Analisis Perbandingan Profitabilitas Berdasarkan Tipe Produk dan Segmen Pasar pada Dataset Coffee Chain
Fikri Adhiatma Nugroho
2026-04-10
Pendahuluan
Latar Belakang
Dalam dunia bisnis, pengambilan keputusan yang tepat sangat penting untuk meningkatkan keuntungan perusahaan. Salah satu cara yang dapat dilakukan adalah dengan menganalisis tingkat profitabilitas dari berbagai tipe produk serta melihat perbedaannya pada setiap segmen pasar.
Pada dataset Coffee Chain, terdapat empat tipe produk yaitu Coffee,Espresso, Herbal Tea, dan Tea. Keempat produk ini memiliki karakteristik dan potensi keuntungan yang berbeda. Selain itu, pasar juga dibagi menjadi Major Market dan Small Market yang dapat mempengaruhi tingkat penjualan dan profit.
Oleh karena itu, analisis perbandingan profitabilitas antar tipe produk berdasarkan segmentasi pasar menjadi penting untuk mengetahui kombinasi yang paling menguntungkan dan dapat dijadikan dasar dalam pengambilan keputusan bisnis.
Rumusan Masalah
- Bagaimana perbandingan profitabilitas antara Coffee, Espresso, Herbal Tea, dan Tea?
- Bagaimana pengaruh Market Size terhadap profitabilitas?
- Kombinasi mana yang paling menguntungkan?
Tujuan
- Membandingkan profitabilitas antara Coffee, Espresso, Herbal Tea, dan Tea demi mengetahui product line mana yang paling diminati
- Menganalisis pengaruh Market Size terhadap penjualan (profit)
- Menentukan kombinasi terbaik sehingga bisa dijadikan acuan untuk menentukan langkah selanjutnya dan meningkatkan profit
Data dan Metodologi
Deskripsi Data
Model data yang digunakan dalam dataset ini adalah star schema sederhana, yaitu model yang terdiri dari satu fact table yang terhubung dengan beberapa dimension table. Dataset ini memiliki 3 tabel dengan 1 tabel utama (facttable) dan 2 tabel dimensi (location dan product).
Tabel facttable
Tabel ini adalah data utama yang berisi data transaksi bersifat numerik dan dapat dianalisis, seperti Profit, Sales, COGS, Total Expenses, dan lain lain. Selain itu, tabel ini juga memiliki kunci yang menghubungkan ke tabel dimensi, yaitu kolom ProductId yang menghubungkan tabel facttable ke tabel “product” dan kolom Area Code yang menghubungkan tabel fracttable ke tabel “location”
Tabel product
Berisi informasi terkait produk, seperti ,Product Line (Beans, Leaves), Product Type (Coffee, Espresso, Herbal Tea, dan Tea), dan Product. Berfungsi untuk memberikan kategori produk untuk analisis.
Tabel location
Berisi informasi terkait lokasi atau pasar, seperti State, Market, Market Size (Major, Small), dan lain lain. Berfungsi untuk memberikan konteks wilayah atau segmen pasar.
Variabel Analisis
Variabel yang digunakan dalam penelitian ini meliputi:
- Product Type : untuk membedakan jenis tipe produk (Coffee, Espresso, Herbal Tea, dan Tea)
- Market Size : untuk perbedaan jenis pasar (Major Market dan Small Market)
- Profit : sebagai indikator utama profitabilitas
- Sales : sebagai dasar perhitungan kinerja penjualan
- Profit Margin : dihitung dari perbandingan antara profit dan sales
Metodologi Analisis
Metode yang digunakan dalam penelitian ini adalah analisis deskriptif kuantitatif dengan tahapan sebagai berikut:
- Data preparation
- Pemeriksaan awal data
- Melakukan analisis deskriptif
- Visualisasi data
- Uji Normalitas
- Melakukan analisis inferensial (ART ANOVA)
- Uji Lanjut (Post-hoc Analysis menggunakan EM-Means)
Tahapan Analisis
# Memuat paket yang diperlukan untuk koneksi database dan visualisasi
library(DBI)## Warning: package 'DBI' was built under R version 4.4.2library(ggplot2)## Warning: package 'ggplot2' was built under R version 4.4.3library(ARTool)## Warning: package 'ARTool' was built under R version 4.4.3library(emmeans)## Warning: package 'emmeans' was built under R version 4.4.3## Welcome to emmeans.
