1 Pendahuluan

1.1 Latar Belakang

Analisis data merupakan proses penting untuk memperoleh informasi yang lebih terstruktur dari suatu dataset. Pada analisis ini digunakan dataset Cleaning Data 1.csv untuk melihat struktur data, membersihkan variabel yang tidak diperlukan, memeriksa data kosong, mengubah variabel kategorik menjadi faktor, serta melakukan encoding agar data dapat digunakan pada tahap analisis berikutnya.

1.2 Tujuan Analisis

Analisis ini bertujuan untuk memahami struktur dataset, melakukan pembersihan data, memeriksa kualitas data, melakukan factor encoding dan one-hot encoding, membuat visualisasi sederhana, serta mengekspor dataset hasil pengolahan.

2 Membaca dan Gambaran Dataset

2.1 Membaca Dataset

Dataset dibaca dari lokasi D:\\Downloads\\Cleaning Data 1.csv dengan pemisah titik koma (;), sesuai dengan sintaks R yang diberikan.

file_csv <- "D:/Downloads/Cleaning Data 1.csv"

data <- read.csv(
  file_csv,
  header = TRUE,
  sep = ";",
  stringsAsFactors = FALSE,
  check.names = FALSE
)

head(data)

2.2 Ukuran Dataset

ukuran_data <- data.frame(
  Keterangan = c("Jumlah baris", "Jumlah kolom"),
  Nilai = c(nrow(data), ncol(data))
)

kable(ukuran_data, caption = "Ukuran dataset sebelum pembersihan")

Ukuran dataset sebelum pembersihan
Keterangan	Nilai
Jumlah baris	1000
Jumlah kolom	8

2.3 Nama dan Struktur Variabel

names(data)

## [1] "Transaction.ID" "Item"           "Quantity"       "Price.Per.Unit"
## [5] "Total.Spent"    "Payment.Method" "Location"       ""

str(data)

## 'data.frame':    1000 obs. of  8 variables:
##  $ Transaction.ID: chr  "TXN_2176024" "TXN_6327139" "TXN_5488764" "TXN_9530003" ...
##  $ Item          : chr  "Coffee" "Sandwich" "Coffee" "Salad" ...
##  $ Quantity      : int  5 4 4 1 5 3 3 1 3 1 ...
##  $ Price.Per.Unit: chr  "2.0" "4.0" "2.0" "5.0" ...
##  $ Total.Spent   : chr  "10.0" "16.0" "8.0" "5.0" ...
##  $ Payment.Method: chr  "Digital Wallet" "Credit Card" "Digital Wallet" "Digital Wallet" ...
##  $ Location      : chr  "In-store" "Takeaway" "Takeaway" "Takeaway" ...
##  $               : logi  NA NA NA NA NA NA ...

2.4 Lima Observasi Pertama

kable(
  head(data, 5),
  caption = "Lima observasi pertama dataset"
)

Lima observasi pertama dataset
Transaction.ID	Item	Quantity	Price.Per.Unit	Total.Spent	Payment.Method	Location
TXN_2176024	Coffee	5	2.0	10.0	Digital Wallet	In-store	NA
TXN_6327139	Sandwich	4	4.0	16.0	Credit Card	Takeaway	NA
TXN_5488764	Coffee	4	2.0	8.0	Digital Wallet	Takeaway	NA
TXN_9530003	Salad	1	5.0	5.0	Digital Wallet	Takeaway	NA
TXN_3753993	Sandwich	5	4.0	20.0	Credit Card	Takeaway	NA

3 Pembersihan Data

3.1 Menghapus Variabel yang Tidak Digunakan

Berdasarkan sintaks R yang diberikan, beberapa variabel dihapus karena tidak digunakan dalam proses pengolahan berikutnya, yaitu X, Payment.Method, Total.Spent, Price.Per.Unit, dan Transaction.ID.

variabel_hapus <- intersect(
  c("X", "Payment.Method", "Total.Spent", "Price.Per.Unit", "Transaction.ID"),
  names(data)
)

if (length(variabel_hapus) > 0) {
  data <- data[, !names(data) %in% variabel_hapus, drop = FALSE]
}

kable(
  data.frame(Variabel_Dihapus = variabel_hapus),
  caption = "Variabel yang dihapus dari dataset"
)

Variabel yang dihapus dari dataset
Variabel_Dihapus
Payment.Method
Total.Spent
Price.Per.Unit
Transaction.ID

3.2 Struktur Setelah Pembersihan

str(data)

## 'data.frame':    1000 obs. of  4 variables:
##  $ Item    : chr  "Coffee" "Sandwich" "Coffee" "Salad" ...
##  $ Quantity: int  5 4 4 1 5 3 3 1 3 1 ...
##  $ Location: chr  "In-store" "Takeaway" "Takeaway" "Takeaway" ...
##  $         : logi  NA NA NA NA NA NA ...

