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 4782002
#TUGAS
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
#1. Siapa pelanggan yang paling sering membeli dengan total belanja lebih dari 5000000
q1 <- df_customer %>%
filter(Total_Belanja > 5000000) %>%
count(ID_Pelanggan, sort = TRUE) %>%
slice_head(n = 6)
q1
## ID_Pelanggan n
## 1 ID00007 7
## 2 ID00025 7
## 3 ID00026 6
## 4 ID00089 6
## 5 ID00053 5
## 6 ID00079 5
#2. Ada berapa banyak perempuan di kota yang berbelanja lebih dari 5x?
q2 <- df_customer %>%
filter(
Jenis_Kelamin == "Perempuan",
Tempat_Tinggal == "Kota",
Total_Belanja > 5000000
)
q2
## X ID_Pelanggan Jenis_Kelamin Tempat_Tinggal Penghasilan Total_Belanja
## 1 2 ID00079 Perempuan Kota 9047608 8369550
## 2 3 ID00051 Perempuan Kota 9735540 8053033
## 3 11 ID00090 Perempuan Kota 10910287 10137674
## 4 12 ID00091 Perempuan Kota 11380394 9275845
## 5 13 ID00069 Perempuan Kota 8495268 6582132
## 6 14 ID00091 Perempuan Kota 7515754 6841960
## 7 16 ID00092 Perempuan Kota 11877653 7720654
## 8 19 ID00099 Perempuan Kota 7760130 9141069
## 9 20 ID00072 Perempuan Kota 4823122 7627379
## 10 21 ID00026 Perempuan Kota 10375300 8232816
## 11 22 ID00007 Perempuan Kota 9801971 6448525
## 12 23 ID00042 Perempuan Kota 9756577 7798760
## 13 26 ID00036 Perempuan Kota 10513994 10641105
## 14 29 ID00043 Perempuan Kota 9670493 6226134
## 15 30 ID00076 Perempuan Kota 10775042 8595100
## 16 32 ID00032 Perempuan Kota 9539228 7884152
## 17 33 ID00007 Perempuan Kota 12418168 10846012
## 18 35 ID00041 Perempuan Kota 8253948 5228866
## 19 39 ID00060 Perempuan Kota 13091690 8558413
## 20 40 ID00053 Perempuan Kota 10347745 8582735
## 21 42 ID00053 Perempuan Kota 8603858 9466583
## 22 44 ID00096 Perempuan Kota 8734166 6911517
## 23 45 ID00038 Perempuan Kota 6448586 6084854
## 24 52 ID00063 Perempuan Kota 9494398 6261498
## 25 57 ID00025 Perempuan Kota 12165915 9945372
## 26 59 ID00021 Perempuan Kota 7003444 7714018
## 27 63 ID00090 Perempuan Kota 12112261 7826544
## 28 64 ID00060 Perempuan Kota 8044495 9758749
## 29 66 ID00016 Perempuan Kota 10624562 7515644
## 30 68 ID00006 Perempuan Kota 6352573 7566649
## 31 72 ID00039 Perempuan Kota 8426053 10344433
## 32 75 ID00050 Perempuan Kota 7281048 9201734
## 33 76 ID00034 Perempuan Kota 13710077 11626302
## 34 77 ID00004 Perempuan Kota 7034484 7187773
## 35 78 ID00013 Perempuan Kota 10252698 7946382
## 36 79 ID00069 Perempuan Kota 11332473 8784311
## 37 83 ID00089 Perempuan Kota 12403160 6556704
## 38 84 ID00032 Perempuan Kota 6358835 7640093
## 39 86 ID00087 Perempuan Kota 10801006 9872391
## 40 87 ID00035 Perempuan Kota 8888045 8307214
## 41 88 ID00040 Perempuan Kota 13425010 6745396
## 42 89 ID00030 Perempuan Kota 11683135 7896921
## 43 90 ID00012 Perempuan Kota 10180417 8098488
## 44 91 ID00031 Perempuan Kota 6230607 5581822
## 45 100 ID00023 Perempuan Kota 8041211 6033115
## 46 103 ID00037 Perempuan Kota 2975563 5952935
## 47 105 ID00051 Perempuan Kota 12101350 7261072
## 48 107 ID00050 Perempuan Kota 11260316 9080252
## 49 110 ID00086 Perempuan Kota 5146204 6339596
## 50 111 ID00076 Perempuan Kota 12952952 8931677
## 51 113 ID00046 Perempuan Kota 12685031 9689403
## 52 116 ID00046 Perempuan Kota 6209831 8578249
## 53 117 ID00054 Perempuan Kota 11975963 7476936
## 54 121 ID00024 Perempuan Kota 9250594 5654997
## 55 122 ID00087 Perempuan Kota 7877347 8768903
## 56 125 ID00079 Perempuan Kota 14218974 8492008
## 57 126 ID00023 Perempuan Kota 9959994 9531823
## 58 127 ID00026 Perempuan Kota 12687363 8161496
## 59 128 ID00032 Perempuan Kota 3495751 6122424
## 60 129 ID00007 Perempuan Kota 8867005 6921826
## 