Pendahuluan

Analisis profitabilitas dan penjualan merupakan bagian penting dalam evaluasi kinerja bisnis. Tujuan laporan ini adalah menganalisis profit margin dan profitabilitas produk pada data Coffee Chain berdasarkan kategori ukuran pasar dan produk, serta mengevaluasi kinerja penjualan di berbagai wilayah. Dengan analisis ini, diharapkan kita dapat memahami kategori ukuran pasar dan produk mana yang paling menguntungkan serta wilayah mana yang memiliki performa penjualan terbaik. Hasil analisis akan dijadikan dasar rekomendasi strategi bisnis selanjutnya.

Landasan Teori

Profit Margin merupakan ukuran rasio keuangan yang menunjukkan persentase laba bersih terhadap pendapatan (penjualan). Rumusnya dapat dinyatakan sebagai: \[{Profit Margin} = \left( \frac{\text{Profit}}{\text{Sales}} \right) \times 100\%\] Profit margin menunjukkan seberapa besar pendapatan perusahaan yang menjadi laba. Semakin tinggi persentasenya, semakin efisien bisnis dalam menghasilkan keuntungan dari penjualannya.

Untuk membandingkan profit margin antara dua kelompok (Major Market vs Small Market), digunakan uji Mann-Whitney.

Untuk dua kelompok dengan ukuran sampel $n_1$ (kelompok A) dan $n_2$ (kelompok B), statistik $U$ dihitung sebagai:

\[ \begin{align} U_1 &= n_1 \cdot n_2 + \frac{n_1 (n_1 + 1)}{2} - R_1 \\ U_2 &= n_1 \cdot n_2 + \frac{n_2 (n_2 + 1)}{2} - R_2 \\ U &= \min(U_1, U_2) \end{align} \]

di mana $R_1$ adalah jumlah peringkat di kelompok A dan $R_2$ adalah jumlah peringkat di kelompok B.

Nilai Harapan dan Standar Deviasi

Nilai harapan $\mu_U$ dan standar deviasi $\sigma_U$ dari $U$ adalah:

\[ \begin{align} \mu_U &= \frac{n_1 \cdot n_2}{2} \\ \sigma_U &= \sqrt{\frac{n_1 \cdot n_2 (n_1 + n_2 + 1)}{12}} \end{align} \]

Statistik z (Aproksimasi Normal)

Untuk sampel besar, statistik $U$ dapat dikonversi ke skor $z$:

\[ z = \frac{U - \mu_U}{\sigma_U} \]

Catatan

Rumus di atas digunakan untuk menguji $H_0:\ \text{Distribusi kedua kelompok sama}$ , dan $H_1:\ \text{Distribusi kedua kelompok berbeda}$ .

Profitabilitas Produk mencerminkan kemampuan produk tersebut dalam memberikan laba. Analisis profitabilitas produk biasanya melibatkan perhitungan total laba dan margin rata-rata per kategori produk, sehingga dapat diketahui kategori mana yang memberikan kontribusi laba terbesar serta efisiensi penjualannya.

Analisis Penjualan per Wilayah Menilai performa penjualan berdasarkan wilayah membantu perusahaan memahami pasar potensialnya. Dengan mengelompokkan total penjualan dan laba per pasar atau negara bagian, manajemen dapat melihat wilayah mana yang menyumbang pendapatan atau profit tertinggi. Hasil ini berguna untuk membuat strategi pemasaran dan distribusi yang lebih tepat sasaran.

Analisis Data

Persiapan Data

Pertama-tama, kita import data menggunakan paket readxl dan tidyverse, kemudian lihat beberapa baris awal data:

suppressPackageStartupMessages(suppressWarnings(library(readxl)))
suppressPackageStartupMessages(suppressWarnings(library(dplyr)))
suppressPackageStartupMessages(suppressWarnings(library(tidyverse)))
suppressPackageStartupMessages(suppressWarnings(library(knitr)))

# Import data
data <- read_excel("C:\\Users\\ardia\\OneDrive\\Documents\\Tugas Kuliah\\semester 4\\Sistem Informasi Manajemen\\Case Method 1\\3. CM1 - Coffee Chain Datasets\\3. CM1 - Coffee Chain Datasets.xlsx")

