Dalam industri minuman, khususnya kopi, dinamika pasar terus berkembang seiring dengan perubahan preferensi konsumen, inovasi produk, dan tren gaya hidup. Kopi tidak lagi hanya dikonsumsi sebagai minuman penyemangat, tetapi telah menjadi bagian dari budaya dan gaya hidup modern. Hal ini menyebabkan produsen kopi berlomba-lomba menghadirkan berbagai jenis produk kopi, seperti kopi hitam (black coffee), kopi susu (latte, cappuccino), kopi kemasan dingin (cold brew), hingga varian kopi berbasis rasa atau topping.
Dengan beragamnya jenis produk kopi yang ditawarkan, penting bagi pelaku usaha untuk memahami bagaimana masing-masing jenis produk tersebut berkontribusi terhadap penjualan. Mengetahui apakah terdapat perbedaan rata-rata penjualan antar jenis produk kopi dapat menjadi dasar dalam pengambilan keputusan strategis, seperti pengembangan produk, alokasi anggaran pemasaran, dan manajemen persediaan.
Penelitian ini bertujuan untuk menganalisis apakah terdapat perbedaan yang signifikan dalam rata-rata penjualan berdasarkan jenis produk kopi. Dengan menggunakan data penjualan aktual, analisis ini diharapkan dapat memberikan wawasan bagi manajemen dalam mengidentifikasi produk unggulan serta potensi pengembangan pasar.
Dataset yang digunakan dalam penelitian ini berisi 4.248 entri dengan 20 variabel yang mencakup informasi penjualan berbagai produk minuman, khususnya kopi dan teh. Data ini mencatat sejumlah variabel penting seperti tanggal penjualan (Date), nama produk (Product), kategori produk (Product Line), jenis produk (Product Type), subkategori produk (Type), dan nilai penjualan aktual (Sales) yang menjadi fokus utama dalam analisis. Selain itu, tersedia juga informasi geografis dan segmentasi pasar seperti State, Market, dan Market Size. Berdasarkan lima baris pertama data, terlihat bahwa produk-produk seperti “Amaretto”, “Colombian”, dan “Decaf Irish Cream” termasuk dalam jenis kopi, sementara “Green Tea” dikategorikan sebagai teh. Nilai penjualan (Sales) dari produk-produk kopi ini bervariasi, seperti 219 untuk Amaretto dan 234 untuk Decaf Irish Cream. Untuk keperluan analisis perbedaan rata-rata penjualan, data akan difokuskan pada jenis produk dengan kategori Product Type bernilai “Coffee”, dan jika relevan, juga akan dipertimbangkan jenis “Espresso” sebagai bagian dari variasi produk kopi.
Uji ANOVA (Analysis of Variance) adalah metode statistik yang digunakan untuk menguji perbedaan rata-rata antara tiga kelompok atau lebih. Uji ini bertujuan untuk menentukan apakah variasi antar kelompok lebih besar daripada variasi dalam kelompok, sehingga dapat disimpulkan apakah terdapat perbedaan yang signifikan antara kelompok-kelompok yang diuji. Uji ANOVA dapat digunakan dalam berbagai situasi, seperti perbandingan pengaruh berbagai perlakuan atau faktor terhadap suatu variabel.
1. Mean Square Between (MSB)
\[ MSB = \frac{SSB}{df_{\text{antara}}} \]
dimana:
\(SSB\) = Jumlah kuadrat antar kelompok
(Sum of Squares Between)
\(df_{\text{antara}}\) = Derajat kebebasan antar kelompok (jumlah kelompok - 1)
2. Mean Square Within (MSW)
\[ MSW = \frac{SSW}{df_{\text{dalam}}} \]
di mana:
\(SSW\) = Jumlah kuadrat dalam kelompok
(Sum of Squares Within)
\(df_{\text{dalam}}\) = Derajat kebebasan dalam kelompok (jumlah total observasi - jumlah kelompok)
3. F-statistic
\[ F = \frac{MSB}{MSW} \]
Jika nilai \(F\) yang dihitung lebih besar dari nilai \(F\)-tabel pada tingkat signifikansi yang ditentukan, maka dapat disimpulkan bahwa ada perbedaan yang signifikan antar kelompok.
Dalam kasus ini penulis melakukan analisis terhadap data penjualan yang difokuskan pada hubungan antara jenis produk kopi (Product Type) dan nilai penjualan (Sales). Data yang digunakan mencerminkan performa penjualan dari berbagai kategori produk kopi. Setiap jenis produk tersebut memiliki segmen pasar yang berbeda, sehingga diasumsikan dapat memberikan kontribusi penjualan yang bervariasi. Penulis tertarik untuk mengetahui apakah perbedaan jenis produk kopi secara nyata memengaruhi rata-rata penjualan yang dihasilkan. Untuk menjawab pertanyaan tersebut, digunakan metode statistik One-Way ANOVA guna menguji apakah terdapat perbedaan yang signifikan dalam rata-rata penjualan antar jenis produk kopi. Hasil dari analisis ini diharapkan dapat memberikan informasi yang relevan bagi manajemen perusahaan dalam mengambil keputusan terkait strategi produk dan distribusi berdasarkan kinerja penjualannya.
