Data input

install_load('readxl','dplyr','kableExtra')
data <- read_xlsx("data.xlsx", sheet="Laptop")
data <- data[,-c(1,2)]
cat("Jumlah Kolom:", ncol(data), "\n")

## Jumlah Kolom: 7

cat("Jumlah Baris:", nrow(data), "\n")

## Jumlah Baris: 10000

kable(head(data)) %>% kable_styling(bootstrap_options = "striped", full_width = FALSE)

Cek Missing Data

Penting untuk melihat ada tidaknya missing data.

# Mencari indeks baris dan kolom yang mengandung NA
na.idx <- which(is.na(data), arr.ind = TRUE)
cat("Banyaknya data NA : ", nrow(na.idx))

## Banyaknya data NA :  9

# Menampilkan data raw dengan baris dan kolom yang mengandung NA
install_load('kableExtra','dplyr','DT')

#Menampilkan tabel
kable(data[                        # Subsetting
                unique(na.idx[, 1]),   # Vektor indeks baris yang mengandung NA
                unique(na.idx[, 2])  ] # Vektor indeks kolom yang mengandung NA
      # Style Tabel
      ) %>% kable_styling(bootstrap_options = "striped", full_width = FALSE)

Hapus Data NA

Karena peubah diatas sulit untuk diduga maka kami putuskan untuk menghapus data NA tersebut.

data <- data[ -unique(na.idx[, 1]),  ]
cat("Jumlah Baris:", nrow(data), "\n")

## Jumlah Baris: 9991

a. Sebaran Brand Laptop

install_load('hrbrthemes')
# Membuat bar chart persentase
ggplot(data = data %>% count(Brand) %>% # banyaknya laptop brand x
  mutate(perc = round(n / sum(n) * 100)), #buat persentase
       aes(x = reorder(Brand, -n), y = perc)) +
  geom_bar(stat = "identity", fill='#2D99AE') +
  geom_text(aes(label = prettyNum(n,big.mark = ",")
                ), vjust = -0.5, size = 8, col="orange4", 
            fontface = "bold") + # Tambahkan label
  labs(x = "\nBrand", y = "Persentase (%)", 
       title = "Sebaran Brand Laptop") +
  theme(axis.text.x = element_text(angle = 45, hjust = 1)) +
  theme_modern_rc(axis_title_just = "center", base_size = 25, 
                  axis_title_size = 30, plot_title_size = 35) +
  scale_y_continuous(labels = scales::percent_format(scale = 1)) +
  theme(axis.text.x = element_text(angle = 45, hjust = 1, 
                                   margin = margin(b = 10)),
        axis.text.y = element_text(vjust = .5, face = "bold", 
                                   margin = margin(l = 20)),
        plot.title = element_text(hjust = 0.5, face = "bold"),
        text = element_text(size = 30),
        plot.subtitle = element_text(hjust = 0.5)
        ) 

b. Brand to dummy variable

Singkat nya peubah Dummy memisahkan setiap kategori ke beberapa kolom. Dengan isi 1 atau TRUE yang kategori nya sesuai, dan 0 atau FALSE untuk kategori lainnya. Seperti contoh gambar di atas.

Namun cara diatas sangat memakan waktu dan memakan memori. Untung nya R dapat mengenali lebih advance yakni dengan tipe variabel factor. Karena factor memiliki level atau urutan nilai kategori yang bisa di ubah sesuka hati. Seperti ini factor(data$Brand, levels = c('HP','Acer',...)). Namun untuk default nya, R mengurutkan berdasarkan abjad.

Terdapat Fungsi relevel() yang digunakan dalam konteks peubah dummy untuk menentukan referensi atau kategori dasar. Namun ini hanya menggantikan posisi level 1, dengan ref yang diberikan. Sisanya mengurut sesuai abjad.

Ketika membuat peubah dummy untuk variabel kategorikal dengan lebih dari dua kategori, R secara otomatis memilih satu kategori sebagai referensi dan yang lainnya sebagai peubah dummy. Referensi yang diubah dapat mempengaruhi hasil analisis regresi karena perubahan dalam perbandingan dengan referensi. Jadi, pemilihan referensi ini perlu diperhatikan dalam konteks analisis statistik.

Berikut beberapa pertimbangan untuk memilih referensi yang baik:

1. Interpretasi yang Jelas: Pilih kelompok referensi yang mudah diinterpretasikan. Ini akan membuat hasil analisis lebih mudah dipahami. Misalnya, jika Anda menganalisis jenis produk (A, B, C), mungkin produk yang paling umum atau biasa digunakan adalah pilihan yang baik untuk referensi.

2. Pentingnya Variabel: Pilih kelompok yang memiliki relevansi atau signifikansi tertentu dalam konteks analisis Anda sebagai referensi. Ini dapat membantu Anda memahami efek perbedaan antara kelompok tersebut dengan kelompok lain.

3. Eksplanasi Variabel Lain: Terkadang pemilihan referensi dapat memengaruhi hasil analisis. Misalnya, dalam analisis regresi logistik, referensi dapat mempengaruhi bagaimana koefisien variabel lain diinterpretasikan.

4. Kemudahan Analisis: Pilih kelompok referensi yang memudahkan perbandingan dengan kelompok lainnya. Ini dapat membuat hasil analisis lebih intuitif dan bermakna.

5. Konteks Bisnis atau Penelitian: Pertimbangkan konteks bisnis atau penelitian Anda. Misalnya, jika Anda sedang melakukan penelitian pasar, referensi yang cocok mungkin adalah produk atau merek yang paling dikenal atau paling banyak digunakan di pasar.

6. Efeknya pada Regresi: Pahami bahwa pemilihan referensi dapat mempengaruhi koefisien dan interpretasi dalam analisis regresi. Koefisien peubah dummy akan mengukur perbedaan antara kelompok referensi dengan kelompok lainnya.

7. Perbandingan yang Relevan: Pastikan perbandingan antara kelompok lain dengan kelompok referensi memiliki makna dalam konteks analisis Anda.

Untuk peubah brand, kami memilih Brand HP Sebagai referensi, karena merupakan kategori dengan jumlah terbanyak.

data <- data %>% 
  mutate(`Brand` = relevel(as.factor(data$Brand), ref = "HP"))
str(data$Brand)

##  Factor w/ 18 levels "HP","Acer","Alienware",..: 11 1 2 6 1 8 6 6 1 11 ...
##  - attr(*, "names")= chr [1:9991] "Lenovo ThinkPad T14 Gen 2" "HP 17" "Acer Predator Triton 300" "ASUS Vivobook 17X" ...

levels(data$Brand)

##  [1] "HP"        "Acer"      "Alienware" "Aorus"     "Apple"     "ASUS"     
##  [7] "Chuwi"     "Dell"      "Fusion5"   "Gigabyte"  "Lenovo"    "LG"       
## [13] "Microsoft" "MSI"       "Panasonic" "Razer"     "Samsung"   "Toshiba"

a. Sebaran Harga Laptop

install_load('ggridges','hrbrthemes','viridis')
ggplot(data, aes(x=`Price (USD)`, y=Brand, fill=Brand)) + geom_density_ridges() +
  #COLORING
  scale_fill_viridis(alpha = 0.75, #Opacity
                     begin = 0.1, #Color pallte scale begins
                     end = 0.9, #Color pallte scale ends
                     direction = -1, #Flip color scale
                     discrete = T, #Discrete Value
                     option = "D") + #Color Palette
  theme_modern_rc(axis_title_just = "center", base_size = 16, 
                  axis_title_size = 25, plot_title_size = 30) +
  theme(plot.title = element_text(hjust=0.5),legend.position = "none") +
  labs(x = "\nHarga (USD)",y = "Brand Laptop\n", 
       title = "Sebaran Harga Brand Laptop")

summary(data$`Price (USD)`)

##    Min. 1st Qu.  Median    Mean 3rd Qu.    Max. 
##     110     810    1236    1487    1799   11812

summary(data$`Price (IDR)`)

##      Min.   1st Qu.    Median      Mean   3rd Qu.      Max. 
##   1689094  12437720  18979121  22838230  27624365 181371689

Dari sebarannya, terlhiat bahwa mayoritas sebaran berdasarkan brand nya, menjulur ke kanan. Artinya lebih banyak harga laptop yang lebih murah daripada yang mahal. Sekitar \(75\%\) laptop harganya dibawah \(1,800\$\) (\(27.6\) jt IDR). Harga laptop paling murah yakni \(110\$\) atau sekitar \(1.7\) jt IDR. Dan Harga laptop paling mahal yakni \(11,812\$\) atau sekitar \(181\) jt IDR.

