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 4782002str(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 ...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 : 8630042 Median : 6552757
## Mean : 8656732 Mean : 6679163
## 3rd Qu.:10921107 3rd Qu.: 7895702
## Max. :16145151 Max. :11626302cekna <- colSums(is.na(df_customer))
cekna## X ID_Pelanggan Jenis_Kelamin Tempat_Tinggal Penghasilan
## 0 0 0 0 0
## Total_Belanja
## 0nrow(df_customer)## [1] 300unique(df_customer$ID_Pelanggan)## [1] "ID00031" "ID00079" "ID00051" "ID00014" "ID00067" "ID00042" "ID00050"
## [8] "ID00043" "ID00025" "ID00090" "ID00091" "ID00069" "ID00057" "ID00092"
## [15] "ID00009" "ID00093" "ID00099" "ID00072" "ID00026" "ID00007" "ID00083"
## [22] "ID00036" "ID00078" "ID00081" "ID00076" "ID00015" "ID00032" "ID00041"
## [29] "ID00074" "ID00023" "ID00027" "ID00060" "ID00053" "ID00096" "ID00038"
## [36] "ID00089" "ID00034" "ID00063" "ID00013" "ID00082" "ID00097" "ID00021"
## [43] "ID00047" "ID00095" "ID00016" "ID00094" "ID00006" "ID00086" "ID00039"
## [50] "ID00004" "ID00052" "ID00022" "ID00087" "ID00035" "ID00040" "ID00030"
## [57] "ID00012" "ID00064" "ID00071" "ID00085" "ID00037" "ID00008" "ID00098"
## [64] "ID00084" "ID00046" "ID00017" "ID00062" "ID00054" "ID00024" "ID00005"
## [71] "ID00070" "ID00055" "ID00075" "ID00048" "ID00077" "ID00056" "ID00068"
## [78] "ID00001" "ID00088" "ID00020" "ID00049" "ID00059" "ID00011" "ID00066"
## [85] "ID00044" "ID00045" "ID00033" "ID00010" "ID00058" "ID00061" "ID00029"
## [92] "ID00073" "ID00018" "ID00002"length(unique(df_customer$ID_Pelanggan))## [1] 94sort(table(df_customer$ID_Pelanggan), decreasing = TRUE) [1:4]##
## ID00007 ID00025 ID00089 ID00093
## 9 7 7 7aggregate(Penghasilan~ Jenis_Kelamin,data = df_customer,mean)## Jenis_Kelamin Penghasilan
## 1 Laki-laki 8880902
## 2 Perempuan 8505199aggregate(Total_Belanja~ Jenis_Kelamin, data= df_customer,mean)## Jenis_Kelamin Total_Belanja
## 1 Laki-laki 6034728
## 2 Perempuan 7114786aggregate(Penghasilan ~ Tempat_Tinggal,data= df_customer,mean)## Tempat_Tinggal Penghasilan
## 1 Desa 6249122
## 2 Kota 9878685aggregate(Total_Belanja~ Tempat_Tinggal, data = df_customer, mean)## Tempat_Tinggal Total_Belanja
## 1 Desa 5022231
## 2 Kota 7520118df_customer[order(-df_customer$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 10846012table(df_customer$Jenis_Kelamin)##
## Laki-laki Perempuan
## 121 179df_customer$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 98total_belanja_terbesar <- df_customer[order(-df_customer$Total_Belanja), c("Jenis_Kelamin", "Total_Belanja", "Tempat_Tinggal")] |> head(20)
