BENCMARKING PELUANG MASUK PASAR



BENCMARKING PELUANG MASUK PASAR



Benchmark adalah nilai ukuran kinerja terhadap sesuatu yang lebih baik.
Sudah tentu kita selalu membandingkan yang lebih baik sebagai tolak ukur prestasi kerja .





Contoh 

Penjualan usaha A bertumbuh 3 % tetapi usaha B bertumbuh 10% maka tentu usaha A tidak lebih baik dari pada usaha B. Kalau rata rata pertumbuhan industri yang sama pada usaha A dan usaha B tumbuh 15% ,maka usaha A dan usaha B belum mencapai nilai patokan bencmarking .
Pertanyaan nya dari mana nilai Benchmarking itu 
Rumus Bench marking

B=C%X D% X W%+………………………………..

Dimana 
B adalah nilai benmarking 
C,D,E serta lainnya adalah nilai variable yang diukur .
Kali ini kita coba bahas Benchmarking peluang masuk pasar ,yang dirumuskan :

Kesadaran kebutuhan X  animo pembeli X kepuasaan setelah membeli X KETERSEDIAAN PRODUK DIPASAR

TERUS BAGAIMANA SELANJUTNYA ? ,Survei saja produk kita dan produk pesaing atau yang lebih luas untuk standar nasional.

Contoh

Kita menjual produk celana dalam pria ,survey saja pria ,missal kita ambil sampel 100 pria.

Kesadaran akan kebutuhan

Dari 100 pria ,ternyata 30 0rang tidak memakai CD ,jadi nilainya adalah (70/100)*100=70%

Animo membeli

Dari 70 pria yang sisa ,sebanyak 40 tidak menyukai produk kita karena butuh yang lebih tipis jadi nilainya=(30/70)*100 =43%

Kepuasaan 

Dari 30 pria yang membeli ,ada 10 pria yang merekomendasikan  ke rekannya yang lain ,wah ini adalah kepuasaan dapat dimasukkan nilainya (10/30)*100=33%
Total nilainya 70%X43%X33%=10 % cukup tingggi nilai bencmarking,mari kita mengacu pada pesaing hanya 8%


Akan tetapi produk pesaing lebih eksis dan terkenal dari pada produk kita dipasar ,ada apa ya ??????

Setelah dilakukan operation research marketing ternyata ketersediaan produk pesaing dari 10 toko ternyata ada 8 toko yang menjual .Dibandingkan dengan kita dari 10 toko yang menjual 4 toko saja .

Tentu nilai benchmarking nya berubah menjadi  10%X 40% =4% ,nilai ini sungguh dramatis kita ketinggalan 2 kali lipat pertumbuhan pesaing bagaimana dengan pertumbuhan rata rata industri  survey saja .

Indeks benchmarking untuk kasus diatas 

A-B/A+B=4-8/4+8=-0.33 
interpretasinya 
Benchmarking >0-1, cenderung bersaing ,
Benchmarking <-1- 0,daya saing rendah 
Terima kasih 


Baca Selengkapnya »
Tidak ada komentar:

UJI PHI




UJI PHI


Digunakan untuk mengukur hubungan antara 2 variable terhadap 2 hubungan asosiatif

Asumsi


  1. Non parametric 
  2. Sakala data nominal ,discreate nominal
  3. Disajikan ke table kontingensi 2x2

Rumus






Contoh
Restoran  ingin mengetahui apakah terdapat hubungan antara pria dan wanita yang menyukai menu 1



TERIMA KASIH
Baca Selengkapnya »
Tidak ada komentar:

UJI NC NEMAR


UJI NC NEMAR 

Fungsi : untuk menguji signifikansi perubahan frekuensi “sebelum” dan “sesudah” perlakuan

Selain itu Uji ini digunakan untuk mengetahui apakah perubahan proporsi pasangan variabel dikotomus sama atau tidak. Yang dimaksud variabel dikotomus disini adalah variabel yang saling berlawanan misalnya :”benar-salah”, “suka-tidak suka”, ’berhasil-gagal” dan lain-lain.

