Analisa Furnitur IKEA
Vincentius Kedang | RnD
5 Maret 2022
Load data
Data kita ambil dari katalog Ikea tahun 2020:
library(tidyverse)
library(patchwork)
theme_set(theme_minimal())
ikea <- readr::read_csv('https://raw.githubusercontent.com/rfordatascience/tidytuesday/master/data/2020/2020-11-03/ikea.csv')
ikeaDataset yang akan kita olah terdiri dari 3694 baris dan 14 kolom.
Eksplorasi Data
Missing values
Kita buat rasio (0-1) untuk mengetahui seberapa banyak data yang hilang di masing-masing kolom:
na_ratio <- function(x) sum(is.na(x))/length(x)
na_ratio(c(1,2, NA))#> [1] 0.3333333ikea %>%
map_dbl(na_ratio)#> ...1 item_id name category
#> 0.0000000 0.0000000 0.0000000 0.0000000
#> price old_price sellable_online link
#> 0.0000000 0.0000000 0.0000000 0.0000000
#> other_colors short_description designer depth
#> 0.0000000 0.0000000 0.0000000 0.3960476
#> height width
#> 0.2674607 0.1594478Terdapat 3 kolom yang memiliki data hilang sangat banyak (NA): depth, height, dan width.
ID unik.
Count by item_id
ikea %>%
count(item_id, sort = TRUE) %>%
count(n)Kita dapat lihat bahwa banyak ID yang memiliki beberapa baris sekaligus.
ikea %>%
count(item_id, sort = TRUE) %>%
filter(n == 2)Contoh, kita ambil ID 914415
ikea %>%
filter(item_id == 91415) ikea %>%
add_count(item_id) %>%
filter(n > 1) %>%
count(item_id, link, price) %>%
count(item_id, sort = TRUE)Dari subset tersebut, dapat disimpulkan bahwa ada beberapa item_id unik yang memiliki harga yang sama, namun masuk ke dalam kategori yang berbeda. Artinya masih terdapat kelemahan dalam sistem kategorisasi item barang di Ikea.
Ukuran Kategori
Kita visualisasikan item per kategori:
ikea %>%
add_count(category) %>%
mutate(category_fct = fct_reorder(category, n)) %>%
ggplot(aes(x = category_fct)) +
geom_bar() +
geom_text(aes(label = n, y = n), nudge_y = 20)+
coord_flip() +
theme_minimal() +
labs(x = "Kategori",
y = "Jumlah",
title = "Jumlah item per kategori")
Kita hapus semua item dengan"Leg(s)" menggunakan regexp:
ikea %>%
filter(!str_detect(short_description, "^[Ll]eg(s)?\\W"))Preprocessing
- Hitung berdasarkan kategori
- Mengkombinasikan semua kategori dengan jumlah kecil menjadi
"Other" - Mendeteksi setiap kalimat yang mengandung ejaan Swedia: å, ä, ö
ikea <- ikea %>%
mutate(price_usd = round(price * 0.27, 1),
volume_m3 = height * width * depth / (100^3)) %>%
add_count(category) %>%
mutate(category_fct = fct_reorder(category, n)) %>%
select(!c(old_price, price)) %>%
select(!...1)%>%
filter(!str_detect(short_description, "^[Ll]eg(s)?\\W")) %>%
mutate(swedish_letters = str_detect(tolower(name), "[åäö]")) %>%
mutate(category_fct_5 = fct_lump(category_fct, 5)) head(ikea)summary(ikea)#> item_id name category sellable_online
#> Min. : 58487 Length:3672 Length:3672 Mode :logical
#> 1st Qu.:20389915 Class :character Class :character FALSE:28
#> Median :49287769 Mode :character Mode :character TRUE :3644
#> Mean :48633280
#> 3rd Qu.:70404493
#> Max. :99932615
#>
#> link other_colors short_description designer
#> Length:3672 Length:3672 Length:3672 Length:3672
#> Class :character Class :character Class :character Class :character
#> Mode :character Mode :character Mode :character Mode :character
#>
#>
#>
#>
#> depth height width price_usd
#> Min. : 1.0 Min. : 1.0 Min. : 1.0 Min. : 0.8
#> 1st Qu.: 38.0 1st Qu.: 68.0 1st Qu.: 60.0 1st Qu.: 52.7
#> Median : 47.0 Median : 83.0 Median : 80.0 Median : 147.2
#> Mean : 54.4 Mean :101.8 Mean :104.5 Mean : 292.8
#> 3rd Qu.: 60.0 3rd Qu.:124.0 3rd Qu.:140.0 3rd Qu.: 390.2
#> Max. :257.0 Max. :321.0 Max. :420.0 Max. :2588.0
#> NA's :1443 NA's :980 NA's :569
#> volume_m3 n category_fct
#> Min. : 0.0000 Min. : 13 Tables & desks : 605
#> 1st Qu.: 0.2027 1st Qu.:216 Bookcases & shelving units: 547
#> Median : 0.4672 Median :428 Chairs : 481
#> Mean : 0.9107 Mean :379 Sofas & armchairs : 420
#> 3rd Qu.: 1.2998 3rd Qu.:548 Cabinets & cupboards : 292
#> Max. :13.6290 Max. :612 Wardrobes : 236
#> NA's :1773 (Other) :1091
#> swedish_letters category_fct_5
#> Mode :logical Cabinets & cupboards : 292
#> FALSE:2713 Sofas & armchairs : 420
#> TRUE :959 Chairs : 481
#> Bookcases & shelving units: 547
#> Tables & desks : 605
#> Other :1327
#> Dari summary dataset Ikea yang sudah diolah, dapat kita ambil beberapa kesimpulan:
- Terdapat 3644 item barang yang dapat dijual secara online, dan 28 item barang yang hanya dapat dijual secara offline.
