ALGORITME & PEMROGRAMAN Abdul Kudus, SSi., MSi., PhD. Senin, 6.30 – 9.00 Rabu, 12.00 – 14.00.

Slides:



Advertisements
Presentasi serupa
DESAIN & KONFIGURASI DATABASE
Advertisements

Pemrograman Terstruktur
Menunjukkan berbagai peralatan TIK melalui gambar
Database MySQL.
Abdul Kudus, SSi., MSi., PhD. Selasa, – di R313
Menempatkan Pointer Q 6.3 & 7.3 NESTED LOOP.
Eni Sumarminingsih,S.Si,MM
ALGORITME & PEMROGRAMAN Abdul Kudus, SSi., MSi., PhD. Senin, 6.30 – 9.00 Rabu, –
Tugas Praktikum 1 Dani Firdaus  1,12,23,34 Amanda  2,13,24,35 Dede  3,14,25,36 Gregorius  4,15,26,37 Mirza  5,16,27,38 M. Ari  6,17,28,39 Mughni.
Input/Output.
4/5/2017 PL/SQL SITI MUKAROMAH,S.Kom.
DETERMINAN MATRIKS Esti Prastikaningsih.
Z - SCORE Presented by Astuti Mahardika, M.Pd.
Analisa Data Statistik
Desain dan Analisis Eksperimen
ALGORITME & PEMROGRAMAN Abdul Kudus, SSi., MSi., PhD. Senin, 6.30 – 9.00 Rabu, –
ALGORITME & PEMROGRAMAN Abdul Kudus, SSi., MSi., PhD. Senin, 6.30 – 9.00 Rabu, 8.00 – Rabu, – Senin, 9.00 – Selasa, –
ARRAY STATIS DAN DINAMIS
Pertemuan 3 Determinan bilqis.
SOSIALISASI PERATURAN PEMERINTAH REPUBLIK INDONESIA NOMOR 53 TAHUN 2010 TENTANG DISIPLIN PEGAWAI NEGERI SIPIL.
BAB 2 DETERMINAN.
Array Dimensi Banyak Gerlan A. Manu, ST.,MKom
BOROBUDUR (4) FAHMI BASYA
MATRIKS Trihastuti Agustinah.
Mari Kita Lihat Video Berikut ini.
WEEK 6 Teknik Elektro – UIN SGD Bandung PERULANGAN - LOOPING.
Pemrograman Berorientasi Obyek
LATIHAN SOAL DATA TUNGGAL
design by budi murtiyasa 2008
Oleh Widiyastuti,S.Pd, M.Eng SMA N 3 BOYOLALI
Persamaan Linier dua Variabel.
PERULANGAN Perulangan (loop) merupakan bentuk yang sering ditemui di dalam suatu program aplikasi. Di dalam bahasa Pascal, dikenal tiga macam perulangan,
Soal Latihan.
TINJAUAN UMUM DATA DAN STATISTIKA
PEMINDAHAN HAK DENGAN INBRENG
Algoritma dan Pemrograman
UKURAN PEMUSATAN DATA Sub Judul.
Pemrograman Terstruktur
STRUKTUR DATA (D3) - Review array - Searching (Sequential & Binary)
ARRAY/LARIK Sumber dari : imaru.files.wordpress.com/2008/02/array-struc-pointer.ppt.
Selamat Datang Dalam Kuliah Terbuka Ini
Pemrogramman Terstruktur
Peluang Diskrit.
TINJAUAN UMUM DATA DAN STATISTIKA
Widita Kurniasari, SE, ME Universitas Trunojoyo
ARRAY 2 Dimensi.
Algoritma Branch and Bound
Pemrograman Terstruktur
Bahan Kuliah IF2120 Matematika Diskrit Oleh: Rinaldi Munir
Model Relasional Merupakan hubungan logika antar data dalam basis data dalam bentuk tabel-tabel dimensi dua yang terdiri dari baris dan kolom yang menunjukkan.
Latihan Array dan Matriks
PEMOGRAMAN 1 Pertemuan 3.
SISTEM PERSAMAAN LINIER
BAB VII RUANG VEKTOR UMUM (lanjutan).
DETERMINAN DAN INVERSE MATRIKS.
Pohon (bagian ke 6) Matematika Diskrit.
Pemrograman Dasar Java
PERTEMUAN 7 Pemrograman Visual
Masalah Identifikasi.
PENDAFTARAN TANAH Pendaftaran Tanah (Pasal 1 angka 1 PP No.24 Th 1997)
ARRAY 2 DIMENSI #12 STIKOM Searching Pengantar Inisialisasi Matrik
Array dan String.
Sistem Persamaan Aljabar Linear
ARRAY (LARIK).
Array.
ALGORITME & PEMROGRAMAN
Sistem Persamaan Aljabar Linear
ALGORITME & PEMROGRAMAN
ALGORITME & PEMROGRAMAN
ALGORITME & PEMROGRAMAN
Transcript presentasi:

ALGORITME & PEMROGRAMAN Abdul Kudus, SSi., MSi., PhD. Senin, 6.30 – 9.00 Rabu, – 14.00

Salah satu perintah R yang populer adalah kelompok perintah *apply(), seperti apply(), tapply() dan lapply(). Mengenakan Fungsi kepada Baris-baris atau Kolom-kolom Matriks apply() digunakan utk mengenakan fungsi kepada setiap baris atau setiap kolom dari matriks. Penggunaan apply() apply(m,dimcode,f,fargs) Bentuk umum: dimana:m = matriks dimcode = dimensi, yakni 1 jika dikenakan kpd baris atau 2 jika dikenakan kpd kolom f = fungsi yg dikenakan fargs = argumen tambahan bagi fungsi f (opsional)

