Latihan R week 5
2025-09-27
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:
DC <- read.csv("df_customer.csv")
head(DC)## 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 4782002nrow(DC)## [1] 300sort(table(DC$ID_Pelanggan))##
## ID00012 ID00015 ID00018 ID00044 ID00047 ID00056 ID00059 ID00062 ID00068 ID00073
## 1 1 1 1 1 1 1 1 1 1
## ID00078 ID00088 ID00095 ID00001 ID00004 ID00005 ID00010 ID00011 ID00020 ID00021
## 1 1 1 2 2 2 2 2 2 2
## ID00022 ID00029 ID00034 ID00038 ID00043 ID00051 ID00058 ID00061 ID00064 ID00066
## 2 2 2 2 2 2 2 2 2 2
## ID00070 ID00075 ID00092 ID00096 ID00098 ID00099 ID00002 ID00008 ID00013 ID00030
## 2 2 2 2 2 2 3 3 3 3
## ID00033 ID00035 ID00037 ID00039 ID00041 ID00045 ID00048 ID00049 ID00050 ID00052
## 3 3 3 3 3 3 3 3 3 3
## ID00055 ID00060 ID00069 ID00076 ID00077 ID00081 ID00083 ID00086 ID00097 ID00006
## 3 3 3 3 3 3 3 3 3 4
## ID00016 ID00017 ID00027 ID00036 ID00040 ID00046 ID00057 ID00067 ID00071 ID00082
## 4 4 4 4 4 4 4 4 4 4
## ID00085 ID00087 ID00091 ID00094 ID00009 ID00014 ID00023 ID00024 ID00031 ID00042
## 4 4 4 4 5 5 5 5 5 5
## ID00053 ID00054 ID00063 ID00072 ID00074 ID00079 ID00084 ID00090 ID00026 ID00032
## 5 5 5 5 5 5 5 5 6 6
## ID00025 ID00089 ID00093 ID00007
## 7 7 7 9aggregate(Penghasilan ~ Jenis_Kelamin, data = DC, mean)## Jenis_Kelamin Penghasilan
## 1 Laki-laki 8880902
## 2 Perempuan 8505199aggregate(Total_Belanja ~Jenis_Kelamin, data = DC, mean)## Jenis_Kelamin Total_Belanja
## 1 Laki-laki 6034728
## 2 Perempuan 7114786aggregate(Penghasilan ~ Tempat_Tinggal, data = DC, mean)## Tempat_Tinggal Penghasilan
## 1 Desa 6249122
## 2 Kota 9878685aggregate(Total_Belanja ~ Tempat_Tinggal, data = DC, mean)## Tempat_Tinggal Total_Belanja
## 1 Desa 5022231
## 2 Kota 7520118DC[order(-DC$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 10846012table(DC$Jenis_Kelamin)##
## Laki-laki Perempuan
## 121 179DC$Kategori_Penghasilan <- cut(DC$Penghasilan,
breaks = c(-Inf, 5000000, 10000000, Inf),
labels = c("Rendah", "Menengah", "Tinggi"))
table(DC$Kategori_Penghasilan)##
## Rendah Menengah Tinggi
## 27 175 98Tugas 1. Siapa pelanggan yang paling sering membeli dengan total belanja lebih dari 5000000?
library(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, unionDCR <- filter(DC, Total_Belanja > 5000000)
head(DCR)## X ID_Pelanggan Jenis_Kelamin Tempat_Tinggal Penghasilan Total_Belanja
## 1 2 ID00079 Perempuan Kota 9047608 8369550
## 2 3 ID00051 Perempuan Kota 9735540 8053033
## 3 4 ID00014 Laki-laki Kota 13510126 9799876
## 4 5 ID00067 Perempuan Desa 7773498 6982081
## 5 9 ID00014 Perempuan Desa 6776730 6315967
## 6 10 ID00025 Laki-laki Kota 10412102 5106141
## Kategori_Penghasilan
## 1 Menengah
## 2 Menengah
## 3 Tinggi
## 4 Menengah
## 5 Menengah
## 6 TinggiDCRS <- DCR %>%
group_by(ID_Pelanggan) %>%
summarise(Frekuensi = n())
