Pengantar Pemrograman R

Faktor

Seringkali data itu hanya memuat sejumlah kategori yang terbatas. Misalnya, posisi negara-negara di dunia ini dapat dikategorikan ke dalam tujuh benua: Asia, Afrika, Amerika Utara, Amerika Selatan, Antarktika, Eropa, dan Australia. Di R, data kategori seperti ini merupakan faktor. Faktor merupakan struktur data yang penting untuk menganalisis data. Oleh karena itu, di subbab ini Anda akan dipandu untuk belajar dan berlatih tentang faktor.

Selayang Pandang Tentang Faktor

Faktor merupakan sebuah jenis data statistik yang digunakan untuk menyimpan variabel-variabel kategori. Selain variabel kategori, kita mengenal juga variabel kontinu. Perbedaan antara keduanya adalah bahwa variabel kategori hanya dapat termuat ke dalam kategori-kategori yang terbatas. Sebaliknya, variabel kontinu dapat berkorespondensi dengan nilai-nilai yang banyaknya tak hingga.

Karena adanya perbedaan dua variabel tersebut, penting bagi R untuk mengetahui jenis variabel yang diolahnya. Demikian halnya kita juga perlu memperlakukan dua jenis variabel tersebut dengan cara yang berbeda.

Salah satu contoh jenis variabel kategori yang sering digunakan adalah jenis kelamin. Di banyak kasus, kita dapat mengkategorikan jenis kelamin ke dalam dua kategori: “Laki-laki” dan “Perempuan”.

Untuk mengilustrasikan bagaimana membuat faktor di R, pertama kita buat sebuah vektor yang elemen-elemennya dapat diklasifikasikan ke dalam sejumlah kategori yang terbatas. Misalnya, vektor_jk berikut ini berisi jenis kelamin dari lima orang yang berbeda.

vektor_jk <- c("Perempuan", "Perempuan",
               "Laki-laki", "Perempuan",
               "Laki-laki")

Jelas bahwa vektor_jk memuat dua level faktor, yaitu "Laki-laki" dan "Perempuan". Untuk menjadikan tersebut sebagai sebuah faktor, kita dapat menggunakan fungsi factor().

vektor_jk_faktor <- factor(vektor_jk)

Latihan 1.31

  • Ubahlah vektor karakter vektor_jk menjadi sebuah faktor dengan fungsi factor() dan namai hasilnya sebagai vektor_jk_faktor.
  • Tampilkan vektor_jk_faktor dan perhatikan bahwa R mencetak level-level faktor tersebut di bawah nilai-nilai yang sebenarnya.
# no pec # Vektor jenis kelamin vektor_jk <- c("Perempuan", "Perempuan", "Laki-laki", "Perempuan", "Laki-laki") # Konversi vektor_jk menjadi sebuah faktor vektor_jk_faktor <- # Tampilkan vektor_jk_faktor # Vektor jenis kelamin vektor_jk <- c("Perempuan", "Perempuan", "Laki-laki", "Perempuan", "Laki-laki") # Konversi vektor_jk menjadi sebuah faktor vektor_jk_faktor <- factor(vektor_jk) # Tampilkan vektor_jk_faktor vektor_jk_faktor ex() %>% check_object("vektor_jk_faktor") %>% check_equal(incorrect_msg = "Apakah Anda sudah menjadikan `vektor_jk` sebagai sebuah faktor yang bernama `vektor_jk_faktor`?") ex() %>% check_output_expr("vektor_jk_faktor", missing_msg = "Jangan lupa untuk menampilkan `vektor_jk_faktor`!") success_msg("Mantap! Silakan lanjut ke bahasan berikutnya.")
Gunakan fungsi factor() pada vektor_jk. Lihat lagi pembahasan sebelumnya. Jawabannya sudah dibahas di situ.

Terdapat dua jenis variabel kategori: variabel nominal dan variabel ordinal.

Variabel nominal adalah variabel kategori yang tidak memiliki urutan. Dengan kata lain, kita tidak dapat membandingkan dan mengatakan bahwa satu kategori lebih tinggi dari kategori lainnya. Misalnya kita memiliki variabel kategori vektor_warna yang kategori-kategorinya "Merah", "Kuning", "Hijau", dan "Biru". Dengan kategori seperti itu, kita tidak mungkin mengatakan bahwa satu warna lebih tinggi dari warna lainnya.

