#: Analisis Penjualan Toko Online

Deskripsi

Saya adalah seorang Data Analyst yang bekerja untuk sebuah perusahaan e-commerce yang menjual berbagai jenis produk secara online. Manajemen perusahaan meminta Anda untuk melakukan analisis penjualan untuk mendapatkan wawasan yang lebih baik tentang kinerja penjualan produk mereka selama sebulan terakhir

##Skenario Data Membangkitkan Data Penjualan: Saya akan membuat dataset penjualan yang mencakup informasi seperti tanggal penjualan, jenis produk, jumlah penjualan, dan harga produk. Data ini akan menampilkan penjualan selama periode sebulan terakhir dengan jumlah entri sebanyak 200 transaksi.

Analisis Grafik Penjualan Harian: Saya akan membuat grafik untuk menampilkan tren penjualan harian selama periode sebulan terakhir. Grafik ini akan memberikan gambaran visual tentang bagaimana penjualan berfluktuasi dari hari ke hari.

Identifikasi Produk Terlaris: Saya akan mengidentifikasi produk terlaris berdasarkan total penjualan selama periode sebulan terakhir. Ini akan membantu manajemen untuk memahami produk mana yang paling diminati oleh pelanggan.

Analisis Harga Produk: Saya akan melakukan analisis statistik terhadap harga produk untuk memahami distribusi harga dan harga rata-rata produk. Ini akan memberikan wawasan tentang kisaran harga produk yang ditawarkan oleh perusahaan. #Membangkitkan Data

set.seed(123) # Untuk membuat hasil acak konsisten
produk <- c("kulkas", "mesin cuci", "tv", "kipas angin", "komputer")
tanggal <- seq(as.Date("2024-01-01"), as.Date("2024-01-31"), by = "day")
penjualan <- data.frame(
  Tanggal = sample(tanggal, 200, replace = TRUE),
  Produk = sample(produk, 200, replace = TRUE),
  Jumlah = sample(1:20, 200, replace = TRUE),
  Harga = round(runif(20, min = 30, max = 200), 3)
)
head(penjualan)
##      Tanggal      Produk Jumlah   Harga
## 1 2024-01-31 kipas angin     15  51.434
## 2 2024-01-15          tv     19 130.283
## 3 2024-01-19    komputer      6 125.485
## 4 2024-01-14 kipas angin     16 147.083
## 5 2024-01-03 kipas angin     15  82.916
## 6 2024-01-10 kipas angin     19 132.950

#Analisis Data

library(ggplot2)

ggplot(penjualan, aes(x = Tanggal, y = Jumlah)) +
  geom_line() +
  labs(title = "Grafik Penjualan Harian",
       x = "Tanggal",
       y = "Jumlah Penjualan")

#Analisis Penjualan Produk Terlaris

produk_terlaris <- aggregate(Jumlah ~ Produk, penjualan, sum)
produk_terlaris <- produk_terlaris[order(produk_terlaris$Jumlah, decreasing = TRUE), ]

top_produk <- head(produk_terlaris, 1)$Produk

top_produk_penjualan <- penjualan[penjualan$Produk == top_produk, ]
summary(top_produk_penjualan)
##     Tanggal              Produk              Jumlah          Harga       
##  Min.   :2024-01-01   Length:44          Min.   : 1.00   Min.   : 30.70  
##  1st Qu.:2024-01-08   Class :character   1st Qu.: 6.75   1st Qu.: 75.05  
##  Median :2024-01-18   Mode  :character   Median :11.00   Median :125.48  
##  Mean   :2024-01-17                      Mean   :11.36   Mean   :106.57  
##  3rd Qu.:2024-01-25                      3rd Qu.:17.25   3rd Qu.:143.31  
##  Max.   :2024-01-31                      Max.   :20.00   Max.   :198.48

#Analisis Harga

summary(penjualan$Harga)
##    Min. 1st Qu.  Median    Mean 3rd Qu.    Max. 
##   30.70   86.52  128.77  116.48  150.37  198.48

#Kesimpulan

Tren Penjualan Harian: Grafik penjualan harian menunjukkan adanya fluktuasi dalam jumlah penjualan sepanjang periode sebulan terakhir. Terdapat pola naik turun yang mungkin terkait dengan faktor-faktor seperti hari-hari libur, promosi, atau peristiwa khusus lainnya.

Produk Terlaris: Berdasarkan analisis, produk terlaris selama periode sebulan terakhir adalah Kipas angin. Ini menunjukkan bahwa produk ini memiliki permintaan yang tinggi di antara pelanggan, dan manajemen perusahaan dapat mempertimbangkan untuk meningkatkan stok atau memperkuat strategi pemasaran untuk produk ini.

Analisis Harga: Analisis harga menunjukkan bahwa harga produk bervariasi dalam kisaran tertentu, dengan harga rata-rata sebesar 116.480 Distribusi harga juga menunjukkan bahwa sebagian besar produk memiliki harga di kisaran yang wajar, namun ada juga beberapa produk dengan harga di atas kisaran ini yang mungkin memerlukan evaluasi lebih lanjut.

Dengan demikian, analisis ini memberikan wawasan yang berharga kepada manajemen perusahaan e-commerce untuk memahami tren penjualan, mengidentifikasi produk terlaris, dan menganalisis kisaran harga produk. Langkah selanjutnya bagi perusahaan adalah menggunakan informasi ini untuk mengoptimalkan strategi penjualan dan pemasaran guna meningkatkan kinerja bisnis mereka.