4.11 Business Plan
4.11.3 Analisis Pasar dan Pemasaran .1 Produk yang Dihasilkan
Produk buket bunga artifisial yang dihasilkan Matabelo Bandung Florist yaitu sebagai berikut :
1. Buket Bunga Kertas, harga Rp 10000 – Rp 160000 2. Buket Bunga Satin, harga Rp 55000 – Rp 85000 3. Buket Bunga Flanel, harga Rp 15000 – Rp 85000 4. Buket Bunga Sintetis, harga Rp 75000 – Rp 150000 5. Buket Bunga Boneka, harga Rp 65000 – Rp 175000
4.11.3.2 Gambaran Pasar
Sumber : Data Internal Matabelo Bandung, 2018
Grafik 4.1 Data Penjualan Buket Bunga Artifisial Periode 2016-2019
Nilai penjualan selama 3 tahun terakhir yaitu periode 2016 sampai dengan 2018 mengalami peningkatan yang terlihat cukup stabil dan signifikan.
4.11.3.3 Target atau Segmen Pasar yang Dituju
Matabelo Bandung Florist secara umum memiliki target dan segmen sebagai berikut :
1. Individu seluruh kalangan usia 12 tahun sampai dengan 70 tahun. 2. Pelajar dan mahasiswa yang akan merayakan kelulusan
3. Pihak institusi pendidikan dan perusahaan perusahaan yang perlu menyelenggarakan event baik secara berkala maupun tidak berkala.
4.11.3.4 Proyeksi Penjualan
Peramalan permintaan (demand) dan peramalan penjualan atau omzet selama periode tiga tahun ke depan menjadi fokus dari penilaian aspek pasar.
0 200000000 400000000 600000000 800000000 1E+09 1,2E+09 1,4E+09 2016 2017 2018
4.11.3.5 Peramalan Permintaan
Tabel 4.35 Perbandingan Metode Peramalan Permintaan
Metode MAD MSE MAPE
Regression / Trend Analysis 324,76 147129,22 33,72%
Moving Average – 1 210,57 60122 18,71% Moving Average – 2 277,45 101962,33 23,99% Moving Average – 3 353,39 153831,25 30,12% Exponential Smoothing (α = 0.1) 409,13 258892,92 31,83% Exponential Smoothing (α = 0.2) 351,36 186249,81 29,63% Exponential Smoothing (α = 0.3) 331,82 156420,92 28,76% Exponential Smoothing (α = 0.4) 313,13 132969,03 27,48% Exponential Smoothing (α = 0.5) 286,09 112727,24 25,31% Exponential Smoothing (α = 0.6) 259,74 95876,72 23,01% Exponential Smoothing (α = 0.7) 240,19 82433,6 21,31% Exponential Smoothing (α = 0.8) 225,87 72039,25 20,12% Exponential Smoothing (α = 0.9) 213,25 64198,42 19,02% Exponential Smoothing (α = 1) 204,72 58451,94 18,19%
Berdasarkan tabel di atas, metode peramalan yang dianggap paling sesuai yaitu metode Exponential Smoothing dengan α = 1 . Hal ini dikarenakan memiliki nilai MAD, MSE dan MAPE yang terkecil dibandingkan dengan nilai hasil dari metode peramalan lainnya. Hasil peramalan permintaan menggunakan metode
Exponential Smoothing dengan α = 1 ditunjukkan melalui tabel berikut :
Tabel 4.36 Peramalan Permintaan dengan Metode Exponential Smoothing dengan α = 1
Data Forecasts and Error Analysis
Period Demand Forecast Error Absolute Squared Abs Pct Err
Period 1 305 305 0 0 0 00,00% Period 2 403 305 98 98 9604 24,32% Period 3 472 403 69 69 4761 14,62% Period 4 682 472 210 210 44100 30,79% Period 5 852 682 170 170 28900 19,95% Period 6 1172 852 320 320 102400 27,30% Period 7 1512 1172 340 340 115600 22,49% Period 8 1568 1512 56 56 3136 03,57%
