Penjelasan Data

Data ini merupakan data penjualan sepeda yang ada di berbagai Negara. Kita akan menganalisis penjualan yang dilakukan oleh Toko Sepeda. Terutama dari berapa jumlah penjualan barang,keuntungan, berapa pengeluaran dan produk apa saja yang harus ditingkatkan.

Data diambil dari kaggle: https://www.kaggle.com/code/sadiqshah/bike-store-sales-in-europe/data # Import Library Sebelum kita mulai mari kita memasukkan library yang dibutuhkan untuk kebutuhan kita

library(lubridate)
## 
## Attaching package: 'lubridate'
## The following objects are masked from 'package:base':
## 
##     date, intersect, setdiff, union
library(ggplot2)
library(tidyr)
library(scales)
options(scipen = 9999)

Inspeksi Data

Mari kita inputkan data terlebih dahulu

sales = read.csv("data_input/Sales.csv")
head(sales, 3)
tail(sales, 4)
dim(sales)
## [1] 113036     18

Data Cleansing

Kita melakukan pengecekan tipe data terlebih dahulu, karena data yang kita gunakan belum tentu cocok.

str(sales)
## 'data.frame':    113036 obs. of  18 variables:
##  $ Date            : chr  "2013-11-26" "2015-11-26" "2014-03-23" "2016-03-23" ...
##  $ Day             : int  26 26 23 23 15 15 22 22 22 22 ...
##  $ Month           : chr  "November" "November" "March" "March" ...
##  $ Year            : int  2013 2015 2014 2016 2014 2016 2014 2016 2014 2016 ...
##  $ Customer_Age    : int  19 19 49 49 47 47 47 47 35 35 ...
##  $ Age_Group       : chr  "Youth (<25)" "Youth (<25)" "Adults (35-64)" "Adults (35-64)" ...
##  $ Customer_Gender : chr  "M" "M" "M" "M" ...
##  $ Country         : chr  "Canada" "Canada" "Australia" "Australia" ...
##  $ State           : chr  "British Columbia" "British Columbia" "New South Wales" "New South Wales" ...
##  $ Product_Category: chr  "Accessories" "Accessories" "Accessories" "Accessories" ...
##  $ Sub_Category    : chr  "Bike Racks" "Bike Racks" "Bike Racks" "Bike Racks" ...
##  $ Product         : chr  "Hitch Rack - 4-Bike" "Hitch Rack - 4-Bike" "Hitch Rack - 4-Bike" "Hitch Rack - 4-Bike" ...
##  $ Order_Quantity  : int  8 8 23 20 4 5 4 2 22 21 ...
##  $ Unit_Cost       : int  45 45 45 45 45 45 45 45 45 45 ...
##  $ Unit_Price      : int  120 120 120 120 120 120 120 120 120 120 ...
##  $ Profit          : int  590 590 1366 1188 238 297 199 100 1096 1046 ...
##  $ Cost            : int  360 360 1035 900 180 225 180 90 990 945 ...
##  $ Revenue         : int  950 950 2401 2088 418 522 379 190 2086 1991 ...

Kita lihat dari tipe data diatas. terdapat tipe-tipe data yang harus kita ubah. sebagai contoh yang perlu kita ubah adalah :

  1. Age_Group -> Faktor
  2. Customer_Gender -> Faktor
  3. Country -> Faktor
  4. State -> Faktor
  5. Product_Category -> Faktor
  6. Sub_Category-> Faktor
  7. Product -> Faktor
  8. Date -> Date

Oleh karena itu kita perlu ubah dengan cara menggunakan fungsi as.factor

sales$Age_Group <- as.factor(sales$Age_Group)
sales$Customer_Gender <- as.factor(sales$Customer_Gender)
sales$Country <- as.factor(sales$Country)
sales$State <- as.factor(sales$State)
sales$Product_Category <- as.factor(sales$Product_Category)
sales$Sub_Category <- as.factor(sales$Sub_Category)
sales$Product <- as.factor(sales$Product)

Untuk Kasus date kita akan mengubahnya dengan menggunakan fungsi dari library lubridate

sales$Date  <- ymd(sales$Date)

