Dalam era persaingan bisnis yang semakin ketat, analisis data menjadi salah satu alat penting dalam pengambilan keputusan yang tepat dan efektif. Coffee Chain Dataset merupakan salah satu dataset yang memuat berbagai informasi terkait aktivitas penjualan, biaya, serta keuntungan yang dapat dimanfaatkan untuk memahami kinerja bisnis secara lebih mendalam.

Analisis terhadap data ini bertujuan untuk mengeksplorasi hubungan antar variabel serta mengidentifikasi faktor-faktor yang mempengaruhi penjualan dan profit. Dengan menggunakan pendekatan statistika, diharapkan dapat diperoleh insight yang berguna dalam mendukung strategi bisnis yang lebih optimal.

Dalam laporan ini, akan dilakukan beberapa analisis yang meliputi hubungan antara biaya marketing dengan profit, hubungan antara inventory dengan sales, hubungan antara sales dengan profit, serta perbedaan tingkat penjualan antar wilayah (state). Selain itu, analisis juga didukung dengan visualisasi data untuk memberikan gambaran yang lebih jelas terhadap pola yang terjadi.

Metode statistika yang digunakan dalam analisis ini meliputi uji korelasi Pearson, regresi linear sederhana, serta Analysis of Variance (ANOVA). Seluruh analisis dilakukan menggunakan perangkat lunak R dengan bantuan visualisasi berbasis ggplot2.

Adapun struktur laporan ini disusun sebagai berikut: 1. Analisis hubungan antara biaya marketing dan profit 2. Analisis hubungan antara inventory dan sales 3. Analisis hubungan antara sales dan profit 4. Analisis perbedaan sales antar state

Impor Data

library(readxl)
## Warning: package 'readxl' was built under R version 4.5.3
data <- read_excel("D:/Naufal Dzakynindra TW/Kuliah Statistika/Semester 2/Sistem Informasi Manajemen/Coffee Chain Datasets.xlsx")
data
## # 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>

Hubungan Biaya Marketing terhadap Profit

Insight yang diambil dalam analisis ini adalah hubungan antara biaya marketing dengan profit pada Coffee Chain Dataset. Variabel marketing merepresentasikan jumlah biaya yang dikeluarkan perusahaan untuk kegiatan promosi dan pemasaran, sedangkan profit menunjukkan keuntungan yang diperoleh perusahaan setelah dikurangi berbagai biaya operasional.

Analisis ini dilakukan untuk mengetahui apakah terdapat hubungan antara besarnya biaya marketing dengan profit yang dihasilkan. Hal ini penting karena dalam dunia bisnis, pengeluaran untuk marketing diharapkan dapat meningkatkan penjualan dan pada akhirnya berdampak pada peningkatan keuntungan.

Dengan memahami hubungan antara kedua variabel ini, perusahaan dapat mengevaluasi efektivitas strategi pemasaran yang telah dilakukan serta menentukan kebijakan yang lebih optimal dalam pengalokasian anggaran marketing di masa mendatang.

Analisis Korelasi antara Marketing dan Profit

correlation <- cor(data$Marketing, data$Profit)
correlation
## [1] 0.225465
cor_test <- cor.test(data$Marketing, data$Profit)
cor_test
## 
##  Pearson's product-moment correlation
## 
## data:  data$Marketing and data$Profit
## t = 15.08, df = 4246, p-value < 2.2e-16
## alternative hypothesis: true correlation is not equal to 0
## 95 percent confidence interval:
##  0.1967258 0.2538172
## sample estimates:
##      cor 
## 0.225465

Berdasarkan hasil perhitungan korelasi Pearson, diperoleh nilai korelasi sebesar 0,225465. Nilai ini menunjukkan bahwa hubungan antara marketing dan profit bersifat lemah dan positif. Hal ini berarti bahwa peningkatan biaya marketing cenderung diikuti oleh peningkatan profit, namun hubungan tersebut tidak terlalu kuat.

