Week 5
2025-09-23
R Markdown
This is an R Markdown document. Markdown is a simple formatting syntax for authoring HTML, PDF, and MS Word documents. For more details on using R Markdown see http://rmarkdown.rstudio.com.
When you click the Knit button a document will be generated that includes both content as well as the output of any embedded R code chunks within the document. You can embed an R code chunk like this:
summary(cars)## speed dist
## Min. : 4.0 Min. : 2.00
## 1st Qu.:12.0 1st Qu.: 26.00
## Median :15.0 Median : 36.00
## Mean :15.4 Mean : 42.98
## 3rd Qu.:19.0 3rd Qu.: 56.00
## Max. :25.0 Max. :120.00Including Plots
You can also embed plots, for example:
Note that the echo = FALSE parameter was added to the
code chunk to prevent printing of the R code that generated the
plot.
Import data dari file CSV
df_customer <- read.csv("5_6238009693256554916.csv")
df_customer## X ID_Pelanggan Jenis_Kelamin Tempat_Tinggal Penghasilan Total_Belanja
## 1 1 ID00031 Laki-laki Desa 2227350 2563031
## 2 2 ID00079 Perempuan Kota 9047608 8369550
## 3 3 ID00051 Perempuan Kota 9735540 8053033
## 4 4 ID00014 Laki-laki Kota 13510126 9799876
## 5 5 ID00067 Perempuan Desa 7773498 6982081
## 6 6 ID00042 Laki-laki Desa 6666740 4782002
## 7 7 ID00050 Perempuan Desa 5658721 4286283
## 8 8 ID00043 Laki-laki Desa 7637656 4779797
## 9 9 ID00014 Perempuan Desa 6776730 6315967
## 10 10 ID00025 Laki-laki Kota 10412102 5106141
## 11 11 ID00090 Perempuan Kota 10910287 10137674
## 12 12 ID00091 Perempuan Kota 11380394 9275845
## 13 13 ID00069 Perempuan Kota 8495268 6582132
## 14 14 ID00091 Perempuan Kota 7515754 6841960
## 15 15 ID00057 Laki-laki Kota 12566963 9484196
## 16 16 ID00092 Perempuan Kota 11877653 7720654
## 17 17 ID00009 Laki-laki Kota 6227084 6096816
## 18 18 ID00093 Laki-laki Kota 9762131 7188080
## 19 19 ID00099 Perempuan Kota 7760130 9141069
## 20 20 ID00072 Perempuan Kota 4823122 7627379
## 21 21 ID00026 Perempuan Kota 10375300 8232816
## 22 22 ID00007 Perempuan Kota 9801971 6448525
## 23 23 ID00042 Perempuan Kota 9756577 7798760
## 24 24 ID00009 Laki-laki Kota 10540381 5448759
## 25 25 ID00083 Laki-laki Desa 5844654 4381195
## 26 26 ID00036 Perempuan Kota 10513994 10641105
## 27 27 ID00078 Laki-laki Kota 8458910 6117587
## 28 28 ID00081 Perempuan Desa 7643014 4062511
## 29 29 ID00043 Perempuan Kota 9670493 6226134
## 30 30 ID00076 Perempuan Kota 10775042 8595100
## 31 31 ID00015 Laki-laki Kota 7400799 5977619
## 32 32 ID00032 Perempuan Kota 9539228 7884152
## 33 33 ID00007 Perempuan Kota 12418168 10846012
## 34 34 ID00009 Laki-laki Kota 9729300 5955753
## 35 35 ID00041 Perempuan Kota 8253948 5228866
## 36 36 ID00074 Laki-laki Kota 9310137 6119057
## 37 37 ID00023 Perempuan Desa 5464587 3777745
## 38 38 ID00027 Perempuan Desa 4816216 4389470
## 39 39 ID00060 Perempuan Kota 13091690 8558413
## 40 40 ID00053 Perempuan Kota 10347745 8582735
## 41 41 ID00007 Laki-laki Kota 11025688 4498392
## 42 42 ID00053 Perempuan Kota 8603858 