data <- read.csv("C:\\Users\\zahir\\Downloads\\Wholesale customers data.csv")Dalam code ini digunakan untuk import data sesuai path yang ada di file. ## str(data)
str(data)## 'data.frame': 440 obs. of 8 variables:
## $ Channel : int 2 2 2 1 2 2 2 2 1 2 ...
## $ Region : int 3 3 3 3 3 3 3 3 3 3 ...
## $ Fresh : int 12669 7057 6353 13265 22615 9413 12126 7579 5963 6006 ...
## $ Milk : int 9656 9810 8808 1196 5410 8259 3199 4956 3648 11093 ...
## $ Grocery : int 7561 9568 7684 4221 7198 5126 6975 9426 6192 18881 ...
## $ Frozen : int 214 1762 2405 6404 3915 666 480 1669 425 1159 ...
## $ Detergents_Paper: int 2674 3293 3516 507 1777 1795 3140 3321 1716 7425 ...
## $ Delicassen : int 1338 1776 7844 1788 5185 1451 545 2566 750 2098 ...Dalam code ini digunakan untuk mengecek tipe data. ## Variabel Numerik
data1 <- data[,3:8]head(data1)## Fresh Milk Grocery Frozen Detergents_Paper Delicassen
## 1 12669 9656 7561 214 2674 1338
## 2 7057 9810 9568 1762 3293 1776
## 3 6353 8808 7684 2405 3516 7844
## 4 13265 1196 4221 6404 507 1788
## 5 22615 5410 7198 3915 1777 5185
## 6 9413 8259 5126 666 1795 1451Dalam code ini digunakan untuk menampilkan 6 data pertama. ## Correlation Matrix
cor_matrix <- cor(data)
cor_matrix## Channel Region Fresh Milk Grocery
## Channel 1.00000000 0.062027619 -0.16917204 0.4607203 0.608792245
## Region 0.06202762 1.000000000 0.05528692 0.0322875 0.007695777
## Fresh -0.16917204 0.055286923 1.00000000 0.1005098 -0.011853875
## Milk 0.46072028 0.032287502 0.10050977 1.0000000 0.728335118
## Grocery 0.60879225 0.007695777 -0.01185387 0.7283351 1.000000000
## Frozen -0.20204596 -0.021044215 0.34588146 0.1239938 -0.040192737
## Detergents_Paper 0.63602637 -0.001482686 -0.10195294 0.6618157 0.924640691
## Delicassen 0.05601143 0.045212107 0.24468997 0.4063683 0.205496511
## Frozen Detergents_Paper Delicassen
## Channel -0.20204596 0.636026367 0.05601143
## Region -0.02104421 -0.001482686 0.04521211
## Fresh 0.34588146 -0.101952938 0.24468997
## Milk 0.12399376 0.661815679 0.40636832
## Grocery -0.04019274 0.924640691 0.20549651
## Frozen 1.00000000 -0.131524906 0.39094747
## Detergents_Paper -0.13152491 1.000000000 0.06929130
## Delicassen 0.39094747 0.069291297 1.00000000Correlation matrix digunakan untuk melihat hubungan antar variabel.Rentang dari correlation matrix yaitu antara -1 sampai 1. Terdapat hubungan positif kuat antara Grocery dan Detergents_Paper sebesar 0,9246 serta Milk dan Grocery sebesar 0,7283, dan Milk dan Detergents_Paper sebesar 0,6618 menunjukkan bahwa produk kebutuhan sehari-hari cenderung dibeli bersamaan. Variabel frozen memiliki hubungan positif sedang dengan fresh dan delicassen menunjukkan keterkaitan pada pembelian produk makanan. Sementara itu, pasangan variabel fresh dan grocery memiliki korelasi yang sangat lemah dan hubungan pembelinya tidak terlalu signifikan. ## Variance-Covariance Matrix
cov_matrix <- cov(data)
cov_matrix## Channel Region Fresh Milk