## Caution: You lose important information if you filter this package's results.
## See '? untidy'library(dplyr)## Warning: package 'dplyr' was built under R version 4.4.3##
## Attaching package: 'dplyr'## The following objects are masked from 'package:stats':
##
## filter, lag## The following objects are masked from 'package:base':
##
## intersect, setdiff, setequal, union1. Koneksi Database dan Pengambilan Data
Langkah pertama adalah membangun koneksi antara RStudio dan database MySQL menggunakan fungsi dbConnect()
con2 <- DBI::dbConnect(odbc::odbc(),
Driver = "MySQL ODBC 8.0 ANSI Driver",
Server = "127.0.0.1",
Database = "tugas sim",
UID = "root",
PWD = "nasipadanggg", #sesuaikan dg password masing-masing
Port = 3306)2. Data Preparation
Melihat list nama tabel dari dataset
dbListTables(con2)## [1] "facttable" "location" "product"Data diperoleh dari database MySQL yang terdiri dari tiga tabel utama,yaitu factTable, Product, dan Location.
dbGetQuery(con2, "
SELECT *
FROM factTable
LIMIT 10
")## 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
## 7 99 171 341 170 72 47 1091 110
## 8 0 87 150 63 87 57 435 20
## 9 33 80 140 60 47 19 336 40
## 10 17 72 130 58 55 22 338 20
## 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
## 7 140 160 300 970 8
## 8 50 80 130 719 9
## 9 50 70 120 970 10
## 10 40 70 110 719 11
## 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
## 7 2012-01-01 00:00:00
## 8 2012-01-01 00:00:00
## 9 2012-01-01 00:00:00
## 10 2012-01-01 00:00:00dbGetQuery(con2, "
SELECT *
FROM location
LIMIT 10
")## Area Code State Market Market Size
## 1 203 Connecticut East Small Market
## 2 206 Washington West Small Market
## 3 209 California West Major Market
## 4 210 Texas South Major Market
## 5 212 New York East Major Market
## 6 213 California West Major Market
## 7 214 Texas South Major Market
## 8 216 Ohio Central Major Market
## 9 217 Illinois Central Major Market
## 10 224 Illinois Central Major MarketdbReadTable(con2, "product")## Product.Line Product.Type Product ProductId Type
## 1 Beans Coffee Amaretto 1 Regular
## 2 Beans Coffee Colombian 2 Regular
## 3 Beans Coffee Decaf Irish Cream 3 Decaf
## 4 Beans Espresso Caffe Latte 4 Regular
## 5 Beans Espresso Caffe Mocha 5 Regular
## 6 Beans Espresso Decaf Espresso 6 Decaf
## 7 Beans Espresso Regular Espresso 7 Regular
## 8 Leaves Herbal Tea Chamomile 8 Decaf
## 9 Leaves Herbal Tea Lemon 9 Decaf
## 10 Leaves Herbal Tea Mint 10 Decaf
## 11 Leaves Tea Darjeeling 11 Regular
## 12 Leaves Tea Earl Grey 12 Regular
## 13 Leaves Tea Green Tea 13 RegularKetiga tabel tersebut digabungkan menggunakan operasi join berdasarkan variabel ProductId dan Area Code untuk menghasilkan dataset yang komprehensif. Dataset hasil penggabungan memuat informasi terkait profit, jenis produk, serta ukuran pasar, yang kemudian digunakan sebagai dasar dalam analisis.
