Langsung ke konten utama

How to Create Some Functions [func()] using R?

Creating some functions using R

Hello everyone, in this section, I want to share with you how to create some functions in the R language. In some cases, maybe we face a problem that is ineffective when finished using traditional calculations or manual processes. So, we need a function that may work effectively and efficiently in solving our problems.

In this post, we want to practice how to make some simple functions which may finish some cases. I will provide examples below based on my daily work experiences. Some of these examples may be new to you, but the important thing is that I hope you could catch the point of making functions.

In the certain stage of practice, we will use special package like dplyr. Like pandas in python, dplyr has some functions that we need for data manipulation.

Furthermore, we want to practice how to build a function using one or more parameters that we used to solve our problem. At the end of this post, we will try to solve some quadratic equations using the ABC formula with the function that we built earlier.

Okay, let us practice it sequentially using some codes below:


# create a function with a parameter
hasil <- function(x){
  y <- x^2
  return(y)
}
hasil(2)
## [1] 4
# create a function with 2 parameters
hasil <- function(x, y){
  z <- x - y
  return(z)
}
hasil(2, 5)
## [1] -3
# create a function with 3 parameters
hitung <- function(x, y, z){
  hasil <- sqrt(x^2 + y^2 + z^2)
  return(hasil)
}
hitung(2, 3, 4)
## [1] 5.385165
# create a function with a parameter and constant parameter
hasil <- function(x, y = 6){
  z <- x*y
  return(z)
}
hasil(0.6)
## [1] 3.6
# create a function to calculate integral
integral <- function(x){
  return(x^2)
}
integrate(integral, lower = 0, upper = 5)
## 41.66667 with absolute error < 4.6e-13
# create a function for generating certain function
fungsi_generator <- function(pangkat) {
  return(function(x) {
    return(x^pangkat)
  })
}
# generating function
fungsi_kuadrat <- fungsi_generator(2)
fungsi_kubik <- fungsi_generator(3)

# calculate the value using a generated function
fungsi_kuadrat(3)
## [1] 9
fungsi_kubik(3)
## [1] 27
# create 2 conditional functions using cat()
hasil <- function(x){
  if(x > 0){
    cat("Logic")
  }
  else{
    cat("Unlogic")
  }
}
hasil(0)
## Unlogic
# create 3 conditional functions using cat()
hasil <- function(x){
  if(x > 0){
    cat("Good")
  }
  else if(x == 0){
    cat("Moderate")
  }
  else{
    cat("Bad")
  }
}
hasil(1)
## Good
# create 3 conditional functions using if-else
hasil <- function(x){
    cat(ifelse(x > 0, "Good", ifelse(x == 0, "Moderate", "Bad")))
}
hasil(0)
## Moderate
# create 3 conditional functions with general conditions
hasil <- function(x){
  if(x > 0){
    return("Positive")
  }
  else if (x < 0){
    return("Negative")
  }
  else {
    return("Zero")
  }
}
hasil(-1)
## [1] "Negative"
# create a function with multiple choice operations
library(dplyr)
hasil <- function(x, y, op){
  hitung <- case_when(
    op == "plus" ~ as.character(x + y),
    op == "minus" ~ as.character(x - y),
    op == "multiply" ~ as.character(x * y),
    TRUE ~ "Operation not valid!"
  )
  return(hitung)
}

hasil(2, 3, "minus")
## [1] "-1"
# create a function to calculate the equation roots
# as we know, the quadratic equation is written as ax^2 + bx + c = 0
# to calculate its roots, we use the ABC formula
# x1,2 = (-b +/- sqrt(b^2 - 4ac)/2a)
akarpersamaan <- function(a, b, c){
  # calculate the discriminant (D)
  d <- b^2 - 4*a*c
  # declare x1 and x2
  x1 <- NULL
  x2 <- NULL
  # check the value of D
  if(d >= 0){
    # root of D
    akard <- sqrt(d)
    # calculate the roots of the quadratic equation
    x1 <- (-b + akard)/(2*a)
    x2 <- (-b - akard)/(2*a)
  }
  else{
    print("Discriminant < 0 or Imaginary roots")
  }
  hasil <- data.frame(x1 = x1, x2 = x2, discriminant = d)

  return(hasil)
}

# implement the function to the first equation 2x^2 + 3x - 1 = 0
akarpersamaan(2, 3, -1)
##          x1        x2 discriminant
## 1 0.2807764 -1.780776           17
# implement the function to the second equation x^2 + x + 1 = 0
akarpersamaan(1, 1, 1)
## [1] "Discriminant < 0 or Imaginary roots"
## Error in data.frame(x1 = x1, x2 = x2, discriminant = d): arguments imply differing number of rows: 0, 1

Happy learning and practicing!

