Analisis Hubungan Budget Profit terhadap Profit
Kevin Kristi F
2026-04-18
#Import data Excel ke R
data_coffe <- read_xlsx("D:/Kuliah/Tugas SIM B/DATA COFFE.xlsx")
print(data_coffe)## # A tibble: 4,248 × 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 Colombi… Beans
## 3 970 2012-01-01 00:00:00 Central Major Market Decaf I… Beans
## 4 303 2012-01-01 00:00:00 Central Major Market Green T… Leaves
## 5 303 2012-01-01 00:00:00 Central Major Market Caffe M… Beans
## 6 720 2012-01-01 00:00:00 Central Major Market Decaf E… Beans
## 7 970 2012-01-01 00:00:00 Central Major Market Chamomi… Leaves
## 8 719 2012-01-01 00:00:00 Central Major Market Lemon Leaves
## 9 970 2012-01-01 00:00:00 Central Major Market Mint Leaves
## 10 719 2012-01-01 00:00:00 Central Major Market Darjeel… Leaves
## # ℹ 4,238 more rows
## # 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>cat("Di sini saya mengimport data dari format .xlsx ke RMarkdown dengan R Studio")## Di sini saya mengimport data dari format .xlsx ke RMarkdown dengan R StudioDESKRIPSI
Saya akan menganalisis perbandingan antara Budget Profit dan Profit pada dua state, yaitu Iowa dan Colorado, untuk mengetahui apakah terdapat perbedaan atau hubungan yang signifikan antara keduanya.
Analisis ini dilakukan dengan menggunakan beberapa metode, seperti visualisasi data (scatter plot dan histogram) serta uji statistik (Wilcoxon test).
Hasil dari analisis ini akan memberikan gambaran mengenai efisiensi pengelolaan anggaran dalam menghasilkan profit pada masing-masing state.
#Cek tipe data
str(data_coffe)## 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 ...INTERPRETASI
Di sini saya mengecek struktur data, apakah data tersebut char, num, dll.
#Filter data yang mau dianalisis
data_analisis <- data_coffe %>%
filter(Market == "Central",
State %in% c("Iowa", "Colorado"))
print(data_analisis)## # A tibble: 480 × 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 Colombi… Beans
## 3 970 2012-01-01 00:00:00 Central Major Market Decaf I… Beans
## 4 303 2012-01-01 00:00:00 Central Major Market Green T… Leaves
## 5 303 2012-01-01 00:00:00 Central Major Market Caffe M… Beans
## 6 720 2012-01-01 00:00:00 Central Major Market Decaf E… Beans
## 7 970 2012-01-01 00:00:00 Central Major Market Chamomi… Leaves
## 8 719 2012-01-01 00:00:00 Central Major Market Lemon Leaves
## 9 970 2012-01-01 00:00:00 Central Major Market Mint Leaves
## 10 719 2012-01-01 00:00:00 Central Major Market Darjeel… Leaves
## # ℹ 470 more rows
## # 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>INTERPRETASI
Saya memfilter data menggunakan package ‘dplyr’ untuk mengambil variabel dan kolom yang saya pilih, yaitu Market yang berada di Central, State yang berada di Iowa dan Colorado
#Uji normalitas Budget Profit & Profit di Iowa
#1 Budget Profit
shapiro.test(data_analisis$`Budget Profit`[data_analisis$State == "Iowa"])##
## Shapiro-Wilk normality test
##
## data: data_analisis$`Budget Profit`[data_analisis$State == "Iowa"]
## W = 0.84228, p-value = 4.668e-14cat("Budget Profit di Iowa tidak berdistribusi normal.")## Budget Profit di Iowa tidak berdistribusi normal.#2 Profit
shapiro.test(data_analisis$Profit[data_analisis$State == "Iowa"])##
## Shapiro-Wilk normality test
##
## data: data_analisis$Profit[data_analisis$State == "Iowa"]
## W = 0.83035, p-value = 1.284e-14cat("Profit di Iowa tidak berdistribusi normal.")## Profit di Iowa tidak berdistribusi normal.INTERPRETASI
Dari hasil uji normalitas pada Budget Profit dan Profit di Iowa dapat disimpulkan bahwa kedua data di atas tidak berdistribusi normal
#Uji normalitas Budget Profit & Profit di Colorado
#1 Budget Profit
shapiro.test(data_analisis$`Budget Profit`[data_analisis$State == "Colorado"])##
## Shapiro-Wilk normality test
##
## data: data_analisis$`Budget Profit`[data_analisis$State == "Colorado"]
## W = 0.93595, p-value = 2.724e-09cat("Budget Profit di Colorado tidak berdistribusi normal.")## Budget Profit di Colorado tidak berdistribusi normal.#2 Profit
shapiro.test(data_analisis$Profit[data_analisis$State == "Colorado"])##
## Shapiro-Wilk normality test
##
## data: data_analisis$Profit[data_analisis$State == "Colorado"]
## W = 0.95305, p-value = 1.622e-07cat("Profit di Colorado tidak berdistribusi normal.")## Profit di Colorado tidak berdistribusi normal.INTERPRETASI
Dari hasil uji normalitas pada Budget Profit dan Profit di Colorado dapat disimpulkan bahwa kedua data di atas tidak berdistribusi normal.
