library(readxl) data_uts <- read_excel( “C:/Users/acer/OneDrive/Dokumen/bakery_synthetic_dataset.xlsx”, col_names = TRUE ) data_uts
## Ringkasan Dataset
#ini adalah dataset retail bakery sintetis, dataset ini memiliki 16.569 catatan transaksi dalam periode 2 tahun dari januari 2023 sampai desember 2024. dataset ini mencakup 13 variabel data yang terdiri dari tanggal transaksi, umur customer, produk & kategori, quantity, harga jual per unit, persentase diskon, harga jual, total bayar, metode pembayaran,stok tersedia, jumlah produksi unit, unit terjual. dataset ini kita ambil dari kaggle https://www.kaggle.com/datasets/shreyashdodekar/synthetic-bakery-sales-dataset/data
## Statistika Deskriptif
### Summary Data
summary(data_uts)
### Modus Data Kategorik
modus_Product <- names(which.max(table(data_uts$Product)))
paste("Modus data kolom Product :",modus_Product)
modus_Category <- names(which.max(table(data_uts$Category)))
paste("Modus data kolom Category :",modus_Category)
modus_Payment_Method <- names(which.max(table(data_uts$Payment_Method)))
paste("Modus data kolom Payment Method :",modus_Payment_Method)
sd_CustomerAge <- sd(data_uts$Customer_Age, na.rm = TRUE) paste(“Standar Deviasi data kolom Customer Age :”,sd_CustomerAge)
sd_Quantity <- sd(data_uts$Quantity, na.rm = TRUE) paste(“Standar Deviasi kolom Quantity :”,sd_Quantity)
sd_Unit_Price <- sd(data_uts$Unit_Price, na.rm = TRUE) paste(“Standar Deviasi kolom Unit Price :”,sd_Unit_Price)
sd_DiscountPercentage <- sd(data_uts$Discount_Percentage, na.rm = TRUE) paste(“Standar Deviasi kolom Discount Percentage :”,sd_DiscountPercentage)
sd_Selling_Price <- sd(data_uts$Selling_Price, na.rm = TRUE) paste(“Standar Deviasi kolom Selling Price :”,sd_Selling_Price)
sd_Total_Bill <- sd(data_uts$Total_Bill, na.rm = TRUE) paste(“Standar Deviasi kolom Total Bill :”,sd_Total_Bill)
sd_Stock_Available <- sd(data_uts$Stock_Available, na.rm = TRUE) paste(“Standar Deviasi kolom stock Available :”,sd_Stock_Available)
sd_Units_Produced <- sd(data_uts$Units_Produced, na.rm = TRUE) paste(“Standar Deviasi kolom Units Produced :”,sd_Units_Produced)
sd_Units_Sold <- sd(data_uts$Units_Sold, na.rm = TRUE) paste(“Standar Deviasi kolom Units Sold :”,sd_Units_Sold)
sd_Profit <- sd(data_uts$Profit, na.rm = TRUE) paste(“Standar Deviasi kolom Profit :”,sd_Profit)
``` ## Ringkasan Statistika Deskriptif Data #Date (Tanggal) Untuk variabel Date, data transaksi dimulai dari 1 Januari 2023 sampai 31 Desember 2024. Nilai mediannya ada di 5 Januari 2024, sedangkan rata-ratanya 4 Januari 2024
# Customer Age (Usia Pelanggan) Kalau liat dari usia pelanggan, yang paling muda umurnya 16 tahun dan yang paling tua 74 tahun. rata-rata usianya sekitar 34 tahun, sedangkan mediannya 30 tahun
# Product (Produk) variabel Product ini isinya nama produk yang dibeli pelanggan. Jumlah datanya ada 16.569. Karena isinya berupa teks, hasilnya nggak menampilkan rata-rata atau nilai maksimum seperti variabel angka. produk yang paling sering di beli yaitu bread, bisa dilihat pada modus
#Category (Kategori) Variabel Category ini nunjukin apa aja dari produk yang dijual. Sama seperti Product, bisa dilihat pada modus category yang sering dibeli yaitu beverage
#Quantity (Jumlah Barang) jumlah barang yang dibeli paling dikit 1 unit dan paling banyak 6 unit. Rata-ratanya sekitar 2,59 unit, dengan median 2 unit. Jadi, kalau diliat secara umum, pelanggan biasanya beli sekitar 2 sampai 3 barang dalam satu transaksi
# Unit Price (Harga Satuan) nilai paling rendahnya 24,25 dan paling tingginya 463,49. Rata-rata harganya 85,69, sedangkan mediannya 50,81
# Discount Percentage (Persentase Diskon) persentasenya mulai dari 0% sampai 30%. Rata-rata diskon yang diberikan sekitar 6,66%, sedangkan mediannya 3,8%. Artinya, ada transaksi yang nggak dapat diskon sama sekali, tetapi ada juga yang mendapat potongan harga cukup besar
#Selling_Price (Harga Jual) harga jual paling rendah ada di 17,17 dan paling tinggi 463,30. Rata-ratanya 79,96, sementara mediannya 48,24. Ini nunjukin kalo harga jual produknya cukup beragam
#Total Bill (Total Tagihan) total tagihan itu nilainya mulai dari 17,61 sampai 2.758,98. Rata-rata tagihannya sebesar 207,86, sedangkan mediannya 119,96. Dari sini keliatan kalo jumlah pembayaran tiap pelanggan cukup berbeda. ada yang belanjanya sedikit, ada juga yang belanja nya banyak sampe total tagihannya besar
#Payment_Method (Metode Pembayaran) Variabel Payment_Method berisi metode pembayaran yang dipakai pelanggan saat bertransaksi. Karena datanya berupa teks, jadi kita melihat pada modus yaitu UPI
#Stock_Available (Stok Tersedia) stok paling sedikit adalah 1 unit dan paling banyak 21 unit. Rata-rata stoknya sekitar 2,75 unit, dengan median 2 unit
#Units_Produced (Jumlah Produksi) jumlah produksi nilai paling rendahnya 2 unit dan paling tingginya 39 unit. rata-rata produksi sebesar 7,65 unit, sedangkan mediannya 7 unit. berarti, jumlah barang yang diproduksi berbeda-beda pada setiap data dan ga selalu berada di angka yang sama
#Units Sold (Jumlah Terjual) kalo untuk nilai paling rendahnya 1 unit dan paling tingginya 25 unit. rata-rata penjualannya 4,9 unit, dengan median 4 unit. seara umum jumlah barang yang terjual ada di sekitar 4 sampai 5 unit, meskipun ada transaksi dengan jumlah penjualan yang lebih tinggi.
#Profit (Keuntungan) Nilai keuntungan paling rendahnya itu di -2.152,66, sedangkan yang paling tinggi 898,42. Rata-ratanya justru -13,90 dan mediannya -0,42. Artinya, rata-rata keuntungan dalam data ini bernilai negatif.