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
Import Data
# panggil data
df_customer <- read.csv("C:/Users/USER/Documents/RSTUDIO SD/df_customer.csv")
# tampilkan data teratas
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
Pengecekan Data dengan Melihat Struktur Data
# character: (ID_Pelanggan, Jenis_Kelamin, dan Tempat_Tinggal) termasuk chr
# integer: (X, Penghasilan, Total_Belanja) bulat, berdiri sendiri, tidak ada yang sama
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 ...
Pengecekan Data dengan Melihat Ringkasan
# CURIGAI: ID_Pelanggan seharusnya semua berbeda dan termasuk integer, maka pasti ada data yang berulang
# lihat ringkasan statistik
# N. uniqe: yang berbeda, banyak yang repeat order
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
1. Jumlah Total Keseluruhan Transaksi
nrow(df_customer)
## [1] 300
2. Pelanggan Unik
# Melihat ID pelanggan unik
unique(df_customer$ID_Pelanggan)
## [1] "ID00031" "ID00079" "ID00051" "ID00014" "ID00067" "ID00042" "ID00050"
## [8] "ID00043" "ID00025" "ID00090" "ID00091" "ID00069" "ID00057" "ID00092"
## [15] "ID00009" "ID00093" "ID00099" "ID00072" "ID00026" "ID00007" "ID00083"
## [22] "ID00036" "ID00078" "ID00081" "ID00076" "ID00015" "ID00032" "ID00041"
## [29] "ID00074" "ID00023" "ID00027" "ID00060" "ID00053" "ID00096" "ID00038"
## [36] "ID00089" "ID00034" "ID00063" "ID00013" "ID00082" "ID00097" "ID00021"
## [43] "ID00047" "ID00095" "ID00016" "ID00094" "ID00006" "ID00086" "ID00039"
## [50] "ID00004" "ID00052" "ID00022" "ID00087" "ID00035" "ID00040" "ID00030"
## [57] "ID00012" "ID00064" "ID00071" "ID00085" "ID00037" "ID00008" "ID00098"
## [64] "ID00084" "ID00046" "ID00017" "ID00062" "ID00054" "ID00024" "ID00005"
## [71] "ID00070" "ID00055" "ID00075" "ID00048" "ID00077" "ID00056" "ID00068"
## [78] "ID00001" "ID00088" "ID00020" "ID00049" "ID00059" "ID00011" "ID00066"
## [85] "ID00044" "ID00045" "ID00033" "ID00010" "ID00058" "ID00061" "ID00029"
## [92] "ID00073" "ID00018" "ID00002"
# Jumlah pelanggan unik
length(unique(df_customer$ID_Pelanggan))
## [1] 94
3. Pelanggan yang Paling Sering Berbelanja
# [1:3]: menampilkan 3 data teratas
sort(table(df_customer$ID_Pelanggan), decreasing = TRUE)[1:3]
##
## ID00007 ID00025 ID00089
## 9 7 7
# [1:10]: menampilkan 10 data teratas
sort(table(df_customer$ID_Pelanggan), decreasing = TRUE)[1:10]
##
## ID00007 ID00025 ID00089 ID00093 ID00026 ID00032 ID00009 ID00014 ID00023 ID00024
## 9 7 7 7 6 6 5 5 5 5
# paling banyak: ID00007
# sort: mengurutkan
# table: menghitung frekuensi pengulangan belanja per ID_Pelanggan
4. 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
5. 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
6. Rata-rata Penghasilan Pelanggan Berdasarkan Tempat Tinggal
# Berdasarkan tempat tinggal
aggregate(Total_Belanja ~ Tempat_Tinggal, data = df_customer, mean)
## Tempat_Tinggal Total_Belanja
## 1 Desa 5022231
## 2 Kota 7520118
# Pengetahuan tambahan untuk 2 variabel: Berdasarkan tempat tinggal dan jenis kelamin
aggregate(Total_Belanja ~ Tempat_Tinggal + Jenis_Kelamin, data = df_customer, mean)
