Analisis komparatif harga produk kategori Elektronik pada dua marketplace terbesar di Indonesia menggunakan uji Mann-Whitney U, untuk membuktikan signifikansi perbedaan harga serta merumuskan rekomendasi bisnis bagi penjual, pelanggan, dan pihak marketplace.
Status: Selesai — 22 September 2026 Analis: Rahel (@Rahelxv)
Tokopedia dan Shopee merupakan dua platform e-commerce dengan pangsa akses terbesar di Indonesia, menopang pasar transaksi digital yang tumbuh dari Rp205,5 triliun (2019) menjadi Rp487,01 triliun (2024) (Bank Indonesia, 2025). Meskipun sama-sama beroperasi di kategori Elektronik, kedua platform menunjukkan pola harga yang tampak sangat berbeda pada pengamatan awal.
Memahami apakah perbedaan ini nyata secara statistik — dan apa yang mendasarinya — penting baik bagi pelanggan (memilih platform sesuai kebutuhan) maupun bagi penjual (menempatkan produk di platform yang tepat).
Membuktikan signifikansi perbedaan harga produk elektronik antara Tokopedia dan Shopee, memahami faktor yang mendasarinya, serta merumuskan rekomendasi aksi bagi seluruh pihak terkait.
Pertanyaan yang dijawab:
- Secara statistik, apakah ada perbedaan signifikan pada harga yang ditawarkan kedua marketplace?
- Apa alasan yang mendasari terjadinya (atau tidak terjadinya) perbedaan tersebut?
- Apa rekomendasi bagi penjual, pelanggan, hingga marketplace itu sendiri?
Indikator keberhasilan:
- Berhasil menunjukkan ada/tidaknya perbedaan harga dan kategori barang
- Berhasil memahami alasan di balik fenomena tersebut
- Berhasil merumuskan rekomendasi actionable bagi penjual, pelanggan, dan marketplace
Proyek ini menggunakan kerangka kerja uji hipotesis non-parametrik, dengan tahapan berikut:
| Tahap Analisis | Deskripsi |
|---|---|
| Data Cleaning | Standarisasi format harga, penanganan kolom kategori & jumlah terjual |
| Statistik Deskriptif | Mean, median, standard deviation, skewness, kurtosis, IQR per platform |
| Uji Normalitas | Shapiro-Wilk test untuk menentukan pendekatan uji yang sesuai |
| Uji Mann-Whitney U | Uji non-parametrik untuk membandingkan median dua kelompok independen |
| Effect Size | Rank-Biserial Correlation & Common Language Effect Size (CLES) |
| Analisis Komposisi Produk | Perbandingan kategori, estimasi nilai penjualan, dan pola algoritma tampilan |
| Rekomendasi Aksi | Disusun berjenjang untuk penjual, pelanggan, dan marketplace |
| Data | Sumber | Cakupan | Keterangan |
|---|---|---|---|
| Harga produk Tokopedia | Halaman kategori Elektronik, Tokopedia | 69 baris × 3 kolom | Scraping otomatis (Scrapy + Playwright), guest mode |
| Harga produk Shopee | Halaman kategori Elektronik, Shopee | 60 baris × 3 kolom | Pengambilan manual, guest mode/incognito |
Kedua pengambilan data dilakukan tanpa akun (guest mode), memakai kondisi private/incognito atau cookies bersih, dan IP netral untuk meminimalkan bias personalisasi algoritma rekomendasi.
- Uji normalitas (Shapiro-Wilk) menunjukkan harga di kedua platform tidak berdistribusi normal (Tokopedia W = 0,3994; Shopee W = 0,4716; p < 0,001 untuk keduanya) — mengarahkan analisis ke uji non-parametrik.
- Uji Mann-Whitney U (U = 4.138, p < 0,001) membuktikan perbedaan median harga yang signifikan secara statistik, dengan effect size sangat besar (rank-biserial r ≈ -0,999; CLES ≈ 0,9995) — 99,95% kemungkinan harga elektronik acak di Tokopedia lebih tinggi dari Shopee.
- Median harga: Tokopedia Rp2.381.000 vs Shopee Rp2.500 — selisih sekitar 950x, mencerminkan komposisi katalog yang berbeda kelas: Shopee didominasi elektronik kecil (lampu LED, saklar, stop kontak), Tokopedia didominasi elektronik rumah tangga besar (kulkas, mesin cuci, TV).
