Tutorial RStudio: Panduan Lengkap untuk Pemula (2026)

Cara Menginstal RStudio

Untuk menginstal dan mulai bekerja di RStudio, pertama kita perlu mengunduh dan menginstal bahasa pemrograman R itu sendiri. Untuk mengunduh dan menginstal R, ikuti langkah-langkah berikut:

1. Buka The Comprehensive R Archive Network (CRAN), yang merupakan situs resmi R.
2. Di bagian atas layar, temukan bagian Download and Install R.
3. Klik tautan yang sesuai dengan sistem operasi Anda.
4. Pilih rilis terbaru.
5. Buka file yang diunduh dan ikuti instruksi instalasi sederhana dengan membiarkan opsi bawaan di semua bagian.

Untuk mengunduh dan menginstal RStudio, ikuti langkah-langkah ini:

• Buka halaman unduhan di situs resmi Posit.
• Anda akan melihat sistem operasi Anda terdeteksi otomatis. Di bawah "Install RStudio", pilih versi OS Anda di menu tarik-turun.
• Klik DOWNLOAD RSTUDIO DESKTOP FOR [YOUR OS].
  
• Buka file yang diunduh dan ikuti instruksi instalasi. Anda dapat memilih opsi bawaan di semua bagian.

Cara Menggunakan RStudio

Sekarang kita telah berhasil menginstal RStudio, mari kita buka, jelajahi bagian-bagian utamanya, dan mencoba melakukan berbagai operasi di dalamnya.

Antarmuka RStudio

Membuka RStudio akan otomatis meluncurkan perangkat lunak R. Antarmuka platform terlihat sebagai berikut:

Secara garis besar, kita dapat membagi jendela kerja menjadi tiga area:

• Area kiri: mencakup tab Console, Terminal, dan Background Jobs
• Area kanan-atas: mencakup tab Environment, History, Connections, dan Tutorial
• Area kanan-bawah: mencakup tab Files, Plots, Packages, Help, Viewer, dan Presentation

Catatan: Tata letak yang ditampilkan di sini berdasarkan RStudio 2022.07.1+554. Nama dan susunan tab mungkin sedikit berbeda pada versi yang lebih baru.

Mari kita lihat lebih dekat tab-tab penting.

Console

Di tab ini, pertama kita melihat informasi tentang versi R yang digunakan dan juga beberapa perintah dasar untuk dicoba. Di akhir deskripsi tersebut, kita dapat mengetik kode R, menekan Enter, dan mendapatkan hasil di bawah baris kode (misalnya, coba jalankan 2*2 dan lihat apa yang terjadi). Secara praktis, kita dapat melakukan apa pun di sini seperti yang kita lakukan di program R lainnya, misalnya:

• Menginstal dan memuat paket R
• Melakukan operasi matematika sederhana atau kompleks
• Menetapkan hasil operasi ke variabel
• Mengimpor data
• Membuat tipe objek R umum, seperti vektor, matriks, atau dataframe
• Mengeksplorasi data
• Analisis statistik
• Membangun visualisasi data

Namun, saat kita menjalankan kode langsung di console, kodenya tidak disimpan untuk direproduksi kembali. Jika kita perlu (dan biasanya memang perlu) menulis kode yang dapat direproduksi untuk menyelesaikan tugas tertentu, kita harus mencatatnya dan menyimpannya secara berkala dalam file skrip, bukan di console.

Kita akan segera mengeksplorasi cara menulis skrip. Untuk saat ini, ingatlah bahwa Anda sebaiknya menggunakan console terutama untuk menguji kode dan menginstal paket R karena paket hanya perlu diinstal sekali.

Environment

Setiap kali kita mendefinisikan variabel baru atau menetapkan ulang variabel yang ada di RStudio, variabel tersebut disimpan sebagai objek di workspace dan ditampilkan beserta nilainya pada tab Environment di area kanan-atas jendela RStudio. Coba jalankan greeting <- "Hello, World!" di console dan lihat apa yang terjadi pada tab Environment.

Hal ini juga berlaku untuk objek yang lebih kompleks seperti dataframe. Ketika kita mengimpor data sebagai dataframe (atau membuat dataframe dari nol), kita melihat di workspace tidak hanya nama objek baru tetapi juga nilai dan tipe data setiap kolom. Selain itu, kita dapat menampilkan lebih banyak detail tentang setiap objek, seperti panjang dan ukuran memorinya.

