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 3.10Bagaimana 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 ...Apakah terdapat missing value
colSums(is.na(df_mahasiswa))## X id_mahasiswa jenis_kelamin
## 0 0 0
## jam_belajar_per_hari frekuensi_login_lms motivasi_belajar
## 0 0 0
## ipk
## 0Ada berapa laki-laki dan perempuan di kelas ini?
table(df_mahasiswa$jenis_kelamin)##
## L P
## 32 23Jenis 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 3.176957Berapakah id_mahasiswa yang memiliki motivasi belajar tertinggi?
aggregate(motivasi_belajar ~ id_mahasiswa, data = df_mahasiswa, mean)## id_mahasiswa motivasi_belajar
## 1 MHS001 82
## 2 MHS002 73
## 3 MHS003 71
## 4 MHS004 98
## 5 MHS005 81
## 6 MHS006 61
## 7 MHS007 44
## 8 MHS008 69
## 9 MHS009 44
## 10 MHS010 46
## 11 MHS011 56
## 12 MHS012 35
## 13 MHS013 59
## 14 MHS014 81
## 15 MHS015 44
## 16 MHS016 90
## 17 MHS017 52
## 18 MHS018 92
## 19 MHS019 84
## 20 MHS020 73
## 21 MHS021 47
## 22 MHS022 72
## 23 MHS023 83
## 24 MHS024 81
## 25 MHS025 70
## 26 MHS026 89
## 27 MHS027 59
## 28 MHS028 53
## 29 MHS029 48
## 30 MHS030 87
## 31 MHS031 71
## 32 MHS032 39
## 33 MHS033 46
## 34 MHS034 87
## 35 MHS035 91
## 36 MHS036 66
## 37 MHS037 68
## 38 MHS038 90
## 39 MHS039 52
## 40 MHS040 80
## 41 MHS041 90
## 42 MHS042 73
## 43 MHS043 91
## 44 MHS044 63
## 45 MHS045 96
## 46 MHS046 43
## 47 MHS047 82
## 48 MHS048 92
## 49 MHS049 73
## 50 MHS050 57
## 51 MHS051 92
## 52 MHS052 88
## 53 MHS053 80
## 54 MHS054 100
## 55 MHS055 71library(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, unionApakah mahasiswa dengan frekuensi login LMS tertinggi juga memiliki IPK tinggi? Asumsi IPK Tinggi > 3.5
df_mahasiswa %>%
filter(frekuensi_login_lms == max(frekuensi_login_lms, na.rm = TRUE)) %>%
select(id_mahasiswa, frekuensi_login_lms, ipk)## id_mahasiswa frekuensi_login_lms ipk
## 1 MHS006 7 3.10
## 2 MHS007 7 2.98
## 3 MHS017 7 3.06
## 4 MHS018 7 3.89
## 5 MHS022 7 3.69
## 6 MHS031 7 3.22
## 7 MHS033 7 3.11
## 8 MHS041 7 3.73
## 9 MHS044 7 3.15
## 10 MHS055 7 3.21Apakah 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 3.41library(dplyr)df_mahasiswa %>%
slice_max(order_by = ipk, n = 1) %>%
select(id_mahasiswa, motivasi_belajar, ipk)## id_mahasiswa motivasi_belajar ipk
## 1 MHS018 92 3.89q1 <- df_mahasiswa %>%
filter(ipk>3.5, motivasi_belajar>85) %>%
group_by(jenis_kelamin) %>%
summarise(jumlah=n())
q1## # A tibble: 2 × 2
## jenis_kelamin jumlah
## <chr> <int>
## 1 L 4
## 2 P 1