## Channel 2.190723e-01 0.02247877 -1001.431 1.591511e+03
## Region 2.247877e-02 0.59949783 541.396 1.845044e+02
## Fresh -1.001431e+03 541.39599814 159954927.421 9.381789e+06
## Milk 1.591511e+03 184.50443674 9381788.549 5.446997e+07
## Grocery 2.707890e+03 56.62581280 -1424712.796 5.108319e+07
## Frozen -4.590964e+02 -79.10183268 21236654.585 4.442612e+06
## Detergents_Paper 1.419358e+03 -5.47350901 -6147825.712 2.328834e+07
## Delicassen 7.393256e+01 98.72200766 8727309.970 8.457925e+06
## Grocery Frozen Detergents_Paper Delicassen
## Channel 2.707890e+03 -4.590964e+02 1.419358e+03 7.393256e+01
## Region 5.662581e+01 -7.910183e+01 -5.473509e+00 9.872201e+01
## Fresh -1.424713e+06 2.123665e+07 -6.147826e+06 8.727310e+06
## Milk 5.108319e+07 4.442612e+06 2.328834e+07 8.457925e+06
## Grocery 9.031010e+07 -1.854282e+06 4.189519e+07 5.507291e+06
## Frozen -1.854282e+06 2.356785e+07 -3.044325e+06 5.352342e+06
## Detergents_Paper 4.189519e+07 -3.044325e+06 2.273244e+07 9.316807e+05
## Delicassen 5.507291e+06 5.352342e+06 9.316807e+05 7.952997e+06Variance-Correlation matrix digunakan untuk melihat variasi data dan hubungan perubahan antar variabel pembelian produk. Variabel seperti fresh, grocery dan milk memiliki variance besar yang berarti jumlah pembelian produk bervariasi antar pelanggan. Nilai covariance positif seperti milk dan grocery serta grocery dan detergents_paper menunjukkan adanya peningkatan pembelian satu produk cenderung diikuti peningkatan produk lainnya. Sebaliknya covariance negatif(fresh dan grocery) menunjukkan kecenderungan hubungan pembelian yang berlawanan. ## Eigen value dan Eigen Vector
eigen_result <- eigen(cov_matrix)eigen_result$values## [1] 1.649959e+08 1.454521e+08 2.513998e+07 1.580390e+07 5.392764e+06
## [6] 2.203641e+06 5.956297e-01 1.220552e-01Nilai eigen menunjukkan variasi data yang dipergunakan untuk masing-masing komponen utama. Nilai eigen paling besar yaitu 164,995,904 dengan diikuti 145,452,098 dimana kedua komponen menunjukkan sebagian besar variasi data.Sementara itu, nilai eigen yang lebih kecil sehingga kontribusinya dalam menjelaskan variasi data juga lebih rendah. ## Eigen vector
eigen_result$vectors## [,1] [,2] [,3] [,4] [,5]
## [1,] 4.202234e-06 -2.429340e-05 -1.406364e-05 3.486248e-06 6.862672e-08
## [2,] -3.328850e-06 -5.754103e-07 -1.814881e-06 1.104086e-05 1.335398e-05
## [3,] -9.765368e-01 1.106139e-01 -1.785573e-01 4.187648e-02 -1.598600e-02
## [4,] -1.211841e-01 -5.158022e-01 5.098868e-01 6.456405e-01 -2.032357e-01
## [5,] -6.154039e-02 -7.646064e-01 -2.757809e-01 -3.754605e-01 1.602915e-01
## [6,] -1.523646e-01 1.872345e-02 7.142004e-01 -6.462923e-01 -2.201861e-01
## [7,] 7.054174e-03 -3.653508e-01 -2.044099e-01 -1.493801e-01 -2.079302e-01
## [8,] -6.810471e-02 -5.707921e-02 2.832175e-01 2.039579e-02 9.170766e-01
## [,6] [,7] [,8]
## [1,] 3.100332e-05 -4.547857e-02 9.989653e-01
## [2,] -2.417441e-07 -9.989653e-01 -4.547857e-02
## [3,] 1.576316e-02 3.586518e-06 3.813107e-06
## [4,] -3.349187e-02 4.468091e-06 -5.851887e-06
## [5,] -4.109389e-01 -3.884769e-07 -8.182480e-06
## [6,] 1.328898e-02 -1.145872e-05 1.248742e-05
## [7,] 8.712843e-01 -2.334761e-06 -3.840358e-05
## [8,] 2.654169e-01 1.238986e-05 -4.921851e-06Eigen vector menunjukkan kontribusi masing variabel dalam membentuk setiap komponen utama. Nilai terbesar terdapat pada variabel fresh sehingga komponen ini dipengaruhi oleh pembelian produk fresh. Kedua, variabel milk dan grocery memiliki kontribusi cukup besar yang menunjukkan bahwa komponen menggambarkan pola pembelian produk kebutuhan sehari-hari. Sementara itu, kombinasi kontribusi dan beberapa variabel seperti frozen, detergents_paper, dan delicassen secara keseluruhan eigen vector menunjukkan variabel mana yang berperan dalam menjelaskan variasi data pada komponen utama.