1 Pendahuluan

Pada analisis ini, digunakan sebuah dataset pelanggan yang berisi informasi terkait karakteristik demografi, perilaku kunjungan, hingga aktivitas pembelian konsumen. Dataset tersebut mencakup beberapa variabel numerik dan kategorik yang akan dianalisis untuk memahami pola dan kecenderungan perilaku pelanggan.

• Variabel numerik yang menjadi fokus analisis meliputi:

• Age — usia pelanggan

• TotalPurchase — total nilai pembelian yang dilakukan

• NumberOfVisits — frekuensi kunjungan pelanggan

• FeedbackScore — penilaian kepuasan pelanggan terhadap layanan atau produk

Selain itu, terdapat informasi kategorikal yang juga dianalisis untuk melihat proporsi dan distribusi kelompok pelanggan, yaitu:

• Gender — jenis kelamin pelanggan (F/M)

• ProductCategory — kategori produk yang paling sering dibeli

Melalui analisis statistik deskriptif dan visualisasi data seperti histogram, density plot, bar chart, dan pie chart, studi ini bertujuan memberikan gambaran menyeluruh mengenai profil pelanggan serta membantu mengidentifikasi pola penting dalam perilaku konsumsi mereka. Pendekatan ini diharapkan dapat menjadi dasar pemahaman sebelum dilakukan analisis lanjutan terkait segmentasi pelanggan atau strategi pemasaran berbasis data.

# Load paket dengan urutan dan suppress peringatan agar tidak muncul (aesthetic needs)
suppressMessages(library(dplyr))      # Load package dplyr untuk manipulasi data, sembunyikan pesan loading
suppressMessages(library(ggplot2))    # Load package ggplot2 untuk visualisasi grafik, sembunyikan pesan loading
suppressMessages(library(DT))         # Load package DT untuk membuat tabel interaktif, sembunyikan pesan loading
suppressMessages(library(gridExtra))  # Load package gridExtra untuk mengatur layout grafik, sembunyikan pesan loading
suppressMessages(library(DescTools))  # Load package DescTools untuk fungsi statistik tambahan, sembunyikan pesan loading

## Warning: package 'DescTools' was built under R version 4.5.2

suppressMessages(library(knitr))      # Load package knitr untuk format output tabel dan laporan, sembunyikan pesan loading

# Load data
dataset <- read.csv("https://raw.githubusercontent.com/YanDraa/Dataweek6Statistika/main/4_Central_Tendency_Introduction_to_Statistics.csv")  
# Membaca file CSV langsung dari link GitHub ke dalam variabel dataset

# Bersihkan kolom tidak perlu yaitu kolom x karena tidak menarik untuk di tampilkan pada data
if ("X" %in% colnames(dataset)) dataset <- dataset %>% select(-X)  
# Mengecek apakah ada kolom bernama "X", jika ada maka hapus kolom tersebut

# Bersihkan kolom tidak perlu yaitu kolom CustomerID karena Tidak menarik untuk ditampilkan di data
if ("CustomerID" %in% colnames(dataset)) dataset <- dataset %>% select(-CustomerID)
# Mengecek apakah ada kolom bernama "CustomerID", jika ada maka hapus kolom tersebut

# Tabel utama: Preview data (10 baris pertama)
DT::datatable(
  dataset,                                    # Data yang akan ditampilkan dalam tabel
  caption = "Tabel Utama: Data Lengkap Pelanggan", # Judul tabel
  rownames = T,                               # Tampilkan nomor baris pada tabel
  options = list(pageLength = 10)             # Atur tampilan tabel: 10 baris per halaman
)

2 Visualisasi distribusi Gender

gender_counts <- dataset %>%      # Ambil dataset lalu
  count(Gender)                   # Hitung jumlah data berdasarkan kategori Gender dan simpan sebagai gender_counts

ggplot(gender_counts, aes(x = Gender, y = n, fill = Gender)) +  # Buat plot bar: X = Gender, Y = Jumlah, warna sesuai gender
  geom_col(width = 0.6) +         # Gunakan bar chart dengan lebar bar 0.6
  geom_text(aes(label = n),       # Tambahkan teks jumlah pelanggan di atas setiap bar
            vjust = -0.5, size = 5) + # Posisi teks sedikit di atas bar, ukuran font 5
  labs(
    title = "Distribusi Gender Pelanggan",  # Judul chart
    x = "Gender",                           # Label sumbu X
    y = "Jumlah Pelanggan"                  # Label sumbu Y
  ) +
  theme_minimal() +               # Gunakan tema minimalis
  theme(legend.position = "none") # Hilangkan legenda karena warna sudah mewakili label Gender

