Self Assessment with R by Skill Academy
Nurul Fadilah Syahrul
July 19, 2020
Dataset Superstore Simple
Pada artikel ini, akan membahas mengenai self assessment pada programming foundation with R Language oleh Skill Academy. Adapun kolom-kolom pada dataset Superstore Simple antara lain:
order_id: nomor order/pesananorder_date: tanggal order/pesanancustomer_id: nomor identitas pelanggansegment: segmentasi tiap pelanggancategory: kategori tiap pelanggansub_category: sub kategori tiap pelanggansales: jumlah penjualan tiap pelangganquantity: jumlah banyak barang yang terjualprofit: jumlah keuntungan yang dihasilkan tiap pelanggan
Persiapan
Library
if(!require(readr)) install.packages("readr")
if(!require(dplyr)) install.packages("dplyr")
if(!require(ggplot2)) install.packages("ggplot2")
library(readr)
library(dplyr)
library(ggplot2)Terdapat tiga buah library yang diperlukan dalam tutorial ini, antara lain:
readr: berguna untuk import data dari tabular data file (csv, text file, dsb).dplyr:package yang sangat berguna untuk melakukan manipulasi/transformasi data menggunakan R.ggplot2: salah satu package yang sangat banyak digunakan oleh pengguna R untuk kebutuhan visualisasi.
Import Dataset
Data yang kita miliki memiliki format .csv. Untuk megimport data tersebut, kita dapat menggunakan fungsi read_csv dari library readr.
Dataset_superstore_simple <- read_csv("F:/Belajar RStudio/Dataset_superstore_simple.csv")Untuk mengecek 10 observasi awal dataset tersebut, jalankan sintaks berikut:
Dataset_superstore_simple## # A tibble: 9,988 x 9
## order_id order_date customer_id segment category sub_category sales quantity
## <chr> <date> <chr> <chr> <chr> <chr> <dbl> <dbl>
## 1 CA-2016~ 2016-11-08 CG-12520 Consum~ Furnitu~ Bookcases 262. 2
## 2 CA-2016~ 2016-11-08 CG-12520 Consum~ Furnitu~ Chairs 732. 3
## 3 CA-2016~ 2016-06-12 DV-13045 Corpor~ Office ~ Labels 14.6 2
## 4 US-2015~ 2015-10-11 SO-20335 Consum~ Furnitu~ Tables 958. 5
## 5 US-2015~ 2015-10-11 SO-20335 Consum~ Office ~ Storage 22.4 2
## 6 CA-2014~ 2014-06-09 BH-11710 Consum~ Furnitu~ Furnishings 48.9 7
## 7 CA-2014~ 2014-06-09 BH-11710 Consum~ Office ~ Art 7.28 4
## 8 CA-2014~ 2014-06-09 BH-11710 Consum~ Technol~ Phones 907. 6
## 9 CA-2014~ 2014-06-09 BH-11710 Consum~ Office ~ Binders 18.5 3
## 10 CA-2014~ 2014-06-09 BH-11710 Consum~ Office ~ Appliances 115. 5
## # ... with 9,978 more rows, and 1 more variable: profit <dbl>Ringkasan Data
glimpse(Dataset_superstore_simple)## Rows: 9,988
## Columns: 9
## $ order_id <chr> "CA-2016-152156", "CA-2016-152156", "CA-2016-138688", ...
## $ order_date <date> 2016-11-08, 2016-11-08, 2016-06-12, 2015-10-11, 2015-...
## $ customer_id <chr> "CG-12520", "CG-12520", "DV-13045", "SO-20335", "SO-20...
## $ segment <chr> "Consumer", "Consumer", "Corporate", "Consumer", "Cons...
## $ category <chr> "Furniture", "Furniture", "Office Supplies", "Furnitur...
## $ sub_category <chr> "Bookcases", "Chairs", "Labels", "Tables", "Storage", ...
## $ sales <dbl> 261.9600, 731.9400, 14.6200, 957.5775, 22.3680, 48.860...
## $ quantity <dbl> 2, 3, 2, 5, 2, 7, 4, 6, 3, 5, 9, 4, 3, 3, 5, 3, 6, 2, ...
## $ profit <dbl> 41.9136, 219.5820, 6.8714, -383.0310, 2.5164, 14.1694,...summary(Dataset_superstore_simple)## order_id order_date customer_id segment
## Length:9988 Min. :2014-01-03 Length:9988 Length:9988
## Class :character 1st Qu.:2015-05-23 Class :character Class :character
## Mode :character Median :2016-06-26 Mode :character Mode :character
## Mean :2016-04-29
## 3rd Qu.:2017-05-14
## Max. :2017-12-30
## category sub_category sales quantity
## Length:9988 Length:9988 Min. : 0.444 Min. : 1.000
## Class :character Class :character 1st Qu.: 17.248 1st Qu.: 2.000
## Mode :character Mode :character Median : 54.376 Median : 3.000
## Mean : 221.953 Mean : 3.789
## 3rd Qu.: 209.814 3rd Qu.: 5.000
## Max. :9892.740 Max. :14.000
## profit
## Min. :-3839.990
## 1st Qu.: 1.730
## Median : 8.653
## Mean : 27.105
## 3rd Qu.: 29.345
## Max. : 4946.370Carilah customer_id yang memiliki sales paling besar!
Dari ringkasan data summary terlihat bahwa variabel sales memiliki nilai max sebesar 9892.740, sehingga kita bisa mencari customer_id yang memiliki sales tersebut.
Dataset_superstore_simple %>% filter(sales==9892.740) %>% select(customer_id, sales)## # A tibble: 1 x 2
## customer_id sales
## <chr> <dbl>
## 1 AB-10105 9893.Dari hasil output di atas diperoleh customer_id AB-10105 memiliki sales paling besar.
Sub-category apa saja yang ada di dalam category 'Office Supplies' dan masing-masing berapa banyak total profitnya?
Dataset_superstore_simple %>% filter(category =="Office Supplies") %>% group_by(sub_category) %>% summarise(total_profit = sum(profit))## `summarise()` ungrouping output (override with `.groups` argument)## # A tibble: 9 x 2
## sub_category total_profit
## <chr> <dbl>
## 1 Appliances 18138.
## 2 Art 6528.
## 3 Binders 30222.
## 4 Envelopes 6964.
## 5 Fasteners 950.
## 6 Labels 5546.
## 7 Paper 34054.
## 8 Storage 21279.
## 9 Supplies -1189.Berapa banyak order yang menghasilkan profit negatif (rugi)?
Dataset_superstore_simple %>% filter(profit < 0)## # A tibble: 1,869 x 9
## order_id order_date customer_id segment category sub_category sales quantity
## <chr> <date> <chr> <chr> <chr> <chr> <dbl> <dbl>
## 1 US-2015~ 2015-10-11 SO-20335 Consum~ Furnitu~ Tables 9.58e2 5
## 2 US-2015~ 2015-11-22 HP-14815 Home O~ Office ~ Appliances 6.88e1 5
## 3 US-2015~ 2015-11-22 HP-14815 Home O~ Office ~ Binders 2.54e0 3
## 4 US-2017~ 2017-07-16 SF-20065 Consum~ Furnitu~ Chairs 7.14e1 2
## 5 US-2015~ 2015-09-17 TB-21520 Consum~ Furnitu~ Bookcases 3.08e3 7
## 6 US-2015~ 2015-09-17 TB-21520 Consum~ Office ~ Binders 9.62e0 2
## 7 US-2015~ 2015-09-17 TB-21520 Consum~ Office ~ Binders 6.86e0 6
## 8 CA-2016~ 2016-12-08 GH-14485 Corpor~ Furnitu~ Furnishings 1.91e2 5
## 9 CA-2015~ 2015-12-27 SN-20710 Home O~ Furnitu~ Bookcases 5.32e2 3
## 10 CA-2015~ 2015-12-27 SN-20710 Home O~ Furnitu~ Chairs 2.12e2 3
## # ... with 1,859 more rows, and 1 more variable: profit <dbl>Berdasarkan output yang dihasilkan, terdapat 1869 order yang menghasilkan profit negatif (rugi)
Antara 3 customer_id ini, mana yang total sales-nya paling banyak: JE-16165, KH-16510, AD-10180?
