Deskripsi

Coffee Chain Datasets digunakan untuk menganalisis performa bisnis berdasarkan beberapa variabel seperti biaya, profit, produk, serta market. Analisis ini bertujuan untuk mengetahui pengaruh biaya terhadap profit serta mengidentifikasi produk dan market yang paling menguntungkan. Metode yang digunakan dalam analisis ini meliputi visualisasi data dan analisis regresi linear untuk melihat hubungan antar variabel.

Import Data

library(readxl)
## Warning: package 'readxl' was built under R version 4.4.3
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, union
library(ggplot2)
## Warning: package 'ggplot2' was built under R version 4.4.3
data <- read_excel("Coffee Chain Datasets.xlsx")
## New names:
## • `` -> `...21`
## • `` -> `...22`
## • `` -> `...23`
## • `` -> `...24`
## • `` -> `...25`
## • `` -> `...26`
## • `` -> `...27`
## • `` -> `...28`
## • `` -> `...29`
## • `` -> `...30`
## • `` -> `...31`
## • `` -> `...32`
## • `` -> `...33`
## • `` -> `...34`
## • `` -> `...35`
## • `` -> `...36`
## • `` -> `...37`
## • `` -> `...38`
## • `` -> `...39`
## • `` -> `...40`
## • `` -> `...41`
## • `` -> `...42`
## • `` -> `...43`
head(data)
## # A tibble: 6 × 43
##   `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 37 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>,
## #   ...21 <lgl>, ...22 <lgl>, ...23 <lgl>, ...24 <chr>, ...25 <chr>,
## #   ...26 <chr>, ...27 <chr>, ...28 <chr>, ...29 <chr>, ...30 <chr>,
## #   ...31 <chr>, ...32 <chr>, ...33 <chr>, ...34 <chr>, ...35 <chr>, …

Analisis 1

“Apakah biaya (COGS & Total Expenses) mempengaruhi profit?”

ggplot(data, aes(x = `COGS`, y = `Profit`)) +
  geom_point(color = "darkgreen") +
  geom_smooth(method = "lm") +
  ggtitle("Pengaruh COGS terhadap Profit")
## `geom_smooth()` using formula = 'y ~ x'

ggplot(data, aes(x = `Total Expenses`, y = `Profit`)) +
  geom_point(color = "darkgreen") +
  geom_smooth(method = "lm") +
  ggtitle("Pengaruh Total Expenses terhadap Profit")
## `geom_smooth()` using formula = 'y ~ x'

model <- lm(Profit ~ `COGS` + `Total Expenses`, data = data)
summary(model)
## 
## Call:
## lm(formula = Profit ~ COGS + `Total Expenses`, data = data)
## 
## Residuals:
##     Min      1Q  Median      3Q     Max 
## -837.40  -13.90   -1.26   15.98  745.21 
## 
## Coefficients:
##                  Estimate Std. Error t value Pr(>|t|)    
## (Intercept)      31.32887    2.57241   12.18   <2e-16 ***
## COGS              1.20304    0.03152   38.17   <2e-16 ***
## `Total Expenses` -1.32821    0.06552  -20.27   <2e-16 ***
## ---
## Signif. codes:  0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
## 
## Residual standard error: 86.01 on 4245 degrees of freedom
## Multiple R-squared:  0.2853, Adjusted R-squared:  0.2849 
## F-statistic: 847.1 on 2 and 4245 DF,  p-value: < 2.2e-16

Berdasarkan visualisasi scatter plot, terlihat adanya kecenderungan hubungan antara biaya produksi (COGS) dan total expenses terhadap profit. Pada grafik COGS terhadap profit, titik-titik data menunjukkan tren yang cenderung meningkat, yang mengindikasikan bahwa semakin besar COGS, profit juga cenderung meningkat. Hal ini didukung oleh garis regresi yang memiliki arah positif. Sebaliknya, pada grafik Total Expenses terhadap profit, terlihat kecenderungan hubungan negatif, di mana peningkatan total expenses diikuti dengan penurunan profit.

Hasil regresi linear memperkuat temuan dari visualisasi tersebut. Variabel COGS memiliki nilai p-value yang sangat kecil (p < 2e-16), sehingga berpengaruh signifikan terhadap profit. Koefisien sebesar 1.203 menunjukkan bahwa setiap peningkatan COGS cenderung meningkatkan profit, yang dapat diinterpretasikan bahwa biaya produksi yang lebih besar berkaitan dengan peningkatan aktivitas penjualan. Di sisi lain, variabel Total Expenses juga berpengaruh signifikan terhadap profit (p < 2e-16), namun dengan koefisien negatif sebesar -1.328. Hal ini menunjukkan bahwa peningkatan biaya operasional justru menurunkan profit, sehingga diperlukan efisiensi dalam pengelolaan biaya.

