UTS

data_kesehatan <- read.csv("data_kesehatan.csv")
head(data_kesehatan)

##   X id umur jenis_kelamin tinggi_badan berat_badan gula_darah tekanan_sistolik
## 1 1  1   33     Perempuan     159.5587    62.85027   80.08403         129.2978
## 2 2  2   59     Perempuan     152.9881    54.73592   79.20090         108.6373
## 3 3  3   39     Perempuan     156.1915    66.84162   99.64040         132.7729
## 4 4  4   64     Laki-laki     173.8024    54.83932   97.35650         108.7811
## 5 5  5   67     Perempuan     164.0242    62.21020   49.01314         129.4536
## 6 6  6   20     Perempuan     150.0967    61.15284  120.81147         136.4499
##   tekanan_diastolik kolesterol skor_kesehatan
## 1          69.13882   181.3293      100.00000
## 2          73.34697   209.6954      100.00000
## 3          87.14848   176.3801       88.52949
## 4          75.68339   172.1841      100.00000
## 5          82.27615   138.6886      100.00000
## 6          92.94946   183.7165       75.39378

nrow(data_kesehatan)

## [1] 200

table(data_kesehatan$jenis_kelamin)

## 
## Laki-laki Perempuan 
##       108        92

aggregate(umur ~ jenis_kelamin, data = data_kesehatan, mean)

##   jenis_kelamin     umur
## 1     Laki-laki 44.02778
## 2     Perempuan 44.65217

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

sehat <- subset(data_kesehatan,
                gula_darah < 110 &
                kolesterol < 200 &
                tekanan_sistolik < 130 &
                tekanan_diastolik < 85)

jumlah_sehat <- nrow(sehat)
jumlah_sehat

## [1] 48

data_kesehatan[order(-data_kesehatan$skor_kesehatan), c("id", "skor_kesehatan")] |> head(5)

##    id skor_kesehatan
## 1   1            100
## 2   2            100
## 4   4            100
## 5   5            100
## 14 14            100

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

terendah <- data_kesehatan[order(data_kesehatan$skor_kesehatan), ][1:5, c("id", "umur", "jenis_kelamin", "skor_kesehatan")]
terendah

##      id umur jenis_kelamin skor_kesehatan
## 49   49   32     Perempuan       45.44594
## 11   11   68     Perempuan       48.51474
## 70   70   41     Laki-laki       53.51686
## 193 193   69     Laki-laki       54.22224
## 176 176   50     Laki-laki       57.96087

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

data_kesehatan$kelompok_umur <- cut(data_kesehatan$umur,
                          breaks = c(0, 30, 50, Inf),
                          labels = c("<30", "30-50", ">50"),
                          right = TRUE)

rata_per_kelompok <- aggregate(skor_kesehatan ~ kelompok_umur, data_kesehatan, mean)
rata_per_kelompok

##   kelompok_umur skor_kesehatan
## 1           <30       90.56762
## 2         30-50       89.21351
## 3           >50       89.53153

getwd()

## [1] "C:/Users/ASUS/OneDrive/Dokumen"

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

# Menghitung BMI
data_kesehatan$BMI <- data_kesehatan$berat_badan / ((data_kesehatan$tinggi_badan / 100) ^ 2)

# Menyaring responden obesitas (BMI > 30)
obesitas <- subset(data_kesehatan, BMI > 30)

# Menghitung rata-rata skor kesehatan responden obesitas
rata_obesitas <- mean(obesitas$skor_kesehatan, na.rm = TRUE)

# Menampilkan hasil
rata_obesitas

## [1] 74.92593