# Laporan Akhir Eksplorasi Data

## 1. Ringkasan Eksekutif

Berikut adalah ringkasan eksekutif dari analisis data pemenuhan pesanan pelanggan yang mencakup periode dari 1 Juni 2026 hingga 30 Juni 2026. Tujuan analisis ini adalah untuk mengungkap wawasan tersembunyi guna meningkatkan kinerja, penjualan, dan memahami korelasi produk.

**Gambaran Umum dan Kualitas Data**
Data berisi 131.315 baris catatan pemenuhan pesanan, dengan tidak ada duplikasi. Sebagian besar data terlihat konsisten, namun terdapat beberapa kolom dengan nilai hilang yang signifikan: kolom 'Keterangan' dan 'Nama Penerima' hampir 100% kosong, mengindikasikan bahwa informasi ini tidak dicatat. Rentang waktu data pesanan secara umum adalah sepanjang bulan Juni 2026, dengan beberapa tahap pemenuhan (seperti tanggal diterima) dapat berlangsung hingga Agustus 2026.

**Kinerja Penjualan Berdasarkan Divisi dan Produk Pharos**
Analisis menunjukkan bahwa produk-produk dari **Pharos Group (Pharos YN = Y)** mendominasi baik dalam nilai penjualan maupun kuantitas. Produk Pharos menyumbang nilai penjualan sebesar Rp 33.085.676.228 dengan kuantitas 1.037.869 unit, jauh melampaui produk Non-Pharos yang senilai Rp 22.524.229.073 dengan kuantitas 412.336 unit.

Dari sisi divisi, **PHARMANET** merupakan kontributor terbesar dengan nilai penjualan Rp 36.921.214.629 dan kuantitas 845.617 unit. Disusul oleh VIBRANT PBF dan HOSPINET.

Berikut adalah distribusi total nilai dan kuantitas pesanan berdasarkan jenis produk (Pharos YN) dan Divisi:

**Total Penjualan berdasarkan Jenis Produk (Pharos YN)**

| Pharos YN   |   Total Value RO |   Total Qty RO |
|:------------|-----------------:|---------------:|
| Y           | 33.085.676.228   | 1.037.869      |
| N           | 22.524.229.073   | 412.336        |

```mermaid
xychart-beta
title "Total Nilai RO berdasarkan Pharos YN"
x-axis ['Y', 'N']
y-axis "Total Nilai RO" 0 --> 36394243851
bar [33085676228, 22524229073]
```

```mermaid
xychart-beta
title "Total Kuantitas RO berdasarkan Pharos YN"
x-axis ['Y', 'N']
y-axis "Total Kuantitas RO" 0 --> 1141656
bar [1037869, 412336]
```

**Total Penjualan berdasarkan Divisi**

| Divisi      |   Total Value RO |   Total Qty RO |
|:------------|-----------------:|---------------:|
| PHARMANET   | 36.921.214.629   | 845.617        |
| VIBRANT PBF | 14.399.713.539   | 498.593        |
| HOSPINET    | 4.180.468.736    | 103.417        |
| VIBRANT 3   | 89.696.261       | 2.502          |
| nan         | 18.812.136       | 76             |

```mermaid
xychart-beta
title "Top 5 Divisi berdasarkan Total Nilai RO"
x-axis ['PHARMANET', 'VIBRANT PBF', 'HOSPINET', 'VIBRANT 3', nan]
y-axis "Total Nilai RO" 0 --> 40613336092
bar [36921214629, 14399713539, 4180468736, 89696261, 18812136]
```

```mermaid
xychart-beta
title "Top 5 Divisi berdasarkan Total Kuantitas RO"
x-axis ['PHARMANET', 'VIBRANT PBF', 'HOSPINET', 'VIBRANT 3', nan]
y-axis "Total Kuantitas RO" 0 --> 930179
bar [845617, 498593, 103417, 2502, 76]
```

**Analisis Pembatalan**
Tingkat pembatalan secara keseluruhan pada setiap tahap (RO, SP, DO) relatif rendah, sekitar 1,3%. Namun, terdapat anomali signifikan pada Divisi **VIBRANT 3** yang memiliki tingkat pembatalan sangat tinggi sebesar 19,6%, jauh di atas divisi lainnya (PHARMANET 1,2%, HOSPINET 1,7%, VIBRANT PBF 1,5%). Selain itu, produk Pharos (Y) memiliki tingkat pembatalan yang sedikit lebih tinggi (1,6%) dibandingkan Non-Pharos (N) (1,1%).

Berikut adalah detail tingkat pembatalan:

**Tingkat Pembatalan berdasarkan Divisi**

| Divisi      |   C |   Total |   Cancellation_Rate |
|:------------|----:|--------:|--------------------:|
| VIBRANT 3   |  11 |      56 |                19,6 |
| HOSPINET    | 310 |   17827 |                 1,7 |
| VIBRANT PBF |  38 |    2559 |                 1,5 |
| PHARMANET   | 1381 |  110866 |                 1,2 |

```mermaid
xychart-beta
title "Top 5 Divisi berdasarkan Tingkat Pembatalan Status RO"
x-axis ['VIBRANT 3', 'HOSPINET', 'VIBRANT PBF', 'PHARMANET']
y-axis "Tingkat Pembatalan (%)" 0 --> 21.604000000000003
bar [19.64, 1.74, 1.48, 1.25]
```

**Tingkat Pembatalan berdasarkan Pharos YN**

| Pharos YN   |   C |   Total |   Cancellation_Rate |
|:------------|----:|--------:|--------------------:|
| N           | 820 |   72014 |                 1,1 |
| Y           | 920 |   59301 |                 1,6 |

```mermaid
xychart-beta
title "Tingkat Pembatalan Status RO berdasarkan Pharos YN"
x-axis ['N', 'Y']
y-axis "Tingkat Pembatalan (%)" 0 --> 1.7050000000000003
bar [1.14, 1.55]
```

**Efisiensi Pemenuhan Pesanan**
Durasi pemenuhan pesanan rata-rata secara keseluruhan adalah 2,13 hari, dengan tahap pengiriman dari ekspedisi ke penerima (`Ekspedisi_to_Diterima_Days`) menjadi yang terlama (rata-rata 1,34 hari). Tahap lain seperti dari pesanan ke SP (`Order_to_SP_Days`) sangat cepat (0,02 hari).

Terdapat variasi signifikan dalam durasi pemenuhan:
*   **Divisi:** **VIBRANT PBF** memiliki durasi total pemenuhan terpanjang (rata-rata 2,85 hari), diikuti oleh PHARMANET (2,19 hari). VIBRANT 3 justru termasuk yang tercepat (1,68 hari) meskipun tingkat pembatalannya tinggi.
*   **Gudang:** **PHARMANET TANGERANG** (5,67 hari), SAMARINDA (3,45 hari), dan MEDAN (2,99 hari) adalah gudang dengan durasi pemenuhan terlama. Gudang di wilayah Jakarta (JAKTIM, JAKBAR, JAKSEL) menunjukkan efisiensi tinggi, dengan durasi di bawah 1 hari.
*   **Ekspedisi:** Ekspedisi internal menunjukkan waktu pengiriman tercepat (misalnya EXPD INTERNAL SEMARANG 0,16 hari, EXPD INTERNAL JAKSEL 0,3 hari), sementara **Media Transportasi Logistic** (2,91 hari) dan **INDAH LOGISTIK** (2,87 hari) adalah yang terlama.

Berikut adalah ringkasan rata-rata durasi pemenuhan:

**Rata-rata Durasi Pemenuhan (dalam Hari)**

| Tahap                        |   Rata-rata |   Median |
|:-----------------------------|------------:|---------:|
| Order_to_SP_Days             |        0,02 |     0,02 |
| SP_to_DO_Days                |        0,41 |     0,14 |
| DO_to_Logbook_Days           |        0,24 |     0,11 |
| Logbook_to_Ekspedisi_Days    |        0,18 |     0,05 |
| Ekspedisi_to_Diterima_Days   |        1,34 |     0,81 |
| Total_Fulfillment_Days       |        2,13 |     1,60 |

```mermaid
xychart-beta
title "Top 5 Divisi berdasarkan Rata-rata Total Durasi Pemenuhan (Terlama)"
x-axis ['VIBRANT PBF', 'PHARMANET', 'HOSPINET', 'VIBRANT 3']
y-axis "Rata-rata Hari" 0 --> 3
bar [2.85, 2.19, 1.74, 1.68]
```

```mermaid
xychart-beta
title "Top 5 Gudang berdasarkan Rata-rata Total Durasi Pemenuhan (Terlama)"
x-axis ['PHARMANET TANGERANG', 'PHARMANET SAMARINDA', 'PHARMANET MEDAN', 'PHARMANET PEKANBARU', 'PHARMANET PONTIANAK']
y-axis "Rata-rata Hari" 0 --> 6
bar [5.67, 3.45, 2.99, 2.74, 2.67]
```

```mermaid
xychart-beta
title "Top 5 Ekspedisi berdasarkan Rata-rata Total Durasi Pemenuhan (Terlama)"
x-axis ['Media Transportasi Logistic', 'INDAH LOGISTIK', 'LION PARCEL', 'ANDALAN 21 EXPRESS', 'GLOBALINDO 21 EXPRESS']
y-axis "Rata-rata Hari" 0 --> 3
bar [2.91, 2.87, 2.73, 2.68, 2.56]
```

**Korelasi Produk**
Analisis produk yang sering dibeli bersamaan (co-purchased) mengungkapkan beberapa pola menarik. Produk-produk yang paling sering dibeli bersamaan adalah kombinasi antara obat maag (POLYSILANE) dengan pereda nyeri (PRORIS) dan obat pencahar (MICROLAX). Ini mengindikasikan adanya kebutuhan pelanggan yang berkaitan atau kebiasaan penstokan outlet.

**Top 10 Pasangan Produk yang Paling Sering Dibeli Bersamaan**

| Rank | Product 1 (Code) | Product 1 (Description)     | Product 2 (Code) | Product 2 (Description)     | Frequency |
|:-----|:-----------------|:----------------------------|:-----------------|:----------------------------|:----------|
| 1    | 200850           | POLYSILANE TAB. KUNYAH 5X8TAB | 201478           | PRORIS SUSP 60 ML RASA JERUK | 1.588     |
| 2    | 200850           | POLYSILANE TAB. KUNYAH 5X8TAB | 201784           | POLYSILANE SUSPENSI 100 ML  | 1.510     |
| 3    | 110492           | PRORIS FORTE 200MG SUSP 50ML | 201478           | PRORIS SUSP 60 ML RASA JERUK | 1.385     |
| 4    | 201478           | PRORIS SUSP 60 ML RASA JERUK | 201784           | POLYSILANE SUSPENSI 100 ML  | 1.164     |
| 5    | 200850           | POLYSILANE TAB. KUNYAH 5X8TAB | 201630           | MICROLAX GEL OBAT PENCAHAR 5ML | 1.136     |
| 6    | 201478           | PRORIS SUSP 60 ML RASA JERUK | 201630           | MICROLAX GEL OBAT PENCAHAR 5ML | 1.117     |
| 7    | 110492           | PRORIS FORTE 200MG SUSP 50ML | 200850           | POLYSILANE TAB. KUNYAH 5X8TAB | 1.006     |
| 8    | 202935           | SANMOL PARACETAMOL SIROP 60ML | 202936           | SANMOL PARACETAMOL DROPS 15ML | 889       |
| 9    | 201630           | MICROLAX GEL OBAT PENCAHAR 5ML | 201784           | POLYSILANE SUSPENSI 100 ML  | 871       |
| 10   | 200850           | POLYSILANE TAB. KUNYAH 5X8TAB | 202144           | MICROLAX 3 X 5 ML           | 803       |

```mermaid
xychart-beta
title "Top 10 Pasangan Produk yang Paling Sering Dibeli Bersamaan"
x-axis ['(POLYSILANE, PRORIS)', '(POLYSILANE, POLYSILANE)', '(PRORIS, PRORIS)', '(PRORIS, POLYSILANE)', '(POLYSILANE, MICROLAX)', '(PRORIS, MICROLAX)', '(PRORIS, POLYSILANE) (2)', '(SANMOL, SANMOL)', '(MICROLAX, POLYSILANE)', '(POLYSILANE, MICROLAX) (2)']
y-axis "Frekuensi" 0 --> 1747
bar [1588, 1510, 1385, 1164, 1136, 1117, 1006, 889, 871, 803]
```

**Segmentasi Pelanggan**
Segmentasi K-Means mengidentifikasi 4 klaster pelanggan utama berdasarkan perilaku pembelian:

*   **Klaster 0 (645 outlet): Outlet Nilai Menengah dengan Preferensi Non-Pharos.** Menunjukkan rata-rata nilai pesanan Rp 11.996.080 dan kuantitas produk Pharos sebesar 28% dari total.
*   **Klaster 1 (217 outlet): Outlet Nilai Tinggi, Pembeli Sering dan Beragam.** Memiliki rata-rata nilai pesanan Rp 40.013.801, membeli berbagai jenis produk, dan kuantitas produk Pharos sebesar 32% dari total. Klaster ini juga memiliki tingkat adopsi Apotek Online tertinggi (50,4%) dan durasi pemenuhan tercepat (1,84 hari).
*   **Klaster 2 (516 outlet): Outlet Nilai Menengah dengan Preferensi Kuat Pharos.** Menampilkan rata-rata nilai pesanan Rp 19.260.472 dan kuantitas produk Pharos yang sangat tinggi, yaitu 83% dari total. Durasi pemenuhan klaster ini adalah yang terlambat (2,30 hari).
*   **Klaster 3 (1 outlet): Outlet Bernilai Sangat Tinggi yang Loyal Pharos.** Klaster ini hanya terdiri dari satu outlet yang sangat menonjol dengan rata-rata nilai pesanan Rp 1.594.845.216, rata-rata kuantitas produk 49.864, dan 100% pembelian produk Pharos. Outlet ini memiliki durasi pemenuhan yang cukup cepat (1,54 hari), namun tidak berpartisipasi dalam program Apotek Online (0,0% adopsi). Investigasi lebih lanjut terhadap outlet bernilai sangat tinggi seperti ini menunjukkan pembelian produk Pharos dalam jumlah masif, seperti MICROLAX, PRORIS, dan POLYSILANE.

