Mengkoneksikan MySQL ke R Studio

library(DBI)
library(odbc)
odbcListDrivers()
##                                                      name        attribute
## 1                                              SQL Server         APILevel
## 2                                              SQL Server ConnectFunctions
## 3                                              SQL Server        CPTimeout
## 4                                              SQL Server    DriverODBCVer
## 5                                              SQL Server        FileUsage
## 6                                              SQL Server         SQLLevel
## 7                                              SQL Server       UsageCount
## 8                Microsoft Access Driver (*.mdb, *.accdb)       UsageCount
## 9                Microsoft Access Driver (*.mdb, *.accdb)         APILevel
## 10               Microsoft Access Driver (*.mdb, *.accdb) ConnectFunctions
## 11               Microsoft Access Driver (*.mdb, *.accdb)    DriverODBCVer
## 12               Microsoft Access Driver (*.mdb, *.accdb)        FileUsage
## 13               Microsoft Access Driver (*.mdb, *.accdb)        FileExtns
## 14               Microsoft Access Driver (*.mdb, *.accdb)         SQLLevel
## 15 Microsoft Excel Driver (*.xls, *.xlsx, *.xlsm, *.xlsb)       UsageCount
## 16 Microsoft Excel Driver (*.xls, *.xlsx, *.xlsm, *.xlsb)         APILevel
## 17 Microsoft Excel Driver (*.xls, *.xlsx, *.xlsm, *.xlsb) ConnectFunctions
## 18 Microsoft Excel Driver (*.xls, *.xlsx, *.xlsm, *.xlsb)    DriverODBCVer
## 19 Microsoft Excel Driver (*.xls, *.xlsx, *.xlsm, *.xlsb)        FileUsage
## 20 Microsoft Excel Driver (*.xls, *.xlsx, *.xlsm, *.xlsb)        FileExtns
## 21 Microsoft Excel Driver (*.xls, *.xlsx, *.xlsm, *.xlsb)         SQLLevel
## 22            Microsoft Access Text Driver (*.txt, *.csv)       UsageCount
## 23            Microsoft Access Text Driver (*.txt, *.csv)         APILevel
## 24            Microsoft Access Text Driver (*.txt, *.csv) ConnectFunctions
## 25            Microsoft Access Text Driver (*.txt, *.csv)    DriverODBCVer
## 26            Microsoft Access Text Driver (*.txt, *.csv)        FileUsage
## 27            Microsoft Access Text Driver (*.txt, *.csv)        FileExtns
## 28            Microsoft Access Text Driver (*.txt, *.csv)         SQLLevel
## 29                             MySQL ODBC 8.0 ANSI Driver       UsageCount
## 30                          MySQL ODBC 8.0 Unicode Driver       UsageCount
##                   value
## 1                     2
## 2                   YYY
## 3                    60
## 4                 03.50
## 5                     0
## 6                     1
## 7                     1
## 8                     3
## 9                     1
## 10                  YYN
## 11                02.50
## 12                    2
## 13        *.mdb,*.accdb
## 14                    0
## 15                    3
## 16                    1
## 17                  YYN
## 18                02.50
## 19                    2
## 20 *.xls,*.xlsx, *.xlsb
## 21                    0
## 22                    3
## 23                    1
## 24                  YYN
## 25                02.50
## 26                    2
## 27         *.txt, *.csv
## 28                    0
## 29                    1
## 30                    1
library(DBI)


con2 = DBI::dbConnect(odbc(),
                      
                      Driver = "MySQL ODBC 8.0 ANSI Driver",
                      
                      Server = "127.0.0.1",
                      
                      UID = "root",
                      
                      PWD = "Amanda31/",
                      
                      Port = 3306,
                      Database = "kopi")

Mengambil variabel data sales dan profit dari Dataset Coffee Chain

data<- dbGetQuery(con2, "SELECT Sales, Profit FROM factTable")

Insight

Analisis ini dilakukan untuk mengetahui hubungan antara Sales dan Profit pada Coffee Chain Dataset. Berdasarkan eksplorasi data dan visualisasi menggunakan scatter plot

Eksplorasi data

head(data)      # lihat 6 data awal
##   Sales Profit
## 1   219     94
## 2   190     68
## 3   234    101
## 4   100     30
## 5   134     54
## 6   180     53
str(data)       # struktur data
## 'data.frame':    4248 obs. of  2 variables:
##  $ Sales : int  219 190 234 100 134 180 341 150 140 130 ...
##  $ Profit: int  94 68 101 30 54 53 99 0 33 17 ...
summary(data)   # statistik deskriptif
##      Sales         Profit      
##  Min.   : 17   Min.   :-638.0  
##  1st Qu.:100   1st Qu.:  17.0  
##  Median :138   Median :  40.0  
##  Mean   :193   Mean   :  61.1  
##  3rd Qu.:230   3rd Qu.:  92.0  
##  Max.   :912   Max.   : 778.0
dim(data)       # jumlah baris & kolom
## [1] 4248    2

Visualisasi data

library(ggplot2)

# Histogram (distribusi Sales)
ggplot(data, aes(x = Sales)) +
  geom_histogram(fill = "blue", color = "black", bins = 30)

# Boxplot (cek outlier Profit)
ggplot(data, aes(y = Profit)) +
  geom_boxplot(fill="red")

# Scatter plot (hubungan Sales vs Profit)
ggplot(data, aes(x = Sales, y = Profit)) +
  geom_point(color = "blue") +
  geom_smooth(method = "lm", color = "red") +
  labs(title = "Hubungan Sales dan Profit",
       x = "Sales",
       y = "Profit")
## `geom_smooth()` using formula = 'y ~ x'

Uji korelasi

cor(data$Sales, data$Profit)
## [1] 0.7973309

Uji statistik regresi (linear sederhana)

model1 <- lm(Profit ~ Sales, data = data)
summary(model1)
## 
## Call:
## lm(formula = Profit ~ Sales, data = data)
## 
## Residuals:
##     Min      1Q  Median      3Q     Max 
## -606.28   -9.15   11.77   28.31  466.85 
## 
## Coefficients:
##               Estimate Std. Error t value Pr(>|t|)    
## (Intercept) -42.456004   1.527850  -27.79   <2e-16 ***
## Sales         0.536582   0.006233   86.08   <2e-16 ***
## ---
## Signif. codes:  0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
## 
## Residual standard error: 61.39 on 4246 degrees of freedom
## Multiple R-squared:  0.6357, Adjusted R-squared:  0.6357 
## F-statistic:  7410 on 1 and 4246 DF,  p-value: < 2.2e-16

Interpretasi

Berdasarkan hasil visualisasi menggunakan scatter plot dapat disimpulkan bahwasanya terdapat hubungan positif antara variabel Sales dengan Profit . Hal ini dapat dilihat dari pola titik-titik yang cenderung meningkat, yang artinya peningkatan nilai Sales akan diikuti dengan peningkatan nilai Profit.

Berdasarkan hasil uji korelasi menunjukkan bahwa adanya hubungan ositif antara variabel sales dengan variabel profit. yang berarti semakin tinggi nilai Sales semakin tinggi pula profit yang didapatkan.

Berdasarkan hasil analisis regresi diperoleh bahwa variabel Sales memiliki pengaruh terhadap profit. Nilai koefisien regresi yang positif menunjukkan bahwa setiap peningkatan pada Sales akan diikuti peningkatan Profit.