UTS Pengantar Sains Data
Deshi Nur Biya
2025-04-17
No 1 Eksplorasi Data Awal
Tampilkan informasi umum dataset (jumlah data, kolom, tipe data). Lakukan pembersihan data sederhana jika diperlukan (null values, duplikat, dll).
library(dsbox)
library(tidyverse)
library(ggplot2)
library(ggthemes)
library(scales)
library(ggcorrplot)data <- lego_sales
glimpse(data)## Rows: 620
## Columns: 14
## $ first_name <chr> "Kimberly", "Neel", "Neel", "Chelsea", "Chelsea", "Chelse…
## $ last_name <chr> "Beckstead", "Garvin", "Garvin", "Bouchard", "Bouchard", …
## $ age <dbl> 24, 35, 35, 41, 41, 41, 19, 19, 37, 37, 19, 19, 20, 36, 3…
## $ phone_number <chr> "216-555-2549", "819-555-3189", "819-555-3189", NA, NA, N…
## $ set_id <dbl> 24701, 25626, 24665, 24695, 25626, 24721, 24797, 24701, 2…
## $ number <chr> "76062", "70595", "21031", "31048", "70595", "10831", "75…
## $ theme <chr> "DC Comics Super Heroes", "Ninjago", "Architecture", "Cre…
## $ subtheme <chr> "Mighty Micros", "Rise of the Villains", NA, NA, "Rise of…
## $ year <dbl> 2018, 2018, 2018, 2018, 2018, 2018, 2018, 2018, 2018, 201…
## $ name <chr> "Robin vs. Bane", "Ultra Stealth Raider", "Burj Khalifa",…
## $ pieces <dbl> 77, 1093, 333, 368, 1093, 19, 233, 77, 108, NA, 13, 15, 6…
## $ us_price <dbl> 9.99, 119.99, 39.99, 29.99, 119.99, 9.99, 24.99, 9.99, 9.…
## $ image_url <chr> "http://images.brickset.com/sets/images/76062-1.jpg", "ht…
## $ quantity <dbl> 1, 1, 1, 1, 1, 1, 1, 3, 1, 2, 1, 1, 2, 1, 1, 1, 1, 1, 1, …summary(data)## first_name last_name age phone_number
## Length:620 Length:620 Min. :16.00 Length:620
## Class :character Class :character 1st Qu.:25.00 Class :character
## Mode :character Mode :character Median :33.00 Mode :character
## Mean :34.36
## 3rd Qu.:41.00
## Max. :68.00
##
## set_id number theme subtheme
## Min. :24548 Length:620 Length:620 Length:620
## 1st Qu.:24725 Class :character Class :character Class :character
## Median :24805 Mode :character Mode :character Mode :character
## Mean :25125
## 3rd Qu.:25640
## Max. :26060
##
## year name pieces us_price
## Min. :2018 Length:620 Min. : 13.0 Min. : 3.99
## 1st Qu.:2018 Class :character 1st Qu.: 70.0 1st Qu.: 9.99
## Median :2018 Mode :character Median : 114.0 Median : 19.99
## Mean :2018 Mean : 254.2 Mean : 29.04
## 3rd Qu.:2018 3rd Qu.: 313.0 3rd Qu.: 29.99
## Max. :2018 Max. :4634.0 Max. :349.99
## NA's :69
## image_url quantity
## Length:620 Min. :1.000
## Class :character 1st Qu.:1.000
## Mode :character Median :1.000
## Mean :1.437
## 3rd Qu.:2.000
## Max. :5.000
## nrow(data) ## [1] 620ncol(data) ## [1] 14colnames(data)## [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(data))## 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 0sum(duplicated(data))## [1] 0data_clean <- data %>%
drop_na() %>%
distinct()
dim(data_clean)## [1] 287 14No 2 Visualisasi Wajib Buat minimal 5 visualisasi dari kategori berikut:
- 10 Customer dengan Jumlah Transaksi Terbanyak
library(ggplot2)
library(dplyr)
top_customers <- data %>%
group_by(first_name, last_name) %>%
summarise(total_transactions = sum(quantity), .groups = 'drop') %>%
arrange(desc(total_transactions)) %>%
head(10)
top_customers$full_name <- paste(top_customers$first_name, top_customers$last_name)
ggplot(top_customers, aes(x = reorder(full_name, total_transactions), y = total_transactions)) +
geom_bar(stat = "identity", fill = "steelblue") +
coord_flip() +
labs(title = "10 Customer dengan Jumlah Transaksi Terbanyak",
x = "Customer",
y = "Total Transaksi") +
theme_minimal()
b. 10 Tema LEGO Terpopuler Berdasarkan Penjualan
library(dplyr)
library(ggplot2)
top_themes <- data %>%
group_by(theme) %>%
summarise(total_sales = sum(us_price * quantity, na.rm = TRUE), .groups = 'drop') %>%
arrange(desc(total_sales)) %>%
head(10)
ggplot(top_themes, aes(x = reorder(theme, total_sales), y = total_sales)) +
geom_bar(stat = "identity", fill = "#228B22") +
coord_flip() +
labs(title = "10 Tema LEGO Terpopuler Berdasarkan Penjualan",
x = "Tema LEGO",
