Source : repository.binus.ac.id/content/J0464/J046451315.

doc

Ringkasan
Materi 6
1. Analisis keunggulan bersaing Elemen-elemen keunggulan bersaing :
Potensi keunggulan bersaing : - Keahlian yang dimiliki - Sumberdaya yang dimiliki - Sistem Pengendalian Posisi keunggulan bersaing : - Customer Value - Biaya relatif rendah Kinerja yang dihasilkan : - Kepuasan - Loyalitas - Market share - Profitabilitas

Keunggulan yang diperoleh dari keunggulan bersaing

a. Potensi Keunggulan pesaing Setiap perusahaan mempunyai potensi sumber daya yang berbeda dengan perusahaan lain. Potensi sumber daya ini meliputi keahlian yang dimiliki oleh para manajer, karyawan, kemampuan pengelola perusahaan, fasilitas yang dimiliki, dan sebagainya. Semakin tinggi kualitas potensi sumber daya yang dimiliki perusahaan, semakin mudah perusahaan itu memilih dan mengimplementasikan rencana-rencana strategisnya. Selain potensi keahlian dan sumber daya, perusahaan juga perlu memiliki kemampuan pengendalian yang sangat baik. Kemampuan ini termasuk kemampuan melakukan pengawasan serta kemampuan menganalisis jalannya bisnis secara keseluruhan. b. Posisi Keunggulan Bersaing

Posisi keunggulan bersaing dihasilkan dari kepemimpinan di bidang biaya atau deferensiasi, sehingga pelanggan memperoleh keuntungan dari nilai yang diperoleh. Biaya produksi yang rendah mengakibatkan perusahaan mampu menjual dengan harga yang relatif lebih murah dibanding pesaing. Faktor yang sangat penting dalam menentukan posisi keunggulan bersaing ini adalah menentukan kapan, dimana dan bagaimana kita dapat bersaing. c. Kinerja Yang Dihasilkan

Apabila semua potensi dan posisi keunggulan bersaing yang dimiliki perusahaan digunakan secara optimal, pelanggan akan memperoleh keuntungan dari harga produk yang relatif murah dan mendapatkan kualitas produk yang sesuai dengan harapannya. Selanjutnya semua ini akan menghasilkan tingkat kepuasan yang

tinggi, loyalitas yang tinggi, market share yang semakin luas dan tingkat profitabilitas tinggi kepada perusahaan. 2. Analisis Strategi Pemasaran Tujuan utama analisis strategi pemasaran adalah untuk mengetahui dukungan apa saja yang diperlukan agar pelanggan potensial mau membeli produk yang ditawarkan. Strategi pemasaran yang dibuat harus mempertimbangkan besarnya permintaan pasar serta kondisi persaingan yang ada pada masing-masing segmen pasar yang akan ditargetkan. Kondisi persaingan dan besarnya permintaan ini selalu berubah situasinya. Karena itu strategi pemasaran juga harus selalu dievaluasi secara terus-menerus dan periodik. 2.1 Cakupan Analisis Pelanggan a. Segmentasi Segmentasi dapat juga diartikan sebagai identifikasi kelompok-kelompok pelanggan yang memberikan respon yang berbeda dibandingkan dengan kelompok pelanggan yang lain. Strategi segmentasi yang berhasil sangat membutuhkan konsep yang jelas, serta evaluasi faktor-faktor keunggulan bersaing yang ditawarkan. b. Cara Menentukan Segmentasi Menurut Bonoma, cara melakukan segmentasi yang tepat adalah dengan membuat segmentasi secara makro terlebih dahulu, kemudian secara mikro. Penentuan segmentasi harus memenuhi syarat: dapat diukur dengan jelas besarannya sehingga dapat diimplementasikan sesuai dengan potensi sumber daya yang dimiliki oleh perusahaan secara keseluruhan. Dibawah ini adalah pertimbangan-pertimbangan dalam menentukan segmentasi Berdasarkan Karakteristik Pelanggan a. b. c. d. e. f. g. Wilayah Geografis Jenis Usaha Ukuran Usaha Jenis Kelamin Usia Pekerjaan Pendapatan Berdasarkan Psikografi Gaya hidup Keterangan Wilayah perkotaan atau pedesaan Manufaktur, Bank, Retailer, Restoran Skala besar, menengah atau kecil Wanita atau Pria Balita, anak-anak atau orang dewasa Dokter, bankir, dosen <Rp. 1 juta, Rp. 1 - 5 juta, Rp. 5 juta Keterangan Sederhana, mewah