Contoh Model Linear dengan peubah dummy.

model <- lm(`Price (USD)` ~ `Brand`,data=data)
summary(model)

## 
## Call:
## lm(formula = `Price (USD)` ~ Brand, data = data)
## 
## Residuals:
##     Min      1Q  Median      3Q     Max 
## -2707.1  -590.7  -194.7   327.5 10325.9 
## 
## Coefficients:
##                Estimate Std. Error t value Pr(>|t|)    
## (Intercept)     1273.32      17.15  74.246  < 2e-16 ***
## BrandAcer         79.01      33.73   2.343 0.019172 *  
## BrandAlienware  1107.63     113.54   9.756  < 2e-16 ***
## BrandAorus      2817.81      93.84  30.029  < 2e-16 ***
## BrandApple       842.14     156.58   5.378 7.69e-08 ***
## BrandASUS        212.38      28.87   7.355 2.05e-13 ***
## BrandChuwi      -914.32     972.13  -0.941 0.346965    
## BrandDell         75.68      36.66   2.064 0.039010 *  
## BrandFusion5   -1073.33     972.13  -1.104 0.269574    
## BrandGigabyte   1301.88     132.18   9.849  < 2e-16 ***
## BrandLenovo      -31.68      30.41  -1.042 0.297602    
## BrandLG          249.14      72.39   3.442 0.000581 ***
## BrandMicrosoft   303.93     175.41   1.733 0.083187 .  
## BrandMSI        1148.00      35.91  31.968  < 2e-16 ***
## BrandPanasonic  2512.93     486.29   5.168 2.42e-07 ***
## BrandRazer       895.57     270.12   3.315 0.000918 ***
## BrandSamsung    -288.01     158.60  -1.816 0.069416 .  
## BrandToshiba     715.68     687.50   1.041 0.297908    
## ---
## Signif. codes:  0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
## 
## Residual standard error: 972 on 9973 degrees of freedom
## Multiple R-squared:  0.1777, Adjusted R-squared:  0.1763 
## F-statistic: 126.8 on 17 and 9973 DF,  p-value: < 2.2e-16

Terlihat bahwa tidak ada Brand HP , karena HP dijadikan sebagai referensi sebelumnya.

a. Sebaran RAM Laptop

# Membuat bar chart persentase
ggplot(data = data %>% count(`Ram (GB)`) %>% # banyaknya laptop brand x
                  mutate(perc = round(n / sum(n) * 100)), #buat persentase, 
       aes(x = reorder(`Ram (GB)`, -n), y = perc)) +
  geom_bar(stat = "identity", fill='#2D99AE') +
  geom_text(aes(label = prettyNum(n,big.mark = ",")
                ), vjust = -0.5, size = 8, col="orange4", 
            fontface = "bold") + # Tambahkan label
  labs(x = "\nRAM (GB)", y = "Persentase (%)", 
       title = "Sebaran RAM Laptop") +
  theme(axis.text.x = element_text(angle = 45, hjust = 1)) +
  theme_modern_rc(axis_title_just = "center", base_size = 25, 
                  axis_title_size = 30, plot_title_size = 35) +
  scale_y_continuous(labels = scales::percent_format(scale = 1)) +
  theme(axis.text.x = element_text(angle = 45, hjust = 1, 
                                   margin = margin(b = 1)),
        axis.text.y = element_text(vjust = .5, face = "bold", 
                                   margin = margin(l = 20)),
        plot.title = element_text(hjust = 0.5, vjust =0.5,
                                  face = "bold", margin = margin(b = 50)),
        text = element_text(size = 30),
        plot.subtitle = element_text(hjust = 0.5)
        ) 

Terlihat bahwa RAM laptop terbanyak memiliki kapasitas \(16\)GB, sedangkan yang terkecil adalah \(0\)GB.

Ini memang agak aneh, tapi setelah kami cek kembali, ternyata memang ada laptop dengan RAM \(0\)GB.

a. Sebaran Storage Laptop

Pie Chart SSD & HDD

plot.p(dt = storage$`Storage Type`, title = "Porporsi SSD dan HDD")

Terlihat bahwa \(94.1\%\) laptop memiliki tipe peyimpanan SSD. Sunggu perbedaan yang sangat jauh.

Sebaran SSD

# Membuat bar chart persentase
ggplot(data = storage %>%
        filter(grepl("SSD", `Storage Type`, ignore.case = TRUE))
        %>% count(`Storage (GB)`) %>% # banyaknya laptop brand x
                  mutate(perc = round(n / sum(n) * 100)), #buat persentase, 
       aes(x = reorder(`Storage (GB)`, -n), y = perc)) +
  geom_bar(stat = "identity", fill='#2D99AE') +
  geom_text(aes(label = prettyNum(n,big.mark = ",")
                ), vjust = -0.5, size = 8, col="orange4", 
            fontface = "bold") + # Tambahkan label
  labs(x = "\nSSD (GB)", y = "Persentase (%)", 
       title = "Sebaran SSD Laptop") +
  theme(axis.text.x = element_text(angle = 45, hjust = 1)) +
  theme_modern_rc(axis_title_just = "center", base_size = 25, 
                  axis_title_size = 30, plot_title_size = 35) +
  scale_y_continuous(labels = scales::percent_format(scale = 1)) +
  theme(axis.text.x = element_text(angle = 45, hjust = 1, 
                                   margin = margin(b = 1)),
        axis.text.y = element_text(vjust = .5, face = "bold", 
                                   margin = margin(l = 20)),
        plot.title = element_text(hjust = 0.5, vjust =0.5,
                                  face = "bold", margin = margin(b = 50)),
        text = element_text(size = 30),
        plot.subtitle = element_text(hjust = 0.5)
        ) 

Laptop dengan total penyimpanan \(1000\) GigaByte ( \(1\) TerraByte) SSD merupakan total penyimpanan yang paling banyak dimiliki oleh laptop.

kable(data[data$`Storage` == "16GB SSD", ]) %>% 
  kable_styling(bootstrap_options = "striped", full_width = FALSE)

Memang agak mengejutkan, bahwa ternyata ada laptop yang hanya memiliki penyimpanan \(16\) GB SSD saja. Tidak ada keterangan Bahwa laptop tersebut memiliki penyimpanan Hybrid dengan tambahan HDD. Namun kami yakin laptop tersebut pasti memiliki penyimpanan HDD tambahan. Karena terlihat bahwa ada laptop yang memiliki Spesifikasi gahar dengan harga yang mahal pula, namun Storage hanya \(16\) GB SSD saja. Laptop tersebut adalah ASUS TUF Gaming A17 dengan harga \(67.4\) jt IDR.

Tapi karena keterbatasan informasi dari data hasil scraping. Kami akan melanjutkan dengan data ini dahulu saja. Jika memungkinkan untuk scraping ulang, maka akan kami scraping ulang.

Sebaran HDD

# Membuat bar chart persentase
ggplot(data = storage %>%
        filter(grepl("HDD", `Storage Type`, ignore.case = TRUE))
        %>% count(`Storage (GB)`) %>% # banyaknya laptop brand x
                  mutate(perc = round(n / sum(n) * 100)), #buat persentase, 
       aes(x = reorder(`Storage (GB)`, -n), y = perc)) +
  geom_bar(stat = "identity", fill='#2D99AE') +
  geom_text(aes(label = prettyNum(n,big.mark = ",")
                ), vjust = -0.5, size = 10, col="orange4", 
            fontface = "bold") + # Tambahkan label
  labs(x = "\nHDD (GB)", y = "Persentase (%)", 
       title = "Sebaran HDD Laptop") +
  theme(axis.text.x = element_text(angle = 45, hjust = 1)) +
  theme_modern_rc(axis_title_just = "center", base_size = 25, 
                  axis_title_size = 30, plot_title_size = 35) +
  scale_y_continuous(labels = scales::percent_format(scale = 1)) +
  theme(axis.text.x = element_text(angle = 45, hjust = 1, 
                                   margin = margin(b = 1)),
        axis.text.y = element_text(vjust = .5, face = "bold", 
                                   margin = margin(l = 20)),
        plot.title = element_text(hjust = 0.5, vjust =0.5,
                                  face = "bold", margin = margin(b = 50)),
        text = element_text(size = 30),
        plot.subtitle = element_text(hjust = 0.5)
        ) 

Kebanyakan laptop dengan tipe penyimpanan HDD memiliki total penyimpanan \(1\) TerraByte.

b. Scoring Storage

Scoring merupakan salah satu metode untuk mengurangi adanya autokorelasi pada analsis regresi. Untuk mengurangi adanya autokorelasi pada 2 peubah diatas yakni Storage (GB) dengan Storage Type, Maka kami melakukan scoring dengan mempertimbangkan hal berikut:

• Dalam hal kinerja, SSD dapat diperkirakan sekitar \(5\) hingga \(10\) kali lebih cepat daripada HDD dalam hal kecepatan baca/tulis data.

