Analisis Pengaruh Marketing Terhadap Profit Berdasarkan Market pada Coffee Chain Dataset
Anggita Ayu D.N
2026-04-18
TUGAS SIM-A1
Nama : Anggita Ayu Diah N.
NIM : M0725026
Kelas : D
Mata
Kuliah : Sistem Informasi Manajemen
Latar Belakang
Dalam dunia bisnis, salah satu tujuan utama perusahaan adalah memperoleh keuntungan (profit) yang optimal. Untuk mencapai hal tersebut, perusahaan perlu mengelola berbagai faktor yang mempengaruhi profit, salah satunya adalah aktivitas pemasaran (marketing). Marketing berperan penting dalam meningkatkan penjualan serta memperluas pangsa pasar, sehingga diharapkan dapat meningkatkan profit perusahaan.
Namun, efektivitas marketing dalam meningkatkan profit tidak selalu sama pada setiap wilayah atau market. Perbedaan karakteristik konsumen, tingkat persaingan, serta kondisi ekonomi di masing-masing market dapat menyebabkan perbedaan respons terhadap aktivitas marketing yang dilakukan. Oleh karena itu, strategi marketing yang efektif pada suatu market belum tentu memberikan hasil yang sama pada market lainnya.
Coffee Chain Dataset merupakan dataset yang memuat informasi terkait aktivitas bisnis, termasuk variabel marketing, profit, serta pembagian market. Data ini memberikan peluang untuk menganalisis hubungan antara marketing dan profit serta mengkaji apakah pengaruh tersebut berbeda pada setiap market.
Berdasarkan hal tersebut, analisis ini dilakukan untuk mengetahui pengaruh marketing terhadap profit serta mengidentifikasi perbedaan pengaruh tersebut pada masing-masing market. Hasil analisis diharapkan dapat memberikan gambaran mengenai efektivitas strategi marketing pada setiap market, sehingga dapat menjadi dasar dalam pengambilan keputusan bisnis yang lebih tepat dan efisien.
Deskripsi Data
Data yang digunakan dalam penelitian ini merupakan Coffee Chain Dataset yang diperoleh dari platform SPADA UNS. Dari dataset tersebut saya hanya menggunakan 3 variabel, seperti marketing, profit, dan market. - Profit: keuntungan yang diperoleh - Marketing: biaya atau aktivitas pemasaran - Market: wilayah pemasaran (Central, East, South, West)
Variabel marketing dan profit merupakan variabel numerik, sedangkan variabel market merupakan variabel kategorik yang terdiri dari empat kategori, yaitu Central, East, South, dan West.
Dalam penelitian ini, insight yang diambil berfokus pada hubungan antara variabel marketing dan profit dengan mempertimbangkan perbedaan berdasarkan market. Variabel marketing dipilih karena merupakan salah satu faktor utama dalam aktivitas bisnis yang berkaitan langsung dengan upaya peningkatan penjualan dan menarik konsumen. Sementara itu, variabel profit digunakan sebagai indikator kinerja keuangan yang mencerminkan keberhasilan perusahaan dalam menghasilkan keuntungan. Variabel market digunakan untuk mengelompokkan data berdasarkan wilayah pemasaran yang memiliki karakteristik berbeda, seperti kondisi ekonomi, preferensi konsumen, serta tingkat persaingan, sehingga dapat mempengaruhi efektivitas marketing terhadap profit.
Oleh karena itu, analisis difokuskan untuk mengidentifikasi pengaruh marketing terhadap profit serta mengkaji apakah pengaruh tersebut berbeda pada setiap market. Dengan demikian, insight yang diperoleh tidak hanya bersifat umum, tetapi juga memberikan gambaran yang lebih spesifik mengenai efektivitas marketing pada masing-masing wilayah.
