1. Pendahuluan

Dalam Industri minuman, khususnya kopi dan teh, strategi pemasaran dan distribusi sangat bergantung pada pemahaman terhadap karakteristik pasar. Ukuran pasar (market size) tidak hanya mencerminkan potensi volume penjualan, tetapi juga dapat mempengaruhi profitabilitas produk melalui faktor-faktor seperti harga jual, biaya distribusi, dan preferensi konsumen di setiap segmen pasar.

Kopi dan teh merupakan dua komoditas yang memiliki pasar luas dan konsumen yang loyal, namun dinamika penjualan dan keuntungan masing-masing produk dapat sangat berbeda tergantung pada segmen pasar yang dituju. Oleh karena itu, penting bagi perusahaan untuk mengetahui kombinasi produk dan pasar mana yang memberikan profit tertinggi, agar strategi bisnis dapat diarahkan lebih efektif.

Analisis ini bertujuan untuk mengevaluasi dan membandingkan profitabilitas produk berbasis kopi dan teh berdasarkan ukuran pasar, menggunakan pendekatan statistik deskriptif dan nonparametrik. Melalui analisis ini, diharapkan dapat ditemukan pola-pola profitabilitas yang bermanfaat dalam pengambilan keputusan, terutama dalam alokasi sumber daya dan fokus pemasaran.

2. Deskripsi Data

Dataset yang digunakan dalam analisis ini berisi informasi penjualan dan profit dari dua jenis produk utama, yaitu kopi dan teh, yang dijual di berbagai segmen pasar berdasarkan Market Size (small dan major). Setiap entri dataset mewakili transaksi individu yang mencangkup :

  • Market Size : Ukuran Pasar (Small atau Major)

  • Product Line : Jenis Produk (Coffee (Beans) atau Tea (Leaves))

  • Product Type : Coffee/Expresso/Tea/Herbal Tea

  • Profit : Keuntungan bersih dari transaksi tersebut

library(readxl)
library(DT)
## Warning: package 'DT' was built under R version 4.3.3
#Input dataset
coffee_tea_profit <- read_excel("D:/SEMESTER 4/SISTEM INFORMASI MANAJEMEN/3. CM1 - Coffee Chain Datasets/coffee&tea_profit.xlsx")

# Menampilkan dataset 
datatable(coffee_tea_profit, caption = "Tabel Profit Produk Minuman")

3. Analisis Statistik

3.1 Uji Normalitas Data

Uji normalitas dilakukan untuk mengatahui apakah distribusi suatu variabel, pada analisis ini yaitu variabel profit, mengikuti distribusi normal atau tidak. Hal ini penting untuk menentukan apakah kita menggunakan uji parametrik atau nonparametrik. Distribusi normal sendiri merupakan distribusi probabilitas yang berbentuk simetris dan menyerupai lonceng (bell-shaped curve).

Ada dua uji yang paling umum digunakan untuk menguji normalitas :

1. Shapiro-Wilk Test : Digunakan ketika dataset kecil hingga menengah (n < 5000)

2. Kolmogorov-Smirnov Test : Digunakan ketika dataset besar.

Pada analisis kali ini, untuk menguji normalitas data Profit, digunakan Shapiro-Wilk Test karena dataset tidak terlalu besar (n < 5000).

1. Hipotesis

\(H_0\) : Data berdistribusi normal

\(H_1\) : Data tidak berdistribusi normal

2. Taraf Signifikansi

\(\alpha = 0,05\)

3. Daerah Kritis

\(H_0\) ditolak ketika \(p-value < 0,05\)

4. Statistik Uji 

# Uji Normalistas 
shapiro.test(coffee_tea_profit$Profit)
## 
##  Shapiro-Wilk normality test
## 
## data:  coffee_tea_profit$Profit
## W = 0.79969, p-value < 2.2e-16
#Density Plot
plot(density(coffee_tea_profit$Profit), main = "Density Plot of Profit", col = "red")

# QQ Plot
qqnorm(coffee_tea_profit$Profit)
qqline(coffee_tea_profit$Profit, col = "red")

Hasil uji menunjukkan bahwa \(H_0\) ditolak karena nilai \(p-value < 2.2e-16\) dan kurva pada Density Plot tampak miring atau tidak simetris sempurna (skewed). Hal ini berarti data profit tidak mengikuti distribusi normal. Oleh karena itu, analisis selanjutnya harus menggunakan metode nonparametrik.