Sebaliknya, variabel ordinal memiliki urutan. Misalnya adalah variabel ordinal vektor_kesukaran yang memiliki kategori "Mudah", "Menengah", dan "Susah". Dari contoh ini, jelas bahwa "Menengah" lebih tinggi daripada "Mudah", dan "Susah" merupakan kategori yang paling tinggi.

Latihan 1.32

Klik Submit untuk mengirimkan jawaban yang telah tersedia dan lihat bagaimana R menampilkan variabel-variabel nominal dan ordinal. Jika Anda belum memahami apa yang ditampilkan, jangan bermuram durja. Kita diskusikan di bagian selanjutnya.

# no pec # Warna vektor_warna <- c("Merah", "Kuning", "Hijau", "Biru") vektor_warna_faktor <- factor(vektor_warna) vektor_warna_faktor # Kesukaran vektor_kesukaran <- c("Mudah", "Menengah", "Mudah","Menengah", "Susah") vektor_kesukaran_faktor <- factor(vektor_kesukaran, order = TRUE, levels = c("Mudah", "Menengah", "Susah")) vektor_kesukaran_faktor # Warna vektor_warna <- c("Merah", "Kuning", "Hijau", "Biru") vektor_warna_faktor <- factor(vektor_warna) vektor_warna_faktor # Kesukaran vektor_kesukaran <- c("Mudah", "Menengah", "Mudah","Menengah", "Susah") vektor_kesukaran_faktor <- factor(vektor_kesukaran, order = TRUE, levels = c("Mudah", "Menengah", "Susah")) vektor_kesukaran_faktor msg <- "Jangan mengubah kode apapun dalam skrip. Cukup submit jawabannya dan cermati hasilnya!" ex() %>% check_object("vektor_warna", undefined_msg = msg) %>% check_equal(incorrect_msg = msg) ex() %>% check_object("vektor_kesukaran", undefined_msg = msg) %>% check_equal(incorrect_msg = msg) ex() %>% check_object("vektor_warna_faktor", undefined_msg = msg) %>% check_equal(incorrect_msg = msg) ex() %>% check_output_expr("vektor_warna_faktor", missing_msg = msg) ex() %>% check_object("vektor_kesukaran_faktor", undefined_msg = msg) %>% check_equal(incorrect_msg = msg) ex() %>% check_output_expr("vektor_kesukaran_faktor", missing_msg = msg) success_msg("Sudahkah Anda mengamati level faktornya? Luar biasa! Lanjut ke bahasan berikutnya untuk mempelajari lebih jauh tentang level faktor.")
Kliklah tombol Sumbit pada console untuk mengirimkan jawaban yang sudah tersedia. Cermati bagaimana R mengindikasikan urutan pada level faktor untuk variabel ordinal.

Level-Level Faktor

Misalkan Anda baru saja selesai melakukan survei dan sekarang menghadap data survei tersebut. Anda memperhatikan bahwa variabel jenis kelamin dalam data survei terebut memuat dua kategori, yaitu "L" dan "P". Agar data tersebut terbaca dengan mudah oleh orang lain, Anda ingin mengubahnya menjadi "Laki-laki" dan "Perempuan". Bagaimana cara melakukannya?

Keinginan Anda tersebut dapat dilakukan dengan memanfaatkan fungsi levels(). Sebagai contoh, jenis kelamin dari responden survei Anda adalah seperti ini.

vektor_survei <- c("P", "P", "L", "P", "L")

Pertama, kita perlu mengkonversi vektor tersebut menjadi sebuah faktor, vektor_survei_faktor. Setelah itu, kita gunakan c("Laki-laki", "Perempuan") untuk dipetakan ke levels(vektor_survei_vektor).

Penting diperhatikan bahwa pemetaan tersebut harus terurut secara akurat. Jika Anda mentikkan levels(vektor_survei_faktor), Anda akan mendapatkan luaran seperti berikut.

[1] "L" "P"

Jika Anda tidak mengatur level-level faktor tersebut, R secara otomatis akan memetakannya menurut alfabet. Agar secara akurat fungsi levels() tersebut memetakan "Laki-laki" ke "L" dan "Perempuan" ke "P", kita perlu menggunakan c("Laki-laki", "Perempuan").

