#1. Import Data File CSV
#import data file csv
df_customer<-read.csv("~/Otak otak/df_customer.csv")
#menampilkan baris awal
head(df_customer,10)## 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
## 7 7 ID00050 Perempuan Desa 5658721 4286283
## 8 8 ID00043 Laki-laki Desa 7637656 4779797
## 9 9 ID00014 Perempuan Desa 6776730 6315967
## 10 10 ID00025 Laki-laki Kota 10412102 5106141#2. Struktur Data
# melihat struktur data
str(df_customer)## 'data.frame': 300 obs. of 6 variables:
## $ X : int 1 2 3 4 5 6 7 8 9 10 ...
## $ ID_Pelanggan : chr "ID00031" "ID00079" "ID00051" "ID00014" ...
## $ Jenis_Kelamin : chr "Laki-laki" "Perempuan" "Perempuan" "Laki-laki" ...
## $ Tempat_Tinggal: chr "Desa" "Kota" "Kota" "Kota" ...
## $ Penghasilan : int 2227350 9047608 9735540 13510126 7773498 6666740 5658721 7637656 6776730 10412102 ...
## $ Total_Belanja : int 2563031 8369550 8053033 9799876 6982081 4782002 4286283 4779797 6315967 5106141 ...#2a.Cek missing value
colSums(is.na(df_customer))## X ID_Pelanggan Jenis_Kelamin Tempat_Tinggal Penghasilan
## 0 0 0 0 0
## Total_Belanja
## 0#2b.Replace Missing Value
# Replace Missing Value
# Replace Missing Value
# Membuat contoh missing value
df_customer$Tempat_Tinggal[1] <- NA
df_customer$Penghasilan[2] <- NA
# Cek missing value
colSums(is.na(df_customer))## X ID_Pelanggan Jenis_Kelamin Tempat_Tinggal Penghasilan
## 0 0 0 1 1
## Total_Belanja
## 0# Replace missing value dengan median
df_customer$Penghasilan[is.na(df_customer$Penghasilan)] <-
median(df_customer$Penghasilan, na.rm = TRUE)
df_customer$Tempat_Tinggal[is.na(df_customer$Tempat_Tinggal)] <-
median(df_customer$Tempat_Tinggal, na.rm = TRUE)
# Cek kembali
colSums(is.na(df_customer))## X ID_Pelanggan Jenis_Kelamin Tempat_Tinggal Penghasilan
## 0 0 0 0 0
## Total_Belanja
## 0#2c.Ringkasan Data
# Melihat Summary Data
summary(df_customer)## X ID_Pelanggan Jenis_Kelamin Tempat_Tinggal
## Min. : 1.00 Length :300 Length :300 Length :300
## 1st Qu.: 75.75 N.unique : 94 N.unique : 2 N.unique : 2
## Median :150.50 N.blank : 0 N.blank : 0 N.blank : 0
## Mean :150.50 Min.nchar: 7 Min.nchar: 9 Min.nchar: 4
## 3rd Qu.:225.25 Max.nchar: 7 Max.nchar: 9 Max.nchar: 4
## Max. :300.00
## Penghasilan Total_Belanja
## Min. : 901314 Min. : 2534171
## 1st Qu.: 6426148 1st Qu.: 5360644
## Median : 8624441 Median : 6552757
## Mean : 8655322 Mean : 6679163
## 3rd Qu.:10921107 3rd Qu.: 7895702
## Max. :16145151 Max. :11626302#3.Menghitung Baris
#Gunakan nrow untuk mengetahui berapa banyak baris dalam data
nrow(df_customer)## [1] 300#4. Melihat Data yang Unique
#Gunakan Package dplyr untuk menjalanlankan program
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, unionunique(df_customer$ID_Pelanggan)## [1] "ID00031" "ID00079" "ID00051" "ID00014" "ID00067" "ID00042" "ID00050"