Setelah itu mari kita mengecek terlebih dahulu apakah tipe datanya sudah berubah atau belum kita gunakan fungsi str()

str(sales)
## 'data.frame':    113036 obs. of  18 variables:
##  $ Date            : Date, format: "2013-11-26" "2015-11-26" ...
##  $ Day             : int  26 26 23 23 15 15 22 22 22 22 ...
##  $ Month           : chr  "November" "November" "March" "March" ...
##  $ Year            : int  2013 2015 2014 2016 2014 2016 2014 2016 2014 2016 ...
##  $ Customer_Age    : int  19 19 49 49 47 47 47 47 35 35 ...
##  $ Age_Group       : Factor w/ 4 levels "Adults (35-64)",..: 4 4 1 1 1 1 1 1 1 1 ...
##  $ Customer_Gender : Factor w/ 2 levels "F","M": 2 2 2 2 1 1 1 1 2 2 ...
##  $ Country         : Factor w/ 6 levels "Australia","Canada",..: 2 2 1 1 1 1 1 1 1 1 ...
##  $ State           : Factor w/ 53 levels "Alabama","Alberta",..: 6 6 27 27 27 27 49 49 49 49 ...
##  $ Product_Category: Factor w/ 3 levels "Accessories",..: 1 1 1 1 1 1 1 1 1 1 ...
##  $ Sub_Category    : Factor w/ 17 levels "Bike Racks","Bike Stands",..: 1 1 1 1 1 1 1 1 1 1 ...
##  $ Product         : Factor w/ 130 levels "All-Purpose Bike Stand",..: 11 11 11 11 11 11 11 11 11 11 ...
##  $ Order_Quantity  : int  8 8 23 20 4 5 4 2 22 21 ...
##  $ Unit_Cost       : int  45 45 45 45 45 45 45 45 45 45 ...
##  $ Unit_Price      : int  120 120 120 120 120 120 120 120 120 120 ...
##  $ Profit          : int  590 590 1366 1188 238 297 199 100 1096 1046 ...
##  $ Cost            : int  360 360 1035 900 180 225 180 90 990 945 ...
##  $ Revenue         : int  950 950 2401 2088 418 522 379 190 2086 1991 ...

Setelah itu kita mengecek apakah data kita ada yang kosong atau tidak? kita bisa menggunakan fungsi anyNA(), dan untuk mengecek data kosong dapat menggunakan fungsi colSums(is.na())

colSums(is.na(sales))
##             Date              Day            Month             Year 
##                0                0                0                0 
##     Customer_Age        Age_Group  Customer_Gender          Country 
##                0                0                0                0 
##            State Product_Category     Sub_Category          Product 
##                0                0                0                0 
##   Order_Quantity        Unit_Cost       Unit_Price           Profit 
##                0                0                0                0 
##             Cost          Revenue 
##                0                0