• Dalam hal harga, SSD dapat diperkirakan sekitar \(2\) hingga \(5\) kali lebih mahal per gigabyte dibandingkan HDD.

• Dalam hal kapasitas, HDD dapat memiliki kapasitas yang lebih besar hingga \(2\) hingga \(4\) kali lipat dari SSD dalam harga yang sama.

Pemberian bobot yang lebih merata dengan menggunakan nilai tengah seperti \(\frac{7.5}{3.5}\) untuk SSD dan \(\frac{3.5}{7.5}\) untuk HDD adalah pendekatan yang lebih seimbang dan simetris. Ini memberikan penekanan yang relatif setara pada kedua faktor, baik kinerja (SSD) maupun kapasitas (HDD).

Pendekatan ini menghindari pemberian bobot yang sangat ekstrem dan cenderung memberikan penilaian yang lebih adil terhadap kedua faktor tersebut.

storage <- storage %>%
  mutate(
    `Storage Score` = ifelse(`Storage Type` == "SSD", `Storage (GB)` * (7.5/3.5), 
                           `Storage (GB)` * (3.5/7.5))
  )
kable(head(storage)) %>% kable_styling(bootstrap_options = "striped", full_width = FALSE)

c. Merge Data

data <- data %>%
  mutate(`Storage Score` = storage$`Storage Score`)
kable(head(data)) %>% kable_styling(bootstrap_options = "striped", full_width = FALSE)

a. Refresh Rate

Ada baiknya kita mengetahui bahwa:

• Refresh rate mengukur berapa kali layar dapat menggambar atau memperbarui gambar per detik, diukur dalam Hertz (Hz).

• Refresh rate yang lebih tinggi dapat menghasilkan tampilan yang lebih halus, yang bermanfaat dalam gaming dan aplikasi bergerak cepat.

• Sebagian besar laptop memiliki refresh rate 60Hz, tetapi beberapa laptop gaming mungkin memiliki refresh rate 120Hz atau bahkan lebih tinggi.

Karena kami melihat banyak sekali laptop tanpa refresh rate. Maka kami memutuskan untuk menambahkannya dengan refresh rate minimal pada laptop.

Mengutip dari chat gpt bahwa nilai minimal refresh rate (Hz) pada layar laptop umumnya adalah 60Hz. Layar dengan refresh rate 60Hz sudah cukup umum digunakan dan memberikan tampilan yang lancar untuk sebagian besar tugas komputasi sehari-hari. Beberapa laptop gaming dan monitor mungkin memiliki refresh rate yang lebih tinggi, seperti 120Hz, 144Hz, atau bahkan lebih tinggi, yang dirancang untuk memberikan pengalaman gaming yang lebih halus.

Refresh rate 30Hz mungkin terlalu rendah dan dapat menyebabkan tampilan layar terlihat kurang responsif dan cenderung “berkedip” dalam beberapa kasus. Oleh karena itu, kami memutuskan untuk memberikan nilai 60Hz kepada laptop yang tidak memiliki keterangan refresh rate.

display <- data %>%
  separate(Display, into = c("Screen Size (Inch)", "Resolution", 
                             "Screen Type","Refresh Rate (Hz)" ), 
           sep = ", ", remove = FALSE) %>%
  mutate(
    # Menghapus karakter " dan mengubah menjadi numerik
    `Screen Size (Inch)` = as.numeric(gsub("[^0-9.]", "", `Screen Size (Inch)`)), 
    #Tukar Kolom jika ada hz
    temp = `Refresh Rate (Hz)`,
    #Ubah hz jadi numerik
    `Refresh Rate (Hz)` = ifelse(grepl("Hz", `Screen Type`), 
                                 as.numeric(gsub("[^0-9.]", "", `Screen Type`)), 
                      #Jika tidak ada, beri nilai minimal hz laptop yakni 60 hz
                                 60), 
    `Screen Type` = ifelse(grepl("Hz", `Screen Type`), temp, `Screen Type`)
  ) %>%
  select(`Screen Size (Inch)`, Resolution, `Screen Type`, `Refresh Rate (Hz)`)
kable(head(display)) %>% 
  kable_styling(bootstrap_options = "striped", full_width = FALSE)

- Cek NA

cat(" Jumlah Screen Size NA  :", sum(is.na(display$`Screen Size (Inch)`)), "\n",
     "Jumlah Resolution NA   :", sum(is.na(display$Resolution)), "\n",
     "Jumlah Screen Type NA  :", sum(is.na(display$`Screen Type`)), "\n",
     "Jumlah Refresh Rate NA :", sum(is.na(display$`Refresh Rate (Hz)`)), "\n"
    )

##  Jumlah Screen Size NA  : 0 
##  Jumlah Resolution NA   : 0 
##  Jumlah Screen Type NA  : 27 
##  Jumlah Refresh Rate NA : 0

na.idx <- which(is.na(display[,3]), arr.ind = TRUE)
kable(data[ unique(na.idx[, 1]), unique(na.idx[, 2]) +3 ]) %>% 
  kable_styling(bootstrap_options = "striped", full_width = FALSE)

b.1 Tipe Layar

Penting untuk mengetahui bahwa:

• Tipe layar mengacu pada teknologi yang digunakan dalam pembuatan layar.

• Beberapa tipe layar umum meliputi:

  • IPS (In-Plane Switching): Layar jenis ini dikenal dengan sudut pandang yang luas dan reproduksi warna yang baik.

  • OLED (Organic Light-Emitting Diode): OLED menghasilkan warna yang kaya dan kontras tinggi.

  • LCD (Liquid Crystal Display): Layar LCD adalah jenis yang umum dan cenderung lebih terjangkau.

  • TN (Twisted Nematic): Biasanya digunakan dalam layar murah dan memiliki sudut pandang yang lebih terbatas.

• Tipe layar dapat mempengaruhi kualitas tampilan, reproduksi warna, dan sudut pandang.

Seperti yang kita lihat pada ###Cek NA, Yang NA Hanya tersisa pada Screen Type saja. Karena setiap layar pasti memiliki tipe nya oleh karena itu kami menanyakan kepada chat gpt “Apa tipe layar minimal pada laptop?” Berikut ulasannnya :
Tipe layar minimal laptop adalah layar LCD (Liquid Crystal Display). Layar LCD adalah teknologi layar yang paling umum digunakan dalam laptop dan perangkat komputer lainnya. LCD menggunakan kristal cair yang berada di antara dua lapisan kaca yang kemudian dikendalikan untuk mengatur cahaya dan menghasilkan gambar.

Dengan demikian kami memutuskan untuk menambahkan Tipe LCD ke kolom Screen Type yang NA

display <- display %>% 
  mutate(`Screen Type` = ifelse(is.na(`Screen Type`), "LCD", `Screen Type`))
kable(
  display %>%
  group_by(`Screen Type`) %>%
  summarise(Total = n())
) %>%  kable_styling(bootstrap_options = "striped", full_width = FALSE)

b.2 Screen Type Value Number

Setelah melihat semua tipe layar yang ada, kami ingin mengubah tipe layar tersebut menjadi numerik berdasarkan kualitas nilai mereka. Kami meminta bantuan chat gpt untuk memberikan nilai tersebut. Sebelum itu penting untuk mengetahui kualitas tipe layar yang ada, sebagai berikut:

1. OLED (Organic Light-Emitting Diode):

   • OLED memiliki kualitas gambar yang luar biasa dengan kontras yang sangat tinggi, warna yang tajam, dan sudut pandang yang luas.

   • Reproduksi warna pada layar OLED sangat akurat dan hidup.

   • Tidak ada pencahayaan latar belakang, sehingga hitam murni dan kecerahan yang luar biasa.

   • Biasanya digunakan dalam TV premium dan beberapa monitor kelas atas.

