Bussiness Problem

HELP International adalah LSM kemanusiaan internasional yang berkomitmen untuk memerangi kemiskinan dan memberikan fasilitas dasar dan bantuan kepada orang-orang di negara-negara terbelakang selama bencana dan bencana alam. Sekitar $10 juta telah dikumpulkan oleh HELP International. CEO LSM sekarang harus memilih bagaimana menggunakan pendanaan ini secara strategis dan menguntungkan. Oleh karena itu, CEO harus memutuskan negara mana yang paling membutuhkan bantuan. Untuk mengkategorikan negara yang menggunakan faktor sosial ekonomi dan kesehatan untuk mengidentifikasi negara mana yang paling membutuhkan bantuan keuangan.

Import Library

Sebelum kita melakukan analisis suatu data mari kita masukkan beberapa library yang kita butuhkan untuk kebutuhan analisis nanti

library(dplyr)
## 
## Attaching package: 'dplyr'
## The following objects are masked from 'package:stats':
## 
##     filter, lag
## The following objects are masked from 'package:base':
## 
##     intersect, setdiff, setequal, union
library(tidyverse)
## ── Attaching packages
## ───────────────────────────────────────
## tidyverse 1.3.2 ──
## ✔ ggplot2 3.3.6     ✔ purrr   0.3.4
## ✔ tibble  3.1.7     ✔ stringr 1.4.0
## ✔ tidyr   1.2.0     ✔ forcats 0.5.1
## ✔ readr   2.1.2     
## ── Conflicts ────────────────────────────────────────── tidyverse_conflicts() ──
## ✖ dplyr::filter() masks stats::filter()
## ✖ dplyr::lag()    masks stats::lag()
library(factoextra)
## Welcome! Want to learn more? See two factoextra-related books at https://goo.gl/ve3WBa
library(FactoMineR)
library(animation)
library(lubridate)
## 
## Attaching package: 'lubridate'
## 
## The following objects are masked from 'package:base':
## 
##     date, intersect, setdiff, union
library(ggplot2)

Load Dataset

Kita akan melakukan read data dan menggunakan stringAsFactors = T supaya data kita langsung dijadikan tipe data faktor

country <- read.csv("Data_Negara_HELP.csv", stringsAsFactors = T)
head(country, 5)

Data Preparation

Kita cek struktur dan tipe datanya apakah sudah sesuai atau belum

glimpse(country)
## Rows: 167
## Columns: 10
## $ Negara           <fct> "Afghanistan", "Albania", "Algeria", "Angola", "Antig…
## $ Kematian_anak    <dbl> 90.2, 16.6, 27.3, 119.0, 10.3, 14.5, 18.1, 4.8, 4.3, …
## $ Ekspor           <dbl> 10.0, 28.0, 38.4, 62.3, 45.5, 18.9, 20.8, 19.8, 51.3,…
## $ Kesehatan        <dbl> 7.58, 6.55, 4.17, 2.85, 6.03, 8.10, 4.40, 8.73, 11.00…
## $ Impor            <dbl> 44.9, 48.6, 31.4, 42.9, 58.9, 16.0, 45.3, 20.9, 47.8,…
## $ Pendapatan       <int> 1610, 9930, 12900, 5900, 19100, 18700, 6700, 41400, 4…
## $ Inflasi          <dbl> 9.440, 4.490, 16.100, 22.400, 1.440, 20.900, 7.770, 1…
## $ Harapan_hidup    <dbl> 56.2, 76.3, 76.5, 60.1, 76.8, 75.8, 73.3, 82.0, 80.5,…
## $ Jumlah_fertiliti <dbl> 5.82, 1.65, 2.89, 6.16, 2.13, 2.37, 1.69, 1.93, 1.44,…
## $ GDPperkapita     <int> 553, 4090, 4460, 3530, 12200, 10300, 3220, 51900, 469…

Negara : Nama Negara

Kematian_anak : Kematian anak dibawah usia lima tahun per 1000 kelahiran hidup

Ekspor : Ekspor Barang dan jasa per kapita. Sebagai persentase dari PDB per Kapita

Kesehatan : Total pengeluaran kesehatan per kapita, Sebagai persentase dari PDB per Kapira

Impor : Impor barang dan jasa per kapita, Sebagai persentase dari PDB per Kapira

Pendapatan : Pendapatan bersih per orang

Inflasi : Pengukuran tingkat pertumbuhan tahunan dari Total PDB

Harapan_hidup : Jumlah rata-rata tahun seorang anak yang baru lahir akan hidup jika pola kematian saat ini tetap sama

Jumlah_fertiliti : Jumlah anak yang akan lahir untuk setiap wanita jika tingkat kesuburan usia saat ini tetap sama.

GDPperkapita : PDB per kapita. Dihitung sebagai total PDB dibagi dengan total penduduk

rownames(country) <- country$Negara
country <- country %>% 
  select(-Negara)