9466583
## 43 43 ID00027 Perempuan Desa 8108645 6901502
## 44 44 ID00096 Perempuan Kota 8734166 6911517
## 45 45 ID00038 Perempuan Kota 6448586 6084854
## 46 46 ID00089 Laki-laki Desa 9032981 5776859
## 47 47 ID00034 Perempuan Desa 5616450 7064321
## 48 48 ID00093 Perempuan Desa 6567758 4072657
## 49 49 ID00069 Laki-laki Kota 12913133 9594128
## 50 50 ID00072 Laki-laki Desa 4362660 2534171
## 51 51 ID00076 Perempuan Desa 6112430 4968714
## 52 52 ID00063 Perempuan Kota 9494398 6261498
## 53 53 ID00013 Perempuan Desa 4481204 5438461
## 54 54 ID00082 Laki-laki Kota 8828251 7021800
## 55 55 ID00097 Laki-laki Kota 11760418 7636699
## 56 56 ID00091 Perempuan Desa 6128487 5990469
## 57 57 ID00025 Perempuan Kota 12165915 9945372
## 58 58 ID00038 Laki-laki Desa 5947963 5094570
## 59 59 ID00021 Perempuan Kota 7003444 7714018
## 60 60 ID00079 Laki-laki Kota 11598730 6296779
## 61 61 ID00041 Perempuan Desa 9231091 8371463
## 62 62 ID00047 Perempuan Desa 5940612 6172545
## 63 63 ID00090 Perempuan Kota 12112261 7826544
## 64 64 ID00060 Perempuan Kota 8044495 9758749
## 65 65 ID00095 Perempuan Desa 8032910 6259431
## 66 66 ID00016 Perempuan Kota 10624562 7515644
## 67 67 ID00094 Laki-laki Kota 14129788 6224021
## 68 68 ID00006 Perempuan Kota 6352573 7566649
## 69 69 ID00072 Laki-laki Kota 9871755 7490116
## 70 70 ID00086 Laki-laki Kota 8682687 6566917
## 71 71 ID00086 Laki-laki Desa 6293417 4000684
## 72 72 ID00039 Perempuan Kota 8426053 10344433
## 73 73 ID00031 Perempuan Desa 7822419 5581673
## 74 74 ID00081 Laki-laki Desa 6284917 3358968
## 75 75 ID00050 Perempuan Kota 7281048 9201734
## 76 76 ID00034 Perempuan Kota 13710077 11626302
## 77 77 ID00004 Perempuan Kota 7034484 7187773
## 78 78 ID00013 Perempuan Kota 10252698 7946382
## 79 79 ID00069 Perempuan Kota 11332473 8784311
## 80 80 ID00025 Laki-laki Kota 11466838 5423813
## 81 81 ID00052 Laki-laki Kota 9245633 6971142
## 82 82 ID00022 Laki-laki Desa 9331982 5602663
## 83 83 ID00089 Perempuan Kota 12403160 6556704
## 84 84 ID00032 Perempuan Kota 6358835 7640093
## 85 85 ID00025 Laki-laki Kota 8045651 6168863
## 86 86 ID00087 Perempuan Kota 10801006 9872391
## 87 87 ID00035 Perempuan Kota 8888045 8307214
## 88 88 ID00040 Perempuan Kota 13425010 6745396
## 89 89 ID00030 Perempuan Kota 11683135 7896921
## 90 90 ID00012 Perempuan Kota 10180417 8098488
## 91 91 ID00031 Perempuan Kota 6230607 5581822
## 92 92 ID00030 Laki-laki Kota 10065251 8685167
## 93 93 ID00064 Perempuan Desa 6954074 3624444
## 94 94 ID00099 Laki-laki Desa 4056012 2752967
## 95 95 ID00014 Perempuan Desa 5629596 4698681
## 96 96 ID00093 Laki-laki Desa 8441927 4171074
## 97 97 ID00096 Perempuan Desa 7082568 5369782
## 98 98 ID00071 Laki-laki Desa 6914715 3749631
## 99 99 ID00067 Laki-laki Kota 10953565 8304569
## 100 100 ID00023 Perempuan Kota 8041211 6033115
## 101 101 ID00079 Laki-laki Kota 11457479 10241993
## 102 102 ID00085 Perempuan Kota 6708724 4672343
## 103 103 ID00037 Perempuan Kota 2975563 5952935
## 104 104 