Period 9 1484 1568 -84 84 7056 05,66% Period 10 1169 1484 -315 315 99225 26,95% Period 11 1092 1169 -77 77 5929 07,05% Period 12 876 1092 -216 216 46656 24,66% Period 13 521 876 -355 355 126025 68,14% Period 14 692 521 171 171 29241 24,71% Period 15 853 692 161 161 25921 18,87% Period 16 1092 853 239 239 57121 21,89% Period 17 1153 1092 61 61 3721 05,29% Period 18 1482 1153 329 329 108241 22,20% Period 19 1983 1482 501 501 251001 25,26% Period 20 1742 1983 -241 241 58081 13,83% Period 21 1792 1742 50 50 2500 02,79% Period 22 1392 1792 -400 400 160000 28,74% Period 23 1284 1392 -108 108 11664 08,41% Period 24 921 1284 -363 363 131769 39,41% Period 25 796 921 -125 125 15625 15,70% Period 26 871 796 75 75 5625 08,61% Period 27 1086 871 215 215 46225 19,80% Period 28 1395 1086 309 309 95481 22,15% Period 29 1369 1395 -26 26 676 01,90% Period 30 1683 1369 314 314 98596 18,66% Period 31 2145 1683 462 462 213444 21,54% Period 32 2075 2145 -70 70 4900 03,37% Period 33 1942 2075 -133 133 17689 06,85% Period 34 1752 1942 -190 190 36100 10,84% Period 35 1536 1752 -216 216 46656 14,06% Period 36 1235 1536 -301 301 90601 0,2437247 Total 930 7370 2104270 654,77% Average 25,833333 204,72222 58451,944 18,19%
Bias MAD MSE MAPE
SE 248,7776
Next period 1235
4.11.3.6 Peramalan Penjualan
Tabel 4.37 Perbandingan Metode Peramalan Penjualan
Metode MAD MSE MAPE
Regression / Trend Analysis 5700000 3,65513E+13 00,53%
34Moving Average – 1 236175000 5,594E+16 19,46%
Moving Average – 2 347850000 1,21E+17 25,93%
Exponential Smoothing (α = 0.1) 232150000 8,7404E+16 18,54% Exponential Smoothing (α = 0.2) 223850000 8,0183E+16 17,92% Exponential Smoothing (α = 0.3) 215550000 7,3376E+16 17,31% Exponential Smoothing (α = 0.4) 207250000 6,6981E+16 16,69% Exponential Smoothing (α = 0.5) 198950000 6,1E+16 16,07% Exponential Smoothing (α = 0.6) 190650000 5,5433E+16 15,45% Exponential Smoothing (α = 0.7) 182350000 5,0278E+16 14,83% Exponential Smoothing (α = 0.8) 174050000 4,5537E+16 14,21% Exponential Smoothing (α = 0.9) 165750000 4,121E+16 13,59% Exponential Smoothing (α = 1) 157450000 3,7295E+16 12,97%
Berdasarkan tabel di atas, metode peramalan yang dianggap paling sesuai yaitu metode Regression / Trend Analysis. Hal ini dikarenakan memiliki nilai MAD, MSE dan MAPE yang terkecil dibandingkan dengan nilai MAD, MSE dan MAPE dari metode peramalan lainnya. Hasil peramalan penjualan menggunakan metode Regression / Trend Analysis ditunjukkan melalui tabel berikut :
Tabel 4.38 Peramalan Penjualan Melalui Metode Regression
Data Forecasts and Error Analysis
Period Penjualan (y) Period(x) Forecast Error Absolute Squared
Abs Pct Err Period 1 869025000 1 873300000 -4275000 4275000 1,82756E+13 00,49% Period 2 1118025000 2 1109475000 8550000 8550000 7,31025E+13 00,76% Period 3 1341375000 3 1345650000 -4275000 4275000 1,82756E+13 00,32% Total 0 17100000 1,09654E+14 01,58%
Intercept 637125000 Average 0 5700000 3,65513E+13 00,53%
Slope 236175000 Bias MAD MSE MAPE
SE 10471568,65 Forecast 1581825000 4 Correlation 0,999508894 Coefficient of determination 0,999018028
4.11.3.7 Strategi Pemasaran
1. Pengembangan Produk
- Menciptakan produk baru secara berkala agar produk selalu variatif dan inovatif mengikuti perkembangan.
- Menerima pesanan custom sesuai keinginan dari customer.
- Menciptakan produk di setiap segmen harga untuk setiap jenis buket. 2. Pengembangan Wilayah Pemasaran
Proses pengembangan wilayah pemasaran dilakukan dengan langkah-langkah sebagai berikut :
- Fokus awal menguasai pasar buket bunga untuk Kota Bandung dan sekitarnya.