Berdasarkan Perilaku a. b. c. d. e. f. Status pemakai Pertimbangan tertentu Sensitivitas harga Kesiapan Tingkat pemakaian Loyalitas c. Targeting

Keterangan Bukan pemakai, pemakai, bekas pemakai Rendah kalori, kenyamanan, praktis Elastis, tidak elastis Tidak tahu, tertarik, mau membeli Sedikit, kadang-kadang, sering sekali Loyal, gampang berpindah merek

Targeting adalah menentukan segmen pasar mana yang ingin kita tuju. Strategi untuk menentukan targeting adalah : 1. Undifferentiated Marketing Pada pasar yang tidak dapat dibedakan (undifferentiated), perusahaan melakukan strategi yang sama untuk seluruh pasar. Produk yang dihasilkan cenderung bersifat massal, promosi secara besar-besaran dan perusahaan memperoleh keuntungan skala ekonomis. 2. Differentiated Marketing Strategi yang dilakukan pada pasar yang berbeda-beda (differentiated) adalah sangat spesifikasi, tergantung pada segmen pasar yang akan dilayani. Konsekuensi dari strategi tersebut adalah masalah biaya tinggi serta harus mengeluarkan biaya promosi yang sangat spesifik dan biaya penelitian dan pengembangan yang sangat besar. 3. Concentrated Marketing Strategi ini diterapkan apabila perusahaan ingin berfokus pada pasar yang relatif sempit, tetapi memiliki potensi pasar yang sangat luas. Strategi terpusat ini sangat bermanfaat apabila sumber daya yang dimiliki perusahaan sangat terbatas, dan perusahaan hendak memperkenalkan produk baru. d. Positioning

Positioning atau penempatan produk adalah suatu cara untuk menempatkan produk sehingga tertanam dalam benak pelanggan. Produk yang ingin ditempatkan tersebut tidak berupa produk fisik, tetapi sifatnya lebih perseptif, sehingga alam pikiran pelanggan terisi oleh produk yang ditawarkan. Cara menentukan penempatan produk adalah melalui berbagai tahap analisis, yaitu:

Menentukan persepsi konsumen terhadap suatu produk. Menentukan attribut yang terdapat pada produk tersebut. Mengambil sampel dari beberapa konsumen mengenai persepsi masing-masing produk berikut attributnya. Menganalisis intensitas posisi produk tersebut di benak konsumen. Menentukan lokasi produk yang di analisis diantara produk-produk lainnya. Menentukan preferansi konsumen terhadap attribut yang paling menentukan. Menguji kesesuaian antara preferensi dari market segment dengan posisi produk saat ini. Menentukan strategi positioning atau repositioning yang tepat. Dalam membuat penempatan produk, perusahaan sebaiknya tidak melakukan penipuan atau membodohi konsumen. Syarat utama agar strategi penempatan produk berhasil adalah: penempatan produk harus sesuai dengan manfaat yang ingin diperoleh konsumen; penempatan produk harus sesuai dengan kualitas dan penampilan produk. 2.2 Pemilihan Strategi Beberapa kriteria umum yang harus diperhatikan dalam merumuskan strategi pemasaran : a.Keunggulan Diferensial Keunggulan tersebut biasanya merupakan perpaduan antara kekuatan internal dan peluang eksternal yang akan menghasilkan kemampuan. b. Tahan Lama Perusahaan hendaknya memilih strategi di mana pesaing hanya dapat bereaksi secara lambat, sementara perusahaan tetap memperoleh keuntungan. c. Waktu yang tepat dan ideal