ID00008 Laki-laki Desa 7124083 4922220
## 105 105 ID00051 Perempuan Kota 12101350 7261072
## 106 106 ID00074 Laki-laki Desa 9657061 7154243
## 107 107 ID00050 Perempuan Kota 11260316 9080252
## 108 108 ID00098 Laki-laki Desa 4597993 3834102
## 109 109 ID00074 Laki-laki Desa 6482092 4252327
## 110 110 ID00086 Perempuan Kota 5146204 6339596
## 111 111 ID00076 Perempuan Kota 12952952 8931677
## 112 112 ID00084 Laki-laki Kota 14649777 5892759
## 113 113 ID00046 Perempuan Kota 12685031 9689403
## 114 114 ID00017 Laki-laki Desa 4417372 4520756
## 115 115 ID00062 Laki-laki Desa 6599187 3159885
## 116 116 ID00046 Perempuan Kota 6209831 8578249
## 117 117 ID00054 Perempuan Kota 11975963 7476936
## 118 118 ID00035 Laki-laki Kota 9473165 7484242
## 119 119 ID00094 Perempuan Desa 7651846 5983600
## 120 120 ID00079 Laki-laki Kota 6469936 5944523
## 121 121 ID00024 Perempuan Kota 9250594 5654997
## 122 122 ID00087 Perempuan Kota 7877347 8768903
## 123 123 ID00007 Laki-laki Kota 9007424 7857641
## 124 124 ID00093 Laki-laki Kota 6956000 5383301
## 125 125 ID00079 Perempuan Kota 14218974 8492008
## 126 126 ID00023 Perempuan Kota 9959994 9531823
## 127 127 ID00026 Perempuan Kota 12687363 8161496
## 128 128 ID00032 Perempuan Kota 3495751 6122424
## 129 129 ID00007 Perempuan Kota 8867005 6921826
## 130 130 ID00027 Perempuan Desa 2149709 3224369
## 131 131 ID00042 Perempuan Kota 6942685 6678890
## 132 132 ID00005 Perempuan Kota 13866523 9817378
## 133 133 ID00070 Laki-laki Desa 5171968 4785421
## 134 134 ID00016 Perempuan Desa 5575699 5436492
## 135 135 ID00024 Perempuan Kota 12116091 9144955
## 136 136 ID00032 Perempuan Desa 6730038 3616787
## 137 137 ID00021 Laki-laki Kota 7811861 7717504
## 138 138 ID00055 Perempuan Desa 8635642 6262374
## 139 139 ID00075 Laki-laki Desa 5809025 5002921
## 140 140 ID00036 Perempuan Kota 7341255 7942215
## 141 141 ID00083 Perempuan Kota 6529877 6741328
## 142 142 ID00089 Laki-laki Kota 15216794 9423949
## 143 143 ID00039 Perempuan Kota 8303742 7622355
## 144 144 ID00054 Laki-laki Kota 5361071 4240845
## 145 145 ID00090 Perempuan Desa 6005712 5987338
## 146 146 ID00009 Perempuan Kota 10775576 6390543
## 147 147 ID00071 Perempuan Kota 6615414 7121152
## 148 148 ID00098 Perempuan Desa 4849165 5535035
## 149 149 ID00048 Perempuan Desa 4626369 5333229
## 150 150 ID00077 Laki-laki Kota 12848491 7194070
## 151 151 ID00083 Laki-laki Kota 11590310 6974488
## 152 152 ID00056 Perempuan Kota 8767656 6314093
## 153 153 ID00039 Laki-laki Kota 7914529 5249938
## 154 154 ID00068 Perempuan Desa 5280050 4784177
## 155 155 ID00001 Laki-laki Kota 10393383 4230664
## 156 156 ID00040 Laki-laki Desa 4310833 3565274
## 157 157 ID00030 Perempuan Kota 9010505 7512473
## 158 158 ID00094 Laki-laki Desa 6207276 4695264
## 159 159 ID00089 Perempuan Desa 4674785 4797439
## 160 160 ID00016 Laki-laki Kota 9173638 5433512
## 161 161 ID00088 Perempuan Desa 5455465 5826813
## 162 162 ID00054 Laki-laki Desa 3572111 3396041
## 163 163 ID00075 