LEGO Sales Data Analysis Visualization

Eksplorasi Data Awal

Tampilkan informasi umum dataset (jumlah data, kolom, tipe data).
Lakukan pembersihan data sederhana jika diperlukan (null values, duplikat, dll).

kbl_table <- lego_sales %>%
  head(11) %>%
  kable("html") %>%
  kable_styling(full_width = F, bootstrap_options = c("striped", "hover")) %>%
  row_spec(0, background = "#e30b5d", color = "white")

num_cols <- ncol(lego_sales)

kbl_table <- kbl_table %>%
  column_spec(1:num_cols, background = "#ff1493", color = "white")


kbl_table

first_name	last_name	age	phone_number	set_id	number	theme	subtheme	year	name	pieces	us_price	image_url	quantity
Kimberly	Beckstead	24	216-555-2549	24701	76062	DC Comics Super Heroes	Mighty Micros	2018	Robin vs. Bane	77	9.99	http://images.brickset.com/sets/images/76062-1.jpg	1
Neel	Garvin	35	819-555-3189	25626	70595	Ninjago	Rise of the Villains	2018	Ultra Stealth Raider	1093	119.99	http://images.brickset.com/sets/images/70595-1.jpg	1
Neel	Garvin	35	819-555-3189	24665	21031	Architecture	NA	2018	Burj Khalifa	333	39.99	http://images.brickset.com/sets/images/21031-1.jpg	1
Chelsea	Bouchard	41	NA	24695	31048	Creator	NA	2018	Lakeside Lodge	368	29.99	http://images.brickset.com/sets/images/31048-1.jpg	1
Chelsea	Bouchard	41	NA	25626	70595	Ninjago	Rise of the Villains	2018	Ultra Stealth Raider	1093	119.99	http://images.brickset.com/sets/images/70595-1.jpg	1
Chelsea	Bouchard	41	NA	24721	10831	Duplo	NA	2018	My First Caterpillar	19	9.99	http://images.brickset.com/sets/images/10831-1.jpg	1
Bryanna	Welsh	19	NA	24797	75138	Star Wars	Episode V	2018	Hoth Attack	233	24.99	http://images.brickset.com/sets/images/75138-1.jpg	1
Bryanna	Welsh	19	NA	24701	76062	DC Comics Super Heroes	Mighty Micros	2018	Robin vs. Bane	77	9.99	http://images.brickset.com/sets/images/76062-1.jpg	3
Caleb	Garcia-Wideman	37	907-555-9236	24730	41115	Friends	NA	2018	Emma’s Creative Workshop	108	9.99	http://images.brickset.com/sets/images/41115-1.jpg	1
Caleb	Garcia-Wideman	37	907-555-9236	25611	21127	Minecraft	Minifig-scale	2018	The Fortress	NA	109.99	http://images.brickset.com/sets/images/21127-1.jpg	2
Chase	Fortenberry	19	205-555-3704	24707	10801	Duplo	NA	2018	Baby Animals	13	9.99	http://images.brickset.com/sets/images/10801-1.jpg	1

str(lego_sales)