Ketika kita mengecek datanya, ternyata data kita tidak memiliki data yang kosong

Data Exploration

kita bisa menggunakan fungsi summary untuk mengecek data kita

summary(sales)
##       Date                 Day           Month                Year     
##  Min.   :2011-01-01   Min.   : 1.00   Length:113036      Min.   :2011  
##  1st Qu.:2013-12-22   1st Qu.: 8.00   Class :character   1st Qu.:2013  
##  Median :2014-06-27   Median :16.00   Mode  :character   Median :2014  
##  Mean   :2014-11-23   Mean   :15.67                      Mean   :2014  
##  3rd Qu.:2016-01-09   3rd Qu.:23.00                      3rd Qu.:2016  
##  Max.   :2016-07-31   Max.   :31.00                      Max.   :2016  
##                                                                        
##   Customer_Age                  Age_Group     Customer_Gender
##  Min.   :17.00   Adults (35-64)      :55824   F:54724        
##  1st Qu.:28.00   Seniors (64+)       :  730   M:58312        
##  Median :35.00   Young Adults (25-34):38654                  
##  Mean   :35.92   Youth (<25)         :17828                  
##  3rd Qu.:43.00                                               
##  Max.   :87.00                                               
##                                                              
##            Country                   State          Product_Category
##  Australia     :23936   California      :22450   Accessories:70120  
##  Canada        :14178   British Columbia:14116   Bikes      :25982  
##  France        :10998   England         :13620   Clothing   :16934  
##  Germany       :11098   Washington      :11264                      
##  United Kingdom:13620   New South Wales :10412                      
##  United States :39206   Victoria        : 6016                      
##                         (Other)         :35158                      
##             Sub_Category                    Product      Order_Quantity
##  Tires and Tubes  :33870   Water Bottle - 30 oz.:10794   Min.   : 1.0  
##  Bottles and Cages:15876   Patch Kit/8 Patches  :10416   1st Qu.: 2.0  
##  Road Bikes       :13430   Mountain Tire Tube   : 6816   Median :10.0  
##  Helmets          :12158   AWC Logo Cap         : 4358   Mean   :11.9  
##  Mountain Bikes   : 8854   Sport-100 Helmet, Red: 4220   3rd Qu.:20.0  
##  Jerseys          : 6010   Road Tire Tube       : 4176   Max.   :32.0  
##  (Other)          :22838   (Other)              :72256                 
##    Unit_Cost        Unit_Price         Profit             Cost        
##  Min.   :   1.0   Min.   :   2.0   Min.   :  -30.0   Min.   :    1.0  
##  1st Qu.:   2.0   1st Qu.:   5.0   1st Qu.:   29.0   1st Qu.:   28.0  
##  Median :   9.0   Median :  24.0   Median :  101.0   Median :  108.0  
##  Mean   : 267.3   Mean   : 452.9   Mean   :  285.1   Mean   :  469.3  
##  3rd Qu.:  42.0   3rd Qu.:  70.0   3rd Qu.:  358.0   3rd Qu.:  432.0  
##  Max.   :2171.0   Max.   :3578.0   Max.   :15096.0   Max.   :42978.0  
##                                                                       
##     Revenue       
##  Min.   :    2.0  
##  1st Qu.:   63.0  
##  Median :  223.0  
##  Mean   :  754.4  
##  3rd Qu.:  800.0  
##  Max.   :58074.0  
## 

Dari hasil summary diatas kita dapat mendapatkan informasi yaitu :

  1. Penjualan pertama sepeda terjadi pada tanggal 2011-01-01
  2. Kebanyakan pembeli yaitu laki-laki
  3. Banyak pembeli yang dewasa dan berumur (35-64)
  4. Terdapat 3 Jenis Produk Kategori
  5. Terdapat 6 Jenis Negara

Kita ingin tahu profit terkecil itu berada di data yang mana, kita gunakan subsetting pada data yang diinginkan

sales[sales$Profit == -30.0,]
sales[sales$Profit == 15096.0,]
unique(sales$Customer_Age)
##  [1] 19 49 47 35 32 34 29 51 48 43 61 57 38 52 24 23 26 54 46 41 33 42 45 53 21
## [26] 22 67 31 37 87 25 40 44 55 50 59 17 27 28 36 56 58 30 18 62 39 64 63 20 60
## [51] 84 68 65 73 69 66 75 76 78 71 72 82 86 77 74 85 81 80 70 79
unique(sales$Age_Group)
## [1] Youth (<25)          Adults (35-64)       Young Adults (25-34)
## [4] Seniors (64+)       
## Levels: Adults (35-64) Seniors (64+) Young Adults (25-34) Youth (<25)

Total Profit yang didapatkan

sum(sales$Profit)
## [1] 32221100

Berikut adalah Pendapatan dan Pengeluaran setiap negara

country_rcp <- aggregate(cbind(Revenue,Cost,Profit) ~Country, sales, sum)
country_rcp

Kita ingin mengetahui mengenai Revenue, Cost, Profit yang terbesar dan terkecil

prof_agg <- aggregate(Profit ~ Country,sales, sum)
prof_agg[order(prof_agg$Profit, decreasing = T),]
rev_agg <- aggregate(Revenue ~ Country,sales, sum)
rev_agg[order(rev_agg$Revenue, decreasing = T),]
cost_agg <- aggregate(Cost ~ Country,sales, sum)
cost_agg[order(cost_agg$Cost, decreasing = T),]

Kita mendapatkan informasi bahwa:

  1. Pendapatan penjualan terbesar terdapat pada Negara Amerika Serikat, sedangkan penjualan terkecil terdapat pada Negara Canada
  2. Biaya yang keluarkan pada saat proses manufaktur terbesar terdapat pada Amerika Serikat, sedangkan yang terkecil terdapat pada Canada
  3. Profit yang terbesar terdapat pada Amerika Serikat, sedangkan profit yang terkecil terdapat pada Negara France

