Analisis Dataset Bank Marketing
Kevin Adam Prasetya
2024-10-24
1. Pendahuluan
Dataset Bank Marketing berisi informasi tentang kampanye pemasaran langsung dari sebuah institusi perbankan di Portugal. Tujuan dari analisis ini adalah untuk memahami karakteristik nasabah dan faktor-faktor yang mempengaruhi keberhasilan kampanye pemasaran deposito berjangka.
2. Persiapan Data
2.1 Load Library yang Diperlukan
library(tidyverse)
library(scales)
library(RColorBrewer)
library(corrplot)2.2 Import dan Pemeriksaan Data
# Import dataset
bank_data <- read.csv("bank-full.csv", sep=";")
# Melihat struktur data
str(bank_data)## 'data.frame': 45211 obs. of 17 variables:
## $ age : int 58 44 33 47 33 35 28 42 58 43 ...
## $ job : chr "management" "technician" "entrepreneur" "blue-collar" ...
## $ marital : chr "married" "single" "married" "married" ...
## $ education: chr "tertiary" "secondary" "secondary" "unknown" ...
## $ default : chr "no" "no" "no" "no" ...
## $ balance : int 2143 29 2 1506 1 231 447 2 121 593 ...
## $ housing : chr "yes" "yes" "yes" "yes" ...
## $ loan : chr "no" "no" "yes" "no" ...
## $ contact : chr "unknown" "unknown" "unknown" "unknown" ...
## $ day : int 5 5 5 5 5 5 5 5 5 5 ...
## $ month : chr "may" "may" "may" "may" ...
## $ duration : int 261 151 76 92 198 139 217 380 50 55 ...
## $ campaign : int 1 1 1 1 1 1 1 1 1 1 ...
## $ pdays : int -1 -1 -1 -1 -1 -1 -1 -1 -1 -1 ...
## $ previous : int 0 0 0 0 0 0 0 0 0 0 ...
## $ poutcome : chr "unknown" "unknown" "unknown" "unknown" ...
## $ y : chr "no" "no" "no" "no" ...# Melihat ringkasan statistik
summary(bank_data)## age job marital education
## Min. :18.00 Length:45211 Length:45211 Length:45211
## 1st Qu.:33.00 Class :character Class :character Class :character
## Median :39.00 Mode :character Mode :character Mode :character
## Mean :40.94
## 3rd Qu.:48.00
## Max. :95.00
## default balance housing loan
## Length:45211 Min. : -8019 Length:45211 Length:45211
## Class :character 1st Qu.: 72 Class :character Class :character
## Mode :character Median : 448 Mode :character Mode :character
## Mean : 1362
## 3rd Qu.: 1428
## Max. :102127
## contact day month duration
## Length:45211 Min. : 1.00 Length:45211 Min. : 0.0
## Class :character 1st Qu.: 8.00 Class :character 1st Qu.: 103.0
## Mode :character Median :16.00 Mode :character Median : 180.0
## Mean :15.81 Mean : 258.2
## 3rd Qu.:21.00 3rd Qu.: 319.0
## Max. :31.00 Max. :4918.0
## campaign pdays previous poutcome
## Min. : 1.000 Min. : -1.0 Min. : 0.0000 Length:45211
## 1st Qu.: 1.000 1st Qu.: -1.0 1st Qu.: 0.0000 Class :character
## Median : 2.000 Median : -1.0 Median : 0.0000 Mode :character
## Mean : 2.764 Mean : 40.2 Mean : 0.5803
## 3rd Qu.: 3.000 3rd Qu.: -1.0 3rd Qu.: 0.0000
## Max. :63.000 Max. :871.0 Max. :275.0000
## y
## Length:45211
## Class :character
## Mode :character
##
##
## 2.3 Data Pre-processing
2.3.1 Penanganan Missing Values
# Memeriksa missing values
colSums(is.na(bank_data))## age job marital education default balance housing loan
## 0 0 0 0 0 0 0 0
## contact day month duration campaign pdays previous poutcome
## 0 0 0 0 0 0 0 0
## y
## 0# Mengubah "unknown" menjadi NA
bank_data[bank_data == "unknown"] <- NA2.3.2 Konversi Tipe Data
# Mengubah variabel kategorik menjadi factor
categorical_vars <- c("job", "marital", "education", "default", "housing",
"loan", "contact", "month", "poutcome", "y")
bank_data[categorical_vars] <- lapply(bank_data[categorical_vars], as.factor)3. Visualisasi dan Analisis Data
3.1 Distribusi Target Variable (y)
ggplot(bank_data, aes(x = y, fill = y)) +
geom_bar() +
scale_fill_brewer(palette = "Set2") +
labs(title = "Distribusi Hasil Kampanye Marketing",
subtitle = "Perbandingan antara nasabah yang berlangganan deposito dan tidak",
x = "Keputusan Berlangganan",
y = "Jumlah Nasabah") +
theme_minimal() +
theme(legend.position = "none")
Insight: Visualisasi ini menunjukkan ketidakseimbangan kelas pada target variable, dimana lebih banyak nasabah yang tidak berlangganan deposito dibandingkan yang berlangganan.