**Tingkat Pembatalan per Klaster Pelanggan**

| Cluster   | Total   | Cancelled   | Cancellation_Rate   |
|:----------|:--------|:------------|:--------------------|
| 0         | 34.338  | 540         | 1,6                 |
| 1         | 56.076  | 615         | 1,1                 |
| 2         | 40.318  | 577         | 1,4                 |
| 3         | 583     | 8           | 1,4                 |

```mermaid
xychart-beta
title "Tingkat Pembatalan Header SP berdasarkan Klaster Pelanggan"
x-axis ['0', '1', '2', '3']
y-axis "Tingkat Pembatalan (%)" 0 --> 1.7270000000000003
bar [1.57, 1.1, 1.43, 1.37]
```

**Rata-rata Durasi Pemenuhan per Klaster Pelanggan (dalam Hari)**

| Cluster   | Order_to_SP_Days   | SP_to_DO_Days   | DO_to_Logbook_Days   | Logbook_to_Ekspedisi_Days   | Ekspedisi_to_Diterima_Days   | Total_Fulfillment_Days   |
|:----------|:-------------------|:----------------|:---------------------|:----------------------------|:-----------------------------|:-------------------------|
| 0         | 0,02               | 0,41            | 0,28                 | 0,18                        | 1,19                         | 2,08                     |
| 1         | 0,02               | 0,34            | 0,18                 | 0,12                        | 1,18                         | 1,84                     |
| 2         | 0,02               | 0,41            | 0,23                 | 0,21                        | 1,42                         | 2,30                     |
| 3         | 0,02               | 0,54            | 0,26                 | 0,11                        | 0,60                         | 1,54                     |

```mermaid
xychart-beta
title "Rata-rata Total Durasi Pemenuhan berdasarkan Klaster Pelanggan"
x-axis ['0', '1', '2', '3']
y-axis "Rata-rata Hari" 0 --> 2.53
bar [2.08, 1.84, 2.3, 1.54]
```

**Tingkat Adopsi Apotek Online (AO YN) per Klaster**

| Cluster   | AO_Adoption_Rate (%) |
|:----------|:---------------------|
| 0         | 27,6                 |
| 1         | 50,4                 |
| 2         | 27,2                 |
| 3         | 0,0                  |

```mermaid
xychart-beta
title "Tingkat Adopsi Apotek Online (AO YN) berdasarkan Klaster Pelanggan"
x-axis ['0', '1', '2', '3']
y-axis "Tingkat Adopsi (%)" 0 --> 55.473000000000006
bar [27.6, 50.43, 27.21, 0.0]
```

**Rekomendasi Utama**
1.  **Investigasi dan Mitigasi Tingkat Pembatalan Tinggi Divisi VIBRANT 3:** Segera lakukan penyelidikan mendalam mengapa Divisi VIBRANT 3 memiliki tingkat pembatalan hampir 20%. Cari tahu penyebab spesifik (misalnya, masalah stok, harga, proses internal) dan terapkan langkah perbaikan.
2.  **Peningkatan Efisiensi Logistik:**
    *   Fokus pada perbaikan tahap `Ekspedisi_to_Diterima_Days` yang merupakan bottleneck utama dalam rantai pemenuhan.
    *   Tinjau kinerja gudang-gudang dengan durasi pemenuhan terlama (PHARMANET TANGERANG, SAMARINDA, MEDAN) dan ekspedisi yang lambat (Media Transportasi Logistic, INDAH LOGISTIK) untuk mengidentifikasi area perbaikan proses atau negosiasi ulang layanan.
    *   Pelajari praktik terbaik dari gudang yang efisien di Jakarta dan ekspedisi internal untuk diterapkan di lokasi lain.
3.  **Strategi Pemasaran Berbasis Korelasi Produk:** Manfaatkan temuan produk yang sering dibeli bersamaan (misalnya, paket obat maag, pereda nyeri, dan pencahar) untuk promosi atau penawaran bundel guna meningkatkan penjualan dan nilai rata-rata pesanan.
4.  **Strategi Engagement Pelanggan Berdasarkan Segmentasi:**
    *   **Klaster 1 (Outlet Nilai Tinggi, Pembeli Sering):** Lanjutkan untuk memelihara hubungan baik, pertimbangkan program loyalitas khusus, dan dorong adopsi Apotek Online yang lebih tinggi.
    *   **Klaster 2 (Outlet Nilai Menengah, Loyal Pharos):** Meskipun loyal terhadap produk Pharos, durasi pemenuhan mereka paling lama. Prioritaskan perbaikan layanan logistik untuk klaster ini agar kepuasan pelanggan tetap terjaga.
    *   **Klaster 3 (Outlet Bernilai Sangat Tinggi, Loyal Pharos):** Klaster ini merupakan aset berharga dengan pembelian masif, namun sama sekali tidak berpartisipasi di Apotek Online. Lakukan pendekatan personal untuk memahami alasan di balik kurangnya adopsi dan berikan insentif atau demonstrasi manfaat Apotek Online yang relevan dengan skala operasional mereka.
    *   **Klaster 0 (Outlet Nilai Menengah, Preferensi Non-Pharos):** Peluang untuk mengonversi mereka agar lebih banyak membeli produk Pharos melalui kampanye promosi produk Pharos yang ditargetkan atau penawaran khusus.

## 2. Kualitas Data dan Pra-pemrosesan

Bab ini menyajikan hasil pemeriksaan kualitas data awal dan langkah-langkah pra-pemrosesan yang telah dilakukan pada dataset `omg_10003_b1_sheet1`. Tujuan utama dari tahapan ini adalah untuk memastikan data bersih, konsisten, dan siap untuk analisis lebih lanjut, serta untuk mengidentifikasi potensi masalah atau anomali yang dapat memengaruhi validitas wawasan.

### 2.2 Ringkasan Statistik Dasar Data

Dataset awal berisi **131.315** baris data. Pemeriksaan duplikasi baris secara persis menunjukkan bahwa **tidak ada duplikasi** yang ditemukan dalam dataset, yang merupakan indikasi awal kualitas data yang baik dalam hal keunikan catatan transaksi.

Berikut adalah ringkasan persentase nilai hilang untuk setiap kolom:

| Kolom                | Jumlah Nilai Hilang | Persentase Nilai Hilang |
|:---------------------|--------------------:|------------------------:|
| Keterangan           | 131.315             | 100,0%                  |
| Nama Penerima        | 131.315             | 100,0%                  |
| Tgl Diterima         | 10.385              | 7,9%                    |
| Cmc                  | 5.468               | 4,2%                    |
| Value PL             | 1.740               | 1,3%                    |
| Tgl Logbook          | 585                 | 0,4%                    |
| Nama Ekspedisi       | 585                 | 0,4%                    |
| Tgl Ekspedisi        | 460                 | 0,4%                    |
| Nomor Resi           | 460                 | 0,4%                    |
| No. DO               | 365                 | 0,3%                    |
| Tgl DO               | 365                 | 0,3%                    |
| No. PL               | 365                 | 0,3%                    |
| Tgl. PL              | 365                 | 0,3%                    |
| Kel. Class           | 107                 | 0,1%                    |
| Divisi               | 7                   | 0,0%                    |

Dari tabel di atas, terlihat bahwa kolom `Keterangan` dan `Nama Penerima` memiliki nilai hilang 100%, mengindikasikan bahwa informasi ini tidak pernah tercatat atau tidak relevan dalam konteks dataset ini. Beberapa kolom tanggal dan identifikasi seperti `Tgl Diterima`, `Cmc`, dan `Value PL` juga memiliki persentase nilai hilang yang patut diperhatikan.

Statistik dasar untuk kolom numerik disajikan sebagai berikut:

**Statistik Dasar untuk Kolom Numerik**

| Kolom      | Rata-rata           | Median            | Minimum | Maksimum            | Std. Deviasi        |
|:-----------|:--------------------|:------------------|:--------|:--------------------|:--------------------|
| Qty RO     | 11                  | 3                 | 0       | 7.200               | 72                  |
| Qty SP     | 11                  | 3                 | 0       | 7.200               | 71                  |
| Qty DO     | 11                  | 3                 | 0       | 7.200               | 71                  |
| Value PL   | 425.090             | 145.203           | 0       | 166.269.792         | 1.935.299           |
| Value RO   | 423.485             | 144.590           | 0       | 166.269.792         | 1.926.521           |

Nilai rata-rata yang jauh lebih tinggi dibandingkan median pada `Qty RO`, `Qty SP`, `Qty DO`, `Value PL`, dan `Value RO` menunjukkan adanya distribusi yang miring ke kanan atau keberadaan *outlier* nilai tinggi yang signifikan. Ini mengindikasikan bahwa sebagian besar transaksi memiliki kuantitas dan nilai yang lebih kecil, namun ada beberapa transaksi besar yang mendongkrak rata-rata. Perlu diperhatikan bahwa `Value PL` dan `Value RO` memiliki nilai maksimum hingga 166 juta, yang sangat tinggi dan mungkin merupakan transaksi penting atau gabungan beberapa item.

### 2.3 Penanganan Pra-pemrosesan Data

Beberapa langkah pra-pemrosesan telah dilakukan untuk meningkatkan kualitas data:

1.  **Penanganan Duplikasi Baris:** Tidak ada duplikasi baris yang sama persis dalam dataset, sehingga tidak ada baris yang dihapus pada tahap ini.
2.  **Konversi Tipe Data:**
    *   Kolom tanggal (`Tgl. Order`, `Tgl. SP`, `Tgl DO`, `Tgl. PL`, `Tgl Logbook`, `Tgl Ekspedisi`, `Tgl Diterima`, `Lastupdate`) telah dikonversi ke tipe data datetime. Beberapa nilai yang tidak dapat diuraikan secara benar telah diubah menjadi `NaT` (Not a Time) dan akan ditangani sebagai `NULL` dalam database.
    *   Kolom numerik (`Qty RO`, `Qty SP`, `Qty DO`, `Value PL`, `Value RO`) telah dikonversi ke tipe data numerik. Nilai yang tidak valid atau hilang pada kolom ini diisi dengan `0`.
3.  **Penanganan Nilai Hilang:**
    *   Kolom `Value PL` yang memiliki 1.740 nilai hilang (1,3%) telah diisi dengan nilai `0`.
    *   Kolom `Keterangan` dan `Nama Penerima` yang 100% nilainya hilang diisi dengan 'UNKNOWN'. Pengisian ini dilakukan agar tidak mengganggu proses analisis yang mungkin memerlukan nilai string. Namun, dengan 100% nilai hilang, kedua kolom ini mungkin tidak memberikan wawasan yang berarti untuk analisis.
    *   Kolom-kolom objek (`string`) lainnya dengan nilai hilang diisi dengan 'UNKNOWN'.
    *   Kolom tanggal dengan nilai `NaT` (misalnya `Tgl DO` [365 NaT], `Tgl. PL` [365 NaT], `Tgl Logbook` [585 NaT], `Tgl Ekspedisi` [460 NaT], `Tgl Diterima` [10.385 NaT]) akan disimpan sebagai `NULL` dalam database.

### 2.4 Anomali Data dan Observasi Lainnya

Selama pra-pemrosesan, beberapa anomali penting teridentifikasi:

*   **Nilai `Tgl Diterima` yang Tidak Valid:** Nilai minimum untuk `Tgl Diterima` tercatat sebagai `1970-01-02 07:00:00`. Tanggal ini sangat tidak biasa dan tidak sesuai dengan rentang waktu data pesanan (Juni-Juli 2026). Ini kemungkinan besar merupakan artefak dari konversi tanggal yang gagal atau nilai default sistem (epoch date) yang digunakan saat data asli tidak valid atau kosong. Anomali ini perlu diwaspadai karena dapat memengaruhi perhitungan durasi pengiriman.
*   **Kolom `Kel. Class`:** Berdasarkan instruksi, kolom `Kel. Class` diabaikan dalam analisis.
*   **Konsistensi Status Pembatalan:** Kolom `Sts SP Header`, `Sts SP Detail`, `Status RO`, dan `Status DO` menunjukkan jumlah pembatalan (`C`/`CANCEL`) yang sama persis (1.740). Hal ini mengindikasikan adanya sinkronisasi status di seluruh alur pesanan atau bahwa pembatalan di satu tahap secara otomatis tercermin di tahap lainnya, sehingga nilai pembatalan bersifat kumulatif.

### 2.5 Distribusi Data Kategorikal Penting

Untuk memahami komposisi data, berikut adalah distribusi beberapa kolom kategorikal kunci:

**Distribusi Kolom `Divisi`**
Sebagian besar transaksi berasal dari Divisi PHARMANET, yang menunjukkan dominasi divisi ini dalam operasional.
```mermaid
xychart-beta
title "Distribusi Divisi"
x-axis ['PHARMANET', 'HOSPINET', 'VIBRANT PBF', 'VIBRANT 3', 'nan']
y-axis "Jumlah" 0 --> 121952
bar [110866, 17827, 2559, 56, 7]
```

**Distribusi Kolom `Pharos YN`**
Jumlah produk Non-Pharos (N) sedikit lebih banyak dari produk Pharos (Y) berdasarkan jumlah baris transaksi.
```mermaid
xychart-beta
title "Distribusi Pharos YN"
x-axis ['N', 'Y']
y-axis "Jumlah" 0 --> 79215
bar [72014, 59301]
```

**Distribusi Kolom `Sts SP Header`**
Mayoritas pesanan berstatus 'P' (sudah dilayani), dengan sebagian kecil berstatus 'C' (cancel).
```mermaid
xychart-beta
title "Distribusi Sts SP Header"
x-axis ['P', 'C']
y-axis "Jumlah" 0 --> 142532
bar [129575, 1740]
```

**Distribusi Kolom `Sts SP Detail`**
Distribusi ini sangat mirip dengan `Sts SP Header`, menguatkan korelasi kuat antar status.
```mermaid
xychart-beta
title "Distribusi Sts SP Detail"
x-axis ['P', 'C']
y-axis "Jumlah" 0 --> 142532
bar [129575, 1740]
```

**Distribusi Kolom `Status RO`**
Sebagian besar pesanan RO `TERLAYANI PENUH`, dengan jumlah `CANCEL` yang sama dengan pembatalan SP/DO.
```mermaid
xychart-beta
title "Distribusi Status RO"
x-axis ['TERLAYANI PENUH', 'CANCEL']
y-axis "Jumlah" 0 --> 142532
bar [129575, 1740]
```

**Distribusi Kolom `Status DO`**
Distribusi ini juga konsisten dengan status-status sebelumnya, mayoritas 'P' dan sebagian kecil 'C'.
```mermaid
xychart-beta
title "Distribusi Status DO"
x-axis ['P', 'C']
y-axis "Jumlah" 0 --> 142532
bar [129575, 1740]
```

**Distribusi Kolom `AO YN`**
Sebagian besar outlet (`N`) belum berpartisipasi dalam program Apotek Online.
```mermaid
xychart-beta
title "Distribusi AO YN"
x-axis ['N', 'Y']
y-axis "Jumlah" 0 --> 90842
bar [82584, 48731]
```

**Distribusi Kolom `Payment`**
`BCA Virtual Account` adalah metode pembayaran paling dominan.
```mermaid
xychart-beta
title "Distribusi Payment"
x-axis ['BCA Virtual Account', 'Term Of Payment', 'BRIVA', 'Kredivo']
y-axis "Jumlah" 0 --> 86738
bar [78853, 36615, 15716, 131]
```

**Distribusi Kolom `Asal Gudang` (Top 10)**
`PHARMANET SURABAYA` dan `PHARMANET BEKASI` adalah gudang dengan jumlah transaksi tertinggi.
```mermaid
xychart-beta
title "Distribusi Asal Gudang"
x-axis ['PHARMANET SURABAYA', 'PHARMANET BEKASI', 'PHARMANET BANDUNG', 'PHARMANET TANGERANG', 'PHARMANET SEMARANG', 'PHARMANET BOGOR', 'PHARMANET PALEMBANG', 'PHARMANET SOLO', 'PHARMANET MAKASSAR', 'PHARMANET MEDAN']
y-axis "Jumlah" 0 --> 14934
bar [13577, 12675, 9568, 9420, 8948, 8484, 8446, 8346, 7468, 7416]
```

