# Laporan Akhir Eksplorasi Data ## 1. Ringkasan Eksekutif # 1. Ringkasan Eksekutif Laporan ini menyajikan analisis eksplorasi awal terhadap data pemenuhan pesanan (order fulfillment) untuk periode Juni 2026. Tujuan utama dari analisis ini adalah untuk memahami status pemenuhan pesanan secara keseluruhan, menganalisis waktu tunggu (lead time) di berbagai tahapan, serta mengidentifikasi potensi anomali atau area yang memerlukan perbaikan lebih lanjut dalam proses operasional. ### Gambaran Umum Pemenuhan Pesanan Secara keseluruhan, kinerja pemenuhan pesanan menunjukkan tingkat yang sangat baik. Dari total 131,315 pesanan yang tercatat sepanjang bulan Juni 2026, mayoritas besar berhasil dilayani. * **Total Pesanan:** 131,315 * **Pesanan Terlayani Penuh:** 129,575 * **Pesanan Dibatalkan (CANCEL):** 1,740 * **Tingkat Pemenuhan Keseluruhan:** 98.7% Jumlah rata-rata kuantitas barang per pesanan yang diterima (`Qty RO`) adalah 11 unit, dengan kuantitas yang dikirim (`Qty DO`) juga rata-rata 11 unit, menunjukkan konsistensi dalam pemenuhan kuantitas pesanan. Total kuantitas barang yang dipesan (`Total_Qty_RO`) adalah 1,450,205 unit, sementara total kuantitas barang yang dikirim (`Total_Qty_DO`) adalah 1,436,229 unit. Rentang waktu data pesanan adalah dari 1 Juni 2026 hingga 30 Juni 2026. Namun, tanggal penerimaan barang oleh pelanggan (`Tgl Diterima`) dapat melampaui periode tersebut, dengan rentang yang valid hingga 18 Agustus 2026. ### Analisis Waktu Tunggu (Lead Time) Analisis waktu tunggu difokuskan pada pesanan yang berhasil dilayani. Terdapat dua metrik utama yang diukur: 1. **Waktu Tunggu dari Pesanan ke DO (Delivery Order):** Ini mengukur kecepatan pemrosesan internal dari saat pesanan masuk hingga pesanan pengiriman dibuat. * Rata-rata: 0.4 hari (sekitar 10 jam) * Median: 0.2 hari (sekitar 5 jam) * Minimum: 0.0 hari * Maksimum: 6.3 hari Tahap ini menunjukkan efisiensi yang sangat baik dengan sebagian besar pesanan diproses menjadi DO dalam waktu kurang dari satu hari. 2. **Waktu Tunggu dari DO ke Penerimaan Pelanggan:** Ini mengukur durasi pengiriman dari saat DO dibuat hingga barang diterima oleh pelanggan. * Rata-rata: 1.7 hari * Median: 1.2 hari * Minimum: 0.0 hari * Maksimum: 63.3 hari (sekitar 2 bulan) Waktu pengiriman rata-rata tergolong wajar. Namun, adanya nilai maksimum yang sangat tinggi (63.3 hari) menunjukkan adanya kasus anomali pengiriman yang sangat lambat yang perlu diselidiki. ### Kualitas Data Tanggal Ditemukan beberapa isu kualitas data pada kolom tanggal yang penting untuk analisis waktu: * Sebanyak 13,231 entri `Tgl Diterima` kosong atau tidak valid (termasuk nilai `1970-01-02 07:00:00`), yang menunjukkan data penerimaan pelanggan tidak lengkap atau salah input. * Terdapat 365 entri `Tgl DO` yang kosong. * Kolom `Tgl PO` (Tanggal PO) hampir seluruhnya kosong (131,315 entri), mengindikasikan bahwa data PO mungkin tidak relevan atau tidak dicatat secara konsisten dalam proses ini. ### Kinerja Berdasarkan Divisi dan Gudang Asal Analisis mendalam menunjukkan variasi kinerja antara kombinasi `Divisi` dan `Asal Gudang`. Meskipun sebagian besar mencapai tingkat pemenuhan yang tinggi, beberapa area menunjukkan anomali: **1. Kombinasi dengan Tingkat Pemenuhan Terendah:** | Divisi | Asal Gudang | Total Pesanan | Pesanan Terlayani | Tingkat Pemenuhan (%) | | :-------------- | :------------------- | ------------: | -----------------: | --------------------: | | PHARMANET 2 | PHARMANET PUSAT | 22 | 0 | 0.0 | | VIBRANT 3 | PHARMANET BOGOR | 29 | 18 | 62.1 | | NUTRINDO | PHARMANET JAKTIM | 24 | 20 | 83.3 | | VIBRANT PBF | PHARMANET SAMARINDA | 61 | 55 | 90.2 | | NUTRINDO | PHARMANET PEKANBARU | 211 | 193 | 91.5 | | PHARMANET B2B | PHARMANET LAMPUNG | 27 | 25 | 92.6 | Anomali paling signifikan adalah 0% tingkat pemenuhan untuk kombinasi `PHARMANET 2` dengan `PHARMANET PUSAT`. Semua 22 pesanan untuk kombinasi ini dibatalkan, dan kolom `Keterangan` kosong, tidak memberikan alasan pembatalan. **2. Kombinasi dengan Waktu Tunggu Pengiriman Terlama (Rata-rata DO ke Diterima):** | Divisi | Asal Gudang | Rata-rata Waktu Tunggu DO ke Diterima (hari) | | :-------------- | :------------------- | -------------------------------------------: | | NUTRISAINS | PHARMANET TANGERANG | 9.5 | | VIBRANT PBF | PHARMANET TANGERANG | 8.2 | | VIBRANT PBF | PHARMANET BANDUNG | 6.5 | | PHARMANET 2 | PHARMANET TANGERANG | 5.3 | | NUTRINDO | PHARMANET TANGERANG | 5.1 | `PHARMANET TANGERANG` secara konsisten menunjukkan waktu tunggu pengiriman yang lebih lama dibandingkan gudang asal lainnya di berbagai divisi. `PHARMANET BANDUNG` juga muncul dengan waktu tunggu yang cukup panjang untuk divisi `VIBRANT PBF`. ### Rekomendasi Berdasarkan temuan di atas, berikut adalah rekomendasi untuk perbaikan operasional: 1. **Investigasi Anomali Pembatalan:** Segera selidiki 22 pesanan yang sepenuhnya dibatalkan untuk kombinasi `Divisi = 'PHARMANET 2'` dan `Asal Gudang = 'PHARMANET PUSAT'`. Perlu ditekankan mengapa kolom `Keterangan` kosong sehingga alasan pembatalan dapat dicatat dan dianalisis di masa mendatang. 2. **Perbaikan Kualitas Data `Tgl Diterima`:** Lakukan audit dan perbaiki proses pencatatan `Tgl Diterima` untuk mengurangi jumlah entri kosong atau tidak valid. Pelatihan staf atau implementasi validasi sistem mungkin diperlukan untuk memastikan data ini dicatat secara akurat dan tepat waktu. 3. **Analisis Outlier Waktu Tunggu Pengiriman:** Lakukan penyelidikan terhadap pesanan dengan waktu tunggu pengiriman `DO ke Diterima` yang sangat panjang (misalnya, lebih dari 7 hari atau nilai maksimum 63.3 hari). Identifikasi penyebab keterlambatan ekstrem ini (misalnya, masalah logistik, kesalahan pencatatan, atau lokasi terpencil). 4. **Optimasi Kinerja Gudang:** Fokus pada `PHARMANET TANGERANG` dan `PHARMANET BANDUNG` untuk memahami penyebab waktu tunggu pengiriman yang secara konsisten lebih lama. Hal ini dapat melibatkan peninjauan rute pengiriman, kapasitas gudang, atau proses internal. 5. **Peningkatan Tingkat Pemenuhan:** Analisis mendalam diperlukan untuk kombinasi `Divisi` dan `Asal Gudang` dengan tingkat pemenuhan di bawah 95% (selain kasus 0% yang sudah disorot) untuk mengidentifikasi hambatan dan menerapkan perbaikan proses. ## 2. Tinjauan Umum Data ## 2. Tinjauan Umum Data Bab ini menyajikan tinjauan menyeluruh terhadap data pesanan yang tersedia, memberikan gambaran umum tentang struktur data, kualitas, serta metrik kinerja dasar. Tujuan dari tinjauan ini adalah untuk memahami karakteristik data, mengidentifikasi pola awal, dan menyoroti potensi anomali yang memerlukan penyelidikan lebih lanjut. ### 2.1 Struktur dan Gambaran Umum Data Dataset yang digunakan berasal dari tabel `omg_10003_b1_sheet1` dan mencakup berbagai informasi terkait proses pemenuhan pesanan. Kolom-kolom kunci yang tersedia adalah: `KodePI`, `OutCode`, `Cmc`, `Nama Outlet`, `Procod`, `Prodes`, `Divisi`, `Pharos YN`, `Qty RO`, `Tgl. Order`, `Tgl. PO`, `No. Web`, `No. RO`, `No. PO`, `Nama Supplier`, `No. SP`, `Sts SP Header`, `Sts SP Detail`, `Tgl. SP`, `Qty SP`, `No. DO`, `Status DO`, `Tgl DO`, `Qty DO`, `No. PL`, `Tgl. PL`, `Value PL`, `Value RO`, `Status RO`, `Keterangan`, `Tgl Logbook`, `Tgl Ekspedisi`, `Tgl Receiving AMS`, `Tgl RN`, `Asal Gudang`, `Stok Avaiable`, `Ronaldo YN`, `Kel. Class`, `Nomor Resi`, `Nama Ekspedisi`, `Tgl Diterima`, `Nama Penerima`, `AO YN`, `Distributor`, `Lastupdate`. Data mencakup pesanan yang sebagian besar terjadi pada bulan Juni 2026, dengan rentang tanggal pesanan dari **1 Juni 2026** hingga **30 Juni 2026**. Namun, terdapat beberapa catatan tanggal penerimaan (`Tgl Diterima`) yang melampaui periode ini, yaitu hingga **18 Agustus 2026**. Secara keseluruhan, dataset ini terdiri dari 131,315 baris data, dengan distribusi status pesanan sebagai berikut: **Distribusi Status RO (Status Pesanan):** | Status RO | Jumlah | | :-------------- | :--------- | | CANCEL | 1,740 | | TERLAYANI PENUH | 129,575 | Dari distribusi ini, dapat disimpulkan bahwa tingkat pemenuhan pesanan secara keseluruhan sangat baik, mencapai **98.7%** (129,575 dari 131,315 pesanan). Status `TERLAYANI PENUH` diindikasikan oleh `Status DO` 'P', sementara `CANCEL` diindikasikan oleh `Status DO` 'C'. Mengenai kuantitas, rata-rata kuantitas barang yang dipesan (`Qty RO`) per pesanan adalah **11 unit**, dan rata-rata kuantitas barang yang dikirim (`Qty DO`) adalah **11 unit**. Ini menunjukkan bahwa sebagian besar pesanan yang terlayani dikirimkan sesuai dengan kuantitas yang dipesan. **Total Kuantitas Pesanan:** | Total Qty RO | Total Qty DO | | :----------- | :----------- | | 1,450,205 | 1,436,229 | ### 2.2 Kualitas Data Kolom Tanggal Analisis kualitas data pada kolom-kolom tanggal mengungkapkan beberapa poin penting: * **Tgl. Order:** Semua entri `Tgl. Order` lengkap dan valid (0 nilai null). * **Tgl. PO:** Kolom `Tgl. PO` hampir seluruhnya kosong, dengan 131,315 nilai null. Hal ini menunjukkan bahwa informasi `Tgl. PO` mungkin tidak dicatat secara konsisten atau tidak relevan dalam konteks data ini. * **Tgl DO:** Terdapat 365 entri `Tgl DO` yang kosong. Meskipun jumlahnya relatif kecil, ini perlu diperhatikan karena `Tgl DO` adalah titik awal penting untuk mengukur waktu tunggu pengiriman. * **Tgl Diterima:** Kolom `Tgl Diterima` memiliki jumlah nilai null atau tidak valid yang signifikan, yaitu sebanyak 13,231 entri. Beberapa entri juga menunjukkan nilai tanggal `1970-01-02 07:00:00`, yang seringkali merupakan indikator tanggal yang tidak valid atau terinisialisasi. Rentang tanggal yang valid setelah membersihkan data `Tgl Diterima` yang tidak valid adalah sebagai berikut: **Rentang Tanggal Valid:** | Min Valid Tgl Diterima | Max Valid Tgl Diterima | Min Tgl DO | Max Tgl DO | | :--------------------- | :--------------------- | :------------------ | :------------------ | | 2026-06-01 11:23:05 | 2026-08-18 00:00:00 | 2026-06-01 09:06:19 | 2026-07-03 08:54:54 | Isu kualitas data pada `Tgl Diterima` dan `Tgl DO` dapat memengaruhi akurasi analisis waktu tunggu, sehingga perlu penanganan khusus atau pembersihan data di langkah selanjutnya. ### 2.3 Analisis Waktu Tunggu (Lead Time) Untuk memahami efisiensi proses pemenuhan pesanan, dianalisis dua metrik waktu tunggu utama untuk pesanan yang berhasil dilayani: 1. **Waktu Tunggu dari Pesanan ke DO (Order to Delivery Order):** Mengukur waktu yang dibutuhkan dari `Tgl. Order` hingga `Tgl DO`. 2. **Waktu Tunggu dari DO ke Penerimaan Pelanggan (Delivery Order to Customer Received):** Mengukur waktu yang dibutuhkan dari `Tgl DO` hingga `Tgl Diterima`. **Statistik Waktu Tunggu (dalam Hari) untuk Pesanan yang Terpenuhi Penuh (Jumlah = 116,806):** **Waktu Tunggu: Pesanan ke DO** * **Rata-rata:** 0.43 hari (sekitar 10 jam) * **Median:** 0.16 hari (sekitar 4 jam) * **Min:** 0.00 hari * **Max:** 6.27 hari * **Std Dev:** 0.57 hari Distribusi waktu tunggu dari pesanan ke DO menunjukkan bahwa mayoritas pesanan diproses dengan sangat cepat, terbukti dari nilai rata-rata dan median yang rendah. Namun, keberadaan nilai maksimum 6.27 hari mengindikasikan adanya beberapa kasus pesanan yang memerlukan waktu pemrosesan internal yang lebih lama. **Waktu Tunggu: DO ke Penerimaan Pelanggan** * **Rata-rata:** 1.71 hari * **Median:** 1.15 hari * **Min:** 0.00 hari * **Max:** 63.26 hari * **Std Dev:** 2.46 hari Waktu tunggu dari DO ke penerimaan pelanggan memiliki rata-rata dan median yang wajar untuk proses pengiriman. Namun, nilai maksimum yang sangat tinggi yaitu 63.26 hari adalah anomali signifikan yang menunjukkan adanya keterlambatan pengiriman ekstrem untuk kasus-kasus tertentu. Nilai ini sangat jauh dari rata-rata dan median, menyiratkan bahwa ada beberapa pesanan yang menghadapi masalah logistik yang parah atau kesalahan dalam pencatatan tanggal penerimaan. ### 2.4 Kinerja Berdasarkan Divisi dan Gudang Asal Analisis kinerja pemenuhan dan waktu tunggu yang dikelompokkan berdasarkan `Divisi` dan `Asal Gudang` mengungkapkan variasi yang menarik antar unit operasional. **Kombinasi Divisi dan Gudang dengan Tingkat Pemenuhan Terendah:** | Divisi | Asal Gudang | Total Pesanan | Pesanan Terpenuhi | Tingkat Pemenuhan (%) | | :-------------- | :------------------ | :------------ | :---------------- | :-------------------- | | PHARMANET 2 | PHARMANET PUSAT | 22 | 0 | 0.0% | | VIBRANT 3 | PHARMANET BOGOR | 29 | 18 | 62.1% | | NUTRINDO | PHARMANET JAKTIM | 24 | 20 | 83.3% | | VIBRANT PBF | PHARMANET SAMARINDA | 61 | 55 | 90.2% | | NUTRINDO | PHARMANET PEKANBARU | 211 | 193 | 91.5% | | PHARMANET B2B | PHARMANET LAMPUNG | 27 | 25 | 92.6% | Secara khusus, anomali paling mencolok adalah kombinasi **'PHARMANET 2' dengan 'PHARMANET PUSAT'**, yang menunjukkan tingkat pemenuhan **0.0%**. Investigasi lebih lanjut menunjukkan bahwa semua 22 pesanan untuk kombinasi ini berstatus `CANCEL` (`Status RO`) dan `C` (`Status DO`), dengan kolom `Keterangan` yang kosong. Ini mengindikasikan pembatalan massal tanpa alasan yang tercatat, yang memerlukan penyelidikan mendalam. **Kombinasi Divisi dan Gudang dengan Waktu Tunggu Pengiriman Terlama (Rata-rata DO ke Diterima):** | Divisi | Asal Gudang | Rata-rata Waktu Tunggu DO ke Diterima (hari) | | :------------ | :------------------ | :------------------------------------------- | | NUTRISAINS | PHARMANET TANGERANG | 9.46 | | VIBRANT PBF | PHARMANET TANGERANG | 8.19 | | VIBRANT PBF | PHARMANET BANDUNG | 6.53 | | PHARMANET 2 | PHARMANET TANGERANG | 5.29 | | NUTRINDO | PHARMANET TANGERANG | 5.14 | Dari tabel ini, terlihat jelas bahwa **'PHARMANET TANGERANG'** secara konsisten menjadi gudang dengan rata-rata waktu tunggu pengiriman terlama di berbagai divisi (NUTRISAINS, VIBRANT PBF, PHARMANET 2, NUTRINDO). Gudang **'PHARMANET BANDUNG'** juga menunjukkan waktu tunggu yang cukup panjang untuk divisi VIBRANT PBF. Hal ini mengindikasikan potensi masalah logistik atau operasional di gudang-gudang tersebut. ### 2.5 Temuan Kritis dan Rekomendasi Awal Berdasarkan tinjauan umum data, beberapa temuan kritis telah teridentifikasi: 1. **Isu Kualitas Data:** Jumlah entri kosong atau tidak valid yang signifikan pada kolom `Tgl Diterima` dan `Tgl DO`, serta hampir seluruh entri kosong pada `Tgl. PO`, memerlukan perhatian khusus. `Tgl Diterima` yang seringkali menunjukkan `1970-01-02` atau kosong akan menghambat analisis waktu pengiriman yang akurat. 