengan munculnya konsep mengenai Big Data , Data Modelling, Data Mining, dan Data Science serta Data Visualization . Sebenarnya, men...

Analisis Tipologi Klassen (Klassen Typology) dan Visualisasi Spasialnya dengan R

Tipologi Klassen dan visualisasinya dengan R Halo teman-teman, sebelumnya kita telah membahas tentang analisis Shift Share dan Location Quotient (LQ) dengan menggunakan R. Kali ini, kita akan membahas mengenai satu lagi alat analisis yang sebenarnya merupakan alat analisis tiga serangkai dari SS dan LQ, yaitu analisis Tipologi Klassen. Dalam penelitian ekonomi kewilayahan, ketiga analisis ini seringkali digunakan, baik dalam rangka melihat perkembangan dan transformasi struktur ekonomi suatu wilayah maupun melihat keunggulan kompetitif dan keunggulan komparatif wilayah satu dengan wilayah lainnya dengan mengacu wilayah referensi. Terlebih dulu, sebelum melakukan visualisasi spasial menggunakan fungsi plot(), ada baiknya kita bahas terlebih dahulu mengenai Tipologi Klassen itu sendiri. Tipologi Klassen merupakan teknik pengelompokan sektor, subsektor, lapangan usaha, atau komoditas tertentu di wilayah analisis berdasarkan pertumbuhan nilai tambah wilayah analisis terhadap nasional atau...