Pengantar Data Sains
Tugas Pengantar Data Sains
Naufal Fadhlullah
March 17, 2024
Email : naufal.fadhlullah@student.matanauniversity.ac.id
Instagram : https://www.instagram.com/naaufald
RPubs
: https://rpubs.com/naaufaldd/
Address : ARA
Center, Matana University Tower
Jl. CBD
Barat Kav, RT.1, Curug Sangereng, Kelapa Dua, Tangerang, Banten
15810.
1 Latihan mengganti Missing Value
berikut adalah cara mengganti nilai missing value yang hilang menggunakan mean atau median
1.1 mengimpor data
1.2 mengekstraksi data
1.3 transformasi data
data_transformed <- data_penjualan %>%
left_join(data_produk, by = "id_produk") %>%
left_join(data_toko, by = "id_toko") %>%
mutate(total_penjualan = jumlah_terjual * harga_produk)
data_transformed## # A tibble: 100 × 10
## id_penjualan tanggal_penjualan id_produk jumlah_terjual id_toko nama_produk
## <dbl> <date> <dbl> <dbl> <dbl> <chr>
## 1 1 2024-03-01 101 10 1 Tas Ransel
## 2 2 2024-03-01 102 20 2 Baju Kaos
## 3 3 2024-03-02 103 5 5 Sepatu Sneak…
## 4 4 2024-03-02 104 15 3 Baju Kemeja
## 5 5 2024-03-03 105 8 1 Topi Trucker
## 6 6 2024-03-03 106 NA 2 Sandal Jepit
## 7 7 2024-03-04 107 9 1 Jaket Denim
## 8 8 2024-03-04 108 18 2 Celana Jeans
## 9 9 2024-03-05 109 6 5 Kacamata Hit…
## 10 10 2024-03-05 110 25 4 Dompet Kulit
## # ℹ 90 more rows
## # ℹ 4 more variables: harga_produk <dbl>, nama_toko <chr>, lokasi <chr>,
## # total_penjualan <dbl>1.5 check missing value
data_penjualan_bersih <- read_csv("fix_data/data_penjualan_bersih.csv", show_col_types = FALSE)
missing_rows <- data_penjualan_bersih %>%
filter_all(any_vars(is.na(.)))
print(missing_rows)## # A tibble: 5 × 10
## id_penjualan tanggal_penjualan id_produk jumlah_terjual id_toko nama_produk
## <dbl> <date> <dbl> <dbl> <dbl> <chr>
## 1 6 2024-03-03 106 NA 2 Sandal Jepit
## 2 12 2024-03-06 112 10 2 Sweater Rajut
## 3 28 2024-03-14 128 NA 2 Kemeja Lengan…
## 4 39 2024-03-20 139 15 1 Topi Fedora
## 5 60 2024-03-30 160 NA 2 Kaos Polo
## # ℹ 4 more variables: harga_produk <dbl>, nama_toko <chr>, lokasi <chr>,
## # total_penjualan <dbl>1.6 mengganti nilai missing values dengan mean
miss <- missing_rows%>%
mutate_all(~ifelse(is.na(.), mean(., na.rm = TRUE), .))
miss <- miss %>%
mutate(across(where(is.numeric), ~round(., digits = 2)))
miss## # A tibble: 5 × 10
## id_penjualan tanggal_penjualan id_produk jumlah_terjual id_toko nama_produk
## <dbl> <dbl> <dbl> <dbl> <dbl> <chr>
## 1 6 19785 106 12.5 2 Sandal Jepit
## 2 12 19788 112 10 2 Sweater Rajut
## 3 28 19796 128 12.5 2 Kemeja Lengan…
## 4 39 19802 139 15 1 Topi Fedora
## 5 60 19812 160 12.5 2 Kaos Polo
## # ℹ 4 more variables: harga_produk <dbl>, nama_toko <chr>, lokasi <chr>,
## # total_penjualan <dbl>1.7 mengganti missing values dengan nilai median
miss <- missing_rows%>%
mutate_all(~ifelse(is.na(.), median(., na.rm = TRUE), .))
miss <- miss %>%
mutate(across(where(is.numeric), ~round(., digits = 2)))
miss## # A tibble: 5 × 10
## id_penjualan tanggal_penjualan id_produk jumlah_terjual id_toko nama_produk
## <dbl> <dbl> <dbl> <dbl> <dbl> <chr>
## 1 6 19785 106 12.5 2 Sandal Jepit
## 2 12 19788 112 10 2 Sweater Rajut
## 3 28 19796 128 12.5 2 Kemeja Lengan…
## 4 39 19802 139 15 1 Topi Fedora
## 5 60 19812 160 12.5 2 Kaos Polo
## # ℹ 4 more variables: harga_produk <dbl>, nama_toko <chr>, lokasi <chr>,
## # total_penjualan <dbl>1.8 apabila diterapkan ke dalam tabel
data_penjualan_bersih <- read_csv("fix_data/data_penjualan_bersih.csv", show_col_types = FALSE)
missing_rows <- data_penjualan_bersih %>%
filter_all(any_vars(is.na(.)))
miss <- data_penjualan_bersih%>%
mutate_all(~ifelse(is.na(.), median(., na.rm = TRUE), .))
miss <- miss %>%
mutate(across(where(is.numeric), ~round(., digits = 0)))
miss## # A tibble: 100 × 10
## id_penjualan tanggal_penjualan id_produk jumlah_terjual id_toko nama_produk
## <dbl> <dbl> <dbl> <dbl> <dbl> <chr>
## 1 1 19783 101 10 1 Tas Ransel
## 2 2 19783 102 20 2 Baju Kaos
## 3 3 19784 103 5 5 Sepatu Sneak…
## 4 4 19784 104 15 3 Baju Kemeja
## 5 5 19785 105 8 1 Topi Trucker
## 6 6 19785 106 10 2 Sandal Jepit
## 7 7 19786 107 9 1 Jaket Denim
## 8 8 19786 108 18 2 Celana Jeans
## 9 9 19787 109 6 5 Kacamata Hit…
## 10 10 19787 110 25 4 Dompet Kulit
## # ℹ 90 more rows
## # ℹ 4 more variables: harga_produk <dbl>, nama_toko <chr>, lokasi <chr>,
## # total_penjualan <dbl>2 Kasus 2
berikut saya akan melakukan implementasi ETL pada dataset yang telah diberikan.