# Eksplorasi data
dim(data)   # Dimensi (baris, kolom)

## [1] 4248   20

head(data)  # Tampilkan 6 baris awal

## # A tibble: 6 × 20
##   `Area Code` Date                Market  `Market Size` Product   `Product Line`
##         <dbl> <dttm>              <chr>   <chr>         <chr>     <chr>         
## 1         719 2012-01-01 00:00:00 Central Major Market  Amaretto  Beans         
## 2         970 2012-01-01 00:00:00 Central Major Market  Colombian Beans         
## 3         970 2012-01-01 00:00:00 Central Major Market  Decaf Ir… Beans         
## 4         303 2012-01-01 00:00:00 Central Major Market  Green Tea Leaves        
## 5         303 2012-01-01 00:00:00 Central Major Market  Caffe Mo… Beans         
## 6         720 2012-01-01 00:00:00 Central Major Market  Decaf Es… Beans         
## # ℹ 14 more variables: `Product Type` <chr>, State <chr>, Type <chr>,
## #   `Budget COGS` <dbl>, `Budget Margin` <dbl>, `Budget Profit` <dbl>,
## #   `Budget Sales` <dbl>, COGS <dbl>, Inventory <dbl>, Margin <dbl>,
## #   Marketing <dbl>, Profit <dbl>, Sales <dbl>, `Total Expenses` <dbl>

Data di atas menunjukkan kolom-kolom seperti Market, Product Type, Sales, Profit, dan lainnya.

Perbandingan Profit Margin Major vs Small Market

# Rename kolom
data <- data %>% rename(MarketSize = `Market Size`)

# Hitung Profit Margin
data <- data %>% mutate(Profit_Margin = Profit / Sales * 100)
data %>% 
  group_by(MarketSize) %>%
  summarise(mean_margin = mean(Profit_Margin, na.rm=TRUE),
            sd_margin = sd(Profit_Margin, na.rm=TRUE),
            n = n())

## # A tibble: 2 × 4
##   MarketSize   mean_margin sd_margin     n
##   <chr>              <dbl>     <dbl> <int>
## 1 Major Market       25.1       61.0  1704
## 2 Small Market        7.76     194.   2544

Output menunjukkan rata-rata profit margin untuk setiap jenis pasar. Dari ringkasan tersebut, Major Market memiliki rata-rata margin lebih tinggi daripada Small Market. Tidak ditemukan nilai NA sehingga tidak perlu penanganan khusus.

ggplot(data, aes(x=MarketSize, y=Profit_Margin, fill=MarketSize)) +
  geom_boxplot(alpha=0.7) +
  labs(title="Distribusi Profit Margin berdasarkan Ukuran Pasar", x="Ukuran Pasar", y="Profit Margin (%)") +
  theme_minimal()

Boxplot tersebut mengilustrasikan bahwa Major Market cenderung memiliki margin profit lebih tinggi dan distribusi yang berbeda dibandingkan Small Market. Visualisasi ini mendukung kecurigaan bahwa terdapat perbedaan profit margin antara kedua jenis pasar.

Uji Mann-Whitney (Perbandingan Major vs Small Market)

Lakukan uji mann-whitney untuk menguji hipotesis apakah profit margin Major Market sama dengan Small Market.

wilcox_test <- wilcox.test(Profit_Margin ~ MarketSize, data = data, alternative = "two.sided")
wilcox_test

## 
##  Wilcoxon rank sum test with continuity correction
## 
## data:  Profit_Margin by MarketSize
## W = 2747180, p-value < 2.2e-16
## alternative hypothesis: true location shift is not equal to 0

Hasil uji Mann-Whitney memberikan statistik uji dan p-value.Jika p-value < 0.05, maka H0 ditolak, artinya profit margin berbeda secara signifikan.

Analisis Profitabilitas Berdasarkan Kategori Produk

Selanjutnya, kita akan merangkum data berdasarkan kategori produk untuk melihat total laba dan efisiensi margin rata-rata tiap kategori.:

# Hitung total profit dan rata-rata margin per kategori
profit_type <- data %>%
  group_by(`Product Type`) %>%
  summarise(
    Total_Profit = sum(Profit, na.rm = TRUE),
    Avg_Margin = mean(Profit_Margin, na.rm = TRUE)
  )
# Tampilkan ringkasan
knitr::kable(profit_type, caption = "Total Profit dan Margin Laba Rata-rata per Kategori Produk")

Total Profit dan Margin Laba Rata-rata per Kategori Produk
Product Type	Total_Profit	Avg_Margin
Coffee	74683	24.02334
Espresso	68620	21.65926
Herbal Tea	63254	24.97703
Tea	52986	-15.31055