Kita ingin melihat revenue(pendapatan penjualannya) setiap tahunnya,disetiap negara.

xtabs(Revenue~Year +Country,sales)
##       Country
## Year   Australia  Canada  France Germany United Kingdom United States
##   2011   2529914  789798  946624  833603         823481       3041468
##   2012   2557511  835527  962153  835188         834885       3150719
##   2013   4107470 1443537 1431870 1452704        1868796       4935660
##   2014   2802842 1471522 1411100 1702508        2014044       4750708
##   2015   5712339 1731954 1877928 1931091        2484181       6286498
##   2016   3591983 1663400 1803197 2223502        2620809       5810494

Setelah itu apakah korelasi antara penjualan dan Profit dari transaksi yang dilakukan apakah memiliki hubungan yang kuat?

cor.test(sales$Revenue, sales$Profit)
## 
##  Pearson's product-moment correlation
## 
## data:  sales$Revenue and sales$Profit
## t = 1103.3, df = 113034, p-value < 0.00000000000000022
## alternative hypothesis: true correlation is not equal to 0
## 95 percent confidence interval:
##  0.9560735 0.9570643
## sample estimates:
##       cor 
## 0.9565717

Setelah dilakukan korelasi ternyata memiliki korelasi yang berbanding lurus, dimana semakin besar pendapatan yang didapatkan maka semakin besar juga profit yang didapatkan

Kita ingin mengetahui berapa banyak barang yang terjual di seluruh negara yang ada.

sum(sales$Order_Quantity)
## [1] 1345316

Setelah itu kita ingin melihat, negara mana yang memiliki order quantity terbanyak dan terkecil

agg2 <- aggregate(Order_Quantity ~ Country,sales, sum)
agg2[order(agg2$Order_Quantity, decreasing = T),]

Kita bisa melihat bahwa United States memiliki order_quantity yang banyak, sedangkan yang terkecil terdapat pada Jerman

Kita ingin mengetahui jenis produk apa saja yang dijual

table(sales$Product_Category)
## 
## Accessories       Bikes    Clothing 
##       70120       25982       16934

Ternyata ada 3 jenis produk yang terjual yaitu Aksesoris, Sepeda, dan pakaian

Setelah itu kita ingin mengetahui jenis produk apa yang sering dibeli oleh masyarakat

agg3 <- aggregate(Order_Quantity ~ Product_Category + Sub_Category,sales, sum)
agg3[order(agg3$Order_Quantity, decreasing = T),]

Jenis produk yang sering dibeli masyarakt pada umumnya yaitu Aksesoris sepeda, yaitu Tires and Tubes, sedangkan produk yang sedikit di beli yaitu dibagian aksesoris sepeda juga yaitu Bike Stands

aggregate(x=Order_Quantity ~ Country, data=sales, FUN=sum)

Keuntungan setiap produk yang terjual di berbagai negara

agg5 <- aggregate(Profit ~ Product_Category + Sub_Category ,sales, sum)
agg5[order(agg5$Profit, decreasing = T),]

Kategori produk yang menghasilkan profit lebih besar adalah kategori produk Sepeda yaitu bagian roda sepeda.

Selanjutnya mari kita mengecek umur pembeli yang sering membeli barang dari toko sepeda

sales_agg <- as.data.frame(table(sales$Product_Category, sales$Age_Group))
sales_agg

Data Visualization

ggplot(data = agg3, mapping = aes(x = Order_Quantity, y = reorder(Sub_Category, Order_Quantity))) +
  geom_col(aes(fill = Order_Quantity), show.legend = FALSE) +
  scale_fill_continuous(low = "blue", high = "black") +
  geom_label(aes(label=Order_Quantity)) +
  labs(
    title = "Top Sub Product based on Order Quantity",
    subtitle = "from 2011 - 2016",
    y = "Sub Product",
    x = "Item Count"
  ) +
  theme_minimal()

Jika kita melihat dari grafik diatas ternyata barang yang paling banyak dibeli merupakan sub produk dari Bottles dan Cages

coun_pivot<- pivot_longer(data = country_rcp,
                          cols = c("Revenue","Cost","Profit"))
coun_pivot