## spc_tbl_ [620 × 14] (S3: spec_tbl_df/tbl_df/tbl/data.frame)
##  $ first_name  : chr [1:620] "Kimberly" "Neel" "Neel" "Chelsea" ...
##  $ last_name   : chr [1:620] "Beckstead" "Garvin" "Garvin" "Bouchard" ...
##  $ age         : num [1:620] 24 35 35 41 41 41 19 19 37 37 ...
##  $ phone_number: chr [1:620] "216-555-2549" "819-555-3189" "819-555-3189" NA ...
##  $ set_id      : num [1:620] 24701 25626 24665 24695 25626 ...
##  $ number      : chr [1:620] "76062" "70595" "21031" "31048" ...
##  $ theme       : chr [1:620] "DC Comics Super Heroes" "Ninjago" "Architecture" "Creator" ...
##  $ subtheme    : chr [1:620] "Mighty Micros" "Rise of the Villains" NA NA ...
##  $ year        : num [1:620] 2018 2018 2018 2018 2018 ...
##  $ name        : chr [1:620] "Robin vs. Bane" "Ultra Stealth Raider" "Burj Khalifa" "Lakeside Lodge" ...
##  $ pieces      : num [1:620] 77 1093 333 368 1093 ...
##  $ us_price    : num [1:620] 9.99 119.99 39.99 29.99 119.99 ...
##  $ image_url   : chr [1:620] "http://images.brickset.com/sets/images/76062-1.jpg" "http://images.brickset.com/sets/images/70595-1.jpg" "http://images.brickset.com/sets/images/21031-1.jpg" "http://images.brickset.com/sets/images/31048-1.jpg" ...
##  $ quantity    : num [1:620] 1 1 1 1 1 1 1 3 1 2 ...
##  - attr(*, "spec")=List of 3
##   ..$ cols   :List of 14
##   .. ..$ first_name  : list()
##   .. .. ..- attr(*, "class")= chr [1:2] "collector_character" "collector"
##   .. ..$ last_name   : list()
##   .. .. ..- attr(*, "class")= chr [1:2] "collector_character" "collector"
##   .. ..$ age         : list()
##   .. .. ..- attr(*, "class")= chr [1:2] "collector_double" "collector"
##   .. ..$ phone_number: list()
##   .. .. ..- attr(*, "class")= chr [1:2] "collector_character" "collector"
##   .. ..$ set_id      : list()
##   .. .. ..- attr(*, "class")= chr [1:2] "collector_double" "collector"
##   .. ..$ number      : list()
##   .. .. ..- attr(*, "class")= chr [1:2] "collector_character" "collector"
##   .. ..$ theme       : list()
##   .. .. ..- attr(*, "class")= chr [1:2] "collector_character" "collector"
##   .. ..$ subtheme    : list()
##   .. .. ..- attr(*, "class")= chr [1:2] "collector_character" "collector"
##   .. ..$ year        : list()
##   .. .. ..- attr(*, "class")= chr [1:2] "collector_double" "collector"
##   .. ..$ name        : list()
##   .. .. ..- attr(*, "class")= chr [1:2] "collector_character" "collector"
##   .. ..$ pieces      : list()
##   .. .. ..- attr(*, "class")= chr [1:2] "collector_double" "collector"
##   .. ..$ us_price    : list()
##   .. .. ..- attr(*, "class")= chr [1:2] "collector_double" "collector"
##   .. ..$ image_url   : list()
##   .. .. ..- attr(*, "class")= chr [1:2] "collector_character" "collector"
##   .. ..$ quantity    : list()
##   .. .. ..- attr(*, "class")= chr [1:2] "collector_double" "collector"
##   ..$ default: list()
##   .. ..- attr(*, "class")= chr [1:2] "collector_guess" "collector"
##   ..$ skip   : num 1
##   ..- attr(*, "class")= chr "col_spec"

dim(lego_sales)

## [1] 620  14

names(lego_sales)

##  [1] "first_name"   "last_name"    "age"          "phone_number" "set_id"      
##  [6] "number"       "theme"        "subtheme"     "year"         "name"        
## [11] "pieces"       "us_price"     "image_url"    "quantity"

colSums(is.na(lego_sales))

##   first_name    last_name          age phone_number       set_id       number 
##            0            0            0           92            0            0 
##        theme     subtheme         year         name       pieces     us_price 
##            0          172            0            0           69            0 
##    image_url     quantity 
##           59            0

sum(duplicated(lego_sales))

## [1] 0

lego_sales_clean <- lego_sales %>%
  tidyr::drop_na() %>%
  dplyr::distinct()

dim(lego_sales_clean)

## [1] 287  14

summary(lego_sales_clean)

##   first_name         last_name              age       phone_number      
##  Length:287         Length:287         Min.   :16.0   Length:287        
##  Class :character   Class :character   1st Qu.:25.5   Class :character  
##  Mode  :character   Mode  :character   Median :33.0   Mode  :character  
##                                        Mean   :34.4                     
##                                        3rd Qu.:41.0                     
##                                        Max.   :68.0                     
##      set_id         number             theme             subtheme        
##  Min.   :24548   Length:287         Length:287         Length:287        
##  1st Qu.:24703   Class :character   Class :character   Class :character  
##  Median :24783   Mode  :character   Mode  :character   Mode  :character  
##  Mean   :24923                                                           
##  3rd Qu.:24920                                                           
##  Max.   :25969                                                           
##       year          name               pieces          us_price     
##  Min.   :2018   Length:287         Min.   :  18.0   Min.   :  3.99  
##  1st Qu.:2018   Class :character   1st Qu.:  76.0   1st Qu.:  9.99  
##  Median :2018   Mode  :character   Median : 102.0   Median : 19.99  
##  Mean   :2018                      Mean   : 257.5   Mean   : 28.69  
##  3rd Qu.:2018                      3rd Qu.: 294.0   3rd Qu.: 29.99  
##  Max.   :2018                      Max.   :2380.0   Max.   :249.99  
##   image_url            quantity    
##  Length:287         Min.   :1.000  
##  Class :character   1st Qu.:1.000  
##  Mode  :character   Median :1.000  
##                     Mean   :1.467  
##                     3rd Qu.:2.000  
##                     Max.   :5.000