3.3 Pemeriksaan Missing Value

Pemeriksaan missing value dilakukan pada setiap variabel untuk mengetahui jumlah data yang kosong sebelum proses encoding.

missing_data <- data.frame(
  Variabel = names(data),
  Jumlah_NA = colSums(is.na(data)),
  Persentase_NA = round(colMeans(is.na(data)) * 100, 2)
)

kable(
  missing_data,
  caption = "Jumlah dan persentase missing value"
)

Jumlah dan persentase missing value
	Variabel	Jumlah_NA	Persentase_NA
Item	Item	0	0
Quantity	Quantity	0	0
Location	Location	0	0
		1000	100

3.3.1 Visualisasi Missing Value

missing_plot <- missing_data %>%
  filter(Jumlah_NA > 0)

if (nrow(missing_plot) > 0) {
  ggplot(missing_plot, aes(x = reorder(Variabel, Jumlah_NA), y = Jumlah_NA)) +
    geom_col() +
    coord_flip() +
    labs(
      title = "Jumlah Missing Value per Variabel",
      x = "Variabel",
      y = "Jumlah missing value"
    ) +
    tema_laporan
} else {
  ggplot(data.frame(x = 1, y = 1), aes(x, y)) +
    geom_text(aes(label = "Tidak terdapat missing value"), size = 6) +
    theme_void() +
    labs(title = "Pemeriksaan Missing Value")
}

3.4 Jumlah Data Berdasarkan Variabel Kategorik

Sesuai sintaks awal, frekuensi Item, Location, dan Quantity diperiksa menggunakan table().

if ("Item" %in% names(data)) print(table(data$Item, useNA = "ifany"))

## 
##     Cake   Coffee   Cookie    Juice    Salad Sandwich Smoothie      Tea 
##      138      118      110      114      126      123      136      135

if ("Location" %in% names(data)) print(table(data$Location, useNA = "ifany"))

## 
## In-store Takeaway 
##      300      700

if ("Quantity" %in% names(data)) print(table(data$Quantity, useNA = "ifany"))

## 
##   1   2   3   4   5 
## 195 203 179 204 219

4 Transformasi Variabel Kategorik

4.1 Mengubah Variabel Menjadi Factor

Variabel Item, Location, dan Quantity diubah menjadi tipe factor agar dapat diperlakukan sebagai variabel kategorik.

variabel_factor <- intersect(c("Item", "Location", "Quantity"), names(data))

data[variabel_factor] <- lapply(data[variabel_factor], factor)

str(data[variabel_factor])

## 'data.frame':    1000 obs. of  3 variables:
##  $ Item    : Factor w/ 8 levels "Cake","Coffee",..: 2 6 2 5 6 7 5 5 4 2 ...
##  $ Location: Factor w/ 2 levels "In-store","Takeaway": 1 2 2 2 2 1 2 2 1 2 ...
##  $ Quantity: Factor w/ 5 levels "1","2","3","4",..: 5 4 4 1 5 3 3 1 3 1 ...

4.2 Level Variabel

if ("Item" %in% names(data)) print(levels(data$Item))

## [1] "Cake"     "Coffee"   "Cookie"   "Juice"    "Salad"    "Sandwich" "Smoothie"
## [8] "Tea"

if ("Location" %in% names(data)) print(levels(data$Location))

## [1] "In-store" "Takeaway"

if ("Quantity" %in% names(data)) print(levels(data$Quantity))

## [1] "1" "2" "3" "4" "5"

5 Visualisasi Data

5.1 Distribusi Item

if ("Item" %in% names(data)) {
  ggplot(data, aes(x = Item)) +
    geom_bar() +
    labs(
      title = "Distribusi Item",
      x = "Item",
      y = "Frekuensi"
    ) +
    tema_laporan +
    theme(axis.text.x = element_text(angle = 45, hjust = 1))
}

5.2 Distribusi Location

if ("Location" %in% names(data)) {
  ggplot(data, aes(x = Location)) +
    geom_bar() +
    labs(
      title = "Distribusi Location",
      x = "Location",
      y = "Frekuensi"
    ) +
    tema_laporan
}

