** direktori kerja **
setwd ("D:/1. PASCASARJANA/Semester 4/Nofrida/Tesis/olahdata/1. persiapan data")** impor data **
library(foreign)kor_RT <- read.dbf("kor21rt_dds.dbf")
ind1_kor <- read.dbf("kor21ind_1_dds.dbf")
ind2_kor <- read.dbf("kor21ind_2_dds.dbf")
dim(kor_RT)## [1] 7236 48dim(ind1_kor)## [1] 27418 18dim(ind2_kor)## [1] 27418 11str(ind2_kor)## 'data.frame': 27418 obs. of 11 variables:
## $ FWT : num 374 397 397 397 397 ...
## $ R101 : int 36 36 36 36 36 36 36 36 36 36 ...
## $ R102 : int 2 1 1 1 1 3 3 3 3 3 ...
## $ R105 : int 2 2 2 2 2 2 1 1 1 1 ...
## $ R1101_A: Factor w/ 1 level "A": NA 1 1 NA 1 1 1 1 NA 1 ...
## $ R1101_C: Factor w/ 1 level "C": NA NA NA NA NA NA NA NA NA NA ...
## $ R301 : int 1 4 4 4 4 1 6 6 6 6 ...
## $ R401 : int 1 1 2 3 4 1 1 2 3 4 ...
## $ RENUM : int 262533 458 458 458 458 335870 85283 85283 85283 85283 ...
## $ WI1 : int 999 14683 14683 14683 14683 28057 10659 10659 10659 10659 ...
## $ WI2 : int 326006 325987 325987 325987 325987 325820 325567 325567 325567 325567 ...
## - attr(*, "data_types")= chr "N" "N" "N" "N" ...** gabung data individu **
library(dplyr)## Warning: package 'dplyr' was built under R version 3.6.3##
## Attaching package: 'dplyr'## The following objects are masked from 'package:stats':
##
## filter, lag## The following objects are masked from 'package:base':
##
## intersect, setdiff, setequal, unionind_kor <- ind1_kor %>% left_join(ind2_kor, by=c("RENUM", "R401"))
dim(ind_kor)## [1] 27418 27dataset_ruta <- kor_RT
dataset_KRT <- ind1_kor %>% filter(R401==1)
dim(dataset_ruta)## [1] 7236 48dim(dataset_KRT)## [1] 7236 18dataset_statusruta<- dataset_ruta %>%
select(RENUM, R101, R102, R105, R301, R1701, R1702, R1703, R1704,R1705, R1706, R1707, R1708, R1801, R1802, R1804, R1806, R1807, R1808, R1809A, R1810A, R1814A, R1816, R1817, R2001A, R2001B, R2001C, R2001D, R2001E, R2001F, R2001G, R2001H, R2001I, R2001J, R2001K,
R2001L, R2001M, R2101A, R2202, R2203, R2205, R2206, R2208, R2212A, R2212B) %>%
mutate (y = ifelse(R2202==1,1, ifelse(R2202==2,1,
ifelse(R2203==1,1, ifelse(R2205==1,1,
ifelse(R2206==1,1, ifelse(R2208==1,1,
ifelse(R2212A==1,1, ifelse(R2212B==1,1,0
))))))))) %>%
mutate (status_ruta = ifelse(y == 0, "Bukan Penerima", "Penerima Program")) %>%
mutate (Provinsi = R101) %>%
mutate (KabKota = R102)
dim(dataset_statusruta)## [1] 7236 49table(dataset_statusruta$y)##
## 0 1
## 5087 2149** coba melihat proporsi data
prop.table(table(dataset_statusruta$status_ruta))##
## Bukan Penerima Penerima Program
## 0.7030127 0.2969873Dari proporsi peubah respon terlihat bahwa terjadi ketidakseimbangan data, sehingga perlu untuk menangani ketidakseimbangan data (akan dilakukan pada tahap berikutnya)
** menggunakan peubah penjelas pada data rumahtangga **
dataset_ruta_pakai<- dataset_statusruta %>%
select(everything()) %>%
mutate(status_daerah = ifelse(R105 %in% 1, "kota", "desa")) %>%
mutate (y = ifelse(R2202==1,1,
ifelse(R2202==2,1,
ifelse(R2203==1,1,
ifelse(R2205==1,1,
ifelse(R2206==1,1,
