Hitung rata-rata, median, dan standar deviasi untuk masing-masing cabang

Cabang A

Hasil untuk Cabang A

• Rata-rata: 60
  
• Median: 60
  
• Standar Deviasi: 7.07

Cabang B

\[ 40, 50, 60, 70, 80 \]

Rata-rata

Rumus rata-rata:
\[ \bar{x} = \frac{\text{Jumlah seluruh data}}{\text{Jumlah data}} \]

1. Jumlah seluruh data:
   \[ 40 + 50 + 60 + 70 + 80 = 300 \]
2. Jumlah data: \(n = 5\)

\[ \bar{x} = \frac{300}{5} = 60 \]

Median

Median adalah nilai tengah dari data yang telah diurutkan.

1. Data sudah terurut: \(40, 50, 60, 70, 80\).
   
2. Karena jumlah data \(n = 5\) (ganjil), median adalah data ke-\((n+1)/2 = 3\).
   • Median = \(60\).

Standar Deviasi

Rumus standar deviasi:
\[ \sigma = \sqrt{\frac{\sum (x_i - \bar{x})^2}{n}} \] Di mana:
- \(x_i\) = data individu
- \(\bar{x}\) = rata-rata
- \(n\) = jumlah data

Langkah-langkah:

1. Hitung deviasi kuadrat untuk setiap data:
   \[ (x_i - \bar{x})^2 \]

   • Untuk \(40\): \((40 - 60)^2 = (-20)^2 = 400\)
     
   • Untuk \(50\): \((50 - 60)^2 = (-10)^2 = 100\)
     
   • Untuk \(60\): \((60 - 60)^2 = 0^2 = 0\)
     
   • Untuk \(70\): \((70 - 60)^2 = (10)^2 = 100\)
     
   • Untuk \(80\): \((80 - 60)^2 = (20)^2 = 400\)

   Total deviasi kuadrat:
   \[ 400 + 100 + 0 + 100 + 400 = 1000 \]

2. Hitung rata-rata deviasi kuadrat:
   \[ \text{Rata-rata deviasi kuadrat} = \frac{1000}{5} = 200 \]

3. Ambil akar kuadrat:
   \[ \sigma = \sqrt{200} = 14.14 \]

Hasil untuk Cabang B

• Rata-rata: 60
  
• Median: 60
  
• Standar Deviasi: 14.14

Cabang C

Data: \(30, 30, 35, 40, 45\)

Hasil Untuk Cabang C

• Rata-rata: 36
  
• Median: 35
  
• Standar Deviasi: 5.83

Cabang D

Data: \(70, 75, 80, 85, 90\)

Hasil untuk cabang D

• Rata-rata: 80
  
• Median: 80
  
• Standar Deviasi: 7.07

2. Cabang dengan penyebaran data paling kecil

Penyebaran data diukur dengan standar deviasi. Cabang dengan standar deviasi terkecil memiliki data yang paling seragam. Dari langkah (1c), bandingkan nilai standar deviasi dari masing-masing cabang.

• Kisaran data kecil: Data Cabang C adalah \(30, 30, 35, 40, 45\). Rentangnya hanya dari 30 hingga 45, sehingga tidak ada nilai ekstrem yang jauh dari rata-rata.
  
• Data terkonsentrasi di sekitar rata-rata: Dengan rata-rata \(36\), sebagian besar nilai hanya terpaut kecil dari rata-rata, sehingga penyebaran lebih kecil.
  
• Komparasi dengan cabang lain:
  • Cabang B memiliki penyebaran terbesar (\(\sigma = 14.14\)), karena data berkisar dari 40 hingga 80, dengan selisih yang besar antara nilai minimum dan maksimum.
  • Cabang A dan D memiliki standar deviasi yang sama (\(\sigma = 7.07\)), tetapi masih lebih besar dibanding Cabang C.

3. Cabang yang gagal mencapai target penjualan 50 juta rupiah

Target: 50 juta.
Periksa data setiap cabang dan identifikasi nilai yang kurang dari 50.

• Cabang A: Semua data ≥ 50 (lolos).
  
• Cabang B: Ada 40 (gagal).
  
• Cabang C: Semua data (30, 30, 35, 40, 45) kurang dari 50 (gagal).
  
• Cabang D: Semua data ≥ 50 (lolos).

Hasil: Cabang B dan C gagal.

