Analisis Deskriptif Terhadap Retail Online
Statistika — Merencanakan, Mengumpulkan, Mengolah, Menganalisa, Menginterpretasikan, Menyimpulkan Data
Data retail online yang digunakan dapat diperoleh dari aplikasi kaggle dengan nama “Retail Online” atau menggunakan url https://www.kaggle.com/sanjeet41/online-retail . Analisa akan dilakukan secara mendetail bagi perusahaan yang mempunyai data online retail tersebut untuk memajukan perusahaannya dengan melakukan kebijakan berdasarkan rekomendasi dari hasil analisa yang akan dilakukan.
Analisis dilakukan dengan menggunakan aplikasi RSTudio versi 3.5.1. Syntax yang digunakan dapat diperoleh pada akun Github penulis https://github.com/megluns pada file Business-Intelligence-and-Machine Learning/Analisis Deskriptif. Langkah-langkah yang dilakukan antara lain:
- Install Pakages dan Import Data
Sebelum melakukan analisis pada langkah-langkah dibawah ini, install dan jalankan package- package pada gambar 1, dimana package ‘ggplot2’ berfungsi untuk visualisasi data, package ‘readr’ untuk import data kedalam R, ‘dplyr’ untuk manipulasi data. Selanjutnya masukkan data yang diberi nama online menggunakan directory penyimpanan file data.
2. Mengetahui Dimensi dan Variabel Data
Berdasarkan gambar diatas diketahui bahwa data retail online yang diberi nama customer memiliki 240007 baris dan 8 kolom sebagai variabel. Variabel-variabel tersebut antara lain: invoiceNo sebagai nomor pembelian dengan tipe data faktor, StockCode adalah kode produk dengan tipe data faktor, Description adalah deskripsi dari produk tertentu dengan tipe data faktor, Quantity adalah jumlah produk yang tersedia dengan tipe data integer, InvoiceDate adalah tanggal pembelian dengan tipe data faktor, UnitPrice adalah harga produk per unitnya dengan tipe data number, CustomerID adalah ID pembeli yang bersifat unik dengan tipe data integer, Country adalah negara asal pembeli dengan tipe data faktor.
3. Frekuensi Transaksi Retail Online Berdasarkan Negara Customer
Dari gambar diatas diketahui bahwa customer tersebar dari 38 negara, dimana negara yang melakukan retail online atau belanja online terbanyak berasal dari United Kingdom dengan jumlah 220279 kali. Dan untuk customer yang melakukan retail online paling sedikit berasal dari negara Unit dengan jumlah 1 kali.
4. Frekuensi Penjualan Perhari
Berdasarkan gambar 4 diketahui jumlah penjualan perhari dalam 1 minggu. Penjualan tertinggi terjadi pada hari Kamis dengan penjualan 805537 produk, kemudian hari Selasa dengan 732736 produk, hari Rabu dengan 690984 produk, hari Jum’at dengan 555412 produk, hari Senin dengan 518657 produk, dan penjualan terendah terjadi pada hari Minggu dengan penjualan 322900 produk.
5. Produk yang Paling Banyak Diminati
Gambar 5 menjelaskan tentang 10 produk yang paling banyak diminati oleh customer. Urutan pertama yang paling diminati adalah produk dengan kode 22423, dimana produk ini telah terjual sebanyak 101062 produk dan kode DOT sebanyak 87936 produk, dan begitu seterusnya dimana semakin bawah urutan kode produk maka semakin sedikit pembeli dari produk tersebut.