## Tempat_Tinggal Jenis_Kelamin Total_Belanja
## 1 Desa Laki-laki 4466336
## 2 Kota Laki-laki 6868556
## 3 Desa Perempuan 5417953
## 4 Kota Perempuan 7949063
7. 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
8. 5 Pelanggan dengan Total Belanja Tertinggi
df_customer[order(-df_customer$Total_Belanja), c("ID_Pelanggan", "Total_Belanja")] |> head(5)
## ID_Pelanggan Total_Belanja
## 76 ID00034 11626302
## 175 ID00011 11527638
## 228 ID00057 11031197
## 287 ID00093 10984825
## 33 ID00007 10846012
9. Distribusi Jumlah Transaksi Berdasarkan Jenis Kelamin
table(df_customer$Jenis_Kelamin)
##
## Laki-laki Perempuan
## 121 179
10. Kategori Penghasilan
# Rendah (< 5 juta)
# Menengah (5–10 juta)
# Tinggi (> 10 juta)
df_customer$Kategori_Penghasilan <- cut(df_customer$Penghasilan,
breaks = c(-Inf, 5000000, 10000000, Inf),
labels = c("Rendah", "Menengah", "Tinggi"))
table(df_customer$Kategori_Penghasilan)
##
## Rendah Menengah Tinggi
## 27 175 98
TUGAS
1. Pelanggan yang Paling Sering Membeli dengan Total Belanja Lebih
dari 5.000.000
# Pilih data pelanggan yang Total Belanjanya > 5.000.000
df_filtered <- df_customer[df_customer$Total_Belanja > 5000000, ]
# Hitung frekuensi belanja per ID dan urutkan dari yang paling sering (tertinggi)
sort(table(df_filtered$ID_Pelanggan), decreasing = TRUE)[1:3]
##
## ID00007 ID00025 ID00026
## 7 7 6
# Menggunakan pipe operator
Q1 <- df_customer %>%
filter(Total_Belanja > 5000000) %>%
count(ID_Pelanggan, sort = TRUE)
Q1
## ID_Pelanggan n
## 1 ID00007 7
## 2 ID00025 7
## 3 ID00026 6
## 4 ID00089 6
## 5 ID00053 5
## 6 ID00079 5
## 7 ID00084 5
## 8 ID00090 5
## 9 ID00093 5
## 10 ID00006 4
## 11 ID00009 4
## 12 ID00016 4
## 13 ID00023 4
## 14 ID00024 4
## 15 ID00031 4
## 16 ID00032 4
## 17 ID00036 4
## 18 ID00057 4
## 19 ID00063 4
## 20 ID00067 4
## 21 ID00074 4
## 22 ID00087 4
## 23 ID00091 4
## 24 ID00002 3
## 25 ID00013 3
## 26 ID00014 3
## 27 ID00030 3
## 28 ID00035 3
## 29 ID00037 3
## 30 ID00039 3
## 31 ID00040 3
## 32 ID00042 3
## 33 ID00045 3
## 34 ID00046 3
## 35 ID00052 3
## 36 ID00055 3
## 37 ID00060 3
## 38 ID00069 3
## 39 ID00071 3
## 40 ID00072 3
## 41 ID00082 3
## 42 ID00085 3
## 43 ID00094 3
## 44 ID00004 2
## 45 ID00008 2
## 46 ID00010 2
## 47 ID00017 2
## 48 ID00021 2
## 49 ID00022 2
## 50 ID00033 2
## 51 ID00034 2
## 52 ID00038 2
## 53 ID00041 2
## 54 ID00048 2
## 55 ID00049 2
## 56 ID00050 2
## 57 ID00051 2
## 58 ID00054 2
## 59 ID00058 2
## 60 ID00066 2
## 61 ID00075 2
## 62 ID00076 2
## 63 ID00083 2
## 64 ID00086 2
## 65 ID00092 2
## 66 ID00096 2
## 67 ID00097 2
## 68 ID00001 1
## 69 ID00005 1
## 70 ID00011 1
## 71 ID00012 1
## 72 ID00015 1
## 73 ID00018 1
## 74 ID00027 1
## 75 ID00029 1
## 76 ID00043 1
## 77 ID00044 1
## 78 ID00047 1
## 79 ID00056 1
## 80 ID00059 1
## 81 ID00061 1
## 82 ID00064 1
## 83 ID00070 1
## 84 ID00073 1
## 85 ID00077 1
## 86 ID00078 1
## 87 ID00088 1
## 88 ID00095 1
## 89 ID00098 1
## 90 ID00099 1
2. Banyak Perempuan di Kota yang Berbelanja Lebih dari 5 Kali
