Penerapan Reproducible Research pada RStudio dengan Bahasa R dan Paket Knitr

Weksi Budiaji

DOI: https://doi.org/10.23917/khif.v5i1.7202

Abstract

Reproducible Research (RR) atau penelitian yang hasilnya dapat diulang sangat penting dalam sebuah penelitian karena dengan demikian peneliti lain akan dapat menjalankan ulang atau mengembangkan hasil penelitian sebelumnya dengan data dan kode yang telah tersedia. RStudio sebagai integrated development environment (IDE) software R dan paket Knitr menawarkan kemudahan untuk RR karena data dan kode dapat tersedia dengan mudah. Langkah pembuatan RR adalah pembuatan file .rmd, penyesuaian meta data, penulisan teks dan kode (chunk), dan rendering. Penerapan teks-kode, teks-tabel, dan teks-gambar pada sebuah contoh kasus artikel dengan RStudio, software R dan paket Knitr memberikan keuntungan yaitu penyesuaian hasil dan pengecekan yang lebih menghemat waktu jika terjadi perubahan data, cross reference yang mudah pada tabel dan gambar, dan kemudahan peneliti lain memanfaatkan data dan kode yang telah tersedia. Pengadopsian reproducible research (data dan kode tersedia) menjadi penting bagi seorang peneliti agar kontribusi terhadap keilmuan lebih efektif.

Keywords

reproducible research; penelitian; kode; data

References

C. Gandrud, "Reproducible Research with R and RStudio". 2nd ed. Chapman; Hall, 2015.

G. King, R. Keohane, and S, Verba. Designing Social Inquiry. Princeton University Press, 1994.

V. Stodden, J. Seiler, and Z. Ma, "An Empirical Analysis of Journal Policy Effectiveness for Computational Reproducibility". Proceedings of the National Academy of Sciences 115 (11). National Academy of Sciences: 2584–2589, 2018.

Peng, R. D, "Reproducible Research in Computational Science". Science, 1226–1227. 2011.

Stodden, V., Leisch F., and R. D Peng, "Implementing Reproducible Research". Chapman; Hall, 2014.

Leisch, F, "Sweave: Dynamic Generation of Statistical Reports Using Literate Data Analysis". In Proceedings in Computational Statistics, edited by W. Härdle and B. Rönz, 575–580. Physika Verlag, Heidelberg, Germany, 2002.

Yihui, X, "Dynamic Documents with R and Knitr". Chapman; Hall, 2015.

Biecek, P., and M. Kosinski, "Archivist: An R Package for Managing, Recording and Restoring Data Analysis Results". Journal of Statistical Software 82, 2017.

R Core Team. R, "A Language and Environment for Statistical Computing". Vienna, Austria: R Foundation for Statistical Computing. https://www.R-project.org/, 2015.

Yihui, X, Knitr: A General-Purpose Package for Dynamic Report Generation in R. 2017.

W. Budiaji, J. Pancawati, and Suherna. "Vegetables Mapping Using Production and Socioeconomic Indicators Approach". In ICoSI 2014 Proceedings of the 2nd International Conference on Sustainable Innovation, edited by Taufik T. et al., 109–118. Springer, Singapore, 2017.

BPS. Kota Serang Dalam Angka 2011. Badan Pusat Statistik Kota Serang, 2012.

Ivie, P., and D. Thain, “Reproducibility in Scientific Computing.” ACM Computing Surveys 51 (3). New York, NY, USA: ACM: 63:1–63:36, 2018.

Finak, G., B. Mayer, W. Fulp, P. Obrecht, A. Sato, E. Chung, D. Holman, and R. Gottardo. “DataPackageR: Reproducible Data Preprocessing, Standardization and Sharing Using R/Bioconductor for Collaborative Data Analysis [Version 2; Referees: 2 Approved, 1 Approved with Reservations].” Gates Open Research 2 (31), 2018.

Article Metrics

Abstract view(s): 182 time(s)
PDF (Bahasa Indonesia): 26 time(s)

Refbacks

  • There are currently no refbacks.