TUGAS 1 WEEK 5

df_customer <- read.csv("df_customer.csv")
head(df_customer)

##   X ID_Pelanggan Jenis_Kelamin Tempat_Tinggal Penghasilan Total_Belanja
## 1 1      ID00031     Laki-laki           Desa     2227350       2563031
## 2 2      ID00079     Perempuan           Kota     9047608       8369550
## 3 3      ID00051     Perempuan           Kota     9735540       8053033
## 4 4      ID00014     Laki-laki           Kota    13510126       9799876
## 5 5      ID00067     Perempuan           Desa     7773498       6982081
## 6 6      ID00042     Laki-laki           Desa     6666740       4782002

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

#1. Siapa pelanggan yang paling sering membeli dengan total belanja lebih dari 5000000
q1 <- df_customer %>% 
  filter(Total_Belanja > 5000000) %>%
  count(ID_Pelanggan, sort = T) %>%
  slice_head(n=4)
q1

##   ID_Pelanggan n
## 1      ID00007 7
## 2      ID00025 7
## 3      ID00026 6
## 4      ID00089 6

#2. Ada berapa banyak perempuan di kota yang berbelanja lebih dari 5x
q2 <- sum(table(subset(df_customer, 
                 Tempat_Tinggal == "Kota" & 
                   Jenis_Kelamin == "Perempuan")
          $ID_Pelanggan)>5)
q2

## [1] 0

#3. Siapa pelanggan yang paling sering membeli dengan penghasilan lebih dari 5000000
q3 <- df_customer %>%
  filter(Penghasilan >5000000 ) %>%
  count(ID_Pelanggan, sort = T) %>%
  slice_head(n=1)
q3

##   ID_Pelanggan n
## 1      ID00007 9

#4. Berjenis kelamin apa pelanggan yang tinggal di desa namun memiliki total belanja yang lebih dari 5000000
q4 <-df_customer %>%
  filter(Tempat_Tinggal == "Desa",
         Total_Belanja >5000000) %>%
  count(Jenis_Kelamin)
q4

##   Jenis_Kelamin  n
## 1     Laki-laki 10
## 2     Perempuan 37

#5. Berpenghasilan berapa pelanggan yang tinggal di desa namun memiliki total belanja lebih dari 5000000
q5 <- df_customer %>%
  filter(Tempat_Tinggal == "Desa",
         Total_Belanja > 5000000) %>%
  select(ID_Pelanggan, Penghasilan) %>%
  head(5)
q5

##   ID_Pelanggan Penghasilan
## 1      ID00067     7773498
## 2      ID00014     6776730
## 3      ID00027     8108645
## 4      ID00089     9032981
## 5      ID00034     5616450