total_belanja_terbesar## Jenis_Kelamin Total_Belanja Tempat_Tinggal
## 76 Perempuan 11626302 Kota
## 175 Perempuan 11527638 Kota
## 228 Perempuan 11031197 Kota
## 287 Perempuan 10984825 Kota
## 33 Perempuan 10846012 Kota
## 208 Perempuan 10739381 Kota
## 26 Perempuan 10641105 Kota
## 252 Laki-laki 10615150 Kota
## 204 Perempuan 10556216 Kota
## 72 Perempuan 10344433 Kota
## 101 Laki-laki 10241993 Kota
## 11 Perempuan 10137674 Kota
## 57 Perempuan 9945372 Kota
## 278 Perempuan 9928570 Kota
## 275 Laki-laki 9924147 Kota
## 167 Laki-laki 9890886 Kota
## 86 Perempuan 9872391 Kota
## 132 Perempuan 9817378 Kota
## 4 Laki-laki 9799876 Kota
## 224 Perempuan 9796996 Desafreq <- as.data.frame(table(df_customer$Jenis_Kelamin))
freq## Var1 Freq
## 1 Laki-laki 121
## 2 Perempuan 179##Siapa pelanggan yang paling sering membeli dengan total belanja lebih dari 5000000?
Soal1 <- subset(df_customer, Total_Belanja > 5000000)
sort(table(Soal1$ID_Pelanggan), decreasing = TRUE)[1:3]##
## ID00007 ID00025 ID00026
## 7 7 6##Jadi pelanggan yang paling sering beli dengan total belanja lebih dari 5000000 adalah pelanggan dengan ID; ID00007,ID00025, ID00026.
##Ada berapa banyak perempuan di kota yang berbelanja lebih dari 5 kali?
Soal2 <- subset(df_customer, Jenis_Kelamin == "Perempuan" & Tempat_Tinggal == "Kota")
Soal2## X ID_Pelanggan Jenis_Kelamin Tempat_Tinggal Penghasilan Total_Belanja
## 2 2 ID00079 Perempuan Kota 9047608 8369550
## 3 3 ID00051 Perempuan Kota 9735540 8053033
## 11 11 ID00090 Perempuan Kota 10910287 10137674
## 12 12 ID00091 Perempuan Kota 11380394 9275845
## 13 13 ID00069 Perempuan Kota 8495268 6582132
## 14 14 ID00091 Perempuan Kota 7515754 6841960
## 16 16 ID00092 Perempuan Kota 11877653 7720654
## 19 19 ID00099 Perempuan Kota 7760130 9141069
## 20 20 ID00072 Perempuan Kota 4823122 7627379
## 21 21 ID00026 Perempuan Kota 10375300 8232816
## 22 22 ID00007 Perempuan Kota 9801971 6448525
## 23 23 ID00042 Perempuan Kota 9756577 7798760
## 26 26 ID00036 Perempuan Kota 10513994 10641105
## 29 29 ID00043 Perempuan Kota 9670493 6226134
## 30 30 ID00076 Perempuan Kota 10775042 8595100
## 32 32 ID00032 Perempuan Kota 9539228 7884152
## 33 33 ID00007 Perempuan Kota 12418168 10846012
## 35 35 ID00041 Perempuan Kota 8253948 5228866
## 39 39 ID00060 Perempuan Kota 13091690 8558413
## 40 40 ID00053 Perempuan Kota 10347745 8582735
## 42 42 ID00053 Perempuan Kota 8603858 9466583
## 44 44 ID00096 Perempuan Kota 8734166 6911517
## 45 45 ID00038 Perempuan Kota 6448586 6084854
## 52 52 ID00063 Perempuan Kota 9494398 6261498
## 57 57 ID00025 Perempuan Kota 12165915 9945372
## 59 59 ID00021 Perempuan Kota 7003444 7714018
## 63 63 ID00090 Perempuan Kota 12112261 7826544
## 64 64 ID00060 Perempuan Kota 8044495 9758749
## 66 66 ID00016 Perempuan Kota 10624562 7515644
## 68 68 ID00006 Perempuan Kota 6352573 7566649
## 72 72 ID00039 Perempuan Kota 8426053 10344433
## 75 75 ID00050 Perempuan Kota 7281048 9201734
## 76 76 ID00034 Perempuan Kota 13710077 11626302
## 77 77 ID00004 Perempuan Kota 7034484 7187773
## 78 78 ID00013 Perempuan Kota 10252698 7946382
## 79 79 ID00069 Perempuan Kota 11332473 8784311
## 83 83 ID00089 Perempuan Kota 12403160 6556704
## 84 84 ID00032 Perempuan Kota 6358835 7640093
## 86 86 ID00087 Perempuan Kota 10801006 9872391
## 87 87 ID00035 Perempuan Kota 8888045 8307214
## 88 88 ID00040 Perempuan