1. Deskripsi Insight

Insight yang diambil dalam analisis ini adalah mengidentifikasi 10 produk dengan nilai marketing tertinggi serta melihat bagaimana hubungannya dengan profit yang dihasilkan. Tujuan dari analisis ini adalah untuk mengetahui apakah produk dengan biaya marketing tinggi juga memberikan profit yang tinggi, sehingga dapat menjadi dasar dalam pengambilan keputusan strategi pemasaran.

2. Import Data

library(readxl)
## Warning: package 'readxl' was built under R version 4.5.2
library(dplyr)
## Warning: package 'dplyr' was built under R version 4.5.3
## 
## Attaching package: 'dplyr'
## The following objects are masked from 'package:stats':
## 
##     filter, lag
## The following objects are masked from 'package:base':
## 
##     intersect, setdiff, setequal, union
library(ggplot2)
## Warning: package 'ggplot2' was built under R version 4.5.3
data <- read_excel("C:/Users/LENOVO/Downloads/1. Tugas SIM 2025B - Coffee Chain Datasets.xlsx", sheet = "data")

head(data)
## # 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>

3. Pengolahan Data

Mengelompokkan data berdasarkan produk dan menghitung total marketing serta profit.

top10 <- data %>%
  group_by(Product) %>%
  summarise(
    Marketing = sum(Marketing),
    Profit = sum(Profit)
  ) %>%
  arrange(desc(Marketing)) %>%
  slice(1:10)

top10
## # A tibble: 10 × 3
##    Product           Marketing Profit
##    <chr>                 <dbl>  <dbl>
##  1 Caffe Mocha           19686  17678
##  2 Colombian             17346  55804
##  3 Lemon                 15880  29869
##  4 Chamomile             12166  27231
##  5 Decaf Irish Cream     11362  13989
##  6 Decaf Espresso        10112  29502
##  7 Earl Grey              9846  24164
##  8 Darjeeling             9766  29053
##  9 Green Tea              7126   -231
## 10 Mint                   6108   6154

4. Visualisasi Data

Top 10 Marketing

ggplot(top10, aes(x = reorder(Product, Marketing), y = Marketing)) +
  geom_bar(stat = "identity", fill = "steelblue") +
  coord_flip()

labs(
    title = "Top 10 Produk dengan Marketing Tertinggi",
    x = "Produk",
    y = "Marketing"
  )
## <ggplot2::labels> List of 3
##  $ x    : chr "Produk"
##  $ y    : chr "Marketing"
##  $ title: chr "Top 10 Produk dengan Marketing Tertinggi"

5. Hubungan Marketing Dan Profit

ggplot(top10, aes(x = Marketing, y = Profit, label = Product)) +
  geom_point(color = "red", size = 3) +
  geom_text(hjust = 1.1) +
  labs(
    title = "Hubungan Marketing dan Profit",
    x = "Marketing",
    y = "Profit"
  )

6. Analisis Statistik

library(dplyr)

top10 %>%
  summarise(
    mean_marketing = mean(Marketing),
    median_marketing = median(Marketing),
    sd_marketing = sd(Marketing),
    min_marketing = min(Marketing),
    max_marketing = max(Marketing),
    
    mean_profit = mean(Profit),
    median_profit = median(Profit),
    sd_profit = sd(Profit),
    min_profit = min(Profit),
    max_profit = max(Profit)
  )
## # A tibble: 1 × 10
##   mean_marketing median_marketing sd_marketing min_marketing max_marketing
##            <dbl>            <dbl>        <dbl>         <dbl>         <dbl>
## 1         11940.            10737        4407.          6108         19686
## # ℹ 5 more variables: mean_profit <dbl>, median_profit <dbl>, sd_profit <dbl>,
## #   min_profit <dbl>, max_profit <dbl>

7. Interpretasi

Berdasarkan hasil statistik deskriptif pada 10 produk dengan marketing tertinggi, diperoleh bahwa nilai marketing memiliki rata-rata sebesar 11.939,8 dengan median sebesar 10.737. Nilai minimum marketing adalah 6.108 dan maksimum mencapai 19.686, yang menunjukkan adanya variasi cukup besar dalam alokasi biaya marketing antar produk. Hal ini juga didukung oleh nilai standar deviasi sebesar 4.406,733, yang menandakan penyebaran data marketing yang cukup tinggi dari rata-ratanya.

Sementara itu, pada variabel profit, diperoleh rata-rata sebesar 23.321,3 dengan median sebesar 25.697,5. Nilai minimum profit sebesar -231 menunjukkan bahwa terdapat produk yang mengalami kerugian, sedangkan nilai maksimum mencapai 55.804, yang menunjukkan adanya produk dengan keuntungan sangat tinggi. Nilai standar deviasi profit sebesar 15.468,29 menunjukkan bahwa variasi profit antar produk sangat besar.

8. Kesimpulan

Berdasarkan hasil analisis yang telah dilakukan terhadap 10 produk dengan nilai marketing tertinggi, dapat disimpulkan bahwa terdapat variasi yang cukup besar baik pada nilai marketing maupun profit antar produk. Meskipun seluruh produk yang dianalisis memiliki tingkat marketing yang tinggi, profit yang dihasilkan tidak selalu sebanding, bahkan terdapat produk yang mengalami kerugian.

Hasil analisis menunjukkan bahwa besarnya biaya marketing tidak secara langsung menjamin peningkatan profit. Hal ini mengindikasikan bahwa efektivitas strategi pemasaran perlu dievaluasi lebih lanjut, sehingga pengeluaran marketing dapat memberikan hasil yang optimal.

Dengan demikian, perusahaan disarankan untuk tidak hanya berfokus pada besarnya anggaran marketing, tetapi juga mempertimbangkan efisiensi dan strategi yang digunakan agar dapat meningkatkan profit secara maksimal.