Uji Menggunakan Rstudio
1. Hipotesis
\(H_0\): \(\mu_1 = \mu_2 = .... =\mu_k\) (Rata-rata
penjualan cenderung sama untuk semua jenis produk)
\(H_1\): \(\mu_1 \neq \mu-j\), untuk paling sedikit
sebuah \(i\), \(j\) (Setidaknya ada satu jenis produk yang
memiliki rata-rata penjualan lebih signifikan dibanding yang lain)
2. Taraf Signifikansi
\(\alpha=5\%=0.05\)
3. Daerah Kritis
\(H_0\) ditolak jika
P-value<0.05
4. Statistik Uji
## Df Sum Sq Mean Sq F value Pr(>F)
## Product_Type 3 347874 115958 5.091 0.00162 **
## Residuals 4244 96658796 22775
## ---
## Signif. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1library(knitr)
library(kableExtra)
anova_output <- summary(anova_model1)
kable(anova_output[[1]], caption = "📊 Hasil One-Way ANOVA") %>%
kable_styling(bootstrap_options = c("striped", "hover", "condensed"))| Df | Sum Sq | Mean Sq | F value | Pr(>F) | |
|---|---|---|---|---|---|
| Product_Type | 3 | 347874.1 | 115958.0 | 5.091371 | 0.0016162 |
| Residuals | 4244 | 96658796.3 | 22775.4 | NA | NA |
Quiz cepat: Apa yang terjadi jika p-value < 0.05?
Untuk menguji normalitas residu kita bisa menggunakan uji
Shapiro-Wilk.
1. Hipotesis
\(H_0\): Residu berdistribusi normal.
\(H_1\): Residu tidak berdistribusi
normal. 2. Taraf Signifikansi
\(\alpha\) = 5% = 0.05
3. Daerah Kritis
\(H_0\) ditolak jika P-value
< 0.05
4. Statistik Uji
##
## Shapiro-Wilk normality test
##
## data: residuals(anova_model1)
## W = 0.7874, p-value < 2.2e-16Berdasarkan uji yang dilakukan diketahui P-Value = 2.2e-16 < 0.05, maka \(H_0\) ditolak, sehingga residu dari Uji Anova berdistribusi tidak normal. Umumnya, residu yang tidak berdistribusi normal akan memengaruhi keakuratan dari hasil uji. Tetapi, untuk Uji Anova dengan sampel yang sangat banyak tidak terlalu memengaruhi keakuratan ujinya.
Untuk menguji homogenitas residu kita bisa menggunakan Uji
Breusch-Pagan.
1. Hipotesis
\(H_0\): Residu bersifat homogen.
\(H_1\): Residu tidak bersifat
homogen.
2. Taraf Signifikansi
\(\alpha\) = 5% = 0.05
3.Daerah Kritis
\(H_0\) ditolak jika P-Value <
0.05
4. Statistik Uji
## Loading required package: zoo##
## Attaching package: 'zoo'## The following objects are masked from 'package:base':
##
## as.Date, as.Date.numeric##
## studentized Breusch-Pagan test
##
## data: anova_model1
## BP = 15.771, df = 3, p-value = 0.001264Welch ANOVA adalah metode alternatif dari uji ANOVA satu arah (One-Way ANOVA) yang digunakan untuk menguji perbedaan rata-rata antar lebih dari dua kelompok ketika asumsi homogenitas varians tidak terpenuhi. Berbeda dengan ANOVA konvensional yang mengasumsikan varians antar kelompok sama (homogen), Welch ANOVA memberikan koreksi dengan melakukan pembobotan variansi berdasarkan ukuran sampel setiap kelompok sehingga lebih robust terhadap heterogenitas varians. Metode ini membantu menghindari kesalahan pengambilan keputusan yang mungkin terjadi jika ANOVA standar digunakan pada data dengan varians yang tidak homogen.
Rumus Uji Welch ANOVA
Statistik uji Welch ANOVA dihitung dengan rumus sebagai berikut:
\[ W = \frac{\sum_{i=1}^{k} w_i (\bar{X}_i - \bar{X}_w)^2}{(k - 1)} \bigg/ \left(1 + \frac{2(k - 2)}{k^2 - 1} \sum_{i=1}^{k} \frac{1}{n_i - 1} \left(1 - \frac{w_i}{w} \right)^2 \right) \]
Di mana:
Uji Welch ANOVA digunakan saat asumsi homogenitas varians (homoskedastisitas) tidak terpenuhi. p style=“text-align:justify;text-indent: 2em;”> Berdasarkan analisis diatas, diketahui bahwa data pada masing-masing kelompok terdistribusi normal. Namun, hasil uji homogenitas varians menunjukkan bahwa varians antar kelompok tidak homogen (p < 0,05). Oleh karena itu, analisis dilanjutkan dengan menggunakan Welch ANOVA, yang tidak mengharuskan asumsi varians yang sama antar kelompok.