5.3 Distribusi Quantity

if ("Quantity" %in% names(data)) {
  ggplot(data, aes(x = Quantity)) +
    geom_bar() +
    labs(
      title = "Distribusi Quantity",
      x = "Quantity",
      y = "Frekuensi"
    ) +
    tema_laporan
}

6 One-Hot Encoding

6.1 One-Hot Encoding Item dan Location

One-hot encoding digunakan untuk mengubah kategori menjadi beberapa variabel indikator. Proses ini mengikuti penggunaan package fastDummies pada sintaks R yang diberikan.

data_onehot <- data

kolom_onehot <- intersect(c("Item", "Location"), names(data_onehot))

if (length(kolom_onehot) > 0) {
  data_onehot <- fastDummies::dummy_cols(
    data_onehot,
    select_columns = kolom_onehot,
    remove_first_dummy = FALSE,
    remove_selected_columns = TRUE
  )
}

kable(
  head(data_onehot, 5),
  caption = "Hasil one-hot encoding pada Item dan Location"
)

Hasil one-hot encoding pada Item dan Location
Quantity		Item_Coffee	Item_Salad	Item_Sandwich	Location_In-store	Location_Takeaway
5	NA	1	0	0	1	0
4	NA	0	0	1	0	1
4	NA	1	0	0	0	1
1	NA	0	1	0	0	1
5	NA	0	0	1	0	1

6.2 Perbandingan Ukuran Data Sebelum dan Sesudah Encoding

perbandingan_dimensi <- data.frame(
  Tahap = c("Sebelum encoding", "Sesudah one-hot encoding"),
  Baris = c(nrow(data), nrow(data_onehot)),
  Kolom = c(ncol(data), ncol(data_onehot))
)

kable(
  perbandingan_dimensi,
  caption = "Perbandingan dimensi dataset"
)

Perbandingan dimensi dataset
Tahap	Baris	Kolom
Sebelum encoding	1000	4
Sesudah one-hot encoding	1000	12

6.3 One-Hot Encoding dalam Bentuk Matriks

6.3.1 Matriks Location

if ("Location" %in% names(data)) {
  location_dummy <- model.matrix(~ Location - 1, data = data)
  kable(
    head(as.data.frame(location_dummy), 5),
    caption = "Matriks dummy untuk Location"
  )
}

Matriks dummy untuk Location
LocationIn-store	LocationTakeaway
1	0
0	1
0	1
0	1
0	1

6.3.2 Matriks Item

if ("Item" %in% names(data)) {
  item_dummy <- model.matrix(~ Item - 1, data = data)
  kable(
    head(as.data.frame(item_dummy), 5),
    caption = "Matriks dummy untuk Item"
  )
}

Matriks dummy untuk Item
ItemCoffee	ItemSalad	ItemSandwich
1	0	0
0	0	1
1	0	0
0	1	0
0	0	1

6.3.3 Matriks Quantity

if ("Quantity" %in% names(data)) {
  quantity_dummy <- model.matrix(~ Quantity - 1, data = data)
  kable(
    head(as.data.frame(quantity_dummy), 5),
    caption = "Matriks dummy untuk Quantity"
  )
}

Matriks dummy untuk Quantity
Quantity1	Quantity4	Quantity5
0	0	1
0	1	0
0	1	0
1	0	0
0	0	1

7 Pemeriksaan Setelah Encoding

7.1 Missing Value Setelah Encoding

missing_after <- data.frame(
  Variabel = names(data_onehot),
  Jumlah_NA = colSums(is.na(data_onehot)),
  Persentase_NA = round(colMeans(is.na(data_onehot)) * 100, 2)
)

kable(
  missing_after,
  caption = "Missing value setelah one-hot encoding"
)

Missing value setelah one-hot encoding
	Variabel	Jumlah_NA	Persentase_NA
Quantity	Quantity	0	0
		1000	100
Item_Cake	Item_Cake	0	0
Item_Coffee	Item_Coffee	0	0
Item_Cookie	Item_Cookie	0	0
Item_Juice	Item_Juice	0	0
Item_Salad	Item_Salad	0	0
Item_Sandwich	Item_Sandwich	0	0
Item_Smoothie	Item_Smoothie	0	0
Item_Tea	Item_Tea	0	0
Location_In-store	Location_In-store	0	0
Location_Takeaway	Location_Takeaway	0	0

7.2 Struktur Dataset Hasil Encoding

str(data_onehot)