Setelah perhitungan di atas, kita visualisasikan hasilnya. Pertama, barplot total profit per kategori produk:

ggplot(profit_type, aes(x = `Product Type`, y = Total_Profit, fill = `Product Type`)) +
  geom_col() +
  geom_text(aes(label = round(Total_Profit, 0)), 
            vjust = -0.3, size = 3, angle = 0) +
  scale_fill_manual(values = c(
    "Coffee" = "#6F4E37",
    "Espresso" = "#4B3832",
    "Herbal Tea" = "#A3C586",
    "Tea" = "#D4A373"
  )) +
  theme_minimal() +
  theme(legend.position = "none") +
  labs(title = "Total Laba per Kategori Produk", x = "Tipe Produk", y = "Total Laba")

Kemudian, barplot rata-rata margin laba per kategori produk:

ggplot(profit_type, aes(x = `Product Type`, y = Avg_Margin, fill = `Product Type`)) +
  geom_col() +
  geom_text(aes(label = paste0(round(Avg_Margin, 2), "%")), 
            vjust = -0.3, size = 3, angle = 0) +
  scale_fill_manual(values = c(
    "Coffee" = "#6F4E37",
    "Espresso" = "#4B3832",
    "Herbal Tea" = "#A3C586",
    "Tea" = "#D4A373"
  )) +
  theme_minimal() +
  theme(legend.position = "none") +
  labs(title = "Margin Laba Rata-rata per Kategori Produk", 
       x = "Tipe Produk", y = "Margin Rata-rata (%)")

Interpretasi Hasil:

Berdasarkan grafik dan tabel, kategori Coffee memiliki total laba tertinggi (sekitar $74.683) disusul Espresso dan Herbal Tea. Namun, jika dilihat dari margin rata-rata, Herbal Tea menghasilkan margin tertinggi (sekitar 25%), sedangkan Tea malah memiliki margin rata-rata negatif (sekitar -15%). Ini menunjukkan bahwa meskipun Coffee menyumbang laba total terbesar, Herbal Tea lebih efisien dari sisi margin. Sebaliknya, produk Tea mengalami beberapa periode rugi sehingga menurunkan margin rata-ratanya. Strategi peningkatan profitabilitas bisa difokuskan pada kategori dengan margin tinggi, dan mengevaluasi ulang penjualan produk Tea.

Analisis Performa Penjualan Berdasarkan Wilayah (Market)

Selanjutnya, kita analisis total penjualan, profit, dan jumlah transaksi berdasarkan wilayah (Market).

# Ringkasan per market
market_summary <- data %>%
  group_by(Market) %>%
  summarise(
    Total_Sales = sum(Sales),
    Total_Profit = sum(Profit),
    Total_Transactions = n()
  )
knitr::kable(market_summary, caption = "Total Penjualan, Laba, dan Jumlah Transaksi per Wilayah")

Total Penjualan, Laba, dan Jumlah Transaksi per Wilayah
Market	Total_Sales	Total_Profit	Total_Transactions
Central	265045	93852	1344
East	178576	59217	888
South	103926	32478	672
West	272264	73996	1344

Kemudian, visualisasi barplot untuk penjualan, profit, dan transaksi per wilayah:

ggplot(market_summary, aes(x = Market, y = Total_Sales, fill = Market)) +
  geom_col() +
  geom_text(aes(label = round(Total_Sales, 0)), 
            vjust = -0.3, size = 3, angle = 0) +
  scale_fill_manual(values = c(
    "Central" = "#4E79A7",
    "East" = "#59A14F",
    "South" = "#F28E2B",
    "West" = "#E15759"
  )) +
  theme_minimal() +
  theme(legend.position = "none") +
  labs(title = "Total Penjualan per Wilayah", x = "Wilayah", y = "Penjualan Total")

ggplot(market_summary, aes(x = Market, y = Total_Profit, fill = Market)) +
  geom_col() +
  geom_text(aes(label = round(Total_Profit, 0)), 
            vjust = -0.3, size = 3, angle = 0) +
  scale_fill_manual(values = c(
    "Central" = "#4E79A7",
    "East" = "#59A14F",
    "South" = "#F28E2B",
    "West" = "#E15759"
  )) +
  theme_minimal() +
  theme(legend.position = "none") +
  labs(title = "Total Laba per Wilayah", x = "Wilayah", y = "Laba Total")

ggplot(market_summary, aes(x = Market, y = Total_Transactions, fill = Market)) +
  geom_col() +
  geom_text(aes(label = round(Total_Transactions, 0)), 
            vjust = -0.3, size = 3, angle = 0) +
  scale_fill_manual(values = c(
    "Central" = "#4E79A7",
    "East" = "#59A14F",
    "South" = "#F28E2B",
    "West" = "#E15759"
  )) +
  theme_minimal() +
  theme(legend.position = "none") +
  labs(title = "Jumlah Transaksi per Wilayah", x = "Wilayah", y = "Jumlah Transaksi")