Mengimpor dataset
library(readxl)## Warning: package 'readxl' was built under R version 4.5.3Coffe_Chain_Dataset <- read_xlsx("~/1. Tugas SIM 2025B - Coffee Chain Datasets.xlsx")
View(Coffe_Chain_Dataset)Eksplorasi Dataset
colnames(Coffe_Chain_Dataset)## [1] "Area Code" "Date" "Market" "Market Size"
## [5] "Product" "Product Line" "Product Type" "State"
## [9] "Type" "Budget COGS" "Budget Margin" "Budget Profit"
## [13] "Budget Sales" "COGS" "Inventory" "Margin"
## [17] "Marketing" "Profit" "Sales" "Total Expenses"tail(Coffe_Chain_Dataset)## # A tibble: 6 × 20
## `Area Code` Date Market `Market Size` Product `Product Line`
## <dbl> <dttm> <chr> <chr> <chr> <chr>
## 1 425 2013-12-01 00:00:00 West Small Market Lemon Leaves
## 2 206 2013-12-01 00:00:00 West Small Market Caffe Lat… Beans
## 3 509 2013-12-01 00:00:00 West Small Market Caffe Moc… Beans
## 4 360 2013-12-01 00:00:00 West Small Market Decaf Esp… Beans
## 5 360 2013-12-01 00:00:00 West Small Market Colombian Beans
## 6 206 2013-12-01 00:00:00 West Small Market Decaf Iri… 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>head(Coffe_Chain_Dataset)## # 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>str(Coffe_Chain_Dataset)## 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 ...dim(Coffe_Chain_Dataset)## [1] 4248 20summary(Coffe_Chain_Dataset)## 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. :190.00Mengambil Variabel yang Dibutuhkan
df <- Coffe_Chain_Dataset[, c("Profit", "Marketing", "Market")]
summary(df)## Profit Marketing Market
## Min. :-638.0 Min. : 0.00 Length:4248
## 1st Qu.: 17.0 1st Qu.: 13.00 Class :character
## Median : 40.0 Median : 22.00 Mode :character
## Mean : 61.1 Mean : 31.19
## 3rd Qu.: 92.0 3rd Qu.: 39.00
## Max. : 778.0 Max. :156.00Visualisasi Data
1. Visualisasi Rata-Rata Profit berdasarkan Market (tambahan)
ggplot(Coffe_Chain_Dataset, aes(x = Market, y = Profit, fill = Market)) +
stat_summary(fun = mean, geom = "bar") +
labs(
title = "Rata-rata Profit per Market",
x = "Market",
y = "Rata-rata Profit"
) +
theme_classic()
Grafik menunjukkan adanya perbedaan rata-rata profit pada masing-masing market. Hal ini mengindikasikan bahwa kinerja profit tidak merata di setiap wilayah, sehingga diperlukan analisis lebih lanjut untuk melihat pengaruh marketing terhadap perbedaan tersebut.
2. Visualisasi Pengaruh Marketing terhadap Profit
ggplot(Coffe_Chain_Dataset, aes(x = Marketing, y = Profit)) +
geom_point(color = "pink", alpha = 0.6) +
geom_smooth(method = "lm", color = "blue", size = 1) +
labs(
title = "Pengaruh Marketing terhadap Profit",
x = "Marketing",
y = "Profit"
) +
theme_minimal()## Warning: Using `size` aesthetic for lines was deprecated in ggplot2 3.4.0.
## ℹ Please use `linewidth` instead.
## This warning is displayed once every 8 hours.
## Call `lifecycle::last_lifecycle_warnings()` to see where this warning was
## generated.## `geom_smooth()` using formula = 'y ~ x'
Berdasarkan grafik scatter plot, terlihat adanya kecenderungan hubungan positif antara Marketing dan Profit, yang ditunjukkan oleh garis regresi yang meningkat. Hal ini mengindikasikan bahwa peningkatan pengeluaran untuk kegiatan marketing cenderung diikuti oleh peningkatan profit perusahaan.
Namun demikian, penyebaran titik data yang cukup luas di sekitar garis regresi menunjukkan bahwa hubungan tersebut tidak terlalu kuat. Artinya, meskipun marketing berperan dalam meningkatkan profit, pengaruhnya tidak selalu konsisten pada setiap kondisi.
Pada beberapa observasi, peningkatan biaya marketing tidak diikuti oleh peningkatan profit yang signifikan, bahkan terdapat kasus di mana profit tetap rendah meskipun pengeluaran marketing tinggi. Hal ini mengindikasikan bahwa terdapat faktor lain di luar marketing yang juga mempengaruhi profit perusahaan.
3. Visualisasi Pengaruh Marketing terhadap Profit berdasarkan Market
ggplot(Coffe_Chain_Dataset, aes(x = Marketing, y = Profit)) +
geom_point(aes(color = Market), alpha = 0.4) +
geom_smooth(method = "lm", se = FALSE, color = "black", size = 1) +
facet_wrap(~Market) +
labs(
title = "Pengaruh Marketing terhadap Profit berdasarkan Market",
x = "Marketing",
y = "Profit"
) +
theme_minimal()## `geom_smooth()` using formula = 'y ~ x'
Berdasarkan grafik hubungan antara marketing dan profit pada masing-masing market, terlihat bahwa secara umum terdapat kecenderungan hubungan positif antara marketing dan profit. Hal ini ditunjukkan oleh garis tren pada setiap market yang cenderung meningkat, meskipun dengan tingkat kemiringan yang berbeda-beda.
