1. Pendahuluan

Profit merupakan indikator utama keberhasilan suatu perusahaan. Tingkat profit yang tinggi menunjukkan bahwa perusahaan mampu mengelola aktivitas bisnisnya dengan baik.

Terdapat beberapa faktor yang memengaruhi tingkat profit, salah satunya adalah penjualan (sales). Selain itu, profit juga dapat dipengaruhi oleh sumbernya, seperti jenis produk yang dijual oleh perusahaan.

Oleh karena itu, analisis ini dilakukan untuk memahami hubungan antara sales dan profit, serta mengidentifikasi sumber utama profit berdasarkan produk.

2. Deskripsi dan Insight Data

Data yang digunakan dalam analisis ini berasal dari database coffe yang berisi informasi terkait penjualan, profit, serta karakteristik produk. Dataset terdiri dari 4248 observasi dengan 14 variabel, di antaranya Sales, Profit, COGS, Total Expenses, Marketing, dan ProductId.

Data ini digunakan untuk memahami pola hubungan antara penjualan dan keuntungan serta mengidentifikasi produk yang memberikan kontribusi terbesar terhadap profit perusahaan.

Adapun insight yang ingin diperoleh dalam analisis ini adalah sebagai berikut:

1.Mengetahui hubungan antara sales dan profit

2.Mengukur kekuatan hubungan tersebut menggunakan analisis korelasi

3.Membandingkan rata-rata profit pada kondisi sales tinggi dan rendah

4.Mengidentifikasi sumber utama profit berdasarkan jenis produk

5.Menentukan produk dengan kontribusi profit terbesar

3. Import Library

library(DBI)
library(odbc)
library(ggplot2)
library(dplyr)
## 
## 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

4. Koneksi Database

s3 = dbConnect(odbc(),
               Driver = "MySQL ODBC 8.0 ANSI Driver",
               Server = "127.0.0.1",
               UID = "root",
               PWD = "1234",
               Port = 3306,
               database = "coffe")

5. Import data sql

data = dbGetQuery(s3,"SELECT * FROM facttable")
head(data)
##   Profit Margin Sales COGS Total Expenses Marketing Inventory Budget Profit
## 1     94    130   219   89             36        24       777           100
## 2     68    107   190   83             39        27       623            80
## 3    101    139   234   95             38        26       821           110
## 4     30     56   100   44             26        14       623            30
## 5     54     80   134   54             26        15       456            70
## 6     53    108   180   72             55        23       558            80
##   Budget COGS Budget Margin Budget Sales Area Code ProductId
## 1          90           130          220       719         1
## 2          80           110          190       970         2
## 3         100           140          240       970         3
## 4          30            50           80       303        13
## 5          60            90          150       303         5
## 6          80           130          210       720         6
##                  Date
## 1 2012-01-01 00:00:00
## 2 2012-01-01 00:00:00
## 3 2012-01-01 00:00:00
## 4 2012-01-01 00:00:00
## 5 2012-01-01 00:00:00
## 6 2012-01-01 00:00:00

6. Struktur data

str(data)
## 'data.frame':    4248 obs. of  14 variables:
##  $ Profit        : int  94 68 101 30 54 53 99 0 33 17 ...
##  $ Margin        : int  130 107 139 56 80 108 171 87 80 72 ...
##  $ Sales         : int  219 190 234 100 134 180 341 150 140 130 ...
##  $ COGS          : int  89 83 95 44 54 72 170 63 60 58 ...
##  $ Total Expenses: int  36 39 38 26 26 55 72 87 47 55 ...
##  $ Marketing     : int  24 27 26 14 15 23 47 57 19 22 ...
##  $ Inventory     : int  777 623 821 623 456 558 1091 435 336 338 ...
##  $ Budget Profit : int  100 80 110 30 70 80 110 20 40 20 ...
##  $ Budget COGS   : int  90 80 100 30 60 80 140 50 50 40 ...
##  $ Budget Margin : int  130 110 140 50 90 130 160 80 70 70 ...
##  $ Budget Sales  : int  220 190 240 80 150 210 300 130 120 110 ...
##  $ Area Code     : int  719 970 970 303 303 720 970 719 970 719 ...
##  $ ProductId     : int  1 2 3 13 5 6 8 9 10 11 ...
##  $ Date          : chr  "2012-01-01 00:00:00" "2012-01-01 00:00:00" "2012-01-01 00:00:00" "2012-01-01 00:00:00" ...

7. Pemilihan Variabel

data1=dbGetQuery(s3,"SELECT sales, profit from facttable;")

8. Visualisai data

plot(data1,
     main="Hubungan Sales dan Profit",
     xlab="Sales",
     ylab="Profit")

### Interpretasi plot
Berdasarkan grafik, terlihat bahwa semakin tinggi nilai sales, maka profit cenderung meningkat. Hal ini menunjukkan adanya hubungan positif antara kedua variabel, meskipun terdapat beberapa variasi data.