- Tinggi minimum item barang adalah 1 meter, sedangkan tinggi maksimum mencapai 3.21 meter, dengan rata-rata tinggi 1.01 meter.
- Lebar minimum item barang adalah 1 meter, sedangkan lebar maksimum mencapai 4.20 meter, dengan rata-rata lebar 1.04 meter.
- Kedalaman item paling minimum adalah 1 meter, sedangkan maksimum 2.57 meter, dengan rata-rata kedalaman 54 cm.
- Harga termurah adalah 0.8 dollar, sedangkan termahal 2588 dollar, dengan rata-rata harga 292.8 dollar.
- Untuk jumlah item per masing-masing kategori dapat dilihat di kelompok category_fct.
Visualisasi Dimensi Barang
shape_gg <- ikea %>%
mutate(category_fct_5 = fct_lump(category_fct, 5)) %>%
ggplot(aes(xmin = 0, ymin = 0, xmax = width, ymax = height, colour = category_fct_5)) +
geom_rect(alpha = 0.05, fill = "#FFFFFF", size = 1) +
facet_wrap(~ category_fct_5, ncol = 3) +
guides(colour=FALSE) +
coord_fixed() +
labs(x = "lebar, cm",
y = "tinggi, cm",
title = "Dimensi Furniture IKEA")
shape_gg
Gambar diatas merupakan hasil visualisasi dari data tinggi dan lebar masing-masing item di tiap kategori. Masing-masing plot (kotak) merepresentasikan ukuran sebenarnya.
Visualisasi Kategori vs Harga
violin_fill_gg <- ikea %>%
ggplot(aes(x = price_usd, fill = category_fct_5)) +
geom_density(alpha = 0.7, position = "fill") +
scale_x_continuous(labels = scales::dollar) +
scale_y_continuous(labels = scales::percent) +
labs(x = "Harga, USD",
y = "",
fill = "",
title = "Pembagian Kategori Berdasarkan Harga",
subtitle = "Sofas & Armchairs adalah yang paling tinggi harganya")
violin_fill_gg 
Dari visualisasi ini, kita dapat lihat bahwa item dengan harga yang tinggi banyak terdapat dalam kategori "Sofas & Armchairs".
points_box_gg <- ikea %>%
ggplot(aes(x = category_fct_5, y = price_usd, colour = category_fct_5)) +
geom_jitter(alpha = 0.1, width = 0.2) +
geom_boxplot(width = 0.2, outlier.alpha = 0, fill = "white") +
coord_flip()+
scale_y_log10(labels = scales::dollar) +
labs(y = "Harga, USD",
x = "",
fill = "",
title = "Distribusi Harga")
points_box_gg
Secara umum, semakin besar item (volumenya), maka akan semakin mahal. Harga rata-rata terendah di Bookcases & Shelving Units, sedangkan harga rata-rata tertinggi berada di kategori Sofas & Armchair.
scatter_gg <- ikea %>%
ggplot(aes(x = volume_m3, y = price_usd, colour = category_fct_5)) +
geom_point(alpha = 0.4) +
scale_x_log10() +
scale_y_log10(labels = scales::dollar) +
labs(x = bquote("Volume," ~m^3),
y = "Harga, USD",
title = "Harga vs. Volume",
subtitle = "Semakin Besar = Semakin Mahal",
colour = "")
scatter_gg
Kita gabungkan semua menggunakan patchwork!
theme_set(theme_minimal(base_size = 7))
theme_update(legend.position="none")
(points_box_gg | scatter_gg | violin_fill_gg) / (shape_gg +
facet_wrap(~ category_fct_5, ncol = 6)) +
plot_layout(widths = c(0.9, 1, 1.2), heights = c(1, 0.5))
Analisis Regresi Linear
Apakah harga dipengaruhi oleh volume?
ikea %>%
lm(price_usd ~ volume_m3, data = .) %>%
summary()#>
#> Call:
#> lm(formula = price_usd ~ volume_m3, data = .)
#>
#> Residuals:
#> Min 1Q Median 3Q Max
#> -2529.88 -78.23 -39.35 62.65 1308.94
#>
#> Coefficients:
#> Estimate Std. Error t value Pr(>|t|)
#> (Intercept) 68.022 6.349 10.71 <2e-16 ***
#> volume_m3 287.215 4.422 64.96 <2e-16 ***
#> ---
#> Signif. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
#>
#> Residual standard error: 213.9 on 1897 degrees of freedom
#> (1773 observations deleted due to missingness)
#> Multiple R-squared: 0.6899, Adjusted R-squared: 0.6897
#> F-statistic: 4220 on 1 and 1897 DF, p-value: < 2.2e-16ikea %>%
lm(log(price_usd) ~ log(volume_m3), data = .) %>%
summary()#>
#> Call:
#> lm(formula = log(price_usd) ~ log(volume_m3), data = .)
#>
#> Residuals:
#> Min 1Q Median 3Q Max
#> -3.3756 -0.3623 0.0357 0.3960 3.3369
#>
#> Coefficients:
#> Estimate Std. Error t value Pr(>|t|)
#> (Intercept) 5.75519 0.01821 316.08 <2e-16 ***
#> log(volume_m3) 0.75405 0.01168 64.57 <2e-16 ***
#> ---
#> Signif. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
#>
#> Residual standard error: 0.6859 on 1897 degrees of freedom
#> (1773 observations deleted due to missingness)
#> Multiple R-squared: 0.6873, Adjusted R-squared: 0.6871
#> F-statistic: 4170 on 1 and 1897 DF, p-value: < 2.2e-16