
Kursus RStudio
Kuasai RStudio dari dasar dan dapatkan keterampilan pemrograman R praktis yang benar-benar dicari oleh pemberi kerja. Kursus ini membawa Anda dari instalasi dan sintaks dasar hingga pengolahan data, analisis statistik, visualisasi, dan pelaporan profesional. Setiap konsep didasarkan pada alur kerja analitis nyata yang digunakan oleh para profesional data setiap hari.
Apa yang akan Anda pelajari:
Anda akan belajar menavigasi IDE RStudio, menulis skrip R yang bersih, dan bekerja dengan percaya diri menggunakan vektor, data frame, dan daftar. Anda akan mengimpor data dari file CSV, lembar kerja Excel, basis data, dan API web, lalu membersihkan serta mentransformasikannya menggunakan dplyr dan tidyr. Anda akan membuat visualisasi yang menarik dengan ggplot2 dan menerapkan statistika deskriptif serta statistika inferensial untuk menarik kesimpulan yang bermakna. Anda akan menghasilkan laporan yang reprodusibel dengan R Markdown dan membangun dasbor interaktif menggunakan Shiny. Topik lanjutan mencakup pemrograman fungsional dengan purrr, kontrol versi dengan Git, dan pembelajaran mesin dengan tidymodels.
Bagaimana Anda belajar secara praktis Kursus RStudio
Bagaimana Anda berlatih Kursus RStudio
Untuk Anda yang memiliki perusahaan dan ingin melatih tim
Di Dedika untuk perusahaan, kursus dilengkapi dengan latihan dan contoh yang disesuaikan dengan bisnis Anda dan kebutuhan perusahaan Anda.
Konten kursus
8 Bab • 40 PelajaranDurasi antara 4 dan 360 jam (Anda yang menentukan)
Bab 1SembunyikanSembunyikan detailLihat detailMemulai dengan RStudio
Memulai dengan RStudio
Pelajaran 1 • Menginstal R dan RStudio
Mencakup unduhan dan konfigurasi R dan RStudio pada sistem operasi utama. Menetapkan lingkungan kerja yang diperlukan untuk semua latihan selanjutnya.
Pelajaran 2 • Menavigasi Antarmuka RStudio
Memperkenalkan empat panel utama dan fungsinya di dalam RStudio. Memungkinkan alur kerja yang efisien dengan menguasai kustomisasi tata letak dan penggunaan panel.
Pelajaran 3 • Menulis dan Menjalankan Skrip R
Mengajarkan cara membuat, menyimpan, dan mengeksekusi file skrip R. Menghubungkan kebiasaan menulis skrip dengan alur kerja analisis data yang reprodusibel dan terorganisir.
Pelajaran 4 • Mendapatkan Bantuan di RStudio
Mendemonstrasikan alat bantuan bawaan, pencarian dokumentasi, dan sumber daya komunitas. Memberdayakan mahasiswa untuk memecahkan masalah secara mandiri selama kursus.
Pelajaran 5 • Memahami Dasar-Dasar Sintaks R
Menjelaskan sintaks inti R termasuk pengisian nilai, operator, dan pemanggilan fungsi. Memberikan fondasi gramatikal yang diperlukan untuk menulis kode R yang valid.
Bab 2SembunyikanSembunyikan detailLihat detailTipe dan Struktur Data R
Tipe dan Struktur Data R
Pelajaran 1 • Bekerja dengan Vektor
Mengajarkan cara membuat, mengindeks, dan mengoperasikan vektor atom. Vektor adalah blok bangunan fundamental dari semua struktur data R.
Pelajaran 2 • Daftar dan Struktur Bersarang
Menjelaskan daftar sebagai wadah fleksibel untuk tipe data campuran. Mempersiapkan mahasiswa untuk menangani data kompleks dan hierarkis yang umum dalam proyek nyata.
Pelajaran 3 • Tipe Data Skalar di R
Mencakup tipe numerik, integer, karakter, logika, dan kompleks. Memahami tipe mencegah kesalahan koersi dalam tugas manipulasi data selanjutnya.
Pelajaran 4 • Matriks dan Array
Memperkenalkan matriks dua dimensi dan array multi-dimensi. Membangun keterampilan untuk komputasi numerik dan representasi data terstruktur.
Pelajaran 5 • Kerangka Data dan Tibble
Mencakup kerangka data sebagai struktur tabular utama R dan memperkenalkan tibble. Mahasiswa dapat mengonstruksi dan memeriksa kumpulan data persegi panjang yang siap untuk analisis.
Bab 3SembunyikanSembunyikan detailLihat detailMengimpor dan Mengekspor Data
Mengimpor dan Mengekspor Data
Pelajaran 1 • Mengimpor Data JSON dan Web
Mendemonstrasikan jsonlite dan httr untuk membaca JSON dan respons API. Memperluas akses data ke sumber semi-terstruktur dan berbasis web modern.