ifelse(R2208==1,1,
ifelse(R2212A==1,1,
ifelse(R2212B==1,1,0
))))))))) %>%
mutate(status_ruta = ifelse(y == 0,"bukan penerima", "penerima program")) %>%
mutate(jumlah_keluarga = R1801) %>%
mutate(status_bangunan = ifelse(R1802==1,"milik sendiri",
ifelse(R1802==2,"kontrak/sewa",
ifelse(R1802==3,"bebas sewa",
ifelse(R1802==4,"dinas","lainnya"
))))) %>%
mutate(luas_lantai = R1804) %>%
mutate(jenis_atap = ifelse(R1806==1, "beton",
ifelse(R1806==2, "genteng",
ifelse(R1806==3, "seng",
ifelse(R1806==4, "asbes",
ifelse(R1806==5, "bambu",
ifelse(R1806==6, "kayu/sirap",
ifelse(R1806==7, "jerami/ijuk/daun-daunan/rumbia", "lainnya"
)))))))) %>%
mutate(jenis_dinding = ifelse(R1807==1, "tembok",
ifelse(R1807==2, "plesteran anyaman bambu/kawat",
ifelse(R1807==3, "kayu/papan",
ifelse(R1807==4, "anyaman bambu",
ifelse(R1807==5, "batang kayu",
ifelse(R1807==6, "bambu", "lainnya"
))))))) %>%
mutate(jenis_lantai = ifelse(R1808==1, "marmer/granit",
ifelse(R1808==2, "keramik",
ifelse(R1808==3, "parket/vinil/karpet",
ifelse(R1808==4, "ubin/tegel/teraso",
ifelse(R1808==5, "kayu/papan",
ifelse(R1808==6, "semen/bata merah",
ifelse(R1808==7, "bambu",
ifelse(R1808==8, "tanah", "lainnya"
))))))))) %>%
mutate(fas_BAB = ifelse(R1809A==1, "ART sendiri",
ifelse(R1809A==2, "ART tertentu",
ifelse(R1809A==3, "MCK komunal",
ifelse(R1809A==4, "MCK umum",
ifelse(R1809A==5, "ada, tidak digunakan",
"tidak ada"
)))))) %>%
mutate(sumber_minum = ifelse(R1810A %in% 1:2,"air kemasan/isi ulang",
ifelse(R1810A %in% 3, "Leding",
ifelse(R1810A %in% 4, "sumur bor/pompa",
ifelse(R1810A %in% 5, "sumur terlindung",
ifelse(R1810A %in% 6, "sumur tak terlindung",
ifelse(R1810A %in% 7, "mata air terlindung",
ifelse(R1810A %in% 8, "mata air tak terlindung",
"Lainnya" )))))))) %>%
mutate(sumber_penerangan = ifelse(R1816==1, "PLN dengan meteran",
ifelse(R1816==2, "PLN tanpa meteran",
ifelse(R1816==3, "listrik non PLN",
"bukan listrik"
)))) %>%
mutate(bahan_bakar = ifelse(R1817==4,"elpiji 3kg",
ifelse(R1817==1 | R1817==5 | R1817==6 | R1817==8 | R1817==11 ,"Lainnya",
ifelse(R1817==2 | R1817==3 ,"LPG 12kg/5.5kg/Bluegaz",
ifelse(R1817==7,"minyak tanah",
ifelse(R1817==9, "arang",
ifelse(R1817==10,"kayu bakar",
"tidak memasak"
))))))) %>%
mutate(kepemilikan_barang = ifelse(R2001C==1, "AC",
ifelse(R2001G==1, "emas/perhiasan",
ifelse(R2001K==1, "mobil",
ifelse(R2001M==1, "tanah/lahan", "lainnya"
))))) %>%
mutate(jumlah_ART = R301) %>%
select(RENUM, y, status_daerah, status_ruta, jumlah_keluarga, status_bangunan, luas_lantai,
jenis_atap, jenis_lantai, jenis_dinding, fas_BAB, sumber_minum, sumber_penerangan,
bahan_bakar, kepemilikan_barang, jumlah_ART)
dim(dataset_ruta_pakai)## [1] 7236 16library(data.table)## Warning: package 'data.table' was built under R version 3.6.2##