2. IPS (In-Plane Switching):

   • IPS menawarkan reproduksi warna yang sangat baik dan sudut pandang yang luas.

   • Kontras yang baik dan gambar yang tajam, meskipun tidak sebaik OLED.

   • Digunakan dalam monitor profesional, laptop, dan beberapa TV.

3. LCD (Liquid Crystal Display):

   • LCD dengan panel IPS atau VA dapat memberikan kualitas gambar yang baik dengan harga yang lebih terjangkau.

   • Kualitas gambar bisa bervariasi tergantung pada jenis panel LCD.

   • Digunakan dalam berbagai perangkat, termasuk monitor, laptop, dan TV.

4. TN (Twisted Nematic):

   • TN memiliki waktu respon yang sangat cepat, cocok untuk permainan.

   • Namun, sudut pandang yang terbatas dan reproduksi warna yang kurang akurat.

   • Digunakan dalam monitor gaming yang terjangkau.

Sehingga jika diberi nilai akan menjadi:

1. OLED (Organic Light-Emitting Diode): 9

   • OLED memiliki kualitas gambar terbaik dengan kontras tinggi, warna hidup, dan sudut pandang yang luas. Oleh karena itu, kita memberikan nilai tertinggi.

2. IPS (In-Plane Switching): 7

   • IPS menawarkan kualitas gambar yang sangat baik dan sudut pandang yang luas, meskipun tidak sebaik OLED. Tetapi nilai ini tetap tinggi karena IPS masih merupakan pilihan yang sangat baik.

3. LCD (Liquid Crystal Display): 5

   • LCD dengan panel IPS atau VA dapat memberikan kualitas gambar yang baik dengan harga yang lebih terjangkau. Nilai ini mencerminkan kualitas yang baik tetapi tidak sebaik OLED atau IPS.

4. TN (Twisted Nematic): 3

   • TN memiliki waktu respon yang cepat, tetapi sudut pandang yang terbatas dan reproduksi warna yang kurang akurat. Oleh karena itu, nilai ini lebih rendah.

display <- display %>%
  mutate(
    `Screen Type` = case_when(
      `Screen Type` == "OLED" ~ "9",  `Screen Type` == "IPS" ~ "7",   
      `Screen Type` == "LCD" ~ "5",   `Screen Type` == "TN" ~ "3",    
      TRUE ~ `Screen Type`
    ), `Screen Type` = as.numeric(`Screen Type`)
  )
kable(head(display)) %>% 
  kable_styling(bootstrap_options = "striped", full_width = FALSE)

c.1 Resolusi layar

Penting untuk mengetahui apa itu resolusi layar.

• Resolusi adalah jumlah piksel yang dapat ditampilkan pada layar.

• Resolusi umumnya diukur dalam format “lebar x tinggi” (misalnya, 1920 x 1080), yang menunjukkan jumlah piksel horizontal dan vertikal yang terdapat pada layar.

• Semakin tinggi resolusi, semakin tajam dan detail tampilan gambar dan teksnya.

Karena kami lihat banyak sekali jenis resolusi layar yang punya nama, jadi kami memutuskan untuk melihat semua jenis nya.

kable(
  display %>%
  group_by(`Resolution`) %>%
  summarise(Total = n())
) %>%  kable_styling(bootstrap_options = "striped", full_width = FALSE)

Terlihat bahwa semua namanya adalah seberapa besar kualitas resolusinya, Kecuali PixelSense.

PixelSense adalah tipe layar yang digunakan pada perangkat Microsoft Surface. Ini adalah layar sentuh yang sangat responsif dan mendukung penggunaan pena digital. Layar ini dirancang untuk produktivitas dan kreativitas.

Karena perbedaan inilah, kami memutuskan untuk memberikan bobot pada tipe layar PixelSense, dengan PixelSense \((1.125)\) dan PixelSense Flow \((1.25)\).

“PixelSense” dan “PixelSense Flow” memiliki karakteristik yang berbeda dalam hal kualitas gambar atau kemampuan layarnya. Sehingga memberikan bobot yang sedikit lebih tinggi kepada “PixelSense Flow” \((1.25)\) cukup mencerminkan perbedaan ini.

c.2 Multiply Resolution

Setelah eksplorasi tentang macam-macam tipe layar dan memberi bobot pada mereka, kami akan mengalikan resolusi tersebut. Sehingga resmi menjadi peubah numerik.

display <- display %>% 
  mutate( # Mencari semua kemungkinan pasangan angka dalam kolom "Resolution"
    Resolution_Num = str_extract_all(Resolution, "\\d{2,}"),
    # Mengambil pasangan angka yang memiliki dua angka di dalamnya
    Resolution_Num = sapply(Resolution_Num, 
                            function(x) if (length(x) == 2) paste(x, collapse = "x") else NA)
  ) %>% # Pisahkan "Width" dan "Height" dari "Resolution_Num"
  separate(Resolution_Num, into = c("Width", "Height"), sep = "x", 
           convert = TRUE, remove = FALSE) %>% 
# Berikan bobot jika ada kata PixelSense dalam kolom resolusi
  mutate(
    Resolution = ifelse(grepl("PixelSense", Resolution), 
                              Width * Height * 1.125, 
                              Width * Height)
  ) %>% select(-Resolution_Num, -Width, -Height) 
kable(head(display)) %>%  kable_styling(bootstrap_options = "striped", full_width = FALSE)

d. Display Score

Akhirnya setelah mengubah keempat peubah display diatas menjadi numerik, kami akan menghitung total score yang dimiliki. Scoring merupakan salah satu metode untuk mengurangi adanya autokorelasi pada analsis regresi. Adapun formula untuk display score:

\[ \frac{\mathbf{Resolution\times Screen.Type}} {\mathbf{Screen.Size}} + \mathbf{Refresh.Rate} \]

Resolution dan Screen Type merupakan hal yang berfokus pada kualitas visual dan bisa dipadukan satu sama lain. Akan tetapi hal itu akan sia-sia jika Screen Size nya kecil. Bayangkan anda memiliki resolusi dan tipe layar yang tinggi, namun ukuran layar anda kecil. Apa yang ingin anda liat? Apakah anda menatap layar sangat dengat dengan mata anda? Tentu saja tidak!

Berbeda dengan Refresh Rate yang berfokus pada kecepatan layar. Baik kualitas visual maupun ukuran tidak terlalu mempengaruhi nilai nya. Sehingga kaidah score nya dibuat terpisah dengan penjumlahan.

display <- display %>% 
  mutate_all(rescale, to = c(10, 100)) %>% 
  mutate(`Display Score` = ((Resolution * `Screen Type`) / 
                             `Screen Size (Inch)`) + `Refresh Rate (Hz)`)
kable(head(display)) %>% 
  kable_styling(bootstrap_options = "striped", full_width = FALSE)

e. Merge Data

data <- data %>% bind_cols(`Display Score` = display$`Display Score`)
kable(head(data)) %>% 
  kable_styling(bootstrap_options = "striped", full_width = FALSE)

a. Seleksi Data

#Data Benchmark CPU
cpu <- read_xlsx("data_new.xlsx", sheet="CPU") %>%
       select(1, 15:ncol(.)) %>% #Ambil data benchmark nya saja 
  #Hapus selain numerik dan setelahnya, lalu Ubah jadi numerik
  mutate_at(vars(-1), ~as.numeric(gsub("[^0-9.].*$", "", .))) 
cat("Jumlah Baris:", nrow(cpu), "\n")

## Jumlah Baris: 1891

kable(head(cpu)) %>% kable_styling(bootstrap_options = "striped", full_width = FALSE)

b. Scoring

install_load('scales')
cpu.score <- cpu %>%
  mutate_at(vars(2:ncol(cpu)), rescale, to = c(10, 100)) %>% #Scaling
  mutate_at(vars(2:ncol(cpu)), ~ ifelse(is.na(.), 0, .)) %>% #Na = 0
  select(-one_of("Model")) %>% #Pilih kolom benchmark
  as.matrix() %*% diag(c(5, 4, 4, 6, 6, 7, 7, 8, 8, 9,
                         9, 3, 3, 3, 3, 4, 5, 5, 5, 4, 
                         4, 4, 8, 7, 7, 6, 6, 6, 7, 7, 
                         8, 8, 9, 9, 6, 3, 4, 5, 5, 7)) %>%  #Beri bobot
  as.data.frame() %>% 
  mutate(Score = rowSums(across(where(is.numeric)))) %>% #Jumlahkan semua kolom
  # Bagi dengan jumlah kolom yang tidak sama dengan 0
  mutate(Score = Score / rowSums(across(where(is.numeric)) != 0)) %>% 
  mutate(Score = ifelse(is.na(Score), 0, Score)) %>% #NaN = 0
  select(one_of("Score"))  #Ambil kolom score aja
#Merge data ke cpu
cpu <- bind_cols(cpu %>% select(Model),  cpu.score %>% select(Score))
kable(head(cpu)) %>% kable_styling(bootstrap_options = "striped", full_width = FALSE)

c1. Merge Data 1

Berikut algoritma untuk Merge atau Join data CPU Score dari cpu ke data .