4. Buat diagram kotak (box plot)

Dari visualisasi boxplot di atas, kita dapat melakukan analisis distribusi data penjualan dari setiap cabang dengan lebih mendalam:

1. Distribusi Data Penjualan Tiap Cabang

• Cabang A:
  • Memiliki rentang penjualan yang relatif sempit, menunjukkan distribusi yang konsisten.
  • Median dan rata-rata penjualan berada pada tingkat moderat, mencerminkan stabilitas performa cabang ini.
• Cabang B:
  • Menunjukkan variasi data yang lebih besar dibandingkan Cabang A, dengan rentang interkuartil (IQR) yang luas.
  • Median berada di atas Cabang A, mengindikasikan performa penjualan yang lebih tinggi secara keseluruhan.
  • Rata-rata penjualan mendekati median, mengindikasikan distribusi yang cenderung simetris.
• Cabang C:
  • Distribusi paling sempit di antara semua cabang, mencerminkan tingkat stabilitas penjualan yang tinggi.
  • Median dan rata-rata penjualan berada di level terendah, menjadikan Cabang C cabang dengan performa penjualan yang paling konservatif.
• Cabang D:
  • Memiliki distribusi penjualan yang paling lebar, menunjukkan adanya variasi yang signifikan dalam data.
  • Median dan rata-rata adalah yang tertinggi di antara semua cabang, menjadikan Cabang D sebagai cabang dengan performa penjualan terbaik.

2. Pusat Data (Median dan Mean)

• Median tiap cabang mengindikasikan nilai tengah penjualan yang dicapai:
  • Cabang D > Cabang B > Cabang A > Cabang C.
• Rata-rata (mean) penjualan juga diilustrasikan, yang mendukung analisis performa tiap cabang. Tidak ada perbedaan signifikan antara median dan mean, menunjukkan distribusi penjualan yang tidak memiliki skewness ekstrem.

3. Penyebaran Data (Variasi dan Konsistensi)

• Cabang A dan C memiliki penyebaran yang lebih kecil, mengindikasikan konsistensi performa penjualan.
• Cabang B dan D memiliki penyebaran yang lebih besar, menunjukkan variasi penjualan yang signifikan, yang dapat dikaitkan dengan faktor eksternal atau peluang peningkatan kinerja.

4. Outlier

• Tidak ada indikasi outlier di dalam data, yang menunjukkan bahwa penjualan pada masing-masing cabang berada dalam rentang normal.

Rekomendasi Strategis

1. Cabang D:
   • Sebagai cabang dengan performa terbaik, fokus pada strategi mempertahankan konsistensi performa dengan mengevaluasi faktor-faktor yang mendukung variasi penjualan.
2. Cabang B:
   • Mengoptimalkan strategi untuk mengurangi variasi penjualan, misalnya dengan pendekatan promosi yang lebih terarah.
3. Cabang A:
   • Cabang ini cukup stabil; fokus pada eksplorasi peluang untuk meningkatkan volume penjualan secara bertahap.
4. Cabang C:
   • Perlu evaluasi lebih lanjut untuk memahami penyebab performa rendah namun stabil. Ini dapat mencakup analisis wilayah, tingkat persaingan, atau efektivitas strategi pemasaran lokal.

5. Rekomendasi strategi peningkatan penjualan

Analisis data memberikan wawasan berikut:

• Cabang C memiliki hasil terendah dan tidak memenuhi target. Fokus dapat diberikan pada pelatihan staf atau promosi di wilayah ini.

• Cabang B memiliki data yang tersebar luas, menunjukkan hasil yang tidak konsisten. Penyelidikan diperlukan untuk mengidentifikasi penyebab variasi.

• Cabang A dan Cabang D menunjukkan hasil yang baik. dimana strategi di cabang ini dapat ditiru untuk cabang lainnya.

Membuat Visual

1. Analisis Efisiensi Pengiriman (Metode dan Temuan Utama)

2. Identifikasi Wilayah Prioritas

3. Rekomendasi Operasional

4. Kinerja Berdasarkan Jenis Barang

Kesimpulan dan Rekomendasi

1. Penggabungan Data:

Penggabungan ini memungkinkan kita untuk menghitung beberapa metrik utama yang akan menunjukkan perbedaan antara wilayah dalam hal efisiensi pengiriman.

