Tutorial ini menjelaskan cara menjelajahi, meringkas, dan memvisualisasikan dataset mtcars<\/strong> di R.<\/span><\/p>\n Terkait:<\/strong> Panduan Lengkap untuk Kumpulan Data Iris di R<\/a><\/span><\/p>\n Karena dataset mtcars<\/strong> adalah dataset bawaan di R, kita dapat memuatnya menggunakan perintah berikut:<\/span><\/p>\n Kita dapat melihat enam baris pertama dari dataset menggunakan fungsi head()<\/strong> :<\/span><\/p>\n Kita dapat menggunakan fungsi ringkasan()<\/strong> untuk meringkas setiap variabel dalam kumpulan data dengan cepat:<\/span><\/p>\n Untuk masing-masing dari 11 variabel kita dapat melihat informasi berikut:<\/span><\/p>\n Kita dapat menggunakan fungsi dim()<\/strong> untuk mendapatkan dimensi kumpulan data dalam hal jumlah baris dan kolom:<\/span><\/p>\n Kita dapat melihat bahwa dataset tersebut memiliki 32<\/b> baris dan 11<\/strong> kolom.<\/span><\/p>\n Kita juga bisa menggunakan fungsi nama()<\/strong> untuk menampilkan nama kolom dari bingkai data:<\/span><\/p>\n Kita juga dapat membuat plot untuk memvisualisasikan nilai dari dataset.<\/span><\/p>\n Misalnya, kita dapat menggunakan fungsi hist()<\/strong> untuk membuat histogram dari nilai variabel tertentu:<\/span> <\/p>\n Kita juga dapat menggunakan fungsi boxplot()<\/strong> untuk membuat plot kotak<\/a> guna memvisualisasikan distribusi nilai untuk variabel tertentu:<\/span> <\/p>\n Kita juga dapat menggunakan fungsi plot()<\/strong> untuk membuat plot sebar dari kombinasi variabel apa pun yang berpasangan:<\/span> <\/p>\n Dengan menggunakan fungsi bawaan di R, kita dapat belajar banyak tentang dataset mtcars<\/strong> .<\/span><\/p>\n Jika Anda ingin melakukan analisis statistik lebih lanjut dengan kumpulan data ini, lihat tutorial ini<\/a> yang menjelaskan cara menyesuaikan model regresi linier dan model linier umum menggunakan kumpulan data mtcars<\/strong> .<\/span><\/p>\n Tutorial berikut menjelaskan cara melakukan tugas umum lainnya di R:<\/span><\/p>\n Cara termudah untuk membuat tabel ringkasan di R<\/a> Dataset mtcars merupakan dataset terintegrasi di R yang berisi pengukuran pada 11 atribut berbeda untuk 32 mobil berbeda. Tutorial ini menjelaskan cara menjelajahi, meringkas, dan memvisualisasikan dataset mtcars di R. Terkait: Panduan Lengkap untuk Kumpulan Data Iris di R Muat kumpulan data mtcars Karena dataset mtcars adalah dataset bawaan di R, kita dapat memuatnya menggunakan […]<\/p>\n","protected":false},"author":1,"featured_media":0,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[11],"tags":[],"yoast_head":"\n Muat kumpulan data mtcars<\/strong><\/span><\/h3>\n
