UTS PSD SEM 1

library(readr)
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

data_kesehatan <- read.csv("data_kesehatan.csv")
total_rata_rata <- aggregate(umur ~ 1, data = data_kesehatan, mean)
total_rata_rata

##     umur
## 1 44.315

rata_rata <- aggregate(tinggi_badan ~ jenis_kelamin, 
                       data = data_kesehatan, mean)
rata_rata

##   jenis_kelamin tinggi_badan
## 1     Laki-laki     171.0215
## 2     Perempuan     159.6470

data_terurut <- data_kesehatan[order(data_kesehatan$skor_kesehatan), ]
skor_terendah <- head(data_terurut, 5)
skor_terendah

##       X  id umur jenis_kelamin tinggi_badan berat_badan gula_darah
## 49   49  49   32     Perempuan     147.6860    72.92436   135.0351
## 11   11  11   68     Perempuan     162.9534    39.93666   155.9478
## 70   70  70   41     Laki-laki     170.6245    80.10678   135.5821
## 193 193 193   69     Laki-laki     176.1898    78.86749   143.8718
## 176 176 176   50     Laki-laki     165.8736    88.77864   115.3701
##     tekanan_sistolik tekanan_diastolik kolesterol skor_kesehatan
## 49          141.0703          85.51274   218.5767       45.44594
## 11          123.0276          80.65068   224.3279       48.51474
## 70          136.8850          71.69891   238.1264       53.51686
## 193         135.8586          75.48187   236.9744       54.22224
## 176         129.4345          88.19628   232.7038       57.96087

gula_terendah <- data_kesehatan %>%
  filter(gula_darah == min(gula_darah))
gula_terendah %>% select(id, umur, jenis_kelamin, gula_darah)

##   id umur jenis_kelamin gula_darah
## 1  5   67     Perempuan   49.01314

data_subset <- subset(data_kesehatan, kolesterol < 200 & gula_darah < 110)
rata_rata_skor <- mean(data_subset$skor_kesehatan)
rata_rata_skor

## [1] 96.57272

data_kesehatan$BMI <- data_kesehatan$berat_badan / (data_kesehatan$tinggi_badan / 100)^2
data_obesitas <- subset(data_kesehatan, BMI > 30)
rata_rata_skor <- mean(data_obesitas$skor_kesehatan)
rata_rata_skor

## [1] 74.92593