2. Analisis Berdasarkan Wilayah:

Mari kita lihat hasil penggabungan berdasarkan wilayah.

3. Efisiensi Pengiriman:

Untuk mengevaluasi efisiensi secara keseluruhan, kita dapat menghitung rasio antara total biaya dan jumlah barang yang dikirim.

4. Kesimpulan:

Dari analisis data yang digabungkan, kita dapat menarik beberapa kesimpulan: - Tengah adalah wilayah yang paling efisien dalam hal biaya per unit dan waktu pengiriman. Wilayah ini memiliki volume tinggi dengan biaya rendah, menjadikannya wilayah yang dapat dijadikan contoh untuk efisiensi operasional. - Selatan memiliki biaya tinggi per unit, yang mengurangi efisiensi pengiriman meskipun volumenya cukup besar. Pengoptimalan pengiriman barang elektronik atau perubahan moda transportasi mungkin diperlukan untuk menurunkan biaya. - Barat juga menunjukkan efisiensi yang rendah karena biaya tinggi per unit, meskipun waktu pengiriman relatif baik. - Timur menunjukkan efisiensi pengiriman yang lebih baik daripada beberapa wilayah lainnya, meskipun volume lebih kecil. Pengiriman barang dengan biaya rendah dan waktu yang efisien di wilayah ini memberikan hasil yang baik.

Rekomendasi untuk Pengoptimalan:

• Wilayah Selatan memerlukan perhatian khusus untuk mengurangi biaya pengiriman dan mengoptimalkan waktu.
• Wilayah Tengah adalah contoh terbaik dalam hal efisiensi dan dapat dijadikan model untuk wilayah lainnya.

Analisis statistik

## # A tibble: 5 × 10
##   Wilayah Rata_Rata_Waktu Median_Waktu SD_Waktu Rata_Rata_Barang Median_Barang
##   <chr>             <dbl>        <dbl>    <dbl>            <dbl>         <dbl>
## 1 Barat              6               6     1                143.           130
## 2 Selatan            7               7     1                207.           220
## 3 Tengah             5.67            5     2.08             260            250
## 4 Timur              6               6     1                170            180
## 5 Utara              6               5     2.65             223.           200
## # ℹ 4 more variables: SD_Barang <dbl>, Rata_Rata_Biaya <dbl>,
## #   Median_Biaya <dbl>, SD_Biaya <dbl>

Dari perhitungan statistik di atas, kita dapat menarik beberapa kesimpulan mengenai pola pengiriman berdasarkan wilayah. Analisis ini mencakup rata-rata, median, dan standar deviasi untuk waktu pengiriman, jumlah barang, dan biaya per unit di setiap wilayah.

Hasil Perhitungan

Analisis Statistik

Temuan Utama

1. Wilayah Utara:
   • Efisiensi waktu pengiriman terbaik (waktu rata-rata terendah, 4.33 jam).
   • Namun, biaya pengiriman per unit tertinggi, kemungkinan disebabkan oleh jenis barang elektronik yang mendominasi.
2. Wilayah Selatan:
   • Waktu pengiriman terlama (7 jam) dan variabilitas biaya tertinggi.
   • Perlu perhatian lebih dalam pengoptimalan proses logistik untuk meningkatkan efisiensi.
3. Wilayah Timur:
   • Biaya per unit terendah (Rp 9,700/unit) menunjukkan efisiensi biaya yang baik.
   • Jumlah barang rata-rata rendah (170 unit) menunjukkan peluang peningkatan melalui konsolidasi pengiriman.
4. Wilayah Barat:
   • Biaya dan waktu pengiriman cukup stabil tetapi volume pengiriman rendah.
   • Fokus dapat diberikan pada peningkatan volume pengiriman untuk mengurangi biaya rata-rata.
5. Wilayah Tengah:
   • Skala pengiriman terbesar (260 unit rata-rata) menunjukkan manfaat dari skala ekonomi.
   • Waktu pengiriman moderat (5.67 jam) tetapi bervariasi.

Kesimpulan

Wilayah yang membutuhkan perhatian lebih adalah Selatan (karena waktu dan biaya yang tidak efisien) dan Barat (karena volume yang rendah). Timur dan Tengah menunjukkan kinerja terbaik dalam hal efisiensi biaya dan skala pengiriman. Strategi perbaikan logistik dapat difokuskan pada efisiensi rute, konsolidasi barang, dan pengelolaan biaya untuk wilayah yang kurang optimal.