#Uji normalitas Budget Profit & Profit(Iowa + Colorado)
#1 Budget Profit
shapiro.test(data_analisis$`Budget Profit`)##
## Shapiro-Wilk normality test
##
## data: data_analisis$`Budget Profit`
## W = 0.89349, p-value < 2.2e-16cat("Budget Profit tidak berdistribusi normal.")## Budget Profit tidak berdistribusi normal.#2 Profit
shapiro.test(data_analisis$Profit)##
## Shapiro-Wilk normality test
##
## data: data_analisis$Profit
## W = 0.86979, p-value < 2.2e-16cat("Profit tidak berdistribusi normal.")## Profit tidak berdistribusi normal.INTERPRETASI
Dari hasil uji normalitas pada Budget Profit dan Profit di kedua wilayah tersebut dapat disimpulkan bahwa kedua data di atas tidak berdistribusi normal.
#Rata-rata per Budget Profit dan Profit
#Iowa
#1 Rata-rata Budget Profit di Iowa
cat("Rata-rata Budget Profit di Iowa =")## Rata-rata Budget Profit di Iowa =mean(data_analisis$`Budget Profit`[data_analisis$State == "Iowa"])## [1] 84.90741#2 Rata-rata Profit di Iowa
cat("Rata-rata Profit di Iowa =")## Rata-rata Profit di Iowa =mean(data_analisis$Profit[data_analisis$State == "Iowa"])## [1] 102.8333#Colorado
#1 Rata-rata Budget Profit di Colorado
cat("Rata-rata Budget Profit di Colorado =")## Rata-rata Budget Profit di Colorado =mean(data_analisis$`Budget Profit`[data_analisis$State == "Colorado"])## [1] 66.74242#2 Rata-rata Profit di Colorado
cat("Rata-rata Profit di Colorado =")## Rata-rata Profit di Colorado =mean(data_analisis$Profit[data_analisis$State == "Colorado"])## [1] 67.20833#Rata-rata Budget Profit di Iowa + Colorado
cat("Rata-rata Budget Profit di Iowa + Colorado =")## Rata-rata Budget Profit di Iowa + Colorado =mean(data_analisis$`Budget Profit`)## [1] 74.91667#Rata-rata Profit di Iowa + Colorado
cat("Rata-rata Profit di Iowa + Colorado,")## Rata-rata Profit di Iowa + Colorado,mean(data_analisis$Profit)## [1] 83.23958INTERPRETASI
Dari hasil rata-rata di atas Profit > Budget Profit. Dapat disimpulkan bahwa perusahaan yang menjual coffe di State Iowa dan Colorado mampu mengelola anggaran dengan efektif sehingga keuntungan tercapai.
#Uji Hipotesis Budget Profit dan Profit di wilayah masing-masing
#1 Iowa
uji_Iowa <- wilcox.test(
data_analisis$`Budget Profit`[data_analisis$State == "Iowa"],
data_analisis$Profit[data_analisis$State == "Iowa"],
paired = TRUE
)
print(uji_Iowa)##
## Wilcoxon signed rank test with continuity correction
##
## data: data_analisis$`Budget Profit`[data_analisis$State == "Iowa"] and data_analisis$Profit[data_analisis$State == "Iowa"]
## V = 9279, p-value = 0.0107
## alternative hypothesis: true location shift is not equal to 0cat("H0: Tidak terdapat perbedaan yang signifikan \n")## H0: Tidak terdapat perbedaan yang signifikancat("H1: Terdapat perbedaan yang signifikan \n")## H1: Terdapat perbedaan yang signifikancat("\nKESIMPULAN:\n")##
## KESIMPULAN:cat("1. Nilai p-value =", uji_Iowa$p.value, "\n")## 1. Nilai p-value = 0.01069634cat("2. Karena p-value < 0.05, maka tolak H0.\n")## 2. Karena p-value < 0.05, maka tolak H0.cat("Terdapat perbedaan signifikan antara Budget Profit dan Profit di Iowa.")## Terdapat perbedaan signifikan antara Budget Profit dan Profit di Iowa.#2 Colorado
uji_Colorado <- wilcox.test(
data_analisis$`Budget Profit`[data_analisis$State == "Colorado"],
data_analisis$Profit[data_analisis$State == "Colorado"],
paired = TRUE
)
print(uji_Colorado)##
## Wilcoxon signed rank test with continuity correction
##
## data: data_analisis$`Budget Profit`[data_analisis$State == "Colorado"] and data_analisis$Profit[data_analisis$State == "Colorado"]
## V = 17251, p-value = 0.4985
## alternative hypothesis: true location shift is not equal to 0cat("H0: Tidak terdapat perbedaan yang signifikan \n")## H0: Tidak terdapat perbedaan yang signifikancat("H1: Terdapat perbedaan yang signifikan \n")## H1: Terdapat perbedaan yang signifikancat("\nKESIMPULAN:\n")##
## KESIMPULAN:cat("1. Nilai p-value =", uji_Colorado$p.value, "\n")## 1. Nilai p-value = 0.4985128cat("2. Karena p-value > 0.05, maka gagal tolak H0.\n")## 2. Karena p-value > 0.05, maka gagal tolak H0.cat("Tidak ada perbedaan signifikan antara Budget Profit dan Profit di Colorado. \n")## Tidak ada perbedaan signifikan antara Budget Profit dan Profit di Colorado.INTERPRETASI
- Hasil Uji
State Iowa p.value < 0.05 Hasil uji Wilcoxon menunjukkan bahwa terdapat perbedaan yang signifikan antara Budget Profit dan Profit di wilayah Iowa. Hasil uji Wilcoxon menunjukkan bahwa tidak terdapat perbedaan yang signifikan antara Budget Profit dan Profit di wilayah Iowa.