## [8] "ID00043" "ID00025" "ID00090" "ID00091" "ID00069" "ID00057" "ID00092"
## [15] "ID00009" "ID00093" "ID00099" "ID00072" "ID00026" "ID00007" "ID00083"
## [22] "ID00036" "ID00078" "ID00081" "ID00076" "ID00015" "ID00032" "ID00041"
## [29] "ID00074" "ID00023" "ID00027" "ID00060" "ID00053" "ID00096" "ID00038"
## [36] "ID00089" "ID00034" "ID00063" "ID00013" "ID00082" "ID00097" "ID00021"
## [43] "ID00047" "ID00095" "ID00016" "ID00094" "ID00006" "ID00086" "ID00039"
## [50] "ID00004" "ID00052" "ID00022" "ID00087" "ID00035" "ID00040" "ID00030"
## [57] "ID00012" "ID00064" "ID00071" "ID00085" "ID00037" "ID00008" "ID00098"
## [64] "ID00084" "ID00046" "ID00017" "ID00062" "ID00054" "ID00024" "ID00005"
## [71] "ID00070" "ID00055" "ID00075" "ID00048" "ID00077" "ID00056" "ID00068"
## [78] "ID00001" "ID00088" "ID00020" "ID00049" "ID00059" "ID00011" "ID00066"
## [85] "ID00044" "ID00045" "ID00033" "ID00010" "ID00058" "ID00061" "ID00029"
## [92] "ID00073" "ID00018" "ID00002"#5. Menghitung panjang data uniqe
# Menghitung panjang data uniqe
length(unique(df_customer$ID_Pelanggan))## [1] 94#6. Menghitung Siapa yang Paling Sering Berbelanja
#Menghitung Siapa yang Paling Sering Berbelanja
sort(table(df_customer$ID_Pelanggan), decreasing = TRUE)[5:80]##
## ID00026 ID00032 ID00009 ID00014 ID00023 ID00024 ID00031 ID00042 ID00053 ID00054
## 6 6 5 5 5 5 5 5 5 5
## ID00063 ID00072 ID00074 ID00079 ID00084 ID00090 ID00006 ID00016 ID00017 ID00027
## 5 5 5 5 5 5 4 4 4 4
## ID00036 ID00040 ID00046 ID00057 ID00067 ID00071 ID00082 ID00085 ID00087 ID00091
## 4 4 4 4 4 4 4 4 4 4
## ID00094 ID00002 ID00008 ID00013 ID00030 ID00033 ID00035 ID00037 ID00039 ID00041
## 4 3 3 3 3 3 3 3 3 3
## ID00045 ID00048 ID00049 ID00050 ID00052 ID00055 ID00060 ID00069 ID00076 ID00077
## 3 3 3 3 3 3 3 3 3 3
## ID00081 ID00083 ID00086 ID00097 ID00001 ID00004 ID00005 ID00010 ID00011 ID00020
## 3 3 3 3 2 2 2 2 2 2
## ID00021 ID00022 ID00029 ID00034 ID00038 ID00043 ID00051 ID00058 ID00061 ID00064
## 2 2 2 2 2 2 2 2 2 2
## ID00066 ID00070 ID00075 ID00092 ID00096 ID00098
## 2 2 2 2 2 2#7. Rata-rata pengahsilan pedagang melalui
#Rata-rata pengahsilan pedagang melalui
aggregate(Penghasilan ~ Jenis_Kelamin, data = df_customer, mean)## Jenis_Kelamin Penghasilan
## 1 Laki-laki 8880902
## 2 Perempuan 8502835#8. Rata-rata penghasilan pelanggan berdasarkan tempat tinggal (Kota vs Desa)
# Rata-rata penghasilan pelanggan berdasarkan tempat tinggal (Kota vs Desa)
aggregate(Penghasilan ~ Tempat_Tinggal, data = df_customer, mean)## Tempat_Tinggal Penghasilan
## 1 Desa 6289340
## 2 Kota 9838313#9. Rata-rata total belanja pelanggan berdasarkan tempat tinggal.
# Menghitung Rata-rata total belanja berdasarkan tempat tinggal
aggregate(Total_Belanja ~ Tempat_Tinggal, data = df_customer, mean)## Tempat_Tinggal Total_Belanja
## 1 Desa 5046823
## 2 Kota 7495332#10. Siapa 5 pelanggan dengan total belanja tertinggi?
# Pelanggan dengan total berlanja tertinggi
df_customer[order(-df_customer$Total_Belanja), c("ID_Pelanggan", "Total_Belanja")] |> head(5)## ID_Pelanggan Total_Belanja