Latihan 1.33

  • Cermati kode yang digunakan untuk membuat vektor_survei dan vektor_survei_faktor. Vektor faktor tersebut dipakai dalam perintah berikutnya.
  • Ubahlah level-level faktor vektor_survei_faktor menjadi c("Laki-laki", "Perempuan") dan tampilkan hasilnya.
# no pec # Kode untuk membuat vektor_survei_faktor vektor_survei <- c("P", "P", "L", "P", "L") vektor_survei_faktor <- factor(vektor_survei) # Aturlah level-level vektor_survei_faktor levels(vektor_survei_faktor) <- vektor_survei_faktor # Kode untuk membuat vektor_survei_faktor vektor_survei <- c("P", "P", "L", "P", "L") vektor_survei_faktor <- factor(vektor_survei) # Aturlah level-level vektor_survei_faktor levels(vektor_survei_faktor) <- c("Laki-laki", "Perempuan") vektor_survei_faktor msg = "Jangan mengubah pendefinisian `vektor_survei`!" ex() %>% check_object("vektor_survei", undefined_msg = msg) %>% check_equal(incorrect_msg = msg) msg = "Jangan mengubah atau menghapus kode untuk membuat vektor faktornya." ex() %>% check_function("factor", not_called_msg = msg) %>% check_arg('x') %>% check_equal(incorrect_msg = msg) # MC-note: ideally would want to test assign operator `<-`, and have it highlight whole line. # MC-note: or negate this test_student_typed, to highlight where they type this incorrect phrase # test_student_typed('c("Male", "Female")') ex() %>% check_object("vektor_survei_faktor") %>% check_equal(eq_condition = "equal", incorrect_msg = paste("Apakah Anda telah memetakan level-level faktor yang benar kepada `vektor_survei_faktor`? Gunakan `levels(vektor_survei_faktor) <- c(\"Laki-laki\", \"Perempuan\")`. Ingat bahwa R sensitif terhadap kapitalisasi!")) success_msg("Jempol! Lanjut ke materi berikutnya.")
Perhatikan urutan level-level faktor yang Anda petakan.

Meringkas Sebuah Faktor

Anda telah mengganti level-level faktor dari variabel jenis kelamin dalam data survei Anda. Sekarang, Anda ingin meringkas variabel jenis kelamin tersebut.

Di R, kita dapat menggunakan fungsi summary() untuk melihat ringkasan sebuah variabel.

summary(var_ku)

Dengan fungsi itu, kita dapat mengetahui banyaknya responden yang menjawab "Laki-laki", dan berapa banyak yang menjawab "Perempuan".

Latihan 1.34

Gunakan summary() pada vektor_survei dan vektor_survei_faktor, kemudian interpretasikan hasilnya. Menurut Anda, apakah kedua hasil tersebut sama bermanfaatnya?

# no pec # Kode untuk membuat vektor_survei_faktor vektor_survei <- c("P", "P", "L", "P", "L") vektor_survei_faktor <- factor(vektor_survei) levels(vektor_survei_faktor) <- c("Laki-laki", "Perempuan") vektor_survei_faktor # Membuat ringkasan untuk vektor_survei # Membuat ringkasan untuk vektor_survei_faktor # Kode untuk membuat vektor_survei_faktor vektor_survei <- c("P", "P", "L", "P", "L") vektor_survei_faktor <- factor(vektor_survei) levels(vektor_survei_faktor) <- c("Laki-laki", "Perempuan") vektor_survei_faktor # Membuat ringkasan untuk vektor_survei summary(vektor_survei) # Membuat ringkasan untuk vektor_survei_faktor summary(vektor_survei_faktor) msg = "Jangan mengubah apapun pada baris yang mendefinisikan `vektor_survei` dan `vektor_survei_faktor`." ex() %>% check_object("vektor_survei", undefined_msg = msg) %>% check_equal(incorrect_msg = msg) ex() %>% check_object("vektor_survei_faktor", undefined_msg = msg) %>% check_equal(eq_condition = "equal",incorrect_msg = msg) msg <- "Apakah secara akurat Anda menggunakan `summary()` untuk meringkas `vektor_survei` dan `vektor_survei_faktor`?" ex() %>% check_output_expr("summary(vektor_survei)", missing_msg = sprintf(msg, "vektor_survei")) ex() %>% check_output_expr("summary(vektor_survei_faktor)", missing_msg = sprintf(msg, "vektor_survei_faktor")) success_msg("Bagus! Cermati luarannya. Karena kita telah mengatur `\"Laki-laki\"` dan `\"Perempuan\"` sebagai level-level faktor dari `vektor_survei_faktor`, R dapat menunjukkan banyaknya tiap-tiap kategori tersebut.")
Cukup gunakan fungsi summary() untuk vektor_survei dan vektor_survei_faktor.