2. **Anomali Pemenuhan 0%:** Kombinasi `Divisi = 'PHARMANET 2'` dan `Asal Gudang = 'PHARMANET PUSAT'` memiliki tingkat pemenuhan 0% karena semua 22 pesanan dibatalkan tanpa keterangan. Ini adalah kasus yang harus segera diinvestigasi. 3. **Waktu Tunggu Pengiriman yang Sangat Panjang:** Meskipun rata-rata waktu tunggu pengiriman wajar, nilai maksimum 63.26 hari dari DO ke penerimaan pelanggan menunjukkan adanya outlier ekstrem yang perlu diselidiki. 4. **Variasi Kinerja Gudang:** Gudang `PHARMANET TANGERANG` secara konsisten menunjukkan rata-rata waktu tunggu pengiriman yang lebih lama. Gudang `PHARMANET BANDUNG` juga menunjukkan waktu tunggu yang panjang untuk divisi tertentu. Ini menyiratkan perbedaan efisiensi operasional antar gudang. **Rekomendasi Awal:** * **Pembersihan dan Validasi Data Tanggal:** Lakukan audit menyeluruh terhadap proses pencatatan `Tgl Diterima` dan `Tgl DO` untuk meminimalisir nilai kosong atau tidak valid. Jika memungkinkan, koreksi data historis atau implementasikan validasi input yang lebih ketat. * **Investigasi Pembatalan Massal:** Selidiki secara mendalam 22 pesanan yang dibatalkan untuk `PHARMANET PUSAT / PHARMANET 2`. Pastikan alasan pembatalan dicatat dengan jelas di kolom `Keterangan` untuk analisis di masa depan. * **Analisis Outlier Lead Time:** Identifikasi dan analisis pesanan individual dengan waktu tunggu pengiriman (DO ke Diterima) yang sangat panjang (misalnya, lebih dari 7 hari atau nilai ekstrem 63.26 hari) untuk mengidentifikasi akar penyebabnya. * **Evaluasi Kinerja Gudang:** Lakukan peninjauan operasional di `PHARMANET TANGERANG` dan `PHARMANET BANDUNG` untuk memahami faktor-faktor yang berkontribusi pada waktu tunggu pengiriman yang lebih lama, seperti kapasitas, rute, atau proses internal. ## 3. Analisis Status Pemenuhan dan Kuantitas Pesanan ## 3. Analisis Status Pemenuhan dan Kuantitas Pesanan Bab ini secara mendalam menganalisis status pemenuhan pesanan dan kuantitas barang yang dipesan serta dikirimkan. Tujuannya adalah untuk memahami efisiensi operasional secara keseluruhan, mengidentifikasi area dengan kinerja baik, dan menyoroti potensi masalah atau anomali yang memerlukan perhatian lebih lanjut. ### 3.1 Gambaran Umum Status Pemenuhan dan Kuantitas Dari data yang tersedia, terlihat bahwa sebagian besar pesanan berhasil dipenuhi dengan baik. **Distribusi Status Pesanan (Berdasarkan 'Status RO'):** | Status RO | Jumlah Pesanan | | :-------------- | -------------: | | CANCEL | 1,740 | | TERLAYANI PENUH | 129,575 | **Distribusi Status DO (Berdasarkan 'Status DO'):** | Status DO | Jumlah Pesanan | | :---------- | -------------: | | C | 1,740 | | P | 129,575 | Data di atas menunjukkan bahwa dari total 131,315 pesanan (1,740 + 129,575), sebanyak 129,575 pesanan berhasil "TERLAYANI PENUH" (ditandai dengan `Status DO` 'P'), sementara 1,740 pesanan "CANCEL" (ditandai dengan `Status DO` 'C'). Ini menghasilkan tingkat pemenuhan pesanan keseluruhan yang sangat tinggi, yaitu **98.7%**. Dalam hal kuantitas barang: **Rata-rata Kuantitas Pesanan:** | Rata-rata Qty RO | Rata-rata Qty DO | | ---------------: | ---------------: | | 11 | 11 | **Total Kuantitas Pesanan:** | Total Qty RO | Total Qty DO | | -----------: | -----------: | | 1,450,205 | 1,436,229 | Rata-rata kuantitas yang dipesan (`Qty RO`) adalah sekitar 11 unit, yang hampir sama dengan rata-rata kuantitas yang dikirim (`Qty DO`). Ini mengindikasikan bahwa untuk pesanan yang terlayani, sebagian besar dikirimkan sesuai dengan kuantitas yang diminta. Perbedaan antara total `Qty RO` dan `Qty DO` sebagian besar disebabkan oleh pesanan yang dibatalkan, di mana tidak ada pengiriman yang terjadi. Rentang waktu data pesanan (`Tgl. Order`) mencakup periode dari **1 Juni 2026 hingga 30 Juni 2026**. Namun, tanggal penerimaan barang oleh pelanggan (`Tgl Diterima`) dapat melampaui periode ini, dengan rentang yang valid hingga **18 Agustus 2026**. ### 3.2 Waktu Tunggu (Lead Time) dalam Proses Pemenuhan Analisis waktu tunggu sangat penting untuk mengukur efisiensi berbagai tahapan dalam proses pemenuhan pesanan. Kami menganalisis dua metrik utama untuk pesanan yang berhasil dipenuhi: 1. **Waktu Tunggu dari Pesanan ke DO (Delivery Order):** Mengukur durasi dari saat pesanan dibuat (`Tgl. Order`) hingga Delivery Order (`Tgl DO`) diterbitkan. Ini merefleksikan kecepatan pemrosesan internal. 2. **Waktu Tunggu dari DO ke Penerimaan Pelanggan:** Mengukur durasi dari saat Delivery Order diterbitkan (`Tgl DO`) hingga barang benar-benar diterima oleh pelanggan (`Tgl Diterima`). Ini merefleksikan efisiensi proses pengiriman atau logistik eksternal. Penting untuk diingat bahwa analisis ini hanya berlaku untuk pesanan yang "TERLAYANI PENUH" dan yang memiliki data tanggal yang lengkap serta valid untuk perhitungan waktu tunggu, yaitu sebanyak 116,806 pesanan. Isu kualitas data pada kolom `Tgl Diterima` dan `Tgl DO` (seperti yang dibahas pada Bab 2) berpotensi mempengaruhi cakupan data yang dapat dianalisis di sini. **Statistik Waktu Tunggu (dalam Hari) untuk Pesanan yang Terpenuhi Penuh:** **Waktu Tunggu: Pesanan ke Delivery Order (DO)** * Jumlah Data: 116,806 * Rata-rata: 0.4 hari (sekitar 10 jam) * Median: 0.2 hari (sekitar 5 jam) * Minimum: 0.0 hari * Maksimum: 6.3 hari * Standar Deviasi: 0.6 hari Waktu tunggu dari pesanan hingga DO secara umum sangat efisien, dengan sebagian besar pesanan diproses dalam waktu kurang dari setengah hari. Nilai rata-rata dan median yang rendah menunjukkan kecepatan dalam penerbitan Delivery Order. Namun, keberadaan nilai maksimum 6.3 hari menunjukkan ada beberapa kasus di mana proses internal ini mengalami keterlambatan yang signifikan. **Waktu Tunggu: Delivery Order (DO) ke Penerimaan Pelanggan** * Jumlah Data: 116,806 * Rata-rata: 1.7 hari * Median: 1.2 hari * Minimum: 0.0 hari * Maksimum: 63.3 hari * Standar Deviasi: 2.5 hari Waktu tunggu dari DO hingga penerimaan pelanggan menunjukkan bahwa rata-rata pengiriman membutuhkan sekitar 1.7 hari, dengan sebagian besar pengiriman selesai dalam waktu sekitar 1.2 hari (median). Angka-angka ini tergolong wajar untuk proses logistik. Namun, nilai maksimum yang mencapai 63.3 hari adalah anomali yang sangat signifikan. Keterlambatan ekstrem ini memerlukan investigasi mendalam untuk memahami akar penyebabnya, apakah itu karena masalah logistik yang kompleks, kesalahan pencatatan, atau faktor lain yang tidak biasa. Kasus-kasus outlier semacam ini dapat secara drastis mempengaruhi kepuasan pelanggan dan efisiensi operasional. ### 3.3 Kinerja Pemenuhan Berdasarkan Divisi dan Gudang Asal Untuk mendapatkan wawasan yang lebih granular, kami menganalisis tingkat pemenuhan dan rata-rata waktu tunggu pengiriman (dari Pesanan ke DO, dan dari DO ke Diterima) yang dikelompokkan berdasarkan `Divisi` dan `Asal Gudang`. Analisis ini membantu mengidentifikasi variasi kinerja antar unit operasional dan menyoroti area yang mungkin memerlukan perbaikan. Berikut adalah ringkasan kinerja pemenuhan dan waktu tunggu berdasarkan `Divisi` dan `Asal Gudang`: | Divisi | Asal Gudang | Total Pesanan | Pesanan Terpenuhi | Tingkat Pemenuhan (%) | Rata-rata Waktu Tunggu Pesanan ke DO (hari) | Rata-rata Waktu Tunggu DO ke Diterima (hari) | | :-------------- | :----------------------- | -------------: | ----------------: | --------------------: | ------------------------------------------: | -------------------------------------------: | | ETCKLINIK | PHARMANET BANDUNG | 1,632 | 1,628 | 99.8 | 0.4 | 1.0 | | ETCKLINIK | PHARMANET BANJARMASIN | 186 | 182 | 97.8 | 0.5 | 0.6 | | ETCKLINIK | PHARMANET BEKASI | 1,619 | 1,591 | 98.3 | 0.4 | 1.2 | | ETCKLINIK | PHARMANET BOGOR | 1,749 | 1,724 | 98.6 | 0.4 | 1.3 | | ETCKLINIK | PHARMANET JAKBAR | 750 | 728 | 97.1 | 0.4 | 0.5 | | ETCKLINIK | PHARMANET JAKSEL | 365 | 355 | 97.3 | 0.4 | 0.4 | | ETCKLINIK | PHARMANET JAKTIM | 1,313 | 1,274 | 97.0 | 0.3 | 0.5 | | ETCKLINIK | PHARMANET JAMBI | 205 | 203 | 99.0 | 0.3 | 1.0 | | ETCKLINIK | PHARMANET LAMPUNG | 415 | 411 | 99.0 | 0.2 | 1.7 | | ETCKLINIK | PHARMANET MAKASSAR | 865 | 832 | 96.2 | 0.2 | 0.9 | | ETCKLINIK | PHARMANET MALANG | 704 | 699 | 99.3 | 0.1 | 1.1 | | ETCKLINIK | PHARMANET MEDAN | 1,649 | 1,606 | 97.4 | 0.6 | 1.7 | | ETCKLINIK | PHARMANET PALEMBANG | 658 | 649 | 98.6 | 0.2 | 1.0 | | ETCKLINIK | PHARMANET PEKANBARU | 655 | 648 | 98.9 | 0.3 | 2.3 | | ETCKLINIK | PHARMANET PONTIANAK | 194 | 188 | 96.9 | 0.2 | 1.8 | | ETCKLINIK | PHARMANET SAMARINDA | 62 | 62 | 100.0 | 1.0 | 1.2 | | ETCKLINIK | PHARMANET SEMARANG | 537 | 529 | 98.5 | 0.3 | 1.0 | | ETCKLINIK | PHARMANET SOLO | 431 | 429 | 99.5 | 0.5 | 0.6 | | ETCKLINIK | PHARMANET SURABAYA | 2,732 | 2,704 | 99.0 | 0.4 | 2.2 | | ETCKLINIK | PHARMANET TANGERANG | 748 | 724 | 96.8 | 0.7 | 2.5 | | NUTRINDO | PHARMANET BANDUNG | 67 | 67 | 100.0 | 0.6 | 1.5 | | NUTRINDO | PHARMANET BANJARMASIN | 78 | 78 | 100.0 | 0.1 | 0.1 | | NUTRINDO | PHARMANET BEKASI | 64 | 64 | 100.0 | 0.5 | 0.4 | | NUTRINDO | PHARMANET JAKBAR | 26 | 26 | 100.0 | 0.1 | 0.6 | | NUTRINDO | PHARMANET JAKSEL | 23 | 23 | 100.0 | 0.1 | 1.4 | | NUTRINDO | PHARMANET JAKTIM | 24 | 20 | 83.3 | 0.9 | 0.7 | | NUTRINDO | PHARMANET JAMBI | 57 | 57 | 100.0 | 0.7 | 0.4 | | NUTRINDO | PHARMANET LAMPUNG | 9 | 9 | 100.0 | 0.1 | 0.8 | | NUTRINDO | PHARMANET MAKASSAR | 278 | 275 | 98.9 | 0.5 | 0.6 | | NUTRINDO | PHARMANET MALANG | 111 | 111 | 100.0 | 0.1 | 0.3 | | NUTRINDO | PHARMANET MEDAN | 185 | 181 | 97.8 | 0.5 | 2.3 | | NUTRINDO | PHARMANET PALEMBANG | 273 | 273 | 100.0 | 0.1 | 0.9 | | NUTRINDO | PHARMANET PEKANBARU | 211 | 193 | 91.5 | 0.5 | 2.2 | | NUTRINDO | PHARMANET SEMARANG | 166 | 165 | 99.4 | 0.6 | 2.0 | | NUTRINDO | PHARMANET SOLO | 176 | 176 | 100.0 | 0.4 | 1.6 | | NUTRINDO | PHARMANET SURABAYA | 213 | 212 | 99.5 | 0.5 | 2.1 | | NUTRINDO | PHARMANET TANGERANG | 134 | 133 | 99.3 | 0.5 | 5.1 | | NUTRISAINS | PHARMANET 2 SURABAYA | 21 | 21 | 100.0 | 0.2 | 1.2 | | NUTRISAINS | PHARMANET BANDUNG | 600 | 598 | 99.7 | 0.4 | 1.4 | | NUTRISAINS | PHARMANET BANJARMASIN | 203 | 201 | 99.0 | 0.4 | 0.3 | | NUTRISAINS | PHARMANET BEKASI | 59 | 58 | 98.3 | 0.2 | 1.6 | | NUTRISAINS | PHARMANET BOGOR | 145 | 145 | 100.0 | 0.3 | 1.3 | | NUTRISAINS | PHARMANET JAKBAR | 35 | 34 | 97.1 | 0.6 | 1.4 | | NUTRISAINS | PHARMANET JAMBI | 149 | 147 | 98.7 | 0.2 | 0.3 | | NUTRISAINS | PHARMANET LAMPUNG | 300 | 299 | 99.7 | 0.3 | 1.7 | | NUTRISAINS | PHARMANET MAKASSAR | 314 | 312 | 99.4 | 0.2 | 3.0 | | NUTRISAINS | PHARMANET MALANG | 141 | 141 | 100.0 | 0.2 | 1.3 | | NUTRISAINS | PHARMANET MEDAN | 50 | 48 | 96.0 | 1.0 | 2.9 | | NUTRISAINS | PHARMANET PALEMBANG | 603 | 603 | 100.0 | 0.3 | 2.8 | | NUTRISAINS | PHARMANET PEKANBARU | 313 | 311 | 99.4 | 0.4 | 1.8 | | NUTRISAINS | PHARMANET PONTIANAK | 138 | 138 | 100.0 | 0.5 | 4.0 | | NUTRISAINS | PHARMANET SAMARINDA | 124 | 121 | 97.6 | 1.3 | 1.7 | | NUTRISAINS | PHARMANET SEMARANG | 619 | 614 | 99.2 | 0.5 | 2.1 | | NUTRISAINS | PHARMANET SOLO | 302 | 300 | 99.3 | 0.5 | 2.3 | | NUTRISAINS | PHARMANET SURABAYA | 568 | 560 | 98.6 | 0.4 | 2.0 | | NUTRISAINS | PHARMANET TANGERANG | 150 | 149 | 99.3 | 0.5 | 9.5 | | OTC | PHARMANET BANDUNG | 230 | 230 | 100.0 | 0.3 | 1.9 | | OTC | PHARMANET BANJARMASIN | 124 | 122 | 98.4 | 0.3 | 0.7 | | OTC | PHARMANET BEKASI | 257 | 257 | 100.0 | 0.5 | 1.2 | | OTC | PHARMANET BOGOR | 104 | 104 | 100.0 | 0.6 | 2.1 | | OTC | PHARMANET JAKBAR | 37 | 37 | 100.0 | 0.3 | 0.2 | | OTC | PHARMANET JAKTIM | 88 | 87 | 98.9 | 0.2 | 0.1 | | OTC | PHARMANET JAMBI | 86 | 85 | 98.8 | 0.4 | 0.9 | | OTC | PHARMANET LAMPUNG | 286 | 285 | 99.6 | 0.2 | 2.1 | | OTC | PHARMANET MAKASSAR | 118 | 118 | 100.0 | 0.2 | 0.4 | | OTC | PHARMANET MALANG | 22 | 22 | 100.0 | 0.0 | 2.7 | | OTC | PHARMANET MEDAN | 328 | 323 | 98.5 | 0.7 | 1.9 | | OTC | PHARMANET PALEMBANG | 80 | 80 | 100.0 | 0.2 | 1.9 | | OTC | PHARMANET PEKANBARU | 216 | 215 | 99.5 | 0.5 | 2.1 | | OTC | PHARMANET PONTIANAK | 139 | 139 | 100.0 | 1.4 | 2.2 | | OTC | PHARMANET SAMARINDA | 121 | 119 | 98.4 | 1.6 | 2.2 | | OTC | PHARMANET SEMARANG | 307 | 304 | 99.0 | 0.3 | 2.0 | | OTC | PHARMANET SOLO | 142 | 141 | 99.3 | 0.4 | 0.9 | | OTC | PHARMANET SURABAYA | 372 | 366 | 98.4 | 0.5 | 1.8 | | OTC | PHARMANET TANGERANG | 222 | 221 | 99.6 | 0.5 | 4.5 | | PHARMANET 2 | PHARMANET 2 SURABAYA | 5 | 5 | 100.0 | 0.7 | 2.2 | | PHARMANET 2 | PHARMANET BANDUNG | 6,064 | 6,044 | 99.7 | 0.4 | 1.4 | | PHARMANET 2 | PHARMANET BANJARMASIN | 3,546 | 3,481 | 98.2 | 0.3 | 0.8 | | PHARMANET 2 | PHARMANET BEKASI | 9,712 | 9,621 | 99.1 | 0.4 | 0.9 | | PHARMANET 2 | PHARMANET BOGOR | 4,987 | 4,921 | 98.7 | 0.4 | 1.0 | | PHARMANET 2 | PHARMANET JAKBAR | 2,173 | 2,155 | 99.2 | 0.4 | 0.4 | | PHARMANET 2 | PHARMANET JAKSEL | 1,582 | 1,574 | 99.5 | 0.3 | 