R Markdown
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.csv("df_mahasiswa.csv")
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
## 7 7 MHS007 P 1 7
## 8 8 MHS008 L 3 4
## 9 9 MHS009 P 2 6
## 10 10 MHS010 L 1 5
## 11 11 MHS011 L 1 1
## 12 12 MHS012 P 1 2
## 13 13 MHS013 P 2 6
## 14 14 MHS014 L 4 2
## 15 15 MHS015 L 1 2
## 16 16 MHS016 L 5 1
## 17 17 MHS017 L 2 7
## 18 18 MHS018 L 5 7
## 19 19 MHS019 L 5 2
## 20 20 MHS020 L 3 1
## 21 21 MHS021 L 1 6
## 22 22 MHS022 P 4 7
## 23 23 MHS023 L 4 4
## 24 24 MHS024 P 5 4
## 25 25 MHS025 L 3 1
## 26 26 MHS026 L 4 6
## 27 27 MHS027 L 2 3
## 28 28 MHS028 P 2 6
## 29 29 MHS029 L 2 2
## 30 30 MHS030 P 5 3
## 31 31 MHS031 P 2 7
## 32 32 MHS032 L 1 2
## 33 33 MHS033 P 1 7
## 34 34 MHS034 P 5 4
## 35 35 MHS035 L 4 1
## 36 36 MHS036 P 3 1
## 37 37 MHS037 L 4 6
## 38 38 MHS038 L 4 1
## 39 39 MHS039 P 1 1
## 40 40 MHS040 L 4 2
## 41 41 MHS041 L 5 7
## 42 42 MHS042 P 4 6
## 43 43 MHS043 P 4 5
## 44 44 MHS044 P 2 7
## 45 45 MHS045 P 5 2
## 46 46 MHS046 L 1 3
## 47 47 MHS047 L 4 5
## 48 48 MHS048 L 5 4
## 49 49 MHS049 P 4 5
## 50 50 MHS050 P 2 4
## 51 51 MHS051 L 4 6
## 52 52 MHS052 L 4 4
## 53 53 MHS053 L 3 4
## 54 54 MHS054 L 5 4
## 55 55 MHS055 P 2 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
## 7 44 2.98
## 8 69 3.08
## 9 44 2.82
## 10 46 2.93
## 11 56 2.64
## 12 35 2.71
## 13 59 3.11
## 14 81 3.31
## 15 44 2.90
## 16 90 3.46
## 17 52 3.06
## 18 92 3.89
## 19 84 3.09
## 20 73 2.73
## 21 47 2.96
## 22 72 3.69
## 23 83 3.54
## 24 81 3.61
## 25 70 2.65
## 26 89 3.32
## 27 59 2.94
## 28 53 3.14
## 29 48 2.89
## 30 87 3.40
## 31 71 3.22
## 32 39 2.66
## 33 46 3.11
## 34 87 3.56
## 35 91 3.13
## 36 66 2.95
## 37 68 3.67
## 38 90 3.29
## 39 52 2.52
## 40 80 3.17
## 41 90 3.73
## 42 73 3.05
## 43 91 3.29
## 44 63 3.15
## 45 96 3.33
## 46 43 2.49
## 47 82 3.13
## 48 92 3.70
## 49 73 3.22
## 50 57 3.05
## 51 92 3.65
## 52 88 3.30
## 53 80 3.29
## 54 100 3.41
## 55 71 3.21
- Bagaimana cara menampilkan 6 baris pertama dari df_mahasiswa
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
- 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 ...
- Apakah terdapat missing value?