Pada bagian sebelumnya telah disinggung bahwa kita tidak mungkin membandingkan level-level variabel nominal. Tapi mungkin Anda tetap penasaran bagaimana jika kita membandingkan level-level tersebut. Silakan jawab rasa penasaran Anda di Latihan 1.35.

Latihan 1.35

Bacalah kode di dalam editor dan klik Submit untuk mengirimkan jawabannya. Kode tersebut digunakan untuk menguji apakah laki lebih besar dari (>) perempuan.

# no pec # Membuat vektor_survei_faktor dengan level-level yang mudah dibaca vektor_survei <- c("P", "P", "L", "P", "L") vektor_survei_faktor <- factor(vektor_survei) levels(vektor_survei_faktor) <- c("Laki-laki", "Perempuan") # Laki-laki laki <- vektor_survei_faktor[1] # Perempuan perempuan <- vektor_survei_faktor[2] # Apakah laki-laki 'lebih besar' daripada perempuan laki > perempuan # Membuat vektor_survei_faktor dengan level-level yang mudah dibaca vektor_survei <- c("P", "P", "L", "P", "L") vektor_survei_faktor <- factor(vektor_survei) levels(vektor_survei_faktor) <- c("Laki-laki", "Perempuan") # Laki-laki laki <- vektor_survei_faktor[1] # Perempuan perempuan <- vektor_survei_faktor[2] # Apakah laki-laki 'lebih besar' daripada perempuan laki > perempuan msg = "Jangan mengubah apapun terhadap kodenya. Cuku kirimkan jawabannya dan lihat hasilnya." ex() %>% check_object("vektor_survei", undefined_msg = msg) %>% check_equal(incorrect_msg = msg) ex() %>% check_object("vektor_survei_faktor", undefined_msg = msg) %>% check_equal(eq_condition = "equal", incorrect_msg = msg) ex() %>% check_object("laki", undefined_msg = msg) %>% check_equal(incorrect_msg = msg) ex() %>% check_object("perempuan", undefined_msg = msg) %>% check_equal(incorrect_msg = msg) ex() %>% check_output_expr("laki > perempuan", missing_msg = msg) success_msg("Menarik! R akan mendapatkan `NA` ketika kita membandingkan level-level variabel nominal, karena hal ini tidak mungkin dilakukan. Selanjutnya Anda akan belajar faktor-faktor yang terurut, sehingga perbandingan semacam itu dimungkinkan.")
Cukup jalankan kodenya dan lihat apa yang tertampil di hasil.

Faktor-Faktor Terurut

Latihan 1.35 telah menunjukkan bahwa tidak mungkin kita membandingkan level-level faktor yang tak terurut (nominal). Akan tetapi ketika kita memiliki level-level faktor yang terurut (ordinal), tentu kita dapat membandingkannya. Kita perlu memastikan bahwa karakteristik keterurutan tersebut diterima oleh R.

Misalkan Anda bekerja kelompok secara daring bersama dengan lima teman Anda. Sebagai ketua kelompok, Anda mencatat seberapa cepat mereka menanggapi diskusi yang dilakukan dalam forum. Anda kemudian mengkategorikan kecepatannya ke dalam tiga kategori: "lambat", "sedang", dan "cepat". Anda mencatat kecepatan setiap teman-teman Anda dan menyimpannya sebagai vektor_kecepatan.

Latihan 1.36

Jadikan vektor_kecepatan sebagai sebuah vektor yang memiliki lima elemen, masing-masing merepresentasikan kecepatan teman-teman Anda dalam membalas diskusi di forum. Tiap-tiap elemen tersebut isinya "lambat", "sedang", atau "cepat". Gunakan informasi berikut.

  • Teman 1 lambat.
  • Teman 2 sedang.
  • Teman 3 lambat.
  • Teman 4 sedang.
  • Teman 5 cepat.

Di latihan ini, Anda belum perlu mengatur vektor_kecepatan sebagai sebuah faktor.