0.6 | | PHARMANET 2 | PHARMANET JAKTIM | 2,215 | 2,172 | 98.1 | 0.3 | 0.5 | | PHARMANET 2 | PHARMANET JAMBI | 2,185 | 2,168 | 99.2 | 0.4 | 2.1 | | PHARMANET 2 | PHARMANET LAMPUNG | 2,699 | 2,688 | 99.6 | 0.4 | 2.3 | | PHARMANET 2 | PHARMANET MAKASSAR | 5,192 | 5,087 | 98.0 | 0.4 | 1.7 | | PHARMANET 2 | PHARMANET MALANG | 1,778 | 1,769 | 99.5 | 0.2 | 1.9 | | PHARMANET 2 | PHARMANET MEDAN | 4,378 | 4,265 | 97.4 | 1.1 | 2.3 | | PHARMANET 2 | PHARMANET PALEMBANG | 6,191 | 6,176 | 99.8 | 0.2 | 1.1 | | PHARMANET 2 | PHARMANET PEKANBARU | 4,358 | 4,296 | 98.6 | 0.5 | 2.3 | | PHARMANET 2 | PHARMANET PONTIANAK | 2,566 | 2,540 | 99.0 | 0.4 | 2.2 | | PHARMANET 2 | PHARMANET PUSAT | 22 | 0 | 0.0 | 0.0 | 0.0 | | PHARMANET 2 | PHARMANET SAMARINDA | 2,672 | 2,624 | 98.2 | 1.0 | 2.5 | | PHARMANET 2 | PHARMANET SEMARANG | 5,969 | 5,890 | 98.7 | 0.4 | 1.7 | | PHARMANET 2 | PHARMANET SOLO | 5,194 | 5,139 | 98.9 | 0.3 | 1.6 | | PHARMANET 2 | PHARMANET SURABAYA | 7,599 | 7,518 | 98.9 | 0.4 | 1.9 | | PHARMANET 2 | PHARMANET TANGERANG | 5,849 | 5,687 | 97.2 | 0.6 | 5.3 | | PHARMANET B2B | PHARMANET BANDUNG | 797 | 793 | 99.5 | 0.2 | 0.7 | | PHARMANET B2B | PHARMANET BANJARMASIN | 208 | 208 | 100.0 | 0.2 | 0.5 | | PHARMANET B2B | PHARMANET BEKASI | 843 | 834 | 98.9 | 0.3 | 1.3 | | PHARMANET B2B | PHARMANET BOGOR | 1,286 | 1,276 | 99.2 | 0.4 | 0.7 | | PHARMANET B2B | PHARMANET JAKBAR | 544 | 540 | 99.3 | 0.4 | 0.5 | | PHARMANET B2B | PHARMANET JAKSEL | 80 | 80 | 100.0 | 0.5 | 0.2 | | PHARMANET B2B | PHARMANET JAKTIM | 362 | 353 | 97.5 | 0.4 | 0.6 | | PHARMANET B2B | PHARMANET JAMBI | 179 | 178 | 99.4 | 0.3 | 0.8 | | PHARMANET B2B | PHARMANET LAMPUNG | 27 | 25 | 92.6 | 0.2 | 1.6 | | PHARMANET B2B | PHARMANET MAKASSAR | 317 | 316 | 99.7 | 0.2 | 1.1 | | PHARMANET B2B | PHARMANET MALANG | 220 | 218 | 99.1 | 0.1 | 0.5 | | PHARMANET B2B | PHARMANET MEDAN | 241 | 234 | 97.1 | 0.9 | 1.1 | | PHARMANET B2B | PHARMANET PALEMBANG | 547 | 545 | 99.6 | 0.2 | 0.6 | | PHARMANET B2B | PHARMANET PEKANBARU | 311 | 309 | 99.4 | 0.5 | 2.0 | | PHARMANET B2B | PHARMANET PONTIANAK | 301 | 300 | 99.7 | 0.3 | 1.6 | | PHARMANET B2B | PHARMANET SAMARINDA | 130 | 129 | 99.2 | 1.4 | 1.9 | | PHARMANET B2B | PHARMANET SEMARANG | 1,065 | 1,052 | 98.8 | 0.4 | 1.1 | | PHARMANET B2B | PHARMANET SOLO | 1,861 | 1,846 | 99.2 | 0.3 | 1.3 | | PHARMANET B2B | PHARMANET SURABAYA | 1,392 | 1,367 | 98.2 | 0.3 | 1.5 | | PHARMANET B2B | PHARMANET TANGERANG | 640 | 625 | 97.7 | 0.8 | 4.7 | | VIBRANT 3 | PHARMANET BEKASI | 2 | 2 | 100.0 | 0.1 | 0.4 | | VIBRANT 3 | PHARMANET BOGOR | 29 | 18 | 62.1 | 0.2 | 1.4 | | VIBRANT 3 | PHARMANET SURABAYA | 12 | 12 | 100.0 | 0.6 | 1.5 | | VIBRANT 3 | PHARMANET TANGERANG | 8 | 8 | 100.0 | 0.6 | 1.1 | | VIBRANT PBF | PHARMANET 2 SURABAYA | 293 | 291 | 99.3 | 0.2 | 1.3 | | VIBRANT PBF | PHARMANET BANDUNG | 170 | 170 | 100.0 | 0.5 | 6.5 | | VIBRANT PBF | PHARMANET BANJARMASIN | 58 | 56 | 96.6 | 0.1 | 0.7 | | VIBRANT PBF | PHARMANET BEKASI | 29 | 29 | 100.0 | 1.0 | 1.4 | | VIBRANT PBF | PHARMANET BOGOR | 131 | 128 | 97.7 | 1.2 | 2.0 | | VIBRANT PBF | PHARMANET JAKBAR | 34 | 34 | 100.0 | 0.2 | 0.7 | | VIBRANT PBF | PHARMANET JAKTIM | 111 | 107 | 96.4 | 0.1 | 0.8 | | VIBRANT PBF | PHARMANET LAMPUNG | 73 | 73 | 100.0 | 0.5 | 1.6 | | VIBRANT PBF | PHARMANET MAKASSAR | 258 | 255 | 98.8 | 0.2 | 1.8 | | VIBRANT PBF | PHARMANET MALANG | 48 | 48 | 100.0 | 0.1 | 0.9 | | VIBRANT PBF | PHARMANET MEDAN | 45 | 45 | 100.0 | 1.1 | 1.3 | | VIBRANT PBF | PHARMANET PALEMBANG | 79 | 79 | 100.0 | 0.1 | 2.7 | | VIBRANT PBF | PHARMANET PEKANBARU | 63 | 63 | 100.0 | 0.2 | 2.9 | | VIBRANT PBF | PHARMANET PONTIANAK | 72 | 71 | 98.6 | 0.6 | 2.9 | | VIBRANT PBF | PHARMANET SAMARINDA | 61 | 55 | 90.2 | 1.6 | 1.8 | | VIBRANT PBF | PHARMANET SEMARANG | 259 | 257 | 99.2 | 0.3 | 1.2 | | VIBRANT PBF | PHARMANET SOLO | 191 | 191 | 100.0 | 0.6 | 1.6 | | VIBRANT PBF | PHARMANET SURABAYA | 354 | 341 | 96.3 | 0.4 | 2.0 | | VIBRANT PBF | PHARMANET TANGERANG | 118 | 116 | 98.3 | 0.7 | 8.2 | #### 3.3.1 Anomali Tingkat Pemenuhan Meskipun sebagian besar kombinasi `Divisi` dan `Asal Gudang` menunjukkan tingkat pemenuhan yang sangat tinggi (di atas 95%), terdapat beberapa anomali signifikan yang perlu diselidiki: * **PHARMANET 2 / PHARMANET PUSAT (0.0% Pemenuhan):** Ini adalah anomali yang paling mencolok. Dari 22 pesanan untuk kombinasi ini, tidak ada satu pun yang berhasil dipenuhi. Semua pesanan berstatus `CANCEL` (`Status RO`) dan `C` (`Status DO`). Yang lebih mengkhawatirkan adalah kolom `Keterangan` untuk pesanan-pesanan ini kosong, yang berarti tidak ada alasan spesifik yang dicatat untuk pembatalan massal ini. Hal ini menghambat analisis akar penyebab dan perbaikan di masa mendatang. **Analisis Pesanan PHARMANET 2 / PHARMANET PUSAT:** | Status RO | Status DO | Keterangan | Jumlah Pesanan | | :---------- | :---------- | :--------- | -------------: | | CANCEL | C | | 22 | * **VIBRANT 3 / PHARMANET BOGOR (62.1% Pemenuhan):** Dengan 29 total pesanan dan hanya 18 yang terpenuhi, kombinasi ini memiliki tingkat pemenuhan terendah kedua. * **NUTRINDO / PHARMANET JAKTIM (83.3% Pemenuhan):** Dari 24 pesanan, 4 di antaranya tidak terpenuhi. * **VIBRANT PBF / PHARMANET SAMARINDA (90.2% Pemenuhan):** Dari 61 pesanan, 6 di antaranya tidak terpenuhi. Kasus-kasus ini, terutama yang memiliki tingkat pemenuhan di bawah 95%, membutuhkan penyelidikan lebih lanjut untuk mengidentifikasi penyebab pembatalan atau ketidakmampuan pemenuhan. #### 3.3.2 Anomali Waktu Tunggu Pengiriman (DO ke Diterima) Beberapa kombinasi `Divisi` dan `Asal Gudang` menunjukkan rata-rata waktu tunggu pengiriman yang jauh lebih tinggi dibandingkan yang lain: * **NUTRISAINS / PHARMANET TANGERANG (9.5 hari):** Ini adalah rata-rata waktu tunggu terlama, yang sangat jauh di atas rata-rata keseluruhan (1.7 hari). * **VIBRANT PBF / PHARMANET TANGERANG (8.2 hari):** Kembali, `PHARMANET TANGERANG` muncul dengan waktu tunggu pengiriman yang lama. * **VIBRANT PBF / PHARMANET BANDUNG (6.5 hari):** Gudang `PHARMANET BANDUNG` juga menunjukkan waktu tunggu yang panjang untuk divisi `VIBRANT PBF`. * **PHARMANET 2 / PHARMANET TANGERANG (5.3 hari):** Konsistensi `PHARMANET TANGERANG` dalam memiliki waktu tunggu yang lebih lama di berbagai divisi menunjukkan adanya masalah sistemik atau kapasitas di gudang tersebut. * **NUTRINDO / PHARMANET TANGERANG (5.1 hari):** Menambah daftar bukti bahwa PHARMANET TANGERANG memerlukan perhatian khusus. Gudang `PHARMANET TANGERANG` secara konsisten menjadi penanda merah untuk waktu tunggu pengiriman yang panjang di berbagai divisi. Ini mengindikasikan kemungkinan masalah logistik, rute pengiriman yang kurang efisien, kapasitas gudang yang terbatas, atau tantangan lain yang memperlambat proses pengiriman ke pelanggan. ### 3.4 Temuan Kunci dan Rekomendasi Analisis status pemenuhan dan kuantitas pesanan menyoroti beberapa temuan kunci: 1. **Tingkat Pemenuhan Keseluruhan yang Tinggi:** Secara umum, perusahaan menunjukkan kinerja yang sangat baik dalam memenuhi pesanan, dengan 98.7% pesanan berhasil terlayani penuh. 2. **Kuantitas yang Konsisten:** Rata-rata dan total kuantitas pesanan yang diminta (`Qty RO`) dan dikirim (`Qty DO`) sangat cocok, menunjukkan akurasi dalam pemenuhan pesanan yang berhasil. 3. **Efisiensi Pemrosesan Internal (Pesanan ke DO):** Waktu tunggu rata-rata dari pesanan hingga penerbitan DO sangat cepat (0.4 hari), menunjukkan proses internal yang efisien. 4. **Outlier Ekstrem pada Waktu Tunggu Pengiriman:** Meskipun rata-rata waktu pengiriman (DO ke Diterima) wajar (1.7 hari), adanya nilai maksimum 63.3 hari adalah anomali yang sangat mengkhawatirkan dan memerlukan penyelidikan mendalam. 5. **Anomali 0% Tingkat Pemenuhan di PHARMANET 2 / PHARMANET PUSAT:** Semua 22 pesanan untuk kombinasi ini dibatalkan tanpa keterangan, menunjukkan masalah serius yang tidak tercatat. 6. **Kinerja Bervariasi Antar Gudang:** Gudang `PHARMANET TANGERANG` secara konsisten menunjukkan rata-rata waktu tunggu pengiriman terlama di berbagai divisi, menunjukkan potensi masalah logistik atau operasional. Gudang `PHARMANET BANDUNG` dan `PHARMANET BOGOR` juga perlu diperhatikan untuk divisi tertentu. Berdasarkan temuan-temuan ini, direkomendasikan langkah-langkah berikut: * **Investigasi Pembatalan Massal PHARMANET 2 / PHARMANET PUSAT:** Segera lakukan audit dan investigasi terhadap 22 pesanan yang dibatalkan untuk kombinasi `Divisi = 'PHARMANET 2'` dan `Asal Gudang = 'PHARMANET PUSAT'`. Pastikan penyebab pembatalan dicatat dengan jelas di kolom `Keterangan` untuk analisis di masa mendatang. * **Analisis Outlier Waktu Tunggu Pengiriman:** Identifikasi dan selidiki pesanan individual dengan waktu tunggu pengiriman (DO ke Diterima) yang sangat panjang (misalnya, lebih dari 7 hari atau kasus ekstrem 63.3 hari). Pahami akar penyebab keterlambatan ini, apakah itu masalah logistik, kesalahan pencatatan, atau lokasi penerima yang sulit dijangkau. * **Evaluasi Kinerja Operasional Gudang PHARMANET TANGERANG:** Lakukan peninjauan mendalam terhadap proses operasional, kapasitas, dan rute pengiriman di gudang `PHARMANET TANGERANG` untuk memahami dan mengatasi faktor-faktor yang menyebabkan waktu tunggu pengiriman yang lebih lama secara konsisten. Hal serupa juga dapat dilakukan untuk gudang lain yang menunjukkan waktu tunggu yang lebih tinggi pada divisi tertentu. * **Peningkatan Kualitas Data Keterangan Pembatalan:** Pastikan bahwa setiap pembatalan pesanan selalu disertai dengan `Keterangan` yang jelas dan informatif untuk memfasilitasi analisis dan perbaikan proses. ## 4. Evaluasi Kualitas Data Tanggal ## 4. Evaluasi Kualitas Data Tanggal Data tanggal adalah elemen krusial dalam analisis operasional, bertindak sebagai penentu waktu yang memungkinkan pengukuran efisiensi, pelacakan proses, dan identifikasi potensi masalah. Akurasi dan kelengkapan data pada kolom-kolom tanggal sangat esensial untuk mendapatkan wawasan yang valid, terutama ketika menghitung metrik seperti waktu tunggu (lead time) di berbagai tahapan proses pemenuhan pesanan. Bab ini akan mengevaluasi kualitas data pada kolom-kolom tanggal utama yang relevan dalam dataset ini. Beberapa kolom tanggal yang dievaluasi secara khusus dalam konteks kualitas data meliputi `Tgl. Order`, `Tgl. PO`, `Tgl DO`, dan `Tgl Diterima`. Evaluasi ini bertujuan untuk mengidentifikasi nilai kosong (NULL), entri tidak valid, dan rentang tanggal yang sebenarnya, yang semuanya akan memengaruhi keandalan analisis waktu. ### 4.1 Analisis `Tgl. Order` Kolom `Tgl. Order` mencatat waktu ketika pesanan pertama kali dibuat oleh pelanggan. Ini adalah titik awal yang penting dalam seluruh siklus pesanan. * **Jumlah Nilai Kosong/Invalid:** 0 * **Rentang Tanggal:** 1 Juni 2026 00:01:51 hingga 30 Juni 2026 23:59:28 **Insight Bisnis:** Kualitas data pada kolom `Tgl. Order` sangat baik, tanpa adanya nilai kosong atau invalid. Ini memastikan bahwa titik awal untuk perhitungan waktu tunggu dan analisis distribusi pesanan berdasarkan waktu adalah akurat dan dapat diandalkan. ### 4.2 Analisis `Tgl. PO` Kolom `Tgl. PO` seharusnya mencatat tanggal Purchase Order (PO) diterbitkan. * **Jumlah Nilai Kosong:** 131,315 **Insight Bisnis:** Dari total 131,315 baris data dalam dataset, seluruh entri pada kolom `Tgl. PO` kosong. Ini adalah masalah kualitas data yang signifikan yang menunjukkan bahwa informasi tanggal Purchase Order tidak dicatat secara konsisten, atau mungkin tidak relevan dan tidak digunakan dalam proses yang diwakili oleh data ini. Akibatnya, kolom `Tgl. PO` tidak dapat digunakan untuk analisis waktu tunggu yang melibatkan tahapan Purchase Order. ### 4.3 Analisis `Tgl DO` (Tanggal Delivery Order) Kolom `Tgl DO` mencatat tanggal Delivery Order (DO) dibuat, yang menandai momen ketika pesanan siap untuk dikirimkan dari gudang. Ini adalah titik transisi kunci antara pemrosesan internal dan logistik pengiriman. * **Jumlah Nilai Kosong:** 365 * **Rentang Tanggal Valid:** 1 Juni 2026 09:06:19 hingga 3 Juli 2026 08:54:54 **Insight Bisnis:** Meskipun sebagian besar entri `Tgl DO` valid dan lengkap, terdapat 365 pesanan yang tidak memiliki `Tgl DO` yang tercatat. Ketiadaan data ini, meskipun relatif kecil dibandingkan total pesanan, dapat memengaruhi akurasi perhitungan waktu tunggu dari pesanan ke DO. Rentang tanggal valid yang berakhir pada awal Juli 2026 menunjukkan bahwa proses DO dapat berlanjut sedikit setelah periode pesanan utama di bulan Juni. ### 4.4 Analisis `Tgl Diterima` (Tanggal Diterima oleh Pelanggan) Kolom `Tgl Diterima` adalah metrik penting yang merefleksikan kecepatan pengiriman dan kepuasan pelanggan, karena mencatat kapan barang diterima oleh pelanggan. * **Jumlah Nilai Kosong atau Invalid:** 13,231 * **Rentang Tanggal Valid (setelah pembersihan nilai `1970-01-02`):** 1 Juni 2026 11:23:05 hingga 18 Agustus 2026 00:00:00 **Insight Bisnis:** Kolom `Tgl Diterima` menunjukkan masalah kualitas data yang paling signifikan. Sebanyak 13,231 entri, atau sekitar 10% dari total data, kosong atau berisi nilai yang tidak valid (seringkali `1970-01-02 07:00:00`, yang merupakan indikator tanggal default atau placeholder untuk data yang hilang). Ini berarti kita kehilangan informasi penting tentang kapan sebagian besar pesanan diterima oleh pelanggan. Meskipun rentang tanggal valid menunjukkan bahwa beberapa pesanan yang dibuat di bulan Juni 2026 dapat diterima hingga pertengahan Agustus 2026, jumlah nilai kosong/invalid yang tinggi secara serius membatasi kemampuan untuk menganalisis waktu tunggu pengiriman secara