Hasil uji korelasi (cor.test) menunjukkan nilai p-value sebesar < 2,2 × 10^-16, yang berarti jauh lebih kecil dari 0,05. Oleh karena itu, dapat disimpulkan bahwa terdapat hubungan yang signifikan secara statistik antara marketing dan profit.

Dengan demikian, meskipun hubungan antara marketing dan profit tergolong lemah, variabel marketing tetap memiliki keterkaitan yang nyata terhadap profit yang dihasilkan.

Visualisasi antara Marketing dan Profit

library(ggplot2)
## Warning: package 'ggplot2' was built under R version 4.5.3
ggplot(data, aes(x = Marketing, y = Profit)) +
  geom_point(color = "#1C4BE1", size = 1, alpha = 0.7) +
  geom_smooth(method = "lm", se = TRUE, color = "#E1133D", linewidth = 1) +
  ggtitle("Hubungan Marketing terhadap Profit") +
  labs(
    subtitle = "Analisis hubungan biaya marketing dengan profit",
    x = "Biaya Marketing",
    y = "Profit"
  ) +
  theme_minimal()+
    theme(
    plot.title = element_text(size = 16),
    plot.subtitle = element_text(size = 12),
    axis.title = element_text(size = 12),
    panel.grid.minor = element_blank()
    )
## `geom_smooth()` using formula = 'y ~ x'

Berdasarkan scatter plot yang ditampilkan, terlihat adanya pola hubungan antara variabel marketing dan profit. Titik-titik data menunjukkan kecenderungan menyebar, yang mengindikasikan adanya hubungan lemah antara kedua variabel.

Garis tren yang ditampilkan pada grafik merupakan hasil dari model regresi linear sederhana, yang menunjukkan hubungan antara marketing sebagai variabel independen dan profit sebagai variabel dependen.

Kemiringan garis yang positif menunjukkan bahwa setiap peningkatan biaya marketing cenderung diikuti oleh kenaikan profit. Hal ini mengindikasikan bahwa marketing memiliki pengaruh terhadap profit.

Secara keseluruhan, hasil analisis menunjukkan bahwa terdapat hubungan antara biaya marketing dan profit. Hal ini mengindikasikan bahwa strategi pemasaran memiliki peran penting dalam meningkatkan keuntungan perusahaan.

Namun demikian, hubungan ini tidak selalu bersifat mutlak, karena profit juga dapat dipengaruhi oleh faktor lain seperti biaya produksi, harga jual, dan efisiensi operasional.

Hubungan Biaya Inventory terhadap Sales

Insight yang diambil dalam analisis ini adalah hubungan antara inventory dengan sales pada Coffee Chain Dataset. Variabel inventory merepresentasikan jumlah stok barang yang tersedia, sedangkan sales menunjukkan nilai penjualan yang berhasil dicapai oleh perusahaan.

Analisis ini bertujuan untuk mengetahui apakah ketersediaan stok barang memiliki keterkaitan dengan tingkat penjualan. Dalam konteks bisnis, inventory yang memadai diharapkan dapat memenuhi permintaan konsumen sehingga dapat meningkatkan penjualan.

Dengan memahami hubungan antara inventory dan sales, perusahaan dapat mengelola stok barang secara lebih efektif dan efisien, sehingga dapat meminimalkan risiko kekurangan stok maupun kelebihan stok (overstock), serta mengoptimalkan performa penjualan.

Analisis Korelasi antara Inventory dan Sales

cor_test <- cor.test(data$Inventory, data$Sales)
cor_test
## 
##  Pearson's product-moment correlation
## 
## data:  data$Inventory and data$Sales
## t = 22.465, df = 4246, p-value < 2.2e-16
## alternative hypothesis: true correlation is not equal to 0
## 95 percent confidence interval:
##  0.2987891 0.3525510
## sample estimates:
##       cor 
## 0.3259335

Berdasarkan hasil uji korelasi Pearson, diperoleh nilai korelasi sebesar 0,3259335. Nilai ini menunjukkan bahwa hubungan antara inventory dan sales bersifat sedang dan positif. Hal ini berarti bahwa peningkatan jumlah inventory cenderung diikuti oleh peningkatan nilai sales.

