Data customer
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_customer <- read.csv("C:/Users/ACER/Downloads/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
Struktur data customer
str(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. :11626302
unique(df_customer$ID_Pelanggan)
## [1] "ID00031" "ID00079" "ID00051" "ID00014" "ID00067" "ID00042" "ID00050"
## [8] "ID00043" "ID00025" "ID00090" "ID00091" "ID00069" "ID00057" "ID00092"
## [15] "ID00009" "ID00093" "ID00099" "ID00072" "ID00026" "ID00007" "ID00083"
## [22] "ID00036" "ID00078" "ID00081" "ID00076" "ID00015" "ID00032" "ID00041"
## [29] "ID00074" "ID00023" "ID00027" "ID00060" "ID00053" "ID00096" "ID00038"
## [36] "ID00089" "ID00034" "ID00063" "ID00013" "ID00082" "ID00097" "ID00021"
## [43] "ID00047" "ID00095" "ID00016" "ID00094" "ID00006" "ID00086" "ID00039"
## [50] "ID00004" "ID00052" "ID00022" "ID00087" "ID00035" "ID00040" "ID00030"
## [57] "ID00012" "ID00064" "ID00071" "ID00085" "ID00037" "ID00008" "ID00098"
## [64] "ID00084" "ID00046" "ID00017" "ID00062" "ID00054" "ID00024" "ID00005"
## [71] "ID00070" "ID00055" "ID00075" "ID00048" "ID00077" "ID00056" "ID00068"
## [78] "ID00001" "ID00088" "ID00020" "ID00049" "ID00059" "ID00011" "ID00066"
## [85] "ID00044" "ID00045" "ID00033" "ID00010" "ID00058" "ID00061" "ID00029"
## [92] "ID00073" "ID00018" "ID00002"
Pelanggan paling sering belanja
sort(table(df_customer$ID_Pelanggan), decreasing = TRUE)[1:3]
##
## ID00007 ID00025 ID00089
## 9 7 7
Rata-rata penghasilan pelanggan berdasarkan jenis kelamin
aggregate(Penghasilan ~ Jenis_Kelamin, data = df_customer, mean)
## Jenis_Kelamin Penghasilan
## 1 Laki-laki 8880902
## 2 Perempuan 8505199
Rata-rata total belanja pelanggan berdasarkan jenis kelamin
aggregate(Total_Belanja ~ Jenis_Kelamin, data = df_customer, mean)
## Jenis_Kelamin Total_Belanja
## 1 Laki-laki 6034728
## 2 Perempuan 7114786
Rata-rata penghasilan pelanggan berdasarkan tempat tinggal (Kota vs
Desa)
aggregate(Penghasilan ~ Tempat_Tinggal, data = df_customer, mean)
## Tempat_Tinggal Penghasilan
## 1 Desa 6249122
## 2 Kota 9878685
Rata-rata total belanja pelanggan berdasarkan tempat tinggal
aggregate(Total_Belanja ~ Tempat_Tinggal, data = df_customer, mean)
## Tempat_Tinggal Total_Belanja
## 1 Desa 5022231
## 2 Kota 7520118
5 pelanggan dengan total belanja tertinggi
df_customer[order(-df_customer$Total_Belanja), c("ID_Pelanggan", "Total_Belanja")] |> head(5)
## ID_Pelanggan Total_Belanja
## 76 ID00034 11626302
## 175 ID00011 11527638
## 228 ID00057 11031197
## 287 ID00093 10984825
## 33 ID00007 10846012
Distribusi jumlah transaksi berdasarkan jenis kelamin
table(df_customer$Jenis_Kelamin)
##
## Laki-laki Perempuan
## 121 179
Kategori penghasilan
df_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 98
Pelanggan paling sering belanja di atas 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
Jumlah perempuan di kota yang belanja lebih dari 5 kali
df_customer %>%
add_count(ID_Pelanggan, name =
"Frekuensi_Belanja") %>%
filter(
Jenis_Kelamin == "Perempuan",
Tempat_Tinggal == "Kota",
Frekuensi_Belanja > 5
) %>%
distinct(ID_Pelanggan) %>%
nrow()
## [1] 6
Pelanggan yang paling sering membeli dengan penghasilan lebih dari
