Tugas SIM1
Cavellian Senarendra
2026-04-19
Analisis Selisih antara Budget dan Realisasi Sales serta Profit
Analisis ini bertujuan untuk mengevaluasi kesesuaian antara budget target yang telah diteteapkan perusahaan dengan realisasi kinerja aktual, khususnya pada variabel penjualan dan profit.
Dalam kondisis bisnis, budget digunakan sebagai acuan perencanaan untuk mencapai target tertentu dalam periode waktu yang telah ditetapkan. Namun dalam praktiknya, realisasi yang dicapai tidak selalu sesuai dengan target yang dicapai tidak selalu sesuai dengan target yang telah ditentukan.
Oleh karena itu, analisis ini difokuskan pada perbandingan antara nilai budget dan nilai aktual untuk mengidentifikasi apakah kinerja perusahaan cenderung berada di atas target atau di bawah target
Selain itu, analisis ini juga bertujuan untuk melihat variasi pencapaian tersebut berdasarkan kategori produk atau market, sehingga dapat diketahui bagian mana yang memiliki performa baik maupun yang masih perlu ditingkatkan.
Hasil dari analisis ini diharapkan dapat memberikan gambaran mengenai efektivitas perencanaan yang telah dilakukan serta menjadi dasar evaluasi dalam penyusunan strategi bisnis kedepan
#IMPORT DATASET YANG DIGUNAKAN
library(readxl)## Warning: package 'readxl' was built under R version 4.5.2X1_Tugas_SIM_2025B_Coffee_Chain_Datasets <- read_excel("D:/Kuliah/SIM/1. Tugas SIM 2025B - Coffee Chain Datasets.xlsx")
View(X1_Tugas_SIM_2025B_Coffee_Chain_Datasets)#LOAD LIBRARY UNTUK VISUALISASI DAN ANALISIS
library(dplyr)## Warning: package 'dplyr' was built under R version 4.5.2##
## Attaching package: 'dplyr'## The following objects are masked from 'package:stats':
##
## filter, lag## The following objects are masked from 'package:base':
##
## intersect, setdiff, setequal, unionlibrary(ggplot2)## Warning: package 'ggplot2' was built under R version 4.5.2#PERHITNGAN ANALISIS VARIABEL
data1 <- read_excel("D:/Kuliah/SIM/1. Tugas SIM 2025B - Coffee Chain Datasets.xlsx")
data1## # 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>sumx <- sum(data1$`Budget Profit`)
sumy <- sum(data1$Profit)
selisih <- sumx - sumy
selisih## [1] -783state_summary1 <- data1 %>%
group_by(State) %>%
summarise(
total_budgetprofit = sum(`Budget Profit`, na.rm = TRUE),
total_profit = sum(Profit, na.rm = TRUE),
selisih_profit = total_profit - total_budgetprofit)
state_summary1## # A tibble: 20 × 4
## State total_budgetprofit total_profit selisih_profit
## <chr> <dbl> <dbl> <dbl>
## 1 California 28380 31785 3405
## 2 Colorado 17620 17743 123
## 3 Connecticut 7920 7621 -299
## 4 Florida 11800 12310 510
## 5 Illinois 29280 30821 1541
## 6 Iowa 18340 22212 3872
## 7 Louisiana 7700 7355 -345
## 8 Massachusetts 14600 16442 1842
## 9 Missouri 5480 3601 -1879
## 10 Nevada 10660 10616 -44
## 11 New Hampshire 4020 2748 -1272
## 12 New Mexico 2660 799 -1861
## 13 New York 18440 20096 1656
## 14 Ohio 11960 10773 -1187
## 15 Oklahoma 8780 8558 -222
## 16 Oregon 12540 12439 -101
## 17 Texas 15900 15766 -134
## 18 Utah 10480 7751 -2729
## 19 Washington 12300 11405 -895
## 20 Wisconsin 9900 8702 -1198state_summary2 <- data1 %>%
group_by(State) %>%