Perempuan Kota 5153738 7365112
## 164 164 ID00048 Perempuan Kota 10267976 9695153
## 165 165 ID00020 Laki-laki Desa 6312311 4222089
## 166 166 ID00067 Perempuan Desa 6467267 6344949
## 167 167 ID00093 Laki-laki Kota 11201564 9890886
## 168 168 ID00036 Perempuan Kota 7929564 8895365
## 169 169 ID00052 Laki-laki Kota 12550633 7122143
## 170 170 ID00022 Laki-laki Kota 11346205 7485827
## 171 171 ID00049 Perempuan Desa 3157783 5695306
## 172 172 ID00042 Laki-laki Kota 10301798 7166426
## 173 173 ID00059 Laki-laki Kota 12159121 6749874
## 174 174 ID00084 Perempuan Kota 13451286 8951249
## 175 175 ID00011 Perempuan Kota 14915620 11527638
## 176 176 ID00055 Perempuan Desa 6093467 6646206
## 177 177 ID00008 Perempuan Desa 6193172 6100858
## 178 178 ID00046 Laki-laki Desa 6139532 4993380
## 179 179 ID00085 Perempuan Kota 10513903 9009507
## 180 180 ID00066 Perempuan Kota 9611637 5731064
## 181 181 ID00077 Laki-laki Desa 5844922 3006345
## 182 182 ID00046 Perempuan Kota 12526695 9516174
## 183 183 ID00070 Perempuan Kota 8705044 6805522
## 184 184 ID00072 Perempuan Desa 1777583 4111994
## 185 185 ID00044 Perempuan Kota 10994606 6527872
## 186 186 ID00032 Laki-laki Kota 8624441 6011391
## 187 187 ID00036 Laki-laki Kota 10228168 5946104
## 188 188 ID00045 Perempuan Kota 5095731 6730077
## 189 189 ID00014 Laki-laki Kota 7200251 4947617
## 190 190 ID00016 Laki-laki Kota 6680611 6446238
## 191 191 ID00087 Perempuan Kota 7865941 7760180
## 192 192 ID00033 Laki-laki Kota 8266739 5704286
## 193 193 ID00040 Perempuan Kota 10955763 8798502
## 194 194 ID00040 Laki-laki Kota 12455283 7410923
## 195 195 ID00010 Perempuan Kota 8181541 6899791
## 196 196 ID00089 Laki-laki Kota 7507903 5221740
## 197 197 ID00072 Perempuan Desa 9024791 6500860
## 198 198 ID00082 Perempuan Kota 8963528 6194282
## 199 199 ID00009 Laki-laki Desa 5835826 4605777
## 200 200 ID00007 Laki-laki Desa 7574267 4677575
## 201 201 ID00007 Perempuan Kota 9196688 7780053
## 202 202 ID00058 Perempuan Desa 9310352 6514985
## 203 203 ID00061 Perempuan Desa 7351525 4444803
## 204 204 ID00074 Perempuan Kota 12967967 10556216
## 205 205 ID00024 Laki-laki Kota 12979003 6661848
## 206 206 ID00063 Laki-laki Desa 5573386 3098677
## 207 207 ID00054 Laki-laki Desa 6626458 4622512
## 208 208 ID00023 Perempuan Kota 16145151 10739381
## 209 209 ID00026 Laki-laki Desa 8141032 6663821
## 210 210 ID00033 Perempuan Desa 3297799 4173259
## 211 211 ID00057 Perempuan Kota 11051435 9287318
## 212 212 ID00029 Laki-laki Kota 5964901 4723412
## 213 213 ID00010 Laki-laki Kota 8179452 6347690
## 214 214 ID00053 Perempuan Kota 6148894 7299584
## 215 215 ID00054 Perempuan Kota 8267263 6329024
## 216 216 ID00077 Perempuan Desa 5735650 4224491
## 217 217 ID00011 Laki-laki Desa 901314 2886327
## 218 218 ID00025 Perempuan Kota 11474957 7379123
## 219 219 ID00052 Perempuan Desa 6499451 6548809
## 220 220 ID00026 Laki-laki Desa 10832415 7895296
## 221 221 ID00007 Perempuan Kota 10565812 7655665
## 222 222 ID00025 