Kota 13425010 6745396
## 89 89 ID00030 Perempuan Kota 11683135 7896921
## 90 90 ID00012 Perempuan Kota 10180417 8098488
## 91 91 ID00031 Perempuan Kota 6230607 5581822
## 100 100 ID00023 Perempuan Kota 8041211 6033115
## 102 102 ID00085 Perempuan Kota 6708724 4672343
## 103 103 ID00037 Perempuan Kota 2975563 5952935
## 105 105 ID00051 Perempuan Kota 12101350 7261072
## 107 107 ID00050 Perempuan Kota 11260316 9080252
## 110 110 ID00086 Perempuan Kota 5146204 6339596
## 111 111 ID00076 Perempuan Kota 12952952 8931677
## 113 113 ID00046 Perempuan Kota 12685031 9689403
## 116 116 ID00046 Perempuan Kota 6209831 8578249
## 117 117 ID00054 Perempuan Kota 11975963 7476936
## 121 121 ID00024 Perempuan Kota 9250594 5654997
## 122 122 ID00087 Perempuan Kota 7877347 8768903
## 125 125 ID00079 Perempuan Kota 14218974 8492008
## 126 126 ID00023 Perempuan Kota 9959994 9531823
## 127 127 ID00026 Perempuan Kota 12687363 8161496
## 128 128 ID00032 Perempuan Kota 3495751 6122424
## 129 129 ID00007 Perempuan Kota 8867005 6921826
## 131 131 ID00042 Perempuan Kota 6942685 6678890
## 132 132 ID00005 Perempuan Kota 13866523 9817378
## 135 135 ID00024 Perempuan Kota 12116091 9144955
## 140 140 ID00036 Perempuan Kota 7341255 7942215
## 141 141 ID00083 Perempuan Kota 6529877 6741328
## 143 143 ID00039 Perempuan Kota 8303742 7622355
## 146 146 ID00009 Perempuan Kota 10775576 6390543
## 147 147 ID00071 Perempuan Kota 6615414 7121152
## 152 152 ID00056 Perempuan Kota 8767656 6314093
## 157 157 ID00030 Perempuan Kota 9010505 7512473
## 163 163 ID00075 Perempuan Kota 5153738 7365112
## 164 164 ID00048 Perempuan Kota 10267976 9695153
## 168 168 ID00036 Perempuan Kota 7929564 8895365
## 174 174 ID00084 Perempuan Kota 13451286 8951249
## 175 175 ID00011 Perempuan Kota 14915620 11527638
## 179 179 ID00085 Perempuan Kota 10513903 9009507
## 180 180 ID00066 Perempuan Kota 9611637 5731064
## 182 182 ID00046 Perempuan Kota 12526695 9516174
## 183 183 ID00070 Perempuan Kota 8705044 6805522
## 185 185 ID00044 Perempuan Kota 10994606 6527872
## 188 188 ID00045 Perempuan Kota 5095731 6730077
## 191 191 ID00087 Perempuan Kota 7865941 7760180
## 193 193 ID00040 Perempuan Kota 10955763 8798502
## 195 195 ID00010 Perempuan Kota 8181541 6899791
## 198 198 ID00082 Perempuan Kota 8963528 6194282
## 201 201 ID00007 Perempuan Kota 9196688 7780053
## 204 204 ID00074 Perempuan Kota 12967967 10556216
## 208 208 ID00023 Perempuan Kota 16145151 10739381
## 211 211 ID00057 Perempuan Kota 11051435 9287318
## 214 214 ID00053 Perempuan Kota 6148894 7299584
## 215 215 ID00054 Perempuan Kota 8267263 6329024
## 218 218 ID00025 Perempuan Kota 11474957 7379123
## 221 221 ID00007 Perempuan Kota 10565812 7655665
## 222 222 ID00025 Perempuan Kota 11870203 7994421
## 228 228 ID00057 Perempuan Kota 12812680 11031197
## 234 234 ID00001 Perempuan Kota 5679239 6288533
## 236 236 ID00058 Perempuan Kota 6176724 7808366
## 239 239 ID00026 Perempuan Kota 11409668 8922412
## 244 244 ID00026 Perempuan Kota 12202947 8604458
## 251 251 ID00017 Perempuan Kota 9811842 5988984
## 253 253 ID00037 Perempuan Kota 11779005 6931584
## 260 260 ID00004 Perempuan Kota 8793308 6476914
## 264 264 ID00025 Perempuan Kota 9725724 9710543
## 268 268 ID00085 Perempuan Kota 9699015 5411875
## 269 269 ID00045 Perempuan Kota 12532086 7825427
## 272 272 ID00031 Perempuan Kota 9510277 