Explarotary Data Analysis

Lalu kita cek dulu datanya apakah kita memerlukan normalisasi atau tidak

summary(country)
##  Kematian_anak        Ekspor          Kesehatan          Impor         
##  Min.   :  2.60   Min.   :  0.109   Min.   : 1.810   Min.   :  0.0659  
##  1st Qu.:  8.25   1st Qu.: 23.800   1st Qu.: 4.920   1st Qu.: 30.2000  
##  Median : 19.30   Median : 35.000   Median : 6.320   Median : 43.3000  
##  Mean   : 38.27   Mean   : 41.109   Mean   : 6.816   Mean   : 46.8902  
##  3rd Qu.: 62.10   3rd Qu.: 51.350   3rd Qu.: 8.600   3rd Qu.: 58.7500  
##  Max.   :208.00   Max.   :200.000   Max.   :17.900   Max.   :174.0000  
##    Pendapatan        Inflasi        Harapan_hidup   Jumlah_fertiliti
##  Min.   :   609   Min.   : -4.210   Min.   :32.10   Min.   :1.150   
##  1st Qu.:  3355   1st Qu.:  1.810   1st Qu.:65.30   1st Qu.:1.795   
##  Median :  9960   Median :  5.390   Median :73.10   Median :2.410   
##  Mean   : 17145   Mean   :  7.782   Mean   :70.56   Mean   :2.948   
##  3rd Qu.: 22800   3rd Qu.: 10.750   3rd Qu.:76.80   3rd Qu.:3.880   
##  Max.   :125000   Max.   :104.000   Max.   :82.80   Max.   :7.490   
##   GDPperkapita   
##  Min.   :   231  
##  1st Qu.:  1330  
##  Median :  4660  
##  Mean   : 12964  
##  3rd Qu.: 14050  
##  Max.   :105000

Ternyata range datanya cukup jauh maka dari itu mari kita scale-kan datanya dan juga jangan lupa untuk

country_scaled <- scale(country)
country_scaled <- as.data.frame(country_scaled)

Selanjutnya mari kita mengecek data kita apakah terdapat outlier atau tidak, mari kita gunakan fungsi PCA

country_pca <- PCA(
  X = country,
  scale.unit = T,
  quali.sup = 1,
  ncp = 9,
  graph = F
)

Selanjutnya mari kita melihat outlier yang ada di dalam data ini

plot.PCA(
  x= country_pca,
  choix = "ind",
  select = "contrib3"
)

Ternyata terdapat Outlier yang dihasilkan ada Singapore, Malta, Luxemburg, untuk sekarang mari kita biarkan terlebih dahulu

Clustering

Setelah itu mari kita cari Kmeans menggunakan optimal number of clusters, untuk mengetahui titik pusat dari data ini

fviz_nbclust(
  x = country_scaled,
  FUNcluster = kmeans,
  method = "wss"
)

Ternyata kluster yang dihasilkan adalah 3, mari kita membuat cluster dengan titik pusat = 3

RNGkind(sample.kind = "Rounding")
## Warning in RNGkind(sample.kind = "Rounding"): non-uniform 'Rounding' sampler
## used
set.seed(100)

coun_cluster <- kmeans(country_scaled, centers = 3)

Kita masukkan informasi cluster kedalam data kita

country_scaled$cluster <- coun_cluster$cluster
head(country_scaled)
coun_cluster$size
## [1] 68 96  3

Jika kita melihat dari ukurannya kemungkinan cluster 3 memiliki 3 negara yang termasuk dalam outlier sebelumnya. Mari kita visualisasikan

fviz_cluster(object = coun_cluster,
             data = country_scaled,
             axes = c(1,2))

Ternyata memang benar terdapat 3 Negara yang termasuk dalam outlier, mari kita coba hilangkan outlier tersebut apakah akan terjadi perubahan dalam kluster tersebut

country_outlier <- country_scaled[-c(92,99,134),] 
fviz_nbclust(
  x = country_outlier,
  FUNcluster = kmeans,
  method = "wss"
)

Untuk number of clustersnya masih di angka 3

RNGkind(sample.kind = "Rounding")
## Warning in RNGkind(sample.kind = "Rounding"): non-uniform 'Rounding' sampler
## used
set.seed(100)

outlier_cluster <- kmeans(country_outlier, centers = 3)

Karena data kita sebelumnya tadi dinormalisasi, maka kita akan menggunakan data yang sebelum di normalisasi agar kita mudah membaca hasilnya

country_out<- country[-c(92,99,134),]
country_out$cluster <- outlier_cluster$cluster
head(country_out)
outlier_cluster$size
## [1] 50 30 84

Disini kita bisa melihat bahwa pembagian klusternya tidak terlalu besar seperti yang sebelumnya

fviz_cluster(object = outlier_cluster,
             data = country_out,
             axes = c(1,2))

Disini kita tahu bahwa outlier akan mempengaruhi klustering yang kita dapatkan. Selanjutnya mari kita lakukan profilling supaya kita bisa menentukan negara mana saja yang perlu diberikan bantuan

country_centoroid <- country_out %>% 
  group_by(cluster) %>% 
  summarise_all(mean)
country_centoroid %>% 
  pivot_longer(-cluster) %>% 
  group_by(name) %>% 
  summarize(
    kelompok_min = which.min(value),
    kelompok_max = which.max(value))

Cluster 1 = Rendah : Ekspor, GDPperkapita, Harapan Hidup, Pendapatan Besar : Inflasi, Jumlah_fertiliti, Kematian_Anak Cluster 2 = Rendah : Impor,Inflasi,Jumlah_fertili,Kematian_anak besar : Ekspor,GDPperkapita, Harapan_hidup Cluster 3 = rendah : kesehatan besar : impor

Berdasarkan hasil profiling yang saya dapatkan bahwa kluster pertama adalah negara yang seharusnya diberi bantuan dibandingkan dengan kluster ke-2 dan ke-3

country_out[country_out$cluster == 1,]

Kesimpulan

Berdasarkan hasil yang telah saya dapatkan, bahwa negara yang berada di dalam kluster pertama dibilang negara yang membutuhkan bantuan dikarenakan, negara tersebut dilihat dari inflasi dan jumlah fertilitinya cukup besar, sedangkan Ekspor, GDPperkapita, pendapatannya cukup kecil. Jika dibiarkan maka negara tersebut akan mengalami kesuliitan, oleh karena itu HELP International sebaiknya bisa mengirimkan bantuan kepada mereka yang berada di dalam kluster pertama