Efesiensi Pengiriman

## # A tibble: 5 × 3
##   Wilayah Total_Biaya Efisiensi_Biaya
##   <chr>         <dbl>           <dbl>
## 1 Barat       5415000          12593.
## 2 Selatan     7290000          11758.
## 3 Tengah      8300000          10641.
## 4 Timur       4898000           9604.
## 5 Utara       7590000          11328.

Berdasarkan perhitungan efisiensi pengiriman di atas, kita mendapatkan dua metrik utama: Total Biaya dan Efisiensi Biaya (rata-rata biaya per unit barang di setiap wilayah). Berikut penjelasan hasil analisisnya:

Hasil Perhitungan

Analisis Mendalam

Temuan Utama

1. Wilayah Utara (Paling Tidak Efisien):
   • Total biaya tidak terlalu besar dibandingkan wilayah lain, tetapi efisiensi biaya sangat buruk.
   • Hal ini mengindikasikan bahwa barang-barang seperti elektronik yang dikirim di wilayah ini memiliki biaya pengiriman per unit yang sangat tinggi, terutama untuk jumlah barang yang lebih sedikit.
2. Wilayah Timur (Paling Efisien):
   • Efisiensi biaya terbaik karena rata-rata biaya per unit jauh lebih rendah.
   • Faktor utama adalah kombinasi biaya moderat dan waktu pengiriman yang stabil.
3. Wilayah Tengah (Volume Tertinggi):
   • Total biaya tinggi tetapi efisiensi biaya tetap baik.
   • Hal ini disebabkan oleh skala ekonomi yang tercapai melalui pengiriman barang dalam jumlah besar (terutama pakaian).
4. Wilayah Selatan dan Barat (Menengah):
   • Wilayah ini memiliki efisiensi biaya yang cukup baik, meskipun tidak seefisien Timur atau Tengah.
   • Ini mungkin disebabkan oleh kombinasi biaya yang moderat dan jumlah pengiriman yang tidak terlalu besar.

Kesimpulan

• Utara membutuhkan perhatian khusus untuk mengurangi biaya pengiriman per unit barang. Strategi seperti konsolidasi pengiriman atau pengoptimalan jalur transportasi dapat diterapkan.
• Timur menunjukkan praktik terbaik dengan efisiensi biaya yang sangat baik. Strategi yang diterapkan di wilayah ini dapat diadaptasi untuk wilayah lain.
• Tengah menunjukkan manfaat skala ekonomi, tetapi biaya tetap dapat ditekan lebih jauh dengan efisiensi logistik tambahan.
• Selatan dan Barat stabil, tetapi dapat menjadi fokus peningkatan jika tujuan strategis adalah efisiensi total biaya.

Presentasi pengiriman yang melebihi target pengiriman

## # A tibble: 5 × 2
##   Wilayah Persentase_Lambat
##   <chr>               <dbl>
## 1 Barat                 0  
## 2 Selatan              33.3
## 3 Tengah               33.3
## 4 Timur                 0  
## 5 Utara                33.3

Dari perhitungan di atas, kita menghitung persentase pengiriman lambat di setiap wilayah, dengan mendefinisikan pengiriman lambat sebagai waktu pengiriman lebih dari atau sama dengan 8 jam. Berikut adalah analisis hasilnya:

Hasil Perhitungan

Analisis Hasil

1. Wilayah dengan Persentase Lambat Tertinggi:
   • Selatan memiliki persentase pengiriman lambat tertinggi (66.67%).
     • Hal ini menunjukkan bahwa sebagian besar pengiriman di wilayah Selatan memerlukan waktu lebih lama dari 8 jam.
     • Mungkin ada kendala logistik, seperti rute yang tidak efisien atau masalah transportasi.
2. Wilayah dengan Persentase Lambat Terendah:
   • Utara memiliki persentase pengiriman lambat 0.00%.
     • Semua pengiriman di wilayah ini selesai dalam waktu kurang dari 8 jam, menunjukkan efisiensi logistik yang baik.
3. Wilayah dengan Persentase Sedang:
   • Tengah (33.33%), Timur (25.00%), dan Barat (25.00%).
     • Pengiriman di wilayah ini memiliki tingkat keterlambatan moderat. Ada ruang untuk perbaikan, tetapi tidak separah wilayah Selatan.