Kecepatan dan ketepatan perusahaan dalam mengantipasi peluang atau permintaan yang ada sangatlah menentukan. d. Dapat Dilaksanakan Strategi pemasaran merupakan suatu ide besar, tetapi perusahaan mungkin kekurangan dalam hal semangat usaha, kemauan menerima resiko, kesabaran, keuletan, kemampuan lain teknis atau sifat lain yang dibutuhkan untuk melaksanakan strategi. e. Dapat Menghasilkan Keuntungan Perusahaan harus mempertimbangkan perlunya dukungan sumber daya lain yang dimiliki perusahaan, terutama sumber daya keuangan. 3. Forecasting/ Peramalan Peramalan merupakan alat yang sangat penting untuk membuat estimasi berapa besarnya permintaan. Ada dua pendekatan dalam peramalan, yaitu: analisis kualitatif dan kuantitatif. Analisis kualitatif menggunakan pendekatan bersifat subjektif yang berhubungan dengan pengambilan keputusan, misalnya emosi, pengalaman pribadi, sistem nilai yang dianut. Analisis kuantitatif menggunakan pendekatan model matematik dengan menggunakan data yang bersifat historis dan kausal 3.1 Prosedur Peramalan Prosedur peramalan permintaan yang dilakukan dalam studi kelayakan melalui tahapan sebagai berikut : a. Analisa ekonomi. b. Analisa industri c. Analisa penjualan masa lalu. d. Analisa peramalan permintaan. e. Pengawasan hasil peramalan. 3.2 Metode Kualitatif Secara umum ada empat pendekatan yang biasa dipakai dalam metode peramalan kualitatif, yaitu:

a. Pendapat para eksekutif Metode ini menggunakan pendapat kelompok kecil para eksekutif untuk mengestimasi besarnya permintaan. b. Gabungan beberapa tenaga penjual Metode ini merupakan gabungan pendapat beberapa orang tenaga penjual dalam menentukan besarnya permintaan di wilayah mereka masing-masing, hasilnya kemudian digabung untuk menentukan jumlah peramalan secara keseluruhan. c. Metode Delphi Metode ini menggunakan proses interaktif dengan melibatkan para eksekutif yang ditempatkan di beberapa tempat yang berbeda untuk membuat peramalan. d. Riset pasar Metode ini menggunakan masukan yang diperoleh dari pelanggan, sesuai dengan rencana pembelian pelanggan di masa mendatang. Informasi yang didapat tidak hanya bermanfaat untuk peramalan tetapi juga perbaikan produk dan pengembangan produk. 3.3 Metode Kuantitatif 1. Dekomposisi Metode ini menggunakan data yang bersifat time series. Sifat data timer series memiliki empat komponen, yaitu: a. Trend(T). Kecenderungan naik turunnya data sepanjang tahun. b. Seasonality(S). Pola berulang yang sering terjadi pada suatu periode. Seperti berulang setelah bulanan atau mingguan. Umumnya disebabkan faktor musiman c. Cycles(C). pola yang terjadi pada data tersebut yang selalu berulang setelah beberapa tahun. Umumnya disebabkan oleh perubahan ekonomi suatu negara. d. Random variations(R). Variasi yang terjadi secara acak. Umumnya terjadi dalam kondisi tidak menentu dan tidak punya pola jelas. Pola umum untuk mengamati data yang bersifat time series ini adalah: Demand = T x S x C x R 2. Moving Average

Bermanfaat apabila demand cenderung stabil sepanjang waktu. Rumus: demand pada periode n Contoh: Moving average = n Berikut ini adalah contoh penjualan pada supermarket Minikuper selama satu tahun lalu. Kita ingin mengetahui nilai penjualan bulan depan tahun yang akan datang. Tabel Aktual Penjualan Tahun Lalu dan 3 MA Bulan Januari Februari Maret April Mei Juni Juli Agustus September Oktober November Desember 3. Trend Linear Digunakan jika data masa lalu yang tersedia cenderung garis lurus. Y = a + bX Koefisien a dan b dapat diperoleh dengan: a = Y Dimana, Y : n= Variabel permintaan b =X XY :=X2 Varibel tahun Jikan X == 0Jumlah data 4. Trend Kuadratik Digunakan jika data masa lalu yang tersedia cenderung parabola. Y = a + bX + cX Koefisien a, b, c dapat diperoleh dengan: Aktual penjualan tahun lalu 15 12 14 13 14 16 21 22 24 25 18 19 3 Moving Average Hasil 3 MA