komprehensif dan akurat untuk seluruh populasi pesanan. Ketidaklengkapan data ini dapat menghasilkan bias dalam perhitungan rata-rata lead time pengiriman dan menyembunyikan anomali atau masalah dalam proses logistik. ### Tabel Ringkasan Kualitas Data Tanggal Utama Berikut adalah ringkasan kualitas data untuk kolom tanggal yang dievaluasi: | Kolom Tanggal | Jumlah Nilai Kosong/Invalid | Rentang Tanggal Valid (jika ada) | Catatan | | :--------------- | ---------------------------: | :-------------------------------------------------------- | :----------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------- | | `Tgl. Order` | 0 | 2026-06-01 00:01:51 hingga 2026-06-30 23:59:28 | Kualitas data sempurna, sangat andal sebagai titik awal siklus pesanan. | | `Tgl. PO` | 131,315 | Tidak ada | Seluruhnya kosong. Mengindikasikan informasi PO tidak dicatat secara konsisten atau tidak relevan. Tidak dapat digunakan untuk analisis. | | `Tgl DO` | 365 | 2026-06-01 09:06:19 hingga 2026-07-03 08:54:54 | Sebagian besar baik, namun ada sejumlah kecil nilai kosong yang dapat memengaruhi akurasi perhitungan waktu tunggu ke Delivery Order. | | `Tgl Diterima` | 13,231 | 2026-06-01 11:23:05 hingga 2026-08-18 00:00:00 | Masalah kualitas data paling signifikan. Meliputi nilai kosong dan tanggal default (`1970-01-02`). Membatasi analisis waktu pengiriman ke pelanggan secara akurat. | ### Insights Bisnis dan Dampak Kualitas data tanggal yang bervariasi ini memiliki implikasi serius terhadap keandalan analisis dan pemahaman kita tentang kinerja operasional: * **Keterbatasan Akurasi Waktu Pengiriman:** Jumlah entri `Tgl Diterima` yang kosong atau tidak valid sangat tinggi. Ini berarti perhitungan rata-rata waktu tunggu 'DO ke Diterima' mungkin tidak merepresentasikan kondisi sebenarnya dari seluruh pesanan, karena hanya didasarkan pada subset data yang lengkap. Hal ini dapat menyembunyikan masalah pengiriman yang lebih luas atau membuat estimasi waktu pengiriman menjadi kurang akurat. * **Informasi yang Hilang pada `Tgl. PO`:** Ketiadaan data `Tgl. PO` yang konsisten menghilangkan kemampuan untuk menganalisis durasi antara penerbitan Purchase Order dan tahapan lain dalam pemenuhan pesanan. Jika informasi ini penting, ini adalah celah data operasional yang perlu diatasi. * **Potensi Misinterpretasi:** Nilai default seperti `1970-01-02` pada kolom tanggal, jika tidak ditangani dengan benar, dapat mengacaukan perhitungan statistik dan grafik, mengarahkan pada kesimpulan yang salah tentang tren atau kinerja waktu. * **Hambatan Analisis Lanjutan:** Data tanggal yang bersih dan lengkap adalah fondasi untuk analisis yang lebih canggih, seperti pemodelan prediksi waktu pengiriman, identifikasi pola musiman, atau analisis penyebab keterlambatan. Kualitas data yang buruk akan menghambat upaya-upaya ini. ### Rekomendasi Untuk meningkatkan kualitas data tanggal dan memastikan keandalan analisis di masa mendatang, direkomendasikan langkah-langkah berikut: 1. **Prioritaskan Audit dan Perbaikan Proses Pencatatan `Tgl Diterima`:** * Lakukan penyelidikan menyeluruh untuk memahami akar masalah di balik banyaknya entri `Tgl Diterima` yang kosong atau tidak valid (termasuk nilai `1970-01-02`). Ini bisa disebabkan oleh masalah sistem, kurangnya pelatihan pengguna, atau proses manual yang tidak efisien. * Implementasikan validasi data pada titik input untuk mencegah tanggal yang tidak valid atau kosong di masa mendatang. Pertimbangkan untuk membuat `Tgl Diterima` sebagai kolom wajib untuk pesanan yang berhasil. * Jika memungkinkan, kembangkan prosedur untuk mengonfirmasi atau mengestimasi tanggal penerimaan yang hilang dari sumber data lain (misalnya, data pelacakan ekspedisi) untuk membersihkan data historis. 2. **Klarifikasi dan Terapkan Pencatatan `Tgl. PO`:** * Bicarakan dengan tim operasional untuk menentukan relevansi dan kebutuhan pencatatan `Tgl. PO`. Jika `Tgl. PO` adalah metrik penting untuk mengukur tahapan awal proses, kembangkan dan implementasikan proses yang konsisten dan otomatis untuk mencatatnya. * Jika `Tgl. PO` memang tidak relevan atau sudah digantikan oleh metrik lain, pastikan ini didokumentasikan dengan jelas untuk menghindari kebingungan di masa depan. 3. **Pastikan Kelengkapan Data `Tgl DO`:** * Meskipun jumlah nilai kosong pada `Tgl DO` relatif kecil, setiap celah data berpotensi mengganggu analisis. Pastikan semua Delivery Order yang diterbitkan memiliki tanggal yang tercatat dengan benar dalam sistem. 4. **Standardisasi Format dan Implementasi Validasi Logis:** * Pastikan semua kolom tanggal disimpan dalam format data tanggal/waktu yang standar dan konsisten di seluruh database. * Terapkan aturan validasi logis, misalnya: `Tgl DO` tidak boleh lebih awal dari `Tgl. Order`, dan `Tgl Diterima` tidak boleh lebih awal dari `Tgl DO` atau `Tgl. Order`. 5. **Edukasi Pengguna dan Pemangku Kepentingan:** * Sosialisasikan pentingnya data tanggal yang akurat dan lengkap kepada semua staf yang terlibat dalam input dan manajemen data. Jelaskan bagaimana kualitas data ini secara langsung memengaruhi kemampuan perusahaan untuk mengukur kinerja, mengidentifikasi masalah, dan membuat keputusan yang tepat. ## 5. Analisis Waktu Tunggu (Lead Time) ## 5. Analisis Waktu Tunggu (Lead Time) Analisis waktu tunggu (lead time) adalah metrik krusial untuk mengevaluasi efisiensi operasional dalam proses pemenuhan pesanan. Bab ini akan menguraikan waktu yang dibutuhkan pada dua tahapan utama: dari saat pesanan masuk hingga pesanan pengiriman (Delivery Order/DO) dibuat, dan dari pembuatan DO hingga barang benar-benar diterima oleh pelanggan. Pemahaman mendalam tentang durasi ini akan membantu mengidentifikasi bottleneck, mengukur kinerja pengiriman, dan memberikan dasar untuk peningkatan proses. Penting untuk dicatat bahwa analisis ini hanya mencakup pesanan yang berhasil terpenuhi dan memiliki data tanggal yang valid dan lengkap untuk perhitungan waktu tunggu, seperti yang telah dibahas pada Bab 4 mengenai Kualitas Data Tanggal. ### 5.1. Waktu Tunggu Keseluruhan Analisis waktu tunggu dilakukan untuk 116,806 pesanan yang berhasil terpenuhi dan memiliki data tanggal yang lengkap. Dua metrik utama yang diukur adalah: **1. Waktu Tunggu: Pesanan ke Delivery Order (DO)** Metrik ini mengukur durasi dari `Tgl. Order` (tanggal pesanan dibuat) hingga `Tgl DO` (tanggal Delivery Order dibuat). Ini merefleksikan kecepatan pemrosesan internal dan persiapan pengiriman di gudang. | Metrik Statistik | Nilai (Hari) | | :--------------- | -----------: | | Rata-rata | 0.4 | | Median | 0.2 | | Minimum | 0.0 | | Maksimum | 6.3 | | Standar Deviasi | 0.6 | **Insight Bisnis:** Waktu tunggu dari pesanan hingga pembuatan DO secara umum sangat efisien. Rata-rata 0.4 hari (sekitar 10 jam) dan median 0.2 hari (sekitar 5 jam) menunjukkan bahwa sebagian besar pesanan diproses dengan cepat di tahap internal. Ini adalah indikator positif untuk efisiensi operasional gudang dalam menyiapkan pesanan untuk pengiriman. Namun, adanya nilai maksimum 6.3 hari mengindikasikan bahwa ada kasus-kasus tertentu yang mengalami keterlambatan signifikan dalam pemrosesan internal, yang mungkin perlu diselidiki lebih lanjut. **2. Waktu Tunggu: Delivery Order (DO) ke Penerimaan Pelanggan** Metrik ini mengukur durasi dari `Tgl DO` (tanggal Delivery Order dibuat) hingga `Tgl Diterima` (tanggal barang diterima oleh pelanggan). Ini adalah ukuran langsung dari efisiensi logistik pengiriman eksternal. | Metrik Statistik | Nilai (Hari) | | :--------------- | -----------: | | Rata-rata | 1.7 | | Median | 1.2 | | Minimum | 0.0 | | Maksimum | 63.3 | | Standar Deviasi | 2.5 | **Insight Bisnis:** Rata-rata waktu tunggu pengiriman sekitar 1.7 hari, dengan sebagian besar pesanan diterima dalam waktu 1.2 hari (median). Angka ini umumnya wajar untuk proses pengiriman. Namun, nilai maksimum yang mencapai 63.3 hari adalah anomali yang sangat mencolok. Keterlambatan ekstrem ini menunjukkan adanya kasus-kasus pengiriman yang sangat bermasalah, entah karena isu logistik yang kompleks (misalnya, lokasi terpencil, masalah bea cukai), kesalahan dalam pencatatan tanggal penerimaan, atau faktor lain yang tidak biasa. Kasus outlier ini memiliki dampak signifikan terhadap kepuasan pelanggan dan kredibilitas pengiriman. ### 5.2. Analisis Waktu Tunggu Berdasarkan Divisi dan Asal Gudang Untuk mendapatkan wawasan yang lebih granular mengenai efisiensi operasional, analisis waktu tunggu dilakukan dengan mengelompokkan data berdasarkan `Divisi` dan `Asal Gudang`. Hal ini membantu mengidentifikasi unit operasional atau gudang mana yang mungkin memiliki kinerja waktu tunggu di atas atau di bawah rata-rata. **Tabel Waktu Tunggu Rata-rata (dalam Hari) berdasarkan Divisi dan Asal Gudang (Hanya untuk Pesanan Terpenuhi):** | Divisi | Asal Gudang | Rata-rata Waktu Tunggu Pesanan ke DO (hari) | Rata-rata Waktu Tunggu DO ke Diterima (hari) | | :-------------- | :----------------------- | ------------------------------------------: | -------------------------------------------: | | ETCKLINIK | PHARMANET BANDUNG | 0.35 | 1.02 | | ETCKLINIK | PHARMANET BANJARMASIN | 0.49 | 0.64 | | ETCKLINIK | PHARMANET BEKASI | 0.38 | 1.20 | | ETCKLINIK | PHARMANET BOGOR | 0.44 | 1.34 | | ETCKLINIK | PHARMANET JAKBAR | 0.37 | 0.54 | | ETCKLINIK | PHARMANET JAKSEL | 0.41 | 0.39 | | ETCKLINIK | PHARMANET JAKTIM | 0.25 | 0.50 | | ETCKLINIK | PHARMANET JAMBI | 0.32 | 0.97 | | ETCKLINIK | PHARMANET LAMPUNG | 0.21 | 1.71 | | ETCKLINIK | PHARMANET MAKASSAR | 0.20 | 0.91 | | ETCKLINIK | PHARMANET MALANG | 0.13 | 1.10 | | ETCKLINIK | PHARMANET MEDAN | 0.60 | 1.72 | | ETCKLINIK | PHARMANET PALEMBANG | 0.15 | 1.00 | | ETCKLINIK | PHARMANET PEKANBARU | 0.28 | 2.25 | | ETCKLINIK | PHARMANET PONTIANAK | 0.24 | 1.77 | | ETCKLINIK | PHARMANET SAMARINDA | 0.95 | 1.20 | | ETCKLINIK | PHARMANET SEMARANG | 0.25 | 1.00 | | ETCKLINIK | PHARMANET SOLO | 0.47 | 0.61 | | ETCKLINIK | PHARMANET SURABAYA | 0.38 | 2.19 | | ETCKLINIK | PHARMANET TANGERANG | 0.65 | 2.47 | | NUTRINDO | PHARMANET BANDUNG | 0.58 | 1.54 | | NUTRINDO | PHARMANET BANJARMASIN | 0.06 | 0.06 | | NUTRINDO | PHARMANET BEKASI | 0.51 | 0.36 | | NUTRINDO | PHARMANET JAKBAR | 0.05 | 0.58 | | NUTRINDO | PHARMANET JAKSEL | 0.08 | 1.35 | | NUTRINDO | PHARMANET JAKTIM | 0.88 | 0.66 | | NUTRINDO | PHARMANET JAMBI | 0.70 | 0.36 | | NUTRINDO | PHARMANET LAMPUNG | 0.10 | 0.81 | | NUTRINDO | PHARMANET MAKASSAR | 0.50 | 0.61 | | NUTRINDO | PHARMANET MALANG | 0.12 | 0.33 | | NUTRINDO | PHARMANET MEDAN | 0.53 | 2.32 | | NUTRINDO | PHARMANET PALEMBANG | 0.13 | 0.87 | | NUTRINDO | PHARMANET PEKANBARU | 0.45 | 2.17 | | NUTRINDO | PHARMANET SEMARANG | 0.55 | 1.96 | | NUTRINDO | PHARMANET SOLO | 0.43 | 1.56 | | NUTRINDO | PHARMANET SURABAYA | 0.54 | 2.12 | | NUTRINDO | PHARMANET TANGERANG | 0.48 | 5.14 | | NUTRISAINS | PHARMANET 2 SURABAYA | 0.21 | 1.16 | | NUTRISAINS | PHARMANET BANDUNG | 0.40 | 1.41 | | NUTRISAINS | PHARMANET BANJARMASIN | 0.44 | 0.25 | | NUTRISAINS | PHARMANET BEKASI | 0.18 | 1.61 | | NUTRISAINS | PHARMANET BOGOR | 0.31 | 1.26 | | NUTRISAINS | PHARMANET JAKBAR | 0.60 | 1.38 | | NUTRISAINS | PHARMANET JAMBI | 0.24 | 0.28 | | NUTRISAINS | PHARMANET LAMPUNG | 0.25 | 1.69 | | NUTRISAINS | PHARMANET MAKASSAR | 0.21 | 2.97 | | NUTRISAINS | PHARMANET MALANG | 0.18 | 1.29 | | NUTRISAINS | PHARMANET MEDAN | 0.97 | 2.94 | | NUTRISAINS | PHARMANET PALEMBANG | 0.27 | 2.80 | | NUTRISAINS | PHARMANET PEKANBARU | 0.36 | 1.81 | | NUTRISAINS | PHARMANET PONTIANAK | 0.51 | 3.98 | | NUTRISAINS | PHARMANET SAMARINDA | 1.30 | 1.67 | | NUTRISAINS | PHARMANET SEMARANG | 0.46 | 2.14 | | NUTRISAINS | PHARMANET SOLO | 0.54 | 2.25 | | NUTRISAINS | PHARMANET SURABAYA | 0.43 | 1.97 | | NUTRISAINS | PHARMANET TANGERANG | 0.51 | 9.46 | | OTC | PHARMANET BANDUNG | 0.30 | 1.91 | | OTC | PHARMANET BANJARMASIN | 0.26 | 0.67 | | OTC | PHARMANET BEKASI | 0.50 | 1.18 | | OTC | PHARMANET BOGOR | 0.63 | 2.12 | | OTC | PHARMANET JAKBAR | 0.32 | 0.21 | | OTC | PHARMANET JAKTIM | 0.16 | 0.12 | | OTC | PHARMANET JAMBI | 0.43 | 0.90 | | OTC | PHARMANET LAMPUNG | 0.17 | 2.09 | | OTC | PHARMANET MAKASSAR | 0.22 | 0.44 | | OTC | PHARMANET MALANG | 0.04 | 2.74 | | OTC | PHARMANET MEDAN | 0.67 | 1.93 | | OTC | PHARMANET PALEMBANG | 0.15 | 1.93 | | OTC | PHARMANET PEKANBARU | 0.45 | 2.13 | | OTC | PHARMANET PONTIANAK | 1.39 | 2.17 | | OTC | PHARMANET SAMARINDA | 1.55 | 2.15 | | OTC | PHARMANET SEMARANG | 0.31 | 1.95 | | OTC | PHARMANET SOLO | 0.41 | 0.93 | | OTC | PHARMANET SURABAYA | 0.54 | 1.80 | | OTC | PHARMANET TANGERANG | 0.46 | 4.53 | | PHARMANET 2 | PHARMANET 2 SURABAYA | 0.67 | 2.17 | | PHARMANET 2 | PHARMANET BANDUNG | 0.36 | 1.36 | | PHARMANET 2 | PHARMANET BANJARMASIN | 0.30 | 0.75 | | PHARMANET 2 | PHARMANET BEKASI | 0.38 | 0.87 | | PHARMANET 2 | PHARMANET BOGOR | 0.44 | 0.98 | | PHARMANET 2 | PHARMANET JAKBAR | 0.41 | 0.40 | | PHARMANET 2 | PHARMANET JAKSEL | 0.30 | 0.55 | | PHARMANET 2 | PHARMANET JAKTIM | 0.31 | 0.45 | | PHARMANET 2 | PHARMANET JAMBI | 0.37 | 2.05 | | PHARMANET 2 | PHARMANET LAMPUNG | 0.42 | 2.34 | | PHARMANET 2 | PHARMANET MAKASSAR | 0.35 | 1.67 | | PHARMANET 2 | PHARMANET MALANG | 0.20 | 1.93 | | PHARMANET 2 | PHARMANET MEDAN | 1.08 | 2.25 | | PHARMANET 2 | PHARMANET PALEMBANG | 0.15 | 1.07 | | PHARMANET 2 | PHARMANET PEKANBARU | 0.49 | 2.34 | | PHARMANET 2 | PHARMANET PONTIANAK | 0.41 | 2.23 | | PHARMANET 2 | PHARMANET SAMARINDA | 1.04 | 2.46 | | PHARMANET 2 | PHARMANET SEMARANG | 0.40 | 1.65 | | PHARMANET 2 | PHARMANET SOLO | 0.34 | 1.55 | | PHARMANET 