Willibrordus Bayu 12/9/2021
This is an R Markdown document. Markdown is a simple formatting syntax for authoring HTML, PDF, and MS Word documents. For more details on using R Markdown see http://rmarkdown.rstudio.com.
#Membaca dataset dengan read.csv dan dimasukkan ke variable data_intro
data_intro <- read.csv("https://storage.googleapis.com/dqlab-dataset/data_intro.csv",sep=";")
View(data_intro)#Membaca dataset dengan read.csv dan dimasukkan ke variable data_intro
data_intro <- read.csv("https://storage.googleapis.com/dqlab-dataset/data_intro.csv",sep=";")
str(data_intro)## 'data.frame': 20 obs. of 9 variables:
## $ ID.Pelanggan : int 1 2 3 4 5 6 7 8 9 10 ...
## $ Nama : chr "Arif" "Dian" "Dinda" "Fajar" ...
## $ Jenis.Kelamin : int 1 2 2 1 2 1 1 2 2 2 ...
## $ Pendapatan : int 600000 1200000 950000 400000 1200000 800000 950000 1100000 800000 1700000 ...
## $ Produk : chr "A" "D" "D" "A" ...
## $ Harga : int 100000 250000 250000 100000 250000 150000 150000 300000 300000 300000 ...
## $ Jumlah : int 4 4 3 2 4 4 5 3 2 5 ...
## $ Total : int 400000 1000000 750000 200000 1000000 600000 750000 900000 600000 1500000 ...
## $ Tingkat.Kepuasan: int 2 2 3 3 2 3 1 3 1 1 ...## mengubah data menjadi karakter karena tidak dilakukan analisis statistik pada variabel ID Pelanggan dan nama
data_intro$ID.Pelanggan <- as.character(data_intro$ID.Pelanggan)
data_intro$Nama <- as.character(data_intro$Nama)
## melihat apakah sudah berhasil dalam mengubah variabel tersebut
str(data_intro$ID.Pelanggan)## chr [1:20] "1" "2" "3" "4" "5" "6" "7" "8" "9" "10" "11" "12" "13" "14" ...str(data_intro$Nama)## chr [1:20] "Arif" "Dian" "Dinda" "Fajar" "Ika" "Ilham" "Indra" "Kartika" ...## Mengubah data menjadi factor untuk membedakan data kualitatif dengan menggunakan functon as.factor
data_intro$Jenis.Kelamin <- as.factor(data_intro$Jenis.Kelamin)
data_intro$Produk <- as.factor(data_intro$Produk)
data_intro$Tingkat.Kepuasan <- as.factor(data_intro$Tingkat.Kepuasan)
## Melihat apakah sudah berhasil dalam mengubah variabel tersebut dengan menggunakan function str
str(data_intro$Jenis.Kelamin)## Factor w/ 2 levels "1","2": 1 2 2 1 2 1 1 2 2 2 ...str(data_intro$Produk)## Factor w/ 5 levels "A","B","C","D",..: 1 4 4 1 4 2 2 5 5 5 ...str(data_intro$Tingkat.Kepuasan)## Factor w/ 3 levels "1","2","3": 2 2 3 3 2 3 1 3 1 1 ...# melihat data/ pemanggilan data
data_intro## ID.Pelanggan Nama Jenis.Kelamin Pendapatan Produk Harga Jumlah Total
## 1 1 Arif 1 600000 A 100000 4 400000
## 2 2 Dian 2 1200000 D 250000 4 1000000
## 3 3 Dinda 2 950000 D 250000 3 750000
## 4 4 Fajar 1 400000 A 100000 2 200000
## 5 5 Ika 2 1200000 D 250000 4 1000000
## 6 6 Ilham 1 800000 B 150000 4 600000
## 7 7 Indra 1 950000 B 150000 5 750000
## 8 8 Kartika 2 1100000 E 300000 3 900000
## 9 9 Lestari 2 800000 E 300000 2 600000
## 10 10 Lia 2 1700000 E 300000 5 1500000
## 11 11 Maria 2 600000 A 100000 4 400000
## 12 12 Maya 2 950000 B 150000 5 750000
## 13 13 Mila 2 400000 C 200000 1 200000
## 14 14 Nurul 2 6450000 D 250000 5 1250000
## 15 15 Retno 2 1000000 C 200000 4 800000
## 16 16 Rini 2 800000 B 150000 4 600000
## 17 17 Rizki 1 1200000 C 200000 5 1000000
## 18 18 Sari 2 700000 D 250000 2 500000
## 19 19 Tyas 2 600000 A 100000 4 400000
## 20 20 Wahyu 1 800000 C 200000 3 600000
## Tingkat.Kepuasan
## 1 2
## 2 2
## 3 3
## 4 3
## 5 2
## 6 3
## 7 1
## 8 3
## 9 1
## 10 1
## 11 3
## 12 3
## 13 2
## 14 1
## 15 2
## 16 1
## 17 3
## 18 1
## 19 3
## 20 1# melihat tipe data
str(data_intro)## 'data.frame': 20 obs. of 9 variables:
## $ ID.Pelanggan : chr "1" "2" "3" "4" ...
## $ Nama : chr "Arif" "Dian" "Dinda" "Fajar" ...
## $ Jenis.Kelamin : Factor w/ 2 levels "1","2": 1 2 2 1 2 1 1 2 2 2 ...
## $ Pendapatan : int 600000 1200000 950000 400000 1200000 800000 950000 1100000 800000 1700000 ...
## $ Produk : Factor w/ 5 levels "A","B","C","D",..: 1 4 4 1 4 2 2 5 5 5 ...
## $ Harga : int 100000 250000 250000 100000 250000 150000 150000 300000 300000 300000 ...
## $ Jumlah : int 4 4 3 2 4 4 5 3 2 5 ...
## $ Total : int 400000 1000000 750000 200000 1000000 600000 750000 900000 600000 1500000 ...
## $ Tingkat.Kepuasan: Factor w/ 3 levels "1","2","3": 2 2 3 3 2 3 1 3 1 1 ...library(pracma)
## carilah modus untuk kolom Produk pada variable data_intro
Mode(data_intro$Produk)## [1] "D"## carilah modus untuk kolom Tingkat.Kepuasan pada variable data_intro
Mode(data_intro$Tingkat.Kepuasan)## [1] "3"## carilah median untuk kolom Pendapatan dari variable data_intro
median(data_intro$Pendapatan)## [1] 875000## carilah median untuk kolom Harga dari variable data_intro
median(data_intro$Harga)## [1] 2e+05## carilah median untuk kolom Jumlah dari variable data_intro
median(data_intro$Jumlah)## [1] 4## carilah median untuk kolom Total dari variable data_intro
median(data_intro$Total)## [1] 675000## carilah mean untuk kolom Pendapatan pada variable data_intro
mean(data_intro$Pendapatan)## [1] 1160000## carilah mean untuk kolom Harga pada variable data_intro
mean(data_intro$Harga)## [1] 197500## carilah mean untuk kolom Jumlah pada variable data_intro
mean(data_intro$Jumlah)## [1] 3.65## carilah mean untuk kolom Total pada variable data_intro
mean(data_intro$Total)## [1] 710000## carilah range untuk kolom Pendapatan pada variable data_intro
max(data_intro$Pendapatan) -min(data_intro$Pendapatan)## [1] 6050000## Carilah varians untuk kolom Pendapatan dari variable data_intro
var(data_intro$Pendapatan)## [1] 1.645684e+12## Carilah simpangan baku untuk kolom Pendapatan dari variable data_intro
sd(data_intro$Pendapatan)## [1] 1282842## carilah summary data dari data_intro
summary(data_intro)## ID.Pelanggan Nama Jenis.Kelamin Pendapatan Produk
## Length:20 Length:20 1: 6 Min. : 400000 A:4
## Class :character Class :character 2:14 1st Qu.: 675000 B:4
## Mode :character Mode :character Median : 875000 C:4
## Mean :1160000 D:5
## 3rd Qu.:1125000 E:3
## Max. :6450000
## Harga Jumlah Total Tingkat.Kepuasan
## Min. :100000 Min. :1.00 Min. : 200000 1:7
## 1st Qu.:150000 1st Qu.:3.00 1st Qu.: 475000 2:5
## Median :200000 Median :4.00 Median : 675000 3:8
## Mean :197500 Mean :3.65 Mean : 710000
## 3rd Qu.:250000 3rd Qu.:4.25 3rd Qu.: 925000
## Max. :300000 Max. :5.00 Max. :1500000## Carilah sebaran data kolom Jenis.Kelamin dari variable data_intro
plot(data_intro$Jenis.Kelamin)
## Carilah sebaran data dari Pendapatan dari variable data_intro
hist(data_intro$Pendapatan)
## Carilah sebaran data dari Produk dari variable data_intro
plot(data_intro$Produk)
## Carilah sebaran data dari Harga dari variable data_intro
hist(data_intro$Harga)
## Carilah sebaran data dari Jumlah dari variable data_intro
hist(data_intro$Jumlah)
## Carilah sebaran data dari Total dari variable data_intro
hist(data_intro$Total)
## Carilah sebaran data dari Tingkat.Kepuasan dari variable data_intro
plot(data_intro$Tingkat.Kepuasan)
plot(data_intro$Pendapatan, data_intro$Total)
#Gunakan cor.test untuk mencari hubungan Pendapatan dengan Total Belanja
cor.test(data_intro$Pendapatan, data_intro$Total)##
## Pearson's product-moment correlation
##
## data: data_intro$Pendapatan and data_intro$Total
## t = 3.1168, df = 18, p-value = 0.005957
## alternative hypothesis: true correlation is not equal to 0
## 95 percent confidence interval:
## 0.2026033 0.8197871
## sample estimates:
## cor
## 0.5920437## Carilah tabulasi silang antara kolom jenis produk (Produk) dan tingkat kepuasan (Tingkat.Kepuasan) dari variable data_intro
table(data_intro$Produk, data_intro$Tingkat.Kepuasan)##
## 1 2 3
## A 0 1 3
## B 2 0 2
## C 1 2 1
## D 2 2 1
## E 2 0 1## Analisis bagaimana hubungan jenis produk dengan tingkat kepuasan mengunakan uji korelasi
chisq.test(table(data_intro$Produk, data_intro$Tingkat.Kepuasan))## Warning in chisq.test(table(data_intro$Produk, data_intro$Tingkat.Kepuasan)):
## Chi-squared approximation may be incorrect
##
## Pearson's Chi-squared test
##
## data: table(data_intro$Produk, data_intro$Tingkat.Kepuasan)
## X-squared = 7.95, df = 8, p-value = 0.4384## carilah boxplot antara variabel jenis kelamin dengan total belanja
boxplot(Total ~ Jenis.Kelamin, data = data_intro)
## analisis bagaimana hubungan jenis kelamin dengan total belanja mengunakan uji statistik t-test
t.test(Total ~ Jenis.Kelamin, data = data_intro)##
## Welch Two Sample t-test
##
## data: Total by Jenis.Kelamin
## t = -1.1498, df = 12.133, p-value = 0.2724
## alternative hypothesis: true difference in means between group 1 and group 2 is not equal to 0
## 95 percent confidence interval:
## -488985.4 150890.2
## sample estimates:
## mean in group 1 mean in group 2
## 591666.7 760714.3