# no pec # Membuat vektor_kecepatan vektor_kecepatan <- # Membuat vektor_kecepatan vektor_kecepatan <- c("lambat", "sedang", "lambat", "sedang", "cepat") ex() %>% check_object("vektor_kecepatan") %>% check_equal(incorrect_msg = "Hei, `vektor_kecepatan` seharusnya sebuah vektor dengan lima elemen, masing-masing menunjukkan kecepatan teman Anda. Jangan menggunakan huruf kapital karena R sensitif!") success_msg("Kerja bagus! Silakan lanjut ke pembahasan berikutnya.")
Jadikan vektor_kecepatan sebagai sebuah vektor yang isinya "lambat", "sedang", atau "cepat".

Di Latihan 1.36, vektor_kecepatan yang telah Anda buat masih berupa vektor. Vektor tersebut dapat kita buat sebagai sebuah faktor ordinal karena level-levelnya dapat diurutkan. Bawaannya, fungsi factor() akan mengubah vektor_kecepatan menjadi faktor tak terurut. Untuk menjadikannya faktor terurut, kita perlu menambahkan dua argumen tambahan: ordered dan levels.

factor(contoh_vektor,
       ordered = TRUE,
       levels = c("lev1", "lev2" ...))

Dengan mengatur ordered bernilai TRUE dalam fungsi factor(), Anda mengindikasikan bahwa faktor tersebut terurut. Dengan argumen levels Anda menunjukkan urutan level-level yang tepat.

Latihan 1.37

Dari vektor_kecepatan, buatlah sebuah vektor faktor yang terurut: vektor_kecepatan_faktor. Aturlah ordered menjadi TRUE dan levels sebagai c("lambat", "sedang", "cepat").

# no pec # Membuat vektor_kecepatan vektor_kecepatan <- c("lambat", "sedang", "lambat", "sedang", "cepat") # Ubah vektor_kecepatan menjadi sebuah faktor yang terurut vektor_kecepatan_faktor <- # Tampilkan vektor_kecepatan_faktor vektor_kecepatan_faktor summary(vektor_kecepatan_faktor) # Membuat vektor_kecepatan vektor_kecepatan <- c("lambat", "sedang", "lambat", "sedang", "cepat") # Ubah vektor_kecepatan menjadi sebuah faktor yang terurut vektor_kecepatan_faktor <- factor(vektor_kecepatan, ordered = TRUE, levels = c("lambat", "sedang", "cepat")) # Tampilkan vektor_kecepatan_faktor vektor_kecepatan_faktor summary(vektor_kecepatan_faktor) msg = "Jangan mengubah kode yang mendefinisikan variabel `vektor_kecepatan`." ex() %>% check_object("vektor_kecepatan", undefined_msg = msg) %>% check_equal(incorrect_msg = msg) ex() %>% check_function("factor") %>% { check_arg(., 'x') %>% check_equal(incorrect_msg="Argumen pertama yang dimasukkan ke dalam `factor()` seharusnya `vektor_kecepatan`.") check_arg(., 'ordered') %>% check_equal(incorrect_msg="Pastikan untuk menjadikan `ordered = TRUE` di dalam perintah `factor()`.") check_arg(., 'levels') %>% check_equal(incorrect_msg="Pastikan untuk menjadikan `levels = c(\"slow\", \"medium\", \"fast\")` di dalam fungsi `factor()`.") } ex() %>% check_object("vektor_kecepatan_faktor") %>% check_equal(eq_condition = "equal", incorrect_msg="Masih adalah yang salah dalam `vektor_kecepatan_faktor`. Pastikan hanya menuliskan `vektor_kecepatan`, `ordered = TRUE` and `levels = c(\"lambat\", \"sedang\", \"cepat\")` ke dalam fungsi `factor()`.") success_msg("Mantap! Perhatikan console-nya. Sekarang console tersebut menunjukkan bahwa level-levelnya terurut, yang ditandai dengan simbol `<`. Silakan lanjut.")
Gunakan fungsi factor() untuk menjadikan vektor_kecepatan sebagai sebuah faktor. Aturlah ordered = TRUE karena level-levelnya terurut. Aturlah levels = c("lambat", "sedang", "cepat").

Membandingkan Faktor-Faktor Terurut

Di akhir dinamika kerja kelompok, Anda dan teman-teman Anda melakukan refleksi terhadap diskusi di dalam forum. Sebagai ketua kelompok, Anda diberi kesempatan untuk memberikan evaluasi terhadap proses diskusi tersebut.

