Tugas Minggu Ke5

1.Siapa pelanggan yang paling sering membeli dengan total belanja lebih dari 5000000

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

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

q1 <- df %>%
  filter(Total_Belanja > 5000000) %>%
  group_by(ID_Pelanggan) %>%
  summarise(Jumlah_Transaksi = n()) %>%
  filter(Jumlah_Transaksi == max(Jumlah_Transaksi))

q1

## # A tibble: 2 × 2
##   ID_Pelanggan Jumlah_Transaksi
##   <chr>                   <int>
## 1 ID00007                     7
## 2 ID00025                     7

2.Ada berapa banyak perempuan di kota yang berbelanja lebih dari 5x

q2 <- df %>%
  filter(Jenis_Kelamin == "Perempuan", Tempat_Tinggal == "Kota") %>%
  group_by(ID_Pelanggan) %>%
  summarise(Jumlah_Transaksi = n()) %>%
  filter(Jumlah_Transaksi > 5)

q2

## # A tibble: 0 × 2
## # ℹ 2 variables: ID_Pelanggan <chr>, Jumlah_Transaksi <int>

3.Siapa pelanggan yang paling sering membeli dengan penghasilan lebih dari 5000000

q3 <- df %>%
  filter(Penghasilan > 5000000) %>%
  group_by(ID_Pelanggan) %>%
  summarise(Jumlah_Transaksi = n()) %>%
  filter(Jumlah_Transaksi == max(Jumlah_Transaksi))

q3

## # A tibble: 1 × 2
##   ID_Pelanggan Jumlah_Transaksi
##   <chr>                   <int>
## 1 ID00007                     9

4.Berjenis kelamin apa pelanggan yang tinggal di desa namun memiliki total belanja yang lebih dari 5000000

q4 <- df %>%
  filter(Tempat_Tinggal == "Desa", Total_Belanja > 5000000) %>%
  group_by(Jenis_Kelamin) %>%
  summarise(Jumlah_Pelanggan = n())

q4

## # A tibble: 2 × 2
##   Jenis_Kelamin Jumlah_Pelanggan
##   <chr>                    <int>
## 1 Laki-laki                   10
## 2 Perempuan                   37

5.Berpenghasilan berapa pelanggan yang tinggal di desa namun memiliki total belanja lebih dari 5000000

q5 <- df %>%
  filter(Tempat_Tinggal == "Desa", Total_Belanja > 5000000) %>%
  select(ID_Pelanggan, Jenis_Kelamin, Penghasilan, Total_Belanja)

q5

##    ID_Pelanggan Jenis_Kelamin Penghasilan Total_Belanja
## 1       ID00067     Perempuan     7773498       6982081
## 2       ID00014     Perempuan     6776730       6315967
## 3       ID00027     Perempuan     8108645       6901502
## 4       ID00089     Laki-laki     9032981       5776859
## 5       ID00034     Perempuan     5616450       7064321
## 6       ID00013     Perempuan     4481204       5438461
## 7       ID00091     Perempuan     6128487       5990469
## 8       ID00038     Laki-laki     5947963       5094570
## 9       ID00041     Perempuan     9231091       8371463
## 10      ID00047     Perempuan     5940612       6172545
## 11      ID00095     Perempuan     8032910       6259431
## 12      ID00031     Perempuan     7822419       5581673
## 13      ID00022     Laki-laki     9331982       5602663
## 14      ID00096     Perempuan     7082568       5369782
## 15      ID00074     Laki-laki     9657061       7154243
## 16      ID00094     Perempuan     7651846       5983600
## 17      ID00016     Perempuan     5575699       5436492
## 18      ID00055     Perempuan     8635642       6262374
## 19      ID00075     Laki-laki     5809025       5002921
## 20      ID00090     Perempuan     6005712       5987338
## 21      ID00098     Perempuan     4849165       5535035
## 22      ID00048     Perempuan     4626369       5333229
## 23      ID00088     Perempuan     5455465       5826813
## 24      ID00067     Perempuan     6467267       6344949
## 25      ID00049     Perempuan     3157783       5695306
## 26      ID00055     Perempuan     6093467       6646206
## 27      ID00008     Perempuan     6193172       6100858
## 28      ID00072     Perempuan     9024791       6500860
## 29      ID00058     Perempuan     9310352       6514985
## 30      ID00026     Laki-laki     8141032       6663821
## 31      ID00052     Perempuan     6499451       6548809
## 32      ID00026     Laki-laki    10832415       7895296
## 33      ID00090     Perempuan    11664452       9796996
## 34      ID00073     Perempuan     6455085       5490472
## 35      ID00014     Perempuan     6571179       6229499
## 36      ID00006     Laki-laki     9498495       6134541
## 37      ID00091     Perempuan     5671820       6935452
## 38      ID00094     Perempuan     3726214       5043885
## 39      ID00031     Perempuan     6533837       6686485
## 40      ID00093     Perempuan     6856664       7140298
## 41      ID00057     Perempuan     7212261       5530567
## 42      ID00089     Perempuan     6928182       5259961
## 43      ID00066     Perempuan     3373098       5157567
## 44      ID00008     Perempuan     6940985       5052071
## 45      ID00063     Laki-laki     6915574       6201985
## 46      ID00097     Perempuan     7028460       5214133
## 47      ID00013     Laki-laki     9810087       5581775