6699765
## 273 273 ID00006 Perempuan Kota 11349477 8268965
## 278 278 ID00045 Perempuan Kota 12419648 9928570
## 282 282 ID00053 Perempuan Kota 13719595 9589712
## 283 283 ID00063 Perempuan Kota 5830180 8500700
## 284 284 ID00071 Perempuan Kota 8907925 7616089
## 287 287 ID00093 Perempuan Kota 10699070 10984825
## 290 290 ID00002 Perempuan Kota 9303865 7097745
## 292 292 ID00002 Perempuan Kota 9302320 6090917
## 294 294 ID00024 Perempuan Kota 12261089 7804955
## 296 296 ID00067 Perempuan Kota 7058270 6462534
## 298 298 ID00002 Perempuan Kota 8517507 8895933
## 299 299 ID00037 Perempuan Kota 11993451 6719412
## 300 300 ID00063 Perempuan Kota 5104487 8211115
## Kategori_Penghasilan
## 2 Menengah
## 3 Menengah
## 11 Tinggi
## 12 Tinggi
## 13 Menengah
## 14 Menengah
## 16 Tinggi
## 19 Menengah
## 20 Rendah
## 21 Tinggi
## 22 Menengah
## 23 Menengah
## 26 Tinggi
## 29 Menengah
## 30 Tinggi
## 32 Menengah
## 33 Tinggi
## 35 Menengah
## 39 Tinggi
## 40 Tinggi
## 42 Menengah
## 44 Menengah
## 45 Menengah
## 52 Menengah
## 57 Tinggi
## 59 Menengah
## 63 Tinggi
## 64 Menengah
## 66 Tinggi
## 68 Menengah
## 72 Menengah
## 75 Menengah
## 76 Tinggi
## 77 Menengah
## 78 Tinggi
## 79 Tinggi
## 83 Tinggi
## 84 Menengah
## 86 Tinggi
## 87 Menengah
## 88 Tinggi
## 89 Tinggi
## 90 Tinggi
## 91 Menengah
## 100 Menengah
## 102 Menengah
## 103 Rendah
## 105 Tinggi
## 107 Tinggi
## 110 Menengah
## 111 Tinggi
## 113 Tinggi
## 116 Menengah
## 117 Tinggi
## 121 Menengah
## 122 Menengah
## 125 Tinggi
## 126 Menengah
## 127 Tinggi
## 128 Rendah
## 129 Menengah
## 131 Menengah
## 132 Tinggi
## 135 Tinggi
## 140 Menengah
## 141 Menengah
## 143 Menengah
## 146 Tinggi
## 147 Menengah
## 152 Menengah
## 157 Menengah
## 163 Menengah
## 164 Tinggi
## 168 Menengah
## 174 Tinggi
## 175 Tinggi
## 179 Tinggi
## 180 Menengah
## 182 Tinggi
## 183 Menengah
## 185 Tinggi
## 188 Menengah
## 191 Menengah
## 193 Tinggi
## 195 Menengah
## 198 Menengah
## 201 Menengah
## 204 Tinggi
## 208 Tinggi
## 211 Tinggi
## 214 Menengah
## 215 Menengah
## 218 Tinggi
## 221 Tinggi
## 222 Tinggi
## 228 Tinggi
## 234 Menengah
## 236 Menengah
## 239 Tinggi
## 244 Tinggi
## 251 Menengah
## 253 Tinggi
## 260 Menengah
## 264 Menengah
## 268 Menengah
## 269 Tinggi
## 272 Menengah
## 273 Tinggi
## 278 Tinggi
## 282 Tinggi
## 283 Menengah
## 284 Menengah
## 287 Tinggi
## 290 Menengah
## 292 Menengah
## 294 Tinggi
## 296 Menengah
## 298 Menengah
## 299 Tinggi
## 300 Menengahfreq2 <- table(Soal2$ID_Pelanggan)
freq2##
## ID00001 ID00002 ID00004 ID00005 ID00006 ID00007 ID00009 ID00010 ID00011 ID00012
## 1 3 2 1 2 5 1 1 1 1
## ID00013 ID00016 ID00017 ID00021 ID00023 ID00024 ID00025 ID00026 ID00030 ID00031
## 1 1 1 1 3 3 4 4 2 2
## ID00032 ID00034 ID00035 ID00036 ID00037 ID00038 ID00039 ID00040 ID00041 ID00042
## 3 1 1 3 3 1 2 2 1 2
## ID00043 ID00044 ID00045 ID00046 ID00048 ID00050 ID00051 ID00053 ID00054 ID00056
## 1 1 3 3 1 2 2 4 2 1
## ID00057 ID00058 ID00060 ID00063 ID00066 ID00067 ID00069 ID00070 ID00071 ID00072
## 2 1 2 3 1 1 2 1 2 1
## ID00074 ID00075 ID00076 ID00079 ID00082 ID00083 ID00084 ID00085 ID00086 ID00087
## 1 1 2 2 1 1 1 3 1 3
## ID00089 ID00090 ID00091 ID00092 ID00093 ID00096 ID00099
## 1 2 2 1 1 1 1freq2[freq2 > 5]## named integer(0)sum(freq2 > 5)## [1] 0##Jadi banyak perempuan di kota yang berbelanja lebih dari 5 kali ada 0 (tidak ada).