is.na(df_mahasiswa)
## X id_mahasiswa jenis_kelamin jam_belajar_per_hari frekuensi_login_lms
## [1,] FALSE FALSE FALSE FALSE FALSE
## [2,] FALSE FALSE FALSE FALSE FALSE
## [3,] FALSE FALSE FALSE FALSE FALSE
## [4,] FALSE FALSE FALSE FALSE FALSE
## [5,] FALSE FALSE FALSE FALSE FALSE
## [6,] FALSE FALSE FALSE FALSE FALSE
## [7,] FALSE FALSE FALSE FALSE FALSE
## [8,] FALSE FALSE FALSE FALSE FALSE
## [9,] FALSE FALSE FALSE FALSE FALSE
## [10,] FALSE FALSE FALSE FALSE FALSE
## [11,] FALSE FALSE FALSE FALSE FALSE
## [12,] FALSE FALSE FALSE FALSE FALSE
## [13,] FALSE FALSE FALSE FALSE FALSE
## [14,] FALSE FALSE FALSE FALSE FALSE
## [15,] FALSE FALSE FALSE FALSE FALSE
## [16,] FALSE FALSE FALSE FALSE FALSE
## [17,] FALSE FALSE FALSE FALSE FALSE
## [18,] FALSE FALSE FALSE FALSE FALSE
## [19,] FALSE FALSE FALSE FALSE FALSE
## [20,] FALSE FALSE FALSE FALSE FALSE
## [21,] FALSE FALSE FALSE FALSE FALSE
## [22,] FALSE FALSE FALSE FALSE FALSE
## [23,] FALSE FALSE FALSE FALSE FALSE
## [24,] FALSE FALSE FALSE FALSE FALSE
## [25,] FALSE FALSE FALSE FALSE FALSE
## [26,] FALSE FALSE FALSE FALSE FALSE
## [27,] FALSE FALSE FALSE FALSE FALSE
## [28,] FALSE FALSE FALSE FALSE FALSE
## [29,] FALSE FALSE FALSE FALSE FALSE
## [30,] FALSE FALSE FALSE FALSE FALSE
## [31,] FALSE FALSE FALSE FALSE FALSE
## [32,] FALSE FALSE FALSE FALSE FALSE
## [33,] FALSE FALSE FALSE FALSE FALSE
## [34,] FALSE FALSE FALSE FALSE FALSE
## [35,] FALSE FALSE FALSE FALSE FALSE
## [36,] FALSE FALSE FALSE FALSE FALSE
## [37,] FALSE FALSE FALSE FALSE FALSE
## [38,] FALSE FALSE FALSE FALSE FALSE
## [39,] FALSE FALSE FALSE FALSE FALSE
## [40,] FALSE FALSE FALSE FALSE FALSE
## [41,] FALSE FALSE FALSE FALSE FALSE
## [42,] FALSE FALSE FALSE FALSE FALSE
## [43,] FALSE FALSE FALSE FALSE FALSE
## [44,] FALSE FALSE FALSE FALSE FALSE
## [45,] FALSE FALSE FALSE FALSE FALSE
## [46,] FALSE FALSE FALSE FALSE FALSE
## [47,] FALSE FALSE FALSE FALSE FALSE
## [48,] FALSE FALSE FALSE FALSE FALSE
## [49,] FALSE FALSE FALSE FALSE FALSE
## [50,] FALSE FALSE FALSE FALSE FALSE
## [51,] FALSE FALSE FALSE FALSE FALSE
## [52,] FALSE FALSE FALSE FALSE FALSE
## [53,] FALSE FALSE FALSE FALSE FALSE
## [54,] FALSE FALSE FALSE FALSE FALSE
## [55,] FALSE FALSE FALSE FALSE FALSE
## motivasi_belajar ipk
## [1,] FALSE FALSE
## [2,] FALSE FALSE
## [3,] FALSE FALSE
## [4,] FALSE FALSE
## [5,] FALSE FALSE
## [6,] FALSE FALSE
## [7,] FALSE FALSE
## [8,] FALSE FALSE
## [9,] FALSE FALSE
## [10,] FALSE FALSE
## [11,] FALSE FALSE
## [12,] FALSE FALSE
## [13,] FALSE FALSE
## [14,] FALSE FALSE
## [15,] FALSE FALSE
## [16,] FALSE FALSE
## [17,] FALSE FALSE
## [18,] FALSE FALSE
## [19,] FALSE FALSE
## [20,] FALSE FALSE
## [21,] FALSE FALSE
## [22,] FALSE FALSE
## [23,] FALSE FALSE
## [24,] FALSE FALSE
## [25,] FALSE FALSE
## [26,] FALSE FALSE
## [27,] FALSE FALSE
## [28,] FALSE FALSE
## [29,] FALSE FALSE
## [30,] FALSE FALSE
## [31,] FALSE FALSE
## [32,] FALSE FALSE
## [33,] FALSE FALSE
## [34,] FALSE FALSE
## [35,] FALSE FALSE
## [36,] FALSE FALSE
## [37,] FALSE FALSE
## [38,] FALSE FALSE
## [39,] FALSE FALSE
## [40,] FALSE FALSE
## [41,] FALSE FALSE
## [42,] FALSE FALSE
## [43,] FALSE FALSE
## [44,] FALSE FALSE
## [45,] FALSE FALSE
## [46,] FALSE FALSE
## [47,] FALSE FALSE
## [48,] FALSE FALSE
## [49,] FALSE FALSE
## [50,] FALSE FALSE
## [51,] FALSE FALSE
## [52,] FALSE FALSE
## [53,] FALSE FALSE
## [54,] FALSE FALSE
## [55,] FALSE FALSE
- Ada berapa laki-laki dan perempuan di kelas ini?