61 131 ID00042 Perempuan Kota 6942685 6678890
## 62 132 ID00005 Perempuan Kota 13866523 9817378
## 63 135 ID00024 Perempuan Kota 12116091 9144955
## 64 140 ID00036 Perempuan Kota 7341255 7942215
## 65 141 ID00083 Perempuan Kota 6529877 6741328
## 66 143 ID00039 Perempuan Kota 8303742 7622355
## 67 146 ID00009 Perempuan Kota 10775576 6390543
## 68 147 ID00071 Perempuan Kota 6615414 7121152
## 69 152 ID00056 Perempuan Kota 8767656 6314093
## 70 157 ID00030 Perempuan Kota 9010505 7512473
## 71 163 ID00075 Perempuan Kota 5153738 7365112
## 72 164 ID00048 Perempuan Kota 10267976 9695153
## 73 168 ID00036 Perempuan Kota 7929564 8895365
## 74 174 ID00084 Perempuan Kota 13451286 8951249
## 75 175 ID00011 Perempuan Kota 14915620 11527638
## 76 179 ID00085 Perempuan Kota 10513903 9009507
## 77 180 ID00066 Perempuan Kota 9611637 5731064
## 78 182 ID00046 Perempuan Kota 12526695 9516174
## 79 183 ID00070 Perempuan Kota 8705044 6805522
## 80 185 ID00044 Perempuan Kota 10994606 6527872
## 81 188 ID00045 Perempuan Kota 5095731 6730077
## 82 191 ID00087 Perempuan Kota 7865941 7760180
## 83 193 ID00040 Perempuan Kota 10955763 8798502
## 84 195 ID00010 Perempuan Kota 8181541 6899791
## 85 198 ID00082 Perempuan Kota 8963528 6194282
## 86 201 ID00007 Perempuan Kota 9196688 7780053
## 87 204 ID00074 Perempuan Kota 12967967 10556216
## 88 208 ID00023 Perempuan Kota 16145151 10739381
## 89 211 ID00057 Perempuan Kota 11051435 9287318
## 90 214 ID00053 Perempuan Kota 6148894 7299584
## 91 215 ID00054 Perempuan Kota 8267263 6329024
## 92 218 ID00025 Perempuan Kota 11474957 7379123
## 93 221 ID00007 Perempuan Kota 10565812 7655665
## 94 222 ID00025 Perempuan Kota 11870203 7994421
## 95 228 ID00057 Perempuan Kota 12812680 11031197
## 96 234 ID00001 Perempuan Kota 5679239 6288533
## 97 236 ID00058 Perempuan Kota 6176724 7808366
## 98 239 ID00026 Perempuan Kota 11409668 8922412
## 99 244 ID00026 Perempuan Kota 12202947 8604458
## 100 251 ID00017 Perempuan Kota 9811842 5988984
## 101 253 ID00037 Perempuan Kota 11779005 6931584
## 102 260 ID00004 Perempuan Kota 8793308 6476914
## 103 264 ID00025 Perempuan Kota 9725724 9710543
## 104 268 ID00085 Perempuan Kota 9699015 5411875
## 105 269 ID00045 Perempuan Kota 12532086 7825427
## 106 272 ID00031 Perempuan Kota 9510277 6699765
## 107 273 ID00006 Perempuan Kota 11349477 8268965
## 108 278 ID00045 Perempuan Kota 12419648 9928570
## 109 282 ID00053 Perempuan Kota 13719595 9589712
## 110 283 ID00063 Perempuan Kota 5830180 8500700
## 111 284 ID00071 Perempuan Kota 8907925 7616089
## 112 287 ID00093 Perempuan Kota 10699070 10984825
## 113 290 ID00002 Perempuan Kota 9303865 7097745
## 114 292 ID00002 Perempuan Kota 9302320 6090917
## 115 294 ID00024 Perempuan Kota 12261089 7804955
## 116 296 ID00067 Perempuan Kota 7058270 6462534
## 117 298 ID00002 Perempuan Kota 8517507 8895933
## 118 299 ID00037 Perempuan Kota 11993451 6719412
## 119 300 ID00063 Perempuan Kota 5104487 8211115
#3. Siapa saja pelanggan yang paling sering membeli dengan penghasilan lebih dari 5000000?
q3 <- df_customer %>%
filter(Penghasilan > 5000000) %>%
arrange(desc(Total_Belanja)) %>%
select(ID_Pelanggan, Penghasilan, Total_Belanja) %>%
slice_head(n=6)
q3
## ID_Pelanggan Penghasilan Total_Belanja
## 1 ID00034 13710077 11626302
## 2 ID00011 14915620 11527638
## 3 ID00057 12812680 11031197
## 4 ID00093 10699070 10984825
## 5 ID00007 12418168 10846012
## 6 ID00023 16145151 10739381
#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
) %>%
count(Jenis_Kelamin)
q4
## Jenis_Kelamin n
## 1 Laki-laki 10
## 2 Perempuan 37
#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