3.2 Analisis Demografis Nasabah
3.2.1 Distribusi Usia dan Status Berlangganan
ggplot(bank_data, aes(x = age, fill = y)) +
geom_density(alpha = 0.5) +
scale_fill_brewer(palette = "Set2",
labels = c("Tidak Berlangganan", "Berlangganan")) +
labs(title = "Distribusi Usia Nasabah",
subtitle = "Berdasarkan Status Berlangganan Deposito",
x = "Usia",
y = "Densitas",
fill = "Status Berlangganan") +
theme_minimal()
Insight: Grafik density plot ini memperlihatkan pola distribusi usia nasabah dan bagaimana kecenderungan berlangganan deposito berdasarkan kelompok usia.
3.2.2 Analisis Pekerjaan Nasabah
ggplot(bank_data, aes(x = reorder(job, table(job)[job]),
fill = y)) +
geom_bar(position = "fill") +
coord_flip() +
scale_fill_brewer(palette = "Set2",
labels = c("Tidak Berlangganan", "Berlangganan")) +
labs(title = "Proporsi Berlangganan Berdasarkan Pekerjaan",
subtitle = "Persentase nasabah yang berlangganan untuk setiap jenis pekerjaan",
x = "Jenis Pekerjaan",
y = "Proporsi",
fill = "Status Berlangganan") +
theme_minimal()
Insight: Visualisasi ini menunjukkan proporsi nasabah yang berlangganan deposito untuk setiap jenis pekerjaan, membantu mengidentifikasi segmen pekerjaan yang memiliki tingkat konversi lebih tinggi.
3.3 Analisis Faktor Ekonomi
3.3.1 Pengaruh Balance terhadap Keputusan Berlangganan
ggplot(bank_data, aes(x = y, y = balance, fill = y)) +
geom_boxplot() +
scale_fill_brewer(palette = "Set2") +
labs(title = "Distribusi Balance Berdasarkan Status Berlangganan",
subtitle = "Perbandingan saldo nasabah yang berlangganan dan tidak",
x = "Status Berlangganan",
y = "Balance (Euro)",
fill = "Status Berlangganan") +
theme_minimal() +
scale_y_continuous(labels = scales::comma)
Insight: Box plot ini memperlihatkan hubungan antara saldo nasabah dengan keputusan berlangganan deposito.
3.3.2 Analisis Status Pinjaman
ggplot(bank_data, aes(x = housing, fill = y)) +
geom_bar(position = "fill") +
facet_wrap(~loan) +
scale_fill_brewer(palette = "Set2",
labels = c("Tidak Berlangganan", "Berlangganan")) +
labs(title = "Proporsi Berlangganan Berdasarkan Status Pinjaman",
subtitle = "Analisis pinjaman rumah dan personal",
x = "Pinjaman Rumah",
y = "Proporsi",
fill = "Status Berlangganan") +
theme_minimal()
Insight: Visualisasi ini menunjukkan bagaimana status pinjaman (rumah dan personal) mempengaruhi keputusan nasabah untuk berlangganan deposito.
4. Kesimpulan
Dari hasil analisis dan visualisasi data di atas, kita dapat menyimpulkan beberapa hal penting:
- Terdapat ketidakseimbangan yang signifikan antara nasabah yang berlangganan dan tidak berlangganan deposito.
- Faktor demografis seperti usia dan pekerjaan memiliki pengaruh terhadap keputusan berlangganan.
- Status ekonomi (balance) dan status pinjaman juga mempengaruhi kecenderungan nasabah untuk berlangganan deposito.
Visualisasi yang digunakan telah dipilih dengan mempertimbangkan: - Kesesuaian jenis plot dengan tipe data dan tujuan analisis - Penggunaan warna yang konsisten dan mudah dibedakan - Pemberian label yang informatif dan jelas - Penggunaan tema yang bersih dan profesional