(15 + 12 + 14)/3 (12 + 14 + 13)/3 (14 + 13 + 14)/3 (13 + 14 + 16)/3 (14 + 16 + 21)/3 (16 + 21 + 22)/3 (21 + 22 + 24)/3 (22 + 24 + 25)/3 (24 + 25 + 18)/3 (25 + 18 + 19)/3

13,67 13,00 13,67 14,33 17,00 19,67 22,33 23,67 22,33 20,67

a = (Y - c X2) : n b = XY : X2 c = {n X2Y (X2) (Y)} : {n X4 (X2)2} Jika X = 0 Contoh: Data penjualan tersedia tahun 1957-1965 dan penyelesaian dari data tersebut adalah sebagai berikut. Tahun (1) 1957 1958 1959 1960 1961 1962 1963 1964 1965 9 X (2) -4 -3 -2 -1 0 1 2 3 4 0 Y (3) 3.8 3.9 4.2 4.3 4.4 4.7 5.2 5.8 6.4 42.7 X2 (4) 16 9 4 1 0 1 4 9 16 60 XY (5) -15.2 -11.7 -8.4 -4.3 0 4.7 10.4 17.4 25.6 18.5 X2Y (6) 60.8 35.1 16.8 4.3 0 4.7 20.8 52.2 102.4 297.1 X4 (7) 256 81 16 1 0 1 16 81 256 708 Y4 (8) 3.898 3.914 4.02 4.207 4.475 4.824 5.253 5.764 6.355 42.71

Perhitungan koefisien a, b, dan c adalah: b = 18,5 : 60 = 0,3083 c = {9(297,1) (60)(42,7)} : {9(708)-(60)2} = 0,0404 a = {42,7-(0,0404)(60)} : 9 = 4,475 Sehingga fungsi persamaannya adalah: Y1 = 4,475 + 0,3083X + 0,0404X2 Jika dilakukan peramalan untuk tahun 1966, maka dapat dilakukan dengan mengganti variabel X dengan angka 5 dan seterusnya, yakni: Y1966 = 4,475 + 0,3083(5) + 0,0404(5)2 = 7,0265 Demikian pula peramalan untuk tahun-tahun berikutnya. 5. Moving Trend Simpel Eksponensial Digunakan jika data masa lalu yang tersedia cenderung naik turun dengan perbedaan yang tidak terlalu banyak, tetapi secara keseluruhan naik. Fungsi persamaan dari metode ini: Y1 = abx

Yang dapat diubah dalam fungsi logaritma:

log Y1 = log a + (log b)X

Jika X = 0, maka koefisien a dan b dapat dicari dengan: log a = (log Y) : n log b = {X (log Y)} : X2 Contoh: Tahun (1) 1356 1957 1958 1959 1960 1961 1962 1963 1964 1965 1966 1967 1968 13 X (2) -6 -5 -4 -3 -2 -1 0 1 2 3 4 5 6 0 Y (3) 7,5 8,3 8,8 9,5 10,2 10,8 11,4 12,2 13,3 14,7 15,9 17,2 18,4 158,2 X2 (4) 36 25 16 9 4 1 0 1 4 9 16 25 36 182 Log Y (5) 0,8751 0,9191 0,9445 0,9777 1,0186 1,0334 1,0569 1,0864 1,1239 1,1673 1,2014 1,2355 1,2648 13,8946 X (Log Y) (6) -5,2506 -4,5955 -3,7780 -2,9331 -2,0172 -1,0334 0 1,0864 2,2478 3,5019 4,8056 6,1775 7,5888 5,8002 Log Y1 (7) 0,87758 0,90945 0,94132 0,97319 1,00506 1,03930 1,06880 1,10067 1,13254 1,16441 1,19628 1,22815 1,26002 Y1 (8) 7,5 8,1 8,7 9,4 10,1 10,9 11,7 12,6 13,6 14,6 15,7 16,9 18,2 158,0