Perempuan Kota 11870203 7994421
## 223 223 ID00087 Laki-laki Kota 12652738 8072625
## 224 224 ID00090 Perempuan Desa 11664452 9796996
## 225 225 ID00032 Perempuan Desa 3562576 4026738
## 226 226 ID00084 Laki-laki Kota 9783215 7117614
## 227 227 ID00024 Perempuan Desa 5577506 3527189
## 228 228 ID00057 Perempuan Kota 12812680 11031197
## 229 229 ID00073 Perempuan Desa 6455085 5490472
## 230 230 ID00023 Laki-laki Kota 9281648 6436205
## 231 231 ID00014 Perempuan Desa 6571179 6229499
## 232 232 ID00006 Laki-laki Desa 9498495 6134541
## 233 233 ID00091 Perempuan Desa 5671820 6935452
## 234 234 ID00001 Perempuan Kota 5679239 6288533
## 235 235 ID00090 Laki-laki Kota 11604575 7993933
## 236 236 ID00058 Perempuan Kota 6176724 7808366
## 237 237 ID00081 Perempuan Desa 2703010 4141607
## 238 238 ID00029 Laki-laki Kota 10625620 6280030
## 239 239 ID00026 Perempuan Kota 11409668 8922412
## 240 240 ID00027 Laki-laki Desa 8830553 3321927
## 241 241 ID00085 Laki-laki Kota 8167865 7184097
## 242 242 ID00007 Laki-laki Kota 12465915 6243561
## 243 243 ID00060 Laki-laki Kota 14346584 7915300
## 244 244 ID00026 Perempuan Kota 12202947 8604458
## 245 245 ID00041 Laki-laki Desa 4091102 3856989
## 246 246 ID00084 Laki-laki Kota 13498940 9639414
## 247 247 ID00006 Laki-laki Kota 9859860 6027924
## 248 248 ID00094 Perempuan Desa 3726214 5043885
## 249 249 ID00031 Perempuan Desa 6533837 6686485
## 250 250 ID00093 Perempuan Desa 6856664 7140298
## 251 251 ID00017 Perempuan Kota 9811842 5988984
## 252 252 ID00064 Laki-laki Kota 12547893 10615150
## 253 253 ID00037 Perempuan Kota 11779005 6931584
## 254 254 ID00057 Perempuan Desa 7212261 5530567
## 255 255 ID00020 Laki-laki Desa 5822139 4877976
## 256 256 ID00035 Laki-laki Kota 11661040 5952082
## 257 257 ID00089 Perempuan Desa 6928182 5259961
## 258 258 ID00033 Laki-laki Kota 4473417 5476852
## 259 259 ID00066 Perempuan Desa 3373098 5157567
## 260 260 ID00004 Perempuan Kota 8793308 6476914
## 261 261 ID00074 Laki-laki Kota 15936837 7731739
## 262 262 ID00097 Laki-laki Desa 6111530 4292393
## 263 263 ID00005 Laki-laki Desa 6662869 3810681
## 264 264 ID00025 Perempuan Kota 9725724 9710543
## 265 265 ID00008 Perempuan Desa 6940985 5052071
## 266 266 ID00055 Laki-laki Kota 10534895 7214061
## 267 267 ID00089 Laki-laki Kota 9534698 6787182
## 268 268 ID00085 Perempuan Kota 9699015 5411875
## 269 269 ID00045 Perempuan Kota 12532086 7825427
## 270 270 ID00018 Laki-laki Kota 9496355 8798501
## 271 271 ID00042 Laki-laki Kota 4905794 3999429
## 272 272 ID00031 Perempuan Kota 9510277 6699765
## 273 273 ID00006 Perempuan Kota 11349477 8268965
## 274 274 ID00071 Laki-laki Kota 11541139 7876640
## 275 275 ID00061 Laki-laki Kota 11541420 9924147
## 276 276 ID00048 Laki-laki Kota 5769746 3627563
## 277 277 ID00017 Perempuan Desa 5675034 3196313
## 278 278 ID00045 Perempuan Kota 12419648 9928570
## 279 279 ID00092 Laki-laki Kota 13191447 8612837
## 280 280 ID00063 Laki-laki Desa 6915574 6201985
## 281 281 