## Attaching package: 'data.table'## The following objects are masked from 'package:dplyr':
##
## between, first, lastdata.table(head(dataset_ruta_pakai,150), class='cell-border stripe')## RENUM y status_daerah status_ruta jumlah_keluarga status_bangunan
## 1: 422 0 desa bukan penerima 1 milik sendiri
## 2: 425 0 desa bukan penerima 1 milik sendiri
## 3: 428 0 desa bukan penerima 1 milik sendiri
## 4: 431 0 desa bukan penerima 1 milik sendiri
## 5: 434 0 desa bukan penerima 1 kontrak/sewa
## ---
## 146: 19067 0 desa bukan penerima 1 milik sendiri
## 147: 19070 0 desa bukan penerima 1 milik sendiri
## 148: 19073 0 desa bukan penerima 2 milik sendiri
## 149: 19076 0 desa bukan penerima 2 milik sendiri
## 150: 19079 0 desa bukan penerima 1 milik sendiri
## luas_lantai jenis_atap jenis_lantai jenis_dinding fas_BAB
## 1: 87 genteng keramik tembok ART sendiri
## 2: 84 genteng semen/bata merah tembok ART sendiri
## 3: 78 genteng keramik tembok ART sendiri
## 4: 98 genteng keramik tembok tidak ada
## 5: 94 genteng keramik tembok ART sendiri
## ---
## 146: 90 genteng ubin/tegel/teraso tembok ART sendiri
## 147: 60 genteng keramik tembok ART sendiri
## 148: 90 genteng keramik tembok ART sendiri
## 149: 81 genteng keramik tembok ART sendiri
## 150: 100 genteng keramik tembok ART tertentu
## sumber_minum sumber_penerangan bahan_bakar kepemilikan_barang
## 1: sumur terlindung PLN dengan meteran kayu bakar tanah/lahan
## 2: mata air terlindung PLN dengan meteran kayu bakar tanah/lahan
## 3: mata air terlindung PLN dengan meteran kayu bakar tanah/lahan
## 4: sumur terlindung PLN dengan meteran elpiji 3kg tanah/lahan
## 5: sumur terlindung PLN dengan meteran elpiji 3kg tanah/lahan
## ---
## 146: mata air terlindung PLN dengan meteran elpiji 3kg tanah/lahan
## 147: mata air terlindung PLN dengan meteran kayu bakar tanah/lahan
## 148: mata air terlindung PLN tanpa meteran elpiji 3kg tanah/lahan
## 149: mata air terlindung PLN dengan meteran elpiji 3kg tanah/lahan
## 150: mata air terlindung PLN dengan meteran elpiji 3kg tanah/lahan
## jumlah_ART class
## 1: 1 cell-border stripe
## 2: 3 cell-border stripe
## 3: 1 cell-border stripe
## 4: 5 cell-border stripe
## 5: 3 cell-border stripe
## ---
## 146: 2 cell-border stripe
## 147: 1 cell-border stripe
## 148: 6 cell-border stripe
## 149: 3 cell-border stripe
## 150: 4 cell-border stripedataset_ind2_pakai<- ind_kor %>%
mutate(status_bpjsPBI = ifelse(R1101_A == "A", 1, 0)) %>%
mutate(status_jamkesda = ifelse(R1101_C == "C", 1, 0)) %>%
select(RENUM, status_bpjsPBI, status_jamkesda) %>% replace(is.na(.), 0)
dim(dataset_ind2_pakai)## [1] 27418 3dataset_ind2_pakai_agregat <- dataset_ind2_pakai %>% group_by(RENUM) %>%
summarize(jumlah_status_bpjsPBI = sum(status_bpjsPBI),
jumlah_status_jamkesda = sum(status_jamkesda),
.groups="keep")
head(dataset_ind2_pakai_agregat)## # A tibble: 6 x 3
## # Groups: RENUM [6]
## RENUM jumlah_status_bpjsPBI jumlah_status_jamkesda
## <int> <dbl> <dbl>
## 1 422 0 0
## 2 425 2 0
## 3 428 0 0
## 4 431 5 0
## 5 434 0 0
## 6 437 3 0dim(dataset_ind2_pakai_agregat)## [1] 7236 3dataset_KRT_pakai <- dataset_KRT %>%
mutate(JK_KRT = ifelse(R405 %in% 1, "Laki-laki", "Perempuan")) %>%