Pada contoh di bawah, kita membuat dua variabel di console: greeting <- "Hello, World!" dan my_vector <- c(1, 2, 3, 4). Perhatikan bagaimana keduanya ditampilkan pada tab Environment:

Kita dapat mengubah cara penampilan variabel kita dari List menjadi Grid di pojok kanan-atas tab, seperti berikut:

Perhatikan bahwa sekarang kita juga dapat melihat panjang dan ukuran setiap objek.

Dalam mode tampilan Grid, kotak akan muncul di sebelah kiri setiap variabel. Kita dapat mencentang kotak tersebut dan mengklik ikon Broom untuk menghapus objek yang bersangkutan dari workspace:

Jika kita mencentang kotak di sebelah kolom Name dan mengklik ikon Broom, atau jika kita cukup mengklik ikon ini pada mode tampilan sebelumnya (List), kita akan membersihkan workspace dengan menghapus semua variabel di dalamnya.

Tab penting lainnya

• Terminal – untuk menjalankan perintah dari terminal
• History – untuk melacak riwayat semua operasi yang dilakukan selama sesi RStudio saat ini
• Files – untuk melihat struktur folder kerja, mengatur ulang folder kerja, menavigasi antar folder, dll.
• Plots – untuk mempratinjau dan mengekspor visualisasi data yang dibuat
• Packages – untuk memeriksa paket apa yang dimuat serta memuat atau membongkar paket (dengan mencentang/meniadakan centang pada kotak di sebelah nama paket)

Cara menulis skrip R di RStudio

Seperti disebutkan sebelumnya, jika kita ingin dapat mereproduksi dan menggunakan ulang kode kita di masa mendatang, kita harus menuliskannya dalam file skrip, bukan langsung di console. 

Untuk mulai merekam skrip, klik File – New File – R Script. Ini akan membuka editor teks di pojok kiri-atas antarmuka RStudio (di atas tab Console):

Dalam sebuah skrip, kita dapat melakukan semua hal yang disebutkan di bagian tentang console (dan sebenarnya kita dapat melakukan hal yang sama di IDE R mana pun), hanya saja sekarang tindakan kita akan disimpan dalam sebuah file untuk digunakan atau dibagikan di kemudian hari. Penting untuk memberi nama file skrip yang bermakna dan menyimpannya secara berkala (Ctrl + S di Windows/Linux, Cmd + S di Mac, File – Save di sistem operasi mana pun).

Untuk menjalankan satu baris kode dari skrip, letakkan kursor pada baris tersebut dan klik ikon Run di kanan-atas editor teks. Atau, gunakan pintasan keyboard (Ctrl + Enter di Windows/Linux, Cmd + Enter di Mac). Untuk menjalankan beberapa baris kode, lakukan hal yang sama setelah memilih baris yang diperlukan. Untuk menjalankan semua baris kode, pilih semua baris dan klik ikon Run ATAU gunakan pintasan keyboard (Ctrl + A + Enter di Windows/Linux, Cmd + A + Enter di Mac).

Saat kita menulis skrip, ada baiknya menambahkan komentar kode jika diperlukan (menggunakan simbol pagar # diikuti baris teks komentar) untuk menjelaskan kepada pembaca di masa depan alasan di balik bagian kode tertentu. 

Selain itu, sebaiknya tambahkan konteks penting di awal skrip: penulis dan kontributor kode, kapan ditulis, kapan diperbarui, ruang lingkup kode, dll. Praktik lain yang bermanfaat adalah memuat semua paket R yang diperlukan di awal skrip, tepat setelah memberikan informasi awal.

Untuk laporan yang dapat direproduksi dan siap publikasi yang menggabungkan kode dan narasi, R Markdown adalah alat andalan—yang bekerja langsung di dalam RStudio. Pelajari dasarnya di tutorial R Markdown untuk pemula. Untuk perbandingan dengan Jupyter Notebooks, lihat Jupyter dan R Markdown: Notebook dengan R.

Cara melakukan berbagai operasi di RStudio

Berikutnya, kita akan membahas tindakan apa yang dapat kita lakukan di RStudio untuk tujuan analisis data. Secara praktis, semua operasi yang akan kita bahas tidak terkait ketat dengan RStudio melainkan dengan penggunaan R secara umum, di IDE mana pun. 