## 76 ID00034 11626302
## 175 ID00011 11527638
## 228 ID00057 11031197
## 287 ID00093 10984825
## 33 ID00007 10846012#11. Distribusi jumlah transaksi berdasarkan jenis kelamin.
#Jumlah Transaksi Berdasarkan Kelamin
table(df_customer$Jenis_Kelamin)##
## Laki-laki Perempuan
## 121 179#12. Kategori Penghasilan
# Kategori Penghasilan
# Rendah (< 5 juta)
# Menengah (5–10 juta)
# Tinggi (> 10 juta)
# Lalu hitung distribusinya.
df_customer$Kategori_Penghasilan <- cut(df_customer$Penghasilan,
breaks = c(-Inf, 5000000, 10000000, Inf),
labels = c("Rendah", "Menengah", "Tinggi"))
table(df_customer$Kategori_Penghasilan)##
## Rendah Menengah Tinggi
## 27 175 98#1.Siapa pelanggan yang paling sering membeli dengan total belanja lebih dari 5000000
#Jawaban
Q1 <- df_customer %>%
filter(Total_Belanja > 5000000) %>%
count(ID_Pelanggan, sort = TRUE) %>%
slice_head(n = 10)
Q1## ID_Pelanggan n
## 1 ID00007 7
## 2 ID00025 7
## 3 ID00026 6
## 4 ID00089 6
## 5 ID00053 5
## 6 ID00079 5
## 7 ID00084 5
## 8 ID00090 5
## 9 ID00093 5
## 10 ID00006 4#2.Ada berapa banyak perempuan di kota yang berbelanja lebih dari 5x
Q2 <- df_customer %>%
filter(Jenis_Kelamin == "Perempuan",
Tempat_Tinggal == "Kota") %>%
count(ID_Pelanggan) %>%
filter(n > 5)
nrow(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 = TRUE) %>%
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) %>%
select(Jenis_Kelamin)
Q4## Jenis_Kelamin
## 1 Perempuan
## 2 Perempuan
## 3 Perempuan
## 4 Laki-laki
## 5 Perempuan
## 6 Perempuan
## 7 Perempuan
## 8 Laki-laki
## 9 Perempuan
## 10 Perempuan
## 11 Perempuan
## 12 Perempuan
## 13 Laki-laki
## 14 Perempuan
## 15 Laki-laki
## 16 Perempuan
## 17 Perempuan
## 18 Perempuan
## 19 Laki-laki
## 20 Perempuan
## 21 Perempuan
## 22 Perempuan
## 23 Perempuan
## 24 Perempuan
## 25 Perempuan
## 26 Perempuan
## 27 Perempuan
## 28 Perempuan
## 29 Perempuan
## 30 Laki-laki
## 31 Perempuan
## 32 Laki-laki
## 33 Perempuan
## 34 Perempuan
## 35 Perempuan
## 36 Laki-laki
## 37 Perempuan
## 38 Perempuan
## 39 Perempuan
## 40 Perempuan
## 41 Perempuan
## 42 Perempuan
## 43 Perempuan
## 44 Perempuan
## 45 Laki-laki
## 46 Perempuan
## 47 Laki-laki#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, Total_Belanja)
Q5## ID_Pelanggan Penghasilan Total_Belanja
## 1 ID00067 7773498 6982081
## 2 ID00014 6776730 6315967
## 3 ID00027 8108645 6901502
## 4 ID00089 9032981 5776859
## 5 ID00034 5616450 7064321
## 6 ID00013 4481204 5438461
## 7 ID00091 6128487 5990469
## 8 ID00038 5947963 5094570
## 9 ID00041 9231091 8371463
## 10 ID00047 5940612 6172545
## 11 ID00095 8032910 6259431
## 12 ID00031 7822419 5581673
## 13 ID00022 9331982 5602663
## 14 ID00096 7082568 5369782
## 15 ID00074 9657061 7154243
## 16 ID00094 7651846 5983600
## 17 ID00016 5575699 5436492
## 18 ID00055 8635642 6262374
## 19 ID00075 5809025 5002921
## 20 ID00090 6005712 5987338
## 21 ID00098 4849165 5535035
## 22 ID00048 4626369 5333229
## 23 ID00088 5455465 5826813
## 24 ID00067 6467267 6344949
## 25 ID00049 3157783 5695306
## 26 ID00055 6093467 6646206
## 27 ID00008 6193172 6100858
## 28 ID00072 9024791 6500860
## 29 ID00058 9310352 6514985
## 30 ID00026 8141032 6663821
## 31 ID00052 6499451 6548809
## 32 ID00026 10832415 7895296
## 33 ID00090 11664452 9796996
## 34 ID00073 6455085 5490472
## 35 ID00014 6571179 6229499
## 36 ID00006 9498495 6134541
## 37 ID00091 5671820 6935452
## 38 ID00094 3726214 5043885
## 39 ID00031 6533837 6686485
## 40 ID00093 6856664 7140298
## 41 ID00057 7212261 5530567
## 42 ID00089 6928182 5259961
## 43 ID00066 3373098 5157567
## 44 ID00008 6940985 5052071
## 45 ID00063 6915574 6201985
## 46 ID00097 7028460 5214133
## 47 ID00013 9810087 5581775