Tugas 1

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, union

wafin <- read.csv("wafin.csv")
wafin

##   Nama_Pelanggan Jenis_Kelamin Domisili Total_Belanja Jumlah_Belanja
## 1          Wafin     Laki-laki     Kota       7000000              8
## 2           Fafa     Perempuan     Desa       5500000              4
## 3          Dafin     Laki-laki     Desa       8000000              6
## 4           Fifi     Perempuan     Kota       4000000              7
## 5           Fufu     Perempuan     Kota       9000000             10
## 6          Defin     Laki-laki     Desa       3000000              3
##   Penghasilan
## 1     6000000
## 2     4500000
## 3     7000000
## 4     5200000
## 5     8000000
## 6     4000000

# 1. Siapa pelanggan yang paling sering membeli dengan total belanja > 5000000
wafin %>%
  filter(Total_Belanja > 5000000) %>%
  arrange(desc(Jumlah_Belanja)) %>%
  slice(1)

##   Nama_Pelanggan Jenis_Kelamin Domisili Total_Belanja Jumlah_Belanja
## 1           Fufu     Perempuan     Kota       9000000             10
##   Penghasilan
## 1     8000000

# 2. Ada berapa banyak perempuan di kota yang berbelanja lebih dari 5x
wafin %>%
  filter(Jenis_Kelamin == "Perempuan",
         Domisili == "Kota",
         Jumlah_Belanja > 5) %>%
  summarise(Jumlah = n())

##   Jumlah
## 1      2

# 3. Siapa pelanggan yang paling sering membeli dengan penghasilan lebih dari 5000000
wafin %>%
  filter(Penghasilan > 5000000) %>%
  arrange(desc(Jumlah_Belanja)) %>%
  slice(1)

##   Nama_Pelanggan Jenis_Kelamin Domisili Total_Belanja Jumlah_Belanja
## 1           Fufu     Perempuan     Kota       9000000             10
##   Penghasilan
## 1     8000000

# 4. Jenis kelamin apa pelanggan yang tinggal di desa namun memiliki total belanja > 5000000
wafin %>%
  filter(Domisili == "Desa", Total_Belanja > 5000000) %>%
  select(Nama_Pelanggan, Jenis_Kelamin)

##   Nama_Pelanggan Jenis_Kelamin
## 1           Fafa     Perempuan
## 2          Dafin     Laki-laki

# 5. Berpenghasilan berapa pelanggan yang tinggal di desa namun memiliki total belanja > 5000000
wafin %>%
  filter(Domisili == "Desa", Total_Belanja > 5000000) %>%
  select(Nama_Pelanggan, Penghasilan)

##   Nama_Pelanggan Penghasilan
## 1           Fafa     4500000
## 2          Dafin     7000000