2.1 membuat dataset fiktif dengan beberapa nilai yang hilang
data_penjualan1 <- data.frame(
id_penjualan = 1:100,
tanggal_penjualan = sample(seq(as.Date('2024-01-01'), as.Date('2024-12-31'), by = "day"), 100, replace=TRUE)
)
data_penjualan1## id_penjualan tanggal_penjualan
## 1 1 2024-02-26
## 2 2 2024-11-30
## 3 3 2024-06-03
## 4 4 2024-03-10
## 5 5 2024-03-02
## 6 6 2024-08-16
## 7 7 2024-11-05
## 8 8 2024-10-03
## 9 9 2024-12-04
## 10 10 2024-02-15
## 11 11 2024-11-27
## 12 12 2024-12-09
## 13 13 2024-10-01
## 14 14 2024-01-15
## 15 15 2024-01-10
## 16 16 2024-03-10
## 17 17 2024-12-11
## 18 18 2024-02-08
## 19 19 2024-01-03
## 20 20 2024-03-17
## 21 21 2024-09-10
## 22 22 2024-10-18
## 23 23 2024-04-19
## 24 24 2024-09-30
## 25 25 2024-12-20
## 26 26 2024-09-08
## 27 27 2024-08-11
## 28 28 2024-05-02
## 29 29 2024-05-13
## 30 30 2024-06-16
## 31 31 2024-06-26
## 32 32 2024-05-22
## 33 33 2024-05-19
## 34 34 2024-04-29
## 35 35 2024-07-26
## 36 36 2024-07-04
## 37 37 2024-07-17
## 38 38 2024-04-07
## 39 39 2024-08-23
## 40 40 2024-02-09
## 41 41 2024-01-08
## 42 42 2024-02-24
## 43 43 2024-09-05
## 44 44 2024-06-12
## 45 45 2024-09-30
## 46 46 2024-11-08
## 47 47 2024-04-27
## 48 48 2024-05-14
## 49 49 2024-02-24
## 50 50 2024-12-06
## 51 51 2024-11-09
## 52 52 2024-08-23
## 53 53 2024-08-18
## 54 54 2024-03-29
## 55 55 2024-12-15
## 56 56 2024-04-21
## 57 57 2024-09-25
## 58 58 2024-07-14
## 59 59 2024-09-06
## 60 60 2024-05-08
## 61 61 2024-07-05
## 62 62 2024-03-22
## 63 63 2024-01-06
## 64 64 2024-12-15
## 65 65 2024-08-26
## 66 66 2024-10-25
## 67 67 2024-10-19
## 68 68 2024-08-21
## 69 69 2024-10-15
## 70 70 2024-11-22
## 71 71 2024-01-25
## 72 72 2024-02-16
## 73 73 2024-07-07
## 74 74 2024-11-26
## 75 75 2024-08-14
## 76 76 2024-08-29
## 77 77 2024-06-28
## 78 78 2024-08-14
## 79 79 2024-02-21
## 80 80 2024-08-03
## 81 81 2024-12-25
## 82 82 2024-08-06
## 83 83 2024-12-27
## 84 84 2024-04-26
## 85 85 2024-10-08
## 86 86 2024-07-21
## 87 87 2024-01-20
## 88 88 2024-12-30
## 89 89 2024-12-13
## 90 90 2024-04-03
## 91 91 2024-10-25
## 92 92 2024-07-20
## 93 93 2024-07-23
## 94 94 2024-02-16
## 95 95 2024-05-18
## 96 96 2024-09-30
## 97 97 2024-01-12
## 98 98 2024-03-01
## 99 99 2024-05-08
## 100 100 2024-05-032.2 membuat dataset fiktif dengan beberapa nilai yang hilang
data_produk2 <- data.frame(
id_produk = 1:50,
nama_produk = paste("Produk", 1:50),
harga_produk = sample(c(50:200, NA), 50, replace=TRUE)
)
data_produk2## id_produk nama_produk harga_produk
## 1 1 Produk 1 75
## 2 2 Produk 2 140
## 3 3 Produk 3 100
## 4 4 Produk 4 182
## 5 5 Produk 5 190
## 6 6 Produk 6 167
## 7 7 Produk 7 155
## 8 8 Produk 8 95
## 9 9 Produk 9 50
## 10 10 Produk 10 156
## 11 11 Produk 11 144
## 12 12 Produk 12 83
## 13 13 Produk 13 184
## 14 14 Produk 14 144
## 15 15 Produk 15 195
## 16 16 Produk 16 102
## 17 17 Produk 17 170
## 18 18 Produk 18 141
## 19 19 Produk 19 180
## 20 20 Produk 20 69
## 21 21 Produk 21 57
## 22 22 Produk 22 166
## 23 23 Produk 23 108
## 24 24 Produk 24 57
## 25 25 Produk 25 119
## 26 26 Produk 26 161
## 27 27 Produk 27 62
## 28 28 Produk 28 192
## 29 29 Produk 29 58
## 30 30 Produk 30 171
## 31 31 Produk 31 68
## 32 32 Produk 32 73
## 33 33 Produk 33 65
## 34 34 Produk 34 60
## 35 35 Produk 35 189
## 36 36 Produk 36 83
## 37 37 Produk 37 60
## 38 38 Produk 38 166
## 39 39 Produk 39 188
## 40 40 Produk 40 177
## 41 41 Produk 41 131
## 42 42 Produk 42 192
## 43 43 Produk 43 159
## 44 44 Produk 44 194
## 45 45 Produk 45 82
## 46 46 Produk 46 60
## 47 47 Produk 47 150
## 48 48 Produk 48 140
## 49 49 Produk 49 200
## 50 50 Produk 50 1022.3 membuat dataset fiktif dengan beberapa nilai yang hilang
data_pelanggan3 <- data.frame(
id_pelanggan = 1:50,
nama_pelanggan = paste("Pelanggan", 1:50),
alamat = paste("Alamat", 1:50),
nomor_telepon = sample(c(100000:99999, NA), 50, replace=TRUE)
)
data_pelanggan3## id_pelanggan nama_pelanggan alamat nomor_telepon