3.2 Pembuatan Variabel gabungan

Penggabungan variabel kategorik digunakan untuk mengidentifikasi efek interaksi antara dua faktor. Pada analisis kali ini, kita ingin tahu apakah profit dipengaruhi oleh kombinasi produk dan pasar, bukan hanya oleh salah satu faktor saja. Oleh karena itu, dilakukan pembuatan variabel gabungan yang mengombinasikan Product Line dan Market Size, sehingga setiap kombinasi produk dan pasar dapat dianalisis secara spesifik. 

library(dplyr)
# Buat variabel gabungan 
coffee_tea_profit$Group <- interaction(coffee_tea_profit$`Product Line`, coffee_tea_profit$Market_Size, sep = " - ")

3.3 Uji Kruskal-Wallis

Uji Kruskal-Wallis adalah uji nonparametrik yang digunakan untuk membandingkan tiga tau lebih kelompok independen terhadap suatu variabel numerik (kuantitatif). Uji ini dilakukan ketika asumsi normalitas tidak terpenuhi. Pada analisis kali ini uji Kruskal-Wallis digunakan untuk menjawab pertanyaan : “Apakah terdapat perbedaan signifikan pada distribusi nilai profit diantara kombinasi Product Line dan Market Size?”

1. Hipotesis

\(H_0\) : Tidak ada perbedaan distribusi median profit antara kelompok

\(H_1\) : Setidaknya ada satu kelompok dengan median profit yang berbeda

2. Taraf Signifikansi

\(\alpha = 0,05\)

3. Daerah Kritis

\(H_0\) ditolak ketika \(p-value < 0,05\)

4. Statistik Uji 

# Uji kruskal-Wallis
kruskal.test(Profit~Group, data=coffee_tea_profit)
## 
##  Kruskal-Wallis rank sum test
## 
## data:  Profit by Group
## Kruskal-Wallis chi-squared = 478.83, df = 3, p-value < 2.2e-16

Hasil uji menunjukkan bahwa \(H_0\) ditolak karena nilai \(p-value < 2.2e-16\), artinya setidaknya ada satu kelompok yang memiliki median profit yang berbeda. Oleh karena itu, perlu dilakukan analisis lanjutan untuk mengetahui kelompok mana yang berbeda signifikan.

3.4 Uji Pairwise Wilcoxon

Pada uji sebelumnya diketahui bahwa ada perbedaan profit antar kelompok (kombinasi Product Line dan Market Size). Selanjutnya, kita ingin mengetahui pasangan mana saja yang memiliki perbedaan median profit yang siginifikan.

1. Hipotesis

\(H_0\) : Median profit dari dua kelompok sama

\(H_1\) : Median profit dari dua kelompok berbeda

2. Taraf Signifikansi

\(\alpha = 0,05\)

3. Daerah Kritis

\(H_0\) ditolak ketika \(p-value < 0,05\)

4. Statistik Uji 

#Uji lanjut untuk mengetahui pasangan mana yang berbeda
pairwise.wilcox.test(coffee_tea_profit$Profit, coffee_tea_profit$Group, p.adjust.methods="bonferroni")
## 
##  Pairwise comparisons using Wilcoxon rank sum test with continuity correction 
## 
## data:  coffee_tea_profit$Profit and coffee_tea_profit$Group 
## 
##                       Beans - Major Market Leaves - Major Market
## Leaves - Major Market 3.5e-15              -                    
## Beans - Small Market  < 2e-16              < 2e-16              
## Leaves - Small Market < 2e-16              < 2e-16              
##                       Beans - Small Market
## Leaves - Major Market -                   
## Beans - Small Market  -                   
## Leaves - Small Market 0.00037             
## 
## P value adjustment method: holm
Berikut tabel hasil analisisnya :

Hasil uji menunjukkan bahwa semua pasangan kombinasi kelompok berdasarkan jenis produk dan ukuran pasar memiliki nilai \(p-value<0,05\), maka \(H_0\) ditolak untuk seluruh pasangan, artinya seluruh kombinasi jenis produk dan ukuran market menunjukkan perbedaan median profit yang signifikan. Dengan demikian, baik jenis produk (Beans vs Leaves) maupun ukuran market (major vs small) memiliki dampak/pengaruh terhadap profitabilitas.