Spesifikasi :

1. skala ukur nominal
2. Data frekuensi disusun dalam tabel kotingensi 2 x 2 
3. Non parametric
4. Jika 1/2  (A + D) < 5, gunakan tes binomial.Pada tes binomial n = A + D, dengan x = frekuensi yang lebih kecil diantara A dan D S




Yang diperhitungkan adalah sel yang mengalami perubahan, yaitu :
Sel A : perubahan dari kategori + ke kategori -, dan
Sel D : perubahan dari kategori – ke kategori +

Langkah-langkah pengujian :

H0 : p(A) = p(D) = 1/2  {proporsi sebelum perlakuan = proporsi setelah perlakuan}
H1 :          ≠ ( 2 arah ) atau < atau >  ( 1 arah )
α    : taraf signifikansi
Statistik uji :


Kriteria uji :
Untuk uji 1 arah : tolak H0 jika  χ² ≥  χ²2α, terima dalam hal lainnya.
Untuk uji 2 arah : tolak H0 jika  χ² ≥  χ²α, terima dalam hal lainnya.

Contoh 
Perusahaan membuat program promosi dan ingin mengetahui hasilnya sebelum dan sesudah apakah berhasil atau tidak.



TERIMA KASIH
Baca Selengkapnya »
Tidak ada komentar:

METODE TRANSPORTASI VAM

METODE TRANSPORTASI

Pada umumnya masalah transportasi berhubungan dengan distribusi suatu produk tunggal dari beberapa Sumber, dengan penawaran terbatas, menuju beberapa tujuan, dengan permintaan tertentu, pada biaya transport minimum. Karena hanya ada satu macam barang, suatu tempat tujuan dapat memenuhi Permintaanya dari satu atau lebih sumber. Asumsi dasar model ini adalah bahwa biaya transport pada suatu rute tertentu proporsional dengan banyaknya unit yang dikirimkan. Unit yang dikirimkan sangat tergantung pada jenis produk yang diangkut. Yang penting, satuan penawaran dan permintaan akan barang yang diangkut harus konsisten. 

Contoh.

Sebuah perusahaan Negara berkepentingan mengangkut pupuk dari tiga gudang ke tiga pasar. Kapasitas penawaran ketiga gudang, permintaan pada ketiga pasar dan biaya transport perunit adalah sebagai berikut: 


Penyelesaian dengan metode VAM

Langkah 1 





Langkah 2



Langkah 3






TERIMA KASIH

Baca Selengkapnya »
Tidak ada komentar:

MEMAHAMI KORELASI DAN COVARIAN




KORELASI DAN COVARIAN 

Korelasi menggambarkan kekuatan 2 variable seberapa besar hubungan kedua variable .Namun korelasi ditinjau dari kausalitas tidak menunjukkan arah hubungan variable yang mana mempengaruhi

Sebaliknya covarian dan mengambarkan hubungan searah atau tidak searah dalah hubungan antara variable.

Contoh

 kita mempunyai data  pameran undangan dan jumlah pengunjung yang datan ke stand pameran 

kesempatan kali ini kita menggunakan excel

DATA

KLIK DATA >DATA ANALISIS >KORELASI 


Jika anda ingin mengetahui covariance pilih covariance

Selanjutnya klik ok dan pilih pilih data yang akan diolah  data tersebut  dengan dengan cara 

yang sama kita dapat mencari covarian

Data yang didapat


Kesimpulan 

kekuatan hubungan antara jumlah undangan yang disebar dengan tingkat pengunjung adalah sebesar 0.779 ini adalah korelasi

Nilai covarian positif undangan dan nilai positif untuk pengunjung maka artinya semakin banyak undangan di sebar senakin banyak pengunjung yang datang.

SEKIAN DAN TERIMA KASIH




Baca Selengkapnya »
Tidak ada komentar:

UJI MEDIAN




UJI MEDIAN


Digunakan  untuk 2 variable idependen dan 2 sample atau atau lebih yaitu mengetahui ada tidaknya pengaruh terhadap 2 variable atau lebih terhadap nilai median.


Asumsi 

  1. Non parametric
  2. Disajikan dalam table kontingensi 2x2
  3. Data ordinal



Pertimbangan

  1. Apabila ada 2 nilai scor yang sama terhadap nilai median gabungan maka boleh dibagi dua.
  2. Apabila perbedaan sedikit dengan nilai median gabungan maka boleh tidak dikutsertakan dalam penelitian.

Contoh

seorang merketing  ingin mengetahui tingkat kepuasan kemasan produk setelah diubah .dengan responden toko dan end user .Apakah ada perbedaan atau tidak.


apabila sample besar gunakan rumus






TERIMA KASIH


Baca Selengkapnya »
Tidak ada komentar:

UJI FISHER EXCAT TEST




UJI FISHER EXCAT TEST

Digunakan untuk uji komparatif  sama dengan kai kuadrat.

