BAB V KESIMPULAN DAN REKOMENDASI 5.1

BAB V
KESIMPULAN DAN REKOMENDASI
5.1 KESIMPULAN
Perusahaan menggunakan metode peramalan penjualan (current) yang
merupakan hasil konsensus dengan pihak principal. Meskipun perusahaan memiliki
sistem peramalan penjualan dari modul Oracle (Demantra), tapi sistem ini tidak
digunakan karena dianggap sulit dipahami dan tidak akurat. SPV Perusahaan memilih
memakai metode rata-rata 6 bulan ditambah manager adjustment.
Hasil analisa sales forecast produk TKAFD diketahui bahwa metode current yang
saat ini digunakan perusahaan memiliki tingkat akurasi sebesar 23%, belum sesuai
dengan target perusahaan sebesar 40%.
Beberapa hal yang mengakibatkan tidak akurasinya peramalan penjualan, seperti:
a. Kesalahan dalam melakukan prosedur peramalan penjualan
b. Kesalahan dalam pemakaian data evaluasi peramalan penjualan
c. Kesalahan dalam penggunaan sistem peramalan
Kesalahan yang dilakukan menyebabkan tingkat akurasi peramalan dibawah target
perusahaan.
118
Dilakukan analisa perbandingan perhitungan peramalan penjualan produk TKAFD di
10 cabang perusahaan antara metode current dengan metode statistik. Hasil
perbandingan berdasarkan nilai MAPE dan MSE karena perhitungannya mudah dan
selama ini sudah dipakai di perusahaan. Nilai MAPE digunakan untuk mengukur
forecast accuracy, sedangkan MPE untuk mengukur forecast bias.
Dari hasil perbandingan diketahui bahwa metode peramalan statistik memiliki
forecast accuracy lebih baik jika dibandingkan dengan metode current, sehingga
dapat disimpulkan bahwa metode peramalan statistik sesuai bagi semua cabang
perusahaan.
Secara
keseluruhan
forecast
accuracy
meningkat
5.04%
jika
menggunakan metode peramalan statistik dan forecast bias turun sebesar 0.78%.
Selain itu dilakukan peramalan penjualan dengan metode chan4cast, yaitu dengan
membagi penjualan TKAFD per sales channel, yaitu Apotik, Pedagang Besar
Farmasi, RS Swasta, dan RS BUMN untuk kemudian dilakukan perhitungan dengan
metode statistik. Chan4Cast adalah penyempurnaan dari metode forecast dengan
beberapa model perhitungan statistik yang selama ini digunakan oleh perusahaan.
Chan4Cast membagi perencanaan penjualan menjadi multi channel dan multi region
sehingga managemen mendapatkan gambaran lebih detail tentang channel penjualan
dari produk tersebut. Dengan mengetahui kekuatan channel penjualan di tiap cabang
akan
memberikan
dampak
positif
bagi
perusahaan
di
bidang
financial,
methodological, knowledge management/transportability of solution dan cultural.
119
Dari data penjualan by sales channel diketahui bahwa untuk produk TKAFD
penjualan terbesar terjadi di channel Apotik dan Pedagang Besar Farmasi dengan
kontribusi 93%. Hal ini sesuai dengan strategi penjualan perusahaan dimana sasaran
produk TKAFD adalah di sektor pelayanan kesehatan primer, yaitu dokter umum dan
dokter keluarga. Fluktuasi penjualan yang terjadi di kedua channel ini akan
memberikan dampak pada penjualan produk TKAFD . Dengan data yang sama
diketahui bahwa jika menggunakan metode peramalan chan4cast maka average
accuracy improvement meningkat 2.23%, jumlah cabang yang akurat sebesar 40-80%
setiap bulan, diatas target yang ditentukan perusahaan.
5.2 REKOMENDASI
Berdasarkan hasil penelitian produk TKAFD di 10 cabang perusahaan maka
rekomendasi yang diberikan adalah perusahaan melakukan klasifikasi produk
berdasarkan product life cycle dan aktifitas promosi yang dilakukan. Produk tanpa
aktifitas promosi menggunakan metode statistik chan4cast (best fit), sedangkan
produk dengan aktifitas promosi harus dilakukan pembersihan data terlebih dahulu
penjualan karena aktifitas promosi untuk mendapatkan baseline sales. Forward
buying adalah salah satu dampak dari aktifitas promosi karena kenaikan harga. Akan
tetapi informasi kenaikan harga baru diterima PT.EPM 1 hari sebelumnya, sehingga
tidak bisa diprediksi sebelumnya. Melakukan project selanjutnya untuk Demantra
agar dapat memasukkan penjualan berdasarkan channel penjualan. Dengan
120
menggunakan metode statistik dengan chan4cast maka perusahaan dapat mencapai
target forecast accuracy yang telah ditentukan.
