Analisis Dataset Coffee Chain

Data yang Digunakan

Data dalam analisis ini menggunakan data dari Dataset Coffee Chain yang berisi data tentang deksripsi produk, deskripsi lokasi, serta laporan keuangan.

Berikut langkah-langkah dalam analisis:

INSTALL LIBRARY

Menginstalasi library yang dibutuhkan dalam analisis

library(DBI)
library(RMySQL)
library(dplyr)
library(ggplot2)
library(scales)

CONNECT DATABASE

con <- DBI::dbConnect(odbc::odbc(),
                      Driver    = "MySQL ODBC 8.0 ANSI Driver", 
                      Server    = "127.0.0.1",
                      UID       = "root",
                      PWD       = "chal10nsha",
                      Port      = 3306)
con1 <- DBI::dbConnect(odbc::odbc(),
                      Driver    = "MySQL ODBC 8.0 ANSI Driver", 
                      Server    = "127.0.0.1",
                      Database  = "coffeechain",
                      UID       = "root",
                      PWD       = "chal10nsha",
                      Port      = 3306)

CEK DATA

dbListTables(con1)
dbGetQuery(con1, "SELECT * FROM facttable")
dbGetQuery(con1, "SELECT * FROM product")
dbGetQuery(con1, "SELECT * FROM location")

ANALISIS JUMLAH PROFIT UNTUK SETIAP MARKET

profit_per_market <- dbGetQuery(con1, "
    SELECT 
        l.Market,
        SUM(f.Profit) AS total_profit
    FROM factTable f
    JOIN Location l ON f.`Area Code` = l.`Area Code`
    GROUP BY l.Market
    ORDER BY total_profit DESC
")

print(profit_per_market)

##    Market total_profit
## 1 Central        93852
## 2    West        73996
## 3    East        59217
## 4   South        32478

Selanjutnya dilakukan perhitungan persentase untuk jumlah profit setiap market

profit_per_market <- profit_per_market %>%
  mutate(
    percentage = total_profit / sum(total_profit) * 100,
    label = paste0(Market, "\n", round(total_profit/1000, 1), "K\n(", round(percentage, 1), "%)")
  )

Melakukan visualisasi fata dari hasil yang analisis Berdasarkan pie chart untuk Distribusi Total Profit per Market, terlihat bahwa Market Central memiliki jumlah profit paling besar dibandingkan market yang lain. Tampak untuk Market South memiliki jumlah profit terendah yang bahkan kurang dari 50% jumlah profit Market Central. Sehingga, penjualan atau promosi untuk Market South dapat ditingkatkan atau lebih sering dilakukan daripada 3 Market lainnya.

ANALISIS JUMLAH PROFIT UNTUK SETIAP TIPE KATEGORI

profit_per_product <- dbGetQuery(con1, "
    SELECT 
        p.`Product Type` AS product_type,
        SUM(f.Profit) AS total_profit
    FROM factTable f
    JOIN Product p ON f.ProductId = p.ProductId
    GROUP BY p.`Product Type`
    ORDER BY total_profit DESC
")

print(profit_per_product)

##   product_type total_profit
## 1       Coffee        74683
## 2     Espresso        68620
## 3   Herbal Tea        63254
## 4          Tea        52986

Melanjutkan visualisasi data untuk hasil jumlah profit setiap tipe kategori Pada bar chart untuk total profit setiap tipe produk, terlihat bahwa produk tipe coffee memiliki jumlah profit yang paling tinggi, disusul dengan expresso, herbal tea, dan tea. Namun pada jumlah profit disetiap tipe produk tidak memiliki perbedaan yang besar. Setiap tipe produk memiliki jumlah profit di atas 50.000. Namun, penjualan untuk tipe produk tea tetap harus diperhatikan.