Analisis Perbandingan Profit Antar Market pada Coffee Chain Dataset
Kumala Giga - M0725081 Statistika (B)
2026-04-17
#Insight Profit merupakan salah satu indikator utama dalam menilai kinerja suatu perusahaan, termasuk dalam industri coffee chain. Setiap market tentunya memiliki potensi dan tantangan yang berbeda, sehingga memungkinkan terjadinya perbedaan rata-rata profit antar market. Oleh karena itu, penting untuk melakukan analisis guna mengetahui apakah perbedaan tersebut bersifat signifikan secara statistik.
Penelitian ini bertujuan untuk menganalisis perbedaan rata-rata profit antar market menggunakan metode ANOVA, sehingga dapat memberikan gambaran mengenai market mana yang memiliki kinerja profit yang lebih baik dan stabil.
#Import Data
library(readxl)## Warning: package 'readxl' was built under R version 4.5.2library(ggplot2)## Warning: package 'ggplot2' was built under R version 4.5.2data_coffee_chain <- read_excel("C:/Users/kumal/OneDrive/Dokumen/Smt 2/Sistem Informasi Manajemen/1. Tugas SIM 2025B - Coffee Chain Datasets.xlsx")
head(data_coffee_chain)## # 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>tail(data_coffee_chain)## # A tibble: 6 × 20
## `Area Code` Date Market `Market Size` Product `Product Line`
## <dbl> <dttm> <chr> <chr> <chr> <chr>
## 1 425 2013-12-01 00:00:00 West Small Market Lemon Leaves
## 2 206 2013-12-01 00:00:00 West Small Market Caffe Lat… Beans
## 3 509 2013-12-01 00:00:00 West Small Market Caffe Moc… Beans
## 4 360 2013-12-01 00:00:00 West Small Market Decaf Esp… Beans
## 5 360 2013-12-01 00:00:00 West Small Market Colombian Beans
## 6 206 2013-12-01 00:00:00 West Small Market Decaf Iri… 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>str(data_coffee_chain)## tibble [4,248 × 20] (S3: tbl_df/tbl/data.frame)