## 1 1 Pelanggan 1 Alamat 1 NA
## 2 2 Pelanggan 2 Alamat 2 NA
## 3 3 Pelanggan 3 Alamat 3 NA
## 4 4 Pelanggan 4 Alamat 4 NA
## 5 5 Pelanggan 5 Alamat 5 99999
## 6 6 Pelanggan 6 Alamat 6 99999
## 7 7 Pelanggan 7 Alamat 7 100000
## 8 8 Pelanggan 8 Alamat 8 99999
## 9 9 Pelanggan 9 Alamat 9 NA
## 10 10 Pelanggan 10 Alamat 10 100000
## 11 11 Pelanggan 11 Alamat 11 NA
## 12 12 Pelanggan 12 Alamat 12 100000
## 13 13 Pelanggan 13 Alamat 13 100000
## 14 14 Pelanggan 14 Alamat 14 NA
## 15 15 Pelanggan 15 Alamat 15 NA
## 16 16 Pelanggan 16 Alamat 16 NA
## 17 17 Pelanggan 17 Alamat 17 99999
## 18 18 Pelanggan 18 Alamat 18 NA
## 19 19 Pelanggan 19 Alamat 19 100000
## 20 20 Pelanggan 20 Alamat 20 NA
## 21 21 Pelanggan 21 Alamat 21 100000
## 22 22 Pelanggan 22 Alamat 22 99999
## 23 23 Pelanggan 23 Alamat 23 NA
## 24 24 Pelanggan 24 Alamat 24 99999
## 25 25 Pelanggan 25 Alamat 25 100000
## 26 26 Pelanggan 26 Alamat 26 NA
## 27 27 Pelanggan 27 Alamat 27 NA
## 28 28 Pelanggan 28 Alamat 28 99999
## 29 29 Pelanggan 29 Alamat 29 NA
## 30 30 Pelanggan 30 Alamat 30 99999
## 31 31 Pelanggan 31 Alamat 31 NA
## 32 32 Pelanggan 32 Alamat 32 NA
## 33 33 Pelanggan 33 Alamat 33 NA
## 34 34 Pelanggan 34 Alamat 34 100000
## 35 35 Pelanggan 35 Alamat 35 NA
## 36 36 Pelanggan 36 Alamat 36 99999
## 37 37 Pelanggan 37 Alamat 37 99999
## 38 38 Pelanggan 38 Alamat 38 99999
## 39 39 Pelanggan 39 Alamat 39 99999
## 40 40 Pelanggan 40 Alamat 40 99999
## 41 41 Pelanggan 41 Alamat 41 100000
## 42 42 Pelanggan 42 Alamat 42 100000
## 43 43 Pelanggan 43 Alamat 43 100000
## 44 44 Pelanggan 44 Alamat 44 NA
## 45 45 Pelanggan 45 Alamat 45 100000
## 46 46 Pelanggan 46 Alamat 46 99999
## 47 47 Pelanggan 47 Alamat 47 99999
## 48 48 Pelanggan 48 Alamat 48 100000
## 49 49 Pelanggan 49 Alamat 49 100000
## 50 50 Pelanggan 50 Alamat 50 999993 Melakukan implementasi ETL terhadap dataset
pada hal ini, saya akan melakukan implementasi ETL (Extract, Transform, Load) pada dataset yang telah ada
3.1 Ekstraksi
data_penjualan_missing <- read_csv("fix_data/data_penjualan_missing.csv",show_col_types = FALSE) #data penjualan
data_penjualan_missing## # A tibble: 100 × 2
## id_penjualan tanggal_penjualan
## <dbl> <date>
## 1 1 2024-02-26
## 2 2 2024-11-30
## 3 3 2024-06-03
## 4 4 2024-03-10
## 5 5 2024-03-02
## 6 6 2024-08-16
## 7 7 2024-11-05
## 8 8 2024-10-03
## 9 9 2024-12-04
## 10 10 2024-02-15
## # ℹ 90 more rowsdata_produk_missing <- read_csv("fix_data/data_produk_missing.csv", show_col_types = FALSE) #data produk
data_produk_missing## # A tibble: 50 × 3
## id_produk nama_produk harga_produk
## <dbl> <chr> <dbl>
## 1 1 Produk 1 75
## 2 2 Produk 2 140
## 3 3 Produk 3 100
## 4 4 Produk 4 182
## 5 5 Produk 5 190
## 6 6 Produk 6 167
## 7 7 Produk 7 155
## 8 8 Produk 8 95
## 9 9 Produk 9 50
## 10 10 Produk 10 156
## # ℹ 40 more rowsdata_pelanggan_missing <- read_csv("fix_data/data_pelanggan_missing.csv", show_col_types = FALSE) #data pelanggan
data_pelanggan_missing## # A tibble: 50 × 4
## id_pelanggan nama_pelanggan alamat nomor_telepon
## <dbl> <chr> <chr> <dbl>
## 1 1 Pelanggan 1 Alamat 1 NA
## 2 2 Pelanggan 2 Alamat 2 NA
## 3 3 Pelanggan 3 Alamat 3 NA
## 4 4 Pelanggan 4 Alamat 4 NA
## 5 5 Pelanggan 5 Alamat 5 99999
## 6 6 Pelanggan 6 Alamat 6 99999
## 7 7 Pelanggan 7 Alamat 7 100000
## 8 8 Pelanggan 8 Alamat 8 99999
## 9 9 Pelanggan 9 Alamat 9 NA
## 10 10 Pelanggan 10 Alamat 10 100000
## # ℹ 40 more rows3.2 tranformasi
data_bersih_penjualan <- data_penjualan_missing %>% #cek nilai NA
filter_all(any_vars(is.na(.)))
data_bersih_penjualan## # A tibble: 0 × 2
## # ℹ 2 variables: id_penjualan <dbl>, tanggal_penjualan <date>data_bersih_produk <- data_produk_missing %>% #cek nilai NA
filter_all(any_vars(is.na(.)))
data_bersih_produk## # A tibble: 0 × 3
## # ℹ 3 variables: id_produk <dbl>, nama_produk <chr>, harga_produk <dbl>data_bersih_pelanggan <- data_pelanggan_missing %>% #cek nilai NA
filter_all(any_vars(is.na(.)))
data_bersih_pelanggan## # A tibble: 20 × 4
## id_pelanggan nama_pelanggan alamat nomor_telepon
## <dbl> <chr> <chr> <dbl>
## 1 1 Pelanggan 1 Alamat 1 NA
## 2 2 Pelanggan 2 Alamat 2 NA
## 3 3 Pelanggan 3 Alamat 3 NA
## 4 4 Pelanggan 4 Alamat 4 NA
## 5 9 Pelanggan 9 Alamat 9 NA
## 6 11 Pelanggan 11 Alamat 11 NA
## 7 14 Pelanggan 14 Alamat 14 NA
## 8 15 Pelanggan 15 Alamat 15 NA
## 9 16 Pelanggan 16 Alamat 16 NA
## 10 18 Pelanggan 18 Alamat 18 NA
## 11 20 Pelanggan 20 Alamat 20 NA
## 12 23 Pelanggan 23 Alamat 23 NA
## 13 26 Pelanggan 26 Alamat 26 NA
## 14 27 Pelanggan 27 Alamat 27 NA
## 15 29 Pelanggan 29 Alamat 29 NA
## 16 31 Pelanggan 31 Alamat 31 NA
## 17 32 Pelanggan 32 Alamat 32 NA
## 18 33 Pelanggan 33 Alamat 33 NA
## 19 35 Pelanggan 35 Alamat 35 NA
## 20 44 Pelanggan 44 Alamat 44 NAterdapat banyak NA di bagian data pelanggan, maka
library(readr)
library(dplyr)
data_bersih <- read_csv("fix_data/data_pelanggan_missing.csv", show_col_types = FALSE)
missing_rows <- data_pelanggan_missing %>%
filter_all(any_vars(is.na(.)))
miss <- data_pelanggan_missing %>%
mutate_all(~ifelse(is.na(.), median(., na.rm = TRUE), .))