Pelajaran 2 • Mengekspor Data dan Hasil
Mencakup write.csv(), writexl, dan saveRDS untuk menyimpan keluaran. Memastikan mahasiswa dapat mengirimkan produk data yang bersih dan reprodusibel kepada pemangku kepentingan.
Pelajaran 3 • Membaca File CSV dan Teks
Mengajarkan read.csv(), read.table(), dan fungsi readr untuk file datar. Menetapkan alur kerja pengingesan data paling umum yang digunakan dalam praktik.
Pelajaran 4 • Menghubungkan ke Basis Data
Memperkenalkan paket DBI dan odbc untuk membuat kueri basis data relasional. Memungkinkan mahasiswa mengakses sumber data perusahaan langsung dari RStudio.
Pelajaran 5 • Mengimpor Data Excel dan Spreadsheet
Mencakup paket readxl dan openxlsx untuk pengingesan file Excel. Mengatasi penggunaan spreadsheet yang meluas sebagai sumber data utama.
Bab 4SembunyikanSembunyikan detailLihat detailPengaturan Data dengan dplyr dan tidyr
Pengaturan Data dengan dplyr dan tidyr
Pelajaran 1 • Menangani Data yang Hilang
Mencakup deteksi, penghapusan, dan imputasi nilai yang hilang dalam kerangka data. Mencegah galat hilir yang disebabkan oleh nilai NA dalam alur analisis.
Pelajaran 2 • Menggabungkan dan Merger Kerangka Data
Menjelaskan gabungan kiri, kanan, dalam, dan penuh menggunakan fungsi gabung dplyr. Membangun kemampuan untuk menggabungkan data dari berbagai sumber menjadi satu kumpulan data.
Pelajaran 3 • Membentuk Ulang Data dengan tidyr
Mendemonstrasikan pivot_longer() dan pivot_wider() untuk transformasi data rapi. Struktur rapi diperlukan untuk sebagian besar fungsi visualisasi dan pemodelan.
Pelajaran 4 • Kata Kerja Inti dplyr
Mengajarkan filter(), select(), mutate(), arrange(), dan summarize(). Kelima kata kerja ini menangani sebagian besar tugas transformasi data di dunia nyata.
Pelajaran 5 • Pengelompokan dan Agregasi
Mencakup group_by() yang dikombinasikan dengan summarize() untuk alur kerja pisah-terapkan-gabung. Memungkinkan komputasi statistik tingkat kelompok yang penting untuk pelaporan.
Bab 5SembunyikanSembunyikan detailLihat detailVisualisasi Data dengan ggplot2
Visualisasi Data dengan ggplot2
Pelajaran 1 • Tipe Bagan Umum
Mencakup diagram pencar, diagram batang, histogram, diagram kotak, dan diagram garis. Mencocokkan tipe bagan dengan tipe data adalah keterampilan komunikasi data inti.
Pelajaran 2 • Menyimpan dan Mengekspor Plot
Mencakup ggsave() dengan opsi format, resolusi, dan ukuran untuk ekspor. Memastikan plot memenuhi standar kualitas untuk laporan, presentasi, dan publikasi.
Pelajaran 3 • Faseting dan Plot Multi-Panel
Mendemonstrasikan facet_wrap() dan facet_grid() untuk visualisasi multi-plot kecil. Faseting mengungkap pola tingkat kelompok tanpa mengacaukan satu bagan.
Pelajaran 4 • Menyesuaikan Tema dan Label
Mengajarkan label sumbu, judul, legenda, dan tema bawaan untuk keluaran yang poles. Kustomisasi mengubah plot mentah menjadi visual profesional siap-publikasi.
Pelajaran 5 • Dasar-Dasar Tata Bahasa Grafik
Memperkenalkan tata bahasa berlapis: data, estetika, dan geometri. Memahami kerangka kerja ini sangat penting untuk membuat bagan ggplot2 apa pun.
Bab 6SembunyikanSembunyikan detailLihat detailAnalisis Statistik di R
Analisis Statistik di R
Pelajaran 1 • Pengujian Hipotesis
Mencakup uji t, uji chi-kuadrat, dan ANOVA untuk membandingkan kelompok. Mahasiswa memilih uji yang tepat berdasarkan tipe data dan pertanyaan penelitian.
Pelajaran 2 • Analisis Korelasi
Mengajarkan koefisien korelasi Pearson dan Spearman serta uji signifikansi. Korelasi mengkuantifikasi hubungan linear dan monotonik antar variabel.
Pelajaran 3 • Statistika Deskriptif
Menghitung ukuran tendensi sentral, penyebaran, dan bentuk distribusi. Ringkasan deskriptif adalah titik awal untuk setiap analisis kuantitatif.
Pelajaran 4 • Regresi Berganda dan Pemilihan Model
Memperluas regresi ke beberapa prediktor dan memperkenalkan kriteria perbandingan model. Mahasiswa membangun model parsimoni yang menyeimbangkan kecocokan dan kompleksitas.
Pelajaran 5 • Regresi Linear Sederhana
Membangun dan menafsirkan model linear sederhana menggunakan lm(). Regresi menghubungkan hasil kontinu dengan satu prediktor dengan ketidakpastian yang terkuantifikasi.