Sayangnya, Anda lupa terhadap kecepatan menanggapi diskusi yang dilakukan teman ketiga dan kelima Anda. Padahal Anda ingin mengetahui apakah teman ketiga Anda lebih cepat membalas diskusi daripada teman kelima Anda. Untungnya, R bisa membantu Anda! Silakan cek di Latihan 1.38.

Latihan 1.38

  • Gunakan [3] untuk memilih elemen ketiga dari vektor_kecepatan_faktor dan jadikan hasilnya sebagai tmn3. Elemen ini merepresentasikan kecepatan teman ketiga Anda.
  • Lakukan cara yang serupa untuk melihat kecepatan teman kelima Anda. Jadikan hasilnya sebagai tmn5.
  • Periksalah apakah tmn3 lebih besar dari tmn5 dan tampilkan hasilnya. Untuk melakukannya, Anda dapat membandingkan kedua nilai tersebut dengan tanda >.
# no pec # Membuat vektor_kecepatan_faktor vektor_kecepatan <- c("lambat", "sedang", "lambat", "sedang", "cepat") vektor_kecepatan_faktor <- factor(vektor_kecepatan, ordered = TRUE, levels = c("lambat", "sedang", "cepat")) # Nilai faktor untuk teman ketiga tmn3 <- # Nilai faktor untuk teman kelima tmn5 <- # Apakah teman ketiga lebih cepat dari teman kelima Anda? # Membuat vektor_kecepatan_faktor vektor_kecepatan <- c("lambat", "sedang", "lambat", "sedang", "cepat") vektor_kecepatan_faktor <- factor(vektor_kecepatan, ordered = TRUE, levels = c("lambat", "sedang", "cepat")) # Nilai faktor untuk teman ketiga tmn3 <- vektor_kecepatan_faktor[3] # Nilai faktor untuk teman kelima tmn5 <- vektor_kecepatan_faktor[5] # Apakah teman ketiga lebih cepat dari teman kelima Anda? tmn3 > tmn5 msg = "Jangan mengganti apapun terhadap perintah yang mendefinisikan `vektor_kecepatan` and `vektor_kecepatan_faktor`!" ex() %>% check_object("vektor_kecepatan", undefined_msg = msg) %>% check_equal(incorrect_msg = msg) ex() %>% check_object("vektor_kecepatan_faktor", undefined_msg = msg) %>% check_equal(eq_condition = "equal", incorrect_msg = msg) msg <- "Apakah Anda sudah tepat memilih nilai faktor untuk teman %s? Anda dapat menggunakan `vektor_kecepatan_faktor[%s]`." ex() %>% check_object("tmn3") %>% check_equal(eq_condition = "equal", incorrect_msg = sprintf(msg,"ketiga", "3")) ex() %>% check_object("tmn5") %>% check_equal(eq_condition = "equal",incorrect_msg = sprintf(msg, "kelima", "5")) ex() %>% check_output_expr("tmn5 > tmn5", missing_msg = "Apakah Anda sudah membandingkan `tmn3` dan `tmn5` dengan tepat? Anda dapat menggunakan `>`. Tampilkan hasilnya.") success_msg("Bellissimo! Latihan 1.38 merupakan latihan terakhir di subbab ini! Dengan pemahaman mengenai vektor, matriks, dan faktor, Anda siap untuk mempelajari data frame. Data frame ini merupakan struktur data yang sangat penting di R!")
- Untuk memilih nilai faktor teman ketiga Anda, gunakan vektor_kecepatan_faktor[3]. - Untuk membandingkan dua kecepatan teman Anda, gunakan tanda >.

Uji Pengetahuan Anda

Kerjakan soal-soal tentang Faktor berikut dengan tepat!

Benar atau salah: Di R, faktor digunakan untuk menyimpan data kontinu.

Perintah berikut menjadikan contoh_vektor sebagai faktor. Isilah bagian yang kosong.

(contoh_vektor)

Kode berikut mengganti level-level faktor a dengan elemen yang bersesuaian dari vektor b. Isilah bagian yang kosong.

() <-

Benar atau salah. Level-level faktor dari variabel nominal tidak bisa dibandingkan satu sama lain.

Argumen dalam fungsi factor() yang mengindikasikan apakah akan dibuat faktor terurut adalah ...