dakes <- read.csv("data_kesehatan.csv")
head(dakes)
## 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
Jumlah laki2 dan perempuan
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
table(dakes$jenis_kelamin)
##
## Laki-laki Perempuan
## 108 92
Rata-rata umur
rata_umur <- mean(dakes$umur, na.rm = TRUE)
print(rata_umur)
## [1] 44.315
Jumlah orang dengan gula < 110, kolesterol < 200, tekanan
130/85
data_filter <- filter(dakes, gula_darah < 110 & kolesterol < 200 & tekanan_sistolik < 130 & tekanan_diastolik < 85)
jumlah_memenuhi <- nrow(data_filter)
print(paste("Jumlah responder yang memenuhi : ", jumlah_memenuhi))
## [1] "Jumlah responder yang memenuhi : 48"
Rata-rata skor kesehatan per kelompok umur, <30, 30-50, dan
>50 tahun secara berturut-turut
data <- dakes %>%
mutate(umur_kategori = case_when(umur < 30 ~ "<30 tahun", umur >= 30 & umur <= 50 ~ "30-50 tahun", umur > 50 ~ ">50 tahun"))
rata_rata <- data %>%
group_by(umur_kategori) %>%
summarize(rata_rata_skor = mean(skor_kesehatan, na.rm = TRUE))
print(rata_rata)
## # A tibble: 3 × 2
## umur_kategori rata_rata_skor
## <chr> <dbl>
## 1 30-50 tahun 89.4
## 2 <30 tahun 90.4
## 3 >50 tahun 89.5
Id dengan gula darah terendah
gula_rendah <- dakes %>%
filter(gula_darah == min(gula_darah, na.rm = TRUE)) %>%
select(id, gula_darah)
print(gula_rendah)
## id gula_darah
## 1 5 49.01314
Rata-rata skor kesehatan dengan kolesterol < 200 gula <
110
rata_skor_kesehatan <- dakes %>%
filter(kolesterol < 200, gula_darah < 110) %>%
summarise(rata_skor_kesehatan = mean(skor_kesehatan, na.rm = TRUE))
print(rata_skor_kesehatan)
## rata_skor_kesehatan
## 1 96.57272