Dampak dari peramalan penjualan
yang akurat bagi
perusahaan adalah:
a. Financial impact: memberikan dampak bagi managemen dalam hal top line dan
bottom line. Peramalan penjualan yang akurat memberikan dampak positif bagi
perusahaan dalam hal top line (penjualan), yaitu semua permintaan penjualan bisa
dipenuhi karena ketersediaan stok yang cukup. Dalam hal bottom line (profit), tentu
saja dengan penjualan yang maksimal akan memberikan profit yang maksimal juga
bagi perusahaan. Selain itu dengan peramalan yang akurat maka perusahaan memiliki
modal kerja yang optimal dengan mengelola persediaan (days of inventory).
b. Methodological Impact: use of marketing science methodology
Perhitungan peramalan penjualan dengan lebih detil seperti penggunaan channel
penjualan by cabang (chan4cast), jumlah hari kerja dalam sebulan, trend penjualan
seasonal, new/existing product akan memudahkan marketing dalam merencanakan
penjualan. H-1 bulan sebelum bulan puasa, perusahaan akan lebih aktif untuk menjual
sehingga trend penjualan akan naik. Hal ini bisa diantispasi sebelumnya sehingga
tidak terjadi kekosongan persediaan. Adjustment per cabang bisa dilakukan untuk
mendapatkan best fit model yang sesuai untuk tiap cabang perusahaan.
c. Transportability of solution
121
Peramalan yang akurat memberikan dampak bagi perusahaan dalam mengantisipasi
pengiriman barang kepada konsumen. Produk TKAFD dominan di channel Apotik
maka perusahaan harus menyediakan sepeda motor (loper), terutama bagi cabang
perusahaan dengan jumlah apotik yang banyak dan frekuensi pembelian yang terjadi.
Dengan memberikan jaminan pengiriman (1 day service untuk outlet dalam kota)
akan memberikan nilai tambah bagi outlet dalam memesan produk TKAFD
dibandingkan produk pesaing.
5.3 Rencana penelitian berikutnya bedasarkan keterbatasan penelitian
Data peramalan penjualan yang diolah secara computerized akan menghasilkan data
peramalan yang mendekati permintaan penjualan sebenarnya dan menghasilkan data
Decision Support System (DSS) yang berguna bagi management dalam forecasting.
Menurut Divakar, DSS yang baik memiliki kriteria:
a. dapat membangun peramalan penjualan sesuai dengan sales volume
b. dapat merencanakan perubahan harga dan aktifitas promosi dalam horizon jangka
panjang.
c. dapat merespons data penjualan atas aktifitas marketing secara berkala
d. dapat melakukan simulasi skenario peramalan yang baru berdasarkan keputusan
pemasaran dan variabel lainnya.
Peramalan penjualan dilakukan evaluasi secara rutin dan hasilnya dibahas setiap
bulan dalam meeting evaluasi mengenai forecast accuracy. Jika hasilnya baik dan
122
konsisten dan dengan indikator forecast accuracy >50% maka untuk penelitian
selanjutnya disarankan dalam penelitian selanjutnya menduplikasi metode Chan4cast
untuk produk ethical lainnya untuk mengukur efektivitas proses peramalan penjualan,
tidak hanya mengukur forecast accuracy tapi juga dampak positif yang diperoleh
perusahaan, seperti: nilai OTIF (on time in full) 100%, DOI dibawah 30 hari, produk
slow moving dibawah 5% .
Peramalan penjualan yang akurat memerlukan dukungan data sources dan data fields
yang akurat, keseimbangan antara data modeling dan relevansi praktek di lapangan,
fitur diagnostik yang baik, validasi perencanaan yang melibatkan semua bagian di
perusahaan (alignment), dan fokus terhadap perubahan yang terjadi di pasar. Dengan
demikian perusahaan dapat menjadikan forecast accuracy sebagai salah satu strategi
untuk memenangkan kompetisi di pasar.
123