y = "Total Penjualan (USD)") +
theme_minimal()
- Sebaran Jumlah Pieces dan Harga
ggplot(data, aes(x = pieces, y = us_price)) +
geom_point(alpha = 0.7, color = "dodgerblue", size = 3) +
geom_smooth(method = "lm", se = FALSE, color = "darkred", linetype = "solid") +
coord_cartesian(xlim = c(0, 2000), ylim = c(0, 150)) +
labs(
title = "Hubungan Jumlah Pieces dan Harga LEGO Set",
x = "Jumlah Pieces",
y = "Harga (USD)"
) +
theme_light() +
theme(
plot.title = element_text(hjust = 0.5, face = "bold", size = 16),
plot.subtitle = element_text(hjust = 0.5, size = 12)
)
- Komposisi Penjualan Berdasarkan Usia
data <- data %>%
mutate(age_group = cut(age,
breaks = seq(0, 70, by = 10),
labels = c("0–9", "10–19", "20–29", "30–39", "40–49", "50–59", "60–69"),
right = FALSE))
age_sales <- data %>%
group_by(age_group) %>%
summarise(total_sales = sum(quantity)) %>%
arrange(desc(total_sales))
ggplot(age_sales, aes(x = reorder(age_group, total_sales), y = total_sales)) +
geom_col(fill = "lightcoral", color = "lightcoral", size = 1.2) +
coord_flip() +
geom_text(aes(label = total_sales), hjust = 1.1, size = 4, color = "black") +
labs(title = "Komposisi Penjualan Berdasarkan Kelompok Usia",
subtitle = "Total penjualan berdasarkan kelompok usia",
x = "Kelompok Usia", y = "Jumlah Terjual") +
theme_minimal() +
theme(
plot.title = element_text(hjust = 0.5, face = "bold", size = 16),
plot.subtitle = element_text(hjust = 0.5, size = 12),
axis.title = element_text(size = 12),
axis.text = element_text(size = 10)
)
- Heatmap Korelasi Antar Variabel Numerik
numeric_vars <- data %>%
select(age, pieces, us_price, quantity) %>%
drop_na()
cor_matrix <- cor(numeric_vars)
ggcorrplot(cor_matrix,
lab = TRUE,
type = "lower",
colors = c("blue", "white", "red"),
lab_size = 4,
title = "Korelasi Antar Variabel Numerik") +
theme_minimal() +
theme(
plot.title = element_text(hjust = 0.5, size = 16, face = "bold"),
axis.title = element_text(size = 12),
axis.text = element_text(size = 10)
)
No 3 Insight dan Narasi
Tuliskan 3–5 insight menarik dari visualisasi yang dibuat.Contoh: Apakah tema tertentu mendominasi revenue? Apakah set dengan lebih banyak pieces selalu lebih mahal? Apakah ada preferensi tema LEGO pada kelompok usia tertentu?
Tema Tertentu Mendominasi Total Revenue Dari grafik “10 Tema LEGO Terpopuler Berdasarkan Penjualan”, terlihat bahwa hanya beberapa tema saja yang menyumbang sebagian besar pendapatan. Hal ini menunjukkan adanya dominasi tema tertentu yang lebih digemari pasar, kemungkinan karena lisensi populer (misalnya tema superhero, film, atau franchise terkenal).
Pelanggan Tertentu Melakukan Pembelian dalam Jumlah Sangat Besar Dari grafik “10 Customer dengan Jumlah Transaksi Terbanyak”, terlihat bahwa terdapat beberapa pelanggan yang secara signifikan lebih aktif dalam berbelanja LEGO. Hal ini dapat dimanfaatkan untuk strategi pemasaran, seperti menawarkan promo atau program membership khusus bagi pelanggan yang membeli dalam jumlah besar.
Harga LEGO Naik Seiring Jumlah Pieces, Tapi Tidak Berdampak Pada Volume Pembelian Terdapat hubungan yang kuat antara harga (us_price) dan jumlah kepingan (pieces), namun korelasinya dengan quantity sangat rendah. Artinya, meskipun harga meningkat karena jumlah pieces lebih banyak, pembeli tetap tertarik dan hal ini tidak mengurangi minat beli mereka.
Jumlah Penjualan (Quantity) Tidak Terpengaruh Oleh Harga atau Ukuran Korelasi antara quantity dengan us_price dan pieces sangat rendah (hampir nol), menandakan bahwa harga tinggi atau jumlah pieces besar tidak menghambat penjualan. Ini membuka kemungkinan bahwa faktor lain seperti tema atau preferensi pelanggan lebih menentukan keputusan pembelian.
Kelompok Usia 20–29 Tahun Menyumbang Penjualan Terbanyak Visualisasi penjualan berdasarkan kelompok usia menunjukkan bahwa kelompok usia 20–29 mendominasi dalam jumlah pembelian. Hal ini menandakan bahwa LEGO tidak hanya dimainkan oleh anak-anak, tapi juga dibeli oleh remaja dan dewasa muda sebagai koleksi, hobi, atau hadiah.