Contoh: kita akan mengenakan fungsi mean() kpd setiap kolom matriks z > z [,1] [,2] [1,] 1 4 [2,] 2 5 [3,] 3 6 > apply(z,2,mean) [1] 2 5 Catatan: fungsi colMeans() bisa juga dipakai

Contoh: kita buat perintah (fungsi) baru, kemudian dikenakan kpd setiap kolom matriks z > z [,1] [,2] [1,] 1 4 [2,] 2 5 [3,] 3 6 > f <- function(x) x/c(2,8) > y <- apply(z,1,f) > y [,1] [,2] [,3] [1,] [2,]

Menambah atau Menghapus Baris dan Kolom Matriks > x [1] > x <- c(x,20) # tambahkan unsur 20 > x [1] > x <- c(x[1:3],20,x[4:6]) # sisipkan 20 > x [1] > x <- x[-2:-4] # hapus unsur ke-2 sampai ke-4 > x [1] Mengubah dimensi vektor atau matriks

Untuk mengubah dimensi dari matriks bisa digunakan rbind() dan cbind(). rbind = row bind cbind = column bind tambahkan baris tambahkan kolom > satu [1] > z [,1] [,2] [,3] [1,] [2,] [3,] [4,] > z <- cbind(satu,z) > z [1,] [2,] [3,] [4,] buat matriks baru dengan menggabungkan kolom berisi angka 1 dengan kolom-kolom matriks z Cara seperti ini tidak dianjurkan utk dipakai dalam perulangan (loop), krn program akan menjadi lambat.

Menghapus baris atau kolom dgn penugasan kembali (reassignment) > m <- matrix(1:6,nrow=3) > m [,1] [,2] [1,] 1 4 [2,] 2 5 [3,] 3 6 > m <- m[c(1,3),] > m [,1] [,2] [1,] 1 4 [2,] 3 6

Perbedaan Vektor dan Matriks (lebih lanjut) Matriks adalah juga vektor, tetapi mempunyai dua tambahan atribut, yakni banyaknya baris dan banyaknya kolom. > z <- matrix(1:8,nrow=4) > z [,1] [,2] [1,] 1 5 [2,] 2 6 [3,] 3 7 [4,] 4 8 Karena z juga merupakan vektor, maka kita bisa meminta info tentang length-nya: > length(z) [1] 8

Akan tetapi sebagai matrix, z punya kelebihan dibanding vektor > class(z) [1] "matrix" > attributes(z) $dim [1] 4 2 info ttg banyak baris dan kolom atau langsung menggunakan fungsi (perintah) dim > dim(z) [1] 4 2 atau info ttg banyak baris dan kolom bisa secara sendiri-sendiri diperoleh dgn perintah nrow dan ncol > nrow(z) [1] 4 > ncol(z) [1] 2

Menghindari Reduksi Dimensi yg Tidak Diinginkan > z [,1] [,2] [1,] 1 5 [2,] 2 6 [3,] 3 7 [4,] 4 8 > r <- z[2,] > r [1] 2 6 z adalah matriks r adalah vektor (terjadi reduksi dimensi) > attributes(z) $dim [1] 4 2 > attributes(r) NULL > str(z) int [1:4, 1:2] > str(r) int [1:2] 2 6 bukti bhw r adalah vektor Hal ini harus diperhatikan dlm pemrograman

Agar tidak terjadi reduksi dimensi, gunakan argumen ‘drop’ > r <- z[2,, drop=FALSE] > r [,1] [,2] [1,] 2 6 > dim(r) [1] 1 2 r tetap mrp matriks Vektor bisa dijadikan matriks dengan perintah as.matrix > u [1] > v <- as.matrix(u) > attributes(u) NULL > attributes(v) $dim [1] 3 1

Memberi Nama kepada Baris dan Kolom Matriks > z [,1] [,2] [1,] 1 3 [2,] 2 4 > colnames(z) NULL > colnames(z) <- c("a","b") > z a b [1,] 1 3 [2,] 2 4 > colnames(z) [1] "a" "b" > z[,"a"] [1] 1 2 memberi nama kolom merujuk suatu kolom

Array Berdimensi Tinggi Dalam kontek statistika, baris-baris dari matriks adalah pengamatan, misal orang, dan kolom-kolom adalah variabel, seperti berat badan dan tekanan darah. Maka matriks berupa struktur data berdimensi dua. Misalkan kita mengukur variabel-variabel tsb pada waktu yg berbeda, sehingga setiap angka data kita adalah utk tiap orang tiap variabel tiap waktu. Oleh karena itu waktu menjadi dimensi ketiga. Data tsb dalam R disebut array.

> firsttest [,1] [,2] [1,] [2,] [3,] > secondtest [,1] [,2] [1,] [2,] [3,] > tests <- array(data=c(firsttest,secondtest),dim=c(3,2,2)) > attributes(tests) $dim [1] > tests[3,2,1] [1] 48 > tests,, 1 [,1] [,2] [1,] [2,] [3,] 50 48,, 2 [,1] [,2] [1,] [2,] [3,] Seperti halnya kita membuat array berdimensi 3 dgn menggabungkan dua matriks, maka kita juga bisa buat array berdimensi 4 dgn menggabungkan dua atau lebih array berdimensi 3.