miss <- miss %>%
mutate(across(where(is.numeric), ~round(., digits = 0)))
miss## # A tibble: 50 × 4
## id_pelanggan nama_pelanggan alamat nomor_telepon
## <dbl> <chr> <chr> <dbl>
## 1 1 Pelanggan 1 Alamat 1 99999
## 2 2 Pelanggan 2 Alamat 2 99999
## 3 3 Pelanggan 3 Alamat 3 99999
## 4 4 Pelanggan 4 Alamat 4 99999
## 5 5 Pelanggan 5 Alamat 5 99999
## 6 6 Pelanggan 6 Alamat 6 99999
## 7 7 Pelanggan 7 Alamat 7 100000
## 8 8 Pelanggan 8 Alamat 8 99999
## 9 9 Pelanggan 9 Alamat 9 99999
## 10 10 Pelanggan 10 Alamat 10 100000
## # ℹ 40 more rows3.3 menggabungkan data
## id_penjualan tanggal_penjualan id_produk nama_produk harga_produk
## 1 1 2024-02-26 1 Produk 1 75
## 2 2 2024-11-30 2 Produk 2 140
## 3 3 2024-06-03 3 Produk 3 100
## 4 4 2024-03-10 4 Produk 4 182
## 5 5 2024-03-02 5 Produk 5 190
## 6 6 2024-08-16 6 Produk 6 167
## 7 7 2024-11-05 7 Produk 7 155
## 8 8 2024-10-03 8 Produk 8 95
## 9 9 2024-12-04 9 Produk 9 50
## 10 10 2024-02-15 10 Produk 10 156
## 11 11 2024-11-27 11 Produk 11 144
## 12 12 2024-12-09 12 Produk 12 83
## 13 13 2024-10-01 13 Produk 13 184
## 14 14 2024-01-15 14 Produk 14 144
## 15 15 2024-01-10 15 Produk 15 195
## 16 16 2024-03-10 16 Produk 16 102
## 17 17 2024-12-11 17 Produk 17 170
## 18 18 2024-02-08 18 Produk 18 141
## 19 19 2024-01-03 19 Produk 19 180
## 20 20 2024-03-17 20 Produk 20 69
## 21 21 2024-09-10 21 Produk 21 57
## 22 22 2024-10-18 22 Produk 22 166
## 23 23 2024-04-19 23 Produk 23 108
## 24 24 2024-09-30 24 Produk 24 57
## 25 25 2024-12-20 25 Produk 25 119
## 26 26 2024-09-08 26 Produk 26 161
## 27 27 2024-08-11 27 Produk 27 62
## 28 28 2024-05-02 28 Produk 28 192
## 29 29 2024-05-13 29 Produk 29 58
## 30 30 2024-06-16 30 Produk 30 171
## 31 31 2024-06-26 31 Produk 31 68
## 32 32 2024-05-22 32 Produk 32 73
## 33 33 2024-05-19 33 Produk 33 65
## 34 34 2024-04-29 34 Produk 34 60
## 35 35 2024-07-26 35 Produk 35 189
## 36 36 2024-07-04 36 Produk 36 83
## 37 37 2024-07-17 37 Produk 37 60
## 38 38 2024-04-07 38 Produk 38 166
## 39 39 2024-08-23 39 Produk 39 188
## 40 40 2024-02-09 40 Produk 40 177
## 41 41 2024-01-08 41 Produk 41 131
## 42 42 2024-02-24 42 Produk 42 192
## 43 43 2024-09-05 43 Produk 43 159
## 44 44 2024-06-12 44 Produk 44 194
## 45 45 2024-09-30 45 Produk 45 82
## 46 46 2024-11-08 46 Produk 46 60
## 47 47 2024-04-27 47 Produk 47 150
## 48 48 2024-05-14 48 Produk 48 140
## 49 49 2024-02-24 49 Produk 49 200
## 50 50 2024-12-06 50 Produk 50 102
## 51 51 2024-11-09 1 Produk 1 75
## 52 52 2024-08-23 2 Produk 2 140
## 53 53 2024-08-18 3 Produk 3 100
## 54 54 2024-03-29 4 Produk 4 182
## 55 55 2024-12-15 5 Produk 5 190
## 56 56 2024-04-21 6 Produk 6 167
## 57 57 2024-09-25 7 Produk 7 155
## 58 58 2024-07-14 8 Produk 8 95
## 59 59 2024-09-06 9 Produk 9 50
## 60 60 2024-05-08 10 Produk 10 156
## 61 61 2024-07-05 11 Produk 11 144
## 62 62 2024-03-22 12 Produk 12 83
## 63 63 2024-01-06 13 Produk 13 184
## 64 64 2024-12-15 14 Produk 14 144
## 65 65 2024-08-26 15 Produk 15 195
## 66 66 2024-10-25 16 Produk 16 102
## 67 67 2024-10-19 17 Produk 17 170
## 68 68 2024-08-21 18 Produk 18 141
## 69 69 2024-10-15 19 Produk 19 180
## 70 70 2024-11-22 20 Produk 20 69
## 71 71 2024-01-25 21 Produk 21 57
## 72 72 2024-02-16 22 Produk 22 166
## 73 73 2024-07-07 23 Produk 23 108
## 74 74 2024-11-26 24 Produk 24 57
## 75 75 2024-08-14 25 Produk 25 119
## 76 76 2024-08-29 26 Produk 26 161
## 77 77 2024-06-28 27 Produk 27 62
## 78 78 2024-08-14 28 Produk 28 192
## 79 79 2024-02-21 29 Produk 29 58
## 80 80 2024-08-03 30 Produk 30 171
## 81 81 2024-12-25 31 Produk 31 68
## 82 82 2024-08-06 32 Produk 32 73
## 83 83 2024-12-27 33 Produk 33 65
## 84 84 2024-04-26 34 Produk 34 60
## 85 85 2024-10-08 35 Produk 35 189
## 86 86 2024-07-21 36 Produk 36 83
## 87 87 2024-01-20 37 Produk 37 60
## 88 88 2024-12-30 38 Produk 38 166
## 89 89 2024-12-13 39 Produk 39 188
## 90 90 2024-04-03 40 Produk 40 177
## 91 91 2024-10-25 41 Produk 41 131
## 92 92 2024-07-20 42 Produk 42 192
## 93 93 2024-07-23 43 Produk 43 159
## 94 94 2024-02-16 44 Produk 44 194
## 95 95 2024-05-18 45 Produk 45 82
## 96 96 2024-09-30 46 Produk 46 60
## 97 97 2024-01-12 47 Produk 47 150
## 98 98 2024-03-01 48 Produk 48 140
## 99 99 2024-05-08 49 Produk 49 200
## 100 100 2024-05-03 50 Produk 50 102## id_pelanggan nama_pelanggan alamat nomor_telepon id_penjualan
## 1 1 Pelanggan 1 Alamat 1 99999 1
## 2 2 Pelanggan 2 Alamat 2 99999 2
## 3 3 Pelanggan 3 Alamat 3 99999 3
## 4 4 Pelanggan 4 Alamat 4 99999 4
## 5 5 Pelanggan 5 Alamat 5 99999 5
## 6 6 Pelanggan 6 Alamat 6 99999 6
## 7 7 Pelanggan 7 Alamat 7 100000 7
## 8 8 Pelanggan 8 Alamat 8 99999 8
## 9 9 Pelanggan 9 Alamat 9 99999 9
## 10 10 Pelanggan 10 Alamat 10 100000 10
## 11 11 Pelanggan 11 Alamat 11 99999 11
## 12 12 Pelanggan 12 Alamat 12 100000 12
## 13 13 Pelanggan 13 Alamat 13 100000 13
## 14 14 Pelanggan 14 Alamat 14 