NARASI EKSPLANASI PENGERTIAN MATRIKS Dalam matematika, matriks adalah kumpulan bilangan, simbol, atau ekspresi, berbentuk persegi panjang yang disusun menurut baris dan kolom. Bilangan-bilangan yang terdapat di suatu matriks disebut dengan elemen atau anggota matriks. PENGERTIAN BAHASA R R adalah bahasa pemrograman dan perangkat lunak untuk analisis statistika dan grafik. R dibuat oleh Ross Ihaka dan Robert Gentleman di Universitas Auckland, Selandia Baru, dan kini dikembangkan oleh R Development Core Team, dimana Chambers merupakan anggotanya. R dinamakan sebagian setelah nama dua pembuatnya (Robert Gentleman dan Ross Ihaka), dan sebagian sebagian dari nama S. Bahasa R kini menjadi standar de facto di antara statistikawan untuk pengembangan perangkat lunak statistika, serta digunakan secara luas untuk pengembangan perangkat lunak statistika dan analisis data.

R merupakan bagian dari proyek GNU. Kode sumbernya tersedia secara bebas di bawah Lisensi Publik Umum GNU, dan versi biner prekompilasinya tersedia untuk berbagai sistem operasi. R menggunakan antarmuka baris perintah, meski beberapa antarmuka pengguna grafik juga tersedia.

R menyediakan berbagai teknik statistika (permodelan linier dan nonlinier, uji statistik klasik, analisis deret waktu, klasifikasi, klasterisasi, dan sebagainya) serta grafik. R, sebagaimana S, dirancang sebagai bahasa komputer sebenarnya, dan mengizinkan penggunanya untuk menambah fungsi tambahan dengan mendefinisikan fungsi baru. Kekuatan besar dari R yang lain adalah fasilitas grafiknya, yang menghasilkan grafik dengan kualitas publikasi yang dapat memuat simbol matematika. R memiliki format dokumentasi seperti LaTeX, yang digunakan untuk menyediakan dokumentasi yang lengkap, baik secara daring (dalam berbagai format) maupun secara cetakan.

ALGORITMA Berikut adalah algoritma dari matriks yang telah terenkapsulasi sebagai fungsi di R. Dalam artian, pada bahasa R fungsi matriks hanya tinggal di gunakan saja tanpa harus di inisiasi kembali. Untuk itu kami akan menerangkan lebih jauh tentang algoritma pada matriks tersebut dengan beberapa pendekatan tentunya. Judul: Algoritma fungsi matriks berordo-N pada operasi dasar aritmatika antar matriks Input : Data bilangan integer dalam bentuk array Output : Hasil operasi aritmatika pada matriks berordo-N Proses : Inisiasi variabel Blok ini menjelaskan inisiasi awal pada tiap variabel yang terdapat pada fungsi matriks. Dimana: m, n, row, col, matrix_one[n][m], matrix_two[n][m], matrix_res[n][m] (semua) bilangan integer. Deklarasi proses Blok ini menjelaskan inisiasi awal pada tiap variabel yang terdapat pada fungsi matriks. Dimana: Pada perulangan 1: untuk m bernilai 0 dikomparasi dengan nilai row maka statement dibawahnya akan di kerjakan, dan terjadi inkremental pada m. Sedangkan pada perulangan 2: untuk n bernilai 0 dikomparasi dengan nilai col maka statement dibawahnya akan di kerjakan, dan terjadi incremental pada n. Lalu: Mencetak hasil dari dari setiap operasi dasar aritmatika yang dilakukan pada matrix_one dan matrix_two dimana hasilnya akan di simpan pada variabel matrix_res(ult) akhiri perulangan 2 akhiri perulangan 1 Keterangan : OPS.AR = Operasi Aritmatika row adalah variabel inputan untuk baris col adalah variable inputan untuk kolom

Pendekatan Pseudocode pada C++ Sebelum menerangkan pseudocode pada bahasa R, kami melakukan pendekatan pada bahasa C++ sebagai bentuk komparasi pseudocode. Alasan kami mengkomparasi yaitu untuk memaparkan konsep algoritma pada pseudocode dalam bentuk bahasa pemrograman yang lebih umum dan lazim di gunakan agar lebih mudah menjelaskannya secara garis besar. Karena bahasa C++ merupakan bahasa yang lazim digunakan oleh setiap programmer, maka kami melakukan konversi bahasa R terhadap C++. Terdapat 3 blok pseudocode, yaitu blok input, blok proses, dan blok output. Berikut penjelasannya per tiap blok. Blok input merupakan blok masukan data yang di kehendaki oleh pengguna, dimana row dan col mewakili inisiasi dari masukan jumlah baris dan kolom. Lalu nilai-m sama dengan 0 akan dikomparasi dengan nilai row, dimana m mengalami inkremental dan mendefinisikan pengulangan pada nilai-n sama dengan 0 yang akan di komparasi dengan nilai col, dimana n akan mengalami inkremental lalu mendefinisikan tiap inputan pada matrix [n] [m] sesuai data yang di kehendaki. Blok proses merupakan blok pemrosesan data yang telah di inputkan, dimana row dan col mewakili inisiasi dari masukan jumlah baris dan kolom. Lalu nilai-m sama dengan 0 akan dikomparasi dengan nilai row, dimana m mengalami inkremental dan mendefinisikan pengulangan pada nilai-n sama dengan 0 yang akan di komparasi dengan nilai col, dimana n akan mengalami inkremental lalu mendefinisikan hasil operasi aritmatika antara matrix_one dan matrix_two yang disimpan di matrix_res. Blok output merupakan blok keluaran data yang telah di proses sebelumnya, dimana row dan col mewakili inisiasi dari masukan jumlah baris dan kolom. Lalu nilai-m sama dengan 0 akan dikomparasi dengan nilai row, dimana m mengalami inkremental dan mendefinisikan pengulangan pada nilai-n sama dengan 0 yang akan di komparasi dengan nilai col, dimana n akan mengalami inkremental lalu mendefinisikan hasil output dari matrix_res.

Pendekatan Pseudocode pada R Berikut adalah pendekatan pseudocode pada R setelah mengkalibrasi pseudocode pada C++ . Pseudocode pada R lebih sederhana, karena tidak mengalami pengulangan pada tiap blok. Rekursif hanya terjadi pada blok input. Blok input merupakan blok masukan data yang di kehendaki oleh pengguna, dimana row dan col mewakili inisiasi dari masukan jumlah baris dan kolom. Lalu nilai-m sama dengan 0 akan dikomparasi dengan nilai row, dimana m mengalami inkremental dan mendefinisikan pengulangan pada nilai-n sama dengan 0 yang akan di komparasi dengan nilai col, dimana n akan mengalami inkremental lalu mendefinisikan tiap inputan pada matrix [n] [m] sesuai data yang di kehendaki. Blok proses merupakan blok pemrosesan data yang telah di inputkan, mendefinisikan hasil operasi aritmatika antara matrix_one dan matrix_two yang disimpan di matrix_res. Blok output merupakan blok keluaran data yang telah di proses sebelumnya, mendefinisikan hasil output dari matrix_res.