ID00053 Laki-laki Kota 9195269 6524073
## 282 282 ID00053 Perempuan Kota 13719595 9589712
## 283 283 ID00063 Perempuan Kota 5830180 8500700
## 284 284 ID00071 Perempuan Kota 8907925 7616089
## 285 285 ID00084 Laki-laki Kota 11143655 7261831
## 286 286 ID00082 Laki-laki Kota 5955566 5164174
## 287 287 ID00093 Perempuan Kota 10699070 10984825
## 288 288 ID00017 Laki-laki Kota 14694660 7936955
## 289 289 ID00097 Perempuan Desa 7028460 5214133
## 290 290 ID00002 Perempuan Kota 9303865 7097745
## 291 291 ID00049 Laki-laki Kota 11187279 6919859
## 292 292 ID00002 Perempuan Kota 9302320 6090917
## 293 293 ID00013 Laki-laki Desa 9810087 5581775
## 294 294 ID00024 Perempuan Kota 12261089 7804955
## 295 295 ID00049 Perempuan Desa 6461267 4086854
## 296 296 ID00067 Perempuan Kota 7058270 6462534
## 297 297 ID00082 Perempuan Desa 7319584 4720756
## 298 298 ID00002 Perempuan Kota 8517507 8895933
## 299 299 ID00037 Perempuan Kota 11993451 6719412
## 300 300 ID00063 Perempuan Kota 5104487 82111151. Berapa jumlah total transaksi dalam data ini?
nrow(df_customer)## [1] 3002. Ada berapa pelanggan unik dalam dataset?
unique(df_customer$ID_Pelanggan)## [1] "ID00031" "ID00079" "ID00051" "ID00014" "ID00067" "ID00042" "ID00050"
## [8] "ID00043" "ID00025" "ID00090" "ID00091" "ID00069" "ID00057" "ID00092"
## [15] "ID00009" "ID00093" "ID00099" "ID00072" "ID00026" "ID00007" "ID00083"
## [22] "ID00036" "ID00078" "ID00081" "ID00076" "ID00015" "ID00032" "ID00041"
## [29] "ID00074" "ID00023" "ID00027" "ID00060" "ID00053" "ID00096" "ID00038"
## [36] "ID00089" "ID00034" "ID00063" "ID00013" "ID00082" "ID00097" "ID00021"
## [43] "ID00047" "ID00095" "ID00016" "ID00094" "ID00006" "ID00086" "ID00039"
## [50] "ID00004" "ID00052" "ID00022" "ID00087" "ID00035" "ID00040" "ID00030"
## [57] "ID00012" "ID00064" "ID00071" "ID00085" "ID00037" "ID00008" "ID00098"
## [64] "ID00084" "ID00046" "ID00017" "ID00062" "ID00054" "ID00024" "ID00005"
## [71] "ID00070" "ID00055" "ID00075" "ID00048" "ID00077" "ID00056" "ID00068"
## [78] "ID00001" "ID00088" "ID00020" "ID00049" "ID00059" "ID00011" "ID00066"
## [85] "ID00044" "ID00045" "ID00033" "ID00010" "ID00058" "ID00061" "ID00029"
## [92] "ID00073" "ID00018" "ID00002"length(unique(df_customer$ID_Pelanggan))## [1] 943. Siapa pelanggan yang paling sering berbelanja?
sort(table(df_customer$ID_Pelanggan), decreasing = TRUE)[1:3]##
## ID00007 ID00025 ID00089
## 9 7 74. Rata-rata penghasilan pelanggan berdasarkan jenis kelamin.
aggregate(Penghasilan ~ Jenis_Kelamin, data = df_customer, mean)## Jenis_Kelamin Penghasilan
## 1 Laki-laki 8880902
## 2 Perempuan 85051995. Rata-rata total belanja pelanggan berdasarkan jenis kelamin.
aggregate(Total_Belanja ~ Jenis_Kelamin, data = df_customer, mean)## Jenis_Kelamin Total_Belanja
## 1 Laki-laki 6034728
## 2 Perempuan 71147866. Rata-rata penghasilan pelanggan berdasarkan tempat tinggal (Kota vs Desa).
aggregate(Penghasilan ~ Tempat_Tinggal, data = df_customer, mean)## Tempat_Tinggal Penghasilan