**Distribusi Kolom `Nama Ekspedisi` (Top 10)**
`Anteraja` dan `PT CENTURY` adalah ekspedisi yang paling sering digunakan.
```mermaid
xychart-beta
title "Distribusi Nama Ekspedisi"
x-axis ['Anteraja', 'PT CENTURY', 'LION PARCEL', 'PCP EXPRESS', 'ANDALAN 21 EXPRESS', 'INDAH LOGISTIK', 'PT. TUNAS ANTARNUSA MUDA KARGO', 'GLOBALINDO 21 EXPRESS', 'EXPD BEKASI', 'PT. LESTARI JAYA RAYA']
y-axis "Jumlah" 0 --> 28114
bar [25559, 21475, 18507, 14481, 10035, 8780, 6402, 5139, 5066, 3222]
```

### 2.6 Rentang Waktu Data

Analisis rentang waktu pada kolom-kolom tanggal penting memberikan gambaran cakupan temporal data dan konsistensi proses:

*   **Tgl. Order:** Minimum = 2026-06-01 00:01:51, Maksimum = 2026-06-30 23:59:28 (Mencakup hampir seluruh bulan Juni 2026).
*   **Tgl. SP:** Minimum = 2026-06-01 00:30:12, Maksimum = 2026-07-01 00:30:30 (Sedikit melewati bulan Juni).
*   **Tgl DO:** Minimum = 2026-06-01 09:06:19, Maksimum = 2026-07-03 08:54:54 (Melewati awal Juli).
*   **Tgl. PL:** Minimum = 2026-06-01 09:06:19, Maksimum = 2026-07-03 08:54:54 (Sama dengan Tgl DO).
*   **Tgl Logbook:** Minimum = 2026-06-01 10:13:23, Maksimum = 2026-07-04 07:52:56 (Melewati awal Juli).
*   **Tgl Ekspedisi:** Minimum = 2026-06-01 09:36:47, Maksimum = 2026-07-03 19:50:52 (Melewati awal Juli).
*   **Tgl Diterima:** Minimum = **1970-01-02 07:00:00**, Maksimum = 2026-08-18 00:00:00 (Rentang sangat luas karena anomali tahun 1970).
*   **Lastupdate:** Minimum = 2026-07-06 06:42:20.057000, Maksimum = 2026-07-06 06:42:20.057000 (Semua catatan memiliki nilai `Lastupdate` yang sama persis, menunjukkan bahwa kolom ini mungkin mencerminkan waktu pembaruan batch data, bukan pembaruan per baris).

Perlu diperhatikan bahwa meskipun sebagian besar proses terjadi dalam rentang Juni-Juli 2026, tanggal penerimaan (`Tgl Diterima`) bisa mencapai Agustus 2026. Anomali `Tgl Diterima` pada tahun 1970 mengindikasikan masalah pada data historis atau proses pencatatan, yang dapat memengaruhi perhitungan durasi pengiriman secara signifikan. Untuk analisis durasi, baris dengan `Tgl Diterima` di tahun 1970 akan dikecualikan atau ditangani secara khusus.

### 2.7 Dampak pada Analisis Selanjutnya

Langkah pra-pemrosesan ini telah membersihkan data dari duplikasi, mengonversi tipe data ke format yang sesuai, dan menangani nilai-nilai yang hilang. Data kini siap untuk analisis lebih lanjut. Namun, beberapa temuan kualitas data, khususnya nilai hilang pada kolom `Keterangan` dan `Nama Penerima` serta anomali `Tgl Diterima` tahun 1970, perlu diingat selama interpretasi hasil analisis. Kolom `Lastupdate` yang seragam juga mengindikasikan bahwa kolom ini mungkin tidak berguna untuk analisis granular berdasarkan waktu.

### 2.8 Rekomendasi untuk Peningkatan Kualitas Data

Berdasarkan temuan ini, beberapa rekomendasi dapat diajukan untuk meningkatkan kualitas data di masa mendatang:

1.  **Investigasi Kolom `Keterangan` dan `Nama Penerima`:** Selidiki mengapa kedua kolom ini selalu kosong. Jika informasi tersebut penting untuk bisnis, perlu ada proses untuk memastikan pencatatannya. Jika tidak relevan, pertimbangkan untuk menghapusnya dari skema data untuk mengurangi kompleksitas.
2.  **Penanganan `Tgl Diterima` yang Lebih Baik:** Periksa sumber data untuk `Tgl Diterima` yang menghasilkan nilai `1970-01-02`. Pastikan proses ETL atau pencatatan tidak menghasilkan tanggal *epoch* ini untuk nilai yang sebenarnya kosong atau tidak valid. Validasi tanggal harus diterapkan lebih ketat.
3.  **Evaluasi `Lastupdate`:** Pahami tujuan kolom `Lastupdate`. Jika seharusnya mencerminkan waktu pembaruan setiap baris, perbaiki mekanisme pencatatannya. Jika memang sengaja sebagai penanda pembaruan *batch*, pastikan dokumentasinya jelas.
4.  **Standarisasi Kolom Identifikasi Outlet:** Perhatikan adanya tiga kolom identifikasi outlet (`KodePI`, `OutCode`, `Cmc`). Meskipun dijelaskan unik, perlu diverifikasi apakah ketiganya selalu konsisten merujuk pada entitas yang sama, atau ada redundansi yang dapat disederhanakan.

## 3. Gambaran Umum Data

Dataset pemenuhan pesanan pelanggan ini, yang mencakup data dari bulan Juni 2026 hingga Juli 2026, merupakan sumber informasi krusial untuk menganalisis kinerja operasional, efektivitas penjualan, dan korelasi produk. Bab ini akan menyajikan gambaran umum komprehensif mengenai struktur, kualitas, dan distribusi data, serta beberapa wawasan awal yang dapat menginformasikan strategi bisnis.

### 3.1 Struktur dan Kualitas Data

Dataset `omg_10003_b1_sheet1` terdiri dari **131.315** baris transaksi, yang masing-masing merepresentasikan pesanan produk dari suatu outlet. Setelah proses pra-pemrosesan, dapat dipastikan bahwa tidak ada duplikasi baris yang ditemukan, mengindikasikan integritas data yang baik dari segi keunikan entri.

**a. Penanganan Nilai Hilang**
Meskipun tidak ada duplikasi, beberapa kolom menunjukkan adanya nilai hilang yang signifikan:
*   Kolom `Keterangan` dan `Nama Penerima` memiliki 100% nilai hilang, yang diisi dengan 'UNKNOWN'. Hal ini mengindikasikan bahwa informasi ini tidak dicatat dalam sistem atau tidak relevan untuk tujuan data ini.
*   Kolom `Tgl Diterima` memiliki 7,9% nilai hilang.
*   Kolom `Cmc` memiliki 4,2% nilai hilang.
*   Kolom `Value PL` memiliki 1,3% nilai hilang yang telah diisi dengan nilai 0.
*   Beberapa kolom tanggal (`Tgl DO`, `Tgl. PL`, `Tgl Logbook`, `Tgl Ekspedisi`) memiliki nilai hilang di bawah 1%, yang setelah konversi ke tipe data datetime, akan disimpan sebagai `NULL` dalam database.

**b. Anomali Tanggal `Tgl Diterima`**
Salah satu anomali penting yang teridentifikasi adalah pada kolom `Tgl Diterima`. Nilai minimum yang tercatat adalah `1970-01-02 07:00:00`. Tanggal ini dikenal sebagai "epoch date" dan sering muncul ketika data tanggal tidak valid atau kosong diisi secara otomatis oleh sistem. Kehadiran tanggal ini menunjukkan adanya masalah dalam pencatatan atau konversi tanggal untuk beberapa transaksi dan akan diabaikan dalam perhitungan durasi pemenuhan untuk menghindari distorsi.

### 3.2 Distribusi Data Kunci

**a. Statistik Dasar untuk Kolom Numerik**
Berikut adalah gambaran statistik deskriptif untuk kolom-kolom kuantitatif:

| Kolom      | Rata-rata           | Median            | Minimum | Maksimum            | Std. Deviasi        |
|:-----------|:--------------------|:------------------|:--------|:--------------------|:--------------------|
| Qty RO     | 11                  | 3                 | 0       | 7.200               | 72                  |
| Qty SP     | 11                  | 3                 | 0       | 7.200               | 71                  |
| Qty DO     | 11                  | 3                 | 0       | 7.200               | 71                  |
| Value PL   | 425.090             | 145.203           | 0       | 166.269.792         | 1.935.299           |
| Value RO   | 423.485             | 144.590           | 0       | 166.269.792         | 1.926.521           |

Observasi kunci:
*   Nilai rata-rata pada kuantitas (`Qty RO`, `Qty SP`, `Qty DO`) dan nilai (`Value PL`, `Value RO`) jauh lebih tinggi daripada median. Ini menunjukkan adanya distribusi yang miring ke kanan, di mana sebagian besar transaksi memiliki kuantitas dan nilai yang relatif kecil, namun ada sejumlah kecil transaksi bernilai sangat besar (outlier) yang secara signifikan meningkatkan nilai rata-rata.
*   Nilai maksimum untuk `Value PL` dan `Value RO` mencapai sekitar Rp 166 juta, menegaskan keberadaan transaksi dengan nilai finansial yang sangat tinggi.

**b. Distribusi Kolom Kategorikal**
Analisis distribusi pada kolom kategorikal memberikan gambaran tentang dominasi dan pola dalam data.

**Distribusi `Divisi`**
Divisi PHARMANET mendominasi sebagian besar transaksi, diikuti oleh HOSPINET dan VIBRANT PBF.
```mermaid
xychart-beta
title "Distribusi Divisi"
x-axis ['PHARMANET', 'HOSPINET', 'VIBRANT PBF', 'VIBRANT 3', 'nan']
y-axis "Jumlah" 0 --> 121952
bar [110866, 17827, 2559, 56, 7]
```

**Distribusi `Pharos YN`**
Produk yang bukan berasal dari Pharos Group (`N`) sedikit lebih banyak dalam jumlah baris transaksi dibandingkan dengan produk Pharos (`Y`).
```mermaid
xychart-beta
title "Distribusi Pharos YN"
x-axis ['N', 'Y']
y-axis "Jumlah" 0 --> 79215
bar [72014, 59301]
```

**Distribusi `Sts SP Header`**
Mayoritas Surat Pesanan berada dalam status 'P' (sudah dilayani), dengan sebagian kecil berstatus 'C' (cancel).
```mermaid
xychart-beta
title "Distribusi Sts SP Header"
x-axis ['P', 'C']
y-axis "Jumlah" 0 --> 142532
bar [129575, 1740]
```

**Distribusi `Sts SP Detail`**
Pola distribusi `Sts SP Detail` serupa dengan `Sts SP Header`, menegaskan konsistensi status antara header SP dan detail SP.
```mermaid
xychart-beta
title "Distribusi Sts SP Detail"
x-axis ['P', 'C']
y-axis "Jumlah" 0 --> 142532
bar [129575, 1740]
```

**Distribusi `Status RO`**
Sebagian besar Repeat Order (`RO`) berhasil `TERLAYANI PENUH`, dengan jumlah pembatalan yang konsisten di semua tahap proses pemenuhan.
```mermaid
xychart-beta
title "Distribusi Status RO"
x-axis ['TERLAYANI PENUH', 'CANCEL']
y-axis "Jumlah" 0 --> 142532
bar [129575, 1740]
```

**Distribusi `Status DO`**
Distribusi `Status DO` juga menunjukkan pola yang sama, dengan mayoritas pesanan `P` (dilayani).
```mermaid
xychart-beta
title "Distribusi Status DO"
x-axis ['P', 'C']
y-axis "Jumlah" 0 --> 142532
bar [129575, 1740]
```

**Distribusi `AO YN` (Apotek Online)**
Sebagian besar outlet (`N`) belum berpartisipasi dalam program Apotek Online (AO), menunjukkan potensi besar untuk ekspansi program ini.
```mermaid
xychart-beta
title "Distribusi AO YN"
x-axis ['N', 'Y']
y-axis "Jumlah" 0 --> 90842
bar [82584, 48731]
```

**Distribusi `Payment`**
Metode pembayaran `BCA Virtual Account` merupakan yang paling dominan, diikuti oleh `Term Of Payment` dan `BRIVA`.
```mermaid
xychart-beta
title "Distribusi Payment"
x-axis ['BCA Virtual Account', 'Term Of Payment', 'BRIVA', 'Kredivo']
y-axis "Jumlah" 0 --> 86738
bar [78853, 36615, 15716, 131]
```

**Distribusi `Asal Gudang` (Top 10)**
`PHARMANET SURABAYA` dan `PHARMANET BEKASI` adalah gudang dengan volume transaksi tertinggi, mengindikasikan pusat distribusi utama.
```mermaid
xychart-beta
title "Distribusi Asal Gudang"
x-axis ['PHARMANET SURABAYA', 'PHARMANET BEKASI', 'PHARMANET BANDUNG', 'PHARMANET TANGERANG', 'PHARMANET SEMARANG', 'PHARMANET BOGOR', 'PHARMANET PALEMBANG', 'PHARMANET SOLO', 'PHARMANET MAKASSAR', 'PHARMANET MEDAN']
y-axis "Jumlah" 0 --> 14934
bar [13577, 12675, 9568, 9420, 8948, 8484, 8446, 8346, 7468, 7416]
```

**Distribusi `Nama Ekspedisi` (Top 10)**
`Anteraja` dan `PT CENTURY` adalah penyedia jasa ekspedisi yang paling sering digunakan.
```mermaid
xychart-beta
title "Distribusi Nama Ekspedisi"
x-axis ['Anteraja', 'PT CENTURY', 'LION PARCEL', 'PCP EXPRESS', 'ANDALAN 21 EXPRESS', 'INDAH LOGISTIK', 'PT. TUNAS ANTARNUSA MUDA KARGO', 'GLOBALINDO 21 EXPRESS', 'EXPD BEKASI', 'PT. LESTARI JAYA RAYA']
y-axis "Jumlah" 0 --> 28114
bar [25559, 21475, 18507, 14481, 10035, 8780, 6402, 5139, 5066, 3222]
```

### 3.3 Rentang Waktu Data

Analisis rentang waktu pada kolom-kolom tanggal mengungkapkan cakupan temporal dataset:
*   **Tgl. Order**: Dari 1 Juni 2026 hingga 30 Juni 2026. Data pesanan mencakup hampir sepanjang bulan Juni.
*   **Tgl. SP, Tgl DO, Tgl. PL, Tgl Logbook, Tgl Ekspedisi**: Proses pemenuhan ini umumnya terjadi dalam rentang Juni hingga awal Juli 2026, sesuai dengan ekspektasi alur kerja.
*   **Tgl Diterima**: Rentang waktu ini bervariasi dari 1970-01-02 hingga 18 Agustus 2026. Nilai tanggal 1970-01-02 merupakan anomali yang perlu diabaikan dalam perhitungan durasi, namun tanggal penerimaan hingga Agustus 2026 menunjukkan adanya jeda waktu yang signifikan antara tanggal order dan penerimaan untuk beberapa transaksi.
*   **Lastupdate**: Semua catatan memiliki nilai `Lastupdate` yang sama persis (`2026-07-06 06:42:20.057000`), menunjukkan bahwa kolom ini mungkin mencerminkan waktu pembaruan data secara batch daripada waktu pembaruan individual per transaksi.