Oleh karena itu, kita tidak akan membahas secara rinci semua aspek teknis operasi tersebut. Sebaliknya, kita akan melihat beberapa tugas umum, implementasinya dalam R (contoh kode), dan pendekatan alternatif (jika ada) terhadap tugas-tugas tersebut di RStudio.

Salin-tempel contoh di bawah ini ke console RStudio dan jelajahi hasilnya. Pertimbangkan untuk mencoba pendekatan umum dan alternatif (khusus RStudio).

Menginstal paket R

Sintaks:

install.packages("package_name")

Contoh:

install.packages("tidyverse")

Di RStudio:

• Ingat untuk menginstal semua paket di console, bukan di file skrip karena paket harus diinstal di hard disk komputer hanya sekali.
• Anda dapat menginstal paket langsung dari antarmuka RStudio: buka tab Packages (area kiri-bawah), klik Install dan pilih paket yang diperlukan dari CRAN yang dipisahkan dengan spasi atau koma, seperti berikut:

Memuat paket R

Sintaks:

library(package_name)

Contoh:

library(tidyverse)

tidyverse adalah kumpulan paket R populer untuk data science—termasuk dplyr untuk manipulasi data dan ggplot2 untuk visualisasi. Pelajari lebih lanjut di tutorial Tidyverse.

Perhatikan bahwa saat kita menggunakan tanda kutip untuk menginstal paket, kita tidak menggunakannya saat memuat paket.

Di RStudio:

• Muat semua paket yang diperlukan di file skrip, bukan di console.
• Memuat/membongkar paket terinstal atau paket sistem dapat dilakukan dengan mencari dan mencentang/mengosongkan centang paket tersebut pada tab Packages. Perhatikan bahwa beberapa paket tidak dapat dibongkar jika diimpor oleh paket lain.

Memeriksa paket R yang dimuat

Jalankan di console (.packages()) atau search() untuk mendapatkan daftar semua paket yang dimuat.

Di RStudio: buka tab Packages, cari paket tertentu, dan periksa apakah kotak di sebelah namanya dicentang.

Mendapatkan bantuan tentang paket R atau objek bawaan R

Untuk mendapatkan bantuan tentang paket yang sudah diinstal dan dimuat, atau fungsi dari paket yang sudah diinstal dan dimuat, atau objek bawaan R lainnya (seperti dataset pra-muat), gunakan salah satu sintaks berikut:

help(package_or_function_name)

atau

help("package_or_function_name")

atau

?package_or_function_name

Catatan: kita perlu meneruskan nama fungsi ke fungsi help tanpa tanda kurung.

Tab Help akan terbuka dengan dokumentasi paket atau objek. Jika kita memeriksa paket, maka kita akan mendapatkan daftar semua fungsinya dan tautan ke dokumentasi masing-masing.

Misalnya, jalankan yang berikut ini di console (setelah memastikan bahwa paket readr dan dplyr telah diinstal dan dimuat):

help("read.csv")
?readr
help(help)
help('CO2')

Di RStudio: temukan dan klik nama paket yang diinginkan (meskipun belum dimuat) pada tab Packages dan lihat hasilnya di tab Help.

Mengimpor data

world_population <- read.csv("world_population.csv")

(Untuk menjalankan potongan kode di atas, terlebih dahulu unduh World Population Dataset yang tersedia publik dari Kaggle dan ekstrak ke folder yang sama tempat Anda menyimpan skrip R.)

Hasil menjalankan potongan kode di atas akan berupa dataframe R di folder kerja Anda.

Di RStudio:

• File – Import Dataset

ATAU

• Klik Import Dataset pada tab Environment:

Kemudian pilih From Text (base)..., navigasikan ke folder yang benar, pilih file untuk diimpor, isi atau periksa kolom Name, Heading, Separator, dan Decimal di jendela pop-up, pratinjau struktur dataset, lalu klik Import:

Sekarang Anda dapat menemukan dan mengeksplorasi dataset yang diimpor pada tab Environment dan di lembar spreadsheet yang dibuka di tab baru:

Jika Anda ingin mempelajari lebih lanjut cara mengimpor data dengan R, jelajahi skill track DataCamp yang komprehensif Importing & Cleaning Data with R. Anda dapat menemukan berbagai dataset untuk diimpor dan dikerjakan di DataLab, notebook data bertenaga AI dari DataCamp dan alternatif untuk RStudio.