3.5 Analisis Median

Untuk mengetahui kelompok atau kombinasi mana yang memiliki profit paling tinggi, bisa dilakukan dengan menghitung median atau rata-rata dari setiap kelompoknya. Namun, karena data tidak berdistribusi normal, maka digunakan median, karena lebih tahan terhadap outlier. Median tertinggi menunjukkan kelompok yang memiliki profit paling tinggi.

Adapun rumus dari median sendiri sebagai berikut, \[ \text{Median} = \begin{cases} x_{\left(\frac{n+1}{2}\right)}, & \text{jika } n \text{ ganjil} \\ \frac{1}{2} \left( x_{\left(\frac{n}{2}\right)} + x_{\left(\frac{n}{2} + 1\right)} \right), & \text{jika } n \text{ genap} \end{cases} \]

dengan,

  • \(x_{(i)}\) adalah elemen ke-\(i\) dari data yang diurutkan

  • \(n\) adalah jumlah total observasi

##  median profit tiap grup
medians <- aggregate(Profit ~ Group, data = coffee_tea_profit, median)
medians

3.6 Visualisasi

Visualisasi bertujuan untuk membantu menyajikan hasil analisis dalam bentuk yang lebih mudah diapahami. Hal ini mempermudah kita untuk membandingkan median profit antar kelompok. 

library(ggplot2)

#Visualisasi Barplot
ggplot(medians, aes(x = reorder(Group, -Profit), y = Profit, fill = Group)) +
  geom_bar(stat = "identity", width = 0.6) +
  ylim(0, 110) +
  geom_text(aes(label = round(Profit, 1)), vjust = -0.5, size = 4) +
    scale_fill_manual(values = c(
    "Beans - Major Market" = "maroon",
    "Leaves - Major Market" = "red",
    "Beans - Small Market" = "yellow",
    "Leaves - Small Market" = "orange"
  )) +
  theme_minimal() +
  labs(
    title = "Median Profit per Grup Produk dan Pasar",
    x = "Grup Produk dan Pasar",
    y = "Median Profit"
  ) +
  theme(plot.title = element_text(hjust = 0.5),
    axis.text.x = element_text(angle = 45, hjust = 1),
    legend.position = "none"
  ) 

# Boxplot
ggplot(coffee_tea_profit, aes(x = Group, y = Profit, fill = Group)) +
  geom_boxplot() +
    geom_text(data = medians, aes(x = Group, y = Profit, label = round(Profit, 1)), 
            vjust = -0.5, size = 3.5, color = "black") +
  scale_fill_manual(values = c(
    "Beans - Major Market" = "maroon",
    "Leaves - Major Market" = "red",
    "Beans - Small Market" = "yellow",
    "Leaves - Small Market" = "orange"
  )) +
  theme_minimal() +
  labs(
    title = "Median Profit Tiap Grup Produk dan Pasar",
    x = "Grup Produk & Pasar",
    y = "Profit"
  ) +
  theme(axis.text.x = element_text(angle = 45, hjust = 1), plot.title = element_text(hjust = 0.5))

Berdasarkan barchart dan boxplot tersebut, dapat dilihat bahwa kelompok Beans-Major Market memiliki nilai median profit tertinggi, yaitu sebesar 97. Terlihat pada boxplot, sebaran data kelompok ini juga relatif luas, ditandai dengan jarak antarkualltil (IQR) yang besar dan banyaknya outlier, terutama pada sisi negatif. Hal ini menunjukkan bahwa meskipun profit umumnya tinggi, terdapat juga beberapa transaksi dengan profit yang sangat rendah.

Sementara itu, kelompok Leaves - Major Market memiliki median profit sebesar 53, lebih rendah dari Beans - Major Market, namun masih menunjukkan profitabilitas yang cukup baik. Berdasarkan boxplot, sebaran data dalam kelompok ini lebih simetris dan terdistribusi lebih merata dibandingkan Beans - Major Market, meskipun terdapat outlier. kelompok Beans - Small Market dan Leaves - Small Market memiliki median profit yang jauh lebih rendah, masing-masing sebesar 30 dan 33. Ini menunjukkan bahwa pasar kecil secara umum menghasilkan profit yang lebih rendah, baik untuk produk Beans maupun Leaves.