### 3.4 Wawasan Awal Berbasis Data

Dari gambaran umum ini, beberapa wawasan awal yang signifikan telah muncul:

**a. Dominasi Penjualan dan Kuantitas**
Produk-produk dari Pharos Group (`Pharos YN` = 'Y') secara signifikan mendominasi baik dalam total nilai penjualan maupun kuantitas dibandingkan produk non-Pharos. Divisi PHARMANET juga merupakan kontributor terbesar dalam hal penjualan. Hal ini menyoroti pentingnya produk Pharos dan Divisi PHARMANET sebagai pilar utama bisnis.

**b. Pola Pembatalan Pesanan**
Secara keseluruhan, tingkat pembatalan pesanan relatif rendah (sekitar 1,3%) di semua tahapan proses pemenuhan (RO, SP, DO). Namun, ada anomali yang mencolok pada Divisi VIBRANT 3, yang menunjukkan tingkat pembatalan hampir 20%. Tingkat pembatalan yang lebih tinggi sedikit terlihat pada produk Pharos (1,6%) dibandingkan non-Pharos (1,1%). Konsistensi tingkat pembatalan di seluruh tahap proses (RO, SP, DO) menyiratkan adanya mekanisme pembatalan yang sinkron atau dampak pembatalan tahap awal yang secara otomatis membatalkan tahap berikutnya.

**c. Efisiensi Rantai Pasok**
Analisis durasi pemenuhan menunjukkan bahwa rata-rata total waktu yang dibutuhkan dari order hingga diterima pelanggan adalah sekitar 2,13 hari. Tahap `Ekspedisi_to_Diterima_Days` (rata-rata 1,34 hari) merupakan bagian terlama dalam proses, mengindikasikan bahwa pengiriman oleh pihak ketiga adalah area utama yang memerlukan perhatian untuk peningkatan efisiensi. Variasi dalam durasi pemenuhan juga terlihat antar divisi, gudang asal, dan nama ekspedisi, dengan beberapa entitas menunjukkan kinerja yang lebih baik atau lebih buruk.

**d. Korelasi Produk untuk Strategi Penjualan**
Identifikasi pasangan produk yang sering dibeli bersamaan mengungkapkan pola pembelian konsumen. Misalnya, kombinasi obat maag (POLYSILANE), pereda nyeri (PRORIS), dan obat pencahar (MICROLAX) sering muncul bersamaan dalam satu pesanan. Wawasan ini dapat digunakan untuk strategi *cross-selling* atau penawaran bundel guna meningkatkan nilai transaksi.

### 3.5 Segmentasi Pelanggan

Melalui analisis K-Means, outlet pelanggan dikelompokkan menjadi empat klaster berdasarkan perilaku pembelian mereka. Ini memberikan pemahaman awal tentang beragam profil pelanggan:

*   **Klaster 0 (645 outlet):** Ini adalah kelompok terbesar, terdiri dari outlet berkapasitas menengah yang cenderung membeli produk non-Pharos. Mereka memiliki nilai RO total rata-rata sekitar Rp 11.996.080 dan hanya sekitar 28,0% dari kuantitas pembelian mereka berasal dari produk Pharos.
*   **Klaster 1 (217 outlet):** Kelompok ini mewakili outlet bernilai tinggi yang membeli berbagai macam produk dan melakukan pesanan lebih sering. Mereka memiliki nilai RO total rata-rata sekitar Rp 40.013.801. Klaster ini juga menunjukkan tingkat adopsi program Apotek Online tertinggi (50,4%) dan durasi pemenuhan tercepat (rata-rata 1,84 hari).
*   **Klaster 2 (516 outlet):** Klaster ini terdiri dari outlet berkapasitas menengah yang sangat loyal terhadap produk Pharos. Meskipun nilai RO total rata-rata mereka sekitar Rp 19.260.472, sekitar 83,0% dari kuantitas pembelian mereka adalah produk Pharos. Namun, mereka juga memiliki durasi pemenuhan terlama (rata-rata 2,30 hari).
*   **Klaster 3 (1 outlet):** Klaster ini unik karena hanya terdiri dari satu outlet saja yang sangat menonjol sebagai outlier. Outlet ini adalah pelanggan bernilai sangat tinggi dan sangat loyal terhadap produk Pharos (100,0% kuantitas produk Pharos), dengan total nilai RO rata-rata Rp 1.594.845.216 dan kuantitas rata-rata 49.864 unit. Meskipun demikian, outlet ini tidak berpartisipasi dalam program Apotek Online. Produk yang dibeli dalam jumlah besar oleh outlet semacam ini umumnya adalah MICROLAX, PRORIS, dan POLYSILANE. Durasi pemenuhan untuk outlet ini relatif cepat (rata-rata 1,54 hari).

**a. Tingkat Pembatalan per Klaster Pelanggan**
Tingkat pembatalan per klaster menunjukkan variasi:
| Cluster   | Total   | Cancelled   | Cancellation_Rate   |
|:----------|:--------|:------------|:--------------------|
| 0         | 34.338  | 540         | 1,6                 |
| 1         | 56.076  | 615         | 1,1                 |
| 2         | 40.318  | 577         | 1,4                 |
| 3         | 583     | 8           | 1,4                 |

Klaster 0 memiliki tingkat pembatalan tertinggi, sedangkan Klaster 1 yang merupakan outlet bernilai tinggi memiliki tingkat pembatalan terendah.

```mermaid
xychart-beta
title "Tingkat Pembatalan Header SP berdasarkan Klaster Pelanggan"
x-axis ['0', '1', '2', '3']
y-axis "Tingkat Pembatalan (%)" 0 --> 1.7270000000000003
bar [1.57, 1.1, 1.43, 1.37]
```

**b. Rata-rata Durasi Pemenuhan per Klaster Pelanggan**
Durasi pemenuhan juga bervariasi antar klaster, memberikan gambaran efisiensi operasional untuk setiap segmen:

| Cluster   | Order_to_SP_Days   | SP_to_DO_Days   | DO_to_Logbook_Days   | Logbook_to_Ekspedisi_Days   | Ekspedisi_to_Diterima_Days   | Total_Fulfillment_Days   |
|:----------|:-------------------|:----------------|:---------------------|:----------------------------|:-----------------------------|:-------------------------|
| 0         | 0,02               | 0,41            | 0,28                 | 0,18                        | 1,19                         | 2,08                     |
| 1         | 0,02               | 0,34            | 0,18                 | 0,12                        | 1,18                         | 1,84                     |
| 2         | 0,02               | 0,41            | 0,23                 | 0,21                        | 1,42                         | 2,30                     |
| 3         | 0,02               | 0,54            | 0,26                 | 0,11                        | 0,60                         | 1,54                     |

Klaster 1 memiliki rata-rata total durasi pemenuhan tercepat, menunjukkan efisiensi dalam melayani segmen pelanggan ini. Sebaliknya, Klaster 2 memiliki durasi pemenuhan terlama. Klaster 3 yang berisi satu outlier menunjukkan durasi pemenuhan yang cukup efisien.

```mermaid
xychart-beta
title "Rata-rata Total Durasi Pemenuhan berdasarkan Klaster Pelanggan"
x-axis ['0', '1', '2', '3']
y-axis "Rata-rata Hari" 0 --> 2.53
bar [2.08, 1.84, 2.3, 1.54]
```

**c. Tingkat Adopsi Apotek Online (AO YN) per Klaster**
Tingkat partisipasi dalam program Apotek Online juga berbeda antar klaster:
| Cluster   | AO_Adoption_Rate (%) |
|:----------|:---------------------|
| 0         | 27,6                 |
| 1         | 50,4                 |
| 2         | 27,2                 |
| 3         | 0,0                  |

Klaster 1 menunjukkan tingkat adopsi AO tertinggi, sementara Klaster 3 yang berisi outlier bernilai sangat tinggi, sama sekali belum mengadopsi program ini.

```mermaid
xychart-beta
title "Tingkat Adopsi Apotek Online (AO YN) berdasarkan Klaster Pelanggan"
x-axis ['0', '1', '2', '3']
y-axis "Tingkat Adopsi (%)" 0 --> 55.473000000000006
bar [27.6, 50.43, 27.21, 0.0]
```

### 3.6 Rekomendasi Awal Berdasarkan Gambaran Umum Data

Berdasarkan gambaran umum data, berikut adalah rekomendasi awal yang dapat dipertimbangkan:

1.  **Investigasi Anomali Data**: Prioritaskan penyelidikan terhadap nilai `Tgl Diterima` yang tidak valid (tahun 1970) untuk memahami penyebabnya dan mencegah distorsi dalam analisis durasi di masa mendatang.
2.  **Fokus pada Divisi VIBRANT 3**: Tingkat pembatalan yang sangat tinggi pada Divisi VIBRANT 3 memerlukan investigasi segera untuk mengidentifikasi akar masalah dan menerapkan tindakan korektif.
3.  **Optimalisasi Rantai Pasok**: Durasi terlama pada tahap `Ekspedisi_to_Diterima_Days` dan kinerja gudang/ekspedisi tertentu mengindikasikan perlunya audit dan optimalisasi proses logistik, terutama di area-area dengan kinerja terburuk.
4.  **Strategi Pemasaran Berbasis Produk Pharos dan Korelasi**: Memanfaatkan dominasi penjualan produk Pharos dan pola pembelian *co-purchased* untuk mengembangkan kampanye pemasaran yang ditargetkan atau penawaran bundel.
5.  **Pendekatan Bertarget untuk Segmentasi Pelanggan**:
    *   Untuk **Klaster 1 (Outlet Nilai Tinggi)**, fokus pada mempertahankan loyalitas dan mendorong lebih banyak adopsi AO melalui insentif.
    *   Untuk **Klaster 2 (Loyal Pharos namun Durasi Pemenuhan Lama)**, prioritaskan peningkatan layanan logistik untuk menjaga kepuasan.
    *   Untuk **Klaster 3 (Outlier Bernilai Sangat Tinggi)**, lakukan pendekatan personal untuk memahami mengapa mereka belum mengadopsi Apotek Online dan bagaimana program tersebut dapat disesuaikan untuk kebutuhan volume tinggi mereka. Ini adalah peluang besar untuk meningkatkan penjualan dan kinerja.
    *   Untuk **Klaster 0 (Non-Pharos Preferensi)**, peluang untuk memperkenalkan lebih banyak produk Pharos melalui promosi atau penawaran yang menarik.

Gambaran umum ini menjadi fondasi bagi analisis yang lebih mendalam di bab-bab selanjutnya, yang akan mengeksplorasi setiap aspek ini secara lebih detail untuk mengungkap wawasan yang lebih *actionable*.

## 4. Analisis Penjualan dan Kinerja Produk

Bab ini akan membahas secara mendalam analisis penjualan dan kinerja produk, mengidentifikasi tren, anomali, serta peluang untuk peningkatan. Dengan menganalisis data pesanan, pembatalan, durasi pemenuhan, dan perilaku pembelian pelanggan, kita akan mengungkap wawasan strategis untuk meningkatkan kinerja penjualan dan efisiensi operasional.

### 4.1 Kinerja Penjualan Keseluruhan

Secara umum, kinerja penjualan didominasi oleh produk-produk dari Pharos Group dan Divisi PHARMANET, menegaskan posisi strategis keduanya dalam lanskap bisnis.

**4.1.1 Penjualan Berdasarkan Jenis Produk (Pharos YN)**

Produk yang diproduksi oleh Pharos Group (`Pharos YN = Y`) menunjukkan dominasi yang signifikan dalam total nilai dan kuantitas penjualan. Mereka menyumbang hampir 60% dari total nilai penjualan dan lebih dari 70% dari total kuantitas produk yang dipesan.

| Pharos YN   |   Total Value RO |   Total Qty RO |
|:------------|-----------------:|---------------:|
| Y           | 33.085.676.228   | 1.037.869      |
| N           | 22.524.229.073   | 412.336        |

```mermaid
xychart-beta
title "Total Nilai RO berdasarkan Pharos YN"
x-axis ['Y', 'N']
y-axis "Total Nilai RO" 0 --> 36394243851
bar [33085676228, 22524229073]
```

```mermaid
xychart-beta
title "Total Kuantitas RO berdasarkan Pharos YN"
x-axis ['Y', 'N']
y-axis "Total Kuantitas RO" 0 --> 1141656
bar [1037869, 412336]
```

Ini menunjukkan bahwa produk Pharos memiliki daya tarik pasar yang kuat dan merupakan tulang punggung pendapatan perusahaan.

**4.1.2 Penjualan Berdasarkan Divisi**

Divisi PHARMANET adalah kontributor penjualan terbesar, baik dari segi nilai maupun kuantitas, diikuti oleh VIBRANT PBF dan HOSPINET. Dominasi PHARMANET menyoroti pentingnya divisi ini dalam struktur penjualan dan distribusinya yang luas.

| Divisi      |   Total Value RO |   Total Qty RO |
|:------------|-----------------:|---------------:|
| PHARMANET   | 36.921.214.629   | 845.617        |
| VIBRANT PBF | 14.399.713.539   | 498.593        |
| HOSPINET    | 4.180.468.736    | 103.417        |
| VIBRANT 3   | 89.696.261       | 2.502          |
| nan         | 18.812.136       | 76             |

```mermaid
xychart-beta
title "Top 5 Divisi berdasarkan Total Nilai RO"
x-axis ['PHARMANET', 'VIBRANT PBF', 'HOSPINET', 'VIBRANT 3', 'nan']
y-axis "Total Nilai RO" 0 --> 40613336092
bar [36921214629, 14399713539, 4180468736, 89696261, 18812136]
```

```mermaid
xychart-beta
title "Top 5 Divisi berdasarkan Total Kuantitas RO"
x-axis ['PHARMANET', 'VIBRANT PBF', 'HOSPINET', 'VIBRANT 3', 'nan']
y-axis "Total Kuantitas RO" 0 --> 930179
bar [845617, 498593, 103417, 2502, 76]
```

### 4.2 Analisis Korelasi Produk (Market Basket Analysis)

Memahami produk-produk yang sering dibeli bersamaan sangat krusial untuk strategi penjualan seperti *cross-selling* dan *bundling*. Analisis keranjang belanja (Market Basket Analysis) untuk pesanan yang "TERLAYANI PENUH" mengungkapkan beberapa kombinasi produk yang populer:

**Top 10 Pasangan Produk yang Paling Sering Dibeli Bersamaan (untuk RO yang Terlayani Penuh)**

| Rank | Product 1 (Code) | Product 1 (Description)     | Product 2 (Code) | Product 2 (Description)     | Frequency |
|:-----|:-----------------|:----------------------------|:-----------------|:----------------------------|:----------|
| 1    | 200850           | POLYSILANE TAB. KUNYAH 5X8TAB | 201478           | PRORIS SUSP 60 ML RASA JERUK | 1.588     |
| 2    | 200850           | POLYSILANE TAB. KUNYAH 5X8TAB | 201784           | POLYSILANE SUSPENSI 100 ML  | 1.510     |
| 3    | 110492           | PRORIS FORTE 200MG SUSP 50ML | 201478           | PRORIS SUSP 60 ML RASA JERUK | 1.385     |
| 4    | 201478           | PRORIS SUSP 60 ML RASA JERUK | 201784           | POLYSILANE SUSPENSI 100 ML  | 1.164     |
| 5    | 200850           | POLYSILANE TAB. KUNYAH 5X8TAB | 201630           | MICROLAX GEL OBAT PENCAHAR 5ML | 1.136     |
| 6    | 201478           | PRORIS SUSP 60 ML RASA JERUK | 201630           | MICROLAX GEL OBAT PENCAHAR 5ML | 1.117     |
| 7    | 110492           | PRORIS FORTE 200MG SUSP 50ML | 200850           | POLYSILANE TAB. KUNYAH 5X8TAB | 1.006     |
| 8    | 202935           | SANMOL PARACETAMOL SIROP 60ML | 202936           | SANMOL PARACETAMOL DROPS 15ML | 889       |
| 9    | 201630           | MICROLAX GEL OBAT PENCAHAR 5ML | 201784           | POLYSILANE SUSPENSI 100 ML  | 871       |
| 10   | 200850           | POLYSILANE TAB. KUNYAH 5X8TAB | 202144           | MICROLAX 3 X 5 ML           | 803       |

```mermaid
xychart-beta
title "Top 10 Pasangan Produk yang Paling Sering Dibeli Bersamaan"
x-axis ['(POLYSILANE, PRORIS)', '(POLYSILANE, POLYSILANE)', '(PRORIS, PRORIS)', '(PRORIS, POLYSILANE)', '(POLYSILANE, MICROLAX)', '(PRORIS, MICROLAX)', '(PRORIS, POLYSILANE) (2)', '(SANMOL, SANMOL)', '(MICROLAX, POLYSILANE)', '(POLYSILANE, MICROLAX) (2)']
y-axis "Frequency" 0 --> 1747
bar [1588, 1510, 1385, 1164, 1136, 1117, 1006, 889, 871, 803]
```

**Wawasan**:
*   Kombinasi produk yang paling dominan adalah antara POLYSILANE (obat maag), PRORIS (pereda nyeri), dan MICROLAX (obat pencahar). Ini mengindikasikan bahwa apotek sering membeli produk-produk ini secara bersamaan, mungkin untuk stok umum yang mengatasi gejala-gejala umum atau sebagai respons terhadap kebutuhan pelanggan yang saling terkait.
*   Pasangan seperti `POLYSILANE TAB. KUNYAH 5X8TAB` dan `PRORIS SUSP 60 ML RASA JERUK` menunjukkan peluang besar untuk membuat paket produk kesehatan dasar atau promosi "beli A dapat B" yang ditargetkan.
*   Produk SANMOL juga muncul dalam pasangan yang sering dibeli, menunjukkan permintaannya yang stabil untuk produk paracetamol.

### 4.3 Efisiensi dan Tingkat Pembatalan dalam Rantai Pasok

Kinerja operasional yang efisien sangat penting untuk kepuasan pelanggan dan profitabilitas. Analisis tingkat pembatalan dan durasi pemenuhan pesanan memberikan gambaran tentang titik-titik kekuatan dan area yang memerlukan perbaikan.

**4.3.1 Analisis Tingkat Pembatalan**

Secara keseluruhan, tingkat pembatalan pesanan relatif rendah, sekitar 1,3% di setiap tahap alur (RO, SP, DO). Ini menunjukkan konsistensi dalam penanganan pembatalan di seluruh proses.

**Tingkat Pembatalan Keseluruhan**

| Status Type   |   Total Orders |   Cancelled Orders |   Cancellation Rate |
|:--------------|---------------:|-------------------:|--------------------:|
| Status RO     | 131.315        | 1.740              | 1.3                 |
| Sts SP Header | 131.315        | 1.740              | 1.3                 |
| Status DO     | 131.315        | 1.740              | 1.3                 |

Namun, terdapat anomali signifikan ketika dilihat lebih detail:

**Tingkat Pembatalan berdasarkan Divisi**

| Divisi      |    C |   Total |   Cancellation_Rate |
|:------------|-----:|--------:|--------------------:|
| VIBRANT 3   |   11 |      56 | 19.6                |
| HOSPINET    |  310 |   17827 | 1.7                 |
| VIBRANT PBF |   38 |    2559 | 1.5                 |
| PHARMANET   | 1381 |  110866 | 1.2                 |

```mermaid
xychart-beta
title "Top 5 Divisi by Status RO Cancellation Rate"
x-axis ['VIBRANT 3', 'HOSPINET', 'VIBRANT PBF', 'PHARMANET']
y-axis "Cancellation Rate (%)" 0 --> 21.604000000000003
bar [19.64, 1.74, 1.48, 1.25]
```

**Wawasan**:
*   Divisi **VIBRANT 3** menunjukkan tingkat pembatalan yang sangat tinggi, yaitu **19,6%**. Angka ini jauh di atas rata-rata dan divisi lainnya, yang mengindikasikan masalah serius yang mungkin terkait dengan ketersediaan stok, proses pemesanan, atau komunikasi dengan pelanggan di divisi tersebut. Investigasi segera diperlukan untuk memahami akar masalah ini.
*   Pembatalan pada produk Pharos (`Pharos YN = Y`) sedikit lebih tinggi (1,6%) dibandingkan produk Non-Pharos (`N`) (1,1%). Perbedaan ini relatif kecil namun mungkin menunjukkan bahwa produk Pharos memiliki permintaan yang lebih fluktuatif atau tantangan pasokan yang spesifik.

**Tingkat Pembatalan berdasarkan Pharos YN**

| Pharos YN   |   C |   Total |   Cancellation_Rate |
|:------------|----:|--------:|--------------------:|
| N           | 820 |   72014 | 1.1                 |
| Y           | 920 |   59301 | 1.6                 |

```mermaid
xychart-beta
title "Status RO Cancellation Rate by Pharos YN"
x-axis ['N', 'Y']
y-axis "Cancellation Rate (%)" 0 --> 1.7050000000000003
bar [1.14, 1.55]
```

**4.3.2 Analisis Durasi Pemenuhan Pesanan**

Durasi pemenuhan pesanan dari saat order hingga diterima oleh pelanggan (`Total_Fulfillment_Days`) rata-rata adalah **2,13 hari**, dengan median 1,6 hari. Tahap terlama dalam keseluruhan proses adalah `Ekspedisi_to_Diterima_Days` (rata-rata 1,34 hari).

**Rata-rata & Median Durasi Pemenuhan Keseluruhan (dalam Hari)**

| Tahap                        |   Rata-rata |   Median |
|:-----------------------------|------------:|---------:|
| Order_to_SP_Days             |        0.02 |     0.02 |
| SP_to_DO_Days                |        0.41 |     0.14 |
| DO_to_Logbook_Days           |        0.24 |     0.11 |
| Logbook_to_Ekspedisi_Days    |        0.18 |     0.05 |
| Ekspedisi_to_Diterima_Days   |        1.34 |     0.81 |
| Total_Fulfillment_Days       |        2.13 |     1.60 |

**Wawasan**:
*   Waktu yang dibutuhkan ekspedisi untuk mengirim barang dari gudang ke pelanggan adalah *bottleneck* utama dalam rantai pasok. Peningkatan efisiensi di tahap ini akan secara signifikan mengurangi total waktu pemenuhan.
*   Tahap awal seperti `Order_to_SP_Days` sangat cepat, menunjukkan proses internal yang efisien dalam pembuatan surat pesanan.

**Variasi Durasi Berdasarkan Divisi, Gudang, dan Ekspedisi**:

Ada perbedaan signifikan dalam durasi pemenuhan antar entitas operasional:

*   **Divisi**: **VIBRANT PBF** memiliki durasi pemenuhan terlama (rata-rata 2,85 hari), diikuti oleh PHARMANET (2,19 hari). Menariknya, VIBRANT 3, meskipun memiliki tingkat pembatalan tinggi, menunjukkan durasi pemenuhan yang relatif cepat (1,68 hari).

```mermaid
xychart-beta
title "Top 5 Divisi by Average Total Fulfillment Days (Longest)"
x-axis ['VIBRANT PBF', 'PHARMANET', 'HOSPINET', 'VIBRANT 3']
y-axis "Average Days" 0 --> 3
bar [2.85, 2.19, 1.74, 1.68]
```

*   **Gudang Asal**:
    *   **Terlama**: `PHARMANET TANGERANG` (5,67 hari), `PHARMANET SAMARINDA` (3,45 hari), dan `PHARMANET MEDAN` (2,99 hari) adalah gudang dengan durasi total pemenuhan terlama. `PHARMANET TANGERANG` menonjol dengan durasi `Ekspedisi_to_Diterima_Days` yang sangat panjang (4,84 hari).
    *   **Tercepat**: Gudang-gudang di wilayah Jakarta seperti `PHARMANET JAKTIM` (0,77 hari), `PHARMANET JAKBAR` (0,84 hari), dan `PHARMANET JAKSEL` (0,84 hari) menunjukkan kinerja pemenuhan yang sangat efisien, terutama pada tahap `Ekspedisi_to_Diterima_Days` yang sangat singkat.

```mermaid
xychart-beta
title "Top 5 Warehouses by Average Total Fulfillment Days (Longest)"
x-axis ['PHARMANET TANGERANG', 'PHARMANET SAMARINDA', 'PHARMANET MEDAN', 'PHARMANET PEKANBARU', 'PHARMANET PONTIANAK']
y-axis "Average Days" 0 --> 6
bar [5.67, 3.45, 2.99, 2.74, 2.67]
```

```mermaid
xychart-beta
title "Bottom 5 Warehouses by Average Total Fulfillment Days (Shortest)"
x-axis ['PHARMANET JAKTIM', 'PHARMANET JAKBAR', 'PHARMANET JAKSEL', 'PHARMANET BANJARMASIN', 'PHARMANET PALEMBANG']
y-axis "Average Days" 0 --> 1
bar [0.77, 0.84, 0.84, 0.98, 1.3]
```

*   **Nama Ekspedisi**:
    *   **Terlama**: `Media Transportasi Logistic` (2,91 hari) dan `INDAH LOGISTIK` (2,87 hari) menunjukkan durasi terlama, terutama pada tahap akhir pengiriman.
    *   **Tercepat**: Ekspedisi internal seperti `EXPD INTERNAL SEMARANG` (0,16 hari) dan `EXPD INTERNAL JAKSEL` (0,3 hari) adalah yang paling efisien. Ini menunjukkan keuntungan penggunaan logistik internal untuk pengiriman cepat.

```mermaid
xychart-beta
title "Top 5 Expeditions by Average Total Fulfillment Days (Longest)"
x-axis ['Media Transportasi Logistic', 'INDAH LOGISTIK', 'LION PARCEL', 'ANDALAN 21 EXPRESS', 'GLOBALINDO 21 EXPRESS']
y-axis "Average Days" 0 --> 3
bar [2.91, 2.87, 2.73, 2.68, 2.56]
```

```mermaid
xychart-beta
title "Bottom 5 Expeditions by Average Total Fulfillment Days (Shortest)"
x-axis ['EXPD INTERNAL SEMARANG', 'EXPD INTERNAL JAKSEL', 'EXPD JAKTIM', 'EXPD JAKBAR', 'EXPD SURABAYA 1']
y-axis "Average Days" 0 --> 1
bar [0.16, 0.3, 0.61, 0.63, 0.79]
```

### 4.4 Kinerja Penjualan dan Operasional Berdasarkan Segmentasi Pelanggan

Segmentasi pelanggan melalui K-Means clustering membantu kita memahami perbedaan perilaku dan kinerja antar kelompok pelanggan, memberikan dasar untuk strategi yang lebih bertarget.

**4.4.1 Tingkat Pembatalan per Klaster Pelanggan**

Analisis tingkat pembatalan yang diperbarui menunjukkan variasi yang lebih jelas antar klaster:

**Tingkat Pembatalan Header SP berdasarkan Klaster**

| Cluster   | Total   | Cancelled   | Cancellation_Rate   |
|:----------|:--------|:------------|:--------------------|
| 0         | 34.338  | 540         | 1.6                 |
| 1         | 56.076  | 615         | 1.1                 |
| 2         | 40.318  | 577         | 1.4                 |
| 3         | 583     | 8           | 1.4                 |

```mermaid
xychart-beta
title "Sts SP Header Cancellation Rate by Customer Cluster"
x-axis ['0', '1', '2', '3']
y-axis "Cancellation Rate (%)" 0 --> 1.7270000000000003
bar [1.57, 1.1, 1.43, 1.37]
```

**Wawasan**:
*   **Klaster 1 (High-Value, Frequent Buyers)** memiliki tingkat pembatalan terendah (1,1%), menunjukkan bahwa pelanggan paling berharga kita juga merupakan pelanggan yang paling stabil.
*   **Klaster 0 (Medium-Value, Non-Pharos Preference)** memiliki tingkat pembatalan tertinggi (1,6%), yang mungkin disebabkan oleh preferensi produk yang lebih luas atau sensitivitas harga.
*   Klaster 2 (Loyal Pharos) dan Klaster 3 (Outlier Sangat Tinggi) memiliki tingkat pembatalan yang mirip sekitar 1,4%, yang berada di antara Klaster 0 dan Klaster 1.

**4.4.2 Durasi Pemenuhan Rata-rata per Klaster Pelanggan**

Variasi dalam durasi pemenuhan antar klaster menyoroti potensi perbaikan yang ditargetkan:

**Rata-rata Durasi Pemenuhan per Klaster Pelanggan (dalam Hari)**

| Cluster   | Order_to_SP_Days   | SP_to_DO_Days   | DO_to_Logbook_Days   | Logbook_to_Ekspedisi_Days   | Ekspedisi_to_Diterima_Days   | Total_Fulfillment_Days   |
|:----------|:-------------------|:----------------|:---------------------|:----------------------------|:-----------------------------|:-------------------------|
| 0         | 0.02               | 0.41            | 0.28                 | 0.18                        | 1.19                         | 2.08                     |
| 1         | 0.02               | 0.34            | 0.18                 | 0.12                        | 1.18                         | 1.84                     |
| 2         | 0.02               | 0.41            | 0.23                 | 0.21                        | 1.42                         | 2.30                     |
| 3         | 0.02               | 0.54            | 0.26                 | 0.11                        | 0.60                         | 1.54                     |

```mermaid
xychart-beta
title "Rata-rata Total Durasi Pemenuhan berdasarkan Klaster Pelanggan"
x-axis ['0', '1', '2', '3']
y-axis "Average Days" 0 --> 2.53
bar [2.08, 1.84, 2.3, 1.54]
```

**Wawasan**:
*   **Klaster 1** menikmati durasi pemenuhan tercepat (rata-rata 1,84 hari). Ini menunjukkan bahwa pelanggan paling berharga ini dilayani dengan efisiensi tertinggi.
*   **Klaster 2 (Loyal Pharos)** memiliki durasi pemenuhan terlama (rata-rata 2,30 hari), terutama karena tahap `Ekspedisi_to_Diterima_Days` yang lebih panjang (1,42 hari). Ini adalah area kritis untuk perbaikan, karena meskipun mereka loyal terhadap produk Pharos, pengalaman pengiriman mereka bisa lebih baik.
*   **Klaster 3 (Outlier Sangat Tinggi)** juga menunjukkan efisiensi yang sangat baik dalam total waktu pemenuhan (rata-rata 1,54 hari).

**4.4.3 Investigasi Outlier Klaster 3**

Klaster 3 adalah sebuah klaster unik yang hanya terdiri dari satu outlet yang sangat menonjol. Outlet ini menunjukkan perilaku pembelian yang luar biasa dan sangat loyal terhadap produk Pharos.