Pada market Central, terlihat hubungan yang cukup jelas dan konsisten antara peningkatan marketing dan kenaikan profit. Titik-titik data relatif menyebar mengikuti garis tren, sehingga menunjukkan bahwa marketing memiliki pengaruh yang cukup kuat terhadap profit pada market ini.
Pada market East, hubungan antara marketing dan profit terlihat lebih lemah. Sebaran data cukup luas dan tidak terlalu mengikuti garis tren, bahkan terdapat beberapa nilai profit yang negatif meskipun marketing tinggi. Hal ini menunjukkan bahwa efektivitas marketing pada market East relatif rendah.
Pada market South, hubungan antara marketing dan profit masih terlihat positif, namun tidak sekuat pada market Central. Sebagian besar data terkonsentrasi pada nilai marketing rendah hingga sedang, dengan kenaikan profit yang tidak terlalu signifikan.
Sementara itu, pada market West, terlihat hubungan positif antara marketing dan profit, namun dengan variasi data yang cukup besar. Terdapat beberapa nilai profit yang rendah bahkan negatif pada tingkat marketing yang tinggi, yang menunjukkan bahwa faktor lain selain marketing kemungkinan turut mempengaruhi profit pada market ini.
Secara keseluruhan, visualisasi ini menunjukkan bahwa meskipun marketing cenderung berpengaruh positif terhadap profit, kekuatan hubungan tersebut berbeda pada setiap market. Market Central menunjukkan hubungan yang paling kuat, sedangkan market East menunjukkan hubungan yang paling lemah.
Analisis Regresi
Hipotesis: H0: Marketing tidak berpengaruh terhadap profit H1: Marketing berpengaruh terhadap profit
Regresi <- lm(Profit ~ Marketing * Market, data = Coffe_Chain_Dataset)
summary(Regresi)##
## Call:
## lm(formula = Profit ~ Marketing * Market, data = Coffe_Chain_Dataset)
##
## Residuals:
## Min 1Q Median 3Q Max
## -740.25 -32.65 -5.50 30.54 714.01
##
## Coefficients:
## Estimate Std. Error t value Pr(>|t|)
## (Intercept) 8.8136 4.2794 2.060 0.0395 *
## Marketing 2.0807 0.1147 18.136 < 2e-16 ***
## MarketEast 52.3363 6.4642 8.096 7.33e-16 ***
## MarketSouth 16.9018 7.3233 2.308 0.0210 *
## MarketWest 25.3241 5.8689 4.315 1.63e-05 ***
## Marketing:MarketEast -1.9138 0.1578 -12.131 < 2e-16 ***
## Marketing:MarketSouth -1.1632 0.2197 -5.294 1.26e-07 ***
## Marketing:MarketWest -1.4833 0.1436 -10.331 < 2e-16 ***
## ---
## Signif. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
##
## Residual standard error: 96.95 on 4240 degrees of freedom
## Multiple R-squared: 0.09283, Adjusted R-squared: 0.09133
## F-statistic: 61.98 on 7 and 4240 DF, p-value: < 2.2e-16Berdasarkan hasil analisis regresi linear dengan model Profit ~ Marketing × Market, diketahui bahwa variabel Marketing memiliki pengaruh positif dan signifikan terhadap Profit. Hal ini ditunjukkan oleh nilai koefisien sebesar 2,0807 dengan p-value < 2e-16. Artinya, setiap peningkatan marketing sebesar satu unit akan meningkatkan profit sebesar 2,0807 unit pada market acuan, yaitu Central. Oleh karena itu, H0 ditolak, yang berarti marketing berpengaruh signifikan terhadap profit.
Selain itu, variabel Market juga berpengaruh signifikan terhadap profit. Dibandingkan dengan market acuan (Central), market East memiliki perbedaan sebesar 52,3363, market South sebesar 16,9018, dan market West sebesar 25,3241, yang seluruhnya signifikan secara statistik (p-value < 0,05). Hal ini menunjukkan adanya perbedaan tingkat profit antar market, dengan market East memiliki perbedaan profit paling tinggi dibandingkan market lainnya.
