R - Mean, Median dan Mode

Hai, para pemrogram R yang bersemangat! Hari ini, kita akan melihat dunia statistik deskriptif menggunakan R. Sebagai guru ilmu komputer yang ramah di lingkungan sekitar Anda, saya disini untuk mengarahkan Anda melalui konsep mean, median, dan mode. Jangan khawatir jika Anda belum pernah menulis baris kode sebelumnya - kita akan mulai dari awal dan bekerja bersama menuju atas.

Mean

Mari kita mulai dengan mean, yang mungkin adalah ukuran sentral yang paling umum. Dalam kata-kata sederhana, ini adalah apa yang kita sering sebut "rata-rata."

Perhitungan Mean Dasar

Untuk menghitung mean dalam R, kita menggunakan fungsi mean(). Ini adalah contoh sederhana:

numbers <- c(10, 20, 30, 40, 50)
result <- mean(numbers)
print(result)

Ini akan mengeluarkan: 30

mari kitauraikan ini:

1. Kita membuat vektor yang disebut numbers menggunakan fungsi c().
2. Kita menggunakan fungsi mean() untuk menghitung rata-rata dari angka-angka ini.
3. Kita menyimpan hasilnya dalam variabel yang disebut result.
4. Akhirnya, kita mencetak hasilnya.

Mean dengan NA Values

Sekarang, apa yang terjadi jika kita memiliki data yang hilang, yang direpresentasikan oleh NA dalam R? Mari kita lihat:

numbers_with_na <- c(10, 20, NA, 40, 50)
result_with_na <- mean(numbers_with_na)
print(result_with_na)

Ini akan mengeluarkan: NA

Upsi! R mengembalikan NA karena itu tidak tahu bagaimana menangani nilai yang hilang. Tetapi jangan khawatir, kita memiliki solusi!

Menggunakan Opsi NA

Kita dapat memberitahu R untuk mengabaikan nilai NA menggunakan opsi na.rm:

numbers_with_na <- c(10, 20, NA, 40, 50)
result_na_removed <- mean(numbers_with_na, na.rm = TRUE)
print(result_na_removed)

Ini akan mengeluarkan: 30

Lebih baik! Dengan menyetel na.rm = TRUE, kita mengatakan ke R untuk menghapus nilai NA sebelum menghitung mean.

Menggunakan Opsi Trim

kadang-kadang, kita ingin mengabaikan nilai ekstrim saat menghitung mean. Itu di mana opsi trim berguna. Itu memungkinkan kita untuk memotong persentase nilai dari kedua ujung data sebelum menghitung mean.

numbers <- c(1, 2, 3, 4, 5, 100)  # Catatan outliers 100
result_trimmed <- mean(numbers, trim = 0.1)
print(result_trimmed)

Ini akan mengeluarkan nilai dekat 3.5

Dengan menyetel trim = 0.1, kita menghapus 10% data dari setiap ujung sebelum menghitung mean. Ini membantu mengurangi dampak outliers.

Median

Median adalah nilai tengah saat dataset diurutkan dari terkecil ke terbesar. Ini kurang terpengaruh oleh outliers daripada mean.

numbers <- c(1, 3, 5, 7, 9, 11, 13)
result_median <- median(numbers)
print(result_median)

Ini akan mengeluarkan: 7

Fungsi median() bekerja sama seperti mean(). Itu juga memiliki opsi na.rm untuk menangani nilai NA:

numbers_with_na <- c(1, 3, NA, 7, 9, 11, 13)
result_median_na <- median(numbers_with_na, na.rm = TRUE)
print(result_median_na)

Ini akan mengeluarkan: 8

Mode

Menariknya, R tidak memiliki fungsi bawaan untuk mode (nilai yang paling sering). Tetapi jangan khawatir! Kita dapat membuat fungsi sendiri:

get_mode <- function(v) {
uniqv <- unique(v)
uniqv[which.max(tabulate(match(v, uniqv)))]
}

numbers <- c(1, 2, 2, 3, 3, 3, 4, 4, 5)
result_mode <- get_mode(numbers)
print(result_mode)

Ini akan mengeluarkan: 3

mari kitauraikan fungsi khusus ini:

1. unique(v) mendapatkan nilai unik dalam vektor.
2. match(v, uniqv) menemukan posisi kecocokan.
3. tabulate() menghitung kejadian.
4. which.max() menemukan posisi kejadian maksimum.
5. Kita mengembalikan nilai pada posisi itu.

Summary of Functions

Berikut adalah tabel praktis yang menggabungkan fungsi-fungsi yang kita pelajari:

Measure	Function	Options
Mean	mean()	na.rm, trim
Median	median()	na.rm
Mode	Custom function	N/A

Ingat, latihan membuat sempurna! Cobalah fungsi-fungsi ini dengan dataset yang berbeda dan jelajahi bagaimana mengubah opsi mengubah hasilnya.

Saat kita menyempurnakan, saya diingatkan tentang cerita dari hari-hari awal belajar R. Saya pernah menghabiskan jam untuk mencoba menghitung mean dari dataset, hanya untuk menyadari bahwa saya lupa menghapus nilai NA. Jangan seperti saya - selalu periksa data Anda dan gunakan na.rm = TRUE jika diperlukan!

Selamat coding, dan semoga petualangan statistik Anda dalam R penuh dengan wawasan dan momen "aha"!

Credits: Image by storyset