**Detail untuk satu outlet dalam Klaster 3 (KodePI: A1006644)**:
*   **KodePI**: A1006644
*   **OutCode**: 5OM
*   **Cmc**: TBR
*   **Total Nilai RO**: Rp 317.160.541
*   **Total Kuantitas RO**: 8.921 unit
*   **Jumlah Produk Unik**: 16
*   **Jumlah Pesanan Unik**: 2
*   **Rata-rata Nilai Pesanan per RO**: Rp 158.580.270,50
*   **Rasio Kuantitas Produk Pharos**: 100%
*   **Partisipasi Apotek Online (AO YN)**: N (Tidak berpartisipasi)

**Top 5 Produk yang Dibeli oleh Outlet Ini (berdasarkan kuantitas)**:
1.  MICROLAX 3 X 5 ML: 2.494 unit
2.  PRORIS SUSP 60 ML RASA JERUK: 1.700 unit
3.  POLYSILANE SUSPENSI 100 ML: 1.200 unit
4.  POLYSILANE TAB. KUNYAH 5X8TAB: 1.000 unit
5.  MICROLAX GEL OBAT PENCAHAR 5ML: 900 unit

**Distribusi Pharos YN untuk Outlet Ini**:
*   Y: 100.0%

**Wawasan**:
Outlet ini merupakan *key account* dengan volume pembelian yang masif dan 100% loyal pada produk Pharos, terutama produk inti seperti MICROLAX, PRORIS, dan POLYSILANE. Meskipun demikian, outlet ini tidak berpartisipasi dalam program Apotek Online. Ini menunjukkan peluang besar untuk melibatkan outlet ini dalam program AO dengan pendekatan yang disesuaikan dengan volume tinggi dan kebutuhan khusus mereka.

**Fulfillment Times (Rata-rata dalam Hari) untuk Outlet Ini**:
*   Order_to_SP_Days: 0.03 hari
*   SP_to_DO_Days: 1.14 hari
*   DO_to_Logbook_Days: 0.13 hari
*   Logbook_to_Ekspedisi_Days: 0.53 hari
*   Ekspedisi_to_Diterima_Days: 0.09 hari
*   Total_Fulfillment_Days: 1.92 hari

Waktu pemenuhan untuk outlet ini cenderung efisien, bahkan dengan volume pesanan yang sangat besar.

**4.4.4 Preferensi Divisi dan Jenis Produk (Pharos YN) per Klaster**

Analisis preferensi menunjukkan bahwa setiap klaster memiliki karakteristik unik:

**Klaster 0**:
*   **Top 3 Divisi**: PHARMANET (79,4%), HOSPINET (15,6%), VIBRANT PBF (4,8%).
*   **Distribusi Pharos YN**: Y (82,7%), N (17,3%). Klaster ini memiliki rasio kuantitas produk Pharos yang rendah (28%) tetapi distribusi baris transaksi menunjukkan lebih banyak transaksi produk Pharos. Ini mungkin mengindikasikan bahwa produk Non-Pharos yang dibeli memiliki kuantitas per transaksi yang lebih besar atau harga yang lebih tinggi, sesuai dengan definisi klaster sebagai "preferensi Non-Pharos" berdasarkan nilai RO total dan rasio kuantitas.

**Klaster 1**:
*   **Top 3 Divisi**: PHARMANET (90,3%), HOSPINET (9,2%), VIBRANT PBF (0,5%).
*   **Distribusi Pharos YN**: N (68,9%), Y (31,2%). Klaster ini, meskipun high-value, memiliki preferensi kuat terhadap produk Non-Pharos.

**Klaster 2**:
*   **Top 3 Divisi**: PHARMANET (81,8%), HOSPINET (18,2%), VIBRANT PBF (0,1%).
*   **Distribusi Pharos YN**: N (68,1%), Y (31,9%). Klaster ini didefinisikan memiliki preferensi kuat Pharos (83% kuantitas produk Pharos), namun distribusi transaksi per baris menunjukkan dominasi Non-Pharos. Ini juga bisa disebabkan oleh kuantitas atau nilai per transaksi yang berbeda.

**Klaster 3 (Outlier)**:
*   **Top 3 Divisi**: VIBRANT PBF (100,0%).
*   **Distribusi Pharos YN**: Y (99,3%), N (0,7%). Ini menegaskan dominasi produk Pharos untuk outlet ini, dipasok sepenuhnya oleh Divisi VIBRANT PBF.

**4.4.5 Tingkat Adopsi Apotek Online (AO YN) per Klaster**

Partisipasi dalam program Apotek Online (AO YN) bervariasi antar klaster:

**Tingkat Adopsi Apotek Online (AO YN) per Klaster**

| Cluster   | AO_Adoption_Rate (%) |
|:----------|:---------------------|
| 0         | 27.6                 |
| 1         | 50.4                 |
| 2         | 27.2                 |
| 3         | 0.0                  |

```mermaid
xychart-beta
title "Apotek Online (AO YN) Adoption Rate by Customer Cluster"
x-axis ['0', '1', '2', '3']
y-axis "Adoption Rate (%)" 0 --> 55.473000000000006
bar [27.6, 50.43, 27.21, 0.0]
```

**Wawasan**:
*   **Klaster 1** memiliki tingkat adopsi AO tertinggi (50,4%), menunjukkan bahwa outlet bernilai tinggi yang sering membeli cenderung lebih terbuka terhadap program digital.
*   **Klaster 0 dan 2** memiliki tingkat adopsi yang serupa, sekitar 27%, yang mengindikasikan ruang untuk pertumbuhan.
*   **Klaster 3 (Outlier)** sama sekali belum mengadopsi program AO, meskipun merupakan salah satu pelanggan terbesar. Ini adalah peluang besar untuk mendorong adopsi, yang berpotensi meningkatkan volume penjualan dan efisiensi pesanan melalui platform digital.

### 4.5 Rekomendasi Strategis

Berdasarkan analisis penjualan dan kinerja produk, berikut adalah beberapa rekomendasi strategis:

1.  **Segera Atasi Anomali Pembatalan Divisi VIBRANT 3**: Lakukan audit menyeluruh terhadap proses penjualan dan pemenuhan pesanan di Divisi VIBRANT 3. Identifikasi akar masalah dari tingkat pembatalan 19,6% yang sangat tinggi, baik itu terkait dengan stok, harga, kelengkapan pesanan, atau komunikasi pelanggan. Kembangkan dan implementasikan rencana tindakan korektif secepatnya.

2.  **Optimalkan Rantai Pasok pada Tahap Akhir Pengiriman**:
    *   Fokuskan upaya peningkatan efisiensi pada tahap `Ekspedisi_to_Diterima_Days`, yang merupakan bagian terlama dari proses pemenuhan.
    *   Tinjau kinerja gudang-gudang dengan durasi pemenuhan terlama (PHARMANET TANGERANG, SAMARINDA, MEDAN) dan ekspedisi eksternal yang lambat (Media Transportasi Logistic, INDAH LOGISTIK). Pertimbangkan untuk menegosiasikan ulang SLA (Service Level Agreement) dengan mitra ekspedisi, atau menginvestigasi kemungkinan pengalihan volume ke ekspedisi yang lebih efisien, atau bahkan meningkatkan kapasitas logistik internal di wilayah tersebut.
    *   Pelajari praktik terbaik dari gudang yang sangat efisien di Jakarta dan ekspedisi internal untuk mereplikasi model atau strategi mereka di lokasi lain.

3.  **Manfaatkan Korelasi Produk untuk Peningkatan Penjualan**:
    *   Kembangkan strategi *cross-selling* dan *bundling* berdasarkan pasangan produk yang sering dibeli bersamaan, terutama kombinasi antara POLYSILANE, PRORIS, dan MICROLAX. Tawarkan paket-paket promosi yang menarik untuk produk-produk ini kepada outlet.
    *   Dorong tim penjualan untuk merekomendasikan produk pendamping saat outlet memesan salah satu item dari pasangan populer tersebut.

4.  **Strategi Berbasis Klaster Pelanggan untuk Pertumbuhan dan Efisiensi**:
    *   **Klaster 1 (High-Value, Frequent Buyers)**: Pertahankan tingkat layanan yang tinggi, pertimbangkan program loyalitas eksklusif, dan terus dorong adopsi Apotek Online untuk meningkatkan efisiensi pemesanan mereka. Analisis mengapa mereka cenderung membeli produk Non-Pharos, dan apakah ada peluang untuk memperkenalkan lebih banyak produk Pharos.
    *   **Klaster 2 (Loyal Pharos, Durasi Pemenuhan Lama)**: Prioritaskan perbaikan layanan logistik untuk klaster ini. Peningkatan efisiensi pengiriman dapat meningkatkan kepuasan pelanggan yang sudah loyal terhadap produk Pharos, sekaligus mempertahankan volume pembelian mereka.
    *   **Klaster 3 (Outlier Sangat Tinggi, Loyal Pharos)**: Lakukan pendekatan personal dan insentif khusus untuk mendorong adopsi Apotek Online. Outlet ini adalah aset berharga; memahami mengapa mereka belum mengadopsi AO dan bagaimana platform dapat disesuaikan untuk kebutuhan volume tinggi mereka bisa membuka potensi penjualan yang besar.
    *   **Klaster 0 (Medium-Value, Non-Pharos Preference)**: Tawarkan promosi atau penawaran khusus untuk produk-produk Pharos yang relevan dengan profil pembelian mereka, dengan tujuan untuk mengonversi mereka menjadi pembeli produk Pharos yang lebih sering.

Implementasi rekomendasi ini diharapkan dapat mendorong peningkatan kinerja penjualan, mengoptimalkan proses operasional, dan memperkuat hubungan dengan pelanggan melalui strategi yang lebih bertarget dan efisien.

## 5. Analisis Efisiensi Pemenuhan Pesanan

Bab ini akan mengupas secara mendalam tentang efisiensi operasional dalam proses pemenuhan pesanan, mulai dari order diterima hingga barang sampai di tangan pelanggan. Analisis ini sangat krusial untuk mengidentifikasi *bottleneck*, mengevaluasi kinerja pemasok dan divisi, serta menemukan peluang untuk mengurangi biaya dan meningkatkan kepuasan pelanggan.

### 5.1 Durasi Pemenuhan Pesanan Keseluruhan

Secara keseluruhan, rata-rata total waktu yang dibutuhkan untuk memenuhi satu pesanan, dari waktu order hingga diterima pelanggan, adalah sekitar **2.13 hari**. Median waktu pemenuhan adalah 1.6 hari, yang menunjukkan bahwa sebagian besar pesanan diselesaikan dalam waktu yang lebih cepat dibandingkan rata-rata, dengan adanya beberapa pesanan yang memakan waktu jauh lebih lama sehingga meningkatkan nilai rata-rata.

Pemeriksaan lebih lanjut pada setiap tahapan proses mengungkapkan bahwa `Ekspedisi_to_Diterima_Days` (waktu dari ekspedisi mengambil barang hingga diterima pelanggan) merupakan tahapan terlama, rata-rata membutuhkan **1.34 hari**. Ini mengindikasikan bahwa proses pengiriman oleh pihak ketiga adalah *bottleneck* utama dalam rantai pasok. Sebaliknya, tahapan awal seperti `Order_to_SP_Days` (waktu dari order hingga surat pesanan dibuat) sangat cepat, dengan rata-rata hanya 0.02 hari, menunjukkan efisiensi internal yang baik pada proses administrasi awal.

**Rata-rata & Median Durasi Pemenuhan Keseluruhan (dalam Hari)**

| Tahap                        |   Rata-rata |   Median |
|:-----------------------------|------------:|---------:|
| Order_to_SP_Days             |        0.02 |     0.02 |
| SP_to_DO_Days                |        0.41 |     0.14 |
| DO_to_Logbook_Days           |        0.24 |     0.11 |
| Logbook_to_Ekspedisi_Days    |        0.18 |     0.05 |
| Ekspedisi_to_Diterima_Days   |        1.34 |     0.81 |
| Total_Fulfillment_Days       |        2.13 |     1.60 |

### 5.2 Efisiensi Berdasarkan Divisi, Gudang Asal, dan Ekspedisi

Variasi durasi pemenuhan pesanan dapat diamati secara signifikan di antara divisi, gudang asal, dan mitra ekspedisi. Analisis ini membantu menyoroti area spesifik yang memerlukan perhatian lebih.

**5.2.1 Kinerja Efisiensi per Divisi**

Saat melihat kinerja efisiensi antar divisi, terdapat perbedaan yang mencolok:

*   **VIBRANT PBF** mencatat durasi pemenuhan total terlama, rata-rata 2.85 hari. Divisi ini mengalami waktu yang lebih lama di semua tahapan dibandingkan rata-rata keseluruhan.
*   **PHARMANET** juga memiliki durasi yang lebih panjang dari rata-rata secara keseluruhan, yaitu 2.19 hari.
*   **HOSPINET** dan **VIBRANT 3** menunjukkan kinerja yang lebih baik, dengan durasi total masing-masing 1.74 hari dan 1.68 hari. Menariknya, meskipun VIBRANT 3 memiliki tingkat pembatalan yang sangat tinggi seperti yang dibahas pada bab sebelumnya, divisi ini relatif efisien dalam hal waktu pemenuhan untuk pesanan yang berhasil. Ini mengindikasikan bahwa masalah VIBRANT 3 mungkin lebih terkait dengan manajemen pesanan atau ketersediaan stok awal, bukan pada kecepatan pemrosesan dan pengiriman.