summarise(
total_budgetsales = sum(`Budget Sales`, na.rm = TRUE),
total_sales = sum(Sales, na.rm = TRUE),
selisih_sales = total_sales - total_budgetsales)
state_summary2## # A tibble: 20 × 4
## State total_budgetsales total_sales selisih_sales
## <chr> <dbl> <dbl> <dbl>
## 1 California 90680 96892 6212
## 2 Colorado 45280 48179 2899
## 3 Connecticut 21840 25429 3589
## 4 Florida 32600 37443 4843
## 5 Illinois 70640 69883 -757
## 6 Iowa 47000 54750 7750
## 7 Louisiana 21140 23161 2021
## 8 Massachusetts 27000 29965 2965
## 9 Missouri 22760 24647 1887
## 10 Nevada 46540 60159 13619
## 11 New Hampshire 12880 14887 2007
## 12 New Mexico 15060 15892 832
## 13 New York 63580 70852 7272
## 14 Ohio 33280 34517 1237
## 15 Oklahoma 24780 27463 2683
## 16 Oregon 35420 40899 5479
## 17 Texas 37220 37410 190
## 18 Utah 32320 35384 3064
## 19 Washington 34740 38930 4190
## 20 Wisconsin 31400 33069 1669ggplot(state_summary1, aes(x = State, y = selisih_profit, fill = selisih_profit > 0)) +
geom_bar(stat = "identity") +
labs(
title = "Selisih Profit vs Budget Profit per State",
x = "State",
y = "Selisih Profit"
) +
scale_fill_manual(values = c("red", "green"), labels = c("Underperform", "Overperform")) +
scale_x_discrete(guide = guide_axis(n.dodge = 4)) +
theme_minimal()
ggplot(state_summary2, aes(x = State, y = selisih_sales, fill = selisih_sales > 0)) +
geom_bar(stat = "identity") +
labs(
title = "Selisih Sales vs Budget Sales per State",
x = "State",
y = "Selisih Sales"
) +
scale_fill_manual(values = c("red", "green"), labels = c("Underperform", "Overperform")) +
scale_x_discrete(guide = guide_axis(n.dodge = 4)) +
theme_minimal()
Berdasarkan hasil analisis, terlihat bahwa pencapaian antara sales dan profit tidak selalu berjalan searah. Beberapa state menunjukkan kinerja penjualan (sales) yang baik dan mampu mencapai atau bahkan melampaui target yang telah ditetapkan. Namun, kondisi tersebut tidak selalu diikuti oleh pencapaian profit yang optimal.
Terdapat beberapa state dengan selisih sales positif (overperform), tetapi memiliki selisih profit yang rendah atau bahkan negatif (underperform). Hal ini menunjukkan bahwa tingginya penjualan tidak secara langsung menjamin peningkatan keuntungan. Kondisi ini dapat disebabkan oleh tingginya biaya yang dikeluarkan, seperti biaya operasional, marketing, maupun cost of goods sold (COGS), sehingga mengurangi profit yang dihasilkan.
Di sisi lain, terdapat juga state yang menunjukkan pencapaian profit yang baik meskipun tidak memiliki sales yang terlalu tinggi. Hal ini mengindikasikan adanya efisiensi dalam pengelolaan biaya atau margin keuntungan yang lebih tinggi pada produk yang dijual.
Secara keseluruhan, hasil analisis ini menunjukkan bahwa evaluasi kinerja tidak dapat hanya didasarkan pada sales, tetapi perlu mempertimbangkan profit sebagai indikator utama keberhasilan bisnis. Oleh karena itu, perusahaan perlu menyeimbangkan antara peningkatan penjualan dan efisiensi biaya agar dapat mencapai profit yang optimal.
IN
Note that the echo = FALSE parameter was added to the
code chunk to prevent printing of the R code that generated the
plot.