## 1 Desa 6249122
## 2 Kota 98786857. Rata-rata total belanja pelanggan berdasarkan tempat tinggal.
aggregate(Total_Belanja ~ Tempat_Tinggal, data = df_customer, mean)## Tempat_Tinggal Total_Belanja
## 1 Desa 5022231
## 2 Kota 75201188. Siapa 5 pelanggan dengan total belanja tertinggi?
df_customer[order(-df_customer$Total_Belanja), c("ID_Pelanggan", "Total_Belanja")] |> head(5)## ID_Pelanggan Total_Belanja
## 76 ID00034 11626302
## 175 ID00011 11527638
## 228 ID00057 11031197
## 287 ID00093 10984825
## 33 ID00007 108460129. Distribusi jumlah transaksi berdasarkan jenis kelamin.
table(df_customer$Jenis_Kelamin)##
## Laki-laki Perempuan
## 121 17910. Buat kategori penghasilan:
Rendah (< 5 juta)
Menengah (5–10 juta)
Tinggi (> 10 juta)
df_customer$Kategori_Penghasilan <- cut(df_customer$Penghasilan,
breaks = c(-Inf, 5000000, 10000000, Inf),
labels = c("Rendah", "Menengah", "Tinggi"))
table(df_customer$Kategori_Penghasilan)##
## Rendah Menengah Tinggi
## 27 175 98Tugas
Jawablah pertanyaan di bawah ini
- Siapa pelanggan yang paling sering membeli dengan total belanja lebih dari 5000000
- Ada berapa banyak perempuan di kota yang berbelanja lebih dari 5x
- Siapa pelanggan yang paling sering membeli dengan penghasilan lebih dari 5000000
- Berjenis kelamin apa pelanggan yang tinggal di desa namun memiliki total belanja yang lebih dari 5000000
- Berpenghasilan berapa pelanggan yang tinggal di desa namun memiliki total belanja lebih dari 5000000
freq <- as.data.frame(table(df_customer$Jenis_Kelamin))
freq## Var1 Freq
## 1 Laki-laki 121
## 2 Perempuan 179TUGAS
1. Siapa pelanggan yang paling sering membeli dengan total belanja lebih dari 5000000
df_customer <- read.csv("5_6238009693256554916.csv")
# 1. Pelanggan yang paling sering membeli dengan total belanja > 5.000.000
q1 <- df_customer[df_customer$Total_Belanja > 5000000,]
q1 <- sort(table(q1$ID_Pelanggan), decreasing = TRUE)
head(q1)##
## ID00007 ID00025 ID00026 ID00089 ID00053 ID00079
## 7 7 6 6 5 5library(dplyr)##
## Attaching package: 'dplyr'## The following objects are masked from 'package:stats':
##
## filter, lag## The following objects are masked from 'package:base':
##
## intersect, setdiff, setequal, uniondf_customer <- read.csv("5_6238009693256554916.csv")
# 1. Pelanggan yang paling sering membeli dengan total belanja > 5.000.000
q11 <- df_customer %>%
filter(Total_Belanja > 5000000) %>%
count(ID_Pelanggan, sort = TRUE) %>%
slice_head(n=6)
q11## ID_Pelanggan n
## 1 ID00007 7
## 2 ID00025 7
## 3 ID00026 6
## 4 ID00089 6
## 5 ID00053 5
## 6 ID00079 52. Ada berapa banyak perempuan di kota yang berbelanja lebih dari 5x
# 2. Ada berapa banyak perempuan di kota yang berbelanja lebih dari 5x
q2 <- subset(df_customer, Jenis_Kelamin == "Perempuan" & Tempat_Tinggal == "Kota")
q2_count <- table(q2$ID_Pelanggan)
q2_count <- data.frame(q2_count)
q2_count## Var1 Freq