Selain itu, diperoleh nilai p-value sebesar < 2,2 × 10^-16, yang berarti jauh lebih kecil dari 0,05. Oleh karena itu, dapat disimpulkan bahwa terdapat hubungan yang signifikan secara statistik antara inventory dan sales. Artinya, perubahan jumlah inventory berkaitan secara nyata dengan perubahan nilai sales.

Dengan demikian, inventory memiliki peran yang cukup penting dalam mempengaruhi tingkat penjualan, di mana ketersediaan stok yang memadai dapat mendukung peningkatan sales.

Visualisasi antara Inventory dan Sales

ggplot(data, aes(x = Inventory, y = Sales)) +
  geom_point(color = "#2C7BE5", size = 1, alpha = 0.7) +
  geom_smooth(method = "lm", se = TRUE, color = "#E5533D", linewidth = 1) +
  ggtitle("Hubungan Inventory terhadap Sales") +
  labs(
    subtitle = "Analisis hubungan jumlah stok dengan penjualan",
    x = "Inventory",
    y = "Sales"
  ) +
  theme_minimal() +
  theme(
    plot.title = element_text(size = 16),
    plot.subtitle = element_text(size = 12),
    axis.title = element_text(size = 12),
    panel.grid.minor = element_blank()
  )
## `geom_smooth()` using formula = 'y ~ x'

Berdasarkan scatter plot yang ditampilkan, terlihat pola hubungan antara inventory dan sales. Titik-titik data menunjukkan kecenderungan menyebar, yang mengindikasikan adanya hubungan lemah antara jumlah stok dan penjualan.

Garis tren yang ditambahkan menggunakan metode regresi linear memperlihatkan arah hubungan yang meningkat. Jika garis tren cenderung naik, maka hal ini menunjukkan bahwa peningkatan inventory diikuti oleh peningkatan sales. Sebaliknya, jika garis menurun, maka peningkatan inventory justru diikuti penurunan sales.

Secara umum, visualisasi ini memberikan gambaran awal bahwa inventory memiliki keterkaitan dengan tingkat penjualan.

Secara keseluruhan, hasil analisis menunjukkan bahwa inventory memiliki hubungan dengan sales. Hal ini mengindikasikan bahwa ketersediaan stok barang berperan dalam menentukan tingkat penjualan.

Dalam konteks bisnis, inventory yang cukup memungkinkan perusahaan untuk memenuhi permintaan konsumen, sehingga dapat meningkatkan penjualan. Namun, inventory yang terlalu besar tidak selalu menjamin peningkatan sales, karena dapat menyebabkan overstock jika tidak diimbangi dengan permintaan yang tinggi.

Oleh karena itu, pengelolaan inventory yang optimal menjadi faktor penting dalam meningkatkan efisiensi dan performa penjualan.

Hubungan Biaya Sales terhadap Profit

Insight yang diambil dalam analisis ini adalah hubungan antara sales dengan profit pada Coffee Chain Dataset. Variabel sales merepresentasikan total penjualan yang dihasilkan oleh perusahaan, sedangkan profit menunjukkan keuntungan yang diperoleh setelah dikurangi berbagai biaya operasional.

Analisis ini bertujuan untuk mengetahui apakah peningkatan penjualan memiliki keterkaitan dengan peningkatan profit. Dalam konteks bisnis, sales merupakan faktor utama dalam menghasilkan pendapatan, namun tidak selalu secara langsung menentukan besarnya keuntungan karena adanya berbagai komponen biaya yang mempengaruhi profit.

Dengan memahami hubungan antara sales dan profit, perusahaan dapat mengevaluasi sejauh mana peningkatan penjualan berkontribusi terhadap keuntungan, serta mengidentifikasi pentingnya pengelolaan biaya agar profit dapat meningkat secara optimal.

