Langsung ke konten utama

Cara Import dan Update Data Frame dari Google Sheet dengan R

Import dan Update Data Frame dari Google Sheet dengan R

Selamat berjumpa kembali dengan blog sederhana ini. Pada artikel terbaru ini, kita akan belajar bersama mengenai cara melakukan import dan update data yang bersumber dari googlesheet akun gmail kita dengan R.

Aktivitas import dan update data merupakan dua aktivitas yang biasa kita lakukan sebelum mengolah, analisis, dan diseminasi hasilnya. Import data berarti kita memanggil dan memasukkana data yang akan kita olah ke dalam aplikasi yang dalam konteks ini adalah aplikasi R. Sedangkan Update adalah aktivitas memperbarui data mulai dari menghapus, menambahkan, menggabung, atau memecah data sehingga data yang baru memiliki karakteristik yang sama namun isi berbeda atau menjadi data baru akibat pemecahan data.

Pada praktik kali ini, package yang akan kita gunakan adalah googlesheet4 yang bisa diaktivasi dengan memanggil library() terlebih dahulu. Berikut tahapan praktik bagaimana kita melakukan import dan update data dari googlesheet dengan R:


# Aktivasi Library
library(googlesheets4)
# Import data yang ada sebelumnya di Google Sheet
sheetku <- gs4_get("https://docs.google.com/spreadsheets/d/xxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxgsjdbdjss/edit?usp=sharing")
# Data yang telah diimport dari Google Sheet
before <- read_sheet(sheetku, sheet = "Sheet1")
## √ Reading from "Nilai_UTS_Fisika".
## √ Range ''Sheet1''.
before
## # A tibble: 15 x 2
##    Nama      Nilai
##    <chr>     <dbl>
##  1 Ahmad        70
##  2 Budi         70
##  3 Cici         75
##  4 Doni         78
##  5 Eka          78
##  6 Farhan       80
##  7 Handayani    90
##  8 Ika          86
##  9 Jordan       85
## 10 Kunti        85
# Menambahkan data baru
data_baru <- data.frame(
  Nama = c("Kimi", "Dony", "Mufid", "Cindy", "Dea"),
  Nilai = c(90, 78, 88, 88, 85)
)
data_baru
##    Nama Nilai
## 1  Kimi    90
## 2  Dony    78
## 3 Mufid    88
## 4 Cindy    88
## 5   Dea    85
# melakukan penggabungan data
data_update <- rbind(before, data_baru)
data_update
## # A tibble: 20 x 2
##    Nama      Nilai
##    <chr>     <dbl>
##  1 Ahmad        70
##  2 Budi         70
##  3 Cici         75
##  4 Doni         78
##  5 Eka          78
##  6 Farhan       80
##  7 Handayani    90
##  8 Ika          86
##  9 Jordan       85
## 10 Kunti        85
## 11 Kimi         90
## 12 Dony         78
## 13 Mufid        88
## 14 Cindy        88
## 15 Dea          85
# Mengupdate data yang ada dengan data terbaru
write_sheet(data_update, sheetku, sheet = "Sheet1")
## √ Writing to "Nilai_UTS_Fisika".
## √ Writing to sheet 'Sheet1'.
# Import data yang ada sebelumnya di Google Sheet
data_update <- gs4_get("https://docs.google.com/spreadsheets/d/xxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxgsjdbdjss/edit?usp=sharing")
data_update <- read_sheet(sheetku, sheet = "Sheet1")
## √ Reading from "Nilai_UTS_Fisika".
## √ Range ''Sheet1''.
data_update
## # A tibble: 20 x 2
##    Nama      Nilai
##    <chr>     <dbl>
##  1 Ahmad        70
##  2 Budi         70
##  3 Cici         75
##  4 Doni         78
##  5 Eka          78
##  6 Farhan       80
##  7 Handayani    90
##  8 Ika          86
##  9 Jordan       85
## 10 Kunti        85
## 11 Kimi         90
## 12 Dony         78
## 13 Mufid        88
## 14 Cindy        88
## 15 Dea          85

Demikian sedikit sharing kita kali ini. Semoga sedikit ini dapat bermanfaat bagi para pembaca setia blog ini. Jangan lupa untuk share artikel ini kepada yang lain. Selamat memahami dan 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...