## 'data.frame':    1000 obs. of  12 variables:
##  $ Quantity         : Factor w/ 5 levels "1","2","3","4",..: 5 4 4 1 5 3 3 1 3 1 ...
##  $                  : logi  NA NA NA NA NA NA ...
##  $ Item_Cake        : int  0 0 0 0 0 0 0 0 0 0 ...
##  $ Item_Coffee      : int  1 0 1 0 0 0 0 0 0 1 ...
##  $ Item_Cookie      : int  0 0 0 0 0 0 0 0 0 0 ...
##  $ Item_Juice       : int  0 0 0 0 0 0 0 0 1 0 ...
##  $ Item_Salad       : int  0 0 0 1 0 0 1 1 0 0 ...
##  $ Item_Sandwich    : int  0 1 0 0 1 0 0 0 0 0 ...
##  $ Item_Smoothie    : int  0 0 0 0 0 1 0 0 0 0 ...
##  $ Item_Tea         : int  0 0 0 0 0 0 0 0 0 0 ...
##  $ Location_In-store: int  1 0 0 0 0 1 0 0 1 0 ...
##  $ Location_Takeaway: int  0 1 1 1 1 0 1 1 0 1 ...

7.3 Lima Observasi Dataset Hasil Encoding

kable(
  head(data_onehot, 5),
  caption = "Lima observasi pertama dataset hasil encoding"
)

Lima observasi pertama dataset hasil encoding
Quantity		Item_Coffee	Item_Salad	Item_Sandwich	Location_In-store	Location_Takeaway
5	NA	1	0	0	1	0
4	NA	0	0	1	0	1
4	NA	1	0	0	0	1
1	NA	0	1	0	0	1
5	NA	0	0	1	0	1

8 Ekspor Dataset

Dataset hasil one-hot encoding diekspor dalam format CSV ke folder D:\\Downloads dengan nama data_encoded.csv.

file_output <- "D:/Downloads/data_encoded.csv"

write.csv(
  data_onehot,
  file_output,
  row.names = FALSE,
  na = ""
)

cat("Dataset berhasil diekspor ke:\n", file_output, "\n")

## Dataset berhasil diekspor ke:
##  D:/Downloads/data_encoded.csv

9 Kesimpulan

Analisis dilakukan dengan membaca dataset Cleaning Data 1.csv, menghapus variabel yang tidak digunakan, memeriksa struktur dan missing value, mengubah variabel kategorik menjadi factor, serta melakukan one-hot encoding pada variabel Item dan Location. Dataset hasil pengolahan kemudian diperiksa kembali dan diekspor sebagai data_encoded.csv.

Hasil akhir berupa dataset yang telah disiapkan dalam bentuk yang lebih sesuai untuk digunakan pada tahap analisis atau pemodelan berikutnya.

Quantity		Item_Coffee	Item_Salad	Item_Sandwich	Location_In-store	Location_Takeaway
5	NA	1	0	0	1	0
4	NA	0	0	1	0	1
4	NA	1	0	0	0	1
1	NA	0	1	0	0	1
5	NA	0	0	1	0	1

Quantity		Item_Coffee	Item_Salad	Item_Sandwich	Location_In-store	Location_Takeaway
5	NA	1	0	0	1	0
4	NA	0	0	1	0	1
4	NA	1	0	0	0	1
1	NA	0	1	0	0	1
5	NA	0	0	1	0	1

Quantity		Item_Coffee	Item_Salad	Item_Sandwich	Location_In-store	Location_Takeaway
5	NA	1	0	0	1	0
4	NA	0	0	1	0	1
4	NA	1	0	0	0	1
1	NA	0	1	0	0	1
5	NA	0	0	1	0	1

Quantity		Item_Coffee	Item_Salad	Item_Sandwich	Location_In-store	Location_Takeaway
5	NA	1	0	0	1	0
4	NA	0	0	1	0	1
4	NA	1	0	0	0	1
1	NA	0	1	0	0	1
5	NA	0	0	1	0	1

Quantity		Item_Coffee	Item_Salad	Item_Sandwich	Location_In-store	Location_Takeaway
5	NA	1	0	0	1	0
4	NA	0	0	1	0	1
4	NA	1	0	0	0	1
1	NA	0	1	0	0	1
5	NA	0	0	1	0	1

Quantity		Item_Coffee	Item_Salad	Item_Sandwich	Location_In-store	Location_Takeaway
5	NA	1	0	0	1	0
4	NA	0	0	1	0	1
4	NA	1	0	0	0	1
1	NA	0	1	0	0	1
5	NA	0	0	1	0	1