Silabus R Studio Master Class (3 Hari, 09:00 – 16:00)
Durasi: 3 Hari
Jam Belajar: 09:00 – 12:00, 13:00 – 16:00 (Istirahat: 12:00 – 13:00)
Hari 1: Pengantar R dan Data Manipulasi Lanjutan
09:00 – 10:30 | Sesi 1: Pengenalan R dan R Studio
- Instalasi dan konfigurasi R dan RStudio
- Struktur dasar bahasa R: variabel, tipe data, dan operator
- Import dan eksport data (CSV, Excel, JSON, SQL)
10:30 – 12:00 | Sesi 2: Data Wrangling dengan dplyr dan tidyr
- Pengolahan data dengan
dplyr: select, filter, mutate, arrange - Transformasi data dengan
tidyr: pivoting, missing value handling - Latihan studi kasus data wrangling
13:00 – 14:30 | Sesi 3: Pemrograman Fungsional dan Automasi dengan R
- Pembuatan fungsi kustom di R
- Looping vs. vectorization untuk efisiensi kode
- Automasi tugas dengan
purrrdanapplyfamily
14:30 – 16:00 | Sesi 4: Visualisasi Data dengan ggplot2
- Konsep dasar
ggplot2: aesthetic mapping, geoms, themes - Pembuatan berbagai jenis plot (scatter, bar, boxplot, line, histogram)
- Kustomisasi tampilan visualisasi dan anotasi
Hari 2: Analisis Statistik dan Machine Learning
09:00 – 10:30 | Sesi 5: Analisis Statistik Dasar & Inferensial
- Statistik deskriptif: mean, median, standard deviation
- Uji hipotesis: t-test, ANOVA, chi-square
- Regresi linear sederhana
10:30 – 12:00 | Sesi 6: Regresi dan Prediksi dengan Machine Learning
- Regresi linear berganda dan logistic regression
- Evaluasi model: RMSE, MAE, R-squared
- Implementasi pada data dunia nyata
13:00 – 14:30 | Sesi 7: Machine Learning dengan caret
- Pengantar supervised learning (classification & regression)
- Preprocessing data untuk machine learning
- Model training dan hyperparameter tuning dengan
caret
14:30 – 16:00 | Sesi 8: Clustering dan Unsupervised Learning
- K-Means dan hierarchical clustering
- PCA untuk reduksi dimensi
- Visualisasi hasil clustering
Hari 3: Big Data, Web Scraping, dan Dashboard Interaktif
09:00 – 10:30 | Sesi 9: Pengolahan Big Data dengan R
- Bekerja dengan dataset besar menggunakan
data.table - Pengolahan data dengan SparkR untuk integrasi dengan Hadoop/Spark
- Optimasi kinerja kode
10:30 – 12:00 | Sesi 10: Web Scraping dengan Rvest dan API Handling
- Teknik web scraping dengan
rvest - Pengambilan data dari API menggunakan
httr - Parsing dan manipulasi hasil scraping
13:00 – 14:30 | Sesi 11: Pembuatan Dashboard Interaktif dengan Shiny
- Konsep dasar
shinyuntuk pembuatan aplikasi interaktif - Pembuatan UI dan server
- Interaksi pengguna dengan input dan output dinamis
14:30 – 16:00 | Sesi 12: Studi Kasus dan Presentasi Akhir
- Peserta mengembangkan mini-project berbasis R
- Presentasi hasil analisis dan dashboard
- Review dan diskusi hasil pekerjaan
Hasil Akhir:
Peserta akan menguasai R Studio untuk analisis data, statistik, machine learning, big data, web scraping, dan dashboard interaktif.
