LANGKAH-LANGKAH:

Dalam konteks kasus analisis data untuk toko kain yang telah disediakan, langkah-langkahnya dapat dijabarkan sebagai berikut:

1. Melakukan installasi python di pyhton.org dan Visual Studio Code

2. Siapkan tabel beriis data dan simpan tabel dalam bentuk .csv

3. Impor File Tabel:

   • Impor file CSV yang berisi data penjualan, pembelian, dan persediaan menggunakan modul pandas.

4. Import Modul Lainnya:

   • Impor modul matplotlib.pyplot untuk melakukan visualisasi data.

5. Pembersihan dan Penggabungan Data:

   • Lakukan pembersihan data jika diperlukan, seperti menghapus baris yang tidak relevan atau mengisi nilai yang hilang.
   • Gabungkan data dari tabel penjualan, pembelian, dan persediaan berdasarkan kategori barang.

6. Analisis Data:

   • Hitung total penjualan untuk setiap kategori barang selama bulan Mei 2023.
   • Identifikasi persediaan barang dengan saldo akhir di bawah 10 pada akhir bulan Mei 2023.
   • Lakukan analisis hubungan antara jumlah barang yang dibeli dan jumlah barang yang terjual untuk setiap kategori barang selama bulan Mei 2023.

7. Visualisasi Data:

   • Gunakan scatter plot untuk melihat hubungan antara jumlah barang yang dibeli dan jumlah barang yang terjual untuk setiap kategori barang.
   • Gunakan diagram pie untuk menampilkan proporsi penjualan dari setiap kategori barang selama bulan Mei 2023.
   • Gunakan grafik lain seperti diagram batang atau diagram pie 3D jika diperlukan.

STUDY CASE ANALISIS DATA KASUS 1

Sebagai manajer gudang, saya ingin mengetahui barang-barang yang memiliki perbedaan signifikan antara jumlah yang dibeli dan jumlah yang terjual selama bulan Mei 2024. Temukan barang-barang yang memiliki selisih lebih dari 5 unit antara jumlah yang dibeli dan jumlah yang terjual. Pertanyaan: Barang apa saja yang memiliki selisih lebih dari 5 unit antara jumlah yang dibeli dan jumlah yang terjual, dan berapa selisihnya?

HASIL :

INTERPRETASI Hasil visualisasi dalam bentuk bar chart menunjukkan barang-barang yang memiliki perbedaan signifikan antara jumlah yang dibeli dan jumlah yang terjual selama bulan Mei 2024. Berikut adalah deskripsi rinci dari hasil visualisasi tersebut: Komponen Visualisasi

1. Sumbu X (Horizontal):
   • Menampilkan nama-nama barang yang telah dipilih berdasarkan filter. Setiap batang vertikal mewakili satu jenis barang dari data penjualan.
2. Sumbu Y (Vertikal):
   • Menunjukkan selisih antara jumlah yang dibeli dan jumlah yang terjual. Nilai positif menunjukkan lebih banyak jumlah yang dibeli daripada yang terjual, sedangkan nilai negatif menunjukkan sebaliknya.
3. Judul Grafik:
   • "Barang dengan Selisih > 5 Unit antara Jumlah Dibeli dan Jumlah Terjual (Mei 2024)".
   • Menjelaskan konteks visualisasi bahwa hanya barang-barang dengan selisih lebih dari 5 unit yang ditampilkan.
4. Label Sumbu:
   • X-Axis: "Nama Barang" - Mewakili nama-nama barang yang berbeda.
   • Y-Axis: "Selisih (Jumlah Dibeli - Jumlah Terjual)" - Mewakili selisih antara jumlah yang dibeli dan jumlah yang terjual.
5. Warna Batang:
   • Warna batang yang digunakan untuk membedakan barang-barang yang berbeda. Interpretasi Visualisasi
6. Selisih Positif:
   • Barang dengan selisih positif menunjukkan bahwa jumlah yang dibeli lebih banyak daripada jumlah yang terjual. Ini dapat mengindikasikan adanya surplus stok untuk barang tersebut.
   • Contoh: Jika batang 'Barang E' memiliki selisih +5, artinya selama bulan Mei 2024, ada 5 unit lebih banyak yang dibeli daripada yang terjual.
7. Selisih Negatif:
   • Jika ada barang dengan selisih negatif (tidak ada dalam contoh ini karena filter hanya untuk selisih > 5 unit), ini akan menunjukkan bahwa jumlah terjual lebih banyak daripada jumlah yang dibeli, mengindikasikan kemungkinan kekurangan stok.
8. Bar Chart:
   • Setiap batang menunjukkan barang-barang tertentu. Batang yang lebih tinggi menunjukkan selisih yang lebih besar antara jumlah dibeli dan terjual.
   • Menjadi lebih jelas barang mana yang memiliki perbedaan terbesar dan mana yang perlu perhatian terkait manajemen stok.

KASUS 2

Analisis Persediaan: Anda ingin melihat barang-barang apa saja yang memiliki saldo akhir di bawah 10 pada akhir bulan Mei 2023.

HASIL INTERPRETASI : Dalam diagram scatter yang dihasilkan, setiap titik merepresentasikan satu barang dalam persediaan yang memiliki saldo akhir di bawah 10. Sumbu x menunjukkan nama barang, sementara sumbu y menunjukkan saldo akhir. Dengan menggunakan scatter plot, kita dapat dengan cepat melihat persebaran persediaan kritis di antara berbagai barang. Titik-titik yang lebih tinggi di sumbu y menunjukkan barang-barang dengan saldo akhir yang lebih rendah, sedangkan titik-titik yang lebih rendah menunjukkan barang-barang dengan saldo akhir yang lebih tinggi. Dengan menggunakan warna merah untuk menyoroti titik-titik ini, kita dapat dengan mudah mengidentifikasi barang-barang yang memerlukan perhatian lebih karena persediaannya dalam kondisi kritis.

KASUS 3

Analisis Penjualan: Anda ingin menghitung total penjualan (dalam uang) untuk setiap kategori barang selama bulan Mei 2023. "Wol" memiliki sektor yang paling besar dalam diagram pie, menyumbang 40% dari total penjualan, diikuti oleh "Linen" dengan 30%, "Sutra" dengan 20%, dan "Katun" dengan 10%. Dari hasil ini, kita bisa menginterpretasikan bahwa kategori barang "Wol" memiliki kontribusi penjualan yang paling signifikan, diikuti oleh "Linen" dan "Sutra". Ini menunjukkan bahwa barang-barang dalam kategori "Wol" adalah produk yang paling diminati oleh pelanggan selama bulan Mei 2023. Selain itu, kategori "Katun" memiliki kontribusi penjualan yang lebih rendah, mungkin karena produk dalam kategori tersebut memiliki permintaan yang lebih rendah atau persaingan yang lebih tinggi dengan kategori lain.

KASUS 4

Analisis Hubungan Antara Pembelian dan Penjualan: Anda ingin melihat hubungan antara jumlah barang yang dibeli dan jumlah barang yang terjual untuk setiap kategori barang selama bulan Mei 2023.