jumlah_gender <- df_mahasiswa%>%
count(jenis_kelamin)
print(jumlah_gender)
## jenis_kelamin n
## 1 L 32
## 2 P 23
- Jenis kelamin apakah yang memiliki rata-rata IPK tertinggi?
rata_rata_ipk <- df_mahasiswa %>%
group_by(jenis_kelamin) %>%
summarise(ipk_rata_rata = mean(ipk)) %>%
arrange(desc(ipk_rata_rata))
print(rata_rata_ipk)
## # A tibble: 2 × 2
## jenis_kelamin ipk_rata_rata
## <chr> <dbl>
## 1 P 3.18
## 2 L 3.16
- Berapakah id_mahasiswa yang memiliki motivasi belajar
tertinggi?
mahasiswa_termotivasi <- df_mahasiswa %>%
filter(motivasi_belajar == max(motivasi_belajar)) %>%
select(id_mahasiswa, motivasi_belajar)
print(mahasiswa_termotivasi)
## id_mahasiswa motivasi_belajar
## 1 MHS054 100
- Apakah mahasiswa dengan frekuensi login LMS tertinggi juga memiliki
IPK tinggi? Asumsi IPK Tinggi > 3.5
mahasiswa_rajin_login <- df_mahasiswa %>%
filter(frekuensi_login_lms == max(frekuensi_login_lms)) %>%
select(id_mahasiswa, frekuensi_login_lms, ipk)
print(mahasiswa_rajin_login)
## 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 3.21
- Apakah mahasiswa dengan jam belajar ≥ 4 jam per hari memiliki IPK
lebih tinggi dibandingkan yang kurang dari 4 jam?
mahasiswa_rajin_belajar <- df_mahasiswa %>%
filter(jam_belajar_per_hari == max(jam_belajar_per_hari)) %>%
select(id_mahasiswa, jam_belajar_per_hari, ipk)
print(mahasiswa_rajin_belajar)
## id_mahasiswa jam_belajar_per_hari ipk
## 1 MHS004 5 3.43
## 2 MHS016 5 3.46
## 3 MHS018 5 3.89
## 4 MHS019 5 3.09
## 5 MHS024 5 3.61
## 6 MHS030 5 3.40
## 7 MHS034 5 3.56
## 8 MHS041 5 3.73
## 9 MHS045 5 3.33
## 10 MHS048 5 3.70
## 11 MHS054 5 3.41
df_mahasiswa %>%
filter(jam_belajar_per_hari < 4) %>%
distinct(id_mahasiswa, jam_belajar_per_hari, ipk)
## id_mahasiswa jam_belajar_per_hari ipk
## 1 MHS003 2 3.07
## 2 MHS005 3 2.83
## 3 MHS006 3 3.10
## 4 MHS007 1 2.98
## 5 MHS008 3 3.08
## 6 MHS009 2 2.82
## 7 MHS010 1 2.93
## 8 MHS011 1 2.64
## 9 MHS012 1 2.71
## 10 MHS013 2 3.11
## 11 MHS015 1 2.90
## 12 MHS017 2 3.06
## 13 MHS020 3 2.73
## 14 MHS021 1 2.96
## 15 MHS025 3 2.65
## 16 MHS027 2 2.94
## 17 MHS028 2 3.14
## 18 MHS029 2 2.89
## 19 MHS031 2 3.22
## 20 MHS032 1 2.66
## 21 MHS033 1 3.11
## 22 MHS036 3 2.95
## 23 MHS039 1 2.52
## 24 MHS044 2 3.15
## 25 MHS046 1 2.49
## 26 MHS050 2 3.05
## 27 MHS053 3 3.29
## 28 MHS055 2 3.21
- Siapa mahasiswa dengan IPK tertinggi dan berapa nilai motivasinya?
Jawablah dengan menyebutkan ID_Mahasiswanya
mahasiswa_ipk_tinggi <- df_mahasiswa %>%
filter(ipk == max(ipk)) %>%
select(id_mahasiswa, motivasi_belajar, ipk)
head(1)
## [1] 1
print(mahasiswa_ipk_tinggi)
## id_mahasiswa motivasi_belajar ipk
## 1 MHS018 92 3.89
- 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=?
hasil <- df_mahasiswa %>%
filter(ipk > 3.5, motivasi_belajar > 85) %>%
count(jenis_kelamin)
print(hasil)
## jenis_kelamin n
## 1 L 4
## 2 P 1