Komentar

Postingan populer dari blog ini

Mencari P - Value dan Titik Kritis Uji F, Uji t, Uji Chi Square, dan Uji Z Normal dengan R

Mencari nilai p-value dan titik kritis Bagi teman-teman yang pernah mengenal statistika, pasti familier dengan istilah p-value dan titik kritis. P-value biasanya didefinisikan sebagai probabiltas atau peluang maksimal yang diamati dari hasil uji statistik, bahasa gampangnya adalah besarnya kesalahan penelitian berdasarkan uji statistik. Sebagai contoh sederhana, dari 100 orang dengan nama masing-masing dan diklasifikasikan ke dalam gender nama perempuan dan nama laki-laki, didapatkan nilai p-value uji statistiknya sebesar 0,05 atau 5%. Itu artinya, dari 100 orang, ada kemungkinan sebanyak 5 orang yang namanya salah klasifikasi. Dari namanya terdeteksi sebagai nama perempuan, padahal aktualnya yang bersangkutan bergender laki-laki. Sedangkan titik kritis atau titik uji adalah nilai batas pengujian hipotesis statistik, apakah masuk dalam wilayah tolak hipotesis, ataukah gagal menolaknya. Titik ini berkaitan erat dengan nilai p-value . Kalau biasanya kita mendapatkan kedua nilai ini da...

Cara Mendowload dan Install R serta RStudio di Windows (Step by Step)

Cara Download dan Install R serta R Studio di Windows Halo teman-teman, mohon maaf karena beberapa waktu ini, blog ini sempat vakum dari unggahan. Kali ini saya akan coba berbagai mengenai bagaimana cara mengunduh ( download ) dan menginstal ( install ) program R sekaligus R Studio khususnya di Windows. Unggahan kali ini sedikit terbalik karena semestinya saya unggah terlebih dahulu pertama kali di blog ini, namun bukan masalah, mengingat kemarin ada beberapa pihak yang meminta untuk menerangkap bagaimana tahapan mengunduh dan instalasi R dan R Studio, jadinya saya dahulukan pada unggahan ini sebelum pembahasan mengenai Data Mining , Data Science , atau bahasan Big Data kita terlampau jauh. Baik, kita akan mulai dengan bagaimana mengunduh R dan R Studio melalui mesin pencari Google. R dan R Studio ini memang beberapa waktu terakhir ini booming , apalagi dengan munculnya konsep mengenai Big Data , Data Modelling, Data Mining, dan Data Science serta Data Visualization . Sebenarnya, men...

Analisis Tipologi Klassen (Klassen Typology) dan Visualisasi Spasialnya dengan R

Tipologi Klassen dan visualisasinya dengan R Halo teman-teman, sebelumnya kita telah membahas tentang analisis Shift Share dan Location Quotient (LQ) dengan menggunakan R. Kali ini, kita akan membahas mengenai satu lagi alat analisis yang sebenarnya merupakan alat analisis tiga serangkai dari SS dan LQ, yaitu analisis Tipologi Klassen. Dalam penelitian ekonomi kewilayahan, ketiga analisis ini seringkali digunakan, baik dalam rangka melihat perkembangan dan transformasi struktur ekonomi suatu wilayah maupun melihat keunggulan kompetitif dan keunggulan komparatif wilayah satu dengan wilayah lainnya dengan mengacu wilayah referensi. Terlebih dulu, sebelum melakukan visualisasi spasial menggunakan fungsi plot(), ada baiknya kita bahas terlebih dahulu mengenai Tipologi Klassen itu sendiri. Tipologi Klassen merupakan teknik pengelompokan sektor, subsektor, lapangan usaha, atau komoditas tertentu di wilayah analisis berdasarkan pertumbuhan nilai tambah wilayah analisis terhadap nasional atau...