head(DCRS)## # A tibble: 6 × 2
## ID_Pelanggan Frekuensi
## <chr> <int>
## 1 ID00001 1
## 2 ID00002 3
## 3 ID00004 2
## 4 ID00005 1
## 5 ID00006 4
## 6 ID00007 7DCRS[order(-DCRS$Frekuensi), c("ID_Pelanggan", "Frekuensi")] |> head(1)## # A tibble: 1 × 2
## ID_Pelanggan Frekuensi
## <chr> <int>
## 1 ID00007 7- Ada berapa banyak perempuan di kota yang berbelanja lebih dari 5x?
DCP <- filter(DC, Jenis_Kelamin == "Perempuan")
head(DCP)## X ID_Pelanggan Jenis_Kelamin Tempat_Tinggal Penghasilan Total_Belanja
## 1 2 ID00079 Perempuan Kota 9047608 8369550
## 2 3 ID00051 Perempuan Kota 9735540 8053033
## 3 5 ID00067 Perempuan Desa 7773498 6982081
## 4 7 ID00050 Perempuan Desa 5658721 4286283
## 5 9 ID00014 Perempuan Desa 6776730 6315967
## 6 11 ID00090 Perempuan Kota 10910287 10137674
## Kategori_Penghasilan
## 1 Menengah
## 2 Menengah
## 3 Menengah
## 4 Menengah
## 5 Menengah
## 6 TinggiDCPK <- filter(DCP, Tempat_Tinggal == "Kota")
head(DCPK)## X ID_Pelanggan Jenis_Kelamin Tempat_Tinggal Penghasilan Total_Belanja
## 1 2 ID00079 Perempuan Kota 9047608 8369550
## 2 3 ID00051 Perempuan Kota 9735540 8053033
## 3 11 ID00090 Perempuan Kota 10910287 10137674
## 4 12 ID00091 Perempuan Kota 11380394 9275845
## 5 13 ID00069 Perempuan Kota 8495268 6582132
## 6 14 ID00091 Perempuan Kota 7515754 6841960
## Kategori_Penghasilan
## 1 Menengah
## 2 Menengah
## 3 Tinggi
## 4 Tinggi
## 5 Menengah
## 6 MenengahDCPKS <- DCPK %>%
group_by(ID_Pelanggan) %>%
summarise(Frekuensi = n())
head(DCPKS)## # A tibble: 6 × 2
## ID_Pelanggan Frekuensi
## <chr> <int>
## 1 ID00001 1
## 2 ID00002 3
## 3 ID00004 2
## 4 ID00005 1
## 5 ID00006 2
## 6 ID00007 5DCPKSF <- filter(DCPKS, Frekuensi >= 5)
head(DCPKSF)## # A tibble: 1 × 2
## ID_Pelanggan Frekuensi
## <chr> <int>
## 1 ID00007 5- Siapa pelanggan yang paling sering membeli dengan penghasilan lebih dari 5000000?
DCG <- filter(DC, Penghasilan > 5000000)
head(DCG)## X ID_Pelanggan Jenis_Kelamin Tempat_Tinggal Penghasilan Total_Belanja
## 1 2 ID00079 Perempuan Kota 9047608 8369550
## 2 3 ID00051 Perempuan Kota 9735540 8053033
## 3 4 ID00014 Laki-laki Kota 13510126 9799876
## 4 5 ID00067 Perempuan Desa 7773498 6982081
## 5 6 ID00042 Laki-laki Desa 6666740 4782002
## 6 7 ID00050 Perempuan Desa 5658721 4286283
## Kategori_Penghasilan
## 1 Menengah
## 2 Menengah
## 3 Tinggi
## 4 Menengah
## 5 Menengah
## 6 MenengahDCGS <- DCG %>%
group_by(ID_Pelanggan) %>%
summarise(Frekuensi = n())
head(DCGS)## # A tibble: 6 × 2
## ID_Pelanggan Frekuensi
## <chr> <int>
## 1 ID00001 2
## 2 ID00002 3
## 3 ID00004 2
## 4 ID00005 2
## 5 ID00006 4
## 6 ID00007 9DCGS[order(-DCGS$Frekuensi), c("ID_Pelanggan", "Frekuensi")] |> head(1)## # A tibble: 1 × 2
## ID_Pelanggan Frekuensi
## <chr> <int>
## 1 ID00007 9- Berjenis kelamin apa pelanggan yang tinggal di desa namun memiliki total belanja yang lebih dari 5000000
DCD <- filter(DC, Tempat_Tinggal == "Desa")
