Library:
> # install.packages("knitr")
> # install.packages("rmarkdown")
> # install.packages("prettydoc")
> # install.packages("equatiomatic")1 PENDAHULUAN
1.1 Latar Belakang
Pandemi Covid-19 yang oleh pemerintah secara resmi diumumkan Indonesia sejak April 2020 memiliki efek domino menyeluruh pada setiap aspek kehidupan manusia termasuk bidang ekonomi dan bisnis. Selain meruntuhkan bidang industri manufaktur, pandemi jauh lebih luas meluluhlantakkan sektor Usaha Mikro Kecil dan Mengengah (UMKM) (Susilowati, 2021). Hal senada juga dirasakan oleh Kedai Hotter Coffee dan Cinema.
Kini sejak dibuka kembali untuk ketiga kalinya pada awal kuartal kedua tahun 2021, kedai ini menawarkan konsep yang terbilang baru untuk wilayah Kota Karawang dengan konsep menggabungkan fasilitas hiburan berupa penayangan film di dalam sebuah kedai kopi. Bentuk desain interiornya pun dibuat sedemikian rupa sehingga saat ada jadwal penayangan film pelanggan dapat dengan nyaman menonton sembari menikmati pesanannya masing-masing. Sebagai tempat nongkrong (tempat makan, berkumpul, bersua) hal tersebut menambah daya tarik bagi pelanggannya. Sebagai tempat usaha menjadikan identitas dan value proposition terutama bagi calon customer yang terbiasa mencari hal-hal baru.
Beriringnya waktu berjalan beberapa bulan laporan kinerja grafik penjualan bulanan berfluktualitas. Terkini terdapat penambahan channel penjualan setelah mendaftar menjadi mitra aplikasi layanan pesan-antar makanan daring. Ini dilakukan sebagai strategi pemasaran dan upaya meningkatkan awareness kepada calon pelanggannya. Nihil, laporan kinerja justru menunjukan hasil stagnan dalam rentang yang sama pada periode sebelumnya.
Merujuk pada kondisi dan permasalahan yang terjadi tersebut, penambahan serta pembaruan strategi pemasaran dinilai perlu dilakukan manajemen kedai untuk meningkatkan penjualan. Strategi pemasaran baru yang digunakan adalah strategi upselling, dimana prosedur promosi dilakukan dengan menawarkan potongan harga jika customer bersedia upselling produk. Sehingga customer tertarik membeli lebih banyak cup dengan pemberian potongan harga yang ditawarkan. Namun promosi dilakukan dengan penggunaan dana terbatas pada satu kategori menu yang paling laris, serta setelahnya dilakukan pengujian untuk mengidentifikasi seberapa berpengaruh strategi ini terhadap hasil penjualan yang dicapai.
1.2 Data Penelitian
Data yang digunakan merupakan data primer yang langsung diukur melalui penjualan kedai UMKM untuk kategori minuman Espresso Base (perlakuan 1), Manual Brew (perlakuan 2), Signature (perlakuan 3) dan NonCoffe (perlakuan 4). Data ini diambil dari laporan penjualan kedai, periode yang diinput sejak Desember pekan ke-4 hingga Maret pekan ke-1. Dari data tersebut dilakukan pengolahan data dengan uji Anova.
1.3 Rumusan Masalah
- Apakah rataan penjualan antar kategori minuman berbeda?
- Kategori minuman mana saja yang sama atau berbeda?
1.4 Tujuan
Pengujian dengan menggunakan uji Anova digunakan untuk mengetahui pengaruh strategi pemasaran upselling terhadap tingkat penjualan untuk beberapa kategori minuman yang dijual di UMKM tersebut.
2 TINJAUAN PUSTAKA
2.1 ANOVA
Analisis varians (analysis of variance) merupakan pengembangan dari masalah Behrens-Fisher, sehingga uji-F juga dipakai dalam pengambilan keputusan. Analisis of variance atau ANOVA merupakan salah satu teknik analisis multivariate yang berfungsi untuk membedakan rerata lebih dari dua kelompok data dengan cara membandingkan variansinya. Analisis varian termasuk dalam kategori statistik parametrik. Sebagai alat statistika parametrik, maka untuk dapat menggunakan rumus ANOVA harus terlebih dahulu perlu dilakukan uji asumsi meliputi normalitas, heterokedastisitas dan random sampling (Ghozali, 2009).
