300 Transaksi Penjualan ritel elektronik dan perlengkapan kantor 2025 (Januari-Desember) di 4 cabang

#aktifkan package
library(dplyr)
## 
## 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)

#membaca file csv
df_penjualan <- read.csv ("~/Nayla/R/data_penjualan.csv")
head(df_penjualan)
##   ID_Transaksi    Tanggal   Cabang   Admin    Kategori           Produk
## 1      TRX0001 2025-01-01  Jakarta    Maya  Elektronik   Smartwatch Fit
## 2      TRX0002 2025-01-01 Semarang    Budi Alat Kantor  Kertas A4 (Rim)
## 3      TRX0003 2025-01-02  Bandung   Putri    Aksesori Power Bank 20000
## 4      TRX0004 2025-01-05  Bandung   Wawan  Elektronik      Earbuds Pro
## 5      TRX0005 2025-01-05 Semarang    Budi Alat Kantor  Kertas A4 (Rim)
## 6      TRX0006 2025-01-09 Surabaya Lestari  Elektronik   Smartwatch Fit
##   Harga_Satuan Jumlah Diskon_Persen Total_Penjualan Metode_Pembayaran
## 1      1800000      2             0         3600000          E-Wallet
## 2        55000      3            15          140250      Kartu Kredit
## 3       280000      6             5         1596000             Tunai
## 4       650000      5            15         2762500          E-Wallet
## 5        55000      9             0          495000             Tunai
## 6      1800000      1             0         1800000          Transfer
##   Segmen_Pelanggan Rating
## 1             Baru      5
## 2             Baru      4
## 3             Lama      5
## 4             Baru      5
## 5             Lama      5
## 6             Lama      5

1. Penjualan Terbesar dan Produk apa yang paling banyak terjual

#Produk dengan Total Penjualan Terbesar
produk_terbesar <- df_penjualan %>%
  group_by(Produk) %>%
  summarise(Total_Nilai_Penjualan = sum(Total_Penjualan)) %>%
  arrange(desc(Total_Nilai_Penjualan)) %>%
  slice(1)
print(produk_terbesar)
## # A tibble: 1 × 2
##   Produk        Total_Nilai_Penjualan
##   <chr>                         <int>
## 1 Smartphone X5             314160000
#Produk paling banyak terjual berdasarkan jumlah unit
produk_unit_terbanyak <-df_penjualan %>%
  group_by(Produk) %>%
  summarise(Total_Unit = sum(Jumlah)) %>%
  arrange(desc(Total_Unit)) %>%
  slice(1)
print(produk_unit_terbanyak)
## # A tibble: 1 × 2
##   Produk          Total_Unit
##   <chr>                <int>
## 1 Kertas A4 (Rim)        289

2. Total Penjualan perCabang dengan Kategori Elektronik dengan diskon min 10%

#cabang mana yang tertinggi dan berapa nilainya?
soal_2 <- df_penjualan %>%
  filter(Kategori == "Elektronik", Diskon_Persen >= 10) %>%
  group_by(Cabang) %>%
  summarise(Total_Penjualan_Elektronik = sum(Total_Penjualan)) %>%
  arrange(desc(Total_Penjualan_Elektronik))
print(soal_2)
## # A tibble: 4 × 2
##   Cabang   Total_Penjualan_Elektronik
##   <chr>                         <int>
## 1 Surabaya                  155022500
## 2 Jakarta                    92865000
## 3 Semarang                   52305000
## 4 Bandung                    32017500

3.Pada Cabang Jakarta, Tentukan Jumlah Transaksi, Rata-rata, Metode Pembayaran

a.

#berapa jumlah transaksi dan rata-rata total penjualan pertransaksi dengan menggunakan metode pembayaran E-Wallet
soal_3a <- df_penjualan %>%
  filter(Cabang == "Jakarta", Metode_Pembayaran == "E-Wallet") %>%
  summarise(Jumlah_Transaksi = n(), 
            Rata_Rata_Penjualan = mean(Total_Penjualan))
print(soal_3a)
##   Jumlah_Transaksi Rata_Rata_Penjualan
## 1               38             3793776

b.

#metode pembayaran apa yang memiliki rata-rata total penjualan per transaksi tertinggi
soal_3b <- df_penjualan %>%
  filter(Cabang == "Jakarta") %>%
  group_by(Metode_Pembayaran) %>%
  summarise(Rata_Rata_Penjualan = mean(Total_Penjualan)) %>%
  arrange(desc(Rata_Rata_Penjualan)) %>%
  slice(1)
print(soal_3b)
## # A tibble: 1 × 2
##   Metode_Pembayaran Rata_Rata_Penjualan
##   <chr>                           <dbl>
## 1 Kartu Kredit                  4906550

4. Admin siapa yang memiliki total penjualan tertinggi jika hanya transaksi dengan jumlah >=5 unit dan Diskon_Persen >0

#berapa nilainya, danberapa transaksi yang ia tangani?
soal_4 <- df_penjualan %>%
  filter(Diskon_Persen >0) %>%
  group_by(Admin) %>%
  summarise(Total_Penjualan = sum(Total_Penjualan), 
            Jumlah_Transaksi = n()) %>%
  arrange(desc(Total_Penjualan)) %>%
  slice(1)
print(soal_4)
## # A tibble: 1 × 3
##   Admin Total_Penjualan Jumlah_Transaksi
##   <chr>           <int>            <int>
## 1 Agus        131596750               23

5. Analisis Eksplorasi Bebas dengan Temukan Sebanyak mungkin Insight yang bermanfaat bagi manajemen perusahaan

(i) Kode R & Ringkasan Hasil

#eksplorasi segmen
library(dplyr)
library(ggplot2)
df_penjualan <- read.csv ("~/Nayla/R/data_penjualan.csv")

eksplorasi_segmen <- df_penjualan %>%
  group_by(Segmen_Pelanggan) %>%
  summarise(
    Total_Pendapatan = sum(Total_Penjualan), 
    Rata_Rata_Diskon = mean(Diskon_Persen), 
    Jumlah_Transaksi = n()
    ) %>%
  arrange(desc(Total_Pendapatan))
print(eksplorasi_segmen)
## # A tibble: 2 × 4
##   Segmen_Pelanggan Total_Pendapatan Rata_Rata_Diskon Jumlah_Transaksi
##   <chr>                       <int>            <dbl>            <int>
## 1 Lama                    650853250             8.71              175
## 2 Baru                    434009750             8.96              125
#visualisasi boxplot
library(ggplot2)

ggplot(df_penjualan, aes(x = Segmen_Pelanggan, y = Total_Penjualan, fill = Segmen_Pelanggan)) +  geom_boxplot() + labs(title = "Diatribusi Total Penjualan Berdasarkan Segmen Pelanggan", x = "Segmen Pelanggan", y = "Total Penjualan (Rp)") + theme_minimal()

(ii) Interpretasi Hasil menunjukan kontribusi pendapatan total dari masing-masing faktor segmen pelanggan. Manajemen dapat melihat segmen mana yang memberikan volume transaksi atau nilai uang terbesar bagi perusahaan ritel elektronik.

(iii) Rekomendasi Tindakan Bisnis Jika segmen pelanggan tertentu mendominasi pendapatan, perusahaan dapat memfokuskan strategi pemasaran khusus untuk segmen tersebut guna mempertahankan penjagaan atau penahanan (retensi) pelanggan serta meningkatkan kemampuan suatu bisnis dalam menghasilkan keuntungan (profitabilitas) cabang secara keseluruhan.