Berikut adalah rincian rata-rata durasi pemenuhan per divisi:

**Top 5 Divisi berdasarkan Rata-rata Total Durasi Pemenuhan (Terlama)**

| Divisi      |   Order_to_SP_Days |   SP_to_DO_Days |   DO_to_Logbook_Days |   Logbook_to_Ekspedisi_Days |   Ekspedisi_to_Diterima_Days |   Total_Fulfillment_Days |
|:------------|-------------------:|----------------:|---------------------:|----------------------------:|-----------------------------:|-------------------------:|
| VIBRANT PBF |               0.02 |            0.44 |                 0.38 |                        0.14 |                         1.56 |                     2.85 |
| PHARMANET   |               0.02 |            0.42 |                 0.24 |                        0.18 |                         1.40 |                     2.19 |
| HOSPINET    |               0.02 |            0.35 |                 0.23 |                        0.19 |                         1.02 |                     1.74 |
| VIBRANT 3   |               0.02 |            0.37 |                 0.18 |                        0.10 |                         1.03 |                     1.68 |

```mermaid
xychart-beta
title "Top 5 Divisi by Average Total Fulfillment Days (Longest)"
x-axis ['VIBRANT PBF', 'PHARMANET', 'HOSPINET', 'VIBRANT 3']
y-axis "Average Days" 0 --> 3
bar [2.85, 2.19, 1.74, 1.68]
```

**Bottom 5 Divisi berdasarkan Rata-rata Total Durasi Pemenuhan (Tercepat)**

| Divisi      |   Order_to_SP_Days |   SP_to_DO_Days |   DO_to_Logbook_Days |   Logbook_to_Ekspedisi_Days |   Ekspedisi_to_Diterima_Days |   Total_Fulfillment_Days |
|:------------|-------------------:|----------------:|---------------------:|----------------------------:|-----------------------------:|-------------------------:|
| VIBRANT 3   |               0.02 |            0.37 |                 0.18 |                        0.10 |                         1.03 |                     1.68 |
| HOSPINET    |               0.02 |            0.35 |                 0.23 |                        0.19 |                         1.02 |                     1.74 |
| PHARMANET   |               0.02 |            0.42 |                 0.24 |                        0.18 |                         1.40 |                     2.19 |
| VIBRANT PBF |               0.02 |            0.44 |                 0.38 |                        0.14 |                         1.56 |                     2.85 |

```mermaid
xychart-beta
title "Bottom 5 Divisions by Average Total_Fulfillment_Days (Shortest)"
x-axis ['VIBRANT 3', 'HOSPINET', 'PHARMANET', 'VIBRANT PBF']
y-axis "Average Days" 0 --> 3
bar [1.68, 1.74, 2.19, 2.85]
```

**5.2.2 Kinerja Efisiensi per Gudang Asal**

Perbedaan efisiensi juga sangat terlihat antar gudang asal:

*   **Gudang Terlama**: Gudang **PHARMANET TANGERANG** menjadi gudang dengan waktu pemenuhan terlama secara signifikan (rata-rata 5.67 hari), didorong oleh tahap `Ekspedisi_to_Diterima_Days` yang mencapai 4.84 hari. Gudang **PHARMANET SAMARINDA** (3.45 hari) dan **PHARMANET MEDAN** (2.99 hari) juga termasuk yang terlama.
*   **Gudang Tercepat**: Gudang-gudang di wilayah Jakarta seperti **PHARMANET JAKTIM** (0.77 hari), **PHARMANET JAKBAR** (0.84 hari), dan **PHARMANET JAKSEL** (0.84 hari) menunjukkan kinerja yang sangat efisien, terutama dalam kecepatan pengiriman ke pelanggan (tahap `Ekspedisi_to_Diterima_Days` kurang dari 0.4 hari). Praktik terbaik dari gudang-gudang ini harus dipelajari dan diterapkan di gudang lain.

**Top 5 Gudang berdasarkan Rata-rata Total Durasi Pemenuhan (Terlama)**

| Asal Gudang         |   Order_to_SP_Days |   SP_to_DO_Days |   DO_to_Logbook_Days |   Logbook_to_Ekspedisi_Days |   Ekspedisi_to_Diterima_Days |   Total_Fulfillment_Days |
|:--------------------|-------------------:|----------------:|---------------------:|----------------------------:|-----------------------------:|-------------------------:|
| PHARMANET TANGERANG |               0.02 |            0.59 |                 0.18 |                        0.11 |                         4.84 |                     5.67 |
| PHARMANET SAMARINDA |               0.02 |            1.09 |                 0.19 |                        0.28 |                         1.87 |                     3.45 |
| PHARMANET MEDAN     |               0.02 |            0.89 |                 0.36 |                        0.54 |                         1.23 |                     2.99 |
| PHARMANET PEKANBARU |               0.02 |            0.43 |                 0.14 |                        0.36 |                         1.82 |                     2.74 |
| PHARMANET PONTIANAK |               0.02 |            0.42 |                 0.22 |                        0.20 |                         1.81 |                     2.67 |

```mermaid
xychart-beta
title "Top 5 Warehouses by Average Total Fulfillment Days (Longest)"
x-axis ['PHARMANET TANGERANG', 'PHARMANET SAMARINDA', 'PHARMANET MEDAN', 'PHARMANET PEKANBARU', 'PHARMANET PONTIANAK']
y-axis "Average Days" 0 --> 6
bar [5.67, 3.45, 2.99, 2.74, 2.67]
```

**Bottom 5 Gudang berdasarkan Rata-rata Total Durasi Pemenuhan (Tercepat)**

| Asal Gudang           |   Order_to_SP_Days |   SP_to_DO_Days |   DO_to_Logbook_Days |   Logbook_to_Ekspedisi_Days |   Ekspedisi_to_Diterima_Days |   Total_Fulfillment_Days |
|:----------------------|-------------------:|----------------:|---------------------:|----------------------------:|-----------------------------:|-------------------------:|
| PHARMANET JAKTIM      |               0.02 |            0.27 |                 0.09 |                        0.04 |                         0.36 |                     0.77 |
| PHARMANET JAKBAR      |               0.02 |            0.38 |                 0.05 |                        0.13 |                         0.27 |                     0.84 |
| PHARMANET JAKSEL      |               0.02 |            0.30 |                 0.23 |                        0.03 |                         0.27 |                     0.84 |
| PHARMANET BANJARMASIN |               0.02 |            0.50 |                 0.18 |                        0.03 |                         0.37 |                     0.98 |
| PHARMANET PALEMBANG   |               0.02 |            0.14 |                 0.14 |                        0.32 |                         0.93 |                     1.30 |

```mermaid
xychart-beta
title "Bottom 5 Warehouses by Average Total_Fulfillment_Days (Shortest)"
x-axis ['PHARMANET JAKTIM', 'PHARMANET JAKBAR', 'PHARMANET JAKSEL', 'PHARMANET BANJARMASIN', 'PHARMANET PALEMBANG']
y-axis "Average Days" 0 --> 1
bar [0.77, 0.84, 0.84, 0.98, 1.3]
```

**5.2.3 Kinerja Efisiensi per Mitra Ekspedisi**

Mitra ekspedisi memainkan peran besar dalam tahap akhir pengiriman. Analisis menunjukkan disparitas kinerja yang signifikan:

*   **Ekspedisi Terlama**: **Media Transportasi Logistic** (rata-rata 2.91 hari) dan **INDAH LOGISTIK** (rata-rata 2.87 hari) merupakan ekspedisi dengan waktu pemenuhan terlama, terutama karena durasi pengiriman ke penerima yang panjang. **LION PARCEL**, **ANDALAN 21 EXPRESS**, dan **GLOBALINDO 21 EXPRESS** juga masuk dalam daftar terlama.
*   **Ekspedisi Tercepat**: Ekspedisi internal perusahaan, seperti **EXPD INTERNAL SEMARANG** (0.16 hari) dan **EXPD INTERNAL JAKSEL** (0.3 hari), menunjukkan kinerja yang jauh lebih unggul. Hal ini menggarisbawahi potensi efisiensi ketika kontrol logistik berada di tangan internal.

**Top 5 Ekspedisi berdasarkan Rata-rata Total Durasi Pemenuhan (Terlama)**

| Nama Ekspedisi              |   Order_to_SP_Days |   SP_to_DO_Days |   DO_to_Logbook_Days |   Logbook_to_Ekspedisi_Days |   Ekspedisi_to_Diterima_Days |   Total_Fulfillment_Days |
|:----------------------------|-------------------:|----------------:|---------------------:|----------------------------:|-----------------------------:|-------------------------:|
| Media Transportasi Logistic |               0.03 |            0.23 |                 0.32 |                        0.21 |                         2.13 |                     2.91 |
| INDAH LOGISTIK              |               0.02 |            0.43 |                 0.15 |                        0.23 |                         2.03 |                     2.87 |
| LION PARCEL                 |               0.02 |            0.47 |                 0.44 |                        0.28 |                         1.52 |                     2.73 |
| ANDALAN 21 EXPRESS          |               0.02 |            0.72 |                 0.36 |                        0.42 |                         1.15 |                     2.68 |
| GLOBALINDO 21 EXPRESS       |               0.02 |            0.40 |                 0.20 |                        0.16 |                         1.78 |                     2.56 |

```mermaid
xychart-beta
title "Top 5 Expeditions by Average Total_Fulfillment_Days (Longest)"
x-axis ['Media Transportasi Logistic', 'INDAH LOGISTIK', 'LION PARCEL', 'ANDALAN 21 EXPRESS', 'GLOBALINDO 21 EXPRESS']
y-axis "Average Days" 0 --> 3
bar [2.91, 2.87, 2.73, 2.68, 2.56]
```

**Bottom 5 Ekspedisi berdasarkan Rata-rata Total Durasi Pemenuhan (Tercepat)**

| Nama Ekspedisi          |   Order_to_SP_Days |   SP_to_DO_Days |   DO_to_Logbook_Days |   Logbook_to_Ekspedisi_Days |   Ekspedisi_to_Diterima_Days |   Total_Fulfillment_Days |
|:------------------------|-------------------:|----------------:|---------------------:|----------------------------:|-----------------------------:|-------------------------:|
| EXPD INTERNAL SEMARANG  |               0.02 |            0.06 |                 0.04 |                        0.00 |                         0.04 |                     0.16 |
| EXPD INTERNAL JAKSEL    |               0.02 |            0.21 |                 0.06 |                        0.00 |                         0.00 |                     0.30 |
| EXPD JAKTIM             |               0.02 |            0.27 |                 0.08 |                        0.00 |                         0.24 |                     0.61 |
| EXPD JAKBAR             |               0.02 |            0.36 |                 0.05 |                        0.00 |                         0.20 |                     0.63 |
| EXPD SURABAYA 1         |               0.02 |            0.24 |                 0.16 |                        0.00 |                         0.36 |                     0.79 |

```mermaid
xychart-beta
title "Bottom 5 Expeditions by Average Total_Fulfillment_Days (Shortest)"
x-axis ['EXPD INTERNAL SEMARANG', 'EXPD INTERNAL JAKSEL', 'EXPD JAKTIM', 'EXPD JAKBAR', 'EXPD SURABAYA 1']
y-axis "Average Days" 0 --> 1
bar [0.16, 0.3, 0.61, 0.63, 0.79]
```

### 5.3 Efisiensi Pemenuhan Berdasarkan Segmentasi Pelanggan

Integrasi analisis efisiensi dengan segmentasi pelanggan (Klaster 0-3) memberikan gambaran bagaimana kinerja operasional berdampak pada segmen pelanggan yang berbeda.

**5.3.1 Tingkat Pembatalan per Klaster Pelanggan**

Tingkat pembatalan telah dihitung ulang dengan benar untuk setiap klaster:

| Cluster   | Total   | Cancelled   | Cancellation_Rate |
|:----------|--------:|------------:|------------------:|
| 0         |  34,338 |         540 |              1.6% |
| 1         |  56,076 |         615 |              1.1% |
| 2         |  40,318 |         577 |              1.4% |
| 3         |     583 |           8 |              1.4% |

```mermaid
xychart-beta
title "Sts SP Header Cancellation Rate by Customer Cluster"
x-axis ['0', '1', '2', '3']
y-axis "Cancellation Rate (%)" 0 --> 1.7270000000000003
bar [1.57, 1.1, 1.43, 1.37]
```

**Wawasan**:
*   **Klaster 1 (High-Value, Frequent Buyers)** memiliki tingkat pembatalan terendah (1.1%). Ini adalah indikator positif bahwa pelanggan paling berharga kami mengalami lebih sedikit masalah yang menyebabkan pembatalan.
*   **Klaster 0 (Medium-Value, Non-Pharos Preference)** memiliki tingkat pembatalan tertinggi (1.6%), menunjukkan bahwa segmen ini mungkin lebih sensitif terhadap isu-isu yang menyebabkan pembatalan, atau proses pemenuhan untuk mereka kurang optimal.

**5.3.2 Rata-rata Durasi Pemenuhan per Klaster Pelanggan**

Durasi pemenuhan juga bervariasi antar klaster, menyoroti perbedaan dalam pengalaman layanan:

| Cluster   |   Order_to_SP_Days |   SP_to_DO_Days |   DO_to_Logbook_Days |   Logbook_to_Ekspedisi_Days |   Ekspedisi_to_Diterima_Days |   Total_Fulfillment_Days |
|:----------|-------------------:|----------------:|---------------------:|----------------------------:|-----------------------------:|-------------------------:|
| 0         |               0.02 |            0.41 |                 0.28 |                        0.18 |                         1.19 |                     2.08 |
| 1         |               0.02 |            0.34 |                 0.18 |                        0.12 |                         1.18 |                     1.84 |
| 2         |               0.02 |            0.41 |                 0.23 |                        0.21 |                         1.42 |                     2.30 |
| 3         |               0.02 |            0.54 |                 0.26 |                        0.11 |                         0.60 |                     1.54 |

```mermaid
xychart-beta
title "Average Total Fulfillment Days by Customer Cluster"
x-axis ['0', '1', '2', '3']
y-axis "Average Days" 0 --> 2.53
bar [2.08, 1.84, 2.3, 1.54]
```

**Wawasan**:
*   **Klaster 1** menikmati durasi pemenuhan tercepat (rata-rata 1.84 hari), mengkonfirmasi bahwa segmen pelanggan berharga ini mendapatkan layanan logistik yang sangat efisien.
*   **Klaster 2 (Loyal Pharos)** memiliki durasi pemenuhan terlama (rata-rata 2.30 hari), terutama karena tahapan `Ekspedisi_to_Diterima_Days` yang lebih panjang (1.42 hari). Ini merupakan area kritis karena pelanggan yang loyal terhadap produk Pharos seharusnya mendapatkan pengalaman pemenuhan yang optimal. Peningkatan efisiensi di sini dapat lebih memperkuat loyalitas mereka.
*   **Klaster 3 (Outlier Bernilai Sangat Tinggi)** menunjukkan efisiensi pemenuhan yang sangat baik (rata-rata 1.54 hari). Meskipun mereka belum mengadopsi Apotek Online, proses logistik untuk mereka sudah sangat gesit, memastikan pesanan besar mereka diproses dengan cepat.

### 5.4 Rekomendasi untuk Peningkatan Efisiensi Pemenuhan Pesanan

Berdasarkan analisis mendalam mengenai durasi pemenuhan, kami mengidentifikasi beberapa area kunci untuk perbaikan dan optimalisasi:

1.  **Fokus pada Pengurangan Waktu `Ekspedisi_to_Diterima_Days`**:
    *   Karena tahapan ini merupakan *bottleneck* utama dalam rantai pasok, perlu dilakukan evaluasi menyeluruh terhadap kinerja mitra ekspedisi. Negosiasikan kembali *Service Level Agreement* (SLA) untuk pengiriman yang lebih cepat, atau pertimbangkan untuk mengalihkan volume ke mitra dengan kinerja yang lebih baik.
    *   Investigasi proses serah terima dan last-mile delivery untuk mengidentifikasi inefisiensi yang dapat diatasi.

2.  **Perbaikan Kinerja Gudang dan Ekspedisi Tertentu**:
    *   Lakukan audit operasional di gudang **PHARMANET TANGERANG**, **SAMARINDA**, dan **MEDAN** untuk memahami penyebab durasi pemenuhan yang lama. Fokus pada efisiensi proses internal gudang dan koordinasi dengan ekspedisi.
    *   Pelajari praktik terbaik dari gudang-gudang Jakarta (JAKTIM, JAKBAR, JAKSEL) dan ekspedisi internal yang terbukti sangat efisien. Identifikasi elemen-elemen kunci dari keberhasilan mereka dan coba replikasikan di lokasi lain yang kurang efisien.
    *   Evaluasi kembali kerja sama dengan ekspedisi eksternal yang lambat seperti **Media Transportasi Logistic**, **INDAH LOGISTIK**, **LION PARCEL**, **ANDALAN 21 EXPRESS**, dan **GLOBALINDO 21 EXPRESS**. Pertimbangkan untuk mengurangi ketergantungan pada mereka atau memberikan pelatihan/insentif untuk peningkatan kinerja.