Analisis varian banyak dipergunakan pada penelitian-penelitian yang banyak melibatkan pengujian komparatif yaitu menguji variabel terikat dengan cara membandingkannya pada kelompok-kelompok sampel independen yang diamati. Secara umum, analisis varians menguji dua varians (atau ragam) berdasarkan hipotesis nol bahwa kedua varians itu sama. Varians pertama adalah varians antarcontoh (among samples) dan varians kedua adalah varians di dalam masing-masing contoh (within samples). analisis varians menggantungkan diri pada asumsi yang harus dipenuhi dalam perancangan percobaan.
2.2 Asumsi ANOVA
2.2.1 Uji Asumsi Normalitas Galat
Tujuan dari Uji Normalitas adalah untuk menguji apakah data mengikuti distribusi normal atau tidak. Dalam analisis statistik parametrik, penting untuk memastikan data berdistribusi normal. Data yang tidak berdistribusi normal sering disebabkan oleh adanya nilai ekstrim yang tidak wajar dalam data. Hal ini dapat terjadi karena kesalahan dalam pengambilan sampel, kesalahan dalam penginputan data, atau karena karakteristik data yang jauh dari rata-rata. Beberapa metode statistik yang dapat digunakan dalam Uji Normalitas antara lain Chi-Square, Kolmogorov-Smirnov, Liliefors, Shapiro-Wilk, dan Jarque Bera. Uji Normalitas dalam penelitian ini bertujuan untuk mengetahui apakah data dari keempat perlakuan pemberian pupuk organik mengikuti distribusi normal atau tidak.
2.2.2 Uji Homogenitas ragam
Setiap kelompok hendaknya berasaldari popolasi yang sama dengan variansi yang sama pula. Bila banyaknya sampel sama pada setiap kelompok maka kesamaan variansinya dapat diabaikan. Tapi bila banyak sampel pada masing masing kelompok tidak sama maka kesamaan variansi populasi sangat diperlukan. Uji homogenitas variansi sangat diperlukan sebelum membandingkan dua kelompok atau lebih, agar perbedaan yang ada bukan disebabkan oleh adanya perbedaan data dasar (ketidakhomogenan kelompok yang dibandingkan). Ada beberapa rumus yang bisa digunakan untuk uji homogenistas variansi di antaranya uji Levene dan uji Breusch Pegan.
2.3 Uji Lanjut
2.3.1 Fisher’s LSD (Beda Nyata Terkecil)
Uji BNT atau LSD adalah metode untuk membandingkan dua nilai rata-rata atau membandingkan pasangan rata-rata. Uji ini digunakan ketika perbandingan tersebut telah direncanakan sebelumnya, artinya kedua nilai rata-rata yang dibandingkan sudah ditetapkan sejak awal penelitian, sebelum data diperoleh. Dengan kata lain, ini bukanlah perbandingan yang didasarkan pada data yang ada.
2.3.2 Tukey’s HSD (Beda Nyata Jujur)
Uji BNJ atau Tukey digunakan ketika perlakuan memiliki pengaruh signifikan atau sangat signifikan. Prosedur uji ini mirip dengan LSD, di mana satu pembanding digunakan sebagai alternatif untuk menguji seluruh pasangan rata-rata perlakuan tanpa perencanaan sebelumnya.
3 SOURCE CODE
3.1 Library
> library(dplyr)
> library(tidyr)
> library(ggplot2)
> library(tseries)
> library(car)
> library(agricolae)
> library(stats)3.2 Membangkitkan Data
> Dataminuman <- data.frame(EB= c(25,24,13,13,9,17,12,16,15,11),
+ MB = c(12,10,10,9,8,7,10,7,11,11),
+ Sn = c(24,33,19,22,9,16,14,10,17,15),
+ NC = c(35,32,25,21,16,23,19,26,25,27))
> Dataminuman
EB MB Sn NC
1 25 12 24 35
2 24 10 33 32
3 13 10 19 25
4 13 9 22 21
5 9 8 9 16
6 17 7 16 23
7 12 10 14 19
8 16 7 10 26
9 15 11 17 25
10 11 11 15 273.3 Mengubah Bentuk Tabel 2 Kolom
> Dataminuman <- Dataminuman %>% pivot_longer(c(EB,MB,Sn,NC))
> names(Dataminuman) <- c("Kategori_Minuman", "Jumlah_Penjualan")
