DESKRIPSI SINGKAT

Analisis ini mengambil insight mengenai hubungan antara Sales, Profit, Total Expenses, dan COGS. Fokus utama dari analisis ini adalah untuk mengetahui apakah peningkatan penjualan (Sales) selalu diikuti oleh peningkatan keuntungan (Profit), serta bagaimana peran biaya seperti Total Expenses dan COGS dalam mempengaruhi besar kecilnya Profit.

Insight ini dipilih karena dalam konteks bisnis, Profit merupakan indikator utama kinerja perusahaan. Meskipun penjualan tinggi, tidak selalu menjamin keuntungan yang tinggi apabila biaya yang dikeluarkan juga besar. Oleh karena itu, penting untuk memahami hubungan antara pendapatan (Sales) dan komponen biaya terhadap Profit agar dapat mengetahui faktor-faktor yang paling berpengaruh.

Selain itu, variabel yang digunakan dalam analisis ini bersifat kuantitatif sehingga memungkinkan untuk dilakukan analisis statistik seperti korelasi dan regresi. Dengan demikian, insight ini dinilai relevan dan tepat untuk memberikan gambaran mengenai efisiensi operasional serta pengambilan keputusan bisnis yang lebih optimal.

getwd()
## [1] "C:/Users/Vaio/Documents/MATERI SEMESTER 2 STAT/SIM/TUGAS"
install.packages("readxl", repos = "https://cloud.r-project.org")
## Installing package into 'C:/Users/Vaio/AppData/Local/R/win-library/4.5'
## (as 'lib' is unspecified)
## package 'readxl' successfully unpacked and MD5 sums checked
## Warning: cannot remove prior installation of package 'readxl'
## Warning in file.copy(savedcopy, lib, recursive = TRUE): problem copying
## C:\Users\Vaio\AppData\Local\R\win-library\4.5\00LOCK\readxl\libs\x64\readxl.dll
## to C:\Users\Vaio\AppData\Local\R\win-library\4.5\readxl\libs\x64\readxl.dll:
## Permission denied
## Warning: restored 'readxl'
## 
## The downloaded binary packages are in
##  C:\Users\Vaio\AppData\Local\Temp\Rtmp670EYS\downloaded_packages
library(readxl)
## Warning: package 'readxl' was built under R version 4.5.3
data <- read_excel("~/MATERI SEMESTER 2 STAT/SIM/TUGAS/1. Tugas SIM 2025B - Coffee Chain Datasets.xlsx")
colnames(data)
##  [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"
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
data_insight <- data %>%
  select(Sales, Profit, `Total Expenses`, COGS)

STATISTIK DESKRIPTIF

summary(data_insight)
##      Sales         Profit       Total Expenses        COGS       
##  Min.   : 17   Min.   :-638.0   Min.   : 10.00   Min.   :  0.00  
##  1st Qu.:100   1st Qu.:  17.0   1st Qu.: 33.00   1st Qu.: 43.00  
##  Median :138   Median :  40.0   Median : 46.00   Median : 60.00  
##  Mean   :193   Mean   :  61.1   Mean   : 54.06   Mean   : 84.43  
##  3rd Qu.:230   3rd Qu.:  92.0   3rd Qu.: 65.00   3rd Qu.:100.00  
##  Max.   :912   Max.   : 778.0   Max.   :190.00   Max.   :364.00
colMeans(data_insight)
##          Sales         Profit Total Expenses           COGS 
##      192.98752       61.09769       54.06356       84.43315
apply(data_insight, 2, median)
##          Sales         Profit Total Expenses           COGS 
##            138             40             46             60
apply(data_insight, 2, sd)
##          Sales         Profit Total Expenses           COGS 
##      151.13313      101.70855       32.35260       67.24977
apply(data_insight, 2, var)
##          Sales         Profit Total Expenses           COGS 
##      22841.222      10344.628       1046.691       4522.531
apply(data_insight, 2, min)
##          Sales         Profit Total Expenses           COGS 
##             17           -638             10              0
apply(data_insight, 2, max)
##          Sales         Profit Total Expenses           COGS 
##            912            778            190            364
apply(data_insight, 2, quantile)
##      Sales Profit Total Expenses COGS
## 0%      17   -638             10    0
## 25%    100     17             33   43
## 50%    138     40             46   60
## 75%    230     92             65  100
## 100%   912    778            190  364