Asumsi

`sample kecil

  1. Non parametric
  2. Data skala nominal atau ordinal
  3. Uji hypetesa table adalah distribusi normal untuk signifikansi
  4. Table kotingensi 2x2 
  5. Boleh digunakan untuk satu sisi dan dua sisi



Contoh 

Seorang salesman yang bekerja 10 tahun dipromosikan menjadi sales supervisor .Atasannya meminta pendapat ke rekan kerja maupun mitra kerja pelanggan (toko ).Apakah ada perbedaan atau tidak antara sikap mitra kerja dan rekan kerja ?

 rumus fisher 


TERIMA KASIH

Baca Selengkapnya »
Tidak ada komentar:

UJI CHI KUADRAT





UJI CHI SQUARE

Uji square di sebut juga uji kai kuadrat .
Uji square digunakan untuk uji komparatif antara 2 variable.

Tujuannya

1. Ada atau tidak hubungan antara variable
2. Untuk uji distribusi goodness of fit.
3. Dapat juga mengukur uji sub kelompok homogenitas.

Asumsi

1. Non parametrik
2. Data beskala ordinal dam nominal

Syarat uji Square

1. Tidak ada cell dengan nilai frekuensi kenyataan atau disebut juga Actual Count (F0) sebesar 0 (Nol).
2. Apabila bentuk tabel kontingensi 2 X 2, maka tidak boleh ada 1 cell saja yang memiliki frekuensi harapan atau disebut juga expected count ("Fh") kurang dari 5.
3. Apabila bentuk tabel lebih dari 2 x 2, misal 2 x 3, maka jumlah cell dengan frekuensi harapan yang kurang dari 5 tidak boleh lebih dari 20%.


Contoh

Perusahaan ingin mengetahui tingkat pelayanan kepada jaringan distribusi apakah ada perbedaan tingkat kepuasaan dari 3 kriteria saluran distribusi.



Menghitungnya



RUMUS FREKUENSI HARAPAN (FH)


BANYAKNYA KEJADIAN DIBAGI BANYAKNYA KEJADIAN KESELURUHAN DIKALI BANYAKNYA PERCOBAAN.





Maka Nilai Chi-Square Hitung adalah sebesar: 2,087.


Untuk menjawab hipotesis, bandingkan chi-square hitung dengan chi-square tabel pada derajat kebebasan atau degree of freedom (DF) tertentu dan taraf signifikansi tertentu. Apabila chi-square hitung >= chi-square tabel, maka perbedaan bersifat signifikan, artinya H0 ditolak atau H1 diterima.


DF pada contoh di atas adalah 2. Di dapat dari rumus -> DF = (r - 1) x (c-1)
di mana: r = baris. c = kolom.

Pada contoh di atas, baris ada 3 dan kolom ada 2, sehingga DF = (2 - 1) x (3 -1) = 2.

Apabila taraf signifikansi yang digunakan adalah 95% maka batas kritis 0,05 pada DF 2, nilai chi-square tabel sebesar = 5,991. Gunakan 

Karena 2,087 < 5,991 maka perbedaan tidak signifikan,artinya ada perbedaan tingkat pelayanan kepada 3 saluran distribusi dalam pelayanan ke toko.


TERIMA KASIH

Baca Selengkapnya »
Tidak ada komentar:

MEMAHAMI UJI KOREKSI YATES




UJI  KOREKSI YATES


UJI INI UNTUK MERUPAKAN BAGIAN DARI UJI KAI KUADRAT
UJI KOREKSI YATES DIPERGUNAKAN APABILA TIDAK MEMENUHI SYARAT UJI KAI KUADRAT.

ASUMSI DAN SYARAT

  1. DIPERGUNAKAN TABEL  KONTIGENSI 2X2
  2. NON PARAMETRIK 
  3. TIDAK BOLEH ADA NILAI AKTUAL <5 
  4. FREKUENSI HARAPAN BEBAS
  5. SAMPLE MINIMAL >20
  6. DATA SKALA ORDINAL DAN NOMINAL




CONTOH
Perusahaan ingin mengetahui tingkat kepuasan jaringan distribusinya diambil sample 85 toko .apakah ada perbedaan sikap kepuasaan jaringan distribusinya antara 2 wilayah timur dan barat?.


TERIMA KASIH
Baca Selengkapnya »
Tidak ada komentar:

ANALISA REGRESI LINEAR BERGANDA DENGAN EXCEL



ANALISA REGRESI LINEAR BERGANDA DENGAN EXCEL

Analisa regresi berbeda dengan korelasi secara kausalitas .Korelasi hanya dapat menyatakan besar dan kecil kekuatan hubungan tapi tidak dapat menyatakan arah namun regresi dapat menyatakan arah dan meramalkan suatu kejadian ke depan berdasarka data masa lalu.
Regresi linear sederhana dan berganda adalah sama terletak berapa banyak variable bebas mempengaruhi variable terikat.