99999 14
## 15 15 Pelanggan 15 Alamat 15 99999 15
## 16 16 Pelanggan 16 Alamat 16 99999 16
## 17 17 Pelanggan 17 Alamat 17 99999 17
## 18 18 Pelanggan 18 Alamat 18 99999 18
## 19 19 Pelanggan 19 Alamat 19 100000 19
## 20 20 Pelanggan 20 Alamat 20 99999 20
## 21 21 Pelanggan 21 Alamat 21 100000 21
## 22 22 Pelanggan 22 Alamat 22 99999 22
## 23 23 Pelanggan 23 Alamat 23 99999 23
## 24 24 Pelanggan 24 Alamat 24 99999 24
## 25 25 Pelanggan 25 Alamat 25 100000 25
## 26 26 Pelanggan 26 Alamat 26 99999 26
## 27 27 Pelanggan 27 Alamat 27 99999 27
## 28 28 Pelanggan 28 Alamat 28 99999 28
## 29 29 Pelanggan 29 Alamat 29 99999 29
## 30 30 Pelanggan 30 Alamat 30 99999 30
## 31 31 Pelanggan 31 Alamat 31 99999 31
## 32 32 Pelanggan 32 Alamat 32 99999 32
## 33 33 Pelanggan 33 Alamat 33 99999 33
## 34 34 Pelanggan 34 Alamat 34 100000 34
## 35 35 Pelanggan 35 Alamat 35 99999 35
## 36 36 Pelanggan 36 Alamat 36 99999 36
## 37 37 Pelanggan 37 Alamat 37 99999 37
## 38 38 Pelanggan 38 Alamat 38 99999 38
## 39 39 Pelanggan 39 Alamat 39 99999 39
## 40 40 Pelanggan 40 Alamat 40 99999 40
## 41 41 Pelanggan 41 Alamat 41 100000 41
## 42 42 Pelanggan 42 Alamat 42 100000 42
## 43 43 Pelanggan 43 Alamat 43 100000 43
## 44 44 Pelanggan 44 Alamat 44 99999 44
## 45 45 Pelanggan 45 Alamat 45 100000 45
## 46 46 Pelanggan 46 Alamat 46 99999 46
## 47 47 Pelanggan 47 Alamat 47 99999 47
## 48 48 Pelanggan 48 Alamat 48 100000 48
## 49 49 Pelanggan 49 Alamat 49 100000 49
## 50 50 Pelanggan 50 Alamat 50 99999 50
## 51 1 Pelanggan 1 Alamat 1 99999 51
## 52 2 Pelanggan 2 Alamat 2 99999 52
## 53 3 Pelanggan 3 Alamat 3 99999 53
## 54 4 Pelanggan 4 Alamat 4 99999 54
## 55 5 Pelanggan 5 Alamat 5 99999 55
## 56 6 Pelanggan 6 Alamat 6 99999 56
## 57 7 Pelanggan 7 Alamat 7 100000 57
## 58 8 Pelanggan 8 Alamat 8 99999 58
## 59 9 Pelanggan 9 Alamat 9 99999 59
## 60 10 Pelanggan 10 Alamat 10 100000 60
## 61 11 Pelanggan 11 Alamat 11 99999 61
## 62 12 Pelanggan 12 Alamat 12 100000 62
## 63 13 Pelanggan 13 Alamat 13 100000 63
## 64 14 Pelanggan 14 Alamat 14 99999 64
## 65 15 Pelanggan 15 Alamat 15 99999 65
## 66 16 Pelanggan 16 Alamat 16 99999 66
## 67 17 Pelanggan 17 Alamat 17 99999 67
## 68 18 Pelanggan 18 Alamat 18 99999 68
## 69 19 Pelanggan 19 Alamat 19 100000 69
## 70 20 Pelanggan 20 Alamat 20 99999 70
## 71 21 Pelanggan 21 Alamat 21 100000 71
## 72 22 Pelanggan 22 Alamat 22 99999 72
## 73 23 Pelanggan 23 Alamat 23 99999 73
## 74 24 Pelanggan 24 Alamat 24 99999 74
## 75 25 Pelanggan 25 Alamat 25 100000 75
## 76 26 Pelanggan 26 Alamat 26 99999 76
## 77 27 Pelanggan 27 Alamat 27 99999 77
## 78 28 Pelanggan 28 Alamat 28 99999 78
## 79 29 Pelanggan 29 Alamat 29 99999 79
## 80 30 Pelanggan 30 Alamat 30 99999 80
## 81 31 Pelanggan 31 Alamat 31 99999 81
## 82 32 Pelanggan 32 Alamat 32 99999 82
## 83 33 Pelanggan 33 Alamat 33 99999 83
## 84 34 Pelanggan 34 Alamat 34 100000 84
## 85 35 Pelanggan 35 Alamat 35 99999 85
## 86 36 Pelanggan 36 Alamat 36 99999 86
## 87 37 Pelanggan 37 Alamat 37 99999 87
## 88 38 Pelanggan 38 Alamat 38 99999 88
## 89 39 Pelanggan 39 Alamat 39 99999 89
## 90 40 Pelanggan 40 Alamat 40 99999 90
## 91 41 Pelanggan 41 Alamat 41 100000 91
## 92 42 Pelanggan 42 Alamat 42 100000 92
## 93 43 Pelanggan 43 Alamat 43 100000 93
## 94 44 Pelanggan 44 Alamat 44 99999 94
## 95 45 Pelanggan 45 Alamat 45 100000 95
## 96 46 Pelanggan 46 Alamat 46 99999 96
## 97 47 Pelanggan 47 Alamat 47 99999 97
## 98 48 Pelanggan 48 Alamat 48 100000 98
## 99 49 Pelanggan 49 Alamat 49 100000 99
## 100 50 Pelanggan 50 Alamat 50 99999 100
## tanggal_penjualan id_produk nama_produk harga_produk
## 1 2024-02-26 1 Produk 1 75
## 2 2024-11-30 2 Produk 2 140
## 3 2024-06-03 3 Produk 3 100
## 4 2024-03-10 4 Produk 4 182
## 5 2024-03-02 5 Produk 5 190
## 6 2024-08-16 6 Produk 6 167
## 7 2024-11-05 7 Produk 7 155
## 8 2024-10-03 8 Produk 8 95
## 9 2024-12-04 9 Produk 9 50
## 10 2024-02-15 10 Produk 10 156
## 11 2024-11-27 11 Produk 11 144
## 12 2024-12-09 12 Produk 12 83
## 13 2024-10-01 13 Produk 13 184
## 14 2024-01-15 14 Produk 14 144
## 15 2024-01-10 15 Produk 15 195
## 16 2024-03-10 16 Produk 16 102
## 17 2024-12-11 17 Produk 17 170
## 18 2024-02-08 18 Produk 18 141
## 19 2024-01-03 19 Produk 19 180
## 20 2024-03-17 20 Produk 20 69
## 21 2024-09-10 21 Produk 21 57
## 22 2024-10-18 22 Produk 22 166
## 23 2024-04-19 23 Produk 23 108
## 24 2024-09-30 24 Produk 24 57
## 25 2024-12-20 25 Produk 25 119
## 26 2024-09-08 26 Produk 26 161
## 27 2024-08-11 27 Produk 27 62
## 28 2024-05-02 28 Produk 28 192
## 29 2024-05-13 29 Produk 29 58
## 30 2024-06-16 30 Produk 30 171
## 31 2024-06-26 31 Produk 31 68
## 32 2024-05-22 32 Produk 32 73
## 33 2024-05-19 33 Produk 33 65
## 34 2024-04-29 34 Produk 34 60
## 35 2024-07-26 35 Produk 35 189
## 36 2024-07-04 36 Produk 36 83
## 37 2024-07-17 37 Produk 37 60
## 38 2024-04-07 38 Produk 38 166
## 