6. Frekuensi Produk yang Terjual Berdasarkan Negara
Gambar 6 menunjukkan 10 peringkat tertinggi dengan jumlah produk yang terjual terhadap negara tertentu. Penjualan tertinggi berada pada negara United Kingdom dengan jumlah penjualan 3572911 produk. Kemudian dilanjutkan dengan Netherlands sebanyak 125721 produk, Germany sebanyak 103526 produk, EIRE sebanyak 99384 produk, France sebanyak 87443 produk, Australia sebanyak 79071 produk, Spain sebanyak 24723 produk, Switzerland sebanyak 22654 produk, Japan sebanyak 21133 produk, dan urutan ke 10 adalah Belgium sebanyak 17251 produk, dan begitu seterusnya dimana semakin bawah urutan negara maka semakin sedikit produk yang terjual pada negara tersebut.
7. Frekuensi Penjualan Berdasarkan Jam
Penjualan dengan jumlah yang tinggi juga memerlukan staff tambahan untuk agar proses penjualan tetap stabil. Gambar 7 merupakan jumlah produk yang terjual dalam jam tertentu, sehingga pemilik perusahaan dapat mempertimbangkan pada waktu yang mana ia akan membutuhkan staff tambahan. Gambar 8 menunjukkan bahwa penjualan dimulai pagi hari dengan jumlah produk yang terjual terus meningkat hingga mencapai titik puncak dimana penjualan tertinggi akan terjadi pada pukul 12:00 sebanyak 361320 penjualan dan menurun dengan signifikan hingga malam hari. Penjualan dengan 5 peringkat teratas berada pada pukul 12:00, dan menurun pada pukul 13:00 dengan jumlah 356564 penjualan, pukul 14:00 sebanyak 309820 penjualan, pukul 15:00 sebanyak 273300 penjualan, pukul 11:00 sebanyak 258016 , pukul 10:00 sebanyak 175610 penjualan dan seterusnya akan menurun.
8. Frekuensi Penjualan Berdasarkan Bulan
Gambar 10 merupakan plot dari penjualan produk perbulan, sehingga pemilik perusahaan dapat mengetahui puncak penjualan tertinggi yang dapat dipertimbangkan sebagai kebijakan dalam menarik perhatian konsumen. Berdasarkan plot yang ada diketahui bahwa penjualan tertinggi terjadi pada bulan ke-5 atau Mei dengan jumlah 648251 produk dan penjualan terendah terjadi pada bulan April dengan jumlah 426048 produk.
9. Frekuensi Produk yang Terjual Berdasarkan Customer
Gambar 11 menunjukkan ID costumer yang sering melakukan transaksi retail online atau berbelanja. Diketahui bahwa customer dengan ID 14646 merupakan customer paling banyak yang melakukan retail online dengan jumlah produk terbeli sebanyak 121929 produk. Kemudian diurutan kedua diduduki oleh customer dengan ID 18102 dengan jumlah pembelian sebanyak 106443 produk, urutan ketiga customer dengan ID 12415 dengan pembelian 73717 produk, dan seterusnya dimana semakin bawah keduduk ID customer maka semakin sedikit produk yang dibeli.
Setelah melakukan analisis deskriptif diatas, maka dapat direkomendasikan beberapa kebijakan yang dapat digunakan untuk memajukan perusahaan tersebut, antara lain:
- Gratis ongkos kirim produk yang dibeli ke negara United Kingdom berdasarkan analisis frekuensi transaksi atas negara customer tertinggi.
- Menambah jumlah staff pada Hari Kamis berdasarkan analisis frekuensi tertinggi penjualan per hari.
- Memberi poin setiap kali pembelian kepada customer yang dapat ditukarkan dengan produk tertentu berdasarkan analisis frekuensi pembelian produk atas ID customer
- Memberi diskon atau potongan harga pada bulan Mei berdasarkan analisis penjualan tertinggi perbulan.
- Menjalankan Flash Sale pada jam 12:00 berdasarkan analisis penjualan tertinggi atas jam.
- Mengadakan kuis berhadiahkan voucher belanja pada Hari Kamis berdasarkan analisis frekuensi tertinggi penjualan per hari.
- Memberi cashback 10% atas pembelian produk dengan code 22423 berdasarkan analisis produk yang paling sering terjual.