Mengakses dataset bawaan R

Untuk melihat daftar lengkap dataset contoh yang tersedia dan dimuat sebelumnya di R, termasuk nama dan deskripsi singkatnya, jalankan potongan kode berikut di console:

data()

Anda dapat mengambil salah satu nama yang muncul dan menggunakan masing-masingnya sebagai variabel (berisi dataframe) untuk dikerjakan dan melatih keterampilan Anda di R.

Jika Anda memerlukan informasi lebih lanjut tentang dataset pra-muat yang dipilih, jalankan fungsi help() pada dataset tersebut, misalnya help(CO2).

Membersihkan dan menganalisis data di RStudio

Seperti di IDE R lainnya, di RStudio kita dapat mengakses, memanipulasi, mentransformasi, menganalisis, dan memodelkan data di R. Berikut beberapa contoh operasi standar yang dilakukan pada dataset bawaan CO2:

head(CO2)
tail(CO2)
colnames(CO2)
dim(CO2)
str(CO2)
summary(CO2)
summary(CO2$uptake)
median(CO2$uptake)
class(CO2$uptake)
unique(CO2$Treatment)
subset(CO2, conc == min(CO2$conc))

Cobalah menjalankannya satu per satu di RStudio dan amati keluarannya.

Memplot data di RStudio

Seperti di IDE R lainnya, di RStudio kita dapat memplot data. Berikut beberapa contoh pembuatan plot sederhana untuk dataset bawaan CO2 dan Orange. Pada kedua kasus, plot yang dihasilkan muncul di tab Plots dan dapat diekspor menggunakan tombol Export pada tab tersebut:

• Membuat histogram:

hist(CO2$uptake)

• Membuat scatter plot:

plot(Orange$age, Orange$circumference)

Kita dapat menyesuaikan beberapa parameter yang tersedia untuk fungsi dasar plot() guna menambahkan estetika pada plot terakhir:

plot(Orange$age, Orange$circumference, 

     xlab="Age", ylab="Circumference", 

     main="Circumference vs. Age", 

     col="blue", pch=16)

Atau kita dapat menggunakan ggplot2 atau paket visualisasi data khusus lainnya—R menawarkan banyak pilihan. Untuk pembahasan mendalam, lihat tutorial ggplot2 atau skill track DataCamp Data Visualization with R.

Membuat data dari nol di R

Sekali lagi, dalam hal ini, RStudio tidak berbeda dari IDE R lainnya.

Untuk membuat vektor:

oceans <- c("Arctic", "Atlantic", "Indian", "Pacific", "Southern")
avg_depth <- c(1.2, 3.65, 3.74, 3.97, 3.27)

(Data di atas diambil dari Wikipedia.)

Untuk membuat dataframe:

oceans_depth <- data.frame(oceans, avg_depth)

Mencetak hasilnya:

print(oceans_depth)

Vektor dan dataframe yang dihasilkan juga muncul pada tab Environment di RStudio:

Kesimpulan

Dalam tutorial ini, kita telah mengeksplorasi banyak aspek penting penggunaan RStudio:

• Apa itu RStudio dan keunggulannya
• Cara menginstal RStudio
• Seperti apa antarmuka RStudio dan cara menggunakan bagian-bagian utamanya
• Perbedaan menjalankan kode di console dan di skrip
• Di mana menemukan semua objek yang digunakan dalam sesi RStudio saat ini
• Praktik terbaik untuk menulis skrip
• Cara melakukan berbagai operasi di RStudio, seperti menginstal dan memuat paket R, mengimpor data, membersihkan, menganalisis, dan memvisualisasikan data, membuat objek R dari nol, dll.

Sekarang setelah Anda mengenal RStudio, Anda dapat langsung mulai menggunakannya. Misalnya, pikirkan untuk membangun proyek R Anda sendiri di RStudio. Untuk inspirasi lebih lanjut, lihat artikel Top R Project Ideas.

Jika Anda merasa perlu lebih banyak latihan R sebelum mulai membuat proyek di RStudio, pertimbangkan kursus dan track R di DataCamp yang ramah pemula berikut:

• Data Scientist with R
• Data Analyst with R
• Machine Learning Scientist with R
• Statistician with R
• Intermediate R
• R Programming