39 2024-08-23 39 Produk 39 188
## 40 2024-02-09 40 Produk 40 177
## 41 2024-01-08 41 Produk 41 131
## 42 2024-02-24 42 Produk 42 192
## 43 2024-09-05 43 Produk 43 159
## 44 2024-06-12 44 Produk 44 194
## 45 2024-09-30 45 Produk 45 82
## 46 2024-11-08 46 Produk 46 60
## 47 2024-04-27 47 Produk 47 150
## 48 2024-05-14 48 Produk 48 140
## 49 2024-02-24 49 Produk 49 200
## 50 2024-12-06 50 Produk 50 102
## 51 2024-11-09 1 Produk 1 75
## 52 2024-08-23 2 Produk 2 140
## 53 2024-08-18 3 Produk 3 100
## 54 2024-03-29 4 Produk 4 182
## 55 2024-12-15 5 Produk 5 190
## 56 2024-04-21 6 Produk 6 167
## 57 2024-09-25 7 Produk 7 155
## 58 2024-07-14 8 Produk 8 95
## 59 2024-09-06 9 Produk 9 50
## 60 2024-05-08 10 Produk 10 156
## 61 2024-07-05 11 Produk 11 144
## 62 2024-03-22 12 Produk 12 83
## 63 2024-01-06 13 Produk 13 184
## 64 2024-12-15 14 Produk 14 144
## 65 2024-08-26 15 Produk 15 195
## 66 2024-10-25 16 Produk 16 102
## 67 2024-10-19 17 Produk 17 170
## 68 2024-08-21 18 Produk 18 141
## 69 2024-10-15 19 Produk 19 180
## 70 2024-11-22 20 Produk 20 69
## 71 2024-01-25 21 Produk 21 57
## 72 2024-02-16 22 Produk 22 166
## 73 2024-07-07 23 Produk 23 108
## 74 2024-11-26 24 Produk 24 57
## 75 2024-08-14 25 Produk 25 119
## 76 2024-08-29 26 Produk 26 161
## 77 2024-06-28 27 Produk 27 62
## 78 2024-08-14 28 Produk 28 192
## 79 2024-02-21 29 Produk 29 58
## 80 2024-08-03 30 Produk 30 171
## 81 2024-12-25 31 Produk 31 68
## 82 2024-08-06 32 Produk 32 73
## 83 2024-12-27 33 Produk 33 65
## 84 2024-04-26 34 Produk 34 60
## 85 2024-10-08 35 Produk 35 189
## 86 2024-07-21 36 Produk 36 83
## 87 2024-01-20 37 Produk 37 60
## 88 2024-12-30 38 Produk 38 166
## 89 2024-12-13 39 Produk 39 188
## 90 2024-04-03 40 Produk 40 177
## 91 2024-10-25 41 Produk 41 131
## 92 2024-07-20 42 Produk 42 192
## 93 2024-07-23 43 Produk 43 159
## 94 2024-02-16 44 Produk 44 194
## 95 2024-05-18 45 Produk 45 82
## 96 2024-09-30 46 Produk 46 60
## 97 2024-01-12 47 Produk 47 150
## 98 2024-03-01 48 Produk 48 140
## 99 2024-05-08 49 Produk 49 200
## 100 2024-05-03 50 Produk 50 1023.4 memperkaya data
terdapat nilai NA di data_penjualan
fixnya<- na.omit(data_penjualan) %>% #mengganti nilai NA yg ada di data_penjualan
filter_all(any_vars(is.na(.)))
miss <- na.omit(data_penjualan) %>%
mutate_all(~ifelse(is.na(.), median(., na.rm = TRUE), .)) #menggunakan nilai median
miss2 <- na.omit(miss) %>%
mutate(across(where(is.numeric), ~round(., digits = 0)))
miss2## # A tibble: 97 × 5
## id_penjualan tanggal_penjualan id_produk jumlah_terjual id_toko
## <dbl> <dbl> <dbl> <dbl> <dbl>
## 1 1 19783 101 10 1
## 2 2 19783 102 20 2
## 3 3 19784 103 5 5
## 4 4 19784 104 15 3
## 5 5 19785 105 8 1
## 6 7 19786 107 9 1
## 7 8 19786 108 18 2
## 8 9 19787 109 6 5
## 9 10 19787 110 25 4
## 10 11 19788 111 4 3
## # ℹ 87 more rowsdataaa <- data_gabungan1%>% #diaplikasikan
mutate(total_penjualan = miss2$jumlah_terjual * data_produk$harga_produk)
dataaa## id_pelanggan nama_pelanggan alamat nomor_telepon id_penjualan
## 1 1 Pelanggan 1 Alamat 1 99999 1
## 2 2 Pelanggan 2 Alamat 2 99999 2
## 3 3 Pelanggan 3 Alamat 3 99999 3
## 4 4 Pelanggan 4 Alamat 4 99999 4
## 5 5 Pelanggan 5 Alamat 5 99999 5
## 6 6 Pelanggan 6 Alamat 6 99999 6
## 7 7 Pelanggan 7 Alamat 7 100000 7
## 8 8 Pelanggan 8 Alamat 8 99999 8
## 9 9 Pelanggan 9 Alamat 9 99999 9
## 10 10 Pelanggan 10 Alamat 10 100000 10
## 11 11 Pelanggan 11 Alamat 11 99999 11
## 12 12 Pelanggan 12 Alamat 12 100000 12
## 13 13 Pelanggan 13 Alamat 13 100000 13
## 14 14 Pelanggan 14 Alamat 14 99999 14
## 15 15 Pelanggan 15 Alamat 15 99999 15
## 16 16 Pelanggan 16 Alamat 16 99999 16
## 17 17 Pelanggan 17 Alamat 17 99999 17
## 18 18 Pelanggan 18 Alamat 18 99999 18
## 19 19 Pelanggan 19 Alamat 19 100000 19
## 20 20 Pelanggan 20 Alamat 20 99999 20
## 21 21 Pelanggan 21 Alamat 21 100000 21
## 22 22 Pelanggan 22 Alamat 22 99999 22
## 23 23 Pelanggan 23 Alamat 23 99999 23
## 24 24 Pelanggan 24 Alamat 24 99999 24
## 25 25 Pelanggan 25 Alamat 25 100000 25
## 26 26 Pelanggan 26 Alamat 26 99999 26
## 27 27 Pelanggan 27 Alamat 27 99999 27
## 28 28 Pelanggan 28 Alamat 28 99999 28
## 29 29 Pelanggan 29 Alamat 29 99999 29
## 30 30 Pelanggan 30 Alamat 30 99999 30
## 31 31 Pelanggan 31 Alamat 31 99999 31
## 32 32 Pelanggan 32 Alamat 32 99999 32
## 33 33 Pelanggan 33 Alamat 33 99999 33
## 34 34 Pelanggan 34 Alamat 34 100000 34
## 35 35 Pelanggan 35 Alamat 35 99999 35
## 36 36 Pelanggan 36 Alamat 36 99999 36
## 37 37 Pelanggan 37 Alamat 37 99999 37
## 38 38 Pelanggan 38 Alamat 38 99999 38
## 39 39 Pelanggan 39 Alamat 39 99999 39
## 40 40 Pelanggan 40 Alamat 40 99999 40
## 41 41 Pelanggan 41 Alamat 41 100000 41
## 42 42 Pelanggan 42 Alamat 42 100000 42
## 43 43 Pelanggan 43 Alamat 43 100000 43
## 44 44 Pelanggan 44 Alamat 44 99999 44
## 45 45 Pelanggan 45 Alamat 45 100000 45
## 46 46 Pelanggan 46 Alamat 46 99999 