5000000
df_customer %>%
add_count(ID_Pelanggan, name =
"Frekuensi_Belanja") %>%
filter(Penghasilan > 5000000) %>%
distinct(ID_Pelanggan,
Penghasilan, Frekuensi_Belanja) %>%
arrange(desc(Frekuensi_Belanja))
## ID_Pelanggan Penghasilan Frekuensi_Belanja
## 1 ID00007 9801971 9
## 2 ID00007 12418168 9
## 3 ID00007 11025688 9
## 4 ID00007 9007424 9
## 5 ID00007 8867005 9
## 6 ID00007 7574267 9
## 7 ID00007 9196688 9
## 8 ID00007 10565812 9
## 9 ID00007 12465915 9
## 10 ID00025 10412102 7
## 11 ID00093 9762131 7
## 12 ID00089 9032981 7
## 13 ID00093 6567758 7
## 14 ID00025 12165915 7
## 15 ID00025 11466838 7
## 16 ID00089 12403160 7
## 17 ID00025 8045651 7
## 18 ID00093 8441927 7
## 19 ID00093 6956000 7
## 20 ID00089 15216794 7
## 21 ID00093 11201564 7
## 22 ID00089 7507903 7
## 23 ID00025 11474957 7
## 24 ID00025 11870203 7
## 25 ID00093 6856664 7
## 26 ID00089 6928182 7
## 27 ID00025 9725724 7
## 28 ID00089 9534698 7
## 29 ID00093 10699070 7
## 30 ID00026 10375300 6
## 31 ID00032 9539228 6
## 32 ID00032 6358835 6
## 33 ID00026 12687363 6
## 34 ID00032 6730038 6
## 35 ID00032 8624441 6
## 36 ID00026 8141032 6
## 37 ID00026 10832415 6
## 38 ID00026 11409668 6
## 39 ID00026 12202947 6
## 40 ID00079 9047608 5
## 41 ID00014 13510126 5
## 42 ID00042 6666740 5
## 43 ID00014 6776730 5
## 44 ID00090 10910287 5
## 45 ID00009 6227084 5
## 46 ID00042 9756577 5
## 47 ID00009 10540381 5
## 48 ID00009 9729300 5
## 49 ID00074 9310137 5
## 50 ID00023 5464587 5
## 51 ID00053 10347745 5
## 52 ID00053 8603858 5
## 53 ID00063 9494398 5
## 54 ID00079 11598730 5
## 55 ID00090 12112261 5
## 56 ID00072 9871755 5
## 57 ID00031 7822419 5
## 58 ID00031 6230607 5
## 59 ID00014 5629596 5
## 60 ID00023 8041211 5
## 61 ID00079 11457479 5
## 62 ID00074 9657061 5
## 63 ID00074 6482092 5
## 64 ID00084 14649777 5
## 65 ID00054 11975963 5
## 66 ID00079 6469936 5
## 67 ID00024 9250594 5
## 68 ID00079 14218974 5
## 69 ID00023 9959994 5
## 70 ID00042 6942685 5
## 71 ID00024 12116091 5
## 72 ID00054 5361071 5
## 73 ID00090 6005712 5
## 74 ID00009 10775576 5
## 75 ID00042 10301798 5
## 76 ID00084 13451286 5
## 77 ID00014 7200251 5
## 78 ID00072 9024791 5
## 79 ID00009 5835826 5
## 80 ID00074 12967967 5
## 81 ID00024 12979003 5
## 82 ID00063 5573386 5
## 83 ID00054 6626458 5
## 84 ID00023 16145151 5
## 85 ID00053 6148894 5
## 86 ID00054 8267263 5
## 87 ID00090 11664452 5
## 88 ID00084 9783215 5
## 89 ID00024 5577506 5
## 90 ID00023 9281648 5
## 91 ID00014 6571179 5
## 92 ID00090 11604575 5
## 93 ID00084 13498940 5
## 94 ID00031 6533837 5
## 95 ID00074 15936837 5
## 96 ID00031 9510277 5
## 97 ID00063 6915574 5
## 98 ID00053 9195269 5
## 99 ID00053 13719595 5
## 100 ID00063 5830180 5
## 101 ID00084 11143655 5
## 102 ID00024 12261089 5
## 103 ID00063 5104487 5
## 104 ID00067 7773498 4
## 105 ID00091 11380394 4
## 106 ID00091 7515754 4
## 107 ID00057 12566963 4
## 108 ID00036 10513994 4
## 109 ID00027 8108645 4
## 110 ID00082 8828251 4
## 111 ID00091 6128487 4
## 112 ID00016 10624562 4
## 113 ID00094 14129788 4
## 114 ID00006 6352573 4
## 115 ID00087 10801006 4
## 116 ID00040 13425010 4
## 117 ID00071 6914715 4
## 118 ID00067 10953565 4
## 119 ID00085 6708724 4
