Kuis Data Wrangling-Week 7

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

library(readr)
library(ggplot2)
library(janitor)

## 
## Attaching package: 'janitor'

## The following objects are masked from 'package:stats':
## 
##     chisq.test, fisher.test

library(scales)

## 
## Attaching package: 'scales'

## The following object is masked from 'package:readr':
## 
##     col_factor

library(knitr)
library(data.table)

## 
## Attaching package: 'data.table'

## The following objects are masked from 'package:dplyr':
## 
##     between, first, last

## The following object is masked from 'package:base':
## 
##     %notin%

library(ggtext)
library(jsonlite)

BELAJAR DATA SCIENCE MENYENANGKAN

---

Data Wrangling di R

Import Data dari CSV

path_file <- if (file.exists("D:/lab/datasets/raw/dataset_pendidikan.csv")) {
  "D:/lab/datasets/raw/dataset_pendidikan.csv"
} else if (file.exists("D:/lab/datasets/raw/dataset_pendidikan_2.csv")) {
  "D:/lab/datasets/raw/dataset_pendidikan_2.csv"
} else if (file.exists("dataset_pendidikan.csv")) {
  "dataset_pendidikan.csv"
} else {
  "dataset_pendidikan_2.csv"
}

df_pendidikan <- read.csv(path_file, stringsAsFactors = FALSE)
kolom_jam   <- grep("jam|belajar", names(df_pendidikan), ignore.case = TRUE, value = TRUE)[1]
kolom_hadir <- grep("hadir|kehadiran", names(df_pendidikan), ignore.case = TRUE, value = TRUE)[1]

if (!is.na(kolom_jam))   df_pendidikan$Jam_Belajar     <- df_pendidikan[[kolom_jam]]
if (!is.na(kolom_hadir)) df_pendidikan$Total_Kehadiran <- df_pendidikan[[kolom_hadir]]

head(df_pendidikan)

##   ID_Mahasiswa  IPK Semester Total_Kehadiran Total_Jam_Belajar Rata2_Jam_Tidur
## 1       MHS001 3.45        2              58               238             7.5
## 2       MHS002 3.13        5              54               246             7.1
## 3       MHS003 2.75        4              61                91             7.0
## 4       MHS004 3.52        4              67               162             6.6
## 5       MHS005 3.57        4              56               258             7.4
## 6       MHS006 3.52        7              56               222             7.5
##   Jam_Belajar
## 1         238
## 2         246
## 3          91
## 4         162
## 5         258
## 6         222

1. Berapa jumlah mahasiswa yang memiliki IPK lebih besar atau sama dengan 3,5?

df_pendidikan %>%
  filter(IPK >= 3.50) %>%
  nrow()

## [1] 49

2. Siapa saja yang menjadi top 3 IPK tertinggi?

df_pendidikan %>%
  arrange(desc(IPK)) %>%
  select(any_of(c("ID_Mahasiswa", "NIM", "Nama")), IPK) %>%
  slice_head(n = 3)

##   ID_Mahasiswa IPK
## 1       MHS052   4
## 2       MHS111   4
## 3       MHS123   4

3. Buat kolom Kategori_IPK dengan case_when(): <2,50 = Kurang; 2,50-2,99 = Cukup; 3,00-3,49 = Baik; >=3,50 = Sangat Baik. Berapa mahasiswa yang masuk kategori “Baik”?

df_pendidikan <- df_pendidikan %>%
  mutate(Kategori_IPK = case_when(
    IPK < 2.50 ~ "Kurang",
    IPK >= 2.50 & IPK <= 2.99 ~ "Cukup",
    IPK >= 3.00 & IPK <= 3.49 ~ "Baik",
    IPK >= 3.50 ~ "Sangat Baik"
  ))

# Sebaran kategori
table(df_pendidikan$Kategori_IPK)

## 
##        Baik       Cukup      Kurang Sangat Baik 
##          71          63          17          49

# Jumlah kategori Baik
df_pendidikan %>%
  filter(Kategori_IPK == "Baik") %>%
  nrow()

## [1] 71

4. Hitung rata-rata IPK per semester dengan group_by() dan summarise(). Semester berapa yang rata-rata IPK-nya tertinggi?

df_pendidikan %>%
  group_by(Semester) %>%
  summarise(Rata_Rata_IPK = mean(IPK, na.rm = TRUE)) %>%
  arrange(desc(Rata_Rata_IPK))

## # A tibble: 8 × 2
##   Semester Rata_Rata_IPK
##      <int>         <dbl>
## 1        4          3.20
## 2        6          3.19
## 3        3          3.17
## 4        5          3.12
## 5        7          3.06
## 6        1          3.06
## 7        8          3.04
## 8        2          3.04

5. Jumlah pertemuan per semester adalah 70 (= 100%). Buat kolom Persen_Kehadiran = Total_Kehadiran / 70 * 100. Berapa mahasiswa yang kehadirannya kurang dari 75%?

df_pendidikan <- df_pendidikan %>%
  mutate(Persen_Kehadiran = (Total_Kehadiran / 70) * 100)

df_pendidikan %>%
  filter(Persen_Kehadiran < 75) %>%
  nrow()

## [1] 40

6. Mahasiswa “rajin tapi IPK rendah” didefinisikan sebagai jam belajar di atas median DAN IPK di bawah rata-rata IPK seluruh mahasiswa. Berapa jumlahnya?

# Menghitung nilai tengah dan rata-rata
med_jam  <- median(df_pendidikan$Jam_Belajar, na.rm = TRUE)
mean_ipk <- mean(df_pendidikan$IPK, na.rm = TRUE)

# Filter mahasiswa jam belajar > median dan IPK < rata-rata
df_pendidikan %>%
  filter(Jam_Belajar > med_jam & IPK < mean_ipk) %>%
  nrow()

## [1] 17

Thanks u for attention all