Mengaktifkan Package

library(ggplot2)
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("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

Visualisasi Data

grafik2 = ggplot(data= df_customer, aes(x= Jenis_Kelamin, y = Total_Belanja))+geom_point()
grafik2

### Menambahkan opsi color

ggplot(df_customer, aes(x = Jenis_Kelamin, y = Total_Belanja)) +
geom_point(aes(color = Jenis_Kelamin)) +
labs(title = "Scatter Plot Jenis Kelamin vs Total Belanja")

## Visualisasi Nilai Data

Bar Chart

#Pelanggan yang paling sering membeli dengan total belanja > 4.000.000
q11 <- df_customer %>%
  filter(Total_Belanja > 5000000) %>%
  count(ID_Pelanggan, sort = TRUE) %>%
  slice_head(n=10)
q11 <- data.frame(q11)
ggplot(q11, aes(x = reorder(ID_Pelanggan, n), y = n)) +
  geom_bar(stat = "identity", fill = "navy") +
  labs(title = "Top 6 Pelanggan dengan Transaksi > 5 Juta",
       x = "ID Pelanggan", y = "Jumlah Transaksi")

### Needle Chart

q22 <- df_customer %>%
  filter(Total_Belanja > 10000000)
q22
##      X ID_Pelanggan Jenis_Kelamin Tempat_Tinggal Penghasilan Total_Belanja
## 1   11      ID00090     Perempuan           Kota    10910287      10137674
## 2   26      ID00036     Perempuan           Kota    10513994      10641105
## 3   33      ID00007     Perempuan           Kota    12418168      10846012
## 4   72      ID00039     Perempuan           Kota     8426053      10344433
## 5   76      ID00034     Perempuan           Kota    13710077      11626302
## 6  101      ID00079     Laki-laki           Kota    11457479      10241993
## 7  175      ID00011     Perempuan           Kota    14915620      11527638
## 8  204      ID00074     Perempuan           Kota    12967967      10556216
## 9  208      ID00023     Perempuan           Kota    16145151      10739381
## 10 228      ID00057     Perempuan           Kota    12812680      11031197
## 11 252      ID00064     Laki-laki           Kota    12547893      10615150
## 12 287      ID00093     Perempuan           Kota    10699070      10984825
q222 = aggregate(q22$Total_Belanja, by = list(q22$ID_Pelanggan), FUN = mean)
head(q222)
##   Group.1        x
## 1 ID00007 10846012
## 2 ID00011 11527638
## 3 ID00023 10739381
## 4 ID00034 11626302
## 5 ID00036 10641105
## 6 ID00039 10344433
ggplot(data = q222, aes(x = reorder(Group.1, x), y = x))+geom_point(color = "brown", size = 3, alpha = 1)

## Visualisasi Sebaran Data

Histogram

#Histogram Penghasilan
ggplot(df_customer, aes(x = Total_Belanja)) +
  geom_histogram(bins = 30, fill = "darkgreen", color = "white") +
  labs(title = "Sebaran Total Belanja", x = "Total Belanja", y = "Frekuensi")

#Histogram Penghasilan
ggplot(df_customer, aes(x = Penghasilan)) +
  geom_histogram(bins = 30, fill = "darkred", color = "white") +
  labs(title = "Sebaran Penghasilan", x = "Penghasilan", y = "Frekuensi")

### Boxplot

# Boxplot untuk membandingkan penghasilan Kota vs Desa
ggplot(df_customer, aes(x = Tempat_Tinggal, y = Penghasilan, fill = Tempat_Tinggal)) +
  geom_boxplot() +
  labs(title = "Perbandingan Penghasilan Kota vs Desa", x = "Tempat Tinggal", y = "Penghasilan")

# Boxplot untuk membandingkan belanja berdasarkan Jenis Kelamin
ggplot(df_customer, aes(x = Jenis_Kelamin, y = Total_Belanja, fill = Jenis_Kelamin)) +
  geom_boxplot() +
  labs(title = "Perbandingan Belanja Berdasarkan Jenis Kelamin", x = "Jenis Kelamin", y = "Total Belanja")

## Visualisasi Hubungan Antar Peubah Numerik

Scatterplot

# Scatterplot Penghasilan vs Total Belanja
ggplot(df_customer, aes(x = Penghasilan, y = Total_Belanja, color = Tempat_Tinggal)) +
  geom_point(alpha = 1) +
  geom_smooth(method = "lm", se = FALSE, color = "black") +
  labs(title = "Hubungan Penghasilan vs Total Belanja", x = "Penghasilan", y = "Total Belanja")
## `geom_smooth()` using formula = 'y ~ x'

# Scatterplot dengan jenis kelamin
ggplot(df_customer, aes(x = Penghasilan, y = Total_Belanja, color = Jenis_Kelamin)) +
  geom_point(alpha = 1) +
  labs(title = "Hubungan Penghasilan vs Total Belanja berdasarkan Jenis Kelamin", x = "Penghasilan", y = "Total")