Dalam pembuatan program-nya kami menggunakan loop dan nested if. Mengapa tidak menggunakan dplyr? Percayalah. Kami sudah mecoba berbagai cara. Namun tidak ada function secepat ini. Ya wajar saja sebenarnya. Karena kami memiliki \(10,000\) data. Oleh karena itu kami, saya terutama menghabiskan sebagian besar waktu saya untuk membuat code yang cepat ini.

Namun ternyata algoritma diatas blm 100% benar. Penjelsan di @###Arsip

Ini fungsi untuk cek yang 100% mirip. Segala kesalahan penulisan disamakan. Jika yang memang tidak sama maka tidak akan dipaksa sama. Misalnya

install_load('data.table')
# Fungsi untuk mengganti karakter tidak terdeteksi dengan spasi
clean_name <- function(name) {
  # Mengganti karakter tidak terdeteksi dengan spasi
  cleaned_name <- gsub("[\\h\\v\\n\\r\\f\\p{C}]+", " ", name, perl = TRUE)
  # Menghapus spasi di awal dan akhir teks
  cleaned_name <- trimws(cleaned_name)
  return(cleaned_name)
}

# Fungsi untuk mengMergekan data berdasarkan Algoritma
join_and_score1.1 <- function(data, cpu) {
  #Buat Kolom baru, set sebagai NA
  data[, BestMatch := NA_character_]
  data[, `CPU Score` := NA_real_]
  
  # Mengganti karakter tidak terdeteksi dengan spasi pada kolom `Model` di data `cpu`
  cpu$Model <- clean_name(gsub("PRO", "", cpu$Model, ignore.case = TRUE))
  
  # Mengganti karakter tidak terdeteksi dengan spasi pada kolom `CPU` di data `data`
  data$CPU <- clean_name(gsub("PRO", "", data$CPU, ignore.case = TRUE))
  
  for (i in 1:nrow(data)) {
    #Ambil dan bersihkan kolom CPU pada data baris i
    current_cpu <- clean_name(data[i, CPU])
    
    #Cari Model yang sama dengan CPU pada data baris i
    matching_rows <- cpu[tolower(Model) == tolower(current_cpu)] #Lowercase
    
    #Jika sama 100%, maka gabung
    if (nrow(matching_rows) > 0) {
      #[1] artinya Jika lebih dari 2, ambil yang pertama
      data[i, `CPU Score` := matching_rows[1]$Score] 
      data[i, BestMatch := matching_rows[1]$Model]
    } 
  }
  return(data)
}

# MengMergekan data "cpu" ke "data" dengan kondisi yang dioptimalkan
setDT(data)  # Mengubah data.frame menjadi data.table
setDT(cpu)   # Mengubah data.frame cpu menjadi data.table

#Panggil fungsi
coba <- join_and_score1.1(data, cpu)

d. Cek NA

cat("Banyaknya Laptop dengan Score CPU yang NA :", sum(is.na(coba$`CPU Score`)))

## Banyaknya Laptop dengan Score CPU yang NA : 8

Cek CPU apa saja yang NA, dan berapa jumlahnya.

NA.CPU.Score <- coba %>%
  group_by(CPU) %>% 
  summarise(NA.CPU.Score = sum(is.na(`CPU Score`))) %>%
  filter(NA.CPU.Score > 0)
cat("Banyaknya CPU dng Score yang NA :", nrow(NA.CPU.Score))

## Banyaknya CPU dng Score yang NA : 5

kable(NA.CPU.Score) %>% kable_styling(bootstrap_options = "striped", full_width = FALSE)

Jika kami ada waktu untuk mencari satu persatu. Maka kami akan input data CPU manual lagi.

Sebelum mendapatkan algoritma yang pas tentunya ada kisah betapa susahnya menyusun potongan kode tersebut. Berikut kisahnya.

Jadi saya masih mendapatkan banyak data NA Padahal sudah sebanyak \(1891\) data benchmark CPU yang sudah kami ambil dari website diatas yang mana merupakan website benchmark terlengkap yang ada.

Namun ternyata kebanyakan datanya itu bukan tidak ada, namun penamaan nya saja yang berbeda. Olehkarena itu kami pun langkah demi langkah menentukan kode yang tepat.

Kisah dimulai dari :

Jika saya cari pada sheet CPU, terlihat bahwa tidak ada CPU NA yang ditemukan.

Namun jika saya cari lagi pada website tadi, terlihat bahawa CPU yang dicari itu ada namun dengan nama yang sedikit berbeda. Ketika saya cari-cari di internet, telihat bahwa tidak ada hasil benchmark dari AMD Ryzen 5 5650U. Hanya ada AMD Ryzen 5 PRO 5650U . Karena itu, kami memutuskan untuk menganggap bahwa kedua CPU ini sama. Maka Algoritmanya perlu diperbaiki lagi.

Terlihat bahwa ada semacam titik yang digaris bawahi oleh oranye. Terdapat masalah karakter non-ASCII yang tidak terlihat seperti spasi biasa.

Sisa nya, CPU Apple Saya tidak menemukan nya di website tadi. Sehingga perlu mencari di internet dan menambahkan manual ke sheet CPU.

• Apple M1 (10 Core CPU, 14 Core GPU) : cpu-monkey.com
  Karena kami kesulitan untuk mencari yang tanpa 14 Core GPU. Maka ya kami anggap sama saja. Karena ya pada dasarnya sama saja, bedanya ini ada tambahan 14 Core GPU.

• Apple M2 (10-Core GPU) : notebookcheck.net & laptopmedia.com
  Memang aneh. Namun ternyata ketika saya cek di tempat sebelumnya memang tidak ada. Welp harus masukin manual memang.

• Apple M2 (12-core CPU, 19-core GPU) : cpu-monkey.com

• Apple M2 (8-core GPU) : cpu-monkey.com

Agar tidak memakan waktu yang lama. Kami mengetes per 1000 baris. Kami mencoba baris 1:1000 ternyata 0 NA. 1001:2000 juga NA.

Namun pada 7001:8000 ternyata ada missing data. Yakni

Setelah kami cek di website ternyata memang tidak ada. Terpaksa kami harus cari datanya di internet.

• AMD Ryzen 5 3500C : cpu-monkey.com & versus.com

Lanjut pada 8001:9000 pun tidak ada yang NA

Ketika melewati itu maka akan ada error. Lalu kami perbaiki algoritma nya.

Hasilnya tidak ada lagi error. Namun ternyata tersisa 1 NA. Yakni

Kami pun mencari pada website, ternyata memang tidak ada. Dan Surprisingly ternyata memang tidak ada data benchmark nya di internet. Sehingga bisa jadi itu karena sangat tidak terkenal dan sangat butut, maka memang tidak pantas untuk di benchmark. Maka dari itu kami putuskan untuk memberikan nilai \(0\) pada CPU Intel Core i3-10210Y .

c2. Merge Data 2

Sedangkan ini fungsi untuk memaksa mencari yang paling sama. Karena keterbatasan waktu. Kami akan menggunakan fungsi in untuk penggabungan data.