Untuk analisis yang lebih detail, kita juga melihat total penjualan per negara bagian (State) yang dikelompokkan menurut Market:

sales_state <- data %>%
  group_by(Market, State) %>%
  summarise(Total_Sales = sum(Sales)) %>%
  ungroup()

## `summarise()` has grouped output by 'Market'. You can override using the
## `.groups` argument.

ggplot(sales_state, aes(x = State, y = Total_Sales, fill = Market)) +
  geom_col() +
  geom_text(aes(label = round(Total_Sales, 0)), 
            vjust = -0.3, size = 3, angle = 0) +
  facet_wrap(~ Market, scales = "free_x") +
  scale_fill_manual(values = c(
    "Central" = "#4E79A7",
    "East" = "#59A14F",
    "South" = "#F28E2B",
    "West" = "#E15759"
  )) +
  theme_minimal() +
  theme(axis.text.x = element_text(angle = 90, hjust = 1),
        legend.position = "none") +
  labs(title = "Total Penjualan per Negara Bagian (per Wilayah)", 
       x = "Negara Bagian", y = "Penjualan Total") +
  expand_limits(y = max(sales_state$Total_Sales) * 1.1)

Interpretasi Hasil:

Dari ringkasan dan grafik, wilayah West memiliki total penjualan tertinggi (sekitar $272.264), diikuti wilayah Central (sekitar $265.045). Namun, wilayah Central unggul dalam total laba (sekitar $93.852), lebih tinggi dibanding West ($73.996). Wilayah South menunjukkan performa terendah baik dari sisi penjualan maupun laba. Hal ini mungkin karena pasar yang lebih kecil atau pangsa pasar yang belum optimal. Menurut grafik per negara bagian, California (Market West) adalah penyumbang penjualan tertinggi (~$96.892), diikuti New York (Market East) dan Illinois (Market Central). Beberapa negara bagian di Market South seperti New Mexico dan Oklahoma menunjukkan penjualan rendah. Hal ini mengindikasikan bahwa strategi penjualan bisa difokuskan pada negara bagian dengan performa tinggi, serta upaya peningkatan di wilayah yang penjualannya masih rendah.

Kesimpulan dan Rekomendasi

Berdasarkan analisis data Coffee Chain, dapat disimpulkan bahwa:

Nilai rata-rata profit margin pada Major Market jauh lebih tinggi (~25%) dibanding Small Market (~8%). Uji mann-whitney menghasilkan p-value sangat kecil (2.2e-16), menandakan perbedaan tersebut signifikan secara statistik. Artinya, besar pasar memang berkorelasi dengan profitabilitas yang artinya Major Market cenderung lebih menguntungkan.
Kategori Produk: Coffee dan Herbal Tea adalah kontributor laba terbesar. Herbal Tea memiliki margin rata-rata tertinggi, sedangkan Tea mengalami margin negatif. Disarankan untuk meningkatkan promosi pada produk yang margin tinggi dan mengevaluasi harga atau biaya untuk produk Tea.
Wilayah (Market): Wilayah Central dan West merupakan pasar terbesar. Central menghasilkan laba total paling tinggi, sedangkan West unggul dari segi penjualan total. South memiliki performa terendah.
Rekomendasi: fokuskan upaya pemasaran pada wilayah dengan performa tinggi dan teliti penyebab rendahnya performa di South (misalnya dengan survei pasar atau penyesuaian strategi). Secara umum, perusahaan perlu terus memantau margin laba setiap kategori ukuran pasar dan produk dan kinerja penjualan per wilayah. Langkah-langkah yang bisa dipertimbangkan antara lain penyesuaian strategi harga, optimalisasi biaya, diversifikasi produk, dan pemasaran terarah berdasarkan data performa wilayah.

Analisis Profitabilitas Produk Kopi Berdasarkan Kategori dan Performa Penjualan per Wilayah

Muhammad Ardiansyah - M0723056

Pendahuluan

Landasan Teori

Analisis Data

Persiapan Data

Perbandingan Profit Margin Major vs Small Market

Uji Mann-Whitney (Perbandingan Major vs Small Market)

Analisis Profitabilitas Berdasarkan Kategori Produk

Analisis Performa Penjualan Berdasarkan Wilayah (Market)

Kesimpulan dan Rekomendasi