2 | PHARMANET SURABAYA | 0.40 | 1.85 | | PHARMANET 2 | PHARMANET TANGERANG | 0.59 | 5.29 | | PHARMANET B2B | PHARMANET BANDUNG | 0.21 | 0.67 | | PHARMANET B2B | PHARMANET BANJARMASIN | 0.24 | 0.52 | | PHARMANET B2B | PHARMANET BEKASI | 0.30 | 1.29 | | PHARMANET B2B | PHARMANET BOGOR | 0.35 | 0.70 | | PHARMANET B2B | PHARMANET JAKBAR | 0.37 | 0.50 | | PHARMANET B2B | PHARMANET JAKSEL | 0.53 | 0.21 | | PHARMANET B2B | PHARMANET JAKTIM | 0.37 | 0.57 | | PHARMANET B2B | PHARMANET JAMBI | 0.31 | 0.79 | | PHARMANET B2B | PHARMANET LAMPUNG | 0.22 | 1.57 | | PHARMANET B2B | PHARMANET MAKASSAR | 0.17 | 1.13 | | PHARMANET B2B | PHARMANET MALANG | 0.11 | 0.52 | | PHARMANET B2B | PHARMANET MEDAN | 0.92 | 1.09 | | PHARMANET B2B | PHARMANET PALEMBANG | 0.17 | 0.57 | | PHARMANET B2B | PHARMANET PEKANBARU | 0.46 | 1.96 | | PHARMANET B2B | PHARMANET PONTIANAK | 0.33 | 1.59 | | PHARMANET B2B | PHARMANET SAMARINDA | 1.43 | 1.92 | | PHARMANET B2B | PHARMANET SEMARANG | 0.39 | 1.15 | | PHARMANET B2B | PHARMANET SOLO | 0.34 | 1.27 | | PHARMANET B2B | PHARMANET SURABAYA | 0.33 | 1.49 | | PHARMANET B2B | PHARMANET TANGERANG | 0.83 | 4.69 | | VIBRANT 3 | PHARMANET BEKASI | 0.06 | 0.35 | | VIBRANT 3 | PHARMANET BOGOR | 0.16 | 1.36 | | VIBRANT 3 | PHARMANET SURABAYA | 0.60 | 1.48 | | VIBRANT 3 | PHARMANET TANGERANG | 0.64 | 1.11 | | VIBRANT PBF | PHARMANET 2 SURABAYA | 0.21 | 1.28 | | VIBRANT PBF | PHARMANET BANDUNG | 0.48 | 6.53 | | VIBRANT PBF | PHARMANET BANJARMASIN | 0.09 | 0.70 | | VIBRANT PBF | PHARMANET BEKASI | 1.04 | 1.39 | | VIBRANT PBF | PHARMANET BOGOR | 1.19 | 2.02 | | VIBRANT PBF | PHARMANET JAKBAR | 0.21 | 0.73 | | VIBRANT PBF | PHARMANET JAKTIM | 0.13 | 0.81 | | VIBRANT PBF | PHARMANET LAMPUNG | 0.50 | 1.64 | | VIBRANT PBF | PHARMANET MAKASSAR | 0.21 | 1.78 | | VIBRANT PBF | PHARMANET MALANG | 0.05 | 0.94 | | VIBRANT PBF | PHARMANET MEDAN | 1.09 | 1.25 | | VIBRANT PBF | PHARMANET PALEMBANG | 0.09 | 2.66 | | VIBRANT PBF | PHARMANET PEKANBARU | 0.20 | 2.90 | | VIBRANT PBF | PHARMANET PONTIANAK | 0.57 | 2.92 | | VIBRANT PBF | PHARMANET SAMARINDA | 1.55 | 1.75 | | VIBRANT PBF | PHARMANET SEMARANG | 0.28 | 1.15 | | VIBRANT PBF | PHARMANET SOLO | 0.55 | 1.58 | | VIBRANT PBF | PHARMANET SURABAYA | 0.44 | 1.97 | | VIBRANT PBF | PHARMANET TANGERANG | 0.73 | 8.19 | **Insight Bisnis dari Analisis Kelompok:** * **Waktu Tunggu Pesanan ke DO:** Sebagian besar kombinasi `Divisi` dan `Asal Gudang` menunjukkan waktu tunggu Pesanan ke DO yang sangat cepat, seringkali di bawah 0.5 hari. Namun, beberapa kombinasi menonjol dengan waktu yang lebih lama: * `PHARMANET 2` / `PHARMANET MEDAN` (1.08 hari) * `ETCKLINIK` / `PHARMANET SAMARINDA` (0.95 hari) * `NUTRISAINS` / `PHARMANET SAMARINDA` (1.30 hari) * `OTC` / `PHARMANET PONTIANAK` (1.39 hari) * `OTC` / `PHARMANET SAMARINDA` (1.55 hari) * `PHARMANET B2B` / `PHARMANET MEDAN` (0.92 hari) * `PHARMANET B2B` / `PHARMANET SAMARINDA` (1.43 hari) * `VIBRANT PBF` / `PHARMANET BEKASI` (1.04 hari) * `VIBRANT PBF` / `PHARMANET BOGOR` (1.19 hari) * `VIBRANT PBF` / `PHARMANET MEDAN` (1.09 hari) * `VIBRANT PBF` / `PHARMANET SAMARINDA` (1.55 hari) Kombinasi-kombinasi ini menunjukkan bahwa ada variasi dalam kecepatan pemrosesan internal antar gudang dan divisi. Gudang seperti `PHARMANET SAMARINDA`, `PHARMANET MEDAN`, `PHARMANET PONTIANAK` tampaknya memiliki waktu pemrosesan yang lebih lama dari rata-rata untuk beberapa divisi. * **Waktu Tunggu DO ke Penerimaan Pelanggan:** Area ini menunjukkan variasi yang lebih signifikan dan merupakan fokus utama untuk perbaikan. Gudang `PHARMANET TANGERANG` secara konsisten muncul sebagai gudang dengan rata-rata waktu tunggu pengiriman terlama di berbagai divisi: * `NUTRISAINS` / `PHARMANET TANGERANG` (9.46 hari) * `VIBRANT PBF` / `PHARMANET TANGERANG` (8.19 hari) * `PHARMANET 2` / `PHARMANET TANGERANG` (5.29 hari) * `NUTRINDO` / `PHARMANET TANGERANG` (5.14 hari) * `PHARMANET B2B` / `PHARMANET TANGERANG` (4.69 hari) * `OTC` / `PHARMANET TANGERANG` (4.53 hari) Selain `PHARMANET TANGERANG`, beberapa kombinasi lain juga menunjukkan waktu tunggu pengiriman yang lebih tinggi dari rata-rata: * `VIBRANT PBF` / `PHARMANET BANDUNG` (6.53 hari) * `NUTRISAINS` / `PHARMANET PONTIANAK` (3.98 hari) * `NUTRISAINS` / `PHARMANET MAKASSAR` (2.97 hari) * `NUTRISAINS` / `PHARMANET MEDAN` (2.94 hari) * `NUTRISAINS` / `PHARMANET PALEMBANG` (2.80 hari) * `VIBRANT PBF` / `PHARMANET PEKANBARU` (2.90 hari) * `VIBRANT PBF` / `PHARMANET PONTIANAK` (2.92 hari) * `OTC` / `PHARMANET MALANG` (2.74 hari) * `VIBRANT PBF` / `PHARMANET PALEMBANG` (2.66 hari) Konsistensi `PHARMANET TANGERANG` dalam menunjukkan waktu tunggu pengiriman yang lama menunjukkan adanya potensi masalah sistemik yang perlu diinvestigasi lebih lanjut, seperti rute pengiriman yang tidak efisien, kapasitas pengiriman yang terbatas, atau tantangan logistik di area tersebut. Gudang `PHARMANET BANDUNG` juga perlu diperhatikan, terutama untuk divisi `VIBRANT PBF`. ### 5.3. Anomali dan Area Perbaikan Dari analisis waktu tunggu, beberapa anomali dan area yang memerlukan perbaikan telah teridentifikasi: 1. **Outlier Ekstrem pada Waktu Tunggu Pengiriman (DO ke Diterima):** Nilai maksimum 63.3 hari adalah anomali yang sangat signifikan. Kasus-kasus seperti ini harus diidentifikasi dan dianalisis secara individual untuk memahami akar penyebab keterlambatan yang parah. Ini bisa jadi kesalahan input data, masalah pengiriman yang kompleks (misalnya, pengiriman ke daerah terpencil, masalah kurir), atau penundaan yang tidak terduga. 2. **Kinerja Gudang yang Tidak Konsisten:** Gudang `PHARMANET TANGERANG` menunjukkan waktu tunggu pengiriman (DO ke Diterima) yang secara konsisten jauh lebih tinggi dibandingkan rata-rata keseluruhan untuk berbagai divisi. Ini menunjukkan kemungkinan adanya masalah operasional atau logistik yang memengaruhi kecepatan pengiriman dari gudang tersebut. 3. **Variasi Pemrosesan Internal:** Meskipun waktu tunggu Pesanan ke DO secara umum cepat, beberapa kombinasi Divisi/Gudang menunjukkan waktu yang lebih lama. Hal ini dapat menunjukkan inefisiensi dalam proses persiapan pesanan di gudang-gudang tersebut. 4. **Kualitas Data `Tgl Diterima`:** Sebagaimana dibahas di Bab 4, tingginya jumlah nilai `NULL` atau tidak valid pada kolom `Tgl Diterima` dapat memengaruhi akurasi rata-rata waktu tunggu pengiriman. Analisis ini mungkin tidak sepenuhnya merepresentasikan semua pesanan, dan perbaikan kualitas data ini sangat penting untuk mendapatkan gambaran yang lebih akurat. ### 5.4. Rekomendasi Berdasarkan analisis waktu tunggu, berikut adalah rekomendasi untuk meningkatkan efisiensi operasional: 1. **Investigasi Outlier Waktu Tunggu Pengiriman Ekstrem:** * Identifikasi semua pesanan dengan waktu tunggu pengiriman (DO ke Diterima) yang melebihi ambang batas tertentu (misalnya, lebih dari 7 hari atau bahkan di atas kuartil ketiga). * Lakukan penyelidikan kasus per kasus untuk memahami penyebab keterlambatan ekstrem (misalnya, masalah ekspedisi, bencana alam, kesalahan input data, atau lokasi pengiriman yang sangat menantang). * Jika disebabkan oleh masalah operasional, cari solusi proaktif untuk mencegah terulangnya kejadian serupa. Jika karena kesalahan data, perbaiki proses pencatatan. 2. **Evaluasi Komprehensif Gudang `PHARMANET TANGERANG`:** * Prioritaskan audit operasional di gudang `PHARMANET TANGERANG`. Selidiki faktor-faktor yang berkontribusi pada waktu tunggu pengiriman yang konsisten lama, seperti: * Kapasitas dan tata letak gudang. * Efisiensi proses *picking* dan *packing*. * Pilihan dan performa ekspedisi/kurir di wilayah tersebut. * Rute pengiriman dan logistik *last-mile*. * Jumlah staf dan pelatihan. * Kembangkan dan implementasikan rencana tindakan korektif berdasarkan temuan audit. 3. **Optimasi Proses Internal di Gudang dengan Waktu Tunggu Pesanan ke DO yang Lama:** * Untuk Divisi/Gudang yang menunjukkan rata-rata waktu tunggu Pesanan ke DO yang lebih lama dari rata-rata keseluruhan, tinjau proses internal mereka. * Fokus pada identifikasi bottleneck dalam tahap pemrosesan pesanan, seperti verifikasi, alokasi stok, atau pembuatan DO. * Pertimbangkan otomatisasi, pelatihan ulang staf, atau penyesuaian alur kerja untuk mempercepat tahap ini. 4. **Lanjutan Peningkatan Kualitas Data `Tgl Diterima`:** * Lanjutkan upaya yang direkomendasikan di Bab 4 untuk memperbaiki kualitas data `Tgl Diterima`. Data yang akurat dan lengkap adalah prasyarat untuk analisis waktu tunggu yang andal dan pengambilan keputusan yang efektif. Pastikan `Tgl Diterima` selalu tercatat dengan benar dan valid untuk setiap pesanan yang terlayani. Dengan mengatasi anomali dan mengoptimalkan proses di area yang teridentifikasi, perusahaan dapat secara signifikan meningkatkan efisiensi rantai pasokannya dan pada akhirnya meningkatkan kepuasan pelanggan. ## 6. Kinerja Pemenuhan Berdasarkan Divisi dan Gudang Asal ## 6. Kinerja Pemenuhan Berdasarkan Divisi dan Gudang Asal Untuk mendapatkan pemahaman yang lebih mendalam mengenai efisiensi operasional dan mengidentifikasi area yang memerlukan perbaikan, analisis kinerja pemenuhan pesanan telah dilakukan dengan mengelompokkan data berdasarkan `Divisi` dan `Asal Gudang`. Pendekatan ini memungkinkan identifikasi unit-unit organisasi atau gudang tertentu yang mungkin memiliki kinerja di atas atau di bawah rata-rata dalam hal tingkat pemenuhan pesanan dan kecepatan waktu tunggu. Analisis ini fokus pada tiga metrik utama: 1. **Total Pesanan:** Jumlah keseluruhan pesanan untuk setiap kombinasi divisi dan gudang asal. 2. **Tingkat Pemenuhan (Fulfillment Rate):** Persentase pesanan yang berhasil dilayani penuh dari total pesanan. 3. **Waktu Tunggu Rata-rata Pesanan ke DO (Order to DO Lead Time):** Durasi rata-rata dari `Tgl. Order` hingga `Tgl DO`, mengukur efisiensi pemrosesan internal. 4. **Waktu Tunggu Rata-rata DO ke Penerimaan Pelanggan (DO to Received Lead Time):** Durasi rata-rata dari `Tgl DO` hingga `Tgl Diterima`, mengukur efisiensi pengiriman dan logistik. Penting untuk dicatat bahwa perhitungan waktu tunggu hanya mencakup pesanan yang berhasil dipenuhi dan memiliki data tanggal yang lengkap serta valid, sebagaimana telah diuraikan pada Bab 4 dan 5. ### 6.1. Ringkasan Kinerja Pemenuhan Berdasarkan Divisi dan Gudang Asal Berikut adalah tabel ringkasan kinerja pemenuhan dan waktu tunggu rata-rata (dalam hari) untuk setiap kombinasi `Divisi` dan `Asal Gudang`: | Divisi | Asal Gudang | Total Pesanan | Pesanan Terpenuhi | Tingkat Pemenuhan (%) | Rata-rata Waktu Tunggu Pesanan ke DO (hari) | Rata-rata Waktu Tunggu DO ke Diterima (hari) | | :-------------- | :----------------------- | ------------: | ----------------: | --------------------: | ------------------------------------------: | -------------------------------------------: | | ETCKLINIK | PHARMANET BANDUNG | 1,632 | 1,628 | 99.8 | 0.35 | 1.02 | | ETCKLINIK | PHARMANET BANJARMASIN | 186 | 182 | 97.8 | 0.49 | 0.64 | | ETCKLINIK | PHARMANET BEKASI | 1,619 | 1,591 | 98.3 | 0.38 | 1.20 | | ETCKLINIK | PHARMANET BOGOR | 1,749 | 1,724 | 98.6 | 0.44 | 1.34 | | ETCKLINIK | PHARMANET JAKBAR | 750 | 728 | 97.1 | 0.37 | 0.54 | | ETCKLINIK | PHARMANET JAKSEL | 365 | 355 | 97.3 | 0.41 | 0.39 | | ETCKLINIK | PHARMANET JAKTIM | 1,313 | 1,274 | 97.0 | 0.25 | 0.50 | | ETCKLINIK | PHARMANET JAMBI | 205 | 203 | 99.0 | 0.32 | 0.97 | | ETCKLINIK | PHARMANET LAMPUNG | 415 | 411 | 99.0 | 0.21 | 1.71 | | ETCKLINIK | PHARMANET MAKASSAR | 865 | 832 | 96.2 | 0.20 | 0.91 | | ETCKLINIK | PHARMANET MALANG | 704 | 699 | 99.3 | 0.13 | 1.10 | | ETCKLINIK | PHARMANET MEDAN | 1,649 | 1,606 | 97.4 | 0.60 | 1.72 | | ETCKLINIK | PHARMANET PALEMBANG | 658 | 649 | 98.6 | 0.15 | 1.00 | | ETCKLINIK | PHARMANET PEKANBARU | 655 | 648 | 98.9 | 0.28 | 2.25 | | ETCKLINIK | PHARMANET PONTIANAK | 194 | 188 | 96.9 | 0.24 | 1.77 | | ETCKLINIK | PHARMANET SAMARINDA | 62 | 62 | 100.0 | 0.95 | 1.20 | | ETCKLINIK | PHARMANET SEMARANG | 537 | 529 | 98.5 | 0.25 | 1.00 | | ETCKLINIK | PHARMANET SOLO | 431 | 429 | 99.5 | 0.47 | 0.61 | | ETCKLINIK | PHARMANET SURABAYA | 2,732 | 2,704 | 99.0 | 0.38 | 2.19 | | ETCKLINIK | PHARMANET TANGERANG | 748 | 724 | 96.8 | 0.65 | 2.47 | | NUTRINDO | PHARMANET BANDUNG | 67 | 67 | 100.0 | 0.58 | 1.54 | | NUTRINDO | PHARMANET BANJARMASIN | 78 | 78 | 100.0 | 0.06 | 0.06 | | NUTRINDO | PHARMANET BEKASI | 64 | 64 | 100.0 | 0.51 | 0.36 | | NUTRINDO | PHARMANET JAKBAR | 26 | 26 | 100.0 | 0.05 | 0.58 | | NUTRINDO | PHARMANET JAKSEL | 23 | 23 | 100.0 | 0.08 | 1.35 | | NUTRINDO | PHARMANET JAKTIM | 24 | 20 | 83.3 | 0.88 | 0.66 | | NUTRINDO | PHARMANET JAMBI | 57 | 57 | 100.0 | 0.70 | 0.36 | | NUTRINDO | PHARMANET LAMPUNG | 9 | 9 | 100.0 | 0.10 | 0.81 | | NUTRINDO | PHARMANET MAKASSAR | 278 | 275 | 98.9 | 0.50 | 0.61 | | NUTRINDO | PHARMANET MALANG | 111 | 111 | 100.0 | 0.12 | 0.33 | | NUTRINDO | PHARMANET MEDAN | 185 | 181 | 97.8 | 0.53 | 2.32 | | NUTRINDO | PHARMANET PALEMBANG | 273 | 273 | 100.0 | 0.13 | 0.87 | | NUTRINDO | PHARMANET PEKANBARU | 211 | 193 | 91.5 | 0.45 | 2.17 | | NUTRINDO | PHARMANET SEMARANG | 166 | 165 | 99.4 | 0.55 | 1.96 | | NUTRINDO | PHARMANET SOLO | 176 | 176 | 100.0 | 0.43 | 1.56 | | NUTRINDO | PHARMANET SURABAYA | 213 | 212 | 99.5 | 0.54 | 2.12 | | NUTRINDO | PHARMANET TANGERANG | 134 | 133 | 99.3 | 0.48 | 5.14 | | NUTRISAINS | PHARMANET 2 SURABAYA | 21 | 21 | 100.0 | 0.21 | 1.16 | | NUTRISAINS | PHARMANET BANDUNG | 600 | 598 | 99.7 | 0.40 | 1.41 | | NUTRISAINS | PHARMANET BANJARMASIN | 203 | 201 | 99.0 | 0.44 | 0.25 | | NUTRISAINS | PHARMANET BEKASI | 59 | 58 | 98.3 | 