Selanjutnya, hasil interaksi antara Marketing dan Market menunjukkan bahwa seluruh koefisien interaksi bernilai negatif dan signifikan, yaitu sebesar -1,9138 (East), -1,1632 (South), dan -1,4833 (West). Dengan demikian, H0 ditolak untuk variabel interaksi, yang menunjukkan bahwa pengaruh marketing terhadap profit berbeda pada setiap market. Hal ini mengindikasikan bahwa pengaruh marketing terhadap profit pada masing-masing market tersebut lebih rendah dibandingkan market Central.
Secara rinci, pengaruh marketing terhadap profit pada masing-masing market adalah sebagai berikut:
- Market Central: sebesar 2,0807
- Market East: sebesar 0,1669
- Market South: sebesar 0,9175
- Market West: sebesar 0,5974
Dengan demikian, dapat disimpulkan bahwa efektivitas marketing paling tinggi terdapat pada market Central dan paling rendah pada market East.
Selanjutnya, nilai koefisien determinasi (R-squared) sebesar 0,09283 dan Adjusted R-squared sebesar 0,09133 menunjukkan bahwa model hanya mampu menjelaskan sekitar 9,28% variasi profit, sedangkan sisanya sebesar 90,72% dipengaruhi oleh variabel lain di luar model. Meskipun demikian, hasil uji simultan menunjukkan nilai F-statistic sebesar 61,98 dengan p-value < 2,2e-16, sehingga H0 ditolak, yang berarti model regresi secara keseluruhan signifikan dan layak digunakan.
Secara keseluruhan, hasil analisis menunjukkan bahwa meskipun marketing berpengaruh signifikan terhadap profit, tingkat efektivitasnya berbeda pada setiap market. Market Central menunjukkan respons paling tinggi terhadap peningkatan marketing, sedangkan market East menunjukkan respons yang sangat rendah. Market South dan West masih memberikan respons positif, namun dengan tingkat efektivitas yang lebih rendah. Selain itu, rendahnya nilai koefisien determinasi mengindikasikan bahwa terdapat faktor lain yang juga berperan dalam menentukan profit, seperti penjualan (sales), biaya operasional, maupun strategi bisnis lainnya. Oleh karena itu, perusahaan disarankan untuk menerapkan strategi marketing yang lebih spesifik dan disesuaikan dengan karakteristik masing-masing market guna mengoptimalkan profit.
Uji Asumsi Regresi
1. Uji Normalitas
shapiro.test(residuals(Regresi))##
## Shapiro-Wilk normality test
##
## data: residuals(Regresi)
## W = 0.79857, p-value < 2.2e-162. QQ plot
qqnorm(residuals(Regresi))
qqline(residuals(Regresi))
Berdasarkan uji asumsi normalitas menggunakan Q-Q plot, residual tidak berdistribusi normal, sehingga hasil inferensi perlu diinterpretasikan dengan hati-hati. Meskipun asumsi normalitas tidak sepenuhnya terpenuhi, model regresi tetap digunakan karena jumlah data yang cukup besar membuat hasil estimasi masih dapat diandalkan. Selain itu, analisis ini lebih difokuskan untuk melihat hubungan antara variabel.
Kesimpulan
Berdasarkan hasil visualisasi dan analisis regresi yang telah dilakukan, dapat disimpulkan bahwa variabel marketing memiliki pengaruh positif dan signifikan terhadap profit. Namun, kekuatan pengaruh tersebut berbeda pada setiap market, yang ditunjukkan oleh adanya interaksi signifikan antara marketing dan market. Hasil visualisasi juga memperlihatkan bahwa hubungan antara marketing dan profit cenderung positif, tetapi tidak terlalu kuat dan bervariasi antar market. Market Central menunjukkan respons paling tinggi terhadap peningkatan marketing, sedangkan market East menunjukkan respons yang paling rendah, sementara market South dan West berada di tingkat menengah. Selain itu, nilai koefisien determinasi yang relatif rendah menunjukkan bahwa model hanya mampu menjelaskan sebagian kecil variasi profit, sehingga terdapat faktor lain di luar marketing yang turut mempengaruhi profit. Oleh karena itu, perusahaan disarankan untuk menerapkan strategi marketing yang disesuaikan dengan karakteristik masing-masing market agar dapat meningkatkan efektivitas dan mengoptimalkan profit.