Perhitungan koefisien log a dan log b adalah: log a = 13,8946 : 13 = 1,0688 log b = 5,8002 : 182 = 0,03187 Sehingga fungsi persamaannya adalah: log Y1 = 1,0688 + 0,03187X Jika dilakukan peramalan untuk tahun 1969, maka dapat dilakukan dengan mengganti variabel X dengan angka 7 dan seterusnya, dan dilakukan antilog dari hasil perhitungannya, yaitu: Y1969 = 1,0688 + 0,03187(7) = 1,29189 Antilog dari 1,29189 adalah 19,583486 Demikian pula peramalan untuk tahun-tahun berikutnya. 6. Exponensial Smoothing Ft = Ft-1 + (At-1 Ft-1) Dimana, Ft = Forecast yang baru Ft-1 = Forecast yang lalu

At-1 Contoh:

= Actual demand periode yang lalu = konstanta yang nilainya 0 sampai 1

Pada bulan Maret, PT. TPN memprediksikan di bulan April penjualan mobil akan sebesar 154 unit. Aktual penjualan yang terjadi pada April adalah 163 unit. Dengan menggunakan smoothing constant = 0,20, kita dapat mengetahui besar penjualan di bulan Mei. Forecast April = 154 + 0,2 (163-154) = 155,8 Untuk memperoleh forecasting yang akurat, kita dapat membandingkan nilai forecasting dengan nilai aktual yang terjadi. Semakin kecil perbedaan nilai forecasting dengan aktual, berarti tingkat kesalahannya semakin kecil dan metode forecasting tersebut relatif baik. Tingkat kesalahan dapat dihitung melalui: Forecast error = Demand - Forecast Ukuran untuk mengetahui tingkat kesalahan forecasting, yaitu MAD(mean absolute demand): Forecast error MAD = n Contoh: PT. TPN ingin memperdiksi total penjualan bulan Januari tahun depan. Data penjualan bulan Januari hingga Desember adalah sebagai berikut: Aktual Aktual Bulan Bulan penjualan penjualan Januari 178 Juli 190 Februari 172 Agustus 192 Maret 168 September 194 April 174 Oktober 190 Mei 192 November 200 Juni 201 Desember 210 Pemecahan: Perhitungan Forecasting dengan = 0,1 dan = 0,4 Bulan Actual Sales Forecast Forecast = 0,1 Forecast Forecast = 0,4

Januari Februari Maret April Mei Juni Juli Agustus September Oktober November Desember ? ?

178 172 168 174 192 201 190 192 194 190 200 210

170 171 171 171 171 173 176 177 179 180 181 183 186 167

171 171 171 171 173 176 177 179 180 181 183 186 167

170 173 173 171 172 180 188 189 190 192 191 195 201 120

173 173 171 172 180 188 189 190 192 191 195 201 120

Setelah memperoleh nilai forecasting dengan asumsi = 0,1 dan = 0,4, maka dapat dihitung nilai absolute deviation untuk masing-masing asumsi diatas. Perhitungan Absolute Deviation dengan = 0,1 dan = 0,4 Bulan Januari Februari Maret April Mei Juni Juli Agustus September Oktober November Desember Actual Sales 178 172 168 174 192 201 190 192 194 190 200 210 Forecast = 0,1 171 171 170 170 172 175 177 178 180 181 183 Absolute deviation 1 11 4 22 29 15 15 16 10 19 27 169 Forecast = 0,4 173 173 168 170 179 188 189 190 192 191 195 Absolute deviation 1 13 6 22 22 2 3 4 2 9 15 99