0.18 | 1.61 | | NUTRISAINS | PHARMANET BOGOR | 145 | 145 | 100.0 | 0.31 | 1.26 | | NUTRISAINS | PHARMANET JAKBAR | 35 | 34 | 97.1 | 0.60 | 1.38 | | NUTRISAINS | PHARMANET JAMBI | 149 | 147 | 98.7 | 0.24 | 0.28 | | NUTRISAINS | PHARMANET LAMPUNG | 300 | 299 | 99.7 | 0.25 | 1.69 | | NUTRISAINS | PHARMANET MAKASSAR | 314 | 312 | 99.4 | 0.21 | 2.97 | | NUTRISAINS | PHARMANET MALANG | 141 | 141 | 100.0 | 0.18 | 1.29 | | NUTRISAINS | PHARMANET MEDAN | 50 | 48 | 96.0 | 0.97 | 2.94 | | NUTRISAINS | PHARMANET PALEMBANG | 603 | 603 | 100.0 | 0.27 | 2.80 | | NUTRISAINS | PHARMANET PEKANBARU | 313 | 311 | 99.4 | 0.36 | 1.81 | | NUTRISAINS | PHARMANET PONTIANAK | 138 | 138 | 100.0 | 0.51 | 3.98 | | NUTRISAINS | PHARMANET SAMARINDA | 124 | 121 | 97.6 | 1.30 | 1.67 | | NUTRISAINS | PHARMANET SEMARANG | 619 | 614 | 99.2 | 0.46 | 2.14 | | NUTRISAINS | PHARMANET SOLO | 302 | 300 | 99.3 | 0.54 | 2.25 | | NUTRISAINS | PHARMANET SURABAYA | 568 | 560 | 98.6 | 0.43 | 1.97 | | NUTRISAINS | PHARMANET TANGERANG | 150 | 149 | 99.3 | 0.51 | 9.46 | | OTC | PHARMANET BANDUNG | 230 | 230 | 100.0 | 0.30 | 1.91 | | OTC | PHARMANET BANJARMASIN | 124 | 122 | 98.4 | 0.26 | 0.67 | | OTC | PHARMANET BEKASI | 257 | 257 | 100.0 | 0.50 | 1.18 | | OTC | PHARMANET BOGOR | 104 | 104 | 100.0 | 0.63 | 2.12 | | OTC | PHARMANET JAKBAR | 37 | 37 | 100.0 | 0.32 | 0.21 | | OTC | PHARMANET JAKTIM | 88 | 87 | 98.9 | 0.16 | 0.12 | | OTC | PHARMANET JAMBI | 86 | 85 | 98.8 | 0.43 | 0.90 | | OTC | PHARMANET LAMPUNG | 286 | 285 | 99.6 | 0.17 | 2.09 | | OTC | PHARMANET MAKASSAR | 118 | 118 | 100.0 | 0.22 | 0.44 | | OTC | PHARMANET MALANG | 22 | 22 | 100.0 | 0.04 | 2.74 | | OTC | PHARMANET MEDAN | 328 | 323 | 98.5 | 0.67 | 1.93 | | OTC | PHARMANET PALEMBANG | 80 | 80 | 100.0 | 0.15 | 1.93 | | OTC | PHARMANET PEKANBARU | 216 | 215 | 99.5 | 0.45 | 2.13 | | OTC | PHARMANET PONTIANAK | 139 | 139 | 100.0 | 1.39 | 2.17 | | OTC | PHARMANET SAMARINDA | 121 | 119 | 98.4 | 1.55 | 2.15 | | OTC | PHARMANET SEMARANG | 307 | 304 | 99.0 | 0.31 | 1.95 | | OTC | PHARMANET SOLO | 142 | 141 | 99.3 | 0.41 | 0.93 | | OTC | PHARMANET SURABAYA | 372 | 366 | 98.4 | 0.54 | 1.80 | | OTC | PHARMANET TANGERANG | 222 | 221 | 99.6 | 0.46 | 4.53 | | PHARMANET 2 | PHARMANET 2 SURABAYA | 5 | 5 | 100.0 | 0.67 | 2.17 | | PHARMANET 2 | PHARMANET BANDUNG | 6,064 | 6,044 | 99.7 | 0.36 | 1.36 | | PHARMANET 2 | PHARMANET BANJARMASIN | 3,546 | 3,481 | 98.2 | 0.30 | 0.75 | | PHARMANET 2 | PHARMANET BEKASI | 9,712 | 9,621 | 99.1 | 0.38 | 0.87 | | PHARMANET 2 | PHARMANET BOGOR | 4,987 | 4,921 | 98.7 | 0.44 | 0.98 | | PHARMANET 2 | PHARMANET JAKBAR | 2,173 | 2,155 | 99.2 | 0.41 | 0.40 | | PHARMANET 2 | PHARMANET JAKSEL | 1,582 | 1,574 | 99.5 | 0.30 | 0.55 | | PHARMANET 2 | PHARMANET JAKTIM | 2,215 | 2,172 | 98.1 | 0.31 | 0.45 | | PHARMANET 2 | PHARMANET JAMBI | 2,185 | 2,168 | 99.2 | 0.37 | 2.05 | | PHARMANET 2 | PHARMANET LAMPUNG | 2,699 | 2,688 | 99.6 | 0.42 | 2.34 | | PHARMANET 2 | PHARMANET MAKASSAR | 5,192 | 5,087 | 98.0 | 0.35 | 1.67 | | PHARMANET 2 | PHARMANET MALANG | 1,778 | 1,769 | 99.5 | 0.20 | 1.93 | | PHARMANET 2 | PHARMANET MEDAN | 4,378 | 4,265 | 97.4 | 1.08 | 2.25 | | PHARMANET 2 | PHARMANET PALEMBANG | 6,191 | 6,176 | 99.8 | 0.15 | 1.07 | | PHARMANET 2 | PHARMANET PEKANBARU | 4,358 | 4,296 | 98.6 | 0.49 | 2.34 | | PHARMANET 2 | PHARMANET PONTIANAK | 2,566 | 2,540 | 99.0 | 0.41 | 2.23 | | PHARMANET 2 | PHARMANET PUSAT | 22 | 0 | 0.0 | 0.00 | 0.00 | | PHARMANET 2 | PHARMANET SAMARINDA | 2,672 | 2,624 | 98.2 | 1.04 | 2.46 | | PHARMANET 2 | PHARMANET SEMARANG | 5,969 | 5,890 | 98.7 | 0.40 | 1.65 | | PHARMANET 2 | PHARMANET SOLO | 5,194 | 5,139 | 98.9 | 0.34 | 1.55 | | PHARMANET 2 | PHARMANET SURABAYA | 7,599 | 7,518 | 98.9 | 0.40 | 1.85 | | PHARMANET 2 | PHARMANET TANGERANG | 5,849 | 5,687 | 97.2 | 0.59 | 5.29 | | PHARMANET B2B | PHARMANET BANDUNG | 797 | 793 | 99.5 | 0.21 | 0.67 | | PHARMANET B2B | PHARMANET BANJARMASIN | 208 | 208 | 100.0 | 0.24 | 0.52 | | PHARMANET B2B | PHARMANET BEKASI | 843 | 834 | 98.9 | 0.30 | 1.29 | | PHARMANET B2B | PHARMANET BOGOR | 1,286 | 1,276 | 99.2 | 0.35 | 0.70 | | PHARMANET B2B | PHARMANET JAKBAR | 544 | 540 | 99.3 | 0.37 | 0.50 | | PHARMANET B2B | PHARMANET JAKSEL | 80 | 80 | 100.0 | 0.53 | 0.21 | | PHARMANET B2B | PHARMANET JAKTIM | 362 | 353 | 97.5 | 0.37 | 0.57 | | PHARMANET B2B | PHARMANET JAMBI | 179 | 178 | 99.4 | 0.31 | 0.79 | | PHARMANET B2B | PHARMANET LAMPUNG | 27 | 25 | 92.6 | 0.22 | 1.57 | | PHARMANET B2B | PHARMANET MAKASSAR | 317 | 316 | 99.7 | 0.17 | 1.13 | | PHARMANET B2B | PHARMANET MALANG | 220 | 218 | 99.1 | 0.11 | 0.52 | | PHARMANET B2B | PHARMANET MEDAN | 241 | 234 | 97.1 | 0.92 | 1.09 | | PHARMANET B2B | PHARMANET PALEMBANG | 547 | 545 | 99.6 | 0.17 | 0.57 | | PHARMANET B2B | PHARMANET PEKANBARU | 311 | 309 | 99.4 | 0.46 | 1.96 | | PHARMANET B2B | PHARMANET PONTIANAK | 301 | 300 | 99.7 | 0.33 | 1.59 | | PHARMANET B2B | PHARMANET SAMARINDA | 130 | 129 | 99.2 | 1.43 | 1.92 | | PHARMANET B2B | PHARMANET SEMARANG | 1,065 | 1,052 | 98.8 | 0.39 | 1.15 | | PHARMANET B2B | PHARMANET SOLO | 1,861 | 1,846 | 99.2 | 0.34 | 1.27 | | PHARMANET B2B | PHARMANET SURABAYA | 1,392 | 1,367 | 98.2 | 0.33 | 1.49 | | PHARMANET B2B | PHARMANET TANGERANG | 640 | 625 | 97.7 | 0.83 | 4.69 | | VIBRANT 3 | PHARMANET BEKASI | 2 | 2 | 100.0 | 0.06 | 0.35 | | VIBRANT 3 | PHARMANET BOGOR | 29 | 18 | 62.1 | 0.16 | 1.36 | | VIBRANT 3 | PHARMANET SURABAYA | 12 | 12 | 100.0 | 0.60 | 1.48 | | VIBRANT 3 | PHARMANET TANGERANG | 8 | 8 | 100.0 | 0.64 | 1.11 | | VIBRANT PBF | PHARMANET 2 SURABAYA | 293 | 291 | 99.3 | 0.21 | 1.28 | | VIBRANT PBF | PHARMANET BANDUNG | 170 | 170 | 100.0 | 0.48 | 6.53 | | VIBRANT PBF | PHARMANET BANJARMASIN | 58 | 56 | 96.6 | 0.09 | 0.70 | | VIBRANT PBF | PHARMANET BEKASI | 29 | 29 | 100.0 | 1.04 | 1.39 | | VIBRANT PBF | PHARMANET BOGOR | 131 | 128 | 97.7 | 1.19 | 2.02 | | VIBRANT PBF | PHARMANET JAKBAR | 34 | 34 | 100.0 | 0.21 | 0.73 | | VIBRANT PBF | PHARMANET JAKTIM | 111 | 107 | 96.4 | 0.13 | 0.81 | | VIBRANT PBF | PHARMANET LAMPUNG | 73 | 73 | 100.0 | 0.50 | 1.64 | | VIBRANT PBF | PHARMANET MAKASSAR | 258 | 255 | 98.8 | 0.21 | 1.78 | | VIBRANT PBF | PHARMANET MALANG | 48 | 48 | 100.0 | 0.05 | 0.94 | | VIBRANT PBF | PHARMANET MEDAN | 45 | 45 | 100.0 | 1.09 | 1.25 | | VIBRANT PBF | PHARMANET PALEMBANG | 79 | 79 | 100.0 | 0.09 | 2.66 | | VIBRANT PBF | PHARMANET PEKANBARU | 63 | 63 | 100.0 | 0.20 | 2.90 | | VIBRANT PBF | PHARMANET PONTIANAK | 72 | 71 | 98.6 | 0.57 | 2.92 | | VIBRANT PBF | PHARMANET SAMARINDA | 61 | 55 | 90.2 | 1.55 | 1.75 | | VIBRANT PBF | PHARMANET SEMARANG | 259 | 257 | 99.2 | 0.28 | 1.15 | | VIBRANT PBF | PHARMANET SOLO | 191 | 191 | 100.0 | 0.55 | 1.58 | | VIBRANT PBF | PHARMANET SURABAYA | 354 | 341 | 96.3 | 0.44 | 1.97 | | VIBRANT PBF | PHARMANET TANGERANG | 118 | 116 | 98.3 | 0.73 | 8.19 | ### 6.2. Analisis Tingkat Pemenuhan Secara umum, tingkat pemenuhan pesanan di sebagian besar kombinasi `Divisi` dan `Asal Gudang` menunjukkan angka yang sangat tinggi, banyak yang mencapai 100%. Namun, beberapa anomali signifikan telah teridentifikasi: * **PHARMANET 2 / PHARMANET PUSAT: Tingkat Pemenuhan 0.0%** Ini adalah anomali paling mencolok. Dari 22 pesanan yang tercatat untuk kombinasi `Divisi = 'PHARMANET 2'` dengan `Asal Gudang = 'PHARMANET PUSAT'`, tidak ada satu pun pesanan yang berhasil dipenuhi. Semua 22 pesanan ini berstatus `CANCEL` (`Status RO`) dan `C` (`Status DO`). Yang lebih krusial, kolom `Keterangan` untuk pesanan-pesanan ini kosong, yang berarti tidak ada informasi yang tercatat mengenai alasan pembatalan massal tersebut. Hal ini sangat menghambat investigasi akar masalah dan upaya perbaikan. * **VIBRANT 3 / PHARMANET BOGOR: Tingkat Pemenuhan 62.1%** Kombinasi ini menunjukkan tingkat pemenuhan terendah kedua, dengan hanya 18 dari 29 pesanan yang berhasil terpenuhi. Divisi `VIBRANT 3` di `PHARMANET BOGOR` perlu diinvestigasi lebih lanjut untuk memahami penyebab tingginya pembatalan atau kegagalan pemenuhan. * **NUTRINDO / PHARMANET JAKTIM: Tingkat Pemenuhan 83.3%** Dari 24 pesanan, 4 pesanan tidak terpenuhi, menandakan adanya masalah yang perlu diselidiki. * **VIBRANT PBF / PHARMANET SAMARINDA: Tingkat Pemenuhan 90.2%** Dengan 61 pesanan, 6 di antaranya tidak terpenuhi, menunjukkan potensi area perbaikan. * **NUTRINDO / PHARMANET PEKANBARU: Tingkat Pemenuhan 91.5%** Dari 211 pesanan, 18 pesanan tidak terpenuhi. * **PHARMANET B2B / PHARMANET LAMPUNG: Tingkat Pemenuhan 92.6%** Dari 27 pesanan, 2 pesanan tidak terpenuhi. Kasus-kasus dengan tingkat pemenuhan di bawah 95% menunjukkan perlunya investigasi spesifik untuk mengidentifikasi penyebab pembatalan atau kegagalan pemenuhan pesanan. ### 6.3. Analisis Waktu Tunggu Pesanan ke DO (Internal Processing) Waktu tunggu rata-rata dari pesanan hingga pembuatan DO (Delivery Order) mencerminkan efisiensi proses internal gudang. Sebagian besar kombinasi `Divisi` dan `Asal Gudang` menunjukkan waktu pemrosesan yang sangat cepat, seringkali di bawah 0.5 hari. Ini mengindikasikan bahwa proses internal dalam menyiapkan pesanan untuk pengiriman umumnya berjalan dengan baik. Namun, beberapa kombinasi menunjukkan waktu pemrosesan internal yang sedikit lebih lama dari rata-rata: * **PHARMANET 2 / PHARMANET MEDAN:** Rata-rata 1.08 hari * **ETCKLINIK / PHARMANET SAMARINDA:** Rata-rata 0.95 hari * **NUTRISAINS / PHARMANET SAMARINDA:** Rata-rata 1.30 hari * **OTC / PHARMANET PONTIANAK:** Rata-rata 1.39 hari * **OTC / PHARMANET SAMARINDA:** Rata-rata 1.55 hari * **PHARMANET B2B / PHARMANET MEDAN:** Rata-rata 0.92 hari * **PHARMANET B2B / PHARMANET SAMARINDA:** Rata-rata 1.43 hari * **VIBRANT PBF / PHARMANET BEKASI:** Rata-rata 1.04 hari * **VIBRANT PBF / PHARMANET BOGOR:** Rata-rata 1.19 hari * **VIBRANT PBF / PHARMANET MEDAN:** Rata-rata 1.09 hari * **VIBRANT PBF / PHARMANET SAMARINDA:** Rata-rata 1.55 hari Kombinasi-kombinasi ini mengindikasikan adanya variasi dalam kecepatan pemrosesan internal antar gudang dan divisi. Gudang seperti `PHARMANET SAMARINDA`, `PHARMANET MEDAN`, dan `PHARMANET PONTIANAK` tampaknya memerlukan waktu pemrosesan yang lebih lama dari rata-rata untuk beberapa divisi. Ini mungkin disebabkan oleh berbagai faktor seperti volume pesanan, ketersediaan staf, atau efisiensi alur kerja di gudang-gudang tersebut. ### 6.4. Analisis Waktu Tunggu DO ke Penerimaan Pelanggan (Pengiriman) Analisis waktu tunggu dari DO hingga penerimaan pelanggan adalah indikator kunci efisiensi logistik pengiriman. Area ini menunjukkan variasi kinerja yang paling signifikan dan menyoroti beberapa area yang memerlukan perhatian serius: * **PHARMANET TANGERANG sebagai Outlier Konsisten:** Gudang `PHARMANET TANGERANG` secara konsisten muncul sebagai gudang dengan rata-rata waktu tunggu pengiriman terlama di berbagai divisi: * **NUTRISAINS / PHARMANET TANGERANG:** Rata-rata 9.46 hari (Durasi terlama secara keseluruhan) * **VIBRANT PBF / PHARMANET TANGERANG:** Rata-rata 8.19 hari * **PHARMANET 2 / PHARMANET TANGERANG:** Rata-rata 5.29 hari * **NUTRINDO / PHARMANET TANGERANG:** Rata-rata 5.14 hari * **PHARMANET B2B / PHARMANET TANGERANG:** Rata-rata 4.69 hari * **OTC / PHARMANET TANGERANG:** Rata-rata 4.53 hari Konsistensi waktu tunggu yang lama di `PHARMANET TANGERANG` lintas divisi menunjukkan adanya potensi masalah sistemik yang perlu diinvestigasi lebih lanjut. Ini bisa terkait dengan rute pengiriman yang tidak efisien, kapasitas pengiriman yang terbatas, masalah dengan mitra logistik di wilayah tersebut, atau tantangan geografis/infrastruktur. * **Outlier Signifikan Lainnya:** Selain `PHARMANET TANGERANG`, beberapa kombinasi lain juga menunjukkan waktu tunggu pengiriman yang lebih tinggi dari rata-rata keseluruhan (rata-rata 1.7 hari): * **VIBRANT PBF / PHARMANET BANDUNG:** Rata-rata 6.53 hari * **NUTRISAINS / PHARMANET PONTIANAK:** Rata-rata 3.98 hari * **NUTRISAINS / PHARMANET MAKASSAR:** Rata-rata 2.97 hari * **NUTRISAINS / PHARMANET MEDAN:** Rata-rata 2.94 hari * **NUTRISAINS / PHARMANET PALEMBANG:** Rata-rata 2.80 hari * **VIBRANT PBF / PHARMANET PEKANBARU:** Rata-rata 2.90 hari * **VIBRANT PBF / PHARMANET PONTIANAK:** Rata-rata 2.92 hari * **OTC / PHARMANET MALANG:** Rata-rata 2.74 hari * **VIBRANT PBF / PHARMANET PALEMBANG:** Rata-rata 2.66 hari Durasi pengiriman yang lama ini dapat berdampak langsung pada kepuasan pelanggan dan memerlukan peninjauan mendalam terhadap proses logistik untuk mengidentifikasi dan mengatasi akar masalahnya. ### 6.5. Temuan Kunci 1. **Tingkat Pemenuhan yang Sangat Baik secara Umum:** Mayoritas kombinasi Divisi dan Gudang Asal menunjukkan tingkat pemenuhan pesanan di atas 95%, yang merupakan indikasi kinerja operasional yang solid. 2. **Anomali Pemenuhan 0% di PHARMANET 2 / PHARMANET PUSAT:** Kasus 22 pesanan yang dibatalkan sepenuhnya tanpa keterangan menjadi prioritas utama untuk investigasi, karena mengindikasikan masalah serius yang tidak terdokumentasi. 3. **Waktu Pemrosesan Internal yang Cepat:** Tahap Pesanan ke DO umumnya sangat efisien, dengan sebagian besar kombinasi gudang/divisi memproses pesanan dalam waktu kurang dari setengah hari. 4. **Variasi Signifikan dalam Waktu Tunggu Pengiriman:** Tahap DO ke Penerimaan Pelanggan menunjukkan variasi yang lebih besar, dengan beberapa gudang/divisi memiliki waktu pengiriman yang jauh lebih lama. 5. **PHARMANET TANGERANG sebagai Titik Perhatian Utama:** Gudang `PHARMANET TANGERANG` secara konsisten mencatat rata-rata waktu tunggu pengiriman terlama di berbagai divisi, menunjukkan adanya potensi masalah logistik atau operasional yang perlu ditangani secara spesifik. 