Nilai NA (Not Available) dalam R muncul ketika suatu nilai tidak tersedia atau tidak bisa dihitung. Pada kasus ini, munculnya NA di ketiga kolom bukan berarti kodenya salah, tapi memang begitulah cara kerja fungsi-fungsi transformasi temporal yang digunakan.

Sebelum masuk ke penjelasan tiap kolom, berikut konteks kode yang relevan dengan munculnya NA:

• arrange(Customer_ID, Transaction_Date) — Mengurutkan data berdasarkan Customer_ID lalu Transaction_Date, hal ini penting karena fungsi lag() dan rollapply() sangat bergantung pada urutan baris. Jika urutan salah, nilai NA bisa muncul di posisi yang tidak tepat.
• group_by(Customer_ID) — Mengelompokkan per customer. Inilah penyebab utama NA muncul di baris pertama setiap customer, karena setiap grup selalu mulai dari awal tanpa riwayat data sebelumnya.

a. Definisi Operasi

Kolom Diff_Quantity berisi hasil pengurangan antara nilai Quantity saat ini dengan Lag_Quantity atau Quantity baris sebelumnya. Kolom ini digunakan untuk melihat selisih perubahan antar transaksi yang berurutan pada customer yang sama.

Hukum Propagasi NA dalam R:
angka + NA = NA
angka - NA = NA
angka * NA = NA

Contoh: 5 - NA = NA | 10 - NA = NA

b. Alur Terjadinya NA

Karena Lag_Quantity di baris pertama setiap Customer_ID bernilai NA, maka Quantity - NA otomatis menghasilkan NA juga. Diff_Quantity tidak bisa dihitung karena salah satu nilainya yaitu Lag_Quantity tidak tersedia.

a. Definisi Fungsi rollapply()

Fungsi zoo::rollapply() menerapkan suatu fungsi pada window atau jendela data yang bergerak dengan lebar tertentu. Dalam kasus ini fungsi yang dipakai adalah mean, sehingga menghasilkan Rolling Mean yaitu rata-rata dari sejumlah n data terakhir yang terus bergerak seiring berjalannya waktu.

Parameter Penting dalam Kode:
width = 3  # Jendela data yang digunakan berjumlah 3 baris berturut-turut
FUN = mean  # Fungsi yang diterapkan adalah rata-rata aritmatika
fill = NA  # Posisi yang tidak dapat dihitung diisi dengan nilai NA
align = ‘right’  # Window dihitung dari sisi kanan (data saat ini + 2 sebelumnya)

b. Mekanisme Rolling Window

Dengan align=‘right’ dan width=3, fungsi ini butuh data dari baris sekarang dan dua baris sebelumnya untuk bisa melakukan perhitungan. Kalau datanya belum cukup, nilainya akan diisi NA sesuai parameter fill=NA yang sudah diset di kode.

Keterangan: Warna kuning = NA (belum tersedia cukup data) | Warna hijau = berhasil dihitung

c. Pengaruh group_by(Customer_ID)

Sama seperti lag(), fungsi rollapply() juga dipengaruhi oleh group_by(Customer_ID). Setiap customer punya urutannya sendiri, sehingga rolling window tidak bisa mengambil data dari customer lain. Akibatnya, 2 baris pertama setiap Customer_ID selalu menghasilkan NA.

Semua NA yang muncul pada ketiga kolom tersebut terjadi karena fungsi-fungsi temporal yang digunakan membutuhkan data historis sebelumnya, sementara pengelompokan per Customer_ID membuat setiap grup selalu mulai dari awal tanpa riwayat data apapun.

Log Transform adalah teknik transformasi data yang menggunakan fungsi logaritma untuk mengubah distribusi data yang miring (skewed) menjadi lebih mendekati distribusi normal. Teknik ini umum dipakai dalam data science untuk menangani data yang memiliki rentang nilai sangat lebar.

Fungsi ini menambahkan 1 ke nilai x terlebih dahulu sebelum menghitung logaritmanya.

Kenapa Pakai log1p dan Bukan log Biasa?

log1p lebih aman dari log biasa karena bisa menangani nilai 0 tanpa menghasilkan error -Inf. Selain itu, log1p juga lebih akurat secara numerik untuk nilai x yang sangat kecil (mendekati 0), karena log(1+x) biasa rentan kehilangan presisi akibat pembulatan floating point. Itulah mengapa log1p sering digunakan dalam transformasi data, terutama pada data bisnis seperti jumlah transaksi atau kuantitas barang yang bisa bernilai 0.

Mengapa ada Safe_Total_Price?

Safe_Total_Price = ifelse(Total_Price <= 0, min_positive, Total_Price)

Karena log tidak bisa menghitung nilai negatif atau nol (hasilnya NaN/error), maka:

• Jika Total_Price <= 0 → diganti dengan min_positive (nilai positif terkecil di dataset)
• Jika Total_Price > 0 → tetap pakai nilai aslinya

Baru setelah aman, dilakukan log transform: Log_Total_Price = log1p(Safe_Total_Price)

Mengapa perlu Log Transform?

Robust Scaling menggunakan median dan IQR (Interquartile Range) sebagai dasar perhitungannya, karena kedua ukuran tersebut tidak sensitif terhadap outlier. Nilai mean misalnya, akan langsung bergeser jika terdapat satu nilai ekstrem dalam data. Sementara median tetap stabil karena hanya mempertimbangkan posisi tengah data, bukan besaran nilainya.

Penjelasan Kode Per Baris

Interpretasi Hasil

Berdasarkan hasil analisis, kedua variabel yaitu Quantity dan Unit_Price berhasil ditransformasi menggunakan Robust Scaling. Setelah transformasi, nilai median menjadi 0 dan IQR menjadi 1 pada kedua variabel.

Keunggulan utama Robust Scaling terletak pada ketahanannya terhadap outlier. Hal ini karena metode ini menggunakan median dan IQR yang tidak mudah terpengaruh oleh nilai ekstrem, berbeda dengan mean dan standar deviasi yang digunakan pada metode lain.