> Dataminuman$Kategori_Minuman <- as.factor(Dataminuman$Kategori_Minuman)
> Dataminuman
# A tibble: 40 × 2
Kategori_Minuman Jumlah_Penjualan
<fct> <dbl>
1 EB 25
2 MB 12
3 Sn 24
4 NC 35
5 EB 24
6 MB 10
7 Sn 33
8 NC 32
9 EB 13
10 MB 10
# ℹ 30 more rows3.4 Explore Data
> p1 <- ggplot(Dataminuman) +
+ aes(x = Kategori_Minuman, y = Jumlah_Penjualan, fill = Kategori_Minuman) +
+ geom_boxplot() +
+ scale_fill_hue(direction = 1) +
+ theme_minimal() +
+ theme(legend.position = "none")
> p1
## Asumsi dalam Anova
3.4.1 Uji Normalitas Galat
- Uji Saphiro Wilk
> anova$residuals %>% shapiro.test()
Error in anova$residuals: object of type 'closure' is not subsettable- Uji Jarque-Bera Test
> anova$residuals %>% jarque.bera.test()
Error in anova$residuals: object of type 'closure' is not subsettable3.4.2 Uji Homgenitas Ragam
Uji Levene
> leveneTest(Jumlah_Penjualan ~ Kategori_Minuman,data=Dataminuman)
Levene's Test for Homogeneity of Variance (center = median)
Df F value Pr(>F)
group 3 2.0106 0.1298
36 3.5 ANOVA Satu Arah
> anova<-aov(Jumlah_Penjualan~Kategori_Minuman,data=Dataminuman)
> summary(anova)
Df Sum Sq Mean Sq F value Pr(>F)
Kategori_Minuman 3 1217 405.7 14.28 2.74e-06 ***
Residuals 36 1023 28.4
---
Signif. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 13.6 Uji Lanjut
3.6.1 Uji BNT
> fit <- aov(Jumlah_Penjualan ~ Kategori_Minuman, data = Dataminuman)
> fit
Call:
aov(formula = Jumlah_Penjualan ~ Kategori_Minuman, data = Dataminuman)
Terms:
Kategori_Minuman Residuals
Sum of Squares 1217.1 1022.8
Deg. of Freedom 3 36
Residual standard error: 5.330207
Estimated effects may be unbalanced
> BNT <- LSD.test(fit, "Kategori_Minuman", alpha = 0.05)
> BNT
$statistics
MSerror Df Mean CV t.value LSD
28.41111 36 16.95 31.44665 2.028094 4.834451
$parameters
test p.ajusted name.t ntr alpha
Fisher-LSD none Kategori_Minuman 4 0.05
$means
Jumlah_Penjualan std r LCL UCL Min Max Q25 Q50 Q75
EB 15.5 5.296750 10 12.081527 18.91847 9 25 12.25 14.0 16.75
MB 9.5 1.715938 10 6.081527 12.91847 7 12 8.25 10.0 10.75
NC 24.9 5.685264 10 21.481527 28.31847 16 35 21.50 25.0 26.75
Sn 17.9 7.093816 10 14.481527 21.31847 9 33 14.25 16.5 21.25
$comparison
NULL
$groups
Jumlah_Penjualan groups
NC 24.9 a
Sn 17.9 b
EB 15.5 b
MB 9.5 c
attr(,"class")
[1] "group"3.6.2 Uji BNJ
> TukeyHSD(anova,conf.level=0.95)
Tukey multiple comparisons of means
95% family-wise confidence level
Fit: aov(formula = Jumlah_Penjualan ~ Kategori_Minuman, data = Dataminuman)
$Kategori_Minuman
diff lwr upr p adj
MB-EB -6.0 -12.419957 0.4199566 0.0741350
NC-EB 9.4 2.980043 15.8199566 0.0019338
Sn-EB 2.4 -4.019957 8.8199566 0.7464618
NC-MB 15.4 8.980043 21.8199566 0.0000010
Sn-MB 8.4 1.980043 14.8199566 0.0061928
Sn-NC -7.0 -13.419957 -0.5800434 0.02812364 HASIL DAN PEMBAHASAN
4.1 Explore Data
Pada bagian explore data, dari boxplot ditemukan 2 data outlier pada EB (kategori Espresso Brew), 1 data outlier pada NC (kategori NonCoffe), dan 1 data outlier pada Sn (kategori Signature).
4.2 Asumsi pada ANOVA
4.2.1 Uji Asumsi Normalitas Galat
Hipotesis
H0 : Pengamatan (galat) menyebar normal
H1 : Pengamatan (galat) tidak menyebar normal
Taraf Nyata \(\alpha=0.05\)
Uji Saphiro Wilk Output Hasil Perhitungan
> anova$residuals %>% shapiro.test()
Shapiro-Wilk normality test
data: .
W = 0.94585, p-value = 0.05464\(Pvalue(0.05464)>α(0.05)\), maka terima \(H_0\)
Interpretasi
Dengan taraf nyata 0.05, dapat disimpulkan bahwa galat pengamatan menyebar normal.