Asumsi untuk regresi

1. Distribusi normal
2. Data interval dan rasio
3. Uji multikolinearitas
4. Auto korelasi
5. Heteroksidas
6. Linearitas.


RUMUS
Y’ = a + b1X1+ b2X2+…..+ bnXn
Keterangan:
Y’                    =   Variabel dependen (nilai yang diprediksikan)
X1 dan X2      =   Variabel independen
a                      =   Konstanta (nilai Y’ apabila X1, X2…..Xn = 0)
b                     =    Koefisien regresi (nilai peningkatan ataupun penurunan)

Namun kali ini kita menggunakan excel.


Contoh

Perusahaan ingin mengetahui hubungan antara promosi ,penjualan dalam unit terhadap biaya sales .

SILAHKAN DIDOWNLOAD  FILE CONTOH NYA DALAM EXCEL



SEKIAN DAN TERIMA KASIH


Baca Selengkapnya »
Tidak ada komentar:

APLIKASI PROGRAMING LINEAR DENGAN EXCEL




PROGRAMING LINEAR DENGAN ALAT BANTU EXCEL PROBLEM SOLVER


Linear programming (LP) atau pemrograman linear (PL) adalah suatu pendekatan matematis untuk menyelesaikan suatu permasalahan agar didapatkan hasil yang optimal.Permasalahan yang sering diselesaikan dengan Linear Programming adalah dalam pengalokasian factor-faktor produksi yang terbatas jumlahnya terhadap berbagai kemungkinan produksi sehingga didapatkan manfaat yang optimal (maksimal dan minimal).Sasaran maksimal, misalnya secara efisien sehingga manfaat yang ingin dicapai (jumlah produksi/nilai penjualan/laba, dan lain-lain) menjadi maksimal. Sasaran minimal misalnya, bagaimana mencari kombinasi produksi agar penggunaan faktor-faktor produksi minimal tetapi manfaat yang dicapai (dari kombinasi produksi) tidak lebih rendah dari angka yang diinginkan .

Jadi  lInear Programing sangat dibutuhkan oleh para Manager untuk mengelola operasional di divisi yang dipimpin nya.

Berikut contoh linear programming dengan excel 

Seorang pengusaha konveksi memproduksi kaos oblong dan kaos lengan.Bahan kedua kaos samaadalah x dan y.Untuk membuat Kaos oblong dibutuhkan bahan satu x dan 3 y ,kaos lengan dibutuhkan bahan 3x dan satu y.Suplay bahan menjadi kendala terbatas 20 roll x dan 20 roll y.Keuntungan yang diberikan untuk kaos oblong per unitnya adalah 300000 dan kaos lengan 200000 .Diasumsikan semua produk  laku terjual.Berapakah jumlah produksi maksimal  untuk kaos oblong dan kaos lengan agar laba yang diperoleh maksimal dan berapa bahan baku yang terpakai

1. variabelnya 

baju kaos oblong dan baju kaos lengan

2. Fungsi Tujuan

z=300000oblong +200000lengan

3.Fungsi Kendala

oblong 
f(oblong)=x +3y=<20

kaos
f(lengan)=3x+y=<20

Kita menggunakan fungsi pertidaksamaan karena untuk kasus ini adalah membutuhkan maksimus dan minimum .

 x,y tidak sama dengan 0 karena tidak mungkin untuk produksi tidak memakai bahan baku sebagai fungsi pembatas.
sekarang kita buat tabelnya



1.ketik C7 = $D$6*D7+$E$6*E7. lalu copy ke c8 ,artnya kita menjumlahkan bahan yang terpakai.

 2.ketik D9= =300*D6 lalu copy ke D10 .untuk mendapatkan keuntungan masing masing produk dengan dikalikan.

 3.ketik D10=SUM(D9:E9) artinya kita menjumlahkan semuanya keuntungan.

 4.buka program excel >data analize >problem solver akan muncul jendela dibawah ini

keterangan 
  1. set target cell yaitu total semua profit 
  2. changing cell adalah bahan yabg akan digunakan
  3. subject to contraints adalah fungsi kendala klik Add untuk mengisinya 
  4. pilih max karena kita ingin memaksimalkan produksi
5.klik solve dan muncul jendela dibawah ini lau klik ok
dan data terpecahkan


Terlihat bahwa kita memproduksi baju kaos 4 dan lengan 8 untuk memkasimalkan keuntungan sebesar Rp 2, 800 000.