data(mtcars)<\/strong><\/span><\/pre>\n #view first six rows of mtcars dataset<\/span>\nhead(mtcars)\n\n mpg cyl disp hp drat wt qsec vs am gear carb\nMazda RX4 21.0 6 160 110 3.90 2.620 16.46 0 1 4 4\nMazda RX4 Wag 21.0 6 160 110 3.90 2.875 17.02 0 1 4 4\nDatsun 710 22.8 4 108 93 3.85 2.320 18.61 1 1 4 1\nHornet 4 Drive 21.4 6 258 110 3.08 3.215 19.44 1 0 3 1\nHornet Sportabout 18.7 8 360 175 3.15 3.440 17.02 0 0 3 2\nValiant 18.1 6 225 105 2.76 3,460 20.22 1 0 3 1\n<\/strong><\/span><\/pre>\n Ringkas kumpulan data mtcars<\/strong><\/span><\/h3>\n
#summarize mtcars dataset<\/span>\nsummary(mtcars)\n\n mpg cyl disp hp \n Min. :10.40 Min. :4,000 Min. : 71.1 Min. : 52.0 \n 1st Q:15.43 1st Q:4,000 1st Q:120.8 1st Q:96.5 \n Median: 19.20 Median: 6.000 Median: 196.3 Median: 123.0 \n Mean:20.09 Mean:6.188 Mean:230.7 Mean:146.7 \n 3rd Q:22.80 3rd Q:8,000 3rd Q:326.0 3rd Q:180.0 \n Max. :33.90 Max. :8,000 Max. :472.0 Max. :335.0 \n drat wt qsec vs \n Min. :2.760 Min. :1.513 Min. :14.50 Min. :0.0000 \n 1st Qu.:3.080 1st Qu.:2.581 1st Qu.:16.89 1st Qu.:0.0000 \n Median: 3.695 Median: 3.325 Median: 17.71 Median: 0.0000 \n Mean:3.597 Mean:3.217 Mean:17.85 Mean:0.4375 \n 3rd Qu.:3.920 3rd Qu.:3.610 3rd Qu.:18.90 3rd Qu.:1.0000 \n Max. :4.930 Max. :5.424 Max. :22.90 Max. :1.0000 \n am gear carb \n Min. :0.0000 Min. :3,000 Min. :1,000 \n 1st Qu.:0.0000 1st Qu.:3.000 1st Qu.:2.000 \n Median: 0.0000 Median: 4.000 Median: 2.000 \n Mean:0.4062 Mean:3.688 Mean:2.812 \n 3rd Qu.:1.0000 3rd Qu.:4.000 3rd Qu.:4.000 \n Max. :1.0000 Max. :5,000 Max. :8,000<\/strong><\/span><\/pre>\n\n
#display rows and columns<\/span>\ndim(mtcars)\n\n[1] 32 11\n<\/strong><\/span><\/pre>\n #display column names<\/span>\nnames(mtcars)\n\n [1] \"mpg\" \"cyl\" \"disp\" \"hp\" \"drat\" \"wt\" \"qsec\" \"vs\" \"am\" \"gear\"\n[11] \u201ccarb\u201d \n<\/strong><\/span><\/pre>\n Visualisasikan kumpulan data mtcars<\/strong><\/span><\/h3>\n
#create histogram of values for mpg<\/span>\nhist(mtcars$mpg,\n col=' steelblue<\/span> ',\n main=' Histogram<\/span> ',\n xlab=' mpg<\/span> ',\n ylab=' Frequency<\/span> ')\n<\/strong><\/span><\/pre>\n![\"\"](\"https:\/\/statorials.org\/wp-content\/uploads\/2023\/08\/mtcars1-1.jpg\")
<\/p>\n #create boxplot of values for mpg<\/span>\nboxplot(mtcars$mpg,\n main='<\/span> Distribution of mpg values<\/span> ',<\/span>\n ylab='<\/span> mpg<\/span> ',\n col='<\/span> steelblue<\/span> ',\n border='<\/span> black<\/span> ')<\/span><\/strong><\/span> <\/pre>\n![\"\"](\"https:\/\/statorials.org\/wp-content\/uploads\/2023\/08\/mtcars3.jpg\")
<\/p>\n #create scatterplot of mpg vs. wt<\/span>\nplot(mtcars$mpg, mtcars$wt,\n col=' steelblue<\/span> ',\n main=' Scatterplot<\/span> ',\n xlab=' mpg<\/span> ',\n ylab=' wt<\/span> ',\n pch= 19<\/span> )<\/strong><\/span> <\/pre>\n![\"\"](\"https:\/\/statorials.org\/wp-content\/uploads\/2023\/08\/mtcars2.jpg\")
<\/p>\n Sumber daya tambahan<\/strong><\/span><\/h3>\n
Cara menghitung rangkuman lima angka di R<\/a>
Cara melakukan regresi linier sederhana di R<\/a><\/p>\n","protected":false},"excerpt":{"rendered":"