data_join <- dbGetQuery(con2, "
SELECT
f.Date,
f.ProductId,
f.Profit,
f.Margin,
f.Sales,
f.Marketing,
f.`Area Code`,
p.`Product Line`,
p.`Product Type`,
p.Product,
l.State,
l.Market,
l.`Market Size`
FROM factTable f
JOIN Product p ON f.ProductId = p.ProductId
JOIN Location l ON f.`Area Code` = l.`Area Code`
")
head(data_join, 10)## Date ProductId Profit Margin Sales Marketing Area Code
## 1 2012-01-01 00:00:00 1 94 130 219 24 719
## 2 2012-01-01 00:00:00 2 68 107 190 27 970
## 3 2012-01-01 00:00:00 3 101 139 234 26 970
## 4 2012-01-01 00:00:00 13 30 56 100 14 303
## 5 2012-01-01 00:00:00 5 54 80 134 15 303
## 6 2012-01-01 00:00:00 6 53 108 180 23 720
## 7 2012-01-01 00:00:00 8 99 171 341 47 970
## 8 2012-01-01 00:00:00 9 0 87 150 57 719
## 9 2012-01-01 00:00:00 10 33 80 140 19 970
## 10 2012-01-01 00:00:00 11 17 72 130 22 719
## Product Line Product Type Product State Market Market Size
## 1 Beans Coffee Amaretto Colorado Central Major Market
## 2 Beans Coffee Colombian Colorado Central Major Market
## 3 Beans Coffee Decaf Irish Cream Colorado Central Major Market
## 4 Leaves Tea Green Tea Colorado Central Major Market
## 5 Beans Espresso Caffe Mocha Colorado Central Major Market
## 6 Beans Espresso Decaf Espresso Colorado Central Major Market
## 7 Leaves Herbal Tea Chamomile Colorado Central Major Market
## 8 Leaves Herbal Tea Lemon Colorado Central Major Market
## 9 Leaves Herbal Tea Mint Colorado Central Major Market
## 10 Leaves Tea Darjeeling Colorado Central Major MarketSelanjutnya dilakukan eksplorasi awal untuk memahami struktur data serta memastikan kualitas data. Pemeriksaan ini mencakup:
- identifikasi tipe variabel
- serta pengecekan adanya nilai hilang (missing value)
str(data_join)## 'data.frame': 4248 obs. of 13 variables:
## $ 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" ...
## $ ProductId : int 1 2 3 13 5 6 8 9 10 11 ...
## $ 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 ...
## $ Marketing : int 24 27 26 14 15 23 47 57 19 22 ...
## $ Area Code : int 719 970 970 303 303 720 970 719 970 719 ...
## $ Product Line: chr "Beans" "Beans" "Beans" "Leaves" ...
## $ Product Type: chr "Coffee" "Coffee" "Coffee" "Tea" ...
## $ Product : chr "Amaretto" "Colombian" "Decaf Irish Cream" "Green Tea" ...
## $ State : chr "Colorado" "Colorado" "Colorado" "Colorado" ...
## $ Market : chr "Central" "Central" "Central" "Central" ...
## $ Market Size : chr "Major Market" "Major Market" "Major Market" "Major Market" ...cek_null <- dbGetQuery(con2, "
SELECT *
FROM factTable
WHERE Profit IS NULL
")
print(paste("Missing value =", nrow(cek_null)))## [1] "Missing value = 0"Hasil menunjukkan bahwa tidak terdapat nilai kosong pada variabel Profit, sehingga data layak digunakan untuk analisis lebih lanjut.
