tugas pengantar sains data
Aufa
2026-09-24
R Markdown
This is an R Markdown document. Markdown is a simple formatting syntax for authoring HTML, PDF, and MS Word documents. For more details on using R Markdown see http://rmarkdown.rstudio.com.
When you click the Knit button a document will be generated that includes both content as well as the output of any embedded R code chunks within the document. You can embed an R code chunk like this:
summary(cars)## speed dist
## Min. : 4.0 Min. : 2.00
## 1st Qu.:12.0 1st Qu.: 26.00
## Median :15.0 Median : 36.00
## Mean :15.4 Mean : 42.98
## 3rd Qu.:19.0 3rd Qu.: 56.00
## Max. :25.0 Max. :120.00Including Plots
You can also embed plots, for example:
Note that the echo = FALSE parameter was added to the
code chunk to prevent printing of the R code that generated the
plot.
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 4782002library(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- Siapa pelanggan yang paling sering membeli dengan total belanja lebih dari 5000000?
Q1 <- df_customer %>%
filter(Total_Belanja > 5000000) %>%
count(ID_Pelanggan, sort = TRUE)
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
## 11 ID00009 4
## 12 ID00016 4
## 13 ID00023 4
## 14 ID00024 4
## 15 ID00031 4
## 16 ID00032 4
## 17 ID00036 4
## 18 ID00057 4
## 19 ID00063 4
## 20 ID00067 4
## 21 ID00074 4
## 22 ID00087 4
## 23 ID00091 4
## 24 ID00002 3
## 25 ID00013 3
## 26 ID00014 3
## 27 ID00030 3
## 28 ID00035 3
## 29 ID00037 3
## 30 ID00039 3
## 31 ID00040 3
## 32 ID00042 3
## 33 ID00045 3
## 34 ID00046 3
## 35 ID00052 3
## 36 ID00055 3
## 37 ID00060 3
## 38 ID00069 3
## 39 ID00071 3
## 40 ID00072 3
## 41 ID00082 3
## 42 ID00085 3
## 43 ID00094 3
## 44 ID00004 2
## 45 ID00008 2
## 46 ID00010 2
## 47 ID00017 2
## 48 ID00021 2
## 49 ID00022 2
## 50 ID00033 2
## 51 ID00034 2
## 52 ID00038 2
## 53 ID00041 2
## 54 ID00048 2
## 55 ID00049 2
## 56 ID00050 2
## 57 ID00051 2
## 58 ID00054 2
## 59 ID00058 2
## 60 ID00066 2
## 61 ID00075 2
## 62 ID00076 2
## 63 ID00083 2
## 64 ID00086 2
## 65 ID00092 2
## 66 ID00096 2
## 67 ID00097 2
## 68 ID00001 1
## 69 ID00005 1
## 70 ID00011 1
## 71 ID00012 1
## 72 ID00015 1
## 73 ID00018 1
## 74 ID00027 1
## 75 ID00029 1
## 76 ID00043 1
## 77 ID00044 1
## 78 ID00047 1
## 79 ID00056 1
## 80 ID00059 1
## 81 ID00061 1
## 82 ID00064 1
## 83 ID00070 1
## 84 ID00073 1
## 85 ID00077 1
## 86 ID00078 1
## 87 ID00088 1
## 88 ID00095 1
## 89 ID00098 1
## 90 ID00099 1- Ada berapa banyak perempuan di kota yang berbelanja lebih dari 5x
Q2<-df_customer %>%
filter(Jenis_Kelamin == "Perempuan", Tempat_Tinggal == "Kota") %>%
count(ID_Pelanggan, sort = TRUE) %>%
filter(n>5)
Q2## [1] ID_Pelanggan n
## <0 rows> (or 0-length row.names)- Siapa pelanggan yang paling sering membeli dengan penghasilan lebih dari 5000000
Q3<-df_customer %>%
filter(Penghasilan > 5000000) %>%
count(ID_Pelanggan, sort = TRUE)
Q3## ID_Pelanggan n
## 1 ID00007 9
## 2 ID00025 7
## 3 ID00093 7
## 4 ID00026 6
## 5 ID00089 6
## 6 ID00009 5
## 7 ID00014 5
## 8 ID00023 5
## 9 ID00024 5
## 10 ID00053 5
## 11 ID00063 5
## 12 ID00074 5
## 13 ID00079 5
## 14 ID00084 5
## 15 ID00090 5
## 16 ID00006 4
## 17 ID00016 4
## 18 ID00031 4
## 19 ID00032 4
## 20 ID00036 4
## 21 ID00042 4
## 22 ID00046 4
## 23 ID00054 4
## 24 ID00057 4
## 25 ID00067 4
## 26 ID00071 4
## 27 ID00082 4
## 28 ID00085 4
## 29 ID00087 4
## 30 ID00091 4
## 31 ID00002 3
## 32 ID00008 3
## 33 ID00017 3
## 34 ID00030 3
## 35 ID00035 3
## 36 ID00039 3
## 37 ID00040 3
## 38 ID00045 3
## 39 ID00050 3
## 40 ID00052 3
## 41 ID00055 3
## 42 ID00060 3
## 43 ID00069 3
## 44 ID00076 3
## 45 ID00077 3
## 46 ID00083 3
## 47 ID00086 3
## 48 ID00094 3
## 49 ID00097 3
## 50 ID00001 2
## 51 ID00004 2
## 52 ID00005 2
## 53 ID00010 2
## 54 ID00013 2
## 55 ID00020 2
## 56 ID00021 2
## 57 ID00022 2
## 58 ID00027 2
## 59 ID00029 2
## 60 ID00034 2
## 61 ID00037 2
## 62 ID00038 2
## 63 ID00041 2
## 64 ID00043 2
## 65 ID00048 2
## 66 ID00049 2
## 67 ID00051 2
## 68 ID00058 2
## 69 ID00061 2
## 70 ID00064 2
## 71 ID00070 2
## 72 ID00072 2
## 73 ID00075 2
## 74 ID00081 2
## 75 ID00092 2
## 76 ID00096 2
## 77 ID00011 1
## 78 ID00012 1
## 79 ID00015 1
## 80 ID00018 1
## 81 ID00033 1
## 82 ID00044 1
## 83 ID00047 1
## 84 ID00056 1
## 85 ID00059 1
## 86 ID00062 1
## 87 ID00066 1
## 88 ID00068 1
## 89 ID00073 1
## 90 ID00078 1
## 91 ID00088 1
## 92 ID00095 1
## 93 ID00099 1- 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, sort = TRUE)
Q4## Jenis_Kelamin n
## 1 Perempuan 37
## 2 Laki-laki 105.Berpenghasilan berapa pelanggan yang tinggal di desa namun memiliki total belanja lebih dari 5000000?
Q5<-df_customer %>%
filter(Tempat_Tinggal == "Desa", Total_Belanja > 5000000) %>%
count(Penghasilan, sort = TRUE)
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```