Bab 7SembunyikanSembunyikan detailLihat detailR Markdown dan Pelaporan Reprodusibel
R Markdown dan Pelaporan Reprodusibel
Pelajaran 1 • Memformat Tabel dalam Laporan
Demonstrates knitr::kable() and kableExtra for styled, publication-ready tables. Well-formatted tables communicate data summaries more effectively than raw output.
Pelajaran 2 • Laporan Terparameterisasi
Mengajarkan parameter YAML dan render() untuk menghasilkan varian laporan ganda. Parameterisasi mengotomatiskan produksi laporan di berbagai subkelompok atau periode waktu.
Pelajaran 3 • Mengeluarkan ke PDF dan Word
Mengonfigurasi keluaran PDF berbasis LaTeX dan templat dokumen Word. Mencocokkan format keluaran dengan standar organisasi memastikan penerimaan oleh pemangku kepentingan.
Pelajaran 4 • Pengantar R Markdown
Menjelaskan struktur file R Markdown, header YAML, dan proses merajut. Pelaporan reprodusibel menghilangkan kesalahan salin-tempel manual dalam hasil analitis.
Pelajaran 5 • Menyematkan Kode dan Keluaran
Mencakup opsi potongan kode untuk mengontrol keluaran, peringatan, dan ukuran gambar. Kontrol potongan yang presisi menentukan apa yang dilihat pembaca dalam dokumen akhir.
Bab 8SembunyikanSembunyikan detailLihat detailTeknik Pemrograman R Tingkat Lanjut
Teknik Pemrograman R Tingkat Lanjut
Pelajaran 1 • Pemrograman Fungsional dengan purrr
Mengajarkan map(), map_df(), dan walk() untuk menerapkan fungsi pada daftar. Iterasi fungsional menggantikan perulangan-for yang rawan galat dengan kode yang dapat dibaca dan diprediksi.
Pelajaran 2 • Debugging dan Penanganan Galat
Memperkenalkan tryCatch(), browser(), dan traceback() untuk mendiagnosis kegagalan kode. Penanganan galat yang robust mencegah kegagalan diam-diam dalam jalur produksi analisis.
Pelajaran 3 • Alur Kontrol dan Kondisional
Menjelaskan if/else, switch(), perulangan-for, dan perulangan-while di R. Struktur alur kontrol memungkinkan perilaku program yang dinamis dan bergantung pada kondisi.
Pelajaran 4 • Menulis Fungsi Kustom
Mencakup sintaks fungsi, argumen, nilai bawaan, dan nilai pengembalian. Fungsi kustom menghilangkan duplikasi kode dan menegakkan logika yang konsisten di seluruh skrip.
Pelajaran 5 • Optimalisasi Kinerja
Mencakup pembuatan profil dengan profvis, vektorisasi, dan data.table untuk peningkatan kecepatan. Kode yang dioptimalkan menangani kumpulan data besar dalam batasan waktu yang dapat diterima.
Sertifikat valid Anda setelah menyelesaikan
Kursus ini cocok untuk Anda:
Analis bisnis: siap melampaui keterbatasan lembar kerja dan beralih ke alat data yang dapat diskalakan.
Mahasiswa pascasarjana: membutuhkan alur kerja penelitian yang reprodusibel untuk tesis atau disertasi.
Profesional pemasaran: ingin menganalisis data kampanye tanpa bergantung pada tim lain.
Peneliti kesehatan: mencari untuk menerapkan metode statistik secara langsung pada kumpulan data klinis.
Pengubah karier: membangun kredensial teknis untuk memasuki pasar kerja data dan analitik.
Analis keuangan: berupaya mengotomatiskan pelaporan dan menangani kumpulan data yang lebih besar secara lebih efisien.
Apa kata para siswa kami
Kelasnya sangat sempurna. Saya membeli paket satu tahun dan akhirnya memiliki kesempatan untuk mengikuti berbagai topik yang saya minati tanpa perlu berganti platform... terima kasih atas semua yang kalian lakukan, saya sudah merekomendasikan kalian kepada orang lain...

Saya suka bagaimana pelajarannya langsung pada intinya dan bagaimana saya bisa berpindah bab dan melewati konten yang tidak saya butuhkan.

Saya suka kontennya dan cara presentasi serta transkripsi videonya, yang mempercepat prosesnya!

Platformnya cepat, mudah digunakan. Keragaman konten dan video pelengkapnya sangat membantu dalam pembelajaran.

Pelatihan utama
FAQ
Siapa itu Dedika?
Apakah sertifikat ini berlaku di Indonesia?
Apakah kursusnya gratis?
Berapa beban belajar kursusnya?
Bagaimana bentuk kursusnya?
Bagaimana cara kerja kursusnya?
Berapa lama durasi kursusnya?
Berapa biaya atau harga kursusnya?
Apa itu kursus EAD atau online dan bagaimana cara kerjanya?
Kursus PDF




