3. Analisis Deskriptif
Analisis deskriptif dilakukan untuk melihat gambaran umum profitabilitas berdasarkan Product Type dan Market Size. Beberapa ukuran yang digunakan antara lain:
Analisis Profit Margin pada Tingkat Observasi (data_margin)
Analisis awal dilakukan dengan menghitung profit margin pada tingkat observasi, yaitu perbandingan antara profit dan sales pada setiap transaksi. Perhitungan ini bertujuan untuk melihat efisiensi masing-masing produk dalam menghasilkan keuntungan relatif terhadap penjualannya. Hasil perhitungan menunjukkan bahwa terdapat variasi nilai profit margin antar produk. Hal ini mengindikasikan bahwa tidak semua produk memiliki tingkat efisiensi yang sama dalam menghasilkan profit dari setiap unit penjualan.
data_margin <- dbGetQuery(con2, "
SELECT
f.ProductId,
p.`Product Type` AS ProductType,
f.Profit,
f.Sales,
f.Profit * 1.0 / f.Sales AS Profit_Margin
FROM factTable f
JOIN Product p ON f.ProductId = p.ProductId
")
head(data_margin, 10)## ProductId ProductType Profit Sales Profit_Margin
## 1 1 Coffee 94 219 0.42922
## 2 2 Coffee 68 190 0.35789
## 3 3 Coffee 101 234 0.43162
## 4 13 Tea 30 100 0.30000
## 5 5 Espresso 54 134 0.40299
## 6 6 Espresso 53 180 0.29444
## 7 8 Herbal Tea 99 341 0.29032
## 8 9 Herbal Tea 0 150 0.00000
## 9 10 Herbal Tea 33 140 0.23571
## 10 11 Tea 17 130 0.13077Analisis Total Profit per Product Type (total_profit)
Selanjutnya dilakukan agregasi data untuk menghitung total profit yang dihasilkan oleh masing-masing Product Type. Analisis ini bertujuan untuk mengetahui kontribusi setiap jenis produk terhadap keseluruhan keuntungan perusahaan. Hasil menunjukkan bahwa terdapat perbedaan total profit yang cukup signifikan antar produk. Beberapa produk memberikan kontribusi profit yang lebih besar dibandingkan produk lainnya, yang menunjukkan bahwavolume penjualan dan skala distribusi juga berperan penting dalam menentukan total keuntungan.
total_profit <- dbGetQuery(con2, "
SELECT
p.`Product Type` AS ProductType,
SUM(f.Profit) AS Total_Profit
FROM factTable f
JOIN Product p ON f.ProductId = p.ProductId
GROUP BY p.`Product Type`
ORDER BY Total_Profit DESC
")
total_profit## ProductType Total_Profit
## 1 Coffee 74683
## 2 Espresso 68620
## 3 Herbal Tea 63254
## 4 Tea 52986Analisis Gabungan antara Product Type dan Market Size (analisis_utama)
Untuk mendapatkan gambaran yang lebih komprehensif, dilakukan analisis gabungan berdasarkan Product Type dan Market Size. Pada tahap ini dihitung beberapa ukuran, yaitu:
- jumlah data (N),
- total profit,
- rata-rata profit,
- total sales,
- serta profit margin.
analisis_utama <- dbGetQuery(con2, "
SELECT
p.`Product Type` AS ProductType,
l.`Market Size` AS MarketSize,
COUNT(*) AS N,
SUM(f.Profit) AS Total_Profit,
AVG(f.Profit) AS Avg_Profit,
SUM(f.Sales) AS Total_Sales,
SUM(f.Profit) * 1.0 / SUM(f.Sales) AS Profit_Margin
FROM factTable f
JOIN Product p ON f.ProductId = p.ProductId
JOIN Location l ON f.`Area Code` = l.`Area Code`
GROUP BY p.`Product Type`, l.`Market Size`
ORDER BY Profit_Margin DESC
")
analisis_utama## ProductType MarketSize N Total_Profit Avg_Profit Total_Sales
## 1 Tea Major Market 408 30770 75.4167 70560
## 2 Coffee Major Market 408 53130 130.2206 127997
## 3 Espresso Major Market 432 42811 99.0995 133065
## 4 Herbal Tea Major Market 456 29025 63.6513 93519
## 5 Herbal Tea Small Market 600 34229 57.0483 113695
## 6 Espresso Small Market 744 25809 34.6895 89931
## 7 Coffee Small Market 648 21553 33.2608 88831
## 8 Tea Small Market 552 22216 40.2464 102213
## Profit_Margin
## 1 0.43608
## 2 0.41509
## 3 0.32173
## 4 0.31036
## 5 0.30106
## 6 0.28699
## 7 0.24263
## 8 0.21735Hasil analisis menunjukkan bahwa:
terdapat perbedaan profitabilitas antar jenis produk pada masing-masing ukuran pasar,
produk tertentu memiliki performa yang lebih baik pada Major Market,
sementara produk lainnya lebih optimal pada Small Market.
