df_customer <- read.csv("df_customer.csv")
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       5

head(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

nrow(df_customer)

## [1] 300

length(unique(df_customer$ID_Pelanggan))

## [1] 94

sort(table(df_customer$ID_Pelanggan), decreasing = TRUE)[1:3]

## 
## ID00007 ID00025 ID00089 
##       9       7       7

aggregate(Penghasilan ~ Jenis_Kelamin, data = df_customer, mean)

##   Jenis_Kelamin Penghasilan
## 1     Laki-laki     8880902
## 2     Perempuan     8505199

aggregate(Total_Belanja ~ Jenis_Kelamin, data = df_customer, mean)

##   Jenis_Kelamin Total_Belanja
## 1     Laki-laki       6034728
## 2     Perempuan       7114786

aggregate(Penghasilan ~ Tempat_Tinggal, data = df_customer, mean)

##   Tempat_Tinggal Penghasilan
## 1           Desa     6249122
## 2           Kota     9878685

aggregate(Total_Belanja ~ Tempat_Tinggal, data = df_customer, mean)

##   Tempat_Tinggal Total_Belanja
## 1           Desa       5022231
## 2           Kota       7520118

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      10846012

table(df_customer$Jenis_Kelamin)

## 
## Laki-laki Perempuan 
##       121       179

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       98

q11 <- df_customer %>% filter(Total_Belanja > 5000000) %>% count(ID_Pelanggan, sort = TRUE) %>% slice_head(n=6) q11

q2 <- subset(df_customer, Jenis_Kelamin == “Perempuan” & Tempat_Tinggal == “Kota”) q2_count <- table(q2$ID_Pelanggan) q2_count <- data.frame(q2_count) q2_count

q22 <- df_customer %>% filter(Jenis_Kelamin == “Perempuan”, Tempat_Tinggal == “Kota”) %>% count(ID_Pelanggan) %>% filter(n > 5) %>% summarise(jumlah = n()) q22

q3 <- df_customer[df_customer\(Penghasilan > 5000000, ] q3 <- sort(table(q3\)ID_Pelanggan), decreasing = TRUE) head(q3, 1)

q33 <- df_customer %>% filter(Penghasilan > 5000000) %>% count(ID_Pelanggan, sort = TRUE) %>% slice_head(n = 1) q33

q44 <- df_customer %>% filter(Tempat_Tinggal == “Desa”, Total_Belanja > 5000000) %>% count(Jenis_Kelamin)

q5 <- subset(df_customer, Tempat_Tinggal == “Desa” & Total_Belanja > 5000000) head(q5[, c(“ID_Pelanggan”, “Penghasilan”)], 5)

q55 <- df_customer %>% filter(Tempat_Tinggal == “Desa”, Total_Belanja > 5000000) %>% select(ID_Pelanggan, Penghasilan) %>% head(5) q55