R Markdown

This is an R Markdown document. Markdown is a simple formatting syntax for authoring HTML, PDF, and MS Word documents. For more details on using R Markdown see http://rmarkdown.rstudio.com.

When you click the Knit button a document will be generated that includes both content as well as the output of any embedded R code chunks within the document. You can embed an R code chunk like this:

summary(cars)
##      speed           dist       
##  Min.   : 4.0   Min.   :  2.00  
##  1st Qu.:12.0   1st Qu.: 26.00  
##  Median :15.0   Median : 36.00  
##  Mean   :15.4   Mean   : 42.98  
##  3rd Qu.:19.0   3rd Qu.: 56.00  
##  Max.   :25.0   Max.   :120.00

Including Plots

You can also embed plots, for example:

Note that the echo = FALSE parameter was added to the code chunk to prevent printing of the R code that generated the plot.

Deskripsi Insight

Insight yang dianalisis dalam laporan ini adalah efisiensi profit antar market. Efisiensi diukur menggunakan Profit Margin (Profit / Sales). Tujuan analisis adalah untuk mengetahui market mana yang paling efisien dalam menghasilkan profit.

#Import data
data <- read_excel("D:/Kuliah/SISTEM INFORMASI MANAGEMEN/1. Tugas SIM 2025B - Coffee Chain Datasets.xlsx")

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>
#sekedar untuk melihat data keseluruhan
View(data)
#data preparation
df <- data %>%
  select(Market, Sales, Profit, COGS, Marketing, `Total Expenses`) %>% na.omit()

# Membuat variabel baru 
df <- df %>%
  mutate(Profit_Margin = Profit / Sales)

head(df)
## # A tibble: 6 × 7
##   Market  Sales Profit  COGS Marketing `Total Expenses` Profit_Margin
##   <chr>   <dbl>  <dbl> <dbl>     <dbl>            <dbl>         <dbl>
## 1 Central   219     94    89        24               36         0.429
## 2 Central   190     68    83        27               39         0.358
## 3 Central   234    101    95        26               38         0.432
## 4 Central   100     30    44        14               26         0.3  
## 5 Central   134     54    54        15               26         0.403
## 6 Central   180     53    72        23               55         0.294
##Visualisasi data

# Profit Margin per Market
market_summary <- df %>%
  group_by(Market) %>%
  summarise(Avg_Margin = mean(Profit_Margin, na.rm = TRUE))

ggplot(market_summary, aes(x = Market, y = Avg_Margin, fill = Market)) +
  geom_bar(stat = "identity") +
  scale_fill_manual(values = c(
  "Central" = "#A0CBE8",
  "East" = "#FFBE7D",
  "South" = "#8CD17D",
  "West" = "#FF9DA7"
))

  labs(title = "Rata-rata Profit Margin per Market",
       y = "Profit Margin") +
  theme_minimal()
## NULL
# Hubungan Sales dan Profit
ggplot(df, aes(x = Sales, y = Profit)) +
  geom_point(alpha = 0.3, size = 1.5, color = "#4E79A7") +
  geom_smooth(method = "lm", color = "#E15759", se = FALSE) +
  labs(title = "Hubungan Sales dan Profit",
       x = "Sales",
       y = "Profit") +
  theme_minimal()
## `geom_smooth()` using formula = 'y ~ x'

# Analisis regresi
model <- lm(Profit ~ Sales + COGS + Marketing + `Total Expenses`, data = df)
summary(model)
## 
## Call:
## lm(formula = Profit ~ Sales + COGS + Marketing + `Total Expenses`, 
##     data = df)
## 
## Residuals:
##      Min       1Q   Median       3Q      Max 
## -112.028   -5.748    0.526    5.525  105.228 
## 
## Coefficients:
##                   Estimate Std. Error  t value Pr(>|t|)    
## (Intercept)       2.366873   0.705850    3.353 0.000806 ***
## Sales             1.208316   0.003721  324.744  < 2e-16 ***
## COGS             -1.241869   0.010250 -121.156  < 2e-16 ***
## Marketing         0.195850   0.040466    4.840 1.35e-06 ***
## `Total Expenses` -1.400421   0.031161  -44.942  < 2e-16 ***
## ---
## Signif. codes:  0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
## 
## Residual standard error: 16.86 on 4243 degrees of freedom
## Multiple R-squared:  0.9726, Adjusted R-squared:  0.9725 
## F-statistic: 3.76e+04 on 4 and 4243 DF,  p-value: < 2.2e-16

Interpretasi Visualisasi (Scatter Plot)

Berdasarkan grafik hubungan antara Sales dan Profit, terlihat adanya pola hubungan yang cenderung positif. Hal ini menunjukkan bahwa peningkatan nilai penjualan umumnya diikuti oleh peningkatan profit.

Namun, terdapat beberapa titik data dengan nilai profit negatif, terutama pada rentang penjualan rendah hingga menengah. Hal ini mengindikasikan bahwa peningkatan penjualan tidak selalu menjamin peningkatan profit, kemungkinan disebabkan oleh tingginya biaya operasional atau pengeluaran lainnya.

Selain itu, penyebaran data yang cukup luas menunjukkan adanya variasi profit yang dipengaruhi oleh faktor lain selain penjualan, seperti biaya produksi (COGS), marketing, dan total expenses.

Interpretasi Hasil Regresi Linear

Pengaruh masing-masing variabel

Sales (koefisien = +1.208) Sales memiliki pengaruh positif dan signifikan terhadap profit. Artinya, setiap kenaikan 1 unit sales akan meningkatkan profit sebesar sekitar 1.208 unit, dengan asumsi variabel lain konstan.

COGS (koefisien = -1.242) COGS berpengaruh negatif dan signifikan terhadap profit. Hal ini berarti semakin tinggi biaya produksi, maka profit akan menurun.

Marketing (koefisien = +0.196) Marketing memiliki pengaruh positif dan signifikan terhadap profit, meskipun pengaruhnya relatif lebih kecil dibandingkan variabel lain.

Total Expenses (koefisien = -1.400) Total Expenses memiliki pengaruh negatif dan signifikan terhadap profit. Ini menunjukkan bahwa biaya operasional secara keseluruhan sangat mempengaruhi penurunan profit.

Signifikansi Model

Semua variabel memiliki nilai p-value < 0.05, sehingga dapat disimpulkan bahwa seluruh variabel berpengaruh signifikan terhadap profit.

Kekuatan Model

R-squared = 0.9726 (97.26%) Artinya, sekitar 97.26% variasi profit dapat dijelaskan oleh variabel Sales, COGS, Marketing, dan Total Expenses. Ini menunjukkan bahwa model regresi yang digunakan sangat baik dalam menjelaskan hubungan antar variabel.

Kesimpulan Analisis

Sales merupakan faktor utama yang meningkatkan profit. Biaya seperti COGS dan Total Expenses memiliki dampak besar dalam menurunkan profit. Marketing berkontribusi positif, namun pengaruhnya lebih kecil dibandingkan variabel lainnya. Model regresi memiliki performa yang sangat baik dalam menjelaskan variasi profit.