# Hitung total belanjaan setiap ID Pelanggan
tabel_frekuensi <- as.data.frame(table(df_customer$ID_Pelanggan))
colnames(tabel_frekuensi) <- c("ID_Pelanggan", "Jumlah_Belanja")
# Ambil data unik pelanggan (mencari Jenis Kelamin dan Tempat Tinggal)
profil_pelanggan <- unique(df_customer[, c("ID_Pelanggan", "Jenis_Kelamin", "Tempat_Tinggal")])
# Gabungkan profil dan jumlah belanja
df_gabungan <- merge(profil_pelanggan, tabel_frekuensi, by = "ID_Pelanggan")
# Pilih pelanggan yang Perempuan, di Kota, dan Jumlah Belanja > 5
perempuan_kota_gt5 <- df_gabungan[df_gabungan$Jenis_Kelamin == "Perempuan" &
df_gabungan$Tempat_Tinggal == "Kota" &
df_gabungan$Jumlah_Belanja > 5, ]
# Banyak pelanggannya
nrow(perempuan_kota_gt5)
## [1] 6
3. Pelanggan yang Paling Sering Membeli dengan Penghasilan Lebih
dari 5.000.000
# Langsung memfilter pelanggan dengan penghasilan > 5.000.000 jumlah terbanyak
df_filtered_3 <- df_customer[df_customer$Penghasilan > 5000000, ]
sort(table(df_filtered_3$ID_Pelanggan), decreasing = TRUE) [1:3]
##
## ID00007 ID00025 ID00093
## 9 7 7
# Menggunakan pipe operator
soal_3 <- df_customer %>%
filter(Penghasilan > 5000000) %>%
count(ID_Pelanggan, sort = TRUE)
soal_3
## ID_Pelanggan n
## 1 ID00007 9
## 2 ID00025 7
## 3 ID00093 7
## 4 ID00026 6
## 5 ID00089 6
## 6 ID00009 5
## 7 ID00014 5
## 8 ID00023 5
## 9 ID00024 5
## 10 ID00053 5
## 11 ID00063 5
## 12 ID00074 5
## 13 ID00079 5
## 14 ID00084 5
## 15 ID00090 5
## 16 ID00006 4
## 17 ID00016 4
## 18 ID00031 4
## 19 ID00032 4
## 20 ID00036 4
## 21 ID00042 4
## 22 ID00046 4
## 23 ID00054 4
## 24 ID00057 4
## 25 ID00067 4
## 26 ID00071 4
## 27 ID00082 4
## 28 ID00085 4
## 29 ID00087 4
## 30 ID00091 4
## 31 ID00002 3
## 32 ID00008 3
## 33 ID00017 3
## 34 ID00030 3
## 35 ID00035 3
## 36 ID00039 3
## 37 ID00040 3
## 38 ID00045 3
## 39 ID00050 3
## 40 ID00052 3
## 41 ID00055 3
## 42 ID00060 3
## 43 ID00069 3
## 44 ID00076 3
## 45 ID00077 3
## 46 ID00083 3
## 47 ID00086 3
## 48 ID00094 3
## 49 ID00097 3
## 50 ID00001 2
## 51 ID00004 2
## 52 ID00005 2
## 53 ID00010 2
## 54 ID00013 2
## 55 ID00020 2
## 56 ID00021 2
## 57 ID00022 2
## 58 ID00027 2
## 59 ID00029 2
## 60 ID00034 2
## 61 ID00037 2
## 62 ID00038 2
## 63 ID00041 2
## 64 ID00043 2
## 65 ID00048 2
## 66 ID00049 2
## 67 ID00051 2
## 68 ID00058 2
## 69 ID00061 2
## 70 ID00064 2
## 71 ID00070 2
## 72 ID00072 2
## 73 ID00075 2
## 74 ID00081 2
## 75 ID00092 2
## 76 ID00096 2
## 77 ID00011 1
## 78 ID00012 1
## 79 ID00015 1
## 80 ID00018 1
## 81 ID00033 1
## 82 ID00044 1
## 83 ID00047 1
## 84 ID00056 1
## 85 ID00059 1
## 86 ID00062 1
## 87 ID00066 1
## 88 ID00068 1
## 89 ID00073 1
## 90 ID00078 1
## 91 ID00088 1
## 92 ID00095 1
## 93 ID00099 1
# 3 teratas
head(soal_3, 3)
## ID_Pelanggan n
## 1 ID00007 9
## 2 ID00025 7
## 3 ID00093 7
4. Jenis Kelamin Pelanggan yang Tinggal di Desa namun Total