Dataset_superstore_simple %>% group_by(customer_id) %>% summarise(total_sales = sum(sales)) %>% filter(customer_id == "JE-16165" |customer_id == "KH-16510" |customer_id == "AD-10180") ## `summarise()` ungrouping output (override with `.groups` argument)## # A tibble: 3 x 2
## customer_id total_sales
## <chr> <dbl>
## 1 AD-10180 6107.
## 2 JE-16165 2697.
## 3 KH-16510 5953.Dari output yang dihasilkan, terlihat bahwa customer_id AD-10180 memiliki total sales paling banyak dibandingkan customer_id KH-16510 dan JE-16165.
Buatlah data frame bernama 'yearly_sales' yang berisi total sales, jumlah customers, dan total profit tiap tahun. Tahun berapa profit tertinggi diperoleh?
Dataset_superstore_simple$order_date <- as.Date(Dataset_superstore_simple$order_date)
Dataset_superstore_simple$order_year<- as.Date(cut(Dataset_superstore_simple$order_date,breaks='year'))
yearly_sales <- Dataset_superstore_simple %>% group_by(order_year) %>% summarise(sales=sum(sales),profit=sum(profit),jumlah_customer=n()) ## `summarise()` ungrouping output (override with `.groups` argument)yearly_sales## # A tibble: 4 x 4
## order_year sales profit jumlah_customer
## <date> <dbl> <dbl> <int>
## 1 2014-01-01 461609. 51355. 1992
## 2 2015-01-01 470533. 61619. 2102
## 3 2016-01-01 587206. 79995. 2585
## 4 2017-01-01 697515. 77759. 3309Dari ouput yang dihasilkan, tahun 2016 merupakan tahun yang memperoleh profit tertinggi.
Buatlah scatterplot antara sales dan profit untuk data di tahun 2014-2015 saja, bedakan warnanya antara tahun 2014 dan tahun 2015. Beri judul 'Sales vs Profit 2014-2015'!
yearly_2014_2015 <- Dataset_superstore_simple %>% select(order_year,sales,profit) %>% filter(order_year=="2014-01-01" | order_year=="2015-01-01")
ggplot(yearly_2014_2015,aes(x=sales,y=profit)) + geom_point (aes(color = order_year)) + labs(title = "Sales vs Profit 2014-2015")
Pada scatterplot yang dihasilkan, order_year untuk tahun 2014 ditandai dengan warna biru tua sedangkan order_year untuk tahun 2015 ditandai dengan warna biru muda.
Buatlah barchart yang berisi total profit dari 10 customer dengan total sales tertinggi di tahun 2015!
yearly_2015 <- Dataset_superstore_simple %>% select(order_year,customer_id,sales,profit) %>% filter(order_year=="2015-01-01" & sales > 0) %>% group_by(customer_id) %>% summarise(sales=sum(sales),profit=sum(profit)) %>% arrange(desc(sales))## `summarise()` ungrouping output (override with `.groups` argument)yearly_2015## # A tibble: 573 x 3
## customer_id sales profit
## <chr> <dbl> <dbl>
## 1 PF-19120 9022. -632.
## 2 KD-16495 7039. 2810.
## 3 CM-12385 6682. 3197.
## 4 FH-14365 6056. 2140.
## 5 NW-18400 5511. 1654.
## 6 SB-20185 5414. 939.
## 7 JH-15985 5353. -1429.
## 8 HM-14860 5328. 2451.
## 9 CB-12025 4663. 223.
## 10 QJ-19255 4410. 1014.
## # ... with 563 more rowstahun2015_sales10tertinggi <- yearly_2015 %>% filter(sales > 4300)
tahun2015_sales10tertinggi## # A tibble: 10 x 3
## customer_id sales profit
## <chr> <dbl> <dbl>
## 1 PF-19120 9022. -632.
## 2 KD-16495 7039. 2810.
## 3 CM-12385 6682. 3197.
## 4 FH-14365 6056. 2140.
## 5 NW-18400 5511. 1654.
## 6 SB-20185 5414. 939.
## 7 JH-15985 5353. -1429.
## 8 HM-14860 5328. 2451.
## 9 CB-12025 4663. 223.
## 10 QJ-19255 4410. 1014.ggplot(tahun2015_sales10tertinggi,aes(x=profit,y=sales)) + geom_bar(stat='identity',aes(fill=customer_id)) + labs(title = "10 customer dengan total sales tertinggi tahun 2015")