Sebelum kita membuat visualisasinya kita masukkan terlebih dahulu label dollar

label_dollar <- label_dollar(prefix = "$ ")
ggplot(data = coun_pivot, aes(x = Country, y = value)) +
  geom_col(aes(fill = name), position = "dodge") +
  labs(
    title = "Total Revenue, Cost, and Profit",
    x = NULL,
    y = NULL) +
  scale_y_continuous(labels = label_dollar)

ggplot(data = sales_agg, aes(x = Freq, y = reorder(Var1, Freq))) +
  geom_col(aes(fill = Var2), position = "fill") +
  scale_fill_brewer(palette = "Set2") +
   labs(title = "Age Group of Product Category",
        caption = "Source: Bike-Sales",
        x = "Category",
        y = NULL,
        fill = NULL) +
  theme(legend.position = "top", # untuk mengubah posisi legend
        plot.title.position = "plot") 

ggplot(data = agg2, aes(x = Order_Quantity, y = reorder(Country,Order_Quantity))) +
  geom_col(aes(fill = Order_Quantity)) +
  scale_fill_continuous(low ="blue", high = "black")+
  labs(
    title = "Order Quantity by Country",
    x = "Count",
    y = NULL) +
  theme_minimal()

Kita ingin melihat trend setiap tahun dari profit,revenue dan cost

year_rcp <- aggregate(cbind(Revenue,Cost,Profit)~Year, sales, sum)
year_pivot<- pivot_longer(data = year_rcp,
                          cols = c("Revenue","Cost","Profit"))
year_pivot
# ggplot(data = year_pivot, aes(x = Year, y = value)) +
#   geom_col(aes(fill = name), position = "dodge") +
#   facet_wrap(~name, scales = "free_y")

ggplot(data = year_pivot, aes(x = Year, y = value, group = name, col = name)) +
  geom_line() +
  geom_point() +
  labs(
    title = "Total Revenue,Profit,Cost Each Year",
    x = "Year",
    y = NULL,
    col = "Category"
  ) +
  scale_y_continuous(labels = label_dollar)+
  theme_minimal() +
  scale_color_manual(values = c("black", "blue", "red"))

Penjelasan

Jadi Toko Sepeda ini sudah bergerak selama 5 tahun, dimulai dari tahun 2011-2016. Toko sepeda ini sudah menjual sekitar:

  1. Australia dengan 263585 yang terjual dengan keuntungan 6776030 dollar
  2. Canada dengan 192259 yang terjual dengan keuntungan 3717296 dollar
  3. France dengan 128995 yang terjual dengan keuntungan 2880282 dollar
  4. Germany dengan 125720 yang terjual dengan keuntungan 3359995 dollar
  5. United Kingdom dengan 157218 yang terjual dengan keuntungan 4413853 dollar
  6. United States dengan 477539 yang terjual dengan keuntungan 11073644 dollar

Yang jika kita totalkan maka, 1345316 barang terjual, dengan total profit yang didapatkan sebesar 32221100 Dollar . Toko sepeda ini menjual berbagai jenis produk diantaranya : Aksesoris, Sepeda, dan Pakaian. Produk yang menjadi profit tertinggi yaitu Sepeda di bagian roda sepeda dengan Nilai sebesar 10078875 Dollar.

  • Jenis produk yang banyak dibeli berdasarkan order quantity, pada umumnya yaitu Aksesoris sepeda, yaitu Tires and Tubes
  • Berdasarkan Revenue,Cost,Profit setiap negara bahwa:
    • Pendapatan penjualan terbesar terdapat pada Negara Amerika Serikat, sedangkan penjualan terkecil terdapat pada Negara Canada
    • Biaya yang keluarkan pada saat proses manufaktur terbesar terdapat pada Amerika Serikat, sedangkan yang terkecil terdapat pada Canada
    • Profit yang terbesar terdapat pada Amerika Serikat, sedangkan profit yang terkecil terdapat pada Negara France
  • Banyak kelompok usia 35-64 yang membeli Kategori Product berupa Accessories,Bikes, dan Clothing
  • Negara Amerika Serikat yang paling banyak membeli barang berdasarkan order quantity
  • Kalau kita melihat trend data bahwa tahun 2015 terjadi Revenue, Cost, Profit terbesar, dan yang terkecil terjadi pada tahun 2011