A. Pendahuluan

Dalam dunia bisnis, pengelolaan persediaan (inventory) merupakan hal yang sangat penting karena berkaitan langsung dengan penjualan. Jika stok terlalu sedikit, perusahaan berisiko kehilangan peluang penjualan. Sebaliknya, jika stok terlalu banyak, dapat menyebabkan penumpukan barang (overstock) yang berujung pada inefisiensi.

Penjualan (sales) sebagai hasil utama dari aktivitas bisnis tidak hanya dipengaruhi oleh jumlah stok, tetapi juga oleh jenis produk dan wilayah pemasaran. Setiap produk memiliki karakteristik permintaan yang berbeda, begitu juga dengan kondisi pasar di setiap wilayah yang dapat memengaruhi tingkat penjualan.

Oleh karena itu, analisis ini bertujuan untuk memahami hubungan antara Inventory dan Sales, serta melihat apakah terdapat perbedaan pola penjualan berdasarkan Product Type dan wilayah (State). Selain itu, analisis ini juga bertujuan untuk mengidentifikasi apakah terdapat batas optimal dalam pengelolaan persediaan agar penjualan dapat dimaksimalkan.

Hasil dari analisis ini diharapkan dapat memberikan gambaran mengenai pentingnya pengelolaan persediaan yang efisien serta strategi distribusi yang tepat berdasarkan karakteristik produk dan wilayah.

Import Data

library("readxl")

## Warning: package 'readxl' was built under R version 4.5.2

data_saya<-read_excel("1. Tugas SIM 2025B - Coffee Chain Datasets.xlsx")

B. Deskripsi Data

Melihat nama variabel yang selanjutnya akan dipilih untuk bahan analisis

names(data_saya)

##  [1] "Area Code"      "Date"           "Market"         "Market Size"   
##  [5] "Product"        "Product Line"   "Product Type"   "State"         
##  [9] "Type"           "Budget COGS"    "Budget Margin"  "Budget Profit" 
## [13] "Budget Sales"   "COGS"           "Inventory"      "Margin"        
## [17] "Marketing"      "Profit"         "Sales"          "Total Expenses"

Insight yang diambil dalam penelitian ini adalah untuk menganalisis hubungan antara Inventory dan Sales serta perbedaan penjualan berdasarkan Product Type dan State. Dalam analisis ini, dipilih beberapa variabel yang dianggap relevan untuk menjawab tujuan penelitian, yaitu Inventory, Sales, Product Type, dan State.Variabel Inventory digunakan untuk merepresentasikan jumlah persediaan barang yang tersedia, sedangkan Sales digunakan untuk menunjukkan tingkat penjualan yang terjadi. Kedua variabel ini menjadi fokus utama dalam melihat hubungan antara ketersediaan stok dan hasil penjualan.

Selain itu, variabel Product Type digunakan untuk membedakan jenis produk yang dijual, seperti Coffee, Espresso, Herbal Tea, dan Tea. Perbedaan jenis produk ini penting karena setiap produk memiliki karakteristik permintaan yang berbeda. Variabel State digunakan untuk melihat perbedaan penjualan berdasarkan wilayah. Hal ini bertujuan untuk mengetahui apakah terdapat ketimpangan performa penjualan di berbagai daerah.

Dengan menggunakan keempat variabel tersebut, analisis ini diharapkan dapat memberikan gambaran yang lebih lengkap mengenai hubungan antara persediaan dan penjualan, serta bagaimana faktor produk dan wilayah mempengaruhi pola tersebut.

C. Pengolahan Data

Pada bagian ini dilakukan pengolahan data untuk memahami hubungan antara Inventory dan Sales, serta melihat perbedaan pola penjualan berdasarkan Product Type dan wilayah (State). Pengolahan data dilakukan melalui dua tahap utama, yaitu visualisasi data dan analisis statistik.

Visualisasi data digunakan untuk memberikan gambaran awal mengenai pola hubungan antar variabel serta distribusi data yang dimiliki. Melalui visualisasi, dapat diketahui kecenderungan umum, perbedaan antar kategori, serta kemungkinan adanya pola tertentu dalam data.

