Tugas 1

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

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

##Q1 : Pelanggan yang paling sering membeli dengan total belanja lebih dari Rp5.000.000

q1 <- data %>%
  filter(Total_Belanja > 5000000) %>%
  count(ID_Pelanggan) %>%
  arrange(n)

print(head(q1))

##   ID_Pelanggan n
## 1      ID00001 1
## 2      ID00005 1
## 3      ID00011 1
## 4      ID00012 1
## 5      ID00015 1
## 6      ID00018 1

##Q2 : Jumlah perempuan di kota yang berbelanja > 5x

q2 <- data %>%
  group_by(ID_Pelanggan, Jenis_Kelamin, Tempat_Tinggal) %>%
  summarise(Frekuensi = n(), .groups = "drop") %>%
  filter(Jenis_Kelamin == "Perempuan" & Tempat_Tinggal == "Kota", Frekuensi > 5)

print(paste("Jumlah perempuan di kota yang berbelanja > 5x:", nrow(q2)))

## [1] "Jumlah perempuan di kota yang berbelanja > 5x: 0"

print(q2)

## # A tibble: 0 × 4
## # ℹ 4 variables: ID_Pelanggan <chr>, Jenis_Kelamin <chr>, Tempat_Tinggal <chr>,
## #   Frekuensi <int>

##Q3 : Pelanggan yang paling sering membeli dengan penghasilan > 5.000.000

q3 <- data %>%
  filter(Penghasilan > 5000000) %>%
  count(ID_Pelanggan, sort = TRUE)

print(head(q3))

##   ID_Pelanggan n
## 1      ID00007 9
## 2      ID00025 7
## 3      ID00093 7
## 4      ID00026 6
## 5      ID00089 6
## 6      ID00009 5

##Q4 : Jenis kelamin pelanggan di desa dengan total belanja > 5.000.000

q4 <- data %>%
  filter(Tempat_Tinggal == "Desa" & Total_Belanja > 5000000) %>%
  count(Jenis_Kelamin, sort = TRUE)

print(q4)

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

##Q5 : Berpenghasilan berapa pelanggan di desa dengan total belanja > 5.000.000

q5 <- data %>%
  filter(Tempat_Tinggal == "Desa" & Total_Belanja > 5000000) %>%
  count(Penghasilan, sort = TRUE)

print(q5)

##    Penghasilan n
## 1      3157783 1
## 2      3373098 1
## 3      3726214 1
## 4      4481204 1
## 5      4626369 1
## 6      4849165 1
## 7      5455465 1
## 8      5575699 1
## 9      5616450 1
## 10     5671820 1
## 11     5809025 1
## 12     5940612 1
## 13     5947963 1
## 14     6005712 1
## 15     6093467 1
## 16     6128487 1
## 17     6193172 1
## 18     6455085 1
## 19     6467267 1
## 20     6499451 1
## 21     6533837 1
## 22     6571179 1
## 23     6776730 1
## 24     6856664 1
## 25     6915574 1
## 26     6928182 1
## 27     6940985 1
## 28     7028460 1
## 29     7082568 1
## 30     7212261 1
## 31     7651846 1
## 32     7773498 1
## 33     7822419 1
## 34     8032910 1
## 35     8108645 1
## 36     8141032 1
## 37     8635642 1
## 38     9024791 1
## 39     9032981 1
## 40     9231091 1
## 41     9310352 1
## 42     9331982 1
## 43     9498495 1
## 44     9657061 1
## 45     9810087 1
## 46    10832415 1
## 47    11664452 1