mutate(pendidikan_KRT = ifelse(R613 %in% 1:4,"SD",
ifelse(R613 %in% 5:8,"SMP",
ifelse(R613 %in% 9:14,"SMA",
ifelse(R613 %in% 15:21,"Perguruan Tinggi",
ifelse(R613==22,"Tidak Tamat SD","Tidak Sekolah"
))))))%>%
mutate(status_bekerja_KRT = ifelse(R702_A=="A", "Ya", "Tidak")) %>%
select(RENUM, JK_KRT, pendidikan_KRT, status_bekerja_KRT) %>%
replace(is.na(.), "Tidak")
dim(dataset_KRT_pakai)## [1] 7236 4head(dataset_KRT_pakai)## RENUM JK_KRT pendidikan_KRT status_bekerja_KRT
## 1 262533 Laki-laki Tidak Sekolah Tidak
## 2 458 Laki-laki SMP Ya
## 3 335870 Laki-laki SD Ya
## 4 85283 Laki-laki SMA Ya
## 5 78737 Perempuan SD Tidak
## 6 2503 Laki-laki SD Tidaklibrary(readxl)## Warning: package 'readxl' was built under R version 3.6.3dataKP_ruta <- read_excel("data_KP.xlsx")
dim(dataKP_ruta)## [1] 7236 6head(dataKP_ruta)## # A tibble: 6 x 6
## EXPEND FOOD KAPITA NONFOOD RENUM Persentase
## <dbl> <dbl> <dbl> <dbl> <dbl> <dbl>
## 1 1539643. 636643. 1539643. 903000 257077 41.4
## 2 2707943. 1695943. 902648. 1012000 257095 62.6
## 3 2036540. 1261457. 1018270. 775083. 257086 61.9
## 4 4828893. 2808643. 1207223. 2020250 257080 58.2
## 5 915264. 516514. 915264. 398750 257101 56.4
## 6 1775890. 1136057. 887945. 639833. 257092 64.0datasetKP_pakai <- dataKP_ruta %>%
select(everything()) %>%
mutate(persentase_makanan = Persentase) %>%
select(RENUM, persentase_makanan)
dim(datasetKP_pakai)## [1] 7236 2head(datasetKP_pakai)## # A tibble: 6 x 2
## RENUM persentase_makanan
## <dbl> <dbl>
## 1 257077 41.4
## 2 257095 62.6
## 3 257086 61.9
## 4 257080 58.2
## 5 257101 56.4
## 6 257092 64.0library(dplyr)dataset_ruta_pakai_join <- dataset_ruta_pakai %>%
inner_join(dataset_ind2_pakai_agregat, by="RENUM") %>%
inner_join(dataset_KRT_pakai, by="RENUM") %>%
inner_join(datasetKP_pakai, by="RENUM") %>%
select(everything()) %>%
mutate(status_bpjsPBI = ifelse(jumlah_status_bpjsPBI > 0,1,0)) %>%
mutate(status_jamkesda = ifelse(jumlah_status_jamkesda > 0, 1,0)) %>%
mutate(y = ifelse((y+jumlah_status_bpjsPBI + jumlah_status_jamkesda)==0,0,1)) %>%
mutate(status_ruta = ifelse(y == 0, "bukan penerima", "penerima program"))
dim(dataset_ruta_pakai_join)## [1] 7236 24head(dataset_ruta_pakai_join)## RENUM y status_daerah status_ruta jumlah_keluarga status_bangunan
## 1 422 0 desa bukan penerima 1 milik sendiri
## 2 425 1 desa penerima program 1 milik sendiri
## 3 428 0 desa bukan penerima 1 milik sendiri
## 4 431 1 desa penerima program 1 milik sendiri
## 5 434 0 desa bukan penerima 1 kontrak/sewa
## 6 437 1 desa penerima program 1 milik sendiri
## luas_lantai jenis_atap jenis_lantai jenis_dinding fas_BAB
## 1 87 genteng keramik tembok ART sendiri
## 2 84 genteng semen/bata merah tembok ART sendiri
## 3 78 genteng keramik tembok ART sendiri
## 4 98 genteng keramik tembok tidak ada
## 5 94 genteng keramik tembok ART sendiri
## 6 92 genteng keramik tembok ART sendiri
## sumber_minum sumber_penerangan bahan_bakar kepemilikan_barang
## 1 sumur terlindung PLN dengan meteran kayu bakar tanah/lahan
## 2 