MAD dengan = 0,1 adalah 169 : 11 = 15,36 MAD dengan = 0,4 adalah 99 : 11 = 9,0 Karena MAD = 0,4 memiliki nilai lebih kecil dari MAD = 0,1, maka hasil terbaik adalah dengan menggunakan asumsi = 0,4. 7. Trend Projection Metode ini digunakan dengan mempertimbangkan hubungan sebab akibat variabelvariabel yang paling memperngaruhi. Variabel yang mempengaruhi disebut variabel

independent(Xi), yang dipengaruhi disebut variabel dependent(Y). Persamaannya adalah sebagai berikut : Y = a + bX Dimana Y = variabel dependen a = koefisien intercept b = koefisien slope atau kemiringan garis regresi X = variabel independen Koefisien kemiringan slope b dapat dihitung dengan rumus : Dimana n XY (X)( Y) b = = tanda penjumlahan n = n (X2) sampel 2 jumlah - ( Y) b = koefisien slope X = nilai dari variabel independen Y = nilai dari variabel dependen Setelah koefisien b diperoleh, selanjutnya dapat dihitung koefisien a berdasarkan rumus : a = Y bX atau Contoh: Bulan Januari Februari Maret April Mei Juni Juli Agustus September Oktober November Desember Periode Waktu (X) 1 2 3 4 5 6 7 8 9 10 11 12 78 Actual Sales (Y) 178 172 168 174 192 201 190 192 194 190 200 210 2261 X2 1 4 9 16 25 36 49 64 81 100 121 144 650 XY 178 344 504 696 960 1206 1330 1536 1746 1900 2200 2520 15120 Y bX a = n

n XY (X)( Y) b = n (X2) - ( Y) 2 12(15120) - (78)(2261) b = 12(650) - ( 78) 2 b = 2,9615

Y bX a = n 2261 - 2,9615(78) a = 12(650) - ( 78) 2 a = 169,17

Persamaan garis regresinya adalah : 169,17 + 2,9615X 8. Linear Regression Prinsipnya sama seperti trend projections. Bedanya ada pada variabel independen, yaitu bukan berupa waktu melainkan suatu variabel yang diperkirakan akan mempengaruhi variabel dependen(Y). Y = a + bX Dimana Y = variabel dependen a = koefisien intercept b = koefisien slope atau kemiringan garis regresi X = variabel independen Koefisien kemiringan slope b dapat dihitung dengan rumus : Dimana n XY (X)( Y) b = = tanda penjumlahan n = n (X2) sampel 2 jumlah - ( Y) b = koefisien slope X = nilai dari variabel independen Y = nilai dari variabel dependen Setelah koefisien b diperoleh, selanjutnya dapat dihitung koefisien a berdasarkan rumus : a = Y bX atau 3.4 Pengawasan Peramalan Patokan berikut ini dapat digunakan untuk melakukan pengawasan peramalan, yakni: Y bX a = n

a. Kesalahan Absolut Rata-rata(Average Absolute Error) Yakni rata-rata selisih absolut antara nilai peramalan dengan nilai senyatanya. Secara formula adalah sebagai berikut: Y Y AAE = n AAE Y Y n = Average absolute error = Data riil = Data peramalan = Banyaknya waktu data peramalan = Harga mutlak

b. Kesalahan Kuadrat Mean Akar (Root Mean Squared Error) (Y Y) 2 RMSE = Root mean squared error RMSE = Y = Data riil n Y = Data peramalan n = Banyaknya waktu data peramalan c. Dapat juga digunakan test korelasi dengan rumus sebagai berikut (Y Y) 2 r = 1- _ (Y Y) 2 r Y Y Y = koefisen korelasi = Data riil = Data peramalan = Means data riil

d. Dengan cara control limit, yakni ditentukan batas atas dan batas bawah marginal (Y Y) (D of F) R = n-1 Jika misalnya digunakan 3standar deviasi, maka: Upper control limit = 2,66 x (D of F) R Lower control limit = -2,66 x (D of F) R Range +2,66 x (D of F) R sampai -2,66 x (D of F) R

(D of F) R Y Y n

= Degree of Freedom = Nilai riil = Nilai peramalan = Banyaknya waktu data peramalan

Selesai