## $ Area Code : num [1:4248] 719 970 970 303 303 720 970 719 970 719 ...
## $ Date : POSIXct[1:4248], format: "2012-01-01" "2012-01-01" ...
## $ Market : chr [1:4248] "Central" "Central" "Central" "Central" ...
## $ Market Size : chr [1:4248] "Major Market" "Major Market" "Major Market" "Major Market" ...
## $ Product : chr [1:4248] "Amaretto" "Colombian" "Decaf Irish Cream" "Green Tea" ...
## $ Product Line : chr [1:4248] "Beans" "Beans" "Beans" "Leaves" ...
## $ Product Type : chr [1:4248] "Coffee" "Coffee" "Coffee" "Tea" ...
## $ State : chr [1:4248] "Colorado" "Colorado" "Colorado" "Colorado" ...
## $ Type : chr [1:4248] "Regular" "Regular" "Decaf" "Regular" ...
## $ Budget COGS : num [1:4248] 90 80 100 30 60 80 140 50 50 40 ...
## $ Budget Margin : num [1:4248] 130 110 140 50 90 130 160 80 70 70 ...
## $ Budget Profit : num [1:4248] 100 80 110 30 70 80 110 20 40 20 ...
## $ Budget Sales : num [1:4248] 220 190 240 80 150 210 300 130 120 110 ...
## $ COGS : num [1:4248] 89 83 95 44 54 72 170 63 60 58 ...
## $ Inventory : num [1:4248] 777 623 821 623 456 ...
## $ Margin : num [1:4248] 130 107 139 56 80 108 171 87 80 72 ...
## $ Marketing : num [1:4248] 24 27 26 14 15 23 47 57 19 22 ...
## $ Profit : num [1:4248] 94 68 101 30 54 53 99 0 33 17 ...
## $ Sales : num [1:4248] 219 190 234 100 134 180 341 150 140 130 ...
## $ Total Expenses: num [1:4248] 36 39 38 26 26 55 72 87 47 55 ...dim(data_coffee_chain)## [1] 4248 20names(data_coffee_chain)## [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"summary(data_coffee_chain)## Area Code Date Market
## Min. :203.0 Min. :2012-01-01 00:00:00 Length:4248
## 1st Qu.:417.0 1st Qu.:2012-06-23 12:00:00 Class :character
## Median :573.0 Median :2012-12-16 12:00:00 Mode :character
## Mean :582.3 Mean :2012-12-15 22:00:00
## 3rd Qu.:772.0 3rd Qu.:2013-06-08 12:00:00
## Max. :985.0 Max. :2013-12-01 00:00:00
## Market Size Product Product Line Product Type
## Length:4248 Length:4248 Length:4248 Length:4248
## Class :character Class :character Class :character Class :character
## Mode :character Mode :character Mode :character Mode :character
##
##
##
## State Type Budget COGS Budget Margin
## Length:4248 Length:4248 Min. : 0.00 Min. :-210.0
## Class :character Class :character 1st Qu.: 30.00 1st Qu.: 50.0
## Mode :character Mode :character Median : 50.00 Median : 70.0
## Mean : 74.83 Mean : 100.8
## 3rd Qu.: 90.00 3rd Qu.: 130.0
## Max. :450.00 Max. : 690.0
## Budget Profit Budget Sales COGS Inventory
## Min. :-320.00 Min. : 0.0 Min. : 0.00 Min. :-3534.0
## 1st Qu.: 20.00 1st Qu.: 80.0 1st Qu.: 43.00 1st Qu.: 432.0
## Median : 40.00 Median : 130.0 Median : 60.00 Median : 619.0
## Mean : 60.91 Mean : 175.6 Mean : 84.43 Mean : 749.4
## 3rd Qu.: 80.00 3rd Qu.: 210.0 3rd Qu.:100.00 3rd Qu.: 910.5
## Max. : 560.00 Max. :1140.0 Max. :364.00 Max. : 8252.0
## Margin Marketing Profit Sales
## Min. :-302.00 Min. : 0.00 Min. :-638.0 Min. : 17
## 1st Qu.: 52.75 1st Qu.: 13.00 1st Qu.: 17.0 1st Qu.:100
## Median : 76.00 Median : 22.00 Median : 40.0 Median :138
## Mean : 104.29 Mean : 31.19 Mean : 61.1 Mean :193
## 3rd Qu.: 132.00 3rd Qu.: 39.00 3rd Qu.: 92.0 3rd Qu.:230
## Max. : 613.00 Max. :156.00 Max. : 778.0 Max. :912
## Total Expenses
## Min. : 10.00
## 1st Qu.: 33.00
## Median : 46.00
## Mean : 54.06
## 3rd Qu.: 65.00
## Max. :190.00#Visualisasi Data ##Scatter Plot Sales vs Profit
ggplot(data_coffee_chain, aes(x = Sales, y = Profit)) +
geom_point(color = "#BC8F8F", alpha = 0.6) +
theme_minimal() +
labs(
title = "Hubungan Sales dan Profit",
x = "Sales",
y = "Profit"
)
Interpretasi : Scatter plot menunjukkan adanya hubungan positif antara
Sales dan Profit, dimana peningkatan pada Sales cenderung diikuti juga
oleh peningkatan Profit. Namun, masih terdapat beberapa variasi data dan
nilai Profit negatif pada Sales yang rendah. Hal ini menunjukkan bahwa
tidak semua penjualan menghasilkan keuntungan.
##Boxplot Profit per Market
ggplot(data_coffee_chain, aes(x = Market, y = Profit, fill = Market)) +
geom_boxplot(color = "black") +
scale_fill_manual(values = c("#D2B48C", "#6B8E23", "#E9967A", "#B0CFDB")) +
theme_minimal() +
labs(
title = "Distribusi Profit Berdasarkan Market",
x = "Market",
y = "Profit"
)
Interpretasi : Boxplot menunjukkan bahwa terdapat perbedaan distribusi
profit antar market. Market East dan West memiliki variasi profit lebih
besar, sedangkan Central dan South menunjukkan hasil yang cukup stabil.
Beberapa market juga menunjukkan adanya profit negatif.
#Analisis Data ##Uji Anova ###Hipotesis - H0 : rata-rata Profit pada semua Market sama - H1 : rata-rata Profit pada Market ada yang tidak sama ###Kriteria pengambilan keputusan - H0 ditolak jika p-value < 0.05 - H0 gagal ditolak jika p-value > 0.05 ###Uji Hipotesis
model <- aov(Profit ~ Market, data = data_coffee_chain)
summary(model)## 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 ' ' 1Interpretasi : Berdasarkan hasil uji Anova, diketahui bahwa F value = 9.361 dengan p-value < 0.05 Hal ini berarti H0 ditolak
Artinya, terdapat perbedaan rata-rata profit yang signifikan antar market. Dengan demikian, faktor market akan berpengaruh terhadap perbedaan profit yang dihasilkan.
##Uji Normalitas Residual ###Hipotesis - H0 : residual berdistribusi normal - H1 : residual tidak berdistribusi normal ###Kriteria pengambilan keputusan - H0 ditolak jika p-value < 0.05 - H0 gagal ditolak jika p-value > 0.05 ###Uji Hipotesis
shapiro.test(residuals(model))##
## Shapiro-Wilk normality test
##
## data: residuals(model)
## W = 0.80613, p-value < 2.2e-16Interpretasi : Berdasarkan hasil uji Normalitas Residual, diketahui bahwa p-value < 0.05 Hal ini berarti H0 ditolak. Artinya, residual disini tidak berdistribusi normal.
Meskipun begitu, dengan adanya jumlah sampel yang cukup besar pada data yang digunakan, hal ini menyebabkan analisis Anova masih dapat digunakan sebagai pendekatan berdasarkan Central Limit Theorem.
#Kesimpulan Berdasarkan hasil analisis, dapat kita ketahui bahwa terdapat perbedaan rata-rata profit yang signifikan antar market, sehingga market ini berpengaruh terhadap tingkat profit yang dihasilkan.
Selain itu, hubungan antara Sales dan Profit juga menunjukkan hubungan yang cenderung positif, dimana peningkatan Sales ini diikuti juga oleh peningkatan Profit.
Mengenai gambaran market mana yang memiliki kinerja profit lebih baik dan stabil, dapat kita peroleh dari data market yang memiliki median profit lebih tinggi, cenderung positif, dan sebarannya tidak terlalu banyak di area negatif. Market yang paling memenuhi kriteria itu adalah Market Central dan juga South.