head(DCD)## X ID_Pelanggan Jenis_Kelamin Tempat_Tinggal Penghasilan Total_Belanja
## 1 1 ID00031 Laki-laki Desa 2227350 2563031
## 2 5 ID00067 Perempuan Desa 7773498 6982081
## 3 6 ID00042 Laki-laki Desa 6666740 4782002
## 4 7 ID00050 Perempuan Desa 5658721 4286283
## 5 8 ID00043 Laki-laki Desa 7637656 4779797
## 6 9 ID00014 Perempuan Desa 6776730 6315967
## Kategori_Penghasilan
## 1 Rendah
## 2 Menengah
## 3 Menengah
## 4 Menengah
## 5 Menengah
## 6 MenengahDCDR <- filter(DCD, Total_Belanja > 5000000)
head(DCDR)## X ID_Pelanggan Jenis_Kelamin Tempat_Tinggal Penghasilan Total_Belanja
## 1 5 ID00067 Perempuan Desa 7773498 6982081
## 2 9 ID00014 Perempuan Desa 6776730 6315967
## 3 43 ID00027 Perempuan Desa 8108645 6901502
## 4 46 ID00089 Laki-laki Desa 9032981 5776859
## 5 47 ID00034 Perempuan Desa 5616450 7064321
## 6 53 ID00013 Perempuan Desa 4481204 5438461
## Kategori_Penghasilan
## 1 Menengah
## 2 Menengah
## 3 Menengah
## 4 Menengah
## 5 Menengah
## 6 Rendahtable(DCDR$Jenis_Kelamin)##
## Laki-laki Perempuan
## 10 37- Berpenghasilan berapa pelanggan yang tinggal di desa namun memiliki total belanja lebih dari 5000000
DCD <- filter(DC, Tempat_Tinggal == "Desa")
head(DCD)## X ID_Pelanggan Jenis_Kelamin Tempat_Tinggal Penghasilan Total_Belanja
## 1 1 ID00031 Laki-laki Desa 2227350 2563031
## 2 5 ID00067 Perempuan Desa 7773498 6982081
## 3 6 ID00042 Laki-laki Desa 6666740 4782002
## 4 7 ID00050 Perempuan Desa 5658721 4286283
## 5 8 ID00043 Laki-laki Desa 7637656 4779797
## 6 9 ID00014 Perempuan Desa 6776730 6315967
## Kategori_Penghasilan
## 1 Rendah
## 2 Menengah
## 3 Menengah
## 4 Menengah
## 5 Menengah
## 6 Menengahtable(DCD$Jenis_Kelamin)##
## Laki-laki Perempuan
## 42 59DCDR <- filter(DCD, Total_Belanja > 5000000)
head(DCDR)## X ID_Pelanggan Jenis_Kelamin Tempat_Tinggal Penghasilan Total_Belanja
## 1 5 ID00067 Perempuan Desa 7773498 6982081
## 2 9 ID00014 Perempuan Desa 6776730 6315967
## 3 43 ID00027 Perempuan Desa 8108645 6901502
## 4 46 ID00089 Laki-laki Desa 9032981 5776859
## 5 47 ID00034 Perempuan Desa 5616450 7064321
## 6 53 ID00013 Perempuan Desa 4481204 5438461
## Kategori_Penghasilan
## 1 Menengah
## 2 Menengah
## 3 Menengah
## 4 Menengah
## 5 Menengah
## 6 Rendahtable(DCDR$Penghasilan)##
## 3157783 3373098 3726214 4481204 4626369 4849165 5455465 5575699
## 1 1 1 1 1 1 1 1
## 5616450 5671820 5809025 5940612 5947963 6005712 6093467 6128487
## 1 1 1 1 1 1 1 1
## 6193172 6455085 6467267 6499451 6533837 6571179 6776730 6856664
## 1 1 1 1 1 1 1 1
## 6915574 6928182 6940985 7028460 7082568 7212261 7651846 7773498
## 1 1 1 1 1 1 1 1
## 7822419 8032910 8108645 8141032 8635642 9024791 9032981 9231091
## 1 1 1 1 1 1 1 1
## 9310352 9331982 9498495 9657061 9810087 10832415 11664452
## 1 1 1 1 1 1 1Including 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.