Selain itu, perbedaan nilai profit margin antar kombinasi menunjukkan bahwa efisiensi dan kontribusi profit tidak selalu sejalan. Produk dengan margin tinggi belum tentu menghasilkan total profit tertinggi, dan sebaliknya.
Berdasarkan ketiga analisis tersebut, dapat disimpulkan bahwa:
Terdapat variasi efisiensi (profit margin) antar produk
Terdapat perbedaan kontribusi total profit antar produk
Performa produk dipengaruhi oleh segmen pasar
Tidak ada satu produk yang unggul secara konsisten di semua kondisi
Hal ini menunjukkan bahwa analisis profitabilitas perlu mempertimbangkan baik aspek efisiensi maupun volume penjualan, serta karakteristik pasar.
4. Visualisasi Data
Visualisasi dilakukan menggunakan grafik batang untuk membandingkan profit margin serta total profit antar produk pada masing-masing ukuran pasar.
ggplot(analisis_utama, aes(x = ProductType, y = Profit_Margin, fill = MarketSize)) +
geom_bar(stat = "identity", position = position_dodge()) +
geom_text(aes(label = round(Profit_Margin, 4)),
position = position_dodge(width = 0.9),
vjust = -0.3, size = 3) +
labs(
title = "Perbandingan Profit Margin",
x = "Product Type",
y = "Profit Margin",
fill = "Market Size"
) +
theme(
plot.title = element_text(hjust = 0.5),
legend.position = "top"
)
ggplot(analisis_utama, aes(x = ProductType, y = Total_Profit, fill = ProductType)) +
geom_bar(stat = "identity") +
geom_text(aes(label = round(Total_Profit, 0)),
vjust = -0.3, size = 3) +
facet_wrap(~MarketSize) +
labs(
title = "Profit per Product Type di Setiap Market Size",
x = "Product Type",
y = "Total Profit"
) +
theme(
plot.title = element_text(hjust = 0.5),
legend.position = "top"
)
Hasil visualisasi menunjukkan bahwa:
- pada Major Market, produk seperti Coffee dan Espresso cenderung memiliki profit yang lebih tinggi,
- sedangkan pada Small Market, produk seperti Herbal Tea menunjukkan performa yang relatif lebih baik.
Temuan ini mengindikasikan bahwa kinerja produk tidak bersifat universal, melainkan bergantung pada ukuran pasar.
5. Uji Normalitas
Uji normalitas dilakukan menggunakan metode Shapiro-Wilk untuk mengetahui distribusi data. Kemudian menentukan langkah uji selanjutnya
uji_normalitas <- shapiro.test(data_join$Profit)
uji_normalitas##
## Shapiro-Wilk normality test
##
## data: data_join$Profit
## W = 0.79969, p-value < 2.2e-16if (uji_normalitas$p.value > 0.05) {
print(paste("H0 gagal ditolak: artinya data berdistribusi normal sehingga menggunakan two-way ANOVA"))
} else if (uji_normalitas$p.value < 0.05) {
print(paste("H0 ditolak: artinya data tidak berdistribusi normal sehingga menggunakan ART ANOVA (non-parametrik)"))
}## [1] "H0 ditolak: artinya data tidak berdistribusi normal sehingga menggunakan ART ANOVA (non-parametrik)"Hasil uji menunjukkan bahwa data Profit tidak berdistribusi normal (p-value < 0.05). Oleh karena itu, analisis dilanjutkan menggunakan metode non-parametrik, yaitu Aligned Rank Transform (ART).