9. Analisis data

9.1. Cek Korelasi

sales = dbGetQuery(s3,"SELECT Sales from facttable")
profit = dbGetQuery(s3,"SELECT profit from facttable")
cor(sales, profit)
##          profit
## Sales 0.7973309

Interpretasi korelasi

Hasil analisis korelasi menunjukkan nilai sebesar 0,797. Nilai ini menunjukkan bahwa terdapat hubungan positif antara sales dan profit.

Selain itu, nilai korelasi yang mendekati 1 menunjukkan bahwa hubungan antara kedua variabel tergolong kuat. Artinya, peningkatan sales cenderung diikuti oleh peningkatan profit.

9.2. Pembuktian

data <- dbGetQuery(s3, "SELECT Sales, Profit FROM facttable")
high_sales <- ifelse(data$Sales > mean(data$Sales, na.rm = TRUE),
                     "High Sales",
                     "Low Sales")
tapply(data$Profit, high_sales, mean)
## High Sales  Low Sales 
##  148.40014   16.70241

Interpretasi pembuktian

Hasil menunjukkan bahwa rata-rata profit pada kelompok dengan sales tinggi sebesar 148,40, sedangkan pada kelompok sales rendah sebesar 16,70.

Hal ini menunjukkan bahwa profit pada kondisi sales tinggi jauh lebih besar dibandingkan sales rendah, sehingga memperkuat bahwa terdapat hubungan positif antara sales dan profit.

10. Interpretasi

Berdasarkan hasil analisis, dapat disimpulkan bahwa terdapat hubungan positif antara sales dan profit. Hal ini didukung oleh hasil visualisasi, nilai korelasi, serta pembuktian melalui perbandingan rata-rata.

Dengan demikian, peningkatan sales cenderung diikuti oleh peningkatan profit.

11. Analisis sumber profit

11.1. Profit berdasarkan product type

data2 = dbGetQuery(s3,"select `product type`, sum(profit) total from product join facttable using(productid)
group by `product type` order by total Desc;
")


bar = ggplot(data2, aes(x = reorder(`product type`, total), 
                      y = total,
                      fill = total == max(total))) +
  geom_bar(stat = "identity") +
  coord_flip() +
  theme_minimal() +
  labs(title = "Profit Product Type",
       x = "Product Type",
       y = "Total Profit") +
  scale_fill_manual(values = c("grey", "blue")) +
  theme(legend.position = "none")
bar

Interpretasi profit product type

Setelah diketahui bahwa sales berhubungan dengan profit, selanjutnya dilakukan analisis untuk mengidentifikasi sumber utama profit.

Hasil analisis menunjukkan bahwa kategori Coffee memiliki kontribusi profit terbesar dibandingkan kategori lainnya. Dengan demikian, sebagian besar keuntungan perusahaan berasal dari kategori produk tersebut.

11.2. Produk coffe dengan profit tertinggi

data3 =dbGetQuery(s3,"SELECT productid, product, sum(profit)totalProfit 
                from product join facttable using (productid)
                where `product type`='coffee' 
                group by productid, product order by totalProfit
                DESC;")


bar = ggplot(data3, aes(x=reorder(product, -totalProfit), 
                      y=totalProfit,
                      fill = totalProfit == max(totalProfit)))+
  geom_bar(stat="identity")+
  theme_minimal()+
  labs(title = "profit product-product coffee ",
       x = "product",
       y = "Total profit") +
  scale_fill_manual(values = c("darkgrey","darkgreen"))+
  theme(legend.position ="none", axis.text.x = element_text(angle = 0, hjust = 0.5))
bar

Interpretasi profit produk coffee

Selanjutnya dilakukan analisis untuk mengidentifikasi produk coffee dengan kontribusi profit terbesar.

Hasil analisis menunjukkan bahwa produk Colombian memiliki total profit tertinggi dibandingkan produk coffee lainnya. Dengan demikian, produk tersebut memberikan kontribusi terbesar terhadap profit dalam kategori Coffee dan dapat dianggap sebagai produk unggulan.

12. Kesimpulan

Berdasarkan hasil analisis, dapat disimpulkan bahwa:

1.Terdapat hubungan positif antara sales dan profit.

2.Peningkatan sales cenderung diikuti oleh peningkatan profit.

3.Sebagian besar profit perusahaan berasal dari kategori produk Coffee.

4.Terdapat produk unggulan yang memberikan kontribusi terbesar terhadap profit, yaitu Colombian.

13. Rekomendasi

1.Perusahaan dapat meningkatkan sales untuk mendorong kenaikan profit, karena keduanya memiliki hubungan positif.

2.Perusahaan sebaiknya memfokuskan strategi penjualan pada kategori Coffee yang memberikan kontribusi profit terbesar.

3.Produk Colombian dapat dijadikan sebagai produk unggulan karena memiliki kontribusi profit tertinggi.

4.Selain meningkatkan sales, perusahaan juga perlu memperhatikan efisiensi biaya agar profit dapat lebih optimal.

14. Penutup

Analisis ini memberikan gambaran mengenai hubungan antara sales dan profit serta sumber utama profit perusahaan. Hasil ini diharapkan dapat membantu dalam pengambilan keputusan bisnis, khususnya dalam meningkatkan penjualan dan mengoptimalkan produk unggulan.