SIM_Tugas_B_M0725042
Joeya Azzahra Putri Samwa
2026-04-16
LAPORAN TUGAS SIM
Mengimpor dataset Coffee Chain
library(readxl)## Warning: package 'readxl' was built under R version 4.5.2coffeechain=read_excel("D:\\My Documents\\AA UNS\\SIM\\1. Tugas SIM 2025B - Coffee Chain Datasets.xlsx")INSIGHT 1: Hubungan Biaya Pemasaran terhadap Keuntungan
Insight ini bertujuan untuk mengetahui hubungan antara biaya pemasaran (Marketing) yang digunakan dengan keuntungan (Profit) yang dihasilkan.
library(ggplot2)
# Visualisasi: Scatter Plot Marketing vs Profit
ggplot(coffeechain, aes(x = Marketing, y = Profit, color= Market)) +
geom_point(alpha = 0.6, size = 2) +
geom_smooth(method = "lm", se = FALSE, linetype = "dashed", color = "black") +
labs(title = "Hubungan Biaya Pemasaran (Marketing) terhadap Keuntungan (Profit)",
subtitle = "Coffee Chain Dataset",
x = "Biaya Marketing",
y = "Keuntungan (Profit)",
color = "Wilayah") +
theme_minimal()## `geom_smooth()` using formula = 'y ~ x'
Visualisasi scatter plot menunjukkan bahwa terdapat korelasi positif
antara biaya pemasaran dengan keuntungan. Hal ini terlihat dari arah
sebaran titik data dan garis tren yang bergerak dari kiri bawah ke kanan
atas. Penggunaan warna berdasarkan wilayah mengungkapkan bahwa
efektivitas pemasaran bervariasi di tiap pasar, di mana wilayah tertentu
mampu menghasilkan profit lebih tinggi pada tingkat biaya marketing yang
sama dibandingkan wilayah lainnya.
INSIGHT 2: Perbandingan Rata-rata Profit Lini Produk (Beans vs Leaves)
Insight ini bertujuan untuk mengetahui perbandingan keuntungan rata-rata dari lini produk Beans dan Leaves.
library(ggplot2)
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#Rata-rata profit per Product Line
rata_rata_profit <- coffeechain %>%
group_by(`Product Line`) %>%
summarise(Mean_Profit = mean(Profit, na.rm = TRUE),
SD_Profit = sd(Profit, na.rm = TRUE))
#Visualisasi: Bar Chart Rata-rata
ggplot(rata_rata_profit, aes(x = `Product Line` , y = Mean_Profit, fill = `Product Line`)) +
geom_bar(stat = "identity", width = 0.5, alpha = 0.8) +
geom_text(aes(label = round(Mean_Profit, 2)), vjust = -0.5) +
labs(title = "Perbandingan Rata-rata Profit: Beans vs Leaves",
x = "Lini Produk",
y = "Rata-rata Profit ($)") +
theme_minimal() 
Visualisasi bar chart menunjukkan adanya perbedaan keuntungan rata-rata
antara lini produk Beans dengan Leaves. Lini produk kategori Beans
(Coffee) memiliki rata-rata keuntungan yang lebih tinggi, yaitu sebesar
64.2 dollar. Sementara itu, kategori Leaves (Tea) memiliki rata-rata
yang lebih rendah, yaitu 57.66 dollar. Lini produk Beans memiliki
performa penjualan yang lebih tinggi dibandingkan Leaves. Hal tersebut
menunjukkan bahwa lini produk Beans memberikan kontribusi yang lebih
besar bagi keuntungan perusahaan.
INSIGHT 3: Persentase Kontribusi Profit Leaves (Tea) per Market
Insight ini bertujuan untuk mengetahui seberapa besar persentase kontribusi tiap market (Central, East, South, dan West) terhadap keuntungan lini produk Leaves (Tea) yang diperoleh perusahaan.
library(ggplot2)
library(dplyr)
#Menghitung data khusus Leaves dan total profit per market
data_pie <- coffeechain %>%
filter(`Product Line` == "Leaves") %>%
group_by(Market) %>%
summarise(Total_Profit = sum(Profit, na.rm = TRUE)) %>%
mutate(Persen = Total_Profit / sum(Total_Profit) * 100,
Label = paste0(Market, "\n", round(Persen, 1), "%"))
#Visualisasi: Pie Chart
ggplot(data_pie, aes(x = "", y = Total_Profit, fill = Market)) +
geom_bar(stat = "identity", width = 1) +
coord_polar("y", start = 0) +
geom_text(aes(label = Label), position = position_stack(vjust = 0.5), color = "white") +
labs(title = "Kontribusi Profit Lini Produk Teh per Market",
subtitle = "Persentase berdasarkan Total Profit Leaves (Tea)") +
theme_void() 
Visualisasi pie chart menunjukkan seberapa besar kontribusi suatu market
terhadap keuntungan lini produk Leaves (Tea). Berdasarkan hasil
visualisasi, dapat dilihat bahwa Market Central memiliki kontribusi
terbanyak, yaitu sebesar 40.5%. Sementara itu, kontribusi terkecil
dimiliki oleh Market South, sebesar 5%.
Analisis Statistika Deskriptif dari Dataset Coffee Chain
summary(coffeechain)## 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. :190.00Berdasarkan hasil syntax summary(), diperoleh gambaran umum mengenai kondisi keuangan Coffee Chain. Misalnya, pada variabel Marketing memiliki rentang nilai dari 0.00 hingga 156.00, yang menunjukkan variasi strategi anggaran di tiap wilayah. Selanjutnya, kuartil pertama sebesar 13.00, median sebesar 22.00, dan kuartil ketiga sebesar 39.00.
Analisis Korelasi Biaya Pemasaran dengan Keuntungan
Analisis dilakukan menggunakan uji korelasi Kendall’s-Tau untuk mengetahui korelasi antara biaya pemasaran dengan keuntungan yang diperoleh.
Ho: Tidak terdapat korelasi signifikan antara biaya pemasaran (Marketing) dengan keuntungan (Profit)
H1: Terdapat korelasi signifikan antara biaya pemasaran (Marketing) dengan keuntungan (Profit)
# Uji Korelasi Kendall
cor.test(coffeechain$Marketing, coffeechain$Profit, method = "kendall")##
## Kendall's rank correlation tau
##
## data: coffeechain$Marketing and coffeechain$Profit
## z = 29.958, p-value < 2.2e-16
## alternative hypothesis: true tau is not equal to 0
## sample estimates:
## tau
## 0.310664Dari hasil yang didapatkan, diketahui bahwa nilai p-value < 2.2e-16 yang berarti < 0.05 sehingga H0 ditolak. Artinya, terdapat korelasi signifikan antara biaya pemasaran (Marketing) dengan keuntungan (Profit). Nilai koefisien korelasi sebesar 0.310664 menunjukkan adanya korelasi positif dengan kekuatan lemah.