uji Menggunakan R
1. Hipotesis
\(H_0\): \(\mu_1 = \mu_2 = .... =\mu_k\) (Rata-rata
penjualan cenderung sama untuk semua jenis produk)
\(H_1\): \(\mu_1 \neq \mu-j\), untuk paling sedikit
sebuah \(i\), \(j\) (Setidaknya ada satu jenis produk yang
memiliki rata-rata penjualan lebih signifikan dibanding yang lain)
2. Taraf Signifikansi
\(\alpha=5\%=0.05\)
3. Daerah Kritis
\(H_0\) ditolak jika
P-value<0.05
4. Statistik Uji
##
## One-way analysis of means (not assuming equal variances)
##
## data: Sales and Product_Type
## F = 4.8552, num df = 3.0, denom df = 2335.8, p-value = 0.002273Dikarenakan pada Uji Welch Anova \(H_0\) ditolak, maka kita lanjut menggunakan Uji Games-Howell. Uji Games-Howell adalah uji post hoc yang digunakan untuk membandingkan perbedaan rata-rata antar kelompok setelah dilakukan uji ANOVA atau Welch ANOVA, terutama ketika asumsi homogenitas varians tidak terpenuhi dan/atau ukuran sampel antar kelompok berbeda. Uji ini merupakan alternatif yang lebih tepat dibandingkan uji Tukey ketika varians antar kelompok tidak sama (heterogen) dan ukuran sampel tidak seragam. Games-Howell efektif mengurangi risiko kesalahan tipe I dan memberikan hasil yang lebih akurat dalam kondisi tersebut.
Rumus Uji Games-Howell
Statistik uji Games-Howell untuk membandingkan rata-rata antara dua
kelompok i dan j dihitung dengan rumus: \[
q_{ij} = \frac{\left| \bar{X}_i - \bar{X}_j \right|}{\sqrt{
\frac{s_i^2}{n_i} + \frac{s_j^2}{n_j} }}
\]
Dimana:
Nilai \(q_{ij}\) ini dibandingkan dengan nilai kritis dari distribusi Studentized Range (q) dengan derajat kebebasan yang dihitung secara khusus menggunakan rumus Welch–Satterthwaite untuk mengakomodasi heterogenitas varians dan ukuran sampel yang berbeda.
Derajat kebebasan (df) untuk pasangan kelompok i dan j dihitung sebagai:\[ df_{ij} = \frac{\left( \frac{s_i^2}{n_i} + \frac{s_j^2}{n_j} \right)^2} {\frac{\left( \frac{s_i^2}{n_i} \right)^2}{n_i - 1} + \frac{\left( \frac{s_j^2}{n_j} \right)^2}{n_j - 1}} \]
Jika nilai \(q_{ij}\) lebih besar
dari nilai kritis pada tingkat signifikansi tertentu, maka rata-rata
kelompok i dan j dianggap berbeda secara
signifikan.
Uji Menggunakan R
1. Hipotesis
\(H_0\): Tidak terdapat perbedaan
rata-rata penjualan antar kelompok.
\(H_1\): Terdapat perbedaan rata-rata
penjualan antar kelompok.
2. Taraf Signifikansi
\(\alpha\) = 5% = 0.05
3.Daerah Kritis
\(H_0\) ditolak jika P-Value <
0.05
4. Statistik Uji
## # A tibble: 6 × 8
## .y. group1 group2 estimate conf.low conf.high p.adj p.adj.signif
## * <chr> <chr> <chr> <dbl> <dbl> <dbl> <dbl> <chr>
## 1 Sales Coffee Espresso -15.7 -33.1 1.69 0.094 ns
## 2 Sales Coffee Herbal Tea -9.10 -26.3 8.08 0.524 ns
## 3 Sales Coffee Tea -25.4 -43.2 -7.48 0.002 **
## 4 Sales Espresso Herbal Tea 6.60 -9.15 22.4 0.703 ns
## 5 Sales Espresso Tea -9.65 -26.2 6.86 0.436 ns
## 6 Sales Herbal Tea Tea -16.3 -32.5 0.0351 0.051 nsSetelah dilakukan beberapa uji, maka berdasarkan hasil analisis data penjualan berdasarkan jenis produk kopi, dapat disimpulkan bahwa:
Temuan ini menunjukkan bahwa jenis produk memiliki pengaruh signifikan terhadap tingkat penjualan. Oleh karena itu, pihak manajemen dapat mempertimbangkan untuk: - Meningkatkan promosi dan pengembangan produk berbasis teh./ - Mengevaluasi strategi pemasaran untuk produk kopi agar mampu bersaing dengan kategori lain./ - Mengoptimalkan distribusi dan sumber daya sesuai dengan performa penjualan masing-masing jenis produk.
Cattleya Publication Services. (2023). Uji Post-hoc dengan SPSS. Diakses pada 11 Mei 2025, dari https://cattleyapublicationservices.com/?p=752
Prasetya, H. A., & Utami, H. (2020). Welch ANOVA & Uji Games-Howell sebagai Alternatif Kasus Heterogenitas Varians pada ANOVA. Skripsi, Universitas Gadjah Mada. Diakses pada 11 Mei 2025, dari https://etd.repository.ugm.ac.id/penelitian/detail/167915