Fidela Sherly Amelia

Kelas E

M0725008

Pendahuluan

Laporan ini berisi analisis terhadap Dataset Coffee Chain yang digunakan untuk mengevaluasi kinerja bisnis berdasarkan profit yang dihasilkan. Profit dipilih karena merupakan indikator penting dalam mengukur tingkat keuntungan perusahaan.

Analisis dalam laporan ini bertujuan untuk memahami distribusi profit serta membandingkan rata-rata profit antar cabang (market). Dengan demikian, dapat diketahui apakah profit cenderung stabil serta cabang mana yang memberikan kontribusi terbesar.

# ===============================
# IMPORT DATA
# ===============================
library(readxl)
## Warning: package 'readxl' was built under R version 4.5.2
dtcoffee = read_excel("Coffee Chain Datasets.xlsx")
View(dtcoffee)

Insight Data

Insight yang dipilih dalam analisis ini adalah distribusi profit serta perbandingan rata-rata profit antar cabang (market) pada Coffee Chain Dataset. Profit dipilih sebagai fokus utama karena merupakan indikator penting dalam mengukur tingkat keuntungan bisnis, bukan hanya jumlah penjualan.

Melalui analisis distribusi profit, dapat diketahui bagaimana penyebaran keuntungan yang diperoleh, apakah cenderung stabil atau memiliki variasi yang tinggi. Selain itu, dengan membandingkan rata-rata profit antar cabang, dapat diidentifikasi cabang yang memberikan kontribusi keuntungan terbesar.

# ===============================
# STATISTIK DESKRIPTIF
# ===============================
summary(dtcoffee$Profit)
##    Min. 1st Qu.  Median    Mean 3rd Qu.    Max. 
##  -638.0    17.0    40.0    61.1    92.0   778.0
sd(dtcoffee$Profit)
## [1] 101.7085
# ===============================
# RATA-RATA PROFIT PER MARKET
# ===============================
aggregate(Profit ~ Market, dtcoffee, mean)
##    Market   Profit
## 1 Central 69.83036
## 2    East 66.68581
## 3   South 48.33036
## 4    West 55.05655
# ===============================
# HISTOGRAM PROFIT
# ===============================
library(ggplot2)
## Warning: package 'ggplot2' was built under R version 4.5.2
ggplot(dtcoffee, aes(x = Profit)) + 
  geom_histogram(fill = "skyblue", bins = 20) + 
  theme_minimal() +
  ggtitle("Distribusi Profit") + 
  xlab("Profit") + ylab("Frekuensi")

Interpretasi Hasil Visualisasi Histogram

Berdasarkan histogram distribusi profit, distribusi data tampak miring ke kanan (positively skewed), yang ditandai dengan adanya ekor yang lebih panjang di sisi kanan. Ini menunjukkan bahwa terdapat beberapa nilai profit yang sangat tinggi dibandingkan sebagian besar data.

Selain itu, terlihat juga adanya beberapa nilai profit negatif, yang mengindikasikan bahwa pada beberapa transaksi perusahaan mengalami kerugian. Namun jumlahnya relatif lebih sedikit dibandingkan profit positif.

# ===============================
# BOXPLOT PROFIT PER MARKET
# ===============================
library(ggplot2)
ggplot(dtcoffee, aes(x = Market, y = Profit)) +
  geom_boxplot(fill = "skyblue") +
  ggtitle("Perbandingan Profit antar Market") +
  xlab("Market") +
  ylab("Profit")

Interpretasi Hasil Visualisasi Boxplot

Boxplot menunjukkan bahwa setiap market memiliki distribusi profit yang relatif berbeda. Market East dan West memiliki variasi data yang lebih besar serta banyak outlier, baik positif maupun negatif. Sementara itu, market South cenderung memiliki sebaran yang lebih sempit, menunjukkan profit yang lebih stabil.