2.Visualisasi Wajib Buat minimal 5 visualisasi dari kategori berikut: a) 10 customer dengan transaksi terbanyak

library(stringr)

## Warning: package 'stringr' was built under R version 4.3.3

lego_sales_clean <- lego_sales %>%
  drop_na(first_name, last_name, phone_number) %>%  # hilangkan NA di komponen customer
  mutate(customer = str_c(first_name, last_name, phone_number, sep = "_"))

lego_sales_clean %>%
  group_by(customer) %>%
  summarise(total_transaksi = n()) %>%
  arrange(desc(total_transaksi)) %>%
  slice_max(order_by = total_transaksi, n = 10) %>%
  ggplot(aes(x = reorder(customer, total_transaksi), y = total_transaksi, fill = customer)) +
  geom_col(show.legend = FALSE) +
  coord_flip() +
  scale_fill_manual(values = rep(c("#ff1493", "#e30b5d", "#da3287"), length.out = 10)) +
  labs(title = "Top 10 Customers by Number of Transactions",
       x = "Customer (Name_Phone)", y = "Total Transactions") +
  theme_minimal(base_size = 13) +
  theme(
    plot.margin = margin(10, 30, 10, 10),
    axis.text.x = element_text(angle = 45, hjust = 1)
  )

10 Tema LEGO Terpopuler Berdasarkan Penjualan

#visualisasi 1
lego_sales %>%
  group_by(theme) %>%
  summarise(total_sales = sum(quantity)) %>%
  arrange(desc(total_sales)) %>%
  slice_head(n = 10) %>%
  ggplot(aes(x = reorder(theme, total_sales), y = total_sales)) +
  geom_col(fill = "#da3287") +
  coord_flip() +
  labs(title = "Top 10 Tema LEGO Terpopuler", x = "Tema", y = "Total Penjualan") +
  theme_minimal()

#visualisasi 2
#5 popular theme
top5_themes <- lego_sales %>%
  group_by(theme) %>%
  summarise(total_sales = sum(quantity)) %>%
  arrange(desc(total_sales)) %>%
  slice_head(n = 5) %>%
  pull(theme)

lego_top5 <- lego_sales %>%
  filter(theme %in% top5_themes)

manual_colors <- c("#ff1493", "#e30b5d", "#da3287", "#ff69b4", "#c71585")

ggplot(lego_top5, aes(x = pieces, y = us_price)) +
  geom_point(aes(color = theme), alpha = 0.8, size = 3) +
  scale_color_manual(values = manual_colors) +
  labs(title = "Pieces vs Price (Top 5 Themes)",
       x = "Number of Pieces", y = "Price (USD)") +
  theme_minimal(base_size = 13) +
  theme(legend.position = "bottom")

## Warning: Removed 55 rows containing missing values or values outside the scale range
## (`geom_point()`).

Sebaran Jumlah Pieces dan Harga

ggplot(lego_sales, aes(x = pieces, y = us_price)) +
  geom_point(aes(color = theme), alpha = 0.7) +
  scale_color_viridis_d() +
  labs(title = "Pieces vs Price (Auto Color)",
       x = "Number of Pieces", y = "Price (USD)") +
  theme_minimal(base_size = 13)

## Warning: Removed 69 rows containing missing values or values outside the scale range
## (`geom_point()`).

#visualisasi 1
lego_sales %>%
  group_by(age) %>%
  summarise(total = sum(quantity, na.rm = TRUE)) %>%
  ggplot(aes(x = age, y = total)) +
  geom_col(fill = "#da3287") +
  labs(title = " LEGO Purchases by Customer Age",
       x = "Age", y = "Total Sets Bought") +
  theme_minimal(base_size = 13)

e) Heatmap Korelasi Antar Variabel Numerik

library(corrplot)

## Warning: package 'corrplot' was built under R version 4.3.3

## corrplot 0.95 loaded

numeric_data <- lego_sales %>%
  select(where(is.numeric))

cor_matrix <- cor(numeric_data, use = "complete.obs")

## Warning in cor(numeric_data, use = "complete.obs"): the standard deviation is
## zero

corrplot(cor_matrix, method = "color",
         col = colorRampPalette(c("#da3287", "#e30b5d", "#ff1493"))(200),
         type = "upper", addCoef.col = "white",
         title = "Numeric Variable Correlation", mar = c(0,0,2,0))

Insight dan Narasi ## Insight dan Narasi

1. Visualisasi: 2a - Top 10 Customers by Transactions

Apakah ada customer yang beli LEGO lebih dari 100 kali? Apakah mereka itu loyal fans atau kolektor?
Mungkinkah LEGO bisa bikin program khusus buat customer yang sering beli? Apa mereka bisa mendapatkan special offers atau discounts?