mata air terlindung PLN dengan meteran kayu bakar tanah/lahan
## 3 mata air terlindung PLN dengan meteran kayu bakar tanah/lahan
## 4 sumur terlindung PLN dengan meteran elpiji 3kg tanah/lahan
## 5 sumur terlindung PLN dengan meteran elpiji 3kg tanah/lahan
## 6 mata air terlindung PLN dengan meteran elpiji 3kg tanah/lahan
## jumlah_ART jumlah_status_bpjsPBI jumlah_status_jamkesda JK_KRT
## 1 1 0 0 Perempuan
## 2 3 2 0 Laki-laki
## 3 1 0 0 Perempuan
## 4 5 5 0 Laki-laki
## 5 3 0 0 Laki-laki
## 6 3 3 0 Laki-laki
## pendidikan_KRT status_bekerja_KRT persentase_makanan status_bpjsPBI
## 1 SD Tidak 32.73414 0
## 2 SD Ya 63.42768 1
## 3 SD Tidak 40.55049 0
## 4 Perguruan Tinggi Ya 47.98142 1
## 5 SMP Ya 50.79995 0
## 6 SD Ya 56.23328 1
## status_jamkesda
## 1 0
## 2 0
## 3 0
## 4 0
## 5 0
## 6 0str(dataset_ruta_pakai_join)## 'data.frame': 7236 obs. of 24 variables:
## $ RENUM : num 422 425 428 431 434 437 440 443 446 449 ...
## $ y : num 0 1 0 1 0 1 1 1 0 1 ...
## $ status_daerah : chr "desa" "desa" "desa" "desa" ...
## $ status_ruta : chr "bukan penerima" "penerima program" "bukan penerima" "penerima program" ...
## $ jumlah_keluarga : int 1 1 1 1 1 1 1 1 1 2 ...
## $ status_bangunan : chr "milik sendiri" "milik sendiri" "milik sendiri" "milik sendiri" ...
## $ luas_lantai : int 87 84 78 98 94 92 86 107 96 96 ...
## $ jenis_atap : chr "genteng" "genteng" "genteng" "genteng" ...
## $ jenis_lantai : chr "keramik" "semen/bata merah" "keramik" "keramik" ...
## $ jenis_dinding : chr "tembok" "tembok" "tembok" "tembok" ...
## $ fas_BAB : chr "ART sendiri" "ART sendiri" "ART sendiri" "tidak ada" ...
## $ sumber_minum : chr "sumur terlindung" "mata air terlindung" "mata air terlindung" "sumur terlindung" ...
## $ sumber_penerangan : chr "PLN dengan meteran" "PLN dengan meteran" "PLN dengan meteran" "PLN dengan meteran" ...
## $ bahan_bakar : chr "kayu bakar" "kayu bakar" "kayu bakar" "elpiji 3kg" ...
## $ kepemilikan_barang : chr "tanah/lahan" "tanah/lahan" "tanah/lahan" "tanah/lahan" ...
## $ jumlah_ART : int 1 3 1 5 3 3 5 5 4 4 ...
## $ jumlah_status_bpjsPBI : num 0 2 0 5 0 3 5 3 0 4 ...
## $ jumlah_status_jamkesda: num 0 0 0 0 0 0 0 0 0 0 ...
## $ JK_KRT : chr "Perempuan" "Laki-laki" "Perempuan" "Laki-laki" ...
## $ pendidikan_KRT : chr "SD" "SD" "SD" "Perguruan Tinggi" ...
## $ status_bekerja_KRT : chr "Tidak" "Ya" "Tidak" "Ya" ...
## $ persentase_makanan : num 32.7 63.4 40.6 48 50.8 ...
## $ status_bpjsPBI : num 0 1 0 1 0 1 1 1 0 1 ...
## $ status_jamkesda : num 0 0 0 0 0 0 0 0 0 0 ...
## - attr(*, "data_types")= chr "N" "N" "N" "N" ...View(dataset_ruta_pakai_join)table(dataset_ruta_pakai_join$y)##
## 0 1
## 3040 4196table(dataset_ruta_pakai_join$status_ruta)##
## bukan penerima penerima program
## 3040 4196drop.cols <- c("RENUM","status_jamkesda","status_bpjsPBI","jumlah_status_jamkesda","jumlah_status_bpjsPBI")
dataset_tesis <- dataset_ruta_pakai_join %>% select(-drop.cols)## Note: Using an external vector in selections is ambiguous.