Uji Jarque-Bera Output Hasil Perhitungan
> anova$residuals %>% jarque.bera.test()
Jarque Bera Test
data: .
X-squared = 4.9959, df = 2, p-value = 0.08225\(Pvalue(0.08225)>α(0.05)\), maka terima \(H_0\)
Interpretasi
Dengan taraf nyata 0.05, dapat disimpulkan bahwa galat pengamatan menyebar normal.
4.2.2 Uji Asumsi Homoskedastisitas Ragam
Uji Levene
Hipotesis
H0 : \(σ_i^2 = ... = σ_j^2 = 0\) (Tiap kategori minuman memiliki tingkat penjualan yang memiliki ragam yang sama)
H1 : \(σ_i^2 \neq σ_j^2\) untuk paling tidak satu pasang \(i,j\) (Paling tidak terdapat satu kategori minuman memiliki tingkat penjualan yang memiliki ragam berbeda)
Taraf Nyata
\(\alpha=0.05\)
Output Hasil Perhitungan
> leveneTest(Jumlah_Penjualan ~ Kategori_Minuman,data=Dataminuman)
Levene's Test for Homogeneity of Variance (center = median)
Df F value Pr(>F)
group 3 2.0106 0.1298
36 \(Pvalue(0.1296)>α(0.05)\), maka terima \(H_0\)
Interpretasi
Dengan taraf nyata 0.05, dapat disimpulkan bahwa tiap kategori minuman memiliki tingkat penjualan yang memiliki ragam sama.
4.3 Uji ANOVA
Hipotesis
H0 : \(\mu_1 = \mu_2 = \mu_3 = \mu_4 = 0\) (Tiap kategori minuman memiliki tingkat penjualan yang sama secara rata-rata).
H1 : Paling tidak terdapat satu k dimana \(\mu_k\neq 0\) (Paling tidak ada satu kategori minuman yang memiliki tingkat penjualan berbeda secara rata-rata).
Taraf Nyata \(\alpha=0.05\)
Output Hasil Perhitungan
{r} summary(anova)
\(Pvalue(0.000002)<α(0.05)\) , maka Tolak \(H_0\)
Interpretasi
Dengan taraf nyata 0.05, dapat disimpulkan bahwa terdapat pengaruh kategori mainuman terhadap tingkat penjualan minuman di UMKM tersebut.
4.4 Uji Lanjut
Hipotesis
H0 : \(\mu_i - \mu_{i'}~ = 0\) (Tiap perlakuan persentase daun jambu biji memberi pengaruh yang sama terhadap penjerapan timbal pada hati sapi)
H1 : \(\mu_i - \mu_{i'}~ \neq 0\) (Tiap perlakuan persentase daun jambu biji memberi pengaruh yang berbeda terhadap penjerapan timbal pada hati sapi)
untuk seluruh pasangan perlakuian \(i\) dan \(i'\)
4.4.1 Uji BNT
Output Hasil Perhitungan
> fit <- aov(Jumlah_Penjualan ~ Kategori_Minuman, data = Dataminuman)
> fit
Call:
aov(formula = Jumlah_Penjualan ~ Kategori_Minuman, data = Dataminuman)
Terms:
Kategori_Minuman Residuals
Sum of Squares 1217.1 1022.8
Deg. of Freedom 3 36
Residual standard error: 5.330207
Estimated effects may be unbalanced
> BNT <- LSD.test(fit, "Kategori_Minuman", alpha = 0.05)
> BNT
$statistics
MSerror Df Mean CV t.value LSD
28.41111 36 16.95 31.44665 2.028094 4.834451
$parameters
test p.ajusted name.t ntr alpha
Fisher-LSD none Kategori_Minuman 4 0.05
$means
Jumlah_Penjualan std r LCL UCL Min Max Q25 Q50 Q75
EB 15.5 5.296750 10 12.081527 18.91847 9 25 12.25 14.0 16.75
MB 9.5 1.715938 10 6.081527 12.91847 7 12 8.25 10.0 10.75
NC 24.9 5.685264 10 21.481527 28.31847 16 35 21.50 25.0 26.75
Sn 17.9 7.093816 10 14.481527 21.31847 9 33 14.25 16.5 21.25
$comparison
NULL
$groups
Jumlah_Penjualan groups
NC 24.9 a
Sn 17.9 b
EB 15.5 b
MB 9.5 c
attr(,"class")
[1] "group"Interpretasi
Berdasarkan output yang diperoleh, terlihat bahwa kategori minuman EB dan Sn memiliki notasi yang sama, yang artinya tidak terdapat perbedaan signifikan tingkat penjualan antara kategori minuman Signature dan Espresso Base. Sedangkan kategori NonCoffe dan Manual Brew memiliki notasi berbeda yang artinya terdapat perbedaan siginifikan antar kedua kategori tersebut dan dengan kategori lainnya.
