Quiz

#1 Bagaimana cara menampilkan  6 baris pertama dari data_mahasiswa
df_mahasiswa <- read.csv("df_mahasiswa.csv")
head(df_mahasiswa)

##   X id_mahasiswa jenis_kelamin jam_belajar_per_hari frekuensi_login_lms
## 1 1       MHS001             L                    4                   1
## 2 2       MHS002             P                    4                   2
## 3 3       MHS003             P                    2                   6
## 4 4       MHS004             P                    5                   3
## 5 5       MHS005             L                    3                   2
## 6 6       MHS006             L                    3                   7
##   motivasi_belajar  ipk
## 1               82 3.12
## 2               73 3.45
## 3               71 3.07
## 4               98 3.43
## 5               81 2.83
## 6               61 3.10

#2. Bagaimana cara mengecek struktur dan tipe data_mahasiswa
str(df_mahasiswa)

## 'data.frame':    55 obs. of  7 variables:
##  $ X                   : int  1 2 3 4 5 6 7 8 9 10 ...
##  $ id_mahasiswa        : chr  "MHS001" "MHS002" "MHS003" "MHS004" ...
##  $ jenis_kelamin       : chr  "L" "P" "P" "P" ...
##  $ jam_belajar_per_hari: int  4 4 2 5 3 3 1 3 2 1 ...
##  $ frekuensi_login_lms : int  1 2 6 3 2 7 7 4 6 5 ...
##  $ motivasi_belajar    : int  82 73 71 98 81 61 44 69 44 46 ...
##  $ ipk                 : num  3.12 3.45 3.07 3.43 2.83 3.1 2.98 3.08 2.82 2.93 ...

#3. Ada berapa laki-laki dan perempuan di kelas ini?
freq <- as.data.frame(table(df_mahasiswa$jenis_kelamin))
freq

##   Var1 Freq
## 1    L   32
## 2    P   23

#4. Jenis kelamin apakah yang memiliki rata-rata IPK tertinggi?
aggregate(ipk ~ jenis_kelamin, data = df_mahasiswa, mean)

##   jenis_kelamin      ipk
## 1             L 3.158125
## 2             P 3.176957

#5. Berapakah id_mahasiswa yang memiliki motivasi belajar tertinggi?
df_mahasiswa[order(-df_mahasiswa$motivasi_belajar), c("id_mahasiswa", "motivasi_belajar")] |> head(1)

##    id_mahasiswa motivasi_belajar
## 54       MHS054              100

#6. Apakah mahasiswa dengan frekuensi login LMS tertinggi juga memiliki IPK tinggi? Asumsi IPK Tinggi > 3.5
df_mahasiswa[order(-df_mahasiswa$frekuensi_login_lms), c("id_mahasiswa","ipk","frekuensi_login_lms")] |>head(1)

##   id_mahasiswa ipk frekuensi_login_lms
## 6       MHS006 3.1                   7

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

#7. Apakah mahasiswa dengan jam belajar ≥ 4 jam per hari memiliki IPK lebih tinggi dibandingkan yang kurang dari 4 jam?
df_mahasiswa %>%
  mutate(jam_belajar_per_hari = ifelse(jam_belajar_per_hari >= 4, "≥4 Jam", "<4 Jam")) %>%
  group_by(jam_belajar_per_hari) %>%
  summarise(ipk = mean(ipk,na.rm=TRUE))

## # A tibble: 2 × 2
##   jam_belajar_per_hari   ipk
##   <chr>                <dbl>
## 1 <4 Jam                2.94
## 2 ≥4 Jam                3.41

#8. Siapa mahasiswa dengan IPK tertinggi dan berapa nilai motivasinya? Jawablah dengan menyebutkan ID_Mahasiswanya
q11 <- df_mahasiswa %>%
  arrange(desc(ipk))%>%
  slice(1)%>%
  select(id_mahasiswa,ipk,motivasi_belajar)
q11

##   id_mahasiswa  ipk motivasi_belajar
## 1       MHS018 3.89               92

#9. Hitung jumlah laki-laki dan perempuan yang memiliki ipk lebih dari 3,5 dan motivasi belajar lebih dari 85! Jawablah dengan menyebutkan L=? dan P=?
q22 <- df_mahasiswa %>%
  filter(ipk>3.5,motivasi_belajar>85) %>%
  group_by(jenis_kelamin)%>%
  summarise(jumlah=n())
q22

## # A tibble: 2 × 2
##   jenis_kelamin jumlah
##   <chr>          <int>
## 1 L                  4
## 2 P                  1