ggplot2 → Untuk visualisasi data
dplyr → Untuk manipulasi data
readxl → Untuk membaca file Excel
lubridate → Untuk manipulasi data tanggal
DT → Untuk membuat tabel interaktif
1.Trend Profit Harian
Grafik garis ini menunjukkan perkembangan profit secara waktu (harian), dimulai dari awal tahun 2012 hingga pertengahan 2014. Terlihat adanya peningkatan signifikan pada awal 2013, diikuti oleh fluktuasi yang masih cukup tinggi namun cenderung stabil pada kisaran angka 12.000–14.000. Kenaikan tajam ini dapat dikaitkan dengan perubahan strategi, peluncuran produk baru, atau musim penjualan tertentu.
Saran Strategis:
2.Top 10 State dengan Profit Tertinggi
Pada visualisasi batang horizontal ini, terlihat bahwa negara bagian seperti California, Illinois, dan Iowa merupakan kontributor tertinggi terhadap total profit. Skala grafik mendatar memudahkan pembandingan langsung antar negara bagian. Hal ini menunjukkan bahwa ketiga state tersebut memiliki pangsa pasar yang kuat atau efisiensi operasional yang tinggi. Washington berada di peringkat ke-10, menunjukkan performa yang cukup baik tetapi masih berada di bawah beberapa state lainnya.
Saran Strategis:
3.Total Profit per Market
Grafik batang vertikal ini mengelompokkan profit berdasarkan wilayah pasar: Central, East, South, dan West. Pasar Central menjadi yang paling dominan, menghasilkan profit tertinggi. Ini bisa menjadi sinyal bahwa strategi distribusi dan pemasaran di wilayah tersebut berjalan sangat baik. Pasar South menghasilkan profit paling rendah, yang mungkin memerlukan analisis lebih lanjut terkait preferensi pelanggan, kompetitor, atau logistik.
Saran Strategis:
# ======================================
# COFFEE CHAIN DATA ANALYSIS - MAIN SYNTAX
# ======================================
# 1. DATA LOADING & PREPARATION ----
# Load dataset and convert Date column
coffee_data <- read_excel(
"C:/Users/Asus/Downloads/3. CM1 - Coffee Chain Datasets/3. CM1 - Coffee Chain Datasets.xlsx",
sheet = "data"
) %>%
mutate(Date = as.Date(Date))
# 2. DAILY PROFIT TREND ANALYSIS ----
profit_time <- coffee_data %>%
group_by(Date) %>%
summarise(
Daily_Profit = sum(Profit, na.rm = TRUE),
.groups = 'drop'
) %>%
arrange(Date)
# 3. TOP STATES BY PROFIT ----
top_state <- coffee_data %>%
group_by(State) %>%
summarise(
Total_Profit = sum(Profit, na.rm = TRUE),
.groups = 'drop'
) %>%
arrange(desc(Total_Profit)) %>%
slice(1:10) %>%
mutate(State = factor(State, levels = State))
# 4. MARKET PERFORMANCE ANALYSIS ----
market_profit <- coffee_data %>%
group_by(Market) %>%
summarise(
Total_Profit = sum(Profit, na.rm = TRUE),
.groups = 'drop'
) %>%
arrange(desc(Total_Profit))