6. Analisis Inferensial (ART ANOVA)
Dilakukan perubahan tipe data pada variabel Product Type dan Market Size menjadi tipe factor. Perubahan ini bertujuan untuk memastikan bahwa kedua variabel tersebut diperlakukan sebagai variabel kategorik dalam proses analisis.
Dengan mengubahnya menjadi factor, model statistik dapat mengenali bahwa variabel tersebut merupakan kelompok kategori, sehingga dapat digunakan untuk membandingkan perbedaan antar kelompok serta menganalisis interaksi antara jenis produk dan ukuran pasar.
data_join$`Product Type` <- as.factor(data_join$`Product Type`)
data_join$`Market Size` <- as.factor(data_join$`Market Size`)Analisis menggunakan ART ANOVA dilakukan untuk menguji:
- pengaruh Product Type terhadap profit,
- pengaruh Market Size terhadap profit,
- serta interaksi antara keduanya.
library(dplyr)
data_join <- data_join %>%
rename(
Product_Type = `Product Type`,
Market_Size = `Market Size`
)
model_art <- art(Profit ~ Product_Type * Market_Size, data = data_join)
anova(model_art)## Analysis of Variance of Aligned Rank Transformed Data
##
## Table Type: Anova Table (Type III tests)
## Model: No Repeated Measures (lm)
## Response: art(Profit)
##
## Df Df.res F value Pr(>F)
## 1 Product_Type 3 4240 13.675 7.0941e-09 ***
## 2 Market_Size 1 4240 618.667 < 2.22e-16 ***
## 3 Product_Type:Market_Size 3 4240 54.923 < 2.22e-16 ***
## ---
## Signif. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1hasil <- anova(model_art)
p_product <- hasil$`Pr(>F)`[1]
p_market <- hasil$`Pr(>F)`[2]
p_interaksi<- hasil$`Pr(>F)`[3]
# Kesimpulan
if (p_product < 0.05) {
print("Product Type berpengaruh signifikan terhadap Profit")
} else {
print("Product Type tidak berpengaruh signifikan terhadap Profit")
}## [1] "Product Type berpengaruh signifikan terhadap Profit"if (p_market < 0.05) {
print("Market Size berpengaruh signifikan terhadap Profit")
} else {
print("Market Size tidak berpengaruh signifikan terhadap Profit")
}## [1] "Market Size berpengaruh signifikan terhadap Profit"if (p_interaksi < 0.05) {
print("Terdapat interaksi signifikan antara Product Type dan Market Size terhadap Profit")
} else {
print("Tidak terdapat interaksi signifikan antara Product Type dan Market Size")
}## [1] "Terdapat interaksi signifikan antara Product Type dan Market Size terhadap Profit"Hasil pengujian menunjukkan bahwa:
- Product Type berpengaruh signifikan terhadap profit,
- Market Size berpengaruh signifikan terhadap profit,
- dan terdapat interaksi signifikan antara Product Type dan Market Size.
Interaksi ini menunjukkan bahwa pengaruh jenis produk terhadap profit tidak konsisten pada semua ukuran pasar.