Nilai R-squared sebesar 0.2853 menunjukkan bahwa sekitar 28,53% variasi profit dapat dijelaskan oleh kedua variabel tersebut, sedangkan sisanya dipengaruhi oleh faktor lain di luar model. Secara keseluruhan, hasil ini menunjukkan bahwa tidak semua biaya berdampak sama terhadap profit, di mana COGS berkontribusi positif terhadap profit, sedangkan Total Expenses memiliki dampak negatif.

Analisis 2

“Produk mana yang paling menguntungkan?”

produk_profit <- data %>%
  group_by(`Product Type`) %>%
  summarise(`Rata-rata Profit` = mean(`Profit`))
produk_profit
## # A tibble: 4 × 2
##   `Product Type` `Rata-rata Profit`
##   <chr>                       <dbl>
## 1 Coffee                       70.7
## 2 Espresso                     58.4
## 3 Herbal Tea                   59.9
## 4 Tea                          55.2
ggplot(produk_profit, aes(x = `Product Type`, y = `Rata-rata Profit`)) +
  geom_col(fill = "rosybrown4") +
  ggtitle("Rata-rata Profit per Product Type")

Berdasarkan visualisasi rata-rata profit per product type, terlihat adanya perbedaan tingkat keuntungan antar jenis produk. Produk Coffee memiliki rata-rata profit tertinggi sebesar 70.72, diikuti oleh Herbal Tea sebesar 59.90, Espresso sebesar 58.35, dan Tea sebesar 55.19 sebagai yang terendah.

Perbedaan ini menunjukkan bahwa Coffee merupakan produk yang paling menguntungkan dibandingkan jenis produk lainnya. Hal ini dapat mengindikasikan bahwa Coffee memiliki permintaan yang lebih tinggi atau pengelolaan biaya yang lebih efisien sehingga mampu menghasilkan profit yang lebih besar. Sementara itu, produk Tea memiliki rata-rata profit paling rendah, sehingga perlu dilakukan evaluasi lebih lanjut terkait strategi penjualan maupun efisiensi biaya. Secara keseluruhan, perusahaan dapat memfokuskan pengembangan dan pemasaran pada produk Coffee untuk meningkatkan profit.

Analisis 3

“Bagaimana performa market berdasarkan ukuran pasar?”

market_profit <- data %>%
  group_by(`Market`, `Market Size`) %>%
  summarise(`Rata-rata Profit` = mean(`Profit`), .groups = "drop")
market_profit
## # A tibble: 8 × 3
##   Market  `Market Size` `Rata-rata Profit`
##   <chr>   <chr>                      <dbl>
## 1 Central Major Market                85.3
## 2 Central Small Market                53.3
## 3 East    Major Market                88.5
## 4 East    Small Market                30.9
## 5 South   Major Market                93.8
## 6 South   Small Market                33.2
## 7 West    Major Market               110. 
## 8 West    Small Market                40.0
ggplot(market_profit, aes(x = `Market`, y = `Rata-rata Profit`, fill = `Market Size`)) +
  geom_col(position = "dodge") +
  ggtitle("Rata-rata Profit berdasarkan Market dan Market Size")

Berdasarkan visualisasi diagram batang, terlihat bahwa pada setiap market, Major Market secara konsisten menghasilkan profit yang lebih tinggi dibandingkan Small Market. Hal ini menunjukkan bahwa ukuran pasar berpengaruh terhadap tingkat profit. Namun demikian, jika dibandingkan antar market, terlihat bahwa market dengan performa terbaik berbeda antara Major Market dan Small Market. Pada kategori Major Market, wilayah West memiliki rata-rata profit tertinggi, sedangkan pada kategori Small Market, Central justru menjadi yang tertinggi.

Perbedaan ini menunjukkan bahwa performa market tidak sepenuhnya konsisten di setiap ukuran pasar. Artinya, suatu wilayah yang unggul pada pasar besar belum tentu memiliki performa terbaik pada pasar kecil. Hal ini mengindikasikan bahwa selain ukuran pasar, faktor lain seperti strategi pemasaran, karakteristik konsumen, dan efisiensi operasional juga turut mempengaruhi profit. Dengan demikian, perusahaan perlu menyesuaikan strategi bisnis berdasarkan kombinasi market dan ukuran pasar, karena performa tidak dapat digeneralisasi hanya dari satu aspek saja.

Kesimpulan

Berdasarkan hasil analisis, biaya memiliki pengaruh signifikan terhadap profit, di mana COGS berkontribusi positif sementara Total Expenses berdampak negatif. Selain itu, produk Coffee merupakan produk paling menguntungkan dibandingkan produk lainnya. Analisis market menunjukkan bahwa market dengan ukuran besar cenderung menghasilkan profit lebih tinggi, namun performa antar market tidak selalu konsisten pada setiap ukuran pasar. Oleh karena itu, perusahaan perlu mempertimbangkan efisiensi biaya, fokus pada produk unggulan, serta menyesuaikan strategi berdasarkan karakteristik market untuk meningkatkan profit.