library(readxl)
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
df_mahasiswa <- read_excel("df_mahasiswa.xlsx")
head(df_mahasiswa)
## # A tibble: 6 × 6
## id_mahasiswa jenis_kelamin jam_belajar_per_hari frekuensi_login_lms
## <chr> <chr> <dbl> <dbl>
## 1 MHS001 L 4 1
## 2 MHS002 P 4 2
## 3 MHS003 P 2 6
## 4 MHS004 P 5 3
## 5 MHS005 L 3 2
## 6 MHS006 L 3 7
## # ℹ 2 more variables: motivasi_belajar <dbl>, ipk <dbl>
str(df_mahasiswa)
## tibble [55 × 6] (S3: tbl_df/tbl/data.frame)
## $ id_mahasiswa : chr [1:55] "MHS001" "MHS002" "MHS003" "MHS004" ...
## $ jenis_kelamin : chr [1:55] "L" "P" "P" "P" ...
## $ jam_belajar_per_hari: num [1:55] 4 4 2 5 3 3 1 3 2 1 ...
## $ frekuensi_login_lms : num [1:55] 1 2 6 3 2 7 7 4 6 5 ...
## $ motivasi_belajar : num [1:55] 82 73 71 98 81 61 44 69 44 46 ...
## $ ipk : num [1:55] 3.12 3.45 3.07 3.43 2.83 3.1 2.98 3.08 2.82 2.93 ...
sum(is.na(df_mahasiswa))
## [1] 0
table(df_mahasiswa$jenis_kelamin)
##
## L P
## 32 23
aggregate(ipk ~ jenis_kelamin, data = df_mahasiswa, FUN = mean, na.rm = TRUE)
## jenis_kelamin ipk
## 1 L 3.158125
## 2 P 3.176957
posisi_max <- which.max(df_mahasiswa$motivasi_belajar)
id_motivasi_tertinggi <- df_mahasiswa$id_mahasiswa[posisi_max]
cat("ID Mahasiswa dengan motivasi belajar tertinggi adalah:", id_motivasi_tertinggi, "\n")
## ID Mahasiswa dengan motivasi belajar tertinggi adalah: MHS054
library(dplyr)
mahasiswa_lms_tertinggi <- df_mahasiswa %>%
slice_max(order_by = frekuensi_login_lms, with_ties = TRUE)
print(mahasiswa_lms_tertinggi)
## # A tibble: 10 × 6
## id_mahasiswa jenis_kelamin jam_belajar_per_hari frekuensi_login_lms
## <chr> <chr> <dbl> <dbl>
## 1 MHS006 L 3 7
## 2 MHS007 P 1 7
## 3 MHS017 L 2 7
## 4 MHS018 L 5 7
## 5 MHS022 P 4 7
## 6 MHS031 P 2 7
## 7 MHS033 P 1 7
## 8 MHS041 L 5 7
## 9 MHS044 P 2 7
## 10 MHS055 P 2 7
## # ℹ 2 more variables: motivasi_belajar <dbl>, ipk <dbl>
hasil_analisis <- mahasiswa_lms_tertinggi %>%
mutate(ipk_tinggi = ifelse(ipk > 3.5, "YA (>3.5)", "TIDAK (<=3.5)"))
print(hasil_analisis)
## # A tibble: 10 × 7
## id_mahasiswa jenis_kelamin jam_belajar_per_hari frekuensi_login_lms
## <chr> <chr> <dbl> <dbl>
## 1 MHS006 L 3 7
## 2 MHS007 P 1 7
## 3 MHS017 L 2 7
## 4 MHS018 L 5 7
## 5 MHS022 P 4 7
## 6 MHS031 P 2 7
## 7 MHS033 P 1 7
## 8 MHS041 L 5 7
## 9 MHS044 P 2 7
## 10 MHS055 P 2 7
## # ℹ 3 more variables: motivasi_belajar <dbl>, ipk <dbl>, ipk_tinggi <chr>
library(dplyr)
data_analisis <- df_mahasiswa %>%
mutate(Kelompok_Belajar = ifelse(jam_belajar_per_hari >= 4, "TINGGI (>= 4 Jam)", "RENDAH (< 4 Jam)"))
rata_rata_ipk_belajar <- data_analisis %>%
group_by(Kelompok_Belajar) %>%
summarise(Rata_Rata_IPK = mean(ipk, na.rm = TRUE))
print(rata_rata_ipk_belajar)
## # A tibble: 2 × 2
## Kelompok_Belajar Rata_Rata_IPK
## <chr> <dbl>
## 1 RENDAH (< 4 Jam) 2.94
## 2 TINGGI (>= 4 Jam) 3.41
library(dplyr)
mahasiswa_ipk_tertinggi <- df_mahasiswa %>%
slice_max(order_by = ipk, n = 1, with_ties = FALSE) %>%
select(id_mahasiswa, ipk, motivasi_belajar)
print(mahasiswa_ipk_tertinggi)
## # A tibble: 1 × 3
## id_mahasiswa ipk motivasi_belajar
## <chr> <dbl> <dbl>
## 1 MHS018 3.89 92
library(dplyr)
mahasiswa_kualifikasi <- df_mahasiswa %>%
filter(ipk > 3.5 & motivasi_belajar > 85)
jumlah_akhir <- mahasiswa_kualifikasi %>%
count(jenis_kelamin)
print(jumlah_akhir)
## # A tibble: 2 × 2
## jenis_kelamin n
## <chr> <int>
## 1 L 4
## 2 P 1