## 1 ID00001 1
## 2 ID00002 3
## 3 ID00004 2
## 4 ID00005 1
## 5 ID00006 2
## 6 ID00007 5
## 7 ID00009 1
## 8 ID00010 1
## 9 ID00011 1
## 10 ID00012 1
## 11 ID00013 1
## 12 ID00016 1
## 13 ID00017 1
## 14 ID00021 1
## 15 ID00023 3
## 16 ID00024 3
## 17 ID00025 4
## 18 ID00026 4
## 19 ID00030 2
## 20 ID00031 2
## 21 ID00032 3
## 22 ID00034 1
## 23 ID00035 1
## 24 ID00036 3
## 25 ID00037 3
## 26 ID00038 1
## 27 ID00039 2
## 28 ID00040 2
## 29 ID00041 1
## 30 ID00042 2
## 31 ID00043 1
## 32 ID00044 1
## 33 ID00045 3
## 34 ID00046 3
## 35 ID00048 1
## 36 ID00050 2
## 37 ID00051 2
## 38 ID00053 4
## 39 ID00054 2
## 40 ID00056 1
## 41 ID00057 2
## 42 ID00058 1
## 43 ID00060 2
## 44 ID00063 3
## 45 ID00066 1
## 46 ID00067 1
## 47 ID00069 2
## 48 ID00070 1
## 49 ID00071 2
## 50 ID00072 1
## 51 ID00074 1
## 52 ID00075 1
## 53 ID00076 2
## 54 ID00079 2
## 55 ID00082 1
## 56 ID00083 1
## 57 ID00084 1
## 58 ID00085 3
## 59 ID00086 1
## 60 ID00087 3
## 61 ID00089 1
## 62 ID00090 2
## 63 ID00091 2
## 64 ID00092 1
## 65 ID00093 1
## 66 ID00096 1
## 67 ID00099 1# 2. Ada berapa banyak perempuan di kota yang berbelanja lebih dari 5x
q22 <- df_customer %>%
filter(Jenis_Kelamin == "Perempuan", Tempat_Tinggal == "Kota") %>%
count(ID_Pelanggan) %>%
filter(n > 5) %>%
summarise(jumlah = n())
q22## jumlah
## 1 03. Siapa pelanggan yang paling sering membeli dengan penghasilan lebih dari 5000000
# 3. Pelanggan yang paling sering membeli dengan penghasilan > 5.000.000
q3 <- df_customer[df_customer$Penghasilan > 5000000, ]
q3 <- sort(table(q3$ID_Pelanggan), decreasing = TRUE)
head(q3, 1)##
## ID00007
## 9# 3. Pelanggan yang paling sering membeli dengan penghasilan > 5.000.000
q33 <- df_customer %>%
filter(Penghasilan > 5000000) %>%
count(ID_Pelanggan, sort = TRUE) %>%
slice_head(n = 1)
q33## ID_Pelanggan n
## 1 ID00007 94. Berjenis kelamin apa pelanggan yang tinggal di desa namun memiliki total belanja yang lebih dari 5000000
# 4. Berjenis kelamin apa pelanggan yang tinggal di desa namun memiliki total belanja yang lebih dari 5000000
q4 <- subset(df_customer, Tempat_Tinggal == "Desa" & Total_Belanja > 5000000)
table(q4$Jenis_Kelamin)##
## Laki-laki Perempuan
## 10 37# 4. Berjenis kelamin apa pelanggan yang tinggal di desa namun memiliki total belanja yang lebih dari 5000000
q44 <- df_customer %>%
filter(Tempat_Tinggal == "Desa", Total_Belanja > 5000000) %>%
count(Jenis_Kelamin)
q44## Jenis_Kelamin n
## 1 Laki-laki 10
## 2 Perempuan 375. Berpenghasilan berapa pelanggan yang tinggal di desa namun memiliki total belanja lebih dari 5000000
#5. Berpenghasilan berapa pelanggan yang tinggal di desa namun memiliki total belanja lebih dari 5000000
q5 <- subset(df_customer, Tempat_Tinggal == "Desa" & Total_Belanja > 5000000)
head(q5[, c("ID_Pelanggan", "Penghasilan")], 5)## ID_Pelanggan Penghasilan
## 5 ID00067 7773498
## 9 ID00014 6776730
## 43 ID00027 8108645
## 46 ID00089 9032981
## 47 ID00034 5616450#5. Berpenghasilan berapa pelanggan yang tinggal di desa namun memiliki total belanja lebih dari 5000000
q55 <- df_customer %>%
filter(Tempat_Tinggal == "Desa", Total_Belanja > 5000000) %>%
select(ID_Pelanggan, Penghasilan) %>%
head(5)
q55## ID_Pelanggan Penghasilan
## 1 ID00067 7773498
## 2 ID00014 6776730
## 3 ID00027 8108645
## 4 ID00089 9032981
## 5 ID00034 5616450