State Colorado p.value < 0.05 Hasil uji Wilcoxon menunjukkan bahwa terdapat perbedaan yang signifikan antara Budget Profit dan Profit di wilayah Iowa. Hasil uji Wilcoxon menunjukkan bahwa tidak terdapat perbedaan yang signifikan antara Budget Profit dan Profit di wilayah Iowa.
Dari hasil dari uji Wilcox.test di atas dapat disimpulkan bahwa Iowa lebih banyak mendapatkan keuntungan daripada Colorado dikarenakan adanya perbedaan yang signifikan di Iowa terhadap Budget Profit dan Profit sementara di Corolado tidak terdapat perbedaan yang signifikan terhadap Budget Profit dan Profit.
#Ringkasan rata-rata per State dan selisih
data_analisis %>%
mutate(Selisih = Profit - `Budget Profit`) %>%
group_by(State) %>%
summarise(
rata_profit = mean(Profit),
rata_budget = mean(`Budget Profit`),
rata_selisih = mean(Selisih)
)## # A tibble: 2 × 4
## State rata_profit rata_budget rata_selisih
## <chr> <dbl> <dbl> <dbl>
## 1 Colorado 67.2 66.7 0.466
## 2 Iowa 103. 84.9 17.9INTERPRETASI
Berdasarkat analisis rata-rata di atas diperoleh bahwa selisih rata rata di Colorado jauh di bawah Iowa, dengan ini dapat disimpulkan bahwa Colorado kurang efektif dan efisien dalam mengelola anggaran dibandingkan dengan Iowa, sedangkan Iowa jauh di atas Colorado.
#Visualisasi data
#Histogram Budget Profit per State
ggplot(data_analisis, aes(x = `Budget Profit`)) +
geom_histogram(bins = 10, fill="pink", color="black") +
facet_wrap(~State) +
ggtitle("Histogram Budget Profit per State")
#Histogram Profit per State
ggplot(data_analisis, aes(x = Profit)) +
geom_histogram(bins = 10, fill="skyblue", color="black") +
facet_wrap(~State) +
ggtitle("Histogram Profit per State")
#Histogram Budget Profit di Iowa + Colorado
ggplot(data_analisis, aes(x = `Budget Profit`)) +
geom_histogram(bins = 10, fill="pink", color="black") +
ggtitle("Histogram Budget Profit")
#Histogram Profit di Iowa + Colorado
ggplot(data_analisis, aes(x = Profit)) +
geom_histogram(bins = 10, fill="skyblue", color="black") +
ggtitle("Histogram Profit")
## INTERPRETASI Berdasarkan histogram yang ditampilkan, dapat
disimpulkan sebagai berikut: 1.-Sebaran Profit pada kedua state berbeda.
-Data profit di Colorado cenderung lebih menengah. -Data profit di Iowa
menunjukkan rentang yang lebih luas. 2.-Iowa memiliki variasi profit
yang lebih besar. -Histogram Iowa terlihat lebih menyebar ke kanan. -Hal
ini memperlihatkan adanya nilai profit yang lebih tinggi dibandingkan
Colorado. 3.-Colorado lebih stabil.
-Sebaran data rapat dan tidak terlalu menyebar. -Mengindikasikan bahwa
profit di Colorado lebih konsisten. 4.-Distribusi cenderung miring ke
kanan. -Pada kedua state, terdapat beberapa nilai profit tinggi
(outlier). -Sebagian besar data berada pada nilai rendah sampai
menengah.
#Visualisasi data
#Perbandingan Budget Profit dan Profit antar State
ggplot(data_analisis, aes(x = `Budget Profit`, y = Profit)) +
geom_point() +
geom_smooth(method = "lm", se = FALSE) +
facet_wrap(~State) +
theme_minimal()## `geom_smooth()` using formula = 'y ~ x'
INTERPRETASI
Dari grafik hubungan antara Budget Profit dan Profit, bisa dilihat bahwa:
Secara umum, semakin besar Budget Profit, semakin besar juga Profit di kedua state. Di Iowa, titik-titik data lebih rapat mengikuti garis, jadi hubungannya lebih jelas dan konsisten.
Di Colorado, titiknya lebih menyebar, artinya hasil profit lebih bervariasi. Selain itu, Iowa cenderung menghasilkan profit yang lebih tinggi dibanding Colorado pada budget yang sama
```