##Siapa pelanggan yang sering membeli dengan penghasilan lebih dari 5000000?
Soal3 <- subset(df_customer, Penghasilan > 5000000)
sort(table(Soal3$ID_Pelanggan), decreasing = TRUE)[1:3]##
## ID00007 ID00025 ID00093
## 9 7 7##Jadi pelanggan yang sering membeli dengan penghasilan lebih dari 5000000 adalah pelanggan dengan ID ID00007.
##Berjenis kelamin apa pelanggan yang tinggal di desa namun memiliki total belanja lebih dari 5000000?
Soal4 <- subset(df_customer, Tempat_Tinggal == "Desa" & Total_Belanja > 5000000)
table(Soal4$Jenis_Kelamin)##
## Laki-laki Perempuan
## 10 37##Jadi terdapat perempuan dan laki-laki yang memenuhi kondisi tersebut.
##Berpenghasilan berapa pelanggan yang tinggal di desa namun memiliki total belanja yang lebih dari 5000000?
Soal5 <- subset(df_customer, Tempat_Tinggal == "Desa" & Total_Belanja > 5000000)
Soal5[, c("ID_Pelanggan", "Penghasilan", "Tempat_Tinggal")]## ID_Pelanggan Penghasilan Tempat_Tinggal
## 5 ID00067 7773498 Desa
## 9 ID00014 6776730 Desa
## 43 ID00027 8108645 Desa
## 46 ID00089 9032981 Desa
## 47 ID00034 5616450 Desa
## 53 ID00013 4481204 Desa
## 56 ID00091 6128487 Desa
## 58 ID00038 5947963 Desa
## 61 ID00041 9231091 Desa
## 62 ID00047 5940612 Desa
## 65 ID00095 8032910 Desa
## 73 ID00031 7822419 Desa
## 82 ID00022 9331982 Desa
## 97 ID00096 7082568 Desa
## 106 ID00074 9657061 Desa
## 119 ID00094 7651846 Desa
## 134 ID00016 5575699 Desa
## 138 ID00055 8635642 Desa
## 139 ID00075 5809025 Desa
## 145 ID00090 6005712 Desa
## 148 ID00098 4849165 Desa
## 149 ID00048 4626369 Desa
## 161 ID00088 5455465 Desa
## 166 ID00067 6467267 Desa
## 171 ID00049 3157783 Desa
## 176 ID00055 6093467 Desa
## 177 ID00008 6193172 Desa
## 197 ID00072 9024791 Desa
## 202 ID00058 9310352 Desa
## 209 ID00026 8141032 Desa
## 219 ID00052 6499451 Desa
## 220 ID00026 10832415 Desa
## 224 ID00090 11664452 Desa
## 229 ID00073 6455085 Desa
## 231 ID00014 6571179 Desa
## 232 ID00006 9498495 Desa
## 233 ID00091 5671820 Desa
## 248 ID00094 3726214 Desa
## 249 ID00031 6533837 Desa
## 250 ID00093 6856664 Desa
## 254 ID00057 7212261 Desa
## 257 ID00089 6928182 Desa
## 259 ID00066 3373098 Desa
## 265 ID00008 6940985 Desa
## 280 ID00063 6915574 Desa
## 289 ID00097 7028460 Desa
## 293 ID00013 9810087 Desa##Terdapat 47 pelanggan yang memiliki total belanja lebih dari 5000000.