ANALISIS METODE STATISTIKA

#1.Analisis Korelasi
cor(data_insight)
##                    Sales    Profit Total Expenses      COGS
## Sales          1.0000000 0.7973309      0.6893500 0.8866512
## Profit         0.7973309 1.0000000      0.1999761 0.4648382
## Total Expenses 0.6893500 0.1999761      1.0000000 0.7825338
## COGS           0.8866512 0.4648382      0.7825338 1.0000000
install.packages("corrplot", repos = "https://cloud.r-project.org")   
## Installing package into 'C:/Users/Vaio/AppData/Local/R/win-library/4.5'
## (as 'lib' is unspecified)
## package 'corrplot' successfully unpacked and MD5 sums checked
## 
## The downloaded binary packages are in
##  C:\Users\Vaio\AppData\Local\Temp\Rtmp670EYS\downloaded_packages
library(corrplot)
## Warning: package 'corrplot' was built under R version 4.5.3
## corrplot 0.95 loaded
cor_matrix <- cor(data_insight)

corrplot(cor_matrix, method = "circle", col = c("green", "yellow", "red"))

#2.Regresi Linear Berganda
model <- lm(Profit ~ Sales + `Total Expenses` + COGS, data = data_insight)
summary(model)
## 
## Call:
## lm(formula = Profit ~ Sales + `Total Expenses` + COGS, data = data_insight)
## 
## Residuals:
##      Min       1Q   Median       3Q      Max 
## -112.712   -5.413    0.283    5.637  104.944 
## 
## Coefficients:
##                   Estimate Std. Error  t value Pr(>|t|)    
## (Intercept)       0.021583   0.514584    0.042    0.967    
## Sales             1.206475   0.003711  325.099   <2e-16 ***
## `Total Expenses` -1.263012   0.012876  -98.088   <2e-16 ***
## COGS             -1.225534   0.009704 -126.291   <2e-16 ***
## ---
## Signif. codes:  0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
## 
## Residual standard error: 16.9 on 4244 degrees of freedom
## Multiple R-squared:  0.9724, Adjusted R-squared:  0.9724 
## F-statistic: 4.986e+04 on 3 and 4244 DF,  p-value: < 2.2e-16

PENJELASAN

A. ANALISIS KORELASI Dapat diketahui bahwa terdapat hubungan yang signifikan antara Sales, Profit, Total Expenses, dan COGS. Hasil korelasi menunjukkan bahwa Sales memiliki hubungan positif dengan Profit, yang berarti semakin tinggi nilai penjualan maka keuntungan yang diperoleh juga cenderung meningkat. Sebaliknya, Total Expenses dan COGS memiliki hubungan negatif terhadap Profit, yang menunjukkan bahwa peningkatan biaya akan berdampak pada penurunan keuntungan.

B. REGRESI LINEAR BERGANDA Hasil regresi linear berganda, diketahui bahwa di mana Sales berpengaruh positif dan signifikan terhadap Profit, sedangkan Total Expenses dan COGS berpengaruh negatif dan signifikan. Hal ini menunjukkan bahwa Profit tidak hanya ditentukan oleh besarnya penjualan, tetapi juga oleh efisiensi dalam pengelolaan biaya. Selain itu, nilai R-squared sebesar 0.9724 menunjukkan bahwa sebesar 97,24% variasi Profit dapat dijelaskan oleh variabel Sales, Total Expenses, dan COGS, sehingga model yang digunakan memiliki tingkat akurasi yang sangat tinggi.

Dengan demikian, dapat disimpulkan bahwa untuk meningkatkan Profit, perusahaan tidak hanya perlu meningkatkan penjualan, tetapi juga harus mampu mengendalikan biaya operasional dan biaya produksi secara efektif.

#Visualisasi
install.packages("ggplot2", repos = "https://cloud.r-project.org")
## Installing package into 'C:/Users/Vaio/AppData/Local/R/win-library/4.5'
## (as 'lib' is unspecified)
## package 'ggplot2' successfully unpacked and MD5 sums checked
## 
## The downloaded binary packages are in
##  C:\Users\Vaio\AppData\Local\Temp\Rtmp670EYS\downloaded_packages
library(ggplot2)
## Warning: package 'ggplot2' was built under R version 4.5.3
ggplot(data_insight, aes(x = Sales, y = Profit)) +
  geom_point(color = "purple") +
  geom_smooth(method = "lm", color = "black") +
  ggtitle("Regresi Sales terhadap Profit")
## `geom_smooth()` using formula = 'y ~ x'

ggplot(data_insight, aes(x = `Total Expenses`, y = Profit)) +
  geom_point(color = "red") +
  geom_smooth(method = "lm", color = "green") +
  ggtitle("Total Expenses vs Profit")
## `geom_smooth()` using formula = 'y ~ x'

ggplot(data_insight, aes(x = COGS, y = Profit)) +
  geom_point(color = "blue") +
  geom_smooth(method = "lm", color = "red") +
  ggtitle("COGS vs Profit")
## `geom_smooth()` using formula = 'y ~ x'