Analisis Korelasi antara Sales dan Profit

cor_test_sp <- cor.test(data$Sales, data$Profit)
cor_test_sp
## 
##  Pearson's product-moment correlation
## 
## data:  data$Sales and data$Profit
## t = 86.084, df = 4246, p-value < 2.2e-16
## alternative hypothesis: true correlation is not equal to 0
## 95 percent confidence interval:
##  0.7861073 0.8080289
## sample estimates:
##       cor 
## 0.7973309

Berdasarkan hasil uji korelasi Pearson, diperoleh nilai korelasi sebesar 0,7973309. Nilai ini menunjukkan bahwa hubungan antara sales dan profit bersifat kuat dan positif. Hal ini berarti bahwa peningkatan nilai penjualan cenderung diikuti oleh peningkatan profit secara signifikan.

Selain itu, diperoleh nilai p-value sebesar < 2,2 × 10^-16, yang berarti jauh lebih kecil dari 0,05. Oleh karena itu, dapat disimpulkan bahwa terdapat hubungan yang signifikan secara statistik antara sales dan profit.

Hal ini menunjukkan bahwa perubahan dalam nilai penjualan berkaitan secara nyata dengan perubahan profit yang dihasilkan, sehingga sales merupakan salah satu faktor utama yang mempengaruhi profit perusahaan.

Visualisasi antara Sales dan Profit

ggplot(data, aes(x = Sales, y = Profit)) +
  geom_point(color = "#2C7BE5", size = 2, alpha = 0.7) +
  geom_smooth(method = "lm", se = TRUE, color = "#E5533D", linewidth = 1) +
  ggtitle("Hubungan Sales terhadap Profit") +
  labs(
    subtitle = "Analisis pengaruh penjualan terhadap profit",
    x = "Sales",
    y = "Profit"
  ) +
  theme_minimal() +
  theme(
    plot.title = element_text(size = 16),
    plot.subtitle = element_text(size = 12),
    axis.title = element_text(size = 12),
    panel.grid.minor = element_blank()
  )
## `geom_smooth()` using formula = 'y ~ x'

Berdasarkan scatter plot yang ditampilkan, terlihat adanya pola hubungan antara sales dan profit. Titik-titik data menunjukkan kecenderungan naik, yang mengindikasikan adanya hubungan positif antara kedua variabel.

Garis tren yang ditambahkan menggunakan regresi linear menunjukkan arah hubungan yang meningkat. Hal ini berarti bahwa semakin tinggi nilai penjualan, maka profit cenderung meningkat.

Visualisasi ini memberikan gambaran awal bahwa sales memiliki keterkaitan dengan profit.

Secara keseluruhan, hasil analisis menunjukkan bahwa sales memiliki hubungan yang positif dengan profit. Hal ini mengindikasikan bahwa peningkatan penjualan merupakan faktor penting dalam meningkatkan keuntungan perusahaan.

Namun demikian, peningkatan sales tidak selalu diikuti oleh peningkatan profit secara proporsional. Hal ini disebabkan oleh adanya faktor lain seperti biaya produksi, biaya distribusi, serta biaya marketing yang dapat mempengaruhi besar kecilnya profit yang diperoleh.

Oleh karena itu, selain meningkatkan penjualan, perusahaan juga perlu memperhatikan efisiensi biaya agar profit dapat meningkat secara optimal.

Hubungan Biaya State terhadap Sales

Insight yang diambil dalam analisis ini adalah perbedaan tingkat penjualan (sales) antar state pada Coffee Chain Dataset. Variabel state merepresentasikan wilayah geografis tempat terjadinya penjualan, sedangkan sales menunjukkan nilai penjualan yang dihasilkan pada masing-masing wilayah tersebut.