# Fungsi untuk mencari model CPU yang paling mirip
find_similar <- function(target, data) {
  
  #adist untuk menghitung jarak (distance) antara target_gpu dan setiap model CPU
  distances <- adist(target, data$Model, 
  #untuk memungkinkan pencocokan parsial (hanya sebagian dari string yang cocok)
                     partial = TRUE, 
  #ase-insensitive, sehingga tidak memedulikan huruf besar atau kecil.
                     ignore.case = TRUE)
  #mencari indeks model dengan jarak terkecil (yang paling mirip) 
  best_match_index <- which.min(distances)
  best_match_model <- data$Model[best_match_index]
  return(best_match_model)
}

# Fungsi untuk mengMergekan data jika ada yang sama
join_and_score2.1 <- function(data, cpu) {
  #Buat Kolom baru, set sebagai NA
  data[, BestMatch := NA_character_]
  data[, `CPU Score` := NA_real_]
  
  # Mengganti karakter tidak terdeteksi dengan spasi pada kolom `Model` di data `cpu`
  cpu$Model <- clean_name(cpu$Model)
  
  # Mengganti karakter tidak terdeteksi dengan spasi pada kolom `CPU` di data `data`
  data$CPU <- clean_name(data$CPU)
  
  for (i in 1:nrow(data)) {
    #Ambil dan bersihkan kolom CPU pada data baris i
    current_cpu <- clean_name(data[i, CPU])
    
    #Cari Model yang sama dengan CPU pada data baris i
    matching_rows <- cpu[tolower(Model) == tolower(current_cpu)] #Lowercase
    
    #Jika sama 100%, maka gabung
    if (nrow(matching_rows) > 0) {
      #[1] artinya Jika lebih dari 2, ambil yang pertama
      data[i, `CPU Score` := matching_rows[1]$Score] 
      data[i, BestMatch := matching_rows[1]$Model]
      
    #Jika tidak ada yang sama, maka cek kesamaan
    } else { 
      
      #Cari yang mirip dengan fungsi find_similar
      matching_rows <- cpu[cpu$Model == find_similar(current_cpu, cpu), ]
      
      #Jika ada yang mirip, maka gabung
        if (nrow(matching_rows) > 0) {
          #[1] artinya Jika lebih dari 2, ambil yang pertama
          data[i, `CPU Score` := matching_rows[1]$Score] 
          data[i, BestMatch := matching_rows[1]$Model]
          
        #Jika tidak ada yang sama, maka cek kesamaan
        }
      }
  }
  return(data)
}

# MengMergekan data "cpu" ke "data" dengan kondisi yang dioptimalkan
setDT(data)  # Mengubah data.frame menjadi data.table
setDT(cpu)   # Mengubah data.frame cpu menjadi data.table

#Panggil fungsi
data <- join_and_score2.1(data, cpu)

data <- data %>% select(-BestMatch)
kable(head(data)) %>% 
  kable_styling(bootstrap_options = "striped", full_width = FALSE)

Membuat CPU Score dari Intel Core i3-10210Y menjadi \(0\) .

data <- data %>%
  mutate(`CPU Score` = if_else(is.na(`CPU Score`), 0, `CPU Score`))

e. Brand Classification

Kami penasaran bagaimana sebaran dari brand CPU yang ada.

data <- data %>%
  mutate(`CPU Brand` = case_when(
    grepl("Intel", CPU) ~ "Intel",
    grepl("AMD", CPU) ~ "AMD",
    grepl("Apple", CPU) ~ "Apple",
    grepl("Mediatek", CPU) ~ "Mediatek",
    grepl("Qualcomm", CPU) ~ "Qualcomm",
    TRUE ~ "Other"
  ))

# Membuat bar chart persentase
ggplot(data = data %>% count(`CPU Brand`) %>% # banyaknya laptop brand x
                  mutate(perc = round(n / sum(n) * 100)), #buat persentase, 
       aes(x = reorder(`CPU Brand`, -n), y = perc)) +
  geom_bar(stat = "identity", fill='#2D99AE') +
  geom_text(aes(label = prettyNum(n,big.mark = ",")
                ), vjust = -0.5, size = 10, col="orange4", 
            fontface = "bold") + # Tambahkan label
  labs(x = "CPU Brand", y = "Persentase (%)", 
       title = "Sebaran Brand CPU Laptop") +
  theme(axis.text.x = element_text(angle = 45, hjust = 1)) +
  theme_modern_rc(axis_title_just = "center", base_size = 25, 
                  axis_title_size = 30, plot_title_size = 35) +
  scale_y_continuous(labels = scales::percent_format(scale = 1)) +
  theme(axis.text.x = element_text(angle = 45, hjust = 1, 
                                   margin = margin(b = 1)),
        axis.text.y = element_text(vjust = .5, face = "bold", 
                                   margin = margin(l = 20)),
        plot.title = element_text(hjust = 0.5, vjust =0.5,
                                  face = "bold", margin = margin(b = 50)),
        text = element_text(size = 30),
        plot.subtitle = element_text(hjust = 0.5)
        ) 

Terlihat bahwa brand CPU yang erbanyak adalah tim biru (intel), diikuti oleh tim merah (AMD). Dan kebetulan ada 1 CPU Brand Qualcomm ternyata. Sangat jarang.

f. Sebaran CPU Score

Sebaran CPU Score

install_load('ggridges','hrbrthemes','viridis')
ggplot(data, aes(x=`CPU Score`, y='')) + 
  #Violin
  geom_violin(scale="count", fill='purple3', color=NA, alpha=0.25, 
                    trim = FALSE) +
  #Boxplot
  geom_boxplot(fill='orange', color='black',
                     outlier.size=4, outlier.color='orange', 
                     alpha=0.7, notch=T, width=0.2) +
  #Mean Marker
  stat_summary(fun = mean, geom = "point", shape = 16, size = 4, color = "cyan3") +
  #COLORING
  scale_fill_viridis(alpha = 0.75, #Opacity
                     begin = 0.1, #Color pallte scale begins
                     end = 0.9, #Color pallte scale ends
                     direction = -1, #Flip color scale
                     discrete = T, #Discrete Value
                     option = "D") + #Color Palette
  theme_modern_rc(axis_title_just = "center", base_size = 15, 
                  axis_title_size = 25, plot_title_size = 30) +
  theme(plot.title = element_text(hjust=0.5),legend.position = "none") +
  labs(x = "\nCPU Score", y="", 
       title = "Sebaran CPU Score")

Jika melihat pada violin plot nya, terlihat bahwa sebarannya memiliki trimodal, atau 3 puncak. Dengan median atau nilai tengahnya yang hampir berada di tengah atau sekitar yang terlihat pada \(260\) Score. Nilai itu berdekatan dengan nilai Mean nya yang ditandai dengan warna biru muda. Dari boxplotnya saja memang terlihat berpusat pada nilai tengahnya. Namun berkat adanya violin plot, kita dapat melihat bahwa ini merupakan trimodal distribution.

Sebaran CPU Score Per Brand

install_load('ggridges','hrbrthemes','viridis')
ggplot(data, aes(x=`CPU Score`, y=`CPU Brand`, fill=`CPU Brand`)) + 
  geom_density_ridges() +
  #COLORING
  scale_fill_viridis(alpha = 0.75, #Opacity
                     begin = 0.1, #Color pallte scale begins
                     end = 0.9, #Color pallte scale ends
                     direction = -1, #Flip color scale
                     discrete = T, #Discrete Value
                     option = "D") + #Color Palette
  theme_modern_rc(axis_title_just = "center", base_size = 15, 
                  axis_title_size = 25, plot_title_size = 30) +
  theme(plot.title = element_text(hjust=0.5),legend.position = "none") +
  labs(x = "\nCPU Score",y = "Brand CPU\n", 
       title = "Sebaran CPU Score Per Brand")

Sedangkan jika berdasarkan brand nya. Sebaran nya seperti berikut.

a. Seleksi Data

#Data Benchmark GPU
gpu <- read_xlsx("data_new.xlsx", sheet="GPU") %>%
       select(1, 18:ncol(.)) %>% #Ambil data benchmark nya saja 
  #Hapus selain numerik dan setelahnya, lalu Ubah jadi numerik
  mutate_at(vars(-1), ~as.numeric(gsub("[^0-9.].*$", "", .))) 
cat("Jumlah Baris:", nrow(gpu), "\n")

## Jumlah Baris: 1155

kable(head(gpu)) %>% kable_styling(bootstrap_options = "striped", full_width = FALSE)

b. Scoring

gpu.score <- gpu %>%
  mutate_at(vars(2:ncol(gpu)), rescale, to = c(10, 100)) %>% #Scaling
  mutate_at(vars(2:ncol(gpu)), ~ ifelse(is.na(.), 0, .)) %>% #Na = 0
  select(-one_of("Model")) %>% #Pilih kolom benchmark
  as.matrix() %*% diag(c(1, 2, 1, 1, 1, 3, 2, 3,
                         2, 1, 1, 2, 1, 2, 3, 2, 
                         3, 2, 2, 2, 2, 1, 2, 2)) %>%  #Beri bobot
  as.data.frame() %>% 
  mutate(Score = rowSums(across(where(is.numeric)))) %>% #Jumlahkan semua kolom
  # Bagi dengan jumlah kolom yang tidak sama dengan 0
  mutate(Score = Score / rowSums(across(where(is.numeric)) != 0)) %>% 
  mutate(Score = ifelse(is.na(Score), 0, Score)) %>% #NaN = 0
  select(one_of("Score"))  #Ambil kolom score aja
#Merge data ke cpu
gpu <- bind_cols(gpu %>% select(Model),  gpu.score %>% select(Score))
kable(head(gpu)) %>% kable_styling(bootstrap_options = "striped", full_width = FALSE)

c1. Merge Data 1

Agak disayangkan, kami blm berhasil membuat fungsi join_and_score bisa digunakan untuk data gpu juga. Tapi tidak apa, kami hanya perlu mengganti cpu ke gpu. Sama seperti sebelumnya, kami kekurangan waktu.