3 Visualisasi Proporsi ProductCategory

product_summary <- dataset %>%            # Gunakan dataset lalu pipeline (%>%)
  count(ProductCategory) %>%              # Hitung jumlah data berdasarkan kategori produk
  mutate(percentage = n / sum(n) * 100,   # Hitung persentase tiap kategori (n dibagi total n dikali 100)
         label = paste0(ProductCategory,  # Buat label untuk ditampilkan pada pie chart
                        "\n",             # Tambahkan line break agar kategori dan persen berada di baris berbeda
                        round(percentage, 2), "%")) # Tampilkan persentase 2 desimal dan tambahkan simbol %

ggplot(product_summary, aes(x = "", y = percentage, fill = ProductCategory)) +  # Buat ggplot: x kosong, y = persentase untuk pie chart
  geom_col(width = 1) +                  # Buat bar chart melingkar (dasar pie chart), width=1 agar penuh
  geom_text(aes(label = label),          # Tambahkan teks label ke chart
            position = position_stack(vjust = 0.5), # Tempatkan teks di tengah setiap bagian pie
            color = "white",             # Warna teks putih
            size = 4,                    # Ukuran teks agak besar
            fontface = "bold") +         # Teks tebal
  coord_polar(theta = "y") +             # Ubah chart bar menjadi pie chart dengan transformasi polar
  labs(title = "Proporsi ProductCategory") +  # Judul grafik
  theme_void() +                        # Hapus semua elemen background (theme kosong)
  theme(legend.position = "none")       # Sembunyikan legenda karena sudah ada label langsung di dalam pie chart

4 Visualisasi Perbandingan Lokasi Toko (StoreLocation)

ggplot(dataset, aes(x = StoreLocation, y = TotalPurchase, fill = StoreLocation)) + 
  # Buat objek ggplot menggunakan dataset; sumbu X = lokasi toko, Y = total pembelian,
  # fill = warna berbeda untuk tiap lokasi toko

  geom_boxplot() + 
  # Gunakan boxplot untuk menampilkan distribusi TotalPurchase pada tiap StoreLocation
  # (menunjukkan median, quartiles, dan outlier)

  labs(
    title = "Perbandingan Total Pembelian per Lokasi Toko", # Judul grafik
    x = "Lokasi Toko",                                      # Label sumbu X
    y = "Total Pembelian"                                   # Label sumbu Y
  ) +

  theme(legend.position = "none")   

5 Visualisasi Distribusi Frekuensi Kunjungan (NumberOfVisits)

visits <- dataset$NumberOfVisits                  # Ambil kolom NumberOfVisits dari dataset dan simpan sebagai visits
mean_vis <- mean(visits, na.rm=TRUE)             # Hitung nilai rata-rata (mean), abaikan nilai NA
median_vis <- median(visits, na.rm=TRUE)         # Hitung nilai median, abaikan nilai NA
mode_vis <- Mode(visits)                         # Hitung nilai modus menggunakan fungsi Mode dari DescTools

ggplot(dataset, aes(NumberOfVisits)) +           # Inisialisasi plot dengan NumberOfVisits sebagai variabel X
  geom_histogram(aes(y = after_stat(density)),   # Buat histogram dan gunakan density sebagai skala Y agar bisa overlay dengan kurva density
                 binwidth = 1,                   # Lebar tiap bar histogram = 1
                 fill = "gray80",                # Warna bar abu-abu terang
                 color = "white",                # Garis pemisah antar bar warna putih
                 linewidth = 1) +                # Ketebalan garis antar bar = 1 (lebih jelas)

  geom_density(linewidth = 1.2) +                # Tambahkan kurva density di atas histogram untuk menunjukkan bentuk distribusi data
  
  geom_vline(xintercept = mean_vis,              # Tambahkan garis vertikal pada posisi mean
             color="blue",                       # Warna garis mean biru
             linetype="dashed",                  # Tipe garis mean putus-putus
             linewidth=1) +                      # Ketebalan garis = 1

  geom_vline(xintercept = median_vis,            # Tambahkan garis vertikal pada posisi median
             color="red",                        # Warna garis median merah
             linetype="dotted",                  # Tipe garis median titik-titik
             linewidth=1) +                      # Ketebalan garis = 1