6. **Gudang Lain dengan Waktu Pengiriman Lama:** `PHARMANET BANDUNG`, `PHARMANET PONTIANAK`, `PHARMANET MAKASSAR`, `PHARMANET MEDAN`, `PHARMANET PALEMBANG`, `PHARMANET PEKANBARU`, dan `PHARMANET MALANG` juga menunjukkan waktu pengiriman yang lebih lama dari rata-rata untuk divisi tertentu, yang memerlukan perhatian lebih lanjut. ### 6.6. Rekomendasi Berdasarkan temuan-temuan di atas, berikut adalah rekomendasi untuk meningkatkan kinerja pemenuhan dan efisiensi waktu tunggu berdasarkan divisi dan gudang asal: 1. **Investigasi Mendalam Anomali PHARMANET 2 / PHARMANET PUSAT:** * Lakukan penyelidikan segera terhadap 22 pesanan yang dibatalkan sepenuhnya untuk kombinasi ini. * Identifikasi akar penyebab pembatalan (misalnya, masalah sistem, kesalahan input, ketersediaan stok, atau kebijakan khusus). * Pastikan sistem atau proses input data mencakup kewajiban untuk mengisi kolom `Keterangan` saat pesanan dibatalkan untuk analisis di masa mendatang. 2. **Audit Komprehensif Gudang PHARMANET TANGERANG:** * Prioritaskan audit operasional secara menyeluruh di gudang `PHARMANET TANGERANG`. * Selidiki faktor-faktor yang berkontribusi pada waktu tunggu pengiriman yang konsisten lama, seperti: * Kapasitas dan tata letak gudang. * Efisiensi proses *picking* dan *packing*. * Kinerja dan kapasitas mitra ekspedisi yang digunakan di wilayah tersebut. * Optimalisasi rute pengiriman dan logistik *last-mile*. * Pelatihan staf dan beban kerja. * Kembangkan dan implementasikan rencana tindakan korektif berdasarkan temuan audit, dengan target pengurangan waktu tunggu yang jelas. 3. **Evaluasi Kinerja Gudang dengan Tingkat Pemenuhan Rendah:** * Lakukan analisis terfokus pada kombinasi `VIBRANT 3 / PHARMANET BOGOR`, `NUTRINDO / PHARMANET JAKTIM`, `VIBRANT PBF / PHARMANET SAMARINDA`, `NUTRINDO / PHARMANET PEKANBARU`, dan `PHARMANET B2B / PHARMANET LAMPUNG`. * Identifikasi alasan spesifik di balik tingkat pemenuhan yang lebih rendah untuk setiap kasus (misalnya, masalah stok, kerusakan produk, kesalahan pesanan, atau pembatalan pelanggan). * Terapkan perbaikan proses untuk meminimalkan kegagalan pemenuhan di area-area ini. 4. **Optimasi Proses Internal di Gudang dengan Waktu Tunggu Pesanan ke DO yang Lama:** * Untuk kombinasi Divisi/Gudang yang menunjukkan rata-rata waktu tunggu Pesanan ke DO yang lebih lama (misalnya, `PHARMANET SAMARINDA`, `PHARMANET MEDAN` untuk beberapa divisi, dan gudang-gudang `VIBRANT PBF` tertentu), tinjau proses internal mereka. * Fokus pada identifikasi *bottleneck* dalam tahap verifikasi pesanan, alokasi stok, atau pembuatan DO. Pertimbangkan solusi otomatisasi atau optimalisasi alur kerja. 5. **Perbandingan Kinerja Antar Gudang:** * Lakukan perbandingan kinerja secara berkala antara gudang-gudang dengan Divisi yang sama untuk mengidentifikasi praktik terbaik (best practices) yang dapat direplikasi. * Gudang dengan kinerja yang sangat baik (misalnya, waktu tunggu pengiriman yang sangat cepat) dapat dijadikan model untuk gudang lain yang berkinerja kurang. ## 7. Investigasi Kasus Khusus: Pemenuhan 0% di PHARMANET 2 / PHARMANET PUSAT ## 7. Investigasi Kasus Khusus: Pemenuhan 0% di PHARMANET 2 / PHARMANET PUSAT Pada bab-bab sebelumnya, telah diidentifikasi sebuah anomali kritis yang sangat menonjol: kombinasi `Divisi` 'PHARMANET 2' dan `Asal Gudang` 'PHARMANET PUSAT' menunjukkan tingkat pemenuhan pesanan sebesar **0%**. Fenomena ini sangat tidak biasa dibandingkan dengan tingkat pemenuhan yang sangat tinggi di sebagian besar kombinasi divisi dan gudang lainnya, sehingga memerlukan investigasi yang mendalam dan terfokus. ### 7.1. Detil Anomali Pemenuhan 0% Analisis lebih lanjut terhadap pesanan yang terkait dengan kombinasi `Divisi = 'PHARMANET 2'` dan `Asal Gudang = 'PHARMANET PUSAT'` menunjukkan rincian sebagai berikut: **Status Pesanan untuk PHARMANET 2 / PHARMANET PUSAT:** | Status RO | Status DO | Keterangan | Jumlah Pesanan | | :-------- | :-------- | :--------- | -------------: | | CANCEL | C | | 22 | **Temuan Kunci:** * **Total Pesanan:** Terdapat 22 pesanan yang berasal dari `Divisi` 'PHARMANET 2' dengan `Asal Gudang` 'PHARMANET PUSAT'. * **Status Pembatalan Universal:** Semua 22 pesanan ini tercatat dengan `Status RO` 'CANCEL' dan `Status DO` 'C', mengindikasikan bahwa tidak ada satu pun pesanan yang berhasil dipenuhi. * **Ketiadaan Keterangan:** Yang paling mengkhawatirkan adalah kolom `Keterangan` untuk semua pesanan yang dibatalkan ini **kosong**. Ini berarti tidak ada alasan yang tercatat atau detail spesifik mengapa semua pesanan ini dibatalkan. ### 7.2. Dampak Bisnis dan Implikasi Kondisi 0% pemenuhan ini memiliki implikasi serius terhadap operasional dan kepuasan pelanggan: 1. **Kehilangan Penjualan dan Pendapatan:** Pembatalan 22 pesanan ini secara langsung berarti kehilangan potensi penjualan dan pendapatan bagi perusahaan. Meskipun jumlahnya mungkin tidak besar dalam konteks total pesanan, tingkat kegagalan 100% dari satu sumber gudang/divisi adalah indikator masalah fundamental. 2. **Ketidakpuasan Pelanggan:** Pelanggan yang pesanannya dibatalkan tanpa penjelasan yang jelas kemungkinan besar akan mengalami ketidakpuasan yang signifikan. Ini dapat merusak reputasi perusahaan dan mengurangi loyalitas pelanggan. 3. **Blind Spot Operasional:** Ketiadaan informasi di kolom `Keterangan` menciptakan "blind spot" operasional. Manajemen tidak dapat memahami akar masalah di balik pembatalan ini, sehingga sulit untuk mengambil tindakan korektif yang tepat dan mencegah terulangnya kejadian serupa di masa mendatang. 4. **Inefisiensi Proses:** Proses yang mengarah pada pembatalan massal ini kemungkinan besar melibatkan inefisiensi, seperti pesanan yang diterima padahal tidak dapat dipenuhi, pemesanan yang tidak sesuai dengan stok, atau masalah koordinasi antar departemen. 5. **Potensi Masalah Data Master atau Konfigurasi:** Tingkat kegagalan 100% ini bisa jadi disebabkan oleh kesalahan pada data master (misalnya, alamat gudang yang salah), konfigurasi sistem yang tidak tepat, atau bahkan gudang yang mungkin baru ditutup atau tidak aktif namun masih menerima pesanan dalam sistem. ### 7.3. Hipotesis dan Potensi Penyebab Mengingat kurangnya informasi dari kolom `Keterangan`, beberapa hipotesis atau potensi penyebab dapat dipertimbangkan: * **Masalah Stok atau Ketersediaan Produk:** Gudang 'PHARMANET PUSAT' mungkin mengalami masalah stok yang parah atau tidak memiliki produk yang dipesan sama sekali untuk `Divisi` 'PHARMANET 2'. * **Kesalahan Sistem atau Konfigurasi:** Ada kemungkinan kesalahan pada sistem yang mengarahkan pesanan `PHARMANET 2` ke 'PHARMANET PUSAT' padahal gudang tersebut tidak seharusnya menangani pesanan tersebut, atau sebaliknya. * **Gudang Tidak Aktif/Non-Operasional:** 'PHARMANET PUSAT' mungkin bukan lagi gudang operasional untuk `Divisi` 'PHARMANET 2', namun sistem masih mengarahkannya ke sana. * **Kebijakan Pembatalan Massal:** Mungkin ada kebijakan atau insiden spesifik yang menyebabkan pembatalan massal semua pesanan dari sumber ini (misalnya, audit stok, penutupan sementara, atau perubahan operasional). * **Kesalahan Input Data:** Ada kemungkinan kesalahan manusia dalam proses input pesanan atau penugasan gudang. ### 7.4. Rekomendasi Untuk mengatasi anomali kritis ini dan mencegah terulangnya di masa depan, direkomendasikan langkah-langkah berikut: 1. **Investigasi Segera dan Mendalam:** * Lakukan penyelidikan secepatnya terhadap 22 pesanan spesifik ini. Lacak nomor pesanan (`No. RO`) dan coba temukan catatan internal (selain data yang ada) yang mungkin memberikan informasi mengenai alasan pembatalan. * Wawancarai pihak-pihak terkait dari `Divisi` 'PHARMANET 2' dan staf yang bertanggung jawab atas 'PHARMANET PUSAT' untuk mendapatkan penjelasan langsung. * Periksa log sistem atau catatan lain yang mungkin menunjukkan kejadian khusus di sekitar tanggal pesanan ini dibuat dan dibatalkan. 2. **Peningkatan Kualitas Data `Keterangan` Pembatalan:** * Implementasikan proses atau validasi sistem yang memastikan bahwa kolom `Keterangan` **wajib diisi** setiap kali sebuah pesanan dibatalkan atau mengalami kegagalan pemenuhan. * Standardisasikan format atau kategori keterangan untuk memudahkan analisis di masa mendatang (misalnya, "Stok Habis", "Sistem Error", "Gudang Non-Aktif", "Permintaan Pelanggan"). 3. **Verifikasi Alur Pesanan dan Konfigurasi Sistem:** * Periksa kembali alur routing pesanan untuk `Divisi` 'PHARMANET 2' dan pastikan bahwa pesanan tidak lagi diarahkan ke 'PHARMANET PUSAT' jika memang gudang tersebut tidak aktif atau tidak relevan. * Tinjau konfigurasi master data terkait gudang dan divisi untuk mengidentifikasi potensi kesalahan setup. 4. **Monitoring dan Pelaporan Berkelanjutan:** * Terapkan sistem monitoring dan pelaporan otomatis untuk mendeteksi secara cepat jika ada kombinasi divisi/gudang yang menunjukkan tingkat pemenuhan di bawah ambang batas tertentu (misalnya, 90% atau 95%). * Laporkan anomali semacam ini secara proaktif kepada tim operasional dan manajemen untuk tindakan cepat. Dengan melakukan langkah-langkah ini, perusahaan dapat tidak hanya menyelesaikan masalah yang terjadi pada 22 pesanan ini tetapi juga memperkuat proses operasional dan kualitas data untuk mencegah anomali serupa di masa depan. ## 8. Rekomendasi # 8. Rekomendasi Setelah melakukan analisis eksplorasi yang mendalam terhadap data pemenuhan pesanan, kami telah mengidentifikasi beberapa area kunci yang menunjukkan kinerja yang sangat baik serta area yang memerlukan perhatian dan perbaikan strategis. Rekomendasi ini bertujuan untuk meningkatkan efisiensi operasional, kualitas data, dan pada akhirnya, kepuasan pelanggan. ### 8.1 Peningkatan Kualitas Data yang Krusial Kualitas data, khususnya pada kolom tanggal, adalah fondasi untuk setiap analisis yang akurat. Kami menemukan beberapa celah yang perlu segera ditangani. * **Audit dan Standardisasi `Tgl Diterima`:** * **Masalah:** Sebanyak 13,231 entri `Tgl Diterima` kosong atau tidak valid (termasuk nilai `1970-01-02 07:00:00`). Ini menghambat kemampuan kita untuk mengukur waktu pengiriman aktual secara akurat dan komprehensif. * **Rekomendasi:** 1. **Investigasi Akar Masalah:** Lakukan penyelidikan mendalam untuk memahami mengapa begitu banyak `Tgl Diterima` yang hilang atau tidak valid. Apakah ini masalah sistem, proses manual yang kurang optimal, atau kurangnya pelatihan staf? 2. **Validasi Input Wajib:** Implementasikan validasi sistem agar `Tgl Diterima` menjadi kolom wajib diisi untuk setiap pesanan yang berhasil dipenuhi. Berikan pelatihan kepada staf terkait pentingnya pencatatan tanggal yang akurat dan tepat waktu. 3. **Koreksi Data Historis (Jika Memungkinkan):** Jelajahi kemungkinan untuk mengisi atau mengoreksi data `Tgl Diterima` yang hilang dari sumber lain, seperti log ekspedisi, untuk mendapatkan gambaran historis yang lebih lengkap. 4. **Validasi Logis:** Pastikan `Tgl Diterima` tidak mendahului `Tgl DO` atau `Tgl. Order` secara logis. * **Klarifikasi dan Pencatatan `Tgl. PO`:** * **Masalah:** Kolom `Tgl. PO` hampir seluruhnya kosong (131,315 entri). Jika tanggal Purchase Order adalah metrik penting dalam rantai pasok, ketiadaan data ini adalah kerugian besar. * **Rekomendasi:** 1. **Tentukan Relevansi:** Bicarakan dengan tim pengadaan dan operasional untuk mengklarifikasi apakah `Tgl. PO` adalah data yang relevan dan diperlukan. 2. **Implementasikan Pencatatan Otomatis/Wajib:** Jika relevan, pastikan sistem secara otomatis mencatat `Tgl. PO` atau implementasikan validasi wajib isi. Jika tidak relevan, pastikan ini didokumentasikan agar tidak menimbulkan kebingungan. * **Pembersihan Entri `Tgl DO` yang Kosong:** * **Masalah:** Terdapat 365 entri `Tgl DO` yang kosong. Meskipun jumlahnya kecil, ini tetap mengganggu akurasi perhitungan waktu tunggu internal. * **Rekomendasi:** Pastikan setiap pembuatan Delivery Order selalu disertai dengan pencatatan tanggal yang lengkap. Perbaiki proses yang memungkinkan `Tgl DO` kosong. ### 8.2 Optimalisasi Proses Pemenuhan Berbasis Kinerja Analisis menunjukkan bahwa meskipun tingkat pemenuhan secara keseluruhan tinggi, terdapat variasi yang signifikan pada tingkat pemenuhan dan waktu tunggu antar divisi dan gudang. * **Investigasi Anomali Pemenuhan 0% di PHARMANET 2 / PHARMANET PUSAT:** * **Masalah:** Kombinasi `Divisi = 'PHARMANET 2'` dan `Asal Gudang = 'PHARMANET PUSAT'` menunjukkan tingkat pemenuhan 0% dari 22 pesanan, dan semua pesanan dibatalkan tanpa `Keterangan` yang jelas. Ini adalah *blind spot* operasional yang paling kritis. * **Rekomendasi:** 1. **Prioritaskan Investigasi Individu:** Segera lacak 22 pesanan ini (`No. RO` yang terkait) dan lakukan penyelidikan menyeluruh. Wawancarai staf terkait di `Divisi` 'PHARMANET 2' dan 'PHARMANET PUSAT' untuk menemukan akar penyebab pembatalan massal ini. 2. **Wajibkan `Keterangan` Pembatalan:** Implementasikan kebijakan dan validasi sistem yang mewajibkan pengisian `Keterangan` yang jelas dan spesifik setiap kali pesanan dibatalkan. Ini akan memungkinkan analisis penyebab di masa mendatang. 