- Pengembangan pasar dengan membuka cabang atau melakukan kerja sama dengan mitra di wilayah dengan jumlah universitas yang cukup banyak dan dikenal seperti wilayah Jabodetabek dan Yogyakarta.
- Membuka cabang atau melakukan kerja sama dengan mitra di kota-kota besar di Indonesia untuk menguasai pasar nasional.
3. Kegiatan Promosi
- Mengikuti pameran dan event skala nasional atau internasional di Indonesia untuk memperkenalkan produk secara luas.
- Melakukan penjualan dan promosi secara langsung di lokasi-lokasi kelulusan atau wisuda.
- Melakukan pembagian brosur serta kartu nama secara berkala di lokasi kampus-kampus dan kawasan strategis.
- Promosi online intensif melalui website dengan SEO (Search Engine Optimization), social media, dan berbagai online marketplace.
- Promosi online berbayar melalui google ads, facebook ads, instagram ads dan lainnya.
- Melakukan kerja sama dengan mitra besar seperti institusi pendidikan atau perusahaan yang rutin membutuhkan produk untuk event.
Harga yang ditetapkan untuk setiap produk yang dikeluarkan melalui proses perencanaan. Hal-hal yang menjadi perhatian yaitu harga dari pihak kompetitor baik online dan offline, harga dari produk baru jangan sampai mengganggu penjualan produk lama dan penetapan harga grosir berdasarkan jumlah pembelian tertentu. Harga eceran maupun harga grosir yang ditetapkan dengan sangat matang agar harga sangat kompetitif sehingga produk mudah terjual dan tetap memiliki citra terjangkau.
4.11.3.8 Analisis Pesaing
Tabel 4.39 Analisis Pesaing
Pesaing Keunggulan Kelemahan
Pedagang Pasar Bunga Lokasi dikenal sebagai sentra bunga, telah berdiri puluhan tahun
Hampir semua fokus menjual bunga asli, produk tidak variatif dan inovatif
Toko daerah alun-alun Lokasi di pusat Kota Bandung
Lebih fokus menjual bahan buket, harga kurang kompetitif Toko online individu Harga kompetitif dan
variatif
Tidak memiki toko
offline, terdapat
kekhawatiran customer membeli di toko online. Toko di pusat
perbelanjaan atau mall
Potensi pembeli di pusat perbelanjaan besar
Harga kurang kompetitif, produk tidak variatif
4.11.3.9 Saluran Distribusi
4.11.3.9.1 Wilayah Pemasaran dan Jalur Distribusi Saat Ini
1. Wilayah Pemasaran
Pemasaran masih berfokus di wilayah Kota Bandung dan sekitarnya sekitar 90%. Penjualan secara online untuk memenuhi pasar nasional belum intensif hanya berkisar 10% dari total penjualan.
2. Jalur Distribusi
Distribusi penjualan produk dilakukan langsung kepada individu end user,
3. Lokasi Showroom Penjualan
Lokasi penjualan berada di Balubur Town Square (BALTOS) sebagai
store pusat. Status lokasi penjualan masih sewa dan bukan hak milik
perusahaan.
4.11.3.9.2 Wilayah Pemasaran dan Jalur Distribusi yang Direncanakan
1. Wilayah Pemasaran
Rencana pemasaran memiliki target untuk memenuhi pasar nasional dan menjadi market leader di bidang usaha buket bunga secara nasional. Pengembangan wilayah pemasaran dimulai dengan wilayah dengan kampus-kampus ternama dan dilanjutkan dengan di kota-kota besar di Indonesia. Pemasaran secara online dan offline dilakukan secara intensif sehingga wilayah pemasaran dapat cepat meluas.
2. Jalur Distribusi
Rencana jalur distribusi dilakukan dikembangkan dengan melalui mitra
retailer, mitra perusahaan perusahaan atau industri dan juga dapat melalui
pemerintah dengan memanfaatkan program-programnya. 3. Lokasi Showroom Penjualan
Rencana penjualan dilakukan juga melalui selling point di daerah yang lebih strategis di Bandung yaitu di daerah Dipatiukur atau Dago sehingga lebih dekat dengan pasar mahasiswa dan berada di lokasi lebih strategis. Pembukaan cabang untuk mengembangkan secara nasional dilakukan dengan membuka cabang atau menjalin kerja sama dengan mitra di wilayah yang dekat dengan Universitas Indonesia (UI) dan juga di daerah strategis di Yogyakarta yang dikenal sebagai pendidikan.
4.11.4 Analisis Produksi