Ini fungsi yang 100% sama.

# Fungsi untuk mengMergekan data berdasarkan Algoritma
join_and_score1.2 <- function(data, gpu) {
  #Buat Kolom baru, set sebagai NA
  data[, BestMatch := NA_character_]
  data[, `GPU Score` := NA_real_]
  
  # Mengganti karakter tidak terdeteksi dengan spasi pada kolom `Model` di data `gpu`
  gpu$Model <- clean_name(gsub("PRO", "", gpu$Model, ignore.case = TRUE))
  
  # Mengganti karakter tidak terdeteksi dengan spasi pada kolom `GPU` di data `data`
  data$GPU <- clean_name(gsub("PRO", "", data$GPU, ignore.case = TRUE))
  
  for (i in 1:nrow(data)) {
    #Ambil dan bersihkan kolom GPU pada data baris i
    current_gpu <- clean_name(data[i, GPU])
    
    #Cari Model yang sama dengan GPU pada data baris i
    matching_rows <- gpu[tolower(Model) == tolower(current_gpu)] #Lowercase
    
    #Jika sama 100%, maka gabung
    if (nrow(matching_rows) > 0) {
      #[1] artinya Jika lebih dari 2, ambil yang pertama
      data[i, `GPU Score` := matching_rows[1]$Score] 
      data[i, BestMatch := matching_rows[1]$Model]
    } 
  }
  return(data)
}

# MengMergekan data "gpu" ke "data" dengan kondisi yang dioptimalkan
setDT(data)  # Mengubah data.frame menjadi data.table
setDT(gpu)   # Mengubah data.frame gpu menjadi data.table

#Panggil fungsi
coba <- join_and_score1.2(data, gpu)

d. Cek NA

cat("Banyaknya Laptop dengan Score GPU yang NA :", sum(is.na(coba$`GPU Score`)))

## Banyaknya Laptop dengan Score GPU yang NA : 8809

Agak gila ya dari \(10,000\) data hanya \(11.91 \%\) data yang tidak NA.

Cek GPU apa saja yang NA, dan berapa jumlahnya.

NA.GPU.Score <- coba %>%
  group_by(GPU) %>% 
  summarise(NA.GPU.Score = sum(is.na(`GPU Score`))) %>%
  filter(NA.GPU.Score > 0)
cat("Banyaknya GPU dng Score yang NA :", nrow(NA.GPU.Score))

## Banyaknya GPU dng Score yang NA : 218

kable(NA.GPU.Score) %>% kable_styling(bootstrap_options = "striped", full_width = FALSE)

Tapi walau begitu, ternyata hanya \(218\) jenis data GPU yang NA .

Jika kami ada waktu untuk mencari satu persatu. Maka kami akan input data GPU manual lagi.

c2. Merge Data 2

Sedangkan ini fungsi yang memaksa sama. (Mencari yang paling mirip)

# Fungsi untuk mengMergekan data jika ada yang sama
join_and_score2.2 <- function(data, gpu) {
  #Buat Kolom baru, set sebagai NA
  data[, BestMatch := NA_character_]
  data[, `GPU Score` := NA_real_]
  
  # Mengganti karakter tidak terdeteksi dengan spasi pada kolom `Model` di data `gpu`
  gpu$Model <- clean_name(gsub("PRO", "", gpu$Model, ignore.case = TRUE))
  
  # Mengganti karakter tidak terdeteksi dengan spasi pada kolom `GPU` di data `data`
  data$GPU <- clean_name(gsub("PRO", "", data$GPU, ignore.case = TRUE))
  
  for (i in 1:nrow(data)) {
    #Ambil dan bersihkan kolom GPU pada data baris i
    current_gpu <- clean_name(data[i, GPU])
    
    #Cari Model yang sama dengan GPU pada data baris i
    matching_rows <- gpu[tolower(Model) == tolower(current_gpu)] #Lowercase
    
    #Jika sama 100%, maka gabung
    if (nrow(matching_rows) > 0) {
      #[1] artinya Jika lebih dari 2, ambil yang pertama
      data[i, `GPU Score` := matching_rows[1]$Score] 
      data[i, BestMatch := matching_rows[1]$Model]
      
    #Jika tidak ada yang sama, maka cek kesamaan
    } else { 
      
      #Cari yang mirip dengan fungsi find_similar
      matching_rows <- gpu[gpu$Model == find_similar(current_gpu, gpu), ]
      
      #Jika ada yang mirip, maka gabung
        if (nrow(matching_rows) > 0) {
          #[1] artinya Jika lebih dari 2, ambil yang pertama
          data[i, `GPU Score` := matching_rows[1]$Score] 
          data[i, BestMatch := matching_rows[1]$Model]
          
        #Jika tidak ada yang sama, maka cek kesamaan
        }
      }
  }
  return(data)
}

# MengMergekan data "gpu" ke "data" dengan kondisi yang dioptimalkan
setDT(data)  # Mengubah data.frame menjadi data.table
setDT(gpu)   # Mengubah data.frame gpu menjadi data.table

#Panggil fungsi
data <- join_and_score2.2(data, gpu)

data <- data %>% select(-BestMatch)
kable(head(data)) %>% 
  kable_styling(bootstrap_options = "striped", full_width = FALSE)

Data Benchmark GPU Imagination PowerVR GX6250 Memang tidak ada dalam website notebookcheck.net. Padahal website tersebut memiliki data terlengkap. Ini berarti, saking tidak terkenalnya GPU tersebut, dalam website yang lengkap saja tidak masuk. Tidak mungkin GPU yang memiliki Benchmark Score yang bagus tidak masuk kedalam website terserbut. Sehinggga kami memutuskan untuk memberi nilai 0 kepada GPU tersebut.

data <- data %>%
  mutate(`GPU Score` = ifelse(is.na(`GPU Score`), 0, `GPU Score`))

e. Brand Classification

Kami penasaran bagaimana sebaran dari brand CPU yang ada.

data <- data %>%
  mutate(`GPU Brand` = case_when(
    str_detect(GPU, "NVIDIA") ~ "NVIDIA",
    str_detect(GPU, "Intel") ~ "Intel",
    str_detect(GPU, "ARM") ~ "ARM",
    str_detect(GPU, "Imagination") ~ "Imagination",
    str_detect(GPU, "Qualcomm") ~ "Qualcomm",
    str_detect(GPU, "AMD") ~ "AMD",
    str_detect(GPU, "Apple") ~ "Apple",
    TRUE ~ "Unknown"  # Jika tidak ada yang cocok
  ))

