Soal UAS

Berikut ini saya lampirkan data perumahan di kota Melbourne Australia, dengan struktur data sebagai berikut:

Type: yang dibagi menjadi 3 bagian
TipeA.csv
TipeB.xlsx
TipeC.rds

Dimana setiap tipe rumah (A,B,C) tersebut terdiri dari beberapa variabel sebagai berikut:
- Suburb: Suburb
- Rooms: Number of rooms
- Price: Price in dollars
- Method: Status of property sale -
* S - property sold;
* SP - property sold prior;
* PI - property passed in;
* PN - sold prior not disclosed;
* SN - sold not disclosed;
* VB - vendor bid;
* W - withdrawn prior to auction;
* SA - sold after auction;
* SS - sold after auction price not disclosed.
- SellerG: Real Estate Agent
- Date: Date sold
- Distance: Distance from CBD
- Bedroom2: Number of Bedrooms
- Bathroom: Number of Bathrooms
- Car: Number of car spots
- Landsize: Land Size
- YearBuilt: Year the house was built
- Regionname: General Region (West, North West, North, North east …etc)

Tugas kalian adalah:

1.Gabungkan data tipe A,B, C kedalam satu dataframe sehingga membentuk struktur data (Type,Subur, Price, Method, SellerG, Date, Distance,Bedroom2, Bathroom, Car, Landsize, YearBuilt, Regionname)
2. Rename setiap variabel diatas kedalam bahasa indonesia.
3. Rename kategori variabel “Regionname” kedalam bahasa Indonesia.
4. Lakukan pengecekan Missing Value dan pengendalian
5.Buatlah Visualisasi Data secara lengkap untuk mendapatkan informasi
penting yang terkandung dalam Data_Perumahan_Melbourne.xlsx.

print (getwd())    # memperlihatkan data yang menyimpan file

## [1] "C:/Users/HP/OneDrive/Documents/uas algo"

getwd()            # memperlihatkan data yang menyimpan file

## [1] "C:/Users/HP/OneDrive/Documents/uas algo"

setwd(getwd())     # memperlihatkan data yang menyimpan file

Menggabungkan ketiga data

Gabungkan data tipe A,B, C kedalam satu dataframe sehingga membentuk struktur data (Type,Subur, Price, Method, SellerG, Date, Distance,Bedroom2, Bathroom, Car, Landsize, YearBuilt, Regionname).

Menggunakan fungsi rbind untuk menggabungkan beberapa baris untuk membentuk satu kumpulan, termasuk menggabungkan dua bingkai data, vektor, dan banyak lagi.

# install.packages(c("readxl","writexl")) # install packages readxl and writexl
pacman::p_load(readxl, writexl)         # install pacman

data1 <- read.csv("C:\\Users\\HP\\OneDrive\\Documents\\uas algo/TipeA.csv",sep = ",")
data2 <- read_excel("C:\\Users\\HP\\OneDrive\\Documents\\uas algo/TipeB.xlsx")
data3 <- readRDS("C:/Users/HP/OneDrive/Documents/uas algo/TipeC.rds")

data1$Type="House"
data2$Type="Town-House"
data3$Type="Units"

df <- rbind(data1, data2, data3)
df

Keterangan: Menggabungkan ketiga data dengan jenis file yang berbeda dengan fungsi rbind() dan menambahkan variabel baru yaitu Type ke dalam data.