Selanjutnya, dilakukan analisis statistik untuk menguji temuan yang diperoleh dari visualisasi secara lebih objektif. Analisis ini meliputi uji normalitas, uji korelasi, serta uji perbedaan antar kelompok. Pemilihan metode statistik disesuaikan dengan karakteristik data yang digunakan.

Dengan adanya tahapan pengolahan data ini, diharapkan hasil analisis yang diperoleh tidak hanya bersifat deskriptif, tetapi juga didukung oleh pengujian statistik yang tepat.

Visualisasi Data

library(ggplot2)

## Warning: package 'ggplot2' was built under R version 4.5.3

Menunjukkan bahwa terdapat perbedaan distribusi sales antar product type

ggplot(data_saya, aes(x = `Product Type`, y = Sales, fill = `Product Type`)) +
  # Membuat boxplot
  geom_boxplot(fill = "pink", outlier.size = 1) +
  
  # Menambahkan titik merah untuk lokasi rata-rata (mean)
  stat_summary(fun = mean, geom = "point", shape = 18, size = 3, color = "darkred") +
  
  # Menambahkan label teks rata-rata 
  stat_summary(
    fun = mean, 
    geom = "text", 
    aes(label = paste("Avg:", round(after_stat(y), 1))),
    vjust = -2.5, 
    color = "darkred", 
    fontface = "bold"
  ) +
  
  theme_minimal() +
  labs(
    title = "Sales berdasarkan Product Type",
    subtitle = "Titik merah dan label menunjukkan nilai rata-rata (Mean)",
    x = "Product Type",
    y = "Sales"
  ) +
  # Menghilangkan legend
  theme(legend.position = "none")

~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~

Interpretasi

Meskipun rata-rata penjualan antar produk hampir sama, kategori Coffee dan Espresso memiliki potensi lonjakan penjualan (high-end sales) yang lebih sering dan lebih tinggi dibandingkan kategori Tea.

~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~

Menunjukkan bahwa hubungan antara inventory dan sales berbeda pada setiap product type

ggplot(data_saya, aes(x = Inventory, y = Sales)) +
  geom_point(alpha = 0.4, color = "pink") +
  # Menggunakan loess per kategori
  geom_smooth(method = "loess", color = "darkblue", se = FALSE) + 
  # Membagi grafik menjadi panel berdasarkan Product Type
  facet_wrap(~ `Product Type`) + 
  theme_minimal() +
  labs(
    title = "Tren Penjualan vs Stok per Kategori Produk",
    subtitle = "Garis lengkung menunjukkan pola unik tiap jenis barang")

## `geom_smooth()` using formula = 'y ~ x'

~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~

Interpretasi

Pada produk Coffee, terjadi pola naik turun dimana peningkatan inventory yang pada awalnya diikuti oleh peningkatan sales. Namun setelah mencapai titik tertentu, sales justru menurun meskipun inventory terus bertambah.

Produk Espresso menunjukkan tren penjualan yang meningkat seiring bertambahnya inventory, namun hanya sampai pada titik optimal tertentu. Setelah inventory melewati batas sekitar 2500 unit, angka penjualan justru mengalami penurunan yang signifikan.

Pada produk Herbal Tea, peningkatan inventory meningkatkan sales hingga titik tertentu, namun setelah itu penjualan cenderung menurun meski inventory terus bertambah.

Produk Tea menunjukkan pola peningkatan sales pada awal peningkatan inventory, namun setelah mencapai titik maksimum, sales mengalami penurunan meskipun inventory terus bertambah.

Kesimpulan : Secara kolektif, terlihat bahwa manajemen inventory harus dijaga pada kisaran 2.500 hingga 3.000 unit untuk memaksimalkan angka penjualan, namun nilai ini dapat berbeda pada setiap product type.