46
## 47 47 Pelanggan 47 Alamat 47 99999 47
## 48 48 Pelanggan 48 Alamat 48 100000 48
## 49 49 Pelanggan 49 Alamat 49 100000 49
## 50 50 Pelanggan 50 Alamat 50 99999 50
## 51 1 Pelanggan 1 Alamat 1 99999 51
## 52 2 Pelanggan 2 Alamat 2 99999 52
## 53 3 Pelanggan 3 Alamat 3 99999 53
## 54 4 Pelanggan 4 Alamat 4 99999 54
## 55 5 Pelanggan 5 Alamat 5 99999 55
## 56 6 Pelanggan 6 Alamat 6 99999 56
## 57 7 Pelanggan 7 Alamat 7 100000 57
## 58 8 Pelanggan 8 Alamat 8 99999 58
## 59 9 Pelanggan 9 Alamat 9 99999 59
## 60 10 Pelanggan 10 Alamat 10 100000 60
## 61 11 Pelanggan 11 Alamat 11 99999 61
## 62 12 Pelanggan 12 Alamat 12 100000 62
## 63 13 Pelanggan 13 Alamat 13 100000 63
## 64 14 Pelanggan 14 Alamat 14 99999 64
## 65 15 Pelanggan 15 Alamat 15 99999 65
## 66 16 Pelanggan 16 Alamat 16 99999 66
## 67 17 Pelanggan 17 Alamat 17 99999 67
## 68 18 Pelanggan 18 Alamat 18 99999 68
## 69 19 Pelanggan 19 Alamat 19 100000 69
## 70 20 Pelanggan 20 Alamat 20 99999 70
## 71 21 Pelanggan 21 Alamat 21 100000 71
## 72 22 Pelanggan 22 Alamat 22 99999 72
## 73 23 Pelanggan 23 Alamat 23 99999 73
## 74 24 Pelanggan 24 Alamat 24 99999 74
## 75 25 Pelanggan 25 Alamat 25 100000 75
## 76 26 Pelanggan 26 Alamat 26 99999 76
## 77 27 Pelanggan 27 Alamat 27 99999 77
## 78 28 Pelanggan 28 Alamat 28 99999 78
## 79 29 Pelanggan 29 Alamat 29 99999 79
## 80 30 Pelanggan 30 Alamat 30 99999 80
## 81 31 Pelanggan 31 Alamat 31 99999 81
## 82 32 Pelanggan 32 Alamat 32 99999 82
## 83 33 Pelanggan 33 Alamat 33 99999 83
## 84 34 Pelanggan 34 Alamat 34 100000 84
## 85 35 Pelanggan 35 Alamat 35 99999 85
## 86 36 Pelanggan 36 Alamat 36 99999 86
## 87 37 Pelanggan 37 Alamat 37 99999 87
## 88 38 Pelanggan 38 Alamat 38 99999 88
## 89 39 Pelanggan 39 Alamat 39 99999 89
## 90 40 Pelanggan 40 Alamat 40 99999 90
## 91 41 Pelanggan 41 Alamat 41 100000 91
## 92 42 Pelanggan 42 Alamat 42 100000 92
## 93 43 Pelanggan 43 Alamat 43 100000 93
## 94 44 Pelanggan 44 Alamat 44 99999 94
## 95 45 Pelanggan 45 Alamat 45 100000 95
## 96 46 Pelanggan 46 Alamat 46 99999 96
## 97 47 Pelanggan 47 Alamat 47 99999 97
## 98 48 Pelanggan 48 Alamat 48 100000 98
## 99 49 Pelanggan 49 Alamat 49 100000 99
## 100 50 Pelanggan 50 Alamat 50 99999 100
## tanggal_penjualan id_produk nama_produk harga_produk total_penjualan
## 1 2024-02-26 1 Produk 1 75 500
## 2 2024-11-30 2 Produk 2 140 400
## 3 2024-06-03 3 Produk 3 100 500
## 4 2024-03-10 4 Produk 4 182 450
## 5 2024-03-02 5 Produk 5 190 120
## 6 2024-08-16 6 Produk 6 167 90
## 7 2024-11-05 7 Produk 7 155 1440
## 8 2024-10-03 8 Produk 8 95 420
## 9 2024-12-04 9 Produk 9 50 625
## 10 2024-02-15 10 Produk 10 156 180
## 11 2024-11-27 11 Produk 11 144 1200
## 12 2024-12-09 12 Produk 12 83 NA
## 13 2024-10-01 13 Produk 13 184 560
## 14 2024-01-15 14 Produk 14 144 1800
## 15 2024-01-10 15 Produk 15 195 4000
## 16 2024-03-10 16 Produk 16 102 105
## 17 2024-12-11 17 Produk 17 170 810
## 18 2024-02-08 18 Produk 18 141 825
## 19 2024-01-03 19 Produk 19 180 750
## 20 2024-03-17 20 Produk 20 69 440
## 21 2024-09-10 21 Produk 21 57 660
## 22 2024-10-18 22 Produk 22 166 160
## 23 2024-04-19 23 Produk 23 108 1120
## 24 2024-09-30 24 Produk 24 57 75
## 25 2024-12-20 25 Produk 25 119 100
## 26 2024-09-08 26 Produk 26 161 1350
## 27 2024-08-11 27 Produk 27 62 600
## 28 2024-05-02 28 Produk 28 192 1125
## 29 2024-05-13 29 Produk 29 58 240
## 30 2024-06-16 30 Produk 30 171 250
## 31 2024-06-26 31 Produk 31 68 210
## 32 2024-05-22 32 Produk 32 73 210
## 33 2024-05-19 33 Produk 33 65 300
## 34 2024-04-29 34 Produk 34 60 2400
## 35 2024-07-26 35 Produk 35 189 120
## 36 2024-07-04 36 Produk 36 83 450
## 37 2024-07-17 37 Produk 37 60 2250
## 38 2024-04-07 38 Produk 38 166 6000
## 39 2024-08-23 39 Produk 39 188 NA
## 40 2024-02-09 40 Produk 40 177 1980
## 41 2024-01-08 41 Produk 41 131 440
## 42 2024-02-24 42 Produk 42 192 400
## 43 2024-09-05 43 Produk 43 159 200
## 44 2024-06-12 44 Produk 44 194 300
## 45 2024-09-30 45 Produk 45 82 180
## 46 2024-11-08 46 Produk 46 60 1260
## 47 2024-04-27 47 Produk 47 150 360
## 48 2024-05-14 48 Produk 48 140 625
## 49 2024-02-24 49 Produk 49 200 120
## 50 2024-12-06 50 Produk 50 102 150
## 51 2024-11-09 1 Produk 1 75 175
## 52 2024-08-23 2 Produk 2 140 1680
## 53 2024-08-18 3 Produk 3 100 480
## 54 2024-03-29 4 Produk 4 182 1000
## 55 2024-12-15 5 Produk 5 190 450
## 56 2024-04-21 6 Produk 6 167 1800
## 57 2024-09-25 7 Produk 7 155 525
## 58 2024-07-14 8 Produk 8 95 990
## 59 2024-09-06 9 Produk 9 50 1210
## 60 2024-05-08 10 Produk 10 156 200
## 61 2024-07-05 11 Produk 11 144 640
## 62 2024-03-22 12 Produk 12 83 150
## 63 2024-01-06 13 Produk 13 184 200
## 64 2024-12-15 14 Produk 14 144 630
## 65 2024-08-26 15 Produk 15 195 1080
## 66 2024-10-25 16 Produk 16 102 150
## 67 2024-10-19 17 Produk 17 170 750
## 68 2024-08-21 18 Produk 18 141 60
## 69 2024-10-15 19 Produk 19 