4. Kesimpulan

Berdasarkan hasil analisis data profitabilitas produk kopi dan teh yang telah dilakukan menggunakan pendekatan statistik deskriptif dan nonparametrik, diperoleh beberapa poin penting yang dapat dijadikan dasar pengambilan keputusan dalam konteks pemasaran dan pengelolaan produk :

  • Dari hasil uji normalitas menggunakan uji Shapiro-Wilk, ditemukan bahwa distribusi data profit tidak mengikuti distribusi normal. Oleh karena itu, metode analisis nonparametrik menjadi pendekatan yang paling sesuai untuk menganalisis perbedaan profitabilitas antar kelompok.

  • Dilakukan pembentukan variabel gabungan antara jenis produk (Product Line) dan ukuran pasar (Market Size) yang terdiri dari empat kombinasi kelompok : Beans - Major Market, Leaves - Major Market, Beans - Small Market, dan Leaves - Small Market. Variabel gabungan ini memungkinkan analisis yang lebih menyeluruh terhadap bagaimana profit dipengaruhi oleh interaksi antara jenis produk dan ukuran pasar.

  • Uji Kruskal-Wallis, sebagai alternatif dari ANOVA untuk data nonparametrik, menunjukkan bahwa terdapat perbedaan yang signifikan dalam median profit antara keempat kelompok. Ini berarti bahwa baik jenis produk maupun ukuran pasar memengaruhi tingkat profitabilitas secara statistik.

  • Hasil Uji Pairwise Wilcoxon menunjukkan bahwa hampir seluruh pasangan kelompok memiliki perbedaan profit yang signifikan satu sama lain, kecuali antara kelompok Leaves - Small Market dan Beans - Small Market, yang memiliki perbedaan yang lebih kecil namun tetap signifikan secara statistik.

  • Visualisasi data menggunakan barplot dan boxplot membantu memperjelas pola distribusi profit antar kelompok. Terlihat bahwa kelompok Beans - Major Market memiliki median profit tertinggi sebesar 97, diikuti oleh Leaves - Major Market (53), Leaves - Small Market (33), dan Beans - Small Market (30). Sebaran data pada kelompok Beans di pasar besar juga menunjukkan variasi yang lebih tinggi, namun tetap memiliki keuntungan yang menonjol.

5. Insight dan Rekomendasi

  • Produk Kopi (Beans) di Pasar Besar (Major Market) merupakan kombinasi yang paling menguntungkan. Ini menunjukkan bahwa Produk kopi kemungkinan lebih diminati di pasar besar, atau memiliki jaringan distribusi dan promosi yang lebih kuat di pasar tersebut. Oleh karena itu, fokus untuk ekspansi produk kopi ke pasar besar bisa jadi langkah yang strategis.

  • Jenis pasar memiliki pengaruh besar terhadap profit, dimana baik produk kopi maupun teh menghasilkan profit lebih tinggi di pasar besar daripada pasar kecil. Sedangkan di pasar kecil, baik kopi maupun teh memiliki sebaran profit yang lebih lebar, terlihat dari boxplot, dengan banyak outlier negatif. Sehingga pasar kecil menjadi kurang efisien secara biaya dan diperlukan evaluasi strategi distribusi atau pemilihan produk yang cocok untuk pasar kecil agar profit lebih optimal.

  • Produk kopi lebih menguntungkan daripada teh, tetapi tidak secara konsisten di semua pasar. Di pasar besar, kopi mendominasi profit, namun di pasar kecil, teh menunjukkan performa yang lebih stabil dibandingkan kopi. Ini menunjukkan potensi teh sebagai produk alternatif yang bisa difokuskan untuk pasar-pasar kecil.

  • Uji wilcoxon menunjukkan perbedaan signifikan hampir di semua pasangan, kecuali antara : Leaves - Small Market dan Beans - Small Market, yang perbedaannya kecil tetapi tetap signifikan. Oleh karena itu, analisis profit secara rutin dapat dilakukan untuk menilai performa kombinasi produk dan pasar agar strategi bisnis selalu berbasis data.