3. **Verifikasi Konfigurasi Sistem:** Periksa konfigurasi routing pesanan untuk memastikan pesanan `PHARMANET 2` tidak lagi diarahkan ke 'PHARMANET PUSAT' jika gudang tersebut memang tidak aktif atau tidak mampu memenuhi pesanan divisi ini. * **Peningkatan Tingkat Pemenuhan di Bawah Target:** * **Masalah:** Beberapa kombinasi `Divisi` dan `Asal Gudang` memiliki tingkat pemenuhan di bawah rata-rata keseluruhan (98.7%), seperti: * `VIBRANT 3` / `PHARMANET BOGOR`: 62.1% * `NUTRINDO` / `PHARMANET JAKTIM`: 83.3% * `VIBRANT PBF` / `PHARMANET SAMARINDA`: 90.2% * `NUTRINDO` / `PHARMANET PEKANBARU`: 91.5% * `PHARMANET B2B` / `PHARMANET LAMPUNG`: 92.6% * **Rekomendasi:** 1. **Analisis Akar Masalah:** Untuk setiap kombinasi di atas, identifikasi penyebab spesifik di balik tingkat pemenuhan yang rendah. Apakah karena masalah stok, kesalahan pemesanan, kerusakan barang, atau masalah pengiriman? 2. **Target Perbaikan:** Tetapkan target perbaikan yang jelas untuk meningkatkan tingkat pemenuhan di area-area ini. ### 8.3 Evaluasi Komprehensif dan Optimasi Kinerja Gudang Variasi signifikan dalam waktu tunggu pengiriman (DO ke Diterima) antar gudang menunjukkan adanya ketidakkonsistenan operasional yang perlu diatasi. * **Audit Terfokus untuk PHARMANET TANGERANG:** * **Masalah:** `PHARMANET TANGERANG` secara konsisten menunjukkan rata-rata waktu tunggu pengiriman (DO ke Diterima) terlama di berbagai divisi, dengan nilai rata-rata tertinggi mencapai 9.5 hari untuk divisi `NUTRISAINS`. Ini merupakan *bottleneck* logistik utama. * **Rekomendasi:** 1. **Audit Operasional Menyeluruh:** Lakukan audit menyeluruh terhadap operasional gudang `PHARMANET TANGERANG`, termasuk: * Efisiensi proses *picking*, *packing*, dan *loading*. * Kapasitas gudang dan penataan stok. * Kinerja mitra ekspedisi yang digunakan di wilayah tersebut. * Optimalisasi rute pengiriman dan logistik *last-mile*. * Beban kerja dan ketersediaan staf. 2. **Benchmarking:** Bandingkan praktik operasional `PHARMANET TANGERANG` dengan gudang-gudang berkinerja terbaik. 3. **Rencana Aksi Korektif:** Kembangkan rencana aksi korektif dengan target waktu tunggu yang jelas dan metrik keberhasilan yang terukur. * **Identifikasi dan Atasi Outlier Waktu Tunggu Pengiriman Ekstrem:** * **Masalah:** Adanya nilai maksimum 63.3 hari untuk waktu tunggu DO ke Penerimaan Pelanggan menunjukkan adanya kasus pengiriman yang sangat lambat. * **Rekomendasi:** 1. **Identifikasi Kasus:** Lakukan pencarian semua pesanan yang waktu tunggu pengirimannya melebihi ambang batas tertentu (misalnya, 5-7 hari atau lebih dari dua standar deviasi dari rata-rata). 2. **Analisis Kasus per Kasus:** Selidiki setiap kasus ekstrem ini untuk memahami akar penyebabnya. Apakah ini karena lokasi pengiriman yang sangat terpencil, masalah pada ekspedisi, bencana alam, atau mungkin kesalahan data? 3. **Proses Escalation:** Buat proses eskalasi untuk kasus-kasus pengiriman yang terlambat parah agar dapat ditangani secara proaktif dan meminimalisir dampak negatif pada pelanggan. * **Evaluasi Proses Internal Pesanan ke DO di Gudang Tertentu:** * **Masalah:** Beberapa gudang seperti `PHARMANET SAMARINDA`, `PHARMANET MEDAN`, `PHARMANET PONTIANAK`, `PHARMANET BEKASI`, dan `PHARMANET BOGOR` menunjukkan waktu pemrosesan internal (Pesanan ke DO) yang lebih lama dari rata-rata untuk beberapa divisi. * **Rekomendasi:** Tinjau proses internal di gudang-gudang ini untuk mengidentifikasi *bottleneck* dalam verifikasi pesanan, alokasi stok, atau pembuatan DO. Pertimbangkan solusi otomatisasi atau optimalisasi alur kerja. ### 8.4 Pemantauan Berkelanjutan dan Sistem Pelaporan Untuk memastikan perbaikan yang berkelanjutan, diperlukan sistem pemantauan dan pelaporan yang proaktif. * **Dashboard Kinerja Operasional:** * **Rekomendasi:** Kembangkan *dashboard* kinerja operasional yang secara real-time menampilkan tingkat pemenuhan dan metrik waktu tunggu (Order ke DO, DO ke Diterima) yang dikelompokkan berdasarkan `Divisi` dan `Asal Gudang`. * Sertakan peringatan otomatis untuk kombinasi yang melampaui ambang batas kinerja yang telah ditetapkan (misalnya, tingkat pemenuhan di bawah 95% atau waktu tunggu pengiriman melebihi 3 hari). * **Siklus Tinjauan Kinerja Reguler:** * **Rekomendasi:** Adakan tinjauan kinerja operasional secara berkala (misalnya, mingguan atau bulanan) dengan manajer gudang dan divisi terkait untuk membahas temuan, memonitor kemajuan rekomendasi, dan menyesuaikan strategi sesuai kebutuhan. Dengan menerapkan rekomendasi ini, perusahaan dapat tidak hanya mengatasi anomali yang ditemukan tetapi juga membangun fondasi yang lebih kuat untuk efisiensi operasional dan kepuasan pelanggan di masa depan. ## 9. Kesimpulan # 9. Kesimpulan Laporan ini menyajikan ringkasan dan kesimpulan dari analisis eksplorasi data yang telah dilakukan terhadap proses pemenuhan pesanan untuk periode Juni 2026. Analisis ini bertujuan untuk mengevaluasi efisiensi operasional, mengidentifikasi anomali, dan menemukan area potensial untuk peningkatan, dengan fokus pada tingkat pemenuhan dan waktu tunggu di berbagai tahapan. ### 9.1. Gambaran Umum Kinerja Pemenuhan Pesanan Secara keseluruhan, perusahaan menunjukkan kinerja yang sangat kuat dalam pemenuhan pesanan. Dengan total 131,315 pesanan yang diproses selama periode tersebut, tingkat pemenuhan berhasil mencapai angka yang mengesankan, yaitu **98.7%**. Mayoritas pesanan (129,575) berhasil dilayani penuh, menandakan sistem operasional yang efektif dan berorientasi pada penyelesaian. Efisiensi internal juga patut diacungi jempol, dengan rata-rata waktu tunggu dari pesanan masuk hingga `Delivery Order` (DO) diterbitkan hanya **0.4 hari** (sekitar 10 jam). Ini menunjukkan bahwa proses persiapan dan alokasi pesanan di gudang berjalan dengan sangat cepat. Waktu pengiriman dari DO hingga barang diterima pelanggan juga menunjukkan rata-rata yang wajar, yaitu **1.7 hari**. ### 9.2. Temuan Kunci dan Area Krusial untuk Perbaikan Meskipun kinerja keseluruhan memuaskan, analisis mendalam telah mengungkap beberapa area krusial yang memerlukan perhatian serius untuk mengoptimalkan operasional lebih lanjut dan meningkatkan kepuasan pelanggan: #### 9.2.1. Isu Kualitas Data Tanggal Kualitas data pada kolom tanggal merupakan fondasi bagi analisis waktu tunggu yang akurat, dan di sinilah ditemukan beberapa tantangan signifikan: **Tabel 9.1: Ringkasan Kualitas Data Kolom Tanggal** | Kolom Tanggal | Jumlah Nilai Kosong/Invalid | Persentase Nilai Kosong/Invalid (%) | | :--------------- | ---------------------------: | ----------------------------------: | | `Tgl. Order` | 0 | 0.0 | | `Tgl. PO` | 131,315 | 100.0 | | `Tgl DO` | 365 | 0.3 | | `Tgl Diterima` | 13,231 | 10.1 | * **`Tgl Diterima`:** Dengan 13,231 entri (sekitar 10.1% dari total) yang kosong atau tidak valid, terdapat celah besar dalam pelacakan tanggal penerimaan barang oleh pelanggan. Ini menghambat kemampuan kita untuk mengukur waktu pengiriman aktual secara akurat, yang merupakan metrik vital untuk kepuasan pelanggan. * **`Tgl. PO`:** Seluruh kolom `Tgl. PO` kosong (131,315 entri), menunjukkan bahwa data Purchase Order tidak dicatat secara konsisten, atau tidak relevan dalam konteks data ini. * **`Tgl DO`:** Terdapat 365 entri kosong, yang meskipun relatif kecil, tetap memengaruhi akurasi perhitungan waktu tunggu internal. #### 9.2.2. Anomali Tingkat Pemenuhan Tingkat pemenuhan secara umum sangat tinggi, namun terdapat beberapa titik lemah yang mencolok: **Tabel 9.2: Kombinasi Divisi dan Gudang dengan Tingkat Pemenuhan Terendah** | Divisi | Asal Gudang | Total Pesanan | Pesanan Terpenuhi | Tingkat Pemenuhan (%) | | :------------ | :------------------ | ------------: | -----------------: | --------------------: | | PHARMANET 2 | PHARMANET PUSAT | 22 | 0 | 0.0 | | VIBRANT 3 | PHARMANET BOGOR | 29 | 18 | 62.1 | | NUTRINDO | PHARMANET JAKTIM | 24 | 20 | 83.3 | | VIBRANT PBF | PHARMANET SAMARINDA | 61 | 55 | 90.2 | | NUTRINDO | PHARMANET PEKANBARU | 211 | 193 | 91.5 | | PHARMANET B2B | PHARMANET LAMPUNG | 27 | 25 | 92.6 | * **Pemenuhan 0% di `PHARMANET 2 / PHARMANET PUSAT`:** Anomali paling kritis adalah 22 pesanan yang dibatalkan sepenuhnya untuk kombinasi ini, tanpa ada `Keterangan` yang jelas mengenai alasan pembatalan. Ini adalah *blind spot* operasional yang mengindikasikan masalah fundamental yang belum terdokumentasi. * **Kinerja di Bawah Target:** Beberapa kombinasi lain juga menunjukkan tingkat pemenuhan di bawah rata-rata keseluruhan (misalnya, `VIBRANT 3 / PHARMANET BOGOR` dengan 62.1% dan `NUTRINDO / PHARMANET JAKTIM` dengan 83.3%). #### 9.2.3. Waktu Tunggu Pengiriman yang Ekstrem dan Bervariasi Meskipun rata-rata waktu pengiriman dari DO ke penerimaan pelanggan adalah 1.7 hari, terdapat variasi signifikan dan kasus-kasus ekstrem: * **Outlier Ekstrem:** Nilai maksimum waktu tunggu dari DO ke penerimaan pelanggan mencapai **63.3 hari**. Keterlambatan pengiriman yang sangat ekstrem ini, meskipun jarang, dapat menyebabkan ketidakpuasan pelanggan yang parah. * **`PHARMANET TANGERANG` sebagai `Bottleneck` Konsisten:** Gudang `PHARMANET TANGERANG` secara konsisten muncul sebagai gudang dengan rata-rata waktu tunggu pengiriman (DO ke Diterima) terlama di berbagai divisi. Nilai rata-rata tertingginya mencapai **9.5 hari** untuk divisi `NUTRISAINS`. Ini mengindikasikan masalah logistik atau operasional yang sistemik di lokasi tersebut. **Tabel 9.3: Kombinasi Divisi dan Gudang dengan Rata-rata Waktu Tunggu DO ke Diterima Terlama** | Divisi | Asal Gudang | Rata-rata Waktu Tunggu DO ke Diterima (hari) | | :------------ | :------------------ | -------------------------------------------: | | NUTRISAINS | PHARMANET TANGERANG | 9.5 | | VIBRANT PBF | PHARMANET TANGERANG | 8.2 | | VIBRANT PBF | PHARMANET BANDUNG | 6.5 | | PHARMANET 2 | PHARMANET TANGERANG | 5.3 | | NUTRINDO | PHARMANET TANGERANG | 5.1 | * **Waktu Pemrosesan Internal Lebih Lama:** Beberapa gudang juga menunjukkan waktu pemrosesan internal (Order ke DO) yang sedikit lebih lama dari rata-rata, seperti `PHARMANET SAMARINDA`, `PHARMANET MEDAN`, dan `PHARMANET PONTIANAK` untuk divisi tertentu. ### 9.3. Implikasi Bisnis Temuan-temuan di atas mengindikasikan adanya risiko terhadap kepuasan pelanggan, efisiensi operasional, dan integritas data. Keterlambatan pengiriman yang ekstrem, pembatalan tanpa penjelasan, dan data yang tidak akurat dapat merusak reputasi perusahaan, meningkatkan biaya operasional, dan menghambat pengambilan keputusan berbasis data yang tepat. ### 9.4. Rekomendasi Strategis Untuk mengatasi tantangan yang teridentifikasi dan membangun fondasi yang lebih kuat untuk operasional di masa depan, kami merekomendasikan langkah-langkah strategis berikut: 1. **Prioritaskan Perbaikan Kualitas Data Tanggal:** * **Audit dan Validasi `Tgl Diterima`:** Lakukan audit menyeluruh untuk memahami akar masalah data `Tgl Diterima` yang hilang/tidak valid. Implementasikan validasi wajib pada sistem dan berikan pelatihan kepada staf untuk memastikan pencatatan `Tgl Diterima` yang akurat dan tepat waktu. * **Klarifikasi `Tgl. PO`:** Tentukan relevansi `Tgl. PO` dalam proses saat ini. Jika penting, bangun mekanisme pencatatan otomatis. Jika tidak, dokumentasikan keputusannya. * **Kelengkapan `Tgl DO`:** Pastikan semua `Delivery Order` memiliki tanggal yang tercatat dengan benar. 2. **Investigasi dan Mitigasi Anomali Pemenuhan 0%:** * **Penyelidikan Kritis:** Segera lakukan penyelidikan mendalam terhadap 22 pesanan yang dibatalkan di `PHARMANET 2 / PHARMANET PUSAT`. Wawancarai staf terkait dan periksa log sistem untuk menemukan akar penyebab pembatalan massal ini. * **Wajibkan `Keterangan` Pembatalan:** Perkuat kebijakan dan sistem agar `Keterangan` wajib diisi setiap kali pesanan dibatalkan, dengan kategori alasan yang jelas. 3. **Audit dan Optimasi Komprehensif Gudang `PHARMANET TANGERANG`:** * **Fokus Audit:** Prioritaskan audit operasional menyeluruh di `PHARMANET TANGERANG`. Selidiki semua faktor yang berkontribusi pada waktu tunggu pengiriman yang konsisten lama, termasuk proses *picking*/*packing*, kapasitas, kinerja mitra ekspedisi, dan rute logistik. * **Rencana Tindakan:** Kembangkan dan implementasikan rencana tindakan korektif dengan target pengurangan waktu tunggu yang jelas dan terukur. 4. **Penanganan Outlier Waktu Tunggu Ekstrem:** * **Identifikasi dan Analisis Kasus:** Identifikasi semua pesanan dengan waktu tunggu pengiriman yang sangat panjang (misalnya, >7 hari). Lakukan analisis *case-by-case* untuk memahami akar penyebabnya dan menerapkan solusi proaktif. * **Protokol Eskalasi:** Buat protokol eskalasi untuk penanganan pengiriman yang sangat terlambat guna meminimalkan dampak negatif pada pelanggan. 5. **Peningkatan Kinerja di Area Spesifik:** * Lakukan analisis terfokus pada kombinasi Divisi/Gudang dengan tingkat pemenuhan di bawah 95% atau waktu pemrosesan internal yang lebih lama, untuk mengidentifikasi penyebab spesifik dan menerapkan perbaikan proses yang ditargetkan. ### 9.5. Langkah Selanjutnya Untuk memastikan implementasi rekomendasi dan mendorong perbaikan berkelanjutan, disarankan untuk: * **Membangun Dashboard Kinerja Interaktif:** Mengembangkan *dashboard* real-time untuk memantau metrik kinerja utama (tingkat pemenuhan, waktu tunggu) berdasarkan Divisi dan Asal Gudang, dengan peringatan otomatis. * **Melakukan Tinjauan Kinerja Reguler:** Menetapkan siklus tinjauan kinerja mingguan atau bulanan dengan tim operasional dan manajemen untuk membahas tren, memantau kemajuan, dan menyesuaikan strategi. * **Mendorong Budaya Peningkatan Berkelanjutan:** Mendorong analisis akar masalah untuk setiap insiden atau anomali yang signifikan sebagai bagian dari upaya peningkatan kualitas berkelanjutan. Dengan komitmen pada rekomendasi ini, perusahaan dapat tidak hanya mengatasi masalah yang ditemukan tetapi juga mengukuhkan keunggulan operasionalnya, meningkatkan efisiensi, dan pada akhirnya, memperkuat kepuasan dan loyalitas pelanggan.