Kemudian menghilangkan 2 column yaitu Rooms dan BuildingArea untuk mendapatkan bentuk struktur data (Type,Subur, Price, Method, SellerG, Date, Distance,Bedroom2, Bathroom, Car, Landsize, YearBuilt, Regionname)

dfbaru <- data.frame("Type" = df$Type,
                     "Subur" = df$Suburb,
                     "Price"= df$Price,
                     "Method" = df$Method,
                     "SellerG" = df$SellerG,
                     "Date" = df$Date,
                     "Distance" = df$Distance,
                     "Bedroom2" = df$Bedroom2,
                     "Bathroom" = df$Bathroom,
                     "Car" = df$Car,
                     "Landsize" = df$Landsize,
                     "YearBuilt" = df$YearBuilt,
                     "Regionname" = df$Regionname)
dfbaru

Keterangan: Fungsi Data.frame() digunakan karena untuk membentuk tabel atau struktur seperti array dua dimensi di mana setiap kolom berisi nilai dari satu variabel dan setiap baris berisi satu set nilai dari setiap kolom dan memberikan kesan yang mudah dimengerti dalam setiap baris dan kolom.

Rename Regionname

Rename setiap variabel diatas kedalam bahasa indonesia menggunakan fungsi names. Kemudian hasil akhir menggunakan data frame agar tidak memunculkan banyak data terlalu banyak dan lebih tertata.

rename_1= dfbaru
names(rename_1)= c("Tipe",
                   "Pinggiran Kota",
                   "Harga",
                   "Langkah",
                   "PenjualG",
                   "Tanggal",
                   "Jarak",
                   "Ruang Kamar",
                   "Kamar Mandi",
                   "Mobil",
                   "Ukuran Tanah",
                   "Tahun Pembangunan",
                    "Wilayah")

dff <- data.frame(rename_1)
dff

Renaming Variabel in Regionname

Rename kategori variabel “Regionname” kedalam bahasa Indonesia.

Pertama, memanggil semua variabel dalam column wilayah menggunakan fungsi unique.
Untuk mengevaluasi apa saja nilai unik dalam kolom menggunakan fungsi unique.

unique(dff$Wilayah)

## [1] "Northern Metropolitan"      "Western Metropolitan"      
## [3] "Southern Metropolitan"      "Eastern Metropolitan"      
## [5] "South-Eastern Metropolitan" "Eastern Victoria"          
## [7] "Northern Victoria"          "Western Victoria"          
## [9] NA

Setelah memanggil semua variabel yang ada dalam wilayah, kita mengetahui bahwa sebelumnya variabel dalam berbahasa inggris, karena itu kita mengganti languange ke Bahasa Indonesia.

dff$Wilayah[dff$Wilayah=="Southern Metropolitan"] <- "Metropolitan Selatan"
dff$Wilayah[dff$Wilayah=="Northern Metropolitan"] <- "Metropolitan Utara"
dff$Wilayah[dff$Wilayah=="Western Metropolitan"] <- "Metropolitan Barat"
dff$Wilayah[dff$Wilayah=="South-Eastern Metropolitan"] <- "Metropolitan Tenggara"
dff$Wilayah[dff$Wilayah=="Eastern Victoria"] <- "Victoria Timur"
dff$Wilayah[dff$Wilayah=="Northern Victoria"] <- "Victoria Utara"
dff$Wilayah[dff$Wilayah=="Eastern Metropolitan"] <- "Metropolitan Timur"
dff$Wilayah[dff$Wilayah=="Western Victoria"] <- "Victoria Barat"

dff

visualisasi Data

Buatlah Visualisasi Data secara lengkap untuk mendapatkan informasi penting yang terkandung dalam Data_Perumahan_Melbourne.xlsx.

missing_var <- as.data.frame(colSums(is.na(dfbaru))) %>% 
  rename(value = `colSums(is.na(dfbaru))`) %>% 
  add_rownames(var = "Variable") %>% 
  filter(value > 0) %>% 
  arrange(value)

missing_var <-  missing_var %>% 
  mutate(prop = value/nrow(dfbaru)) %>% 
  mutate(Variable = fct_reorder(Variable, prop))

missing_var %>% 
  ggplot(aes(Variable, prop))+
  geom_bar(stat = "identity", fill = "yellow", color = "red")+
  scale_y_continuous(labels = scales::percent)+
  labs(x = "VariabelNA", y = "Percent", title = "Bar Plot Variabel NA")