Analisis ini bertujuan untuk mengetahui apakah terdapat perbedaan rata-rata penjualan antar state. Dalam konteks bisnis, perbedaan wilayah dapat mempengaruhi tingkat penjualan karena adanya faktor seperti perbedaan karakteristik konsumen, daya beli masyarakat, tingkat persaingan, serta strategi pemasaran yang diterapkan di masing-masing wilayah.

Dengan memahami perbedaan penjualan antar state, perusahaan dapat mengidentifikasi wilayah dengan performa tinggi maupun rendah, sehingga dapat menentukan strategi yang lebih tepat dalam distribusi produk, pemasaran, dan pengembangan pasar di berbagai wilayah.

Uji Anova antara State dan Sales

anova_model <- aov(Sales ~ State, data = data)
summary(anova_model)
##               Df   Sum Sq Mean Sq F value Pr(>F)    
## State         19 25317822 1332517   78.59 <2e-16 ***
## Residuals   4228 71688849   16956                   
## ---
## Signif. codes:  0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1

Untuk menguji apakah perbedaan rata-rata penjualan antar state signifikan secara statistik, digunakan uji ANOVA (Analysis of Variance).

Berdasarkan hasil uji ANOVA, diperoleh nilai p-value sebesar < 2 × 10^-16, yang berarti jauh lebih kecil dari 0,05. Oleh karena itu, dapat disimpulkan bahwa terdapat perbedaan yang signifikan pada rata-rata sales antar state.

Hal ini menunjukkan bahwa lokasi atau wilayah (state) memiliki pengaruh terhadap tingkat penjualan. Dengan kata lain, tidak semua wilayah memiliki performa penjualan yang sama.

Selain itu, nilai F sebesar 78,59 menunjukkan bahwa variasi antar kelompok (state) jauh lebih besar dibandingkan variasi di dalam kelompok, sehingga memperkuat adanya perbedaan yang nyata antar state.

Visualisasi antara State dan Sales

ggplot(data, aes(x = State, y = Sales)) +
  geom_boxplot(fill = "#2C7BE5", alpha = 0.7, outlier.color = "red") +
  ggtitle("Perbandingan Sales antar State") +
  labs(
    subtitle = "Distribusi penjualan pada masing-masing wilayah",
    x = "State",
    y = "Sales"
  ) +
  theme_minimal() +
  theme(
    plot.title = element_text(size = 16),
    plot.subtitle = element_text(size = 12),
    axis.title = element_text(size = 12),
    axis.text.x = element_text(angle = 45, hjust = 1),
    panel.grid.minor = element_blank()
  )

Berdasarkan boxplot yang ditampilkan, terlihat adanya perbedaan distribusi nilai sales antar state. Setiap boxplot merepresentasikan median, kuartil, serta sebaran data penjualan pada masing-masing wilayah.

Beberapa state menunjukkan median penjualan yang lebih tinggi dibandingkan state lainnya, yang mengindikasikan bahwa performa penjualan tidak merata di seluruh wilayah. Selain itu, terdapat variasi (penyebaran) data yang berbeda-beda, yang menunjukkan bahwa tingkat konsistensi penjualan juga bervariasi antar state.

Adanya outlier pada beberapa state menunjukkan bahwa terdapat nilai penjualan yang sangat tinggi atau rendah dibandingkan dengan data lainnya.

Secara keseluruhan, analisis menunjukkan bahwa terdapat perbedaan performa penjualan antar state. Hal ini mengindikasikan bahwa faktor geografis atau karakteristik wilayah dapat mempengaruhi tingkat penjualan produk.

Perbedaan ini dapat disebabkan oleh berbagai faktor, seperti tingkat permintaan konsumen, daya beli masyarakat, strategi pemasaran di masing-masing wilayah, serta tingkat persaingan pasar.

Oleh karena itu, perusahaan perlu mempertimbangkan strategi yang berbeda untuk setiap wilayah guna mengoptimalkan penjualan, seperti penyesuaian promosi, distribusi, dan pengelolaan stok barang.