  geom_vline(xintercept = mode_vis,              # Tambahkan garis vertikal pada posisi modus
             color="green",                      # Warna garis modus hijau
             linewidth=1) +                      # Ketebalan garis = 1 (line solid default)

  annotate("text",                               # Tambahkan anotasi teks untuk mean
           x = mean_vis,                         # Posisi teks mengikuti nilai mean
           y = Inf,                              # Letakkan di atas grafik
           label = paste0("Mean=", round(mean_vis,2)), # Teks label mean
           vjust = 2,                            # Sedikit turun dari batas atas
           color="blue") +                       # Warna label mean biru

  annotate("text",                               # Tambahkan anotasi teks untuk median
           x = median_vis,                       # Posisi teks mengikuti nilai median
           y = Inf,                              # Letakkan di atas grafik
           label = paste0("Median=", round(median_vis,2)), # Teks label median
           vjust = 3.5,                          # Lebih turun dari label mean untuk mencegah overlap
           color="red") +                        # Warna label median merah

  labs(title="Histogram NumberOfVisits dengan Kurva Density + Mean, Median, Mode",   
       # Judul grafik
       x="Number of Visits",                     # Label sumbu X
       y="Density") +                            # Label sumbu Y (karena histogram menggunakan density)
  
  theme_minimal()

6 Kesimpulan Analisis

Berdasarkan hasil analisis visualisasi terhadap variabel Gender, ProductCategory, TotalPurchase, StoreLocation, dan NumberOfVisits, diperoleh beberapa insight penting mengenai karakteristik pelanggan dan pola pembelian.

1. Karakteristik Pelanggan dan Frekuensi Kunjungan

Distribusi pelanggan berdasarkan variabel Gender menunjukkan komposisi yang relatif seimbang, meskipun pelanggan laki-laki sedikit lebih banyak. Hal ini mengindikasikan bahwa strategi pemasaran dan program loyalitas harus tetap bersifat inklusif, karena tidak terdapat dominasi signifikan pada salah satu kelompok gender.

Untuk variabel NumberOfVisits, diperoleh bahwa nilai Mean ≈ 5.165, Median = 5, dan Mode = 5. Nilai-nilai pusat yang saling berdekatan ini mencerminkan distribusi yang cenderung simetris, dengan mayoritas pelanggan melakukan sekitar lima kali kunjungan.

Perhitungan statistik dasar ini menggunakan konsep:

• Mean (Rata-rata): jumlah seluruh nilai dibagi banyaknya data

  $$\overline{X}=\frac{\sum X_i}{n}$$

Dimana:

$\overline{X}$ : Mean (Rata-rata)

$X_i$ : Setiap nilai data

$n$ : Jumlah Observasi

• Median: nilai tengah setelah data diurutkan

Perhitungan Median (jika data ganjil) :

$\mathrm{Median}=x_{(\frac{n}{2}+1)}$

Perhitungan Median (jika data genap) :

$\mathrm{Median}=\frac{x_{\left(\frac{n}{2}\right)}+x_{\left(\frac{\mathrm{n+2}}{2}\right)}}{2}$

• Mode (modus): nilai yang paling sering muncul dalam dataset

  $\mathrm{Mode}=\left\{x_i\right|\mathrm{freq}\left(x_i\right)=\text{maksimum}\}$

Keselarasan ketiga nilai tersebut menunjukkan bahwa pola kunjungan pelanggan relatif stabil dan tidak terdapat penyimpangan ekstrem pada frekuensi kunjungan.

2. Preferensi Produk dan Pola Pembelian

Pada variabel ProductCategory, terlihat dominasi yang jelas pada satu kategori produk tertentu, yang mengindikasikan preferensi pelanggan yang kuat terhadap kelompok produk tersebut. Perusahaan dapat memanfaatkan temuan ini untuk mengoptimalkan alokasi stok, kampanye promosi, serta pengembangan variasi produk pada kategori yang paling diminati. Sebaliknya, kategori dengan permintaan lebih rendah perlu dianalisis lebih lanjut untuk mengidentifikasi potensi pengembangan atau strategi pemasaran khusus.

Sementara itu, boxplot pada variabel TotalPurchase terhadap StoreLocation menunjukkan adanya variasi nilai pembelian antar lokasi toko. Variasi ini menandakan bahwa performa penjualan dapat berbeda secara signifikan berdasarkan lokasi operasional. Oleh karena itu, strategi manajemen stok, promosi, dan sumber daya operasional dapat disesuaikan secara spesifik untuk setiap lokasi guna mengoptimalkan pendapatan.