- Pola algoritma rekomendasi berbeda: Shopee memprioritaskan low but frequent buy product (populer, harga rendah), sedangkan Tokopedia memprioritaskan barang bernilai fungsi tinggi.
- Estimasi pendapatan: meskipun volume penjualan Tokopedia bervariasi lebar (1–10.000+ unit), mayoritas produknya menghasilkan estimasi nilai di atas Rp500 juta; Shopee terkonsentrasi di Rp10–50 juta akibat filter kurasi produk populer.
- Validasi eksternal: temuan ini konsisten dengan penelitian independen lain (Siregar, 2022; Yuni dkk., 2021) yang juga menemukan keunggulan Shopee pada dimensi harga & promosi.
- Alasan mendasar ditelusuri dari tiga sisi: strategi pemasaran (shoppertainment vs trust), model bisnis produk (cross border import vs UMKM lokal), dan branding (Brand Awareness Shopee vs Brand Loyalty Tokopedia).
- Rekomendasi disusun terpisah untuk penjual (memilih platform sesuai segmen produk), pelanggan (memilih sesuai prioritas harga vs kualitas), dan marketplace (Shopee perlu mengurangi ketergantungan pada promotion addiction; Tokopedia perlu menjaga rasio investasi kualitas-vs-ekspansi).
Detail lengkap perhitungan statistik, visualisasi distribusi, dan rekomendasi per pihak ada di dokumentasi proses dan laporan akhir.
.
├── code/ # Notebook: data cleaning, uji statistik, dan analisis komparatif
├── data/ # Data hasil scraping/pengambilan manual (Tokopedia & Shopee)
├── reports/ # Laporan akhir & dokumentasi proses analisis (PDF)
└── scrapy/ # Project Scrapy + Playwright untuk pengambilan data Tokopedia
| Folder | Isi |
|---|---|
code/ |
Data Cleaning Processing.ipynb (pembersihan data), Shopee-Tokopedia.ipynb (statistik deskriptif & uji normalitas), Analisis.ipynb (uji Mann-Whitney U & effect size) |
data/ |
Dataset harga produk elektronik Tokopedia dan Shopee |
reports/ |
Laporan Akhir - Analisis Komparatif Harga Produk Elektronik Shopee vs Tokopedia, Proses Teknis - Analisis Komparatif Positioning Harga Produk Elektronik |
scrapy/ |
Project Scrapy market_places dengan scrapy_playwright sebagai download handler |
| Kategori | Tools |
|---|---|
| Pengambilan Data | Python, Scrapy, Scrapy-Playwright (Tokopedia); pengambilan manual (Shopee) |
| Pengolahan & Analisis Data | Pandas, SciPy (uji Shapiro-Wilk, Mann-Whitney U) |
| Visualisasi | Matplotlib, Seaborn |
| Presentasi | Microsoft PowerPoint |
| Version Control | GitHub |
- Sample (69 baris Tokopedia, 60 baris Shopee) diambil dari halaman kategori Elektronik yang tampil saat pengambilan data — bukan mewakili seluruh populasi produk elektronik di kedua platform, melainkan mencerminkan produk yang ditampilkan pada halaman kategori yang diakses.
- Pengambilan data Shopee dilakukan secara manual (bukan otomatis seperti Tokopedia), sehingga ukuran sampel dan cakupan halaman yang terjangkau relatif lebih terbatas.
- Kolom jumlah terjual tidak dapat dibandingkan secara apples-to-apples antar platform — Shopee menampilkan produk hasil filter "populer" (nilai seragam tinggi), sedangkan Tokopedia menampilkan variasi penjualan yang lebih alami.
- Asal-usul produk (lokal vs impor) tidak diverifikasi langsung per item; klaim terkait cross border dan komposisi UMKM merujuk pada temuan penelitian eksternal, bukan hasil verifikasi pada data sampel ini.
- Kesimpulan dan rekomendasi berlaku spesifik untuk kategori Elektronik pada saat data diambil, dan tidak digeneralisasi ke seluruh kategori produk di kedua marketplace.
Rahel — Data Analyst (portfolio project) GitHub: @Rahelxv
Project ini dibuat sebagai bagian dari portofolio data analyst.