~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~

Menunjukkan rata-rata penjualan per negara bagian (State)

library(dplyr)

## Warning: package 'dplyr' was built under R version 4.5.2

## 
## 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

# Menghitung rata-rata penjualan per Negara Bagian (State)
data_state <- data_saya %>% 
  group_by(State) %>% 
  summarise(avg_sales = mean(Sales)) %>%
  arrange(desc(avg_sales)) # Mengurutkan dari yang tertinggi

# Membuat grafik batang
ggplot(data_state, aes(x = reorder(State, -avg_sales), y = avg_sales)) + 
  geom_col(fill = "pink") + 
  theme_minimal() +
  labs(
    title = "Rata-rata Penjualan per negara bagian",
    x = "Negara Bagian (State)",
    y = "Rata-rata Penjualan"
  ) +
  theme(axis.text.x = element_text(angle = 45, hjust = 1)) # Memiringkan teks agar tidak bertumpuk

~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~

Interpretasi

Berdasarkan analisis wilayah, terlihat adanya ketimpangan performa penjualan antar Negara Bagian. Hal ini menyiratkan bahwa kebijakan stok 2.500-3.000 unit yang ditemukan sebelumnya perlu disesuaikan (didistribusikan lebih banyak) ke wilayah dengan rata-rata penjualan tertinggi untuk menghindari lost sales.

~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~

ANALISIS DATA

Menguji normalitas data

#Uji normalitas data Inventory
shapiro.test(data_saya$Inventory)

## 
##  Shapiro-Wilk normality test
## 
## data:  data_saya$Inventory
## W = 0.71102, p-value < 2.2e-16

#Uji normalitas data Sales
shapiro.test(data_saya$Sales)

## 
##  Shapiro-Wilk normality test
## 
## data:  data_saya$Sales
## W = 0.78969, p-value < 2.2e-16

~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~

Interpretasi

Berdasarkan Uji normalitas, didapat informasi bahwa data Inventory dan Sales tidak normal

~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~

Menunjukkan kekuatan hubungan antara Inventory dan Sales

# H0 : Tidak terdapat hubungan antara Inventory dan Sales
# H1 : Terdapat hubungan antara Inventory dan Sales
# P-value < 0.05 maka H0 ditolak
cor.test(data_saya$Inventory, data_saya$Sales, method = "spearman")

## Warning in cor.test.default(data_saya$Inventory, data_saya$Sales, method =
## "spearman"): Cannot compute exact p-value with ties

## 
##  Spearman's rank correlation rho
## 
## data:  data_saya$Inventory and data_saya$Sales
## S = 8007938723, p-value < 2.2e-16
## alternative hypothesis: true rho is not equal to 0
## sample estimates:
##       rho 
## 0.3732151

~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~

Interpretasi

Berdasarkan uji korelasi diketahui bahwa menambah stok memang membantu meningkatkan penjualan, tetapi tidak menjamin peningkatan yang drastis.Pada grafik boxplot sebelumnya menunjukkan banyak lonjakan (outliers) pada kategori Coffee, bisa jadi hubungan yang lemah (rho 0.37), hal ini terjadi karena ada produk yang stoknya banyak tapi tidak laku, atau sebaliknya, ada produk yang stoknya sedikit tapi sering habis karena lonjakan pembeli.

~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~

Mengetahui apakah terdapat perbedaan penjualan antar product type

# H0 : Tidak terdapat perbedaan penjualan antar product type
# H1 : Terdapat perbedaan penjualan antar product type
# P-value < 0.05 maka H0 ditolak
kruskal.test(Sales ~ `Product Type`, data = data_saya)

## 
##  Kruskal-Wallis rank sum test
## 
## data:  Sales by Product Type
## Kruskal-Wallis chi-squared = 41.245, df = 3, p-value = 5.802e-09

~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~

Interpretasi

Berdasarkan uji kruskal-Wallis diketahui nilai p-value = 5.802e-09 (ini sangat kecil, jauh di bawah 0.05). Artinya, ada perbedaan penjualan yang sangat signifikan di antara keempat jenis produk tersebut. Penjualan Coffee, Espresso, Herbal Tea, dan Tea tidaklah sama secara statistik.