4.4.2 Uji BNJ
Output Hasil Perhitungan
> TukeyHSD(anova,conf.level=0.95)
Tukey multiple comparisons of means
95% family-wise confidence level
Fit: aov(formula = Jumlah_Penjualan ~ Kategori_Minuman, data = Dataminuman)
$Kategori_Minuman
diff lwr upr p adj
MB-EB -6.0 -12.419957 0.4199566 0.0741350
NC-EB 9.4 2.980043 15.8199566 0.0019338
Sn-EB 2.4 -4.019957 8.8199566 0.7464618
NC-MB 15.4 8.980043 21.8199566 0.0000010
Sn-MB 8.4 1.980043 14.8199566 0.0061928
Sn-NC -7.0 -13.419957 -0.5800434 0.0281236Interpretasi
\(-\) Untuk kategori Manual Brew dan Espresso Brew, pada selang kepercayaan batas atas dan bawah mengandung nilai 0, dan nilai p adj lebih besar dibandingkan \(α(0.05)\), sehingga dapat disimpulkan tidak terdapat perbedaan signifikan antara kategori tersebut.
\(-\) Untuk kategori NonCoffe dan Espresso Brew, pada selang kepercayaan batas atas dan bawah tidak mengandung nilai 0, dan nilai p adj lebih kecil dibandingkan \(α(0.05)\), sehingga dapat disimpulkan terdapat perbedaan signifikan antara kategori tersebut.
\(-\) Untuk kategori Signature dan Espresso Brew, pada selang kepercayaan batas atas dan bawah mengandung nilai 0, dan nilai p adj lebih besar dibandingkan \(α(0.05)\), sehingga dapat disimpulkan tidak terdapat perbedaan signifikan antara kategori tersebut.
\(-\) Untuk kategori NonCoffe dan Manual Brew, pada selang kepercayaan batas atas dan bawah tidak mengandung nilai 0, dan nilai p adj lebih kecil dibandingkan \(α(0.05)\), sehingga dapat disimpulkan terdapat perbedaan signifikan antara kategori tersebut.
\(-\) Untuk kategori Signature dan Manual Brew, pada selang kepercayaan batas atas dan bawah tidak mengandung nilai 0, dan nilai p adj lebih kecil dibandingkan \(α(0.05)\), sehingga dapat disimpulkan terdapat perbedaan signifikan antara kategori tersebut.
\(-\) Untuk kategori Signature dan NonCoffe, pada selang kepercayaan batas atas dan bawah tidak mengandung nilai 0, dan nilai p adj lebih kecil dibandingkan \(α(0.05)\), sehingga dapat disimpulkan terdapat perbedaan signifikan antara kategori tersebut.
5 KESIMPULAN
\(-\) Untuk setiap uji asumsi, data tersebut memenuhi baik asumsi normalitas galat dan juga asumsi homoskedastisitas ragam, sehingga data tersebut dapat digunakan daam pengujian hipotesis dengan uji ANOVA.
\(-\) Berdasarkan hasil perhitungan pada uji ANOVA, didaptkan hasil bahwa terdapat pengaruh kategori minuman terhadap tingkat penjualan minuman pada UMKM tersebut.
\(-\) Berdasarkan hasil dari uji lanjut BNT dan BNJ, tidak semua kategori minuman memberikan hasil tingkat penjualan berbeda.
6 DAFTAR PUSTAKA
Faidz, B., Asep Erik. 2022. Pengaruh Promosi terhadap Penjualan Menu Minuman di UMKM Kedai Hotter Coffe dan Cinema. Universitas Singaperbangsa. Karawang.
Usmadi. 2020. Pengujian Persyaratan Analisis (Uji Homogentias dan Uji Normalitas). FKIP. Universitas Muhammadiyah Sumatera Barat.
Putri, F. N. 2022. Analisis Ragam Satu Arah (One-Way ANOVA) dalam Perbandingan Dosis Pupuk Organik Pada Tanaman Tomat (Lycopersicum esculentum Mill).rstudio-pubs-static.s3.amazonaws.com. Diakses pada 29 Mei 2023 dari https://rstudio-pubs-static.s3.amazonaws.com/904921_c3603d5dd27e463183b04d695adca12c.html.