## 120 ID00046 12685031 4
## 121 ID00046 6209831 4
## 122 ID00094 7651846 4
## 123 ID00087 7877347 4
## 124 ID00016 5575699 4
## 125 ID00036 7341255 4
## 126 ID00071 6615414 4
## 127 ID00094 6207276 4
## 128 ID00016 9173638 4
## 129 ID00067 6467267 4
## 130 ID00036 7929564 4
## 131 ID00046 6139532 4
## 132 ID00085 10513903 4
## 133 ID00046 12526695 4
## 134 ID00036 10228168 4
## 135 ID00016 6680611 4
## 136 ID00087 7865941 4
## 137 ID00040 10955763 4
## 138 ID00040 12455283 4
## 139 ID00082 8963528 4
## 140 ID00057 11051435 4
## 141 ID00087 12652738 4
## 142 ID00057 12812680 4
## 143 ID00006 9498495 4
## 144 ID00091 5671820 4
## 145 ID00027 8830553 4
## 146 ID00085 8167865 4
## 147 ID00006 9859860 4
## 148 ID00017 9811842 4
## 149 ID00057 7212261 4
## 150 ID00085 9699015 4
## 151 ID00006 11349477 4
## 152 ID00071 11541139 4
## 153 ID00017 5675034 4
## 154 ID00071 8907925 4
## 155 ID00082 5955566 4
## 156 ID00017 14694660 4
## 157 ID00067 7058270 4
## 158 ID00082 7319584 4
## 159 ID00050 5658721 3
## 160 ID00069 8495268 3
## 161 ID00083 5844654 3
## 162 ID00081 7643014 3
## 163 ID00076 10775042 3
## 164 ID00041 8253948 3
## 165 ID00060 13091690 3
## 166 ID00069 12913133 3
## 167 ID00076 6112430 3
## 168 ID00097 11760418 3
## 169 ID00041 9231091 3
## 170 ID00060 8044495 3
## 171 ID00086 8682687 3
## 172 ID00086 6293417 3
## 173 ID00039 8426053 3
## 174 ID00081 6284917 3
## 175 ID00050 7281048 3
## 176 ID00013 10252698 3
## 177 ID00069 11332473 3
## 178 ID00052 9245633 3
## 179 ID00035 8888045 3
## 180 ID00030 11683135 3
## 181 ID00030 10065251 3
## 182 ID00008 7124083 3
## 183 ID00050 11260316 3
## 184 ID00086 5146204 3
## 185 ID00076 12952952 3
## 186 ID00035 9473165 3
## 187 ID00055 8635642 3
## 188 ID00083 6529877 3
## 189 ID00039 8303742 3
## 190 ID00077 12848491 3
## 191 ID00083 11590310 3
## 192 ID00039 7914529 3
## 193 ID00030 9010505 3
## 194 ID00048 10267976 3
## 195 ID00052 12550633 3
## 196 ID00055 6093467 3
## 197 ID00008 6193172 3
## 198 ID00077 5844922 3
## 199 ID00045 5095731 3
## 200 ID00033 8266739 3
## 201 ID00077 5735650 3
## 202 ID00052 6499451 3
## 203 ID00060 14346584 3
## 204 ID00037 11779005 3
## 205 ID00035 11661040 3
## 206 ID00097 6111530 3
## 207 ID00008 6940985 3
## 208 ID00055 10534895 3
## 209 ID00045 12532086 3
## 210 ID00048 5769746 3
## 211 ID00045 12419648 3
## 212 ID00097 7028460 3
## 213 ID00002 9303865 3
## 214 ID00049 11187279 3
## 215 ID00002 9302320 3
## 216 ID00013 9810087 3
## 217 ID00049 6461267 3
## 218 ID00002 8517507 3
## 219 ID00037 11993451 3
## 220 ID00051 9735540 2
## 221 ID00043 7637656 2
## 222 ID00092 11877653 2
## 223 ID00099 7760130 2
## 224 ID00043 9670493 2
## 225 ID00096 8734166 2
## 226 ID00038 6448586 2
## 227 ID00034 5616450 2
## 228 ID00038 5947963 2
## 229 ID00021 7003444 2
## 230 ID00034 13710077 2
## 231 ID00004 7034484 2
## 232 ID00022 9331982 2
## 233 ID00064 6954074 2
## 234 ID00096 7082568 2
## 235 ID00051 12101350 2
## 236 ID00005 13866523 2
## 237 ID00070 5171968 2
## 238 ID00021 7811861 2
## 239 ID00075 5809025 2
## 240 ID00001 10393383 2
## 241 ID00075 5153738 2
## 242 ID00020 6312311 2
## 243 ID00022 11346205 2
## 244 ID00011 14915620 2
## 245 ID00066 