library(ggplot2)   # memanggil ggplot2
library(dplyr)     # memanggil dplyr

dff%>% 
  group_by(Ruang.Kamar) %>% 
  summarise(AvgPrice = mean(Harga, na.rm = T)) %>% 
  arrange(Ruang.Kamar) %>% 
  ggplot(aes(fct_reorder(as.factor(Ruang.Kamar), AvgPrice), AvgPrice))+
  geom_bar(stat = "identity", color = "black", fill ="pink")+
  scale_y_continuous(labels = scales::dollar)+
  labs(x = "No.Ruang", title = "Harga rata-rata terhadap no.Ruang")+
  coord_flip()+
  geom_text(aes(label = paste0("(", scales::dollar(AvgPrice),")", sep = "")), hjust = 1.1, vjust = .5, fontface = "bold")

cols <- c("yellow", "green", "purple", "Red", "blue", "darkgrey", "orange", "pink", "black")
ggplot(dff, aes( x = Harga,
                 y = Wilayah,
                 horizontal = TRUE)) +
  scale_x_continuous(breaks=seq(0,10000000,1250000)) +
  geom_boxplot(notch = FALSE,
               fill = cols,
               outlier.colour = "skyblue",
               alpha = 1) +
  theme_minimal() +
  labs(title = "Distribusi Harga Wilayah")

gl <- unique(dff$Pinggiran.Kota)
data.frame(gl)

Top_avg_property_price <- dff %>% 
  group_by(Pinggiran.Kota) %>% 
  summarise(Avg = round(mean(Harga, na.rm = T),2)) %>% 
  arrange(-Avg) %>% 
  top_n(n = 5)

Top_avg_property_price %>% 
  mutate_at(vars(Pinggiran.Kota), funs(as.factor(.))) %>% 
  ggplot(aes(fct_reorder(Pinggiran.Kota, Avg), Avg))+
  geom_bar(stat = "identity", fill = "pink", color = "black")+
  geom_text(aes(Pinggiran.Kota, 1, label = paste("(",scales::dollar(Avg),")")), hjust = 0, vjust = 0.4, fontface = "bold", color = "darkblue")+
  coord_flip()+
  labs(y = "Harga", x = "Pinggiran Kota", title = "Top 5 Pinggiran Kota paling mahal berdasarkan rata-rata")

Bottom_avg_property_price <-dff %>% 
  group_by(Pinggiran.Kota) %>% 
  summarise(Avg = mean(Harga, na.rm = T)) %>% 
  arrange(Avg) %>% 
  top_n(n = -5)

Bottom_avg_property_price %>% 
  mutate_at(vars(Pinggiran.Kota), funs(as.factor(.))) %>% 
  ggplot(aes(fct_reorder(Pinggiran.Kota, Avg), Avg))+
  geom_bar(stat = "identity", fill = "skyblue", color = "black")+
  geom_text(aes(Pinggiran.Kota, 1, label = paste("(",scales::dollar(Avg),")")), hjust = 0, vjust = .5, fontface = "bold", color = "darkblue")+
  coord_flip()+
  labs(y = "Harga", x = "Pinggiran Kota", title = "5 Pinggiran Kota paling terendah berdasarkan rata-rata")

library(scales)
library(dplyr)
plotdata <- dff %>%
  count(Wilayah) %>%
  arrange(desc(Wilayah)) %>%
  mutate(prop = round(n*100/sum(n),1),
         lab.ypos = cumsum(prop) - 0.5*prop)


ggplot(plotdata,
       aes(x = "",
           y = prop,
           fill = Wilayah)) +
  geom_bar(width = 1, stat = "identity", color = "black") +
  coord_polar("y", start = 0) +
  geom_text(aes(y = lab.ypos, label = prop), color = "black") +
  scale_fill_brewer(palette="pinks", direction=-1) +
  theme_void() +
  labs(title = "Wilayah dengan Penduduk Terbanyak")