Belanjanya Lebih dari 5.000.000
# Pilih orang desa dan belanjaannya di atas 5 juta
desa_belanja_5jt <- df_customer[df_customer$Tempat_Tinggal == "Desa" & df_customer$Total_Belanja > 5000000, ]
# Lihat banyak perempuan dan laki=laki
table(desa_belanja_5jt$Jenis_Kelamin)
##
## Laki-laki Perempuan
## 10 37
# Melihat daftar ID dan Jenis Kelamin langsung
desa_belanja_5jt[, c("ID_Pelanggan", "Jenis_Kelamin")]
## ID_Pelanggan Jenis_Kelamin
## 5 ID00067 Perempuan
## 9 ID00014 Perempuan
## 43 ID00027 Perempuan
## 46 ID00089 Laki-laki
## 47 ID00034 Perempuan
## 53 ID00013 Perempuan
## 56 ID00091 Perempuan
## 58 ID00038 Laki-laki
## 61 ID00041 Perempuan
## 62 ID00047 Perempuan
## 65 ID00095 Perempuan
## 73 ID00031 Perempuan
## 82 ID00022 Laki-laki
## 97 ID00096 Perempuan
## 106 ID00074 Laki-laki
## 119 ID00094 Perempuan
## 134 ID00016 Perempuan
## 138 ID00055 Perempuan
## 139 ID00075 Laki-laki
## 145 ID00090 Perempuan
## 148 ID00098 Perempuan
## 149 ID00048 Perempuan
## 161 ID00088 Perempuan
## 166 ID00067 Perempuan
## 171 ID00049 Perempuan
## 176 ID00055 Perempuan
## 177 ID00008 Perempuan
## 197 ID00072 Perempuan
## 202 ID00058 Perempuan
## 209 ID00026 Laki-laki
## 219 ID00052 Perempuan
## 220 ID00026 Laki-laki
## 224 ID00090 Perempuan
## 229 ID00073 Perempuan
## 231 ID00014 Perempuan
## 232 ID00006 Laki-laki
## 233 ID00091 Perempuan
## 248 ID00094 Perempuan
## 249 ID00031 Perempuan
## 250 ID00093 Perempuan
## 254 ID00057 Perempuan
## 257 ID00089 Perempuan
## 259 ID00066 Perempuan
## 265 ID00008 Perempuan
## 280 ID00063 Laki-laki
## 289 ID00097 Perempuan
## 293 ID00013 Laki-laki
5. Penghasilan Pelanggan yang Tinggal di Desa namun Total Belanjanya
Lebih dari 5.000.000
# Pakai data saringan nomor 4 (desa_belanja_5jt) untuk tampilkan daftar penghasilannya
desa_belanja_5jt[, c("ID_Pelanggan", "Penghasilan")]
## ID_Pelanggan Penghasilan
## 5 ID00067 7773498
## 9 ID00014 6776730
## 43 ID00027 8108645
## 46 ID00089 9032981
## 47 ID00034 5616450
## 53 ID00013 4481204
## 56 ID00091 6128487
## 58 ID00038 5947963
## 61 ID00041 9231091
## 62 ID00047 5940612
## 65 ID00095 8032910
## 73 ID00031 7822419
## 82 ID00022 9331982
## 97 ID00096 7082568
## 106 ID00074 9657061
## 119 ID00094 7651846
## 134 ID00016 5575699
## 138 ID00055 8635642
## 139 ID00075 5809025
## 145 ID00090 6005712
## 148 ID00098 4849165
## 149 ID00048 4626369
## 161 ID00088 5455465
## 166 ID00067 6467267
## 171 ID00049 3157783
## 176 ID00055 6093467
## 177 ID00008 6193172
## 197 ID00072 9024791
## 202 ID00058 9310352
## 209 ID00026 8141032
## 219 ID00052 6499451
## 220 ID00026 10832415
## 224 ID00090 11664452
## 229 ID00073 6455085
## 231 ID00014 6571179
## 232 ID00006 9498495
## 233 ID00091 5671820
## 248 ID00094 3726214
## 249 ID00031 6533837
## 250 ID00093 6856664
## 254 ID00057 7212261
## 257 ID00089 6928182
## 259 ID00066 3373098
## 265 ID00008 6940985
## 280 ID00063 6915574
## 289 ID00097 7028460
## 293 ID00013 9810087