9611637 2
## 246 ID00070 8705044 2
## 247 ID00010 8181541 2
## 248 ID00058 9310352 2
## 249 ID00061 7351525 2
## 250 ID00029 5964901 2
## 251 ID00010 8179452 2
## 252 ID00001 5679239 2
## 253 ID00058 6176724 2
## 254 ID00029 10625620 2
## 255 ID00064 12547893 2
## 256 ID00020 5822139 2
## 257 ID00004 8793308 2
## 258 ID00005 6662869 2
## 259 ID00061 11541420 2
## 260 ID00092 13191447 2
## 261 ID00078 8458910 1
## 262 ID00015 7400799 1
## 263 ID00047 5940612 1
## 264 ID00095 8032910 1
## 265 ID00012 10180417 1
## 266 ID00062 6599187 1
## 267 ID00056 8767656 1
## 268 ID00068 5280050 1
## 269 ID00088 5455465 1
## 270 ID00059 12159121 1
## 271 ID00044 10994606 1
## 272 ID00073 6455085 1
## 273 ID00018 9496355 1
Jenis kelamin pelanggan yang tinggal di desa namun memiliki total
belanja yang lebih dari 5000000
df_customer %>%
filter(
Tempat_Tinggal == "Desa",
Total_Belanja > 5000000
) %>%
select(ID_Pelanggan, Jenis_Kelamin, Tempat_Tinggal, Total_Belanja)
## ID_Pelanggan Jenis_Kelamin Tempat_Tinggal Total_Belanja
## 1 ID00067 Perempuan Desa 6982081
## 2 ID00014 Perempuan Desa 6315967
## 3 ID00027 Perempuan Desa 6901502
## 4 ID00089 Laki-laki Desa 5776859
## 5 ID00034 Perempuan Desa 7064321
## 6 ID00013 Perempuan Desa 5438461
## 7 ID00091 Perempuan Desa 5990469
## 8 ID00038 Laki-laki Desa 5094570
## 9 ID00041 Perempuan Desa 8371463
## 10 ID00047 Perempuan Desa 6172545
## 11 ID00095 Perempuan Desa 6259431
## 12 ID00031 Perempuan Desa 5581673
## 13 ID00022 Laki-laki Desa 5602663
## 14 ID00096 Perempuan Desa 5369782
## 15 ID00074 Laki-laki Desa 7154243
## 16 ID00094 Perempuan Desa 5983600
## 17 ID00016 Perempuan Desa 5436492
## 18 ID00055 Perempuan Desa 6262374
## 19 ID00075 Laki-laki Desa 5002921
## 20 ID00090 Perempuan Desa 5987338
## 21 ID00098 Perempuan Desa 5535035
## 22 ID00048 Perempuan Desa 5333229
## 23 ID00088 Perempuan Desa 5826813
## 24 ID00067 Perempuan Desa 6344949
## 25 ID00049 Perempuan Desa 5695306
## 26 ID00055 Perempuan Desa 6646206
## 27 ID00008 Perempuan Desa 6100858
## 28 ID00072 Perempuan Desa 6500860
## 29 ID00058 Perempuan Desa 6514985
## 30 ID00026 Laki-laki Desa 6663821
## 31 ID00052 Perempuan Desa 6548809
## 32 ID00026 Laki-laki Desa 7895296
## 33 ID00090 Perempuan Desa 9796996
## 34 ID00073 Perempuan Desa 5490472
## 35 ID00014 Perempuan Desa 6229499
## 36 ID00006 Laki-laki Desa 6134541
## 37 ID00091 Perempuan Desa 6935452
## 38 ID00094 Perempuan Desa 5043885
## 39 ID00031 Perempuan Desa 6686485
## 40 ID00093 Perempuan Desa 7140298
## 41 ID00057 Perempuan Desa 5530567
## 42 ID00089 Perempuan Desa 5259961
## 43 ID00066 Perempuan Desa 5157567
## 44 ID00008 Perempuan Desa 5052071
## 45 ID00063 Laki-laki Desa 6201985
## 46 ID00097 Perempuan Desa 5214133
## 47 ID00013 Laki-laki Desa 5581775
df_customer %>%
filter(
Tempat_Tinggal == "Desa",
Total_Belanja > 5000000
) %>%
count(Jenis_Kelamin)
## Jenis_Kelamin n
## 1 Laki-laki 10
## 2 Perempuan 37
Penghasilan pelanggan yang tinggal di desa namun memiliki total
belanja lebih dari 5000000
df_customer %>%
filter(
Tempat_Tinggal == "Desa",
Total_Belanja > 5000000
) %>%
select(ID_Pelanggan, Penghasilan, Total_Belanja)
## 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