# ===============================
# BAR CHART RATA-RATA PROFIT
# ===============================
library(ggplot2)
ggplot(dtcoffee, aes(x=Market, y=Profit)) +
  stat_summary(fun=mean, geom="bar", fill="skyblue") +
  labs(
    title = "Rata-rata Profit per Market",
    x = "Market",
    y = "Rata-rata Profit"
  ) +
  theme_minimal()

Interpretasi Hasil Visualisasi Bar Chart

Berdasarkan rata-rata profit, market Central memiliki nilai tertinggi, diikuti oleh East dan West, sedangkan South memiliki rata-rata profit paling rendah. Hal ini menunjukkan bahwa Central merupakan market dengan kontribusi profit terbesar.

# ===============================
# UJI ANOVA
# ===============================

cat("H0: Rata-rata profit semua market sama\n")
## H0: Rata-rata profit semua market sama
cat("H1: Minimal ada satu market dengan rata-rata profit yang berbeda\n\n")
## H1: Minimal ada satu market dengan rata-rata profit yang berbeda
dtcoffee$Market <- as.factor(dtcoffee$Market)

# Uji ANOVA
anova_model <- aov(Profit ~ Market, data = dtcoffee)
anova_result <- summary(anova_model)

print(anova_result)
##               Df   Sum Sq Mean Sq F value   Pr(>F)    
## Market         3   288811   96270   9.361 3.64e-06 ***
## Residuals   4244 43644825   10284                     
## ---
## Signif. codes:  0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
# Ambil p-value
p_anova <- anova_result[[1]]["Market", "Pr(>F)"]

# Keputusan
if (p_anova < 0.05) {
  cat("\nKeputusan: Tolak H0 (Terdapat perbedaan signifikan antar market)\n")
} else {
  cat("\nKeputusan: Gagal menolak H0 (Tidak terdapat perbedaan signifikan antar market)\n")
}
## 
## Keputusan: Tolak H0 (Terdapat perbedaan signifikan antar market)

Interpretasi Hasil Uji ANOVA

Berdasarkan hasil uji ANOVA, diperoleh nilai p-value sebesar 0,00000364, yang jauh lebih kecil dari tingkat signifikansi 0,05.

Hal ini menunjukkan bahwa hipotesis nol (H0) ditolak, sehingga dapat disimpulkan bahwa terdapat perbedaan rata-rata profit yang signifikan antar market.

Dengan kata lain, lokasi market memiliki pengaruh yang signifikan terhadap profit yang dihasilkan. Setiap market tidak memiliki kinerja profit yang sama, sehingga terdapat market yang lebih unggul dibandingkan yang lain.

Kesimpulan

Berdasarkan hasil analisis yang telah dilakukan, distribusi profit menunjukkan bahwa sebagian besar nilai profit berada pada kisaran rendah hingga sedang dengan kecenderungan distribusi yang miring ke kanan. Hal ini mengindikasikan bahwa mayoritas transaksi menghasilkan keuntungan, namun terdapat beberapa transaksi dengan profit yang sangat tinggi serta beberapa nilai negatif yang menunjukkan kerugian.

Selain itu, hasil analisis perbandingan rata-rata profit antar market menunjukkan adanya perbedaan kinerja antar cabang. Market Central memiliki rata-rata profit tertinggi, sedangkan market South memiliki rata-rata profit terendah.

Hasil uji ANOVA menunjukkan nilai p-value yang lebih kecil dari 0,05, sehingga hipotesis nol ditolak. Hal ini berarti terdapat perbedaan rata-rata profit yang signifikan antar market. Dengan demikian, dapat disimpulkan bahwa faktor market atau lokasi cabang berpengaruh terhadap profit yang dihasilkan.

Secara keseluruhan, analisis ini menunjukkan bahwa tidak semua market memiliki kinerja yang sama, sehingga perusahaan dapat mempertimbangkan strategi yang berbeda pada masing-masing market untuk mengoptimalkan profit.