## i Use `all_of(drop.cols)` instead of `drop.cols` to silence this message.
## i See <https://tidyselect.r-lib.org/reference/faq-external-vector.html>.
## This message is displayed once per session.str(dataset_tesis)## 'data.frame': 7236 obs. of 19 variables:
## $ y : num 0 1 0 1 0 1 1 1 0 1 ...
## $ status_daerah : chr "desa" "desa" "desa" "desa" ...
## $ status_ruta : chr "bukan penerima" "penerima program" "bukan penerima" "penerima program" ...
## $ jumlah_keluarga : int 1 1 1 1 1 1 1 1 1 2 ...
## $ status_bangunan : chr "milik sendiri" "milik sendiri" "milik sendiri" "milik sendiri" ...
## $ luas_lantai : int 87 84 78 98 94 92 86 107 96 96 ...
## $ jenis_atap : chr "genteng" "genteng" "genteng" "genteng" ...
## $ jenis_lantai : chr "keramik" "semen/bata merah" "keramik" "keramik" ...
## $ jenis_dinding : chr "tembok" "tembok" "tembok" "tembok" ...
## $ fas_BAB : chr "ART sendiri" "ART sendiri" "ART sendiri" "tidak ada" ...
## $ sumber_minum : chr "sumur terlindung" "mata air terlindung" "mata air terlindung" "sumur terlindung" ...
## $ sumber_penerangan : chr "PLN dengan meteran" "PLN dengan meteran" "PLN dengan meteran" "PLN dengan meteran" ...
## $ bahan_bakar : chr "kayu bakar" "kayu bakar" "kayu bakar" "elpiji 3kg" ...
## $ kepemilikan_barang: chr "tanah/lahan" "tanah/lahan" "tanah/lahan" "tanah/lahan" ...
## $ jumlah_ART : int 1 3 1 5 3 3 5 5 4 4 ...
## $ JK_KRT : chr "Perempuan" "Laki-laki" "Perempuan" "Laki-laki" ...
## $ pendidikan_KRT : chr "SD" "SD" "SD" "Perguruan Tinggi" ...
## $ status_bekerja_KRT: chr "Tidak" "Ya" "Tidak" "Ya" ...
## $ persentase_makanan: num 32.7 63.4 40.6 48 50.8 ...
## - attr(*, "data_types")= chr "N" "N" "N" "N" ...head(dataset_tesis)## y status_daerah status_ruta jumlah_keluarga status_bangunan luas_lantai
## 1 0 desa bukan penerima 1 milik sendiri 87
## 2 1 desa penerima program 1 milik sendiri 84
## 3 0 desa bukan penerima 1 milik sendiri 78
## 4 1 desa penerima program 1 milik sendiri 98
## 5 0 desa bukan penerima 1 kontrak/sewa 94
## 6 1 desa penerima program 1 milik sendiri 92
## jenis_atap jenis_lantai jenis_dinding fas_BAB sumber_minum
## 1 genteng keramik tembok ART sendiri sumur terlindung
## 2 genteng semen/bata merah tembok ART sendiri mata air terlindung
## 3 genteng keramik tembok ART sendiri mata air terlindung
## 4 genteng keramik tembok tidak ada sumur terlindung
## 5 genteng keramik tembok ART sendiri sumur terlindung
## 6 genteng keramik tembok ART sendiri mata air terlindung
## sumber_penerangan bahan_bakar kepemilikan_barang jumlah_ART JK_KRT
## 1 PLN dengan meteran kayu bakar tanah/lahan 1 Perempuan
## 2 PLN dengan meteran kayu bakar tanah/lahan 3 Laki-laki
## 3 PLN dengan meteran kayu bakar tanah/lahan 1 Perempuan
## 4 PLN dengan meteran elpiji 3kg tanah/lahan 5 Laki-laki
## 5 PLN dengan meteran elpiji 3kg tanah/lahan 3 Laki-laki
## 6 PLN dengan meteran elpiji 3kg tanah/lahan 3 Laki-laki
## pendidikan_KRT status_bekerja_KRT persentase_makanan
## 1 SD Tidak 32.73414
## 2 SD Ya 63.42768
## 3 SD Tidak 40.55049
## 4 Perguruan Tinggi Ya 47.98142
## 5 SMP Ya 50.79995
## 6 SD Ya 56.23328rio::export(dataset_tesis, "dataset_tesis.xlsx")