Dari visualisasi Top 10 Customers by Transactions, kita lihat ada beberapa nama yang frequent shopper, bahkan sampai lebih dari 100 transaksi. Bisa jadi mereka loyal banget sama LEGO atau mungkin collector yang sangat hobi beli.
This is a big opportunity for LEGO untuk membuat program loyalty, promo spesial, atau bahkan membership buat customer seperti ini—yang bisa dikatakan level VIP.

2. Visualisasi: 2b - Top 10 LEGO Themes

Kenapa tema seperti Star Wars dan Ninjago sangat populer? Apakah ini menunjukkan bahwa LEGO juga diminati oleh orang dewasa, bukan hanya anak-anak?
Apakah LEGO bisa memperluas pasar dengan menghadirkan koleksi limited edition yang lebih menargetkan adult fans?

Dari visualisasi Top 10 LEGO Themes berdasarkan penjualan, ada beberapa tema seperti Star Wars dan Nexo Knights yang benar-benar dominan. Ini menunjukkan bahwa LEGO nggak cuma buat children, tapi juga jadi barang koleksi for adult people. LEGO bisa banget manfaatin hal ini buat strategi marketing, seperti mengeluarkan limited edition untuk menarik marke adult fans yang sudah invested dalam dunia LEGO. misalnya, email promo “Your Inner Child Misses You”.

3. Visualisasi: 2c - Pieces vs. Price

Apakah set LEGO yang memiliki lebih banyak pieces selalu lebih mahal? Atau ada faktor lain seperti tema dan eksklusivitas yang lebih menentukan harga?
Mungkinkah harga LEGO lebih dipengaruhi oleh brand value daripada jumlah pieces yang ada?

Dari grafik Pieces vs. Price, terlihat bahwa ada beberapa set LEGO dengan banyak pieces tapi harganya nggak selalu mahal.Sebaliknya, ada juga set yang jumlah pieces-nya sedikit tapi harga jualnya tinggi—biasanya karena limited edition atau kolaborasi dengan brand besar. Insight-nya adalah harga itu tidak hanya soal jumlah pieces, tapi lebih ke brand, tema, dan exclusivity dari set tersebut. bisa jadi pricing straytegy LEGO ini nggak cuma berdasarkan jumlah barang, tapi juga faktor perceived value, Alias: “bukan ukuran pieces-nya yang penting, tapi vibes-nya.”

4. Visualisasi: 2d - LEGO Purchases by Customer Age

Kenapa kelompok usia 30-an menjadi pembeli terbesar LEGO? Apakah mereka membeli untuk anak-anak mereka atau justru untuk koleksi pribadi?
Apakah LEGO bisa fokus pada marketing untuk millennial parents atau mereka yang sekadar ingin nostalgia dengan LEGO?

Dari visualisasi LEGO Purchases by Customer Age, kelompok usia 30-an adalah pembeli paling dominan dalam hal pembelian. This could mean mereka beli untuk anak-anak, atau justru mereka sendiri yang nostalgic dan koleksi LEGO pribadi. LEGO bisa fokus ke marketing buat millennial parents atau adult fans yang butuh koleksi yang lebih exclusive.

5. Visualisasi: 2e - Heatmap Korelasi

Apakah ada korelasi kuat antara jumlah pieces, harga, dan tema LEGO? Apakah harga LEGO lebih dipengaruhi oleh kualitas dan tema daripada jumlah pieces?
Bagaimana LEGO bisa memanfaatkan informasi korelasi ini dalam strategi pricing mereka?

Dari heatmap korelasi, terlihat sekali ada hubungan kuat antara pieces, weight, dan price. Ini menunjukkan bahwa semakin banyak pieces, harga cenderung naik—tapi tema dan brand value juga berpengaruh besar. LEGO’s pricing strategy bukan cuma soal kuantitas, tapi lebih ke perceived value dan apa yang membuat set tertentu lebih berharga dari yang lain. Artinya, pricing strategy LEGO itu bukan cuma soal angka, tapi juga branding magic. “Value itu nggak selalu soal kuantitas, tapi juga soal persepsi.”