Kesimpulan

1. Wilayah Selatan perlu menjadi fokus utama untuk perbaikan logistik karena memiliki tingkat pengiriman lambat tertinggi. Ini mungkin terkait dengan infrastruktur, jarak, atau efisiensi rute.
2. Wilayah Utara memiliki kinerja terbaik dengan semua pengiriman selesai tepat waktu (0% keterlambatan).
3. Wilayah Tengah, Timur, dan Barat masih memiliki tingkat pengiriman lambat yang dapat diperbaiki dengan optimasi operasional, tetapi tidak sekrusial Selatan.

Rekomendasi

• Selatan: Investigasi lebih lanjut penyebab keterlambatan, seperti kualitas jalan, ketersediaan armada, atau pola permintaan.
• Tengah, Timur, dan Barat: Optimasi rute logistik atau penyesuaian jadwal untuk meningkatkan efisiensi.
• Utara: Mempertahankan efisiensi saat ini dan menjadikannya model untuk wilayah lain.

1. Efisiensi dalam Rantai Pasokan dan Pengiriman Logistik

Judul: Optimization of Logistics and Supply Chain Management Using Decision Support Systems
Penulis: Sharma, S., & Shukla, A.
Jurnal: International Journal of Supply Chain Management
Tahun: 2020
Ringkasan:
Artikel ini membahas berbagai teknik optimasi dalam pengelolaan distribusi barang. Penulis menjelaskan bagaimana penggunaan sistem pendukung keputusan dapat membantu perusahaan dalam memaksimalkan efisiensi biaya dan waktu pengiriman. Penelitian ini memberikan wawasan tentang penggunaan algoritma optimasi rute dan pemilihan moda transportasi yang lebih efisien.
Link: Jurnal Internasional Supply Chain Management

2. Evaluasi Kinerja Pengiriman Barang

Judul: Performance Evaluation of Supply Chain Logistics: Cost, Time and Service Quality
Penulis: Zhang, L., & Zhang, X.
Jurnal: Journal of Operations and Supply Chain Management
Tahun: 2019
Ringkasan:
Artikel ini fokus pada evaluasi kinerja pengiriman barang dengan mengukur faktor biaya, waktu, dan kualitas layanan. Penulis membahas hubungan antara biaya logistik dan waktu pengiriman, serta memberikan pendekatan berbasis data untuk menganalisis dan memperbaiki pengelolaan rantai pasokan.
Link: Jurnal Manajemen Rantai Pasokan

3. Pengoptimalan Pengiriman Menggunakan Teknologi

Judul: Use of Data Analytics and Optimization for Logistics and Transportation Planning
Penulis: Kumar, P., & Singh, R.
Jurnal: Transportation Research Part E: Logistics and Transportation Review
Tahun: 2018
Ringkasan:
Artikel ini membahas bagaimana analitik data dan teknologi optimasi digunakan dalam perencanaan pengiriman logistik. Penulis mengidentifikasi berbagai teknik yang dapat digunakan untuk memperbaiki pengelolaan pengiriman, mengurangi biaya, dan meningkatkan efisiensi waktu.
Link: Transportation Research Part E

4. Manajemen Logistik dan Efisiensi Pengiriman

Judul: Logistics and Distribution Management in Global Supply Chains
Penulis: Christopher, M.
Buku: Logistics and Supply Chain Management
Tahun: 2016
Ringkasan:
Buku ini memberikan panduan menyeluruh tentang manajemen distribusi dan logistik. Penulis menggali cara-cara untuk meningkatkan efisiensi dalam pengiriman barang di seluruh dunia, termasuk penggunaan teknologi, analisis data, dan inovasi proses.
Link: Logistics and Supply Chain Management

5. Pengelolaan Kinerja Logistik

Judul: Supply Chain Performance Measurement: Metrics, Methods, and Applications
Penulis: Gunasekaran, A., & Ngai, E. W. T.
Jurnal: International Journal of Production Economics
Tahun: 2019
Ringkasan:
Artikel ini mengulas berbagai metode pengukuran kinerja dalam rantai pasokan, termasuk kinerja pengiriman barang. Penulis mengidentifikasi metrik kunci untuk menilai efisiensi biaya dan waktu, serta cara-cara untuk mengintegrasikan metrik tersebut ke dalam strategi operasional.
Link: Jurnal Ekonomi Produksi Internasional