Langsung ke konten utama

Cara Membuat Aplikasi Sederhana dengan R Shiny (Step by Step)

Membuat aplikasi R dengan package Shiny

R-Shiny merupakan sebuah package modern yang akhir-akhir ini terus dikembangkan oleh developer atau peminat bahasa pemrograman R. Package ini dinilai sangat powerfull karena fungsinya yang mampu menandingi bahasa pemrograman berbasis interface lainnya.

Apa itu R Shiny?

R Shiny merupakan package yang khusus digunakan sebagai bahasa pembuatan framework R Studio yang merupakan GUI dari bahasa R. Package ini memiliki fungsi utama sebagai bahasa pembentuk website atau dashboard yang interaktif, dinamis, dan bersifat open source. Dengan R Shiny, kita juga dapat membuat sebuah aplikasi olah data otomatis kecil-kecilan atau sederhana sedemikian rupa sehingga memungkinkan kita untuk melakukan analisis dan eksplorasi data secara efektif, efisien sekaligus integratif.

Seperti halnya ketika kita mengolah sebuah data dengan aplikasi pengolah data misalkan SPSS, Minitab, Eviews, SAS, Tableau, SQL, Python, PostgreSQL, atau lainnya, R Shiny dapat kita buat dengan bentuk yang fleksibel sesuai kebutuhan. Selain itu, bila pengetahuan kita telah expert dalam R Shiny, kita juga dapat men-deploy sebuah aplikasi yang dapat digunakan untuk kebutuhan banyak pihak. Tidak kalah dengan aplikasi pemrograman lainnya, R Shiny juga dapat kita custome untuk menambah art tampilan dari data sesuai kebutuhan dan kreativitas.

Komponen Utama dalam R Shiny

Dalam membangun framework dengan R Shiny, terdapat 3 komponen utama yang diperlukan. Pertama adalah komponen User Interface (UI) yang di dalamnya memuat sejumlah code untuk menampilkan (display) dari hasil olah data menggunakan fungsi tertentu. Bagian kedua adalah Server, yaitu tempat untuk menuliskan sejumlah perintah atau instruksi untuk mengolah data, baik import, display data, ringkasan data, visualisasi data, atau perintah lain sesuai kebutuhan pengguna. Bagian ketiga yaitu ShinyApp(), sebuah fungsi yang digunakan untuk menjalankan (run) dari seluruh code untuk kemudian bisa menampilkan wujud interface aplikasi yang dibuat.

Dalam artikel ini, kita akan mencoba membangun sebuah aplikasi sederhana dengan memanfaatkan R Shiny. Pertama, kita akan membuat sebuah laman utama dengan judul aplikasi "Contoh Aplikasi Shiny" (terlihat pada gambar 1), kemudian kita menambahkan side bar panel sebagai tempat untuk melakukan import dataset berbentuk excel (*xlsx) (lihat pada gambar 2), lalu kita tambahkan tampilan beberapa output berbentuk tabpanel dalam tabsetPanel (lihat gambar 3), dan terakhir menambahkan sejumlah fungsi untuk olah data pada bagian server dengan fungsi untuk display dataset, rangkuman dataset, box plot dataset, serta korelasi antar variabel dalam dataset (lihat gambar 4). 

Data yang digunakan dalam praktik kali ini dapat diunduh pada tautan ini. Berikut langkah demi langkah membuat aplikasi sederhana menggunakan R Shiny:


#Aktivasi beberapa package yang dibutuhkan
library(shiny)
library(readxl)
library(ggplot2)
library(corrplot)

#Membuat tempat mendisplay output
ui <- fluidPage(
  titlePanel("Contoh Aplikasi Shiny"),

    mainPanel(
      tabsetPanel(

      )
    )
  )

#Membuat tempat fungsi olah data, import, dll
server <- function(input, output) {

}

#Menjalankan aplikasi RShiny
shinyApp(ui = ui, server = server)
## 
## Listening on http://127.0.0.1:4015
## Error in path.expand(path): invalid 'path' argument
#Membuat tempat mendisplay output
ui <- fluidPage(
  titlePanel("Contoh Aplikasi Shiny"),
  sidebarLayout(
    sidebarPanel(
      fileInput("file", "Pilih file Excel (.xlsx)")
    ),
    mainPanel(
      tabsetPanel(

      )
    )
  )
)

#Membuat tempat fungsi olah data, import, dll
server <- function(input, output) {

}

#Menjalankan aplikasi RShiny
shinyApp(ui = ui, server = server)
## 
## Listening on http://127.0.0.1:6470
## Error in path.expand(path): invalid 'path' argument
#Membuat tempat mendisplay output
ui <- fluidPage(
  titlePanel("Contoh Aplikasi Shiny"),
  sidebarLayout(
    sidebarPanel(
      fileInput("file", "Pilih file Excel (.xlsx)")
    ),
    mainPanel(
      tabsetPanel(
        tabPanel("Data", tableOutput("data")),
        tabPanel("Ringkasan Data", verbatimTextOutput("summary")),
        tabPanel("Boxplot Data", plotOutput("boxplot")),
        tabPanel("Korelasi Data", plotOutput("corrplot"))
      )
    )
  )
)

#Membuat tempat fungsi olah data, import, dll
server <- function(input, output) {

}

#Menjalankan aplikasi RShiny
shinyApp(ui = ui, server = server)
## 
## Listening on http://127.0.0.1:7781
## Error in path.expand(path): invalid 'path' argument
#Membuat tempat mendisplay output
ui <- fluidPage(
  titlePanel("Contoh Aplikasi Shiny"),
  sidebarLayout(
    sidebarPanel(
      fileInput("file", "Pilih file Excel (.xlsx)")
    ),
    mainPanel(
      tabsetPanel(
        tabPanel("Data", tableOutput("data")),
        tabPanel("Ringkasan Data", verbatimTextOutput("summary")),
        tabPanel("Boxplot Data", plotOutput("boxplot")),
        tabPanel("Korelasi Data", plotOutput("corrplot"))
      )
    )
  )
)

#Membuat tempat fungsi olah data, import, dll
server <- function(input, output) {

  data <- reactive({
    req(input$file)
    x <- read_excel(input$file$datapath)
    return(x)
  })

  output$data <- renderTable({
    data()
  })

  output$summary <- renderPrint({
    summary(data())
  })

  output$boxplot <- renderPlot({
    boxplot(data())
  })

  output$corrplot <- renderPlot({
    corrplot(cor(data()))
  })

}

#Menjalankan aplikasi RShiny
shinyApp(ui = ui, server = server)
## 
## Listening on http://127.0.0.1:8821
## Error in path.expand(path): invalid 'path' argument

Adapun hasil dari langkah-langkah di atas terlihat pada beberapa gambar berikut:

Gambar 1

Gambar 2

Gambar 3

Gambar 4

Demikian sedikit sharing kita mengenai R Shiny, jangan lupa untuk terus mengikuti setiap unggahan artikel terbaru dan unik dalam blog ini. Semoga bermanfaat dan selamat mempraktikkan!

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...