~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~

Mengetahui produk mana yang memiliki karakteristik penjualan yang berbeda

pairwise.wilcox.test(data_saya$Sales, data_saya$`Product Type`, p.adjust.method = "bonferroni")

## 
##  Pairwise comparisons using Wilcoxon rank sum test with continuity correction 
## 
## data:  data_saya$Sales and data_saya$`Product Type` 
## 
##            Coffee  Espresso Herbal Tea
## Espresso   0.00089 -        -         
## Herbal Tea 1.00000 0.00179  -         
## Tea        1.4e-06 0.49165  1.5e-06   
## 
## P value adjustment method: bonferroni

~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~

Interpretasi

Berdasarkan Hasil uji pairwise Wilcoxon menunjukkan bahwa tidak semua Product Type memiliki perbedaan penjualan yang signifikan. Terdapat dua kelompok utama, yaitu Coffee dan Herbal Tea yang memiliki karakteristik penjualan yang serupa, serta Espresso dan Tea yang juga menunjukkan kesamaan pola penjualan. Namun, perbedaan signifikan ditemukan antara kelompok tersebut, yang menunjukkan bahwa strategi pengelolaan persediaan perlu dibedakan antar kategori produk.

~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~

D. Kesimpulan

Analisis ini bertujuan untuk memahami hubungan antara jumlah persediaan (inventory) dan penjualan (sales) pada Coffee Chain.

Berdasarkan visualisasi, terlihat bahwa setiap jenis produk memiliki pola penjualan yang berbeda. Produk seperti Coffee dan Espresso cenderung memiliki peluang penjualan tinggi, meskipun rata-rata penjualannya tidak jauh berbeda dengan produk lainnya.

Hubungan antara inventory dan sales menunjukkan pola yang tidak selalu meningkat. Penambahan stok memang dapat meningkatkan penjualan, tetapi hanya sampai batas tertentu. Setelah melewati titik tertentu (sekitar 2.500–3.000 unit), penjualan justru cenderung menurun. Hal ini menunjukkan adanya kemungkinan overstock, yaitu stok terlalu banyak tetapi tidak terjual.

Selain itu, terdapat perbedaan penjualan antar wilayah (State), yang menunjukkan bahwa tidak semua daerah memiliki performa penjualan yang sama. Oleh karena itu, distribusi stok sebaiknya disesuaikan dengan wilayah yang memiliki permintaan tinggi.

Hasil uji statistik juga mendukung temuan ini. Data tidak berdistribusi normal sehingga digunakan metode non-parametrik. Uji korelasi menunjukkan bahwa inventory dan sales memiliki hubungan positif, tetapi tidak terlalu kuat. Uji Kruskal-Wallis menunjukkan adanya perbedaan signifikan antar Product Type, dan uji lanjutan menunjukkan bahwa produk dapat dikelompokkan menjadi beberapa kategori dengan pola penjualan yang berbeda

Secara keseluruhan, efisiensi persediaan dapat dicapai dengan mengelola jumlah stok secara optimal, serta menyesuaikannya berdasarkan jenis produk dan wilayah penjualan.

Analisis Efisiensi Persediaan terhadap Penjualan pada Coffee Chain

Aida Hikmallah_M0725087

2026-04-17

A. Pendahuluan

Hasil dari analisis ini diharapkan dapat memberikan gambaran mengenai pentingnya pengelolaan persediaan yang efisien serta strategi distribusi yang tepat berdasarkan karakteristik produk dan wilayah.

Import Data

B. Deskripsi Data

Melihat nama variabel yang selanjutnya akan dipilih untuk bahan analisis

Dengan menggunakan keempat variabel tersebut, analisis ini diharapkan dapat memberikan gambaran yang lebih lengkap mengenai hubungan antara persediaan dan penjualan, serta bagaimana faktor produk dan wilayah mempengaruhi pola tersebut.

C. Pengolahan Data

Pada bagian ini dilakukan pengolahan data untuk memahami hubungan antara Inventory dan Sales, serta melihat perbedaan pola penjualan berdasarkan Product Type dan wilayah (State). Pengolahan data dilakukan melalui dua tahap utama, yaitu visualisasi data dan analisis statistik.

Visualisasi data digunakan untuk memberikan gambaran awal mengenai pola hubungan antar variabel serta distribusi data yang dimiliki. Melalui visualisasi, dapat diketahui kecenderungan umum, perbedaan antar kategori, serta kemungkinan adanya pola tertentu dalam data.