180 250
## 70 2024-11-22 20 Produk 20 69 840
## 71 2024-01-25 21 Produk 21 57 560
## 72 2024-02-16 22 Produk 22 166 600
## 73 2024-07-07 23 Produk 23 108 3000
## 74 2024-11-26 24 Produk 24 57 600
## 75 2024-08-14 25 Produk 25 119 315
## 76 2024-08-29 26 Produk 26 161 1350
## 77 2024-06-28 27 Produk 27 62 1650
## 78 2024-08-14 28 Produk 28 192 275
## 79 2024-02-21 29 Produk 29 58 880
## 80 2024-08-03 30 Produk 30 171 240
## 81 2024-12-25 31 Produk 31 68 320
## 82 2024-08-06 32 Produk 32 73 350
## 83 2024-12-27 33 Produk 33 65 600
## 84 2024-04-26 34 Produk 34 60 225
## 85 2024-10-08 35 Produk 35 189 540
## 86 2024-07-21 36 Produk 36 83 90
## 87 2024-01-20 37 Produk 37 60 625
## 88 2024-12-30 38 Produk 38 166 480
## 89 2024-12-13 39 Produk 39 188 400
## 90 2024-04-03 40 Produk 40 177 350
## 91 2024-10-25 41 Produk 41 131 2100
## 92 2024-07-20 42 Produk 42 192 2400
## 93 2024-07-23 43 Produk 43 159 700
## 94 2024-02-16 44 Produk 44 194 270
## 95 2024-05-18 45 Produk 45 82 495
## 96 2024-09-30 46 Produk 46 60 375
## 97 2024-01-12 47 Produk 47 150 1200
## 98 2024-03-01 48 Produk 48 140 300
## 99 2024-05-08 49 Produk 49 200 400
## 100 2024-05-03 50 Produk 50 102 3503.5 mengubah format data
## [1] "2024-03-01" "2024-03-01" "2024-03-02" "2024-03-02" "2024-03-03"
## [6] "2024-03-03" "2024-03-04" "2024-03-04" "2024-03-05" "2024-03-05"
## [11] "2024-03-06" "2024-03-06" "2024-03-07" "2024-03-07" "2024-03-08"
## [16] "2024-03-08" "2024-03-09" "2024-03-09" "2024-03-10" "2024-03-10"
## [21] "2024-03-11" "2024-03-11" "2024-03-12" "2024-03-12" "2024-03-13"
## [26] "2024-03-13" "2024-03-14" "2024-03-14" "2024-03-15" "2024-03-15"
## [31] "2024-03-16" "2024-03-16" "2024-03-17" "2024-03-17" "2024-03-18"
## [36] "2024-03-18" "2024-03-19" "2024-03-19" "2024-03-20" "2024-03-20"
## [41] "2024-03-21" "2024-03-21" "2024-03-22" "2024-03-22" "2024-03-23"
## [46] "2024-03-23" "2024-03-24" "2024-03-24" "2024-03-25" "2024-03-25"
## [51] "2024-03-26" "2024-03-26" "2024-03-27" "2024-03-27" "2024-03-28"
## [56] "2024-03-28" "2024-03-29" "2024-03-29" "2024-03-30" "2024-03-30"
## [61] "2024-03-31" "2024-03-31" "2024-04-01" "2024-04-01" "2024-04-02"
## [66] "2024-04-02" "2024-04-03" "2024-04-03" "2024-04-04" "2024-04-04"
## [71] "2024-04-05" "2024-04-05" "2024-04-06" "2024-04-06" "2024-04-07"
## [76] "2024-04-07" "2024-04-08" "2024-04-08" "2024-04-09" "2024-04-09"
## [81] "2024-04-10" "2024-04-10" "2024-04-11" "2024-04-11" "2024-04-12"
## [86] "2024-04-12" "2024-04-13" "2024-04-13" "2024-04-14" "2024-04-14"
## [91] "2024-04-15" "2024-04-15" "2024-04-16" "2024-04-16" "2024-04-17"
## [96] "2024-04-17" "2024-04-18" "2024-04-18" "2024-04-19" "2024-04-19"3.6 menangani nilai yang hilang
kali ini saya menggunakan nilai median sebagai acuannya.
miss <- data_pelanggan3%>%
mutate_all(~ifelse(is.na(.), median(., na.rm = TRUE), .))
miss <- miss %>%
mutate(across(where(is.numeric), ~round(., digits = 2)))
miss## id_pelanggan nama_pelanggan alamat nomor_telepon
## 1 1 Pelanggan 1 Alamat 1 99999
## 2 2 Pelanggan 2 Alamat 2 99999
## 3 3 Pelanggan 3 Alamat 3 99999
## 4 4 Pelanggan 4 Alamat 4 99999
## 5 5 Pelanggan 5 Alamat 5 99999
## 6 6 Pelanggan 6 Alamat 6 99999
## 7 7 Pelanggan 7 Alamat 7 100000
## 8 8 Pelanggan 8 Alamat 8 99999
## 9 9 Pelanggan 9 Alamat 9 99999
## 10 10 Pelanggan 10 Alamat 10 100000
## 11 11 Pelanggan 11 Alamat 11 99999
## 12 12 Pelanggan 12 Alamat 12 100000
## 13 13 Pelanggan 13 Alamat 13 100000
## 14 14 Pelanggan 14 Alamat 14 99999
## 15 15 Pelanggan 15 Alamat 15 99999
## 16 16 Pelanggan 16 Alamat 16 99999
## 17 17 Pelanggan 17 Alamat 17 99999
## 18 18 Pelanggan 18 Alamat 18 99999
## 19 19 Pelanggan 19 Alamat 19 100000
## 20 20 Pelanggan 20 Alamat 20 99999
## 21 21 Pelanggan 21 Alamat 21 100000
## 22 22 Pelanggan 22 Alamat 22 99999
## 23 23 Pelanggan 23 Alamat 23 99999
## 24 24 Pelanggan 24 Alamat 24 99999
## 25 25 Pelanggan 25 Alamat 25 100000
## 26 26 Pelanggan 26 Alamat 26 99999
## 27 27 Pelanggan 27 Alamat 27 99999
## 28 28 Pelanggan 28 Alamat 28 99999
## 29 29 Pelanggan 29 Alamat 29 99999
## 30 30 Pelanggan 30 Alamat 30 99999
## 31 31 Pelanggan 31 Alamat 31 99999
## 32 32 Pelanggan 32 Alamat 32 99999
## 33 33 Pelanggan 33 Alamat 33 99999
## 34 34 Pelanggan 34 Alamat 34 100000
## 35 35 Pelanggan 35 Alamat 35 99999
## 36 36 Pelanggan 36 Alamat 36 99999
## 37 37 Pelanggan 37 Alamat 37 99999
## 38 38 Pelanggan 38 Alamat 38 99999
## 39 39 Pelanggan 39 Alamat 39 99999
## 40 40 Pelanggan 40 Alamat 40 99999
## 41 41 Pelanggan 41 Alamat 41 100000
## 42 42 Pelanggan 42 Alamat 42 100000
## 43 43 Pelanggan 43 Alamat 43 100000
## 44 44 Pelanggan 44 Alamat 44 99999
## 45 45 Pelanggan 45 Alamat 45 100000
## 46 46 Pelanggan 46 Alamat 46 99999
## 47 47 Pelanggan 47 Alamat 47 99999
## 48 48 Pelanggan 48 Alamat 48 100000
## 49 49 Pelanggan 49 Alamat 49 100000
## 50 50 Pelanggan 50 Alamat 50 99999