TERIMA KASIH










Baca Selengkapnya »
Tidak ada komentar:

DATA PENCILAN DAN BOX PLOT



MENGENAL DATA PENCILAN DENGAN 
BOXPLOT

Kenapa kita harus belajar data pencilan ?

 Data pencilan mempengaruhi suatu distribusi data .Semakin banyak data pencilan maka data di kategorikan tidak normal.Untuk menormalkan distribusi data untuk keperluan olah data distatiska kita perlu mempelajari tehnik tehnik untuk mengenal dan mendeteksi data pencilan salah satu dengan tehnik boxplot.

 Tak kalah pentingnya adalah menentukan distribusi di bidang Bisnis yaitu menentukkan jenis distribusi barang yang paling efektif dan efisien.


untuk lebih jelas mengenal data pencilan dibox plot ,silahkan download dibawah ini.


TERIMA KASIH
Baca Selengkapnya »
Tidak ada komentar:

KENAPA HARUS MENGENAL BILANGAN




SERI# 1 MATEMATIKA
MENGENAL BILANGAN


Kenapa Kita harus mengenal bilangan?

jawabnya :

Kita tidak dapat di bohongi oleh penjual atau pembeli atau penilu atau penjahat dan sejenisnya.

Jika anda membeli buah mangga sebanyak 20 buah dan penjualnya memberikan ke Anda ,tentu anda akan menghitungnya bukan ?

oleh karena itu kita harus mengenal bilangan ,sebagai dasar untuk belajar matematika yang lebih tinggi .Mengenal bilangan adalah bagian matematika arimatika.

orang arab berkata alif dan orang amerika one, orang indonesia berkata satu yang artinya angka 1 ,sama diseluruh dunia.

itulah gunanya kita mengenal bilangan ,berikut ada berapa jenis bilangan dan masih ada jenis bilangan yang lain ,silahkan ditambahkan .





1. Bilangan Kompleks
Bilangan Kompleks adalah bilangan yang berbentuk a+bi, dimana a dan b bilangan real dan i adalah bilangan imajiner.

2. Bilangan Real
Bilangan Real adalah bilangan yang dapat dituliskan dalam bentuk desimal. Bilangan real mencakup bilangan rasional dan irasional.

3. Bilangan Imajiner
Bilangan Imajiner adalah bilangan yang mempunyai sifat i^2 = −1.

4. Bilangan Rasional
Bilangan Rasional adalah bilangan yang dapat dinyatakan sebagai pecahan \frac{a}{b} dimana “a” dan “b” bilangan bulat dan b tidak sama dengan 0.
Bilangan rasional terdiri dari bilangan bulat, bilangan pecahan, bilangan nol, bilangan asli, bilangan cacah, bilangan prima, bilangan komposit

5. Bilangan Irasional
Bilangan Irasional adalah bilangan yang tidak bisa dibagi (hasil baginya tidak pernah berhenti).
Contoh: Bilangan \pi= 3,1415926..., \sqrt[]{2}, dan bilangan e.

6. Bilangan Bulat
Bilangan Bulat adalah semua bilangan bukan pecahan. Bilangan bulat terdiri dari bilangan nol, positif dan negatif.
Contoh : Bilangan positif 1,2,3,4,5,6,7,… ,bilangan negatif …,-7,-6,-5,-4,-3,-2,-1 dan bilangan nol “0”

7. Bilangan Pecahan
Bilangan Pecahan adalah bilangan yang dinyatakan dalam bentuk \frac{a}{b} dengan “a” adalah bilangan pembilang dan “b” adalah bilangan penyebut. Dengan “b” tidak boleh sama dengan nol.
Contoh : Bilangan \frac{2}{3}, \frac{1}{4}, \frac{2}{9}, \frac{1}{10}, dll

8. Bilangan Cacah
Bilangan Cacah adalah bilangan bulat yang dimulai dari nol.
yang termasuk bilangan ini adalah : 0,1,2,3,4,5,6,7,8,9,…

9. Bilangan Asli
Bilangan Asli adalah bilangan bulat yang dimulai dari satu.
yang termasuk bilangan ini adalah : 1,2,3,4,5,6,7,8,9,…

Dan lain sebagainya.


Terima kasih


Baca Selengkapnya »
Tidak ada komentar:
Langganan: Postingan (Atom)