Selanjutnya, dilakukan analisis statistik untuk menguji temuan yang diperoleh dari visualisasi secara lebih objektif. Analisis ini meliputi uji normalitas, uji korelasi, serta uji perbedaan antar kelompok. Pemilihan metode statistik disesuaikan dengan karakteristik data yang digunakan.

Dengan adanya tahapan pengolahan data ini, diharapkan hasil analisis yang diperoleh tidak hanya bersifat deskriptif, tetapi juga didukung oleh pengujian statistik yang tepat.

Visualisasi Data

Menunjukkan bahwa terdapat perbedaan distribusi sales antar product type

~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~

Interpretasi

Meskipun rata-rata penjualan antar produk hampir sama, kategori Coffee dan Espresso memiliki potensi lonjakan penjualan (high-end sales) yang lebih sering dan lebih tinggi dibandingkan kategori Tea.

~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~

Menunjukkan bahwa hubungan antara inventory dan sales berbeda pada setiap product type

~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~

Interpretasi

Pada produk Coffee, terjadi pola naik turun dimana peningkatan inventory yang pada awalnya diikuti oleh peningkatan sales. Namun setelah mencapai titik tertentu, sales justru menurun meskipun inventory terus bertambah.

Produk Espresso menunjukkan tren penjualan yang meningkat seiring bertambahnya inventory, namun hanya sampai pada titik optimal tertentu. Setelah inventory melewati batas sekitar 2500 unit, angka penjualan justru mengalami penurunan yang signifikan.

Pada produk Herbal Tea, peningkatan inventory meningkatkan sales hingga titik tertentu, namun setelah itu penjualan cenderung menurun meski inventory terus bertambah.

Produk Tea menunjukkan pola peningkatan sales pada awal peningkatan inventory, namun setelah mencapai titik maksimum, sales mengalami penurunan meskipun inventory terus bertambah.

Kesimpulan : Secara kolektif, terlihat bahwa manajemen inventory harus dijaga pada kisaran 2.500 hingga 3.000 unit untuk memaksimalkan angka penjualan, namun nilai ini dapat berbeda pada setiap product type.

~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~

Menunjukkan rata-rata penjualan per negara bagian (State)

~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~

Interpretasi

~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~

ANALISIS DATA

Menguji normalitas data

~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~

Interpretasi

Berdasarkan Uji normalitas, didapat informasi bahwa data Inventory dan Sales tidak normal

~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~

Menunjukkan kekuatan hubungan antara Inventory dan Sales

~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~

Interpretasi

~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~

Mengetahui apakah terdapat perbedaan penjualan antar product type

~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~

Interpretasi

Berdasarkan uji kruskal-Wallis diketahui nilai p-value = 5.802e-09 (ini sangat kecil, jauh di bawah 0.05). Artinya, ada perbedaan penjualan yang sangat signifikan di antara keempat jenis produk tersebut. Penjualan Coffee, Espresso, Herbal Tea, dan Tea tidaklah sama secara statistik.

~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~

Mengetahui produk mana yang memiliki karakteristik penjualan yang berbeda

~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~

Interpretasi

~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~

D. Kesimpulan

Analisis ini bertujuan untuk memahami hubungan antara jumlah persediaan (inventory) dan penjualan (sales) pada Coffee Chain.

Berdasarkan visualisasi, terlihat bahwa setiap jenis produk memiliki pola penjualan yang berbeda. Produk seperti Coffee dan Espresso cenderung memiliki peluang penjualan tinggi, meskipun rata-rata penjualannya tidak jauh berbeda dengan produk lainnya.

Selain itu, terdapat perbedaan penjualan antar wilayah (State), yang menunjukkan bahwa tidak semua daerah memiliki performa penjualan yang sama. Oleh karena itu, distribusi stok sebaiknya disesuaikan dengan wilayah yang memiliki permintaan tinggi.

Secara keseluruhan, efisiensi persediaan dapat dicapai dengan mengelola jumlah stok secara optimal, serta menyesuaikannya berdasarkan jenis produk dan wilayah penjualan.