INTERPRETASI HASIL

A. REGRESI SALES TERHADAP PROFIT - Berdasarkan grafik regresi antara Sales dan Profit, terlihat adanya hubungan positif antara kedua variabel, di mana peningkatan Sales cenderung diikuti oleh peningkatan Profit. Hal ini ditunjukkan oleh garis regresi yang memiliki arah menanjak serta pola sebaran titik yang mengikuti garis tersebut. Namun demikian, terdapat variasi yang cukup besar pada nilai Profit, terutama pada tingkat Sales yang rendah, di mana beberapa observasi menunjukkan nilai Profit negatif. Selain itu, pada tingkat Sales yang lebih tinggi, variasi Profit juga meningkat, yang menunjukkan bahwa meskipun penjualan tinggi dapat meningkatkan keuntungan, faktor lain masih mempengaruhi besarnya Profit. Dengan demikian, dapat disimpulkan bahwa Sales berpengaruh positif terhadap Profit, namun tidak menjadi satu-satunya faktor yang menentukan.

B.TOTAL EXPENSES VS PROFIT - Berdasarkan grafik hubungan antara Total Expenses dan Profit, terlihat bahwa hubungan antara kedua variabel cenderung lemah dan tidak konsisten. Hal ini ditunjukkan oleh garis regresi yang hanya sedikit meningkat serta penyebaran data yang sangat luas. Pada tingkat Total Expenses yang lebih tinggi, variasi nilai Profit semakin besar, di mana terdapat nilai Profit yang tinggi maupun negatif. Hal ini menunjukkan bahwa peningkatan biaya tidak selalu diikuti oleh peningkatan keuntungan. Dengan demikian, dapat disimpulkan bahwa Total Expenses bukan merupakan faktor utama dalam menentukan Profit, namun pengelolaan biaya yang tidak efisien dapat berdampak negatif terhadap keuntungan perusahaan.

C.Bugdet COGS VS PROFIT - Berdasarkan grafik hubungan antara COGS dan Profit, terlihat bahwa terdapat kecenderungan hubungan positif antara kedua variabel, yang ditunjukkan oleh garis regresi yang menanjak. Namun demikian, hubungan tersebut tidak bersifat langsung, karena COGS yang tinggi umumnya terjadi seiring dengan peningkatan Sales. Penyebaran data menunjukkan bahwa pada nilai COGS yang tinggi, variasi Profit juga semakin besar, di mana terdapat nilai Profit yang tinggi maupun negatif. Hal ini menunjukkan bahwa biaya produksi yang tinggi tidak selalu menghasilkan keuntungan, melainkan sangat bergantung pada tingkat penjualan dan efisiensi operasional. Dengan demikian, dapat disimpulkan bahwa COGS memiliki hubungan dengan Profit, namun bukan merupakan faktor tunggal yang menentukan besarnya keuntungan.

KESIMPULAN

Berdasarkan hasil analisis yang telah dilakukan, dapat disimpulkan bahwa terdapat hubungan yang signifikan antara Sales, Profit, Total Expenses, dan COGS. Sales terbukti memiliki pengaruh positif terhadap Profit, yang berarti peningkatan penjualan cenderung diikuti dengan peningkatan keuntungan. Sementara itu, Total Expenses dan COGS menunjukkan pengaruh negatif terhadap Profit, yang mengindikasikan bahwa peningkatan biaya dapat menurunkan tingkat keuntungan apabila tidak dikelola dengan baik.

Hasil analisis korelasi, regresi linear berganda, serta visualisasi menunjukkan konsistensi yang kuat, di mana ketiga metode tersebut saling mendukung dalam menjelaskan hubungan dan pengaruh antar variabel. Model regresi yang digunakan juga memiliki tingkat akurasi yang sangat tinggi, yang ditunjukkan oleh nilai R-squared sebesar 97,24%, sehingga sebagian besar variasi Profit dapat dijelaskan oleh variabel yang dianalisis.

Dengan demikian, dapat disimpulkan bahwa peningkatan Profit tidak hanya bergantung pada peningkatan Sales, tetapi juga sangat dipengaruhi oleh efisiensi dalam pengelolaan Total Expenses dan Budget COGS. Oleh karena itu, perusahaan perlu menjaga keseimbangan antara peningkatan penjualan dan pengendalian biaya agar dapat mencapai keuntungan yang optimal.