# Membuat bar chart persentase
ggplot(data = data %>% count(`GPU Brand`) %>% # banyaknya laptop brand x
                  mutate(perc = round(n / sum(n) * 100)), #buat persentase, 
       aes(x = reorder(`GPU Brand`, -n), y = perc)) +
  geom_bar(stat = "identity", fill='#2D99AE') +
  geom_text(aes(label = prettyNum(n,big.mark = ",")
                ), vjust = -0.5, size = 10, col="orange4", 
            fontface = "bold") + # Tambahkan label
  labs(x = "GPU Brand", y = "Persentase (%)", 
       title = "Sebaran Brand GPU Laptop") +
  theme(axis.text.x = element_text(angle = 45, hjust = 1)) +
  theme_modern_rc(axis_title_just = "center", base_size = 25, 
                  axis_title_size = 30, plot_title_size = 35) +
  scale_y_continuous(labels = scales::percent_format(scale = 1)) +
  theme(axis.text.x = element_text(angle = 45, hjust = 1, 
                                   margin = margin(b = 1)),
        axis.text.y = element_text(vjust = .5, face = "bold", 
                                   margin = margin(l = 20)),
        plot.title = element_text(hjust = 0.5, vjust =0.5,
                                  face = "bold", margin = margin(b = 50)),
        text = element_text(size = 30),
        plot.subtitle = element_text(hjust = 0.5)
        ) 

f. Sebaran GPU Score

Sebaran GPU Score

install_load('ggridges','hrbrthemes','viridis')
ggplot(data, aes(x=`GPU Score`, y='')) + 
  #Violin
  geom_violin(scale="count", fill='purple3', color=NA, alpha=0.25, 
                    trim = FALSE) +
  #Boxplot
  geom_boxplot(fill='orange', color='black',
                     outlier.size=4, outlier.color='orange', 
                     alpha=0.7, notch=T, width=0.1) +
  #Mean Marker
  stat_summary(fun = mean, geom = "point", shape = 16, size = 4, color = "cyan3") +
  #COLORING
  scale_fill_viridis(alpha = 0.75, #Opacity
                     begin = 0.1, #Color pallte scale begins
                     end = 0.9, #Color pallte scale ends
                     direction = -1, #Flip color scale
                     discrete = T, #Discrete Value
                     option = "D") + #Color Palette
  theme_modern_rc(axis_title_just = "center", base_size = 15, 
                  axis_title_size = 25, plot_title_size = 30) +
  theme(plot.title = element_text(hjust=0.5),legend.position = "none") +
  labs(x = "\nGPU Score", y="", 
       title = "Sebaran GPU Score")

Sebaran GPU Score Per Brand

install_load('ggridges','hrbrthemes','viridis')
ggplot(data, aes(x=`GPU Score`, y=`GPU Brand`, fill=`GPU Brand`)) + 
  geom_density_ridges() +
  #COLORING
  scale_fill_viridis(alpha = 0.75, #Opacity
                     begin = 0.1, #Color pallte scale begins
                     end = 0.9, #Color pallte scale ends
                     direction = -1, #Flip color scale
                     discrete = T, #Discrete Value
                     option = "D") + #Color Palette
  theme_modern_rc(axis_title_just = "center", base_size = 15, 
                  axis_title_size = 25, plot_title_size = 30) +
  theme(plot.title = element_text(hjust=0.5),legend.position = "none") +
  labs(x = "\nGPU Score",y = "Brand GPU\n", 
       title = "Sebaran GPU Score Per Brand")

Urutkan Kolom

data <- data %>%
  relocate(Name, Brand, `Price (USD)`, `Price (IDR)`, `Ram (GB)`, CPU, `CPU Brand`, 
           `CPU Score`, GPU, `GPU Brand`, `GPU Score`, Display, 
           `Display Score`, Storage, `Storage Score`)
kable(head(data)) %>% 
  kable_styling(bootstrap_options = "striped", full_width = FALSE)

Pisah data dengan kasus NA = 0

Pisah data regresi

reg.usd <- data %>% 
  select( "Price (USD)", "Brand" ,"Ram (GB)", "CPU Score", 
          "GPU Score","Display Score", "Storage Score")
reg.idr <- data %>% 
  select( "Price (IDR)", "Brand" ,"Ram (GB)", "CPU Score", 
          "GPU Score","Display Score", "Storage Score")

Export

install_load('openxlsx')
write.xlsx(list("Data" = data, "Regresi (USD)" = reg.usd, "Regresi (IDR)"=reg.idr), 
           file = "managed.xlsx")

Arsip

# Fungsi untuk mengganti karakter tidak terdeteksi dengan spasi
clean_name <- function(name) {
  # Mengganti karakter tidak terdeteksi dengan spasi
  cleaned_name <- gsub("[\\h\\v\\n\\r\\f\\p{C}]+", " ", name, perl = TRUE)
  # Menghapus spasi di awal dan akhir teks
  cleaned_name <- trimws(cleaned_name)
  return(cleaned_name)
}

# Fungsi untuk mengMergekan data berdasarkan Algoritma
join_and_score <- function(data, cpu) {
  #Buat Kolom baru, set sebagai NA
  data[, BestMatch := NA_character_]
  data[, `CPU Score` := NA_real_]
  
  # Mengganti karakter tidak terdeteksi dengan spasi pada kolom `Model` di data `cpu`
  cpu$Model <- clean_name(gsub("PRO", "", cpu$Model, ignore.case = TRUE))
  
  # Mengganti karakter tidak terdeteksi dengan spasi pada kolom `CPU` di data `data`
  data$CPU <- clean_name(gsub("PRO", "", data$CPU, ignore.case = TRUE))
  
  for (i in 1:nrow(data)) {
    #Ambil dan bersihkan kolom CPU pada data baris i
    current_cpu <- clean_name(data[i, CPU])
    
    #Cari Model yang sama dengan CPU pada data baris i
    matching_rows <- cpu[tolower(Model) == tolower(current_cpu)] #Lowercase
    
    #Jika sama 100%, maka gabung
    if (nrow(matching_rows) > 0) {
      #[1] artinya Jika lebih dari 2, ambil yang pertama
      data[i, `CPU Score` := matching_rows[1]$Score] 
      data[i, BestMatch := matching_rows[1]$Model]
      
    #Jika tidak ada yang sama, maka bersihkan
    } else { 
      
        #Cek CPU pada data apakah punya tanda kurung?
        if (grepl("\\(", current_cpu)) {
          
            #Cek apakah luar kurung nya mirip 90%?
            #Hapus tanda kurung & isinya
            current_cpu_no_parentheses <- gsub("\\([^)]+\\)", "", current_cpu)
            
            
            matching_rows <- cpu[stringdist::stringdist(
            #Cari Model tanpa tanda kurung yang mirip sekitar 90% 
            #dengan CPU data tanpa tanda kurung
                        tolower(gsub("\\([^)]+\\)", "", Model)), 
                        tolower(current_cpu_no_parentheses), 
                        method = "jw") >= 0.90 & 
            #Sekaligus cek apakah isi dalam tanda kurung keduanya
            #mirip 80%?
                        stringdist::stringdist(
                            tolower(gsub(".*?\\((.*?)\\).*", "\\1", Model)), 
                            tolower(gsub(".*?\\((.*?)\\).*", "\\1", current_cpu)), 
                            method = "jw") >= 0.80]
            
            #Jika Ya
            if (nrow(matching_rows) > 0){
                #Maka gabung
                data[i, `CPU Score` := matching_rows[1]$Score] 
                data[i, BestMatch := matching_rows[1]$Model]
            } 
            
        #Jika tidak ada tanda kurung
        #Cek apakah mirip 90%?
        } else {
          matching_rows <- cpu[stringdist::stringdist(tolower(Model), 
                                                tolower(current_cpu), 
                                                method = "jw") >= 0.9]
          
          #Jika mirip 90%
          if (nrow(matching_rows) > 0) {
            #Maka gabung
            data[i, `CPU Score` := matching_rows[1]$Score] 
            data[i, BestMatch := matching_rows[1]$Model]
          }
        }
      }
  }
  return(data)
}

# MengMergekan data "cpu" ke "data" dengan kondisi yang dioptimalkan
setDT(data)  # Mengubah data.frame menjadi data.table
setDT(cpu)   # Mengubah data.frame cpu menjadi data.table

#Panggil fungsi
coba <- join_and_score(data, cpu)

Ada 5 data yagn tidak sama. Ini berarti fungsi join_and_score1 & join_and_score2 belum \(100\%\) Tepat.

Saya salah, malahan ternyata yang belum tepat itu fungsi join_and_score. Ini bisa dilihat pada :

Kampi pun pasrah. Karena kerumitan antara asal tulis, salah tulis atau memang disengaja.. Kita tidak tahu. Contohnya pada Apple M2 (10-core CPU) dan Apple M2 (10-core GPU) jika memakai algoritma pertama tentu ini akan dianggap sama. Namun sebenarnya ini tidak sama. Karena 10-core yang dimaksud berbeda. Satu untuk CPU satunya untuk GPU. Tentu ini akan fatal jika di benchmark. Sehingga memang tidak ada cara lain selain cari data manual lagi. Namun untuk saat ini kita pakai fungsi join_and_score1 & join_and_score2 dahulu, karena keterbatasan waktu dan ide.

Arsipbawah