7. Uji Lanjut (Post-hoc Analysis)
Karena terdapat interaksi yang signifikan, dilakukan uji lanjut menggunakan metode Estimated Marginal Means untuk mengidentifikasi produk dengan profit tertinggi pada masing-masing ukuran pasar.
library(dplyr)
library(emmeans)
# ANOVA
hasil <- anova(model_art)
p_interaksi <- hasil$`Pr(>F)`[3]
# EMMEANS untuk pola
model_art_lm <- artlm(model_art, "Product_Type:Market_Size")
em <- emmeans(model_art_lm, ~ Product_Type | Market_Size)
em_df <- as.data.frame(em)
top_produk <- em_df %>%
group_by(Market_Size) %>%
slice_max(emmean, n = 1)
# Kesimpulan
if (p_interaksi < 0.05) {
cat("Terdapat interaksi signifikan antara Product Type dan Market Size terhadap Profit.\n")
cat("Produk dengan profit tertinggi pada tiap Market Size adalah:\n")
print(top_produk)
cat("Hal ini menunjukkan bahwa produk yang paling menguntungkan berbeda pada setiap ukuran pasar.\n")
} else {
cat("Tidak terdapat interaksi signifikan antara Product Type dan Market Size.\n")
}## Terdapat interaksi signifikan antara Product Type dan Market Size terhadap Profit.
## Produk dengan profit tertinggi pada tiap Market Size adalah:
## # A tibble: 2 × 7
## # Groups: Market_Size [2]
## Product_Type Market_Size emmean SE df lower.CL upper.CL
## <fct> <fct> <dbl> <dbl> <dbl> <dbl> <dbl>
## 1 Espresso Major Market 2270. 57.6 4240 2157. 2383.
## 2 Herbal Tea Small Market 2446. 48.9 4240 2350. 2542.
## Hal ini menunjukkan bahwa produk yang paling menguntungkan berbeda pada setiap ukuran pasar.Hasil uji lanjut menunjukkan bahwa:
- pada Major Market, produk Coffee dan Espresso memiliki profit yang relatif tinggi,
- sedangkan pada Small Market, produk Herbal Tea memiliki profit tertinggi.
Temuan ini memperkuat bahwa strategi produk harus disesuaikan dengan karakteristik pasar.
Kesimpulan
Berdasarkan hasil analisis, terdapat perbedaan profitabilitas antara Coffee, Espresso, Herbal Tea, dan Tea. Product Type dan Market Size terbukti berpengaruh signifikan terhadap profit, serta terdapat interaksi antara keduanya.
Pada Major Market, produk Coffee dan Espresso menunjukkan profit yang relatif lebih tinggi dibandingkan produk lainnya. Sementara itu, pada Small Market, produk Herbal Tea memiliki profit tertinggi.
Dengan demikian, kombinasi yang paling menguntungkan berbeda pada setiap ukuran pasar, yaitu Coffee/Espresso pada Major Market dan Herbal Tea pada Small Market. Hal ini menunjukkan bahwa strategi bisnis perlu disesuaikan dengan karakteristik pasar untuk memaksimalkan profit.
Implikasi
Berdasarkan hasil analisis yang telah dilakukan, terdapat beberapa implikasi yang dapat dijadikan dasar dalam pengambilan keputusan bisnis.
Pertama, perusahaan tidak dapat menerapkan satu strategi produk untuk semua jenis pasar. Hal ini disebabkan oleh adanya perbedaan performa produk pada masing-masing ukuran pasar.
Kedua, pada Major Market, produk seperti Coffee dan Espresso terbukti memiliki profit yang lebih tinggi, sehingga perusahaan sebaiknya memfokuskan distribusi dan strategi pemasaran pada produk tersebut di pasar besar.
Ketiga, pada Small Market, produk Herbal Tea menunjukkan performa profit yang lebih baik dibandingkan produk lainnya. Oleh karena itu, strategi pemasaran di pasar kecil sebaiknya lebih diarahkan pada produk tersebut.
Keempat, perbedaan antara profit margin dan total profit menunjukkan bahwa perusahaan perlu mempertimbangkan tidak hanya efisiensi produk, tetapi juga volume penjualan dalam menentukan strategi bisnis.
Dengan demikian, perusahaan disarankan untuk menerapkan strategi yang berbeda pada setiap segmen pasar guna memaksimalkan profitabilitas secara keseluruhan.