3.  **Strategi Logistik Berbasis Klaster Pelanggan**:
    *   **Untuk Klaster 2 (Outlet Loyal Pharos, Durasi Pemenuhan Lama)**: Prioritaskan perbaikan efisiensi pengiriman untuk segmen ini. Meskipun mereka loyal, pengalaman pemenuhan yang lambat dapat mengikis kepuasan. Meningkatkan kecepatan layanan logistik untuk klaster ini dapat lebih memperkuat loyalitas mereka dan mendorong pertumbuhan penjualan produk Pharos.
    *   **Untuk Klaster 3 (Outlier Bernilai Sangat Tinggi)**: Meskipun sudah efisien dalam pemenuhan, tetap pertahankan kualitas layanan ini. Pendekatan proaktif untuk memastikan pesanan besar mereka selalu diproses dengan cepat akan sangat penting untuk mempertahankan pelanggan *key account* ini.

4.  **Tindak Lanjut Anomali VIBRANT 3**: Meskipun efisien dalam pemenuhan, tingkat pembatalan yang sangat tinggi di Divisi VIBRANT 3 tetap menjadi perhatian serius. Pastikan investigasi yang direkomendasikan pada bab sebelumnya segera dilaksanakan untuk mengatasi akar masalah pembatalan ini.

Dengan menerapkan rekomendasi ini, perusahaan dapat secara signifikan meningkatkan efisiensi operasional, mengurangi waktu pemenuhan pesanan, dan pada akhirnya meningkatkan kepuasan pelanggan di seluruh segmen.

## 6. Segmentasi Pelanggan

Segmentasi pelanggan adalah strategi penting untuk memahami perbedaan perilaku, kebutuhan, dan nilai setiap kelompok pelanggan. Dengan mengidentifikasi segmen-segmen unik, perusahaan dapat menyesuaikan strategi pemasaran, penjualan, dan layanan untuk meningkatkan kinerja, penjualan, serta membangun hubungan pelanggan yang lebih kuat. Dalam bab ini, kami melakukan segmentasi outlet pelanggan menggunakan algoritma K-Means berdasarkan metrik perilaku pembelian utama.

### 6.1 Metodologi Segmentasi

Untuk mengidentifikasi kelompok pelanggan yang berbeda, kami menerapkan algoritma K-Means clustering pada data perilaku pembelian agregat per outlet. Fitur-fitur yang digunakan dalam pengelompokan mencakup:
*   **Total_Value_RO_Outlet**: Total nilai pesanan yang dibuat oleh outlet.
*   **Total_Qty_RO_Outlet**: Total kuantitas produk yang dipesan oleh outlet.
*   **Num_Unique_Prods_Outlet**: Jumlah produk unik yang dibeli oleh outlet.
*   **Num_Unique_Orders_Outlet**: Jumlah pesanan unik yang dibuat oleh outlet.
*   **Avg_Order_Value_Per_Outlet**: Rata-rata nilai pesanan per pesanan unik.
*   **Pharos_Product_Qty_Ratio_Outlet**: Rasio kuantitas produk Pharos terhadap total kuantitas produk yang dibeli.

Analisis ini menghasilkan **4 klaster** yang berbeda, masing-masing dengan karakteristik yang unik.

### 6.2 Karakteristik Klaster Pelanggan

Berikut adalah ringkasan karakteristik utama dari setiap klaster yang teridentifikasi, diikuti dengan analisis yang lebih mendalam:

**Tabel 6.1: Rata-rata Karakteristik Setiap Klaster**

| Klaster | Total Nilai RO Outlet (Rata-rata) | Total Kuantitas RO Outlet (Rata-rata) | Jumlah Produk Unik (Rata-rata) | Jumlah Pesanan Unik (Rata-rata) | Nilai Pesanan Rata-rata per RO | Rasio Kuantitas Produk Pharos (Rata-rata) |
|:--------|----------------------------------:|--------------------------------------:|-------------------------------:|--------------------------------:|-------------------------------:|-------------------------------------------:|
| 0       | 11,996,080                        | 266                                   | 37                             | 8                               | 1,638,733                      | 0.28                                       |
| 1       | 40,013,801                        | 760                                   | 88                             | 19                              | 2,544,141                      | 0.32                                       |
| 2       | 19,260,472                        | 472                                   | 24                             | 7                               | 2,572,289                      | 0.83                                       |
| 3       | 1,594,845,216                     | 49,864                                | 78                             | 5                               | 318,969,043                    | 1.00                                       |

**Distribusi Jumlah Outlet per Klaster**

| Klaster | Jumlah Outlet |
|:--------|--------------:|
| 0       | 645           |
| 1       | 217           |
| 2       | 516           |
| 3       | 1             |

```mermaid
xychart-beta
title "Jumlah Outlet per Klaster"
x-axis ['0', '1', '2', '3']
y-axis "Jumlah Outlet" 0 --> 710
bar [np.int64(645), np.int64(217), np.int64(516), np.int64(1)]
```

#### 6.2.1 Klaster 0: "Outlet Nilai Menengah, Preferensi Non-Pharos"

*   **Jumlah Outlet**: 645 (klaster terbesar)
*   **Karakteristik Utama**: Klaster ini terdiri dari outlet dengan total pengeluaran dan kuantitas pesanan yang moderat (sekitar rata-rata secara keseluruhan). Mereka memiliki jumlah pesanan dan produk unik yang juga moderat. Yang paling menonjol adalah rasio pembelian produk Pharos yang rendah (rata-rata 28,0% dari total kuantitas). Ini mengindikasikan bahwa mereka lebih cenderung membeli produk dari grup Non-Pharos.
*   **Preferensi Divisi**: Dominan dari PHARMANET (79,4%), HOSPINET (15,6%), dan VIBRANT PBF (4,8%).
*   **Tingkat Pembatalan**: Klaster ini memiliki tingkat pembatalan tertinggi di antara semua klaster, yaitu **1,6%**.
*   **Durasi Pemenuhan**: Rata-rata total durasi pemenuhan sekitar **2,1 hari**, sedikit di atas Klaster 1 dan 3.
*   **Adopsi Apotek Online (AO YN)**: Tingkat adopsi yang relatif rendah, yaitu **27,6%**.

#### 6.2.2 Klaster 1: "Outlet Nilai Tinggi, Pembeli Beragam & Sering"

*   **Jumlah Outlet**: 217
*   **Karakteristik Utama**: Ini adalah klaster yang sangat berharga dengan total nilai dan kuantitas pesanan yang signifikan (rata-rata nilai RO Rp 40.013.801). Mereka membeli beragam jenis produk (rata-rata 88 produk unik) dan melakukan pesanan paling sering (rata-rata 19 pesanan unik). Meskipun berstatus nilai tinggi, mereka memiliki rasio pembelian produk Pharos yang sedikit lebih rendah (rata-rata 32,0% dari total kuantitas), menunjukkan preferensi untuk campuran produk Pharos dan Non-Pharos, atau cenderung ke Non-Pharos dalam hal kuantitas.
*   **Preferensi Divisi**: Sangat dominan dari PHARMANET (90,3%), diikuti HOSPINET (9,2%).
*   **Tingkat Pembatalan**: Klaster ini memiliki tingkat pembatalan terendah, yaitu **1,1%**, menunjukkan stabilitas dan kepuasan yang tinggi.
*   **Durasi Pemenuhan**: Rata-rata total durasi pemenuhan tercepat, yaitu **1,8 hari**.
*   **Adopsi Apotek Online (AO YN)**: Tingkat adopsi tertinggi di antara semua klaster, yaitu **50,4%**.

#### 6.2.3 Klaster 2: "Outlet Nilai Menengah, Preferensi Kuat Pharos"

*   **Jumlah Outlet**: 516
*   **Karakteristik Utama**: Klaster ini terdiri dari outlet dengan nilai dan kuantitas pesanan menengah, tetapi menunjukkan loyalitas yang sangat kuat terhadap produk Pharos. Rata-rata 83,0% dari kuantitas produk yang mereka beli berasal dari Pharos. Mereka memiliki jumlah produk unik dan pesanan unik yang lebih sedikit dibandingkan Klaster 1.
*   **Preferensi Divisi**: Dominan dari PHARMANET (81,8%), HOSPINET (18,2%).
*   **Tingkat Pembatalan**: Tingkat pembatalan moderat yaitu **1,4%**.
*   **Durasi Pemenuhan**: Rata-rata total durasi pemenuhan paling lama di antara semua klaster, yaitu **2,3 hari**. Ini adalah poin penting yang memerlukan perhatian.
*   **Adopsi Apotek Online (AO YN)**: Tingkat adopsi yang relatif rendah, yaitu **27,2%**.

#### 6.2.4 Klaster 3: "Outlier Bernilai Sangat Tinggi, Loyalitas Penuh Pharos"

*   **Jumlah Outlet**: 1
*   **Karakteristik Utama**: Klaster ini adalah anomali tunggal (outlier) yang mewakili outlet dengan nilai pembelian yang sangat besar dan loyalitas 100% terhadap produk Pharos (rasio kuantitas produk Pharos 100%). Rata-rata total nilai RO mencapai **Rp 1.594.845.216** dan total kuantitas RO rata-rata **49,864 unit**, jauh di atas klaster lain. Meskipun total nilai RO sangat tinggi, jumlah pesanan unik (rata-rata 5) dan jumlah produk unik (rata-rata 78) menunjukkan pembelian dalam volume besar untuk produk tertentu.
*   **Preferensi Divisi**: 100% dari VIBRANT PBF.
*   **Tingkat Pembatalan**: Moderat yaitu **1,4%**.
*   **Durasi Pemenuhan**: Rata-rata total durasi pemenuhan tercepat di antara semua klaster, yaitu **1,5 hari**. Ini sangat baik mengingat volume pesanan mereka.
*   **Adopsi Apotek Online (AO YN)**: **0,0%** adopsi. Outlet ini sama sekali belum berpartisipasi dalam program Apotek Online.

**Investigasi Lebih Lanjut terhadap Outlet Outlier di Klaster 3**:

Outlet tunggal di Klaster 3 merupakan "permata tersembunyi" perusahaan. Berdasarkan data, salah satu contoh karakteristik outlet dalam klaster ini (KodePI: FF001204, yang memiliki nilai transaksi terbesar) adalah sebagai berikut:
*   **KodePI**: FF001204
*   **OutCode**: IRL
*   **Cmc**: C75
*   **Total Nilai RO**: Rp 1.606.912.097
*   **Total Kuantitas RO**: 49,929
*   **Jumlah Produk Unik**: 80
*   **Jumlah Pesanan Unik**: 5
*   **Rata-rata Nilai Pesanan per RO**: Rp 321.382.419
*   **Rasio Kuantitas Produk Pharos**: 1.00 (100% produk Pharos)
*   **Partisipasi Apotek Online (AO YN)**: N (Tidak berpartisipasi)

**Top 5 Produk yang Dibeli oleh Outlet Ini (berdasarkan kuantitas)**:
*   PRORIS SUSP 60 ML RASA JERUK: 9,458 unit
*   MICROLAX GEL OBAT PENCAHAR 5ML: 5,396 unit
*   POLYSILANE TAB. KUNYAH 5X8TAB: 4,292 unit
*   POLYSILANE SUSPENSI 100 ML: 4,161 unit
*   PRORIS FORTE 200MG SUSP 50ML: 3,970 unit

**Distribusi Pharos YN untuk Outlet Ini**:
*   Y: 100,0%

**Fulfillment Times (Rata-rata dalam Hari) untuk Outlet Ini**:
*   Order_to_SP_Days: 0,0 hari
*   SP_to_DO_Days: 1,2 hari
*   DO_to_Logbook_Days: 1,1 hari
*   Logbook_to_Ekspedisi_Days: 0,0 hari
*   Ekspedisi_to_Diterima_Days: 1,0 hari
*   Total_Fulfillment_Days: 3,3 hari

Outlet ini adalah pembeli produk-produk Pharos dalam skala sangat besar, khususnya produk-produk seperti PRORIS, MICROLAX, dan POLYSILANE yang juga ditemukan dalam analisis korelasi produk. Durasi pemenuhannya efisien. Fakta bahwa outlet ini tidak berpartisipasi dalam program Apotek Online menunjukkan peluang besar untuk peningkatan engagement.

### 6.3 Wawasan Bisnis dari Segmentasi

Segmentasi pelanggan ini mengungkap beberapa wawasan krusial:

*   **Pelanggan Berharga dengan Potensi Peningkatan Loyalitas (Klaster 1)**: Klaster 1 adalah aset utama dengan nilai transaksi tinggi, pembelian yang sering, dan durasi pemenuhan tercepat. Mereka juga memiliki adopsi Apotek Online tertinggi. Namun, rasio kuantitas produk Pharos mereka tidak setinggi Klaster 2 atau 3, menunjukkan adanya ruang untuk meningkatkan penjualan produk Pharos kepada mereka.
*   **Loyalis Pharos yang Membutuhkan Peningkatan Layanan (Klaster 2)**: Klaster 2 sangat loyal terhadap produk Pharos, namun mengalami durasi pemenuhan terlama. Ini adalah titik kritis. Meskipun mereka membeli produk Pharos dalam jumlah besar, pengalaman pengiriman yang lambat dapat mengancam loyalitas mereka. Peningkatan efisiensi logistik untuk segmen ini adalah keharusan.
*   **Outlier Strategis yang Belum Terjangkau Optimal (Klaster 3)**: Outlet tunggal di Klaster 3 adalah "ikan paus" (whale customer) yang sangat penting. Mereka membeli volume produk Pharos yang masif dengan nilai transaksi miliaran rupiah. Durasi pemenuhan mereka cepat, tetapi mereka sama sekali tidak menggunakan Apotek Online. Ini menunjukkan bahwa pendekatan standar terhadap program digital mungkin tidak sesuai dengan kebutuhan mereka yang unik, dan memerlukan pendekatan yang sangat personal.
*   **Pelanggan Potensial untuk Konversi (Klaster 0)**: Klaster 0 merupakan kelompok terbesar dengan preferensi kuat terhadap produk Non-Pharos. Ini adalah peluang untuk mengembangkan strategi untuk memperkenalkan dan mengkonversi mereka agar lebih banyak membeli produk Pharos. Tingkat pembatalan yang lebih tinggi pada klaster ini juga memerlukan perhatian.

### 6.4 Analisis Kinerja Operasional per Klaster

#### 6.4.1 Tingkat Pembatalan per Klaster Pelanggan

**Tabel 6.2: Tingkat Pembatalan Header SP berdasarkan Klaster Pelanggan**

| Klaster | Total Pesanan | Dibatalkan | Tingkat Pembatalan (%) |
|:--------|--------------:|-----------:|-----------------------:|
| 0       | 34,338        | 540        | 1.6                    |
| 1       | 56,076        | 615        | 1.1                    |
| 2       | 40,318        | 577        | 1.4                    |
| 3       | 583           | 8          | 1.4                    |

```mermaid
xychart-beta
title "Tingkat Pembatalan Header SP berdasarkan Klaster Pelanggan"
x-axis ['0', '1', '2', '3']
y-axis "Cancellation Rate (%)" 0 --> 1.7270000000000003
bar [1.57, 1.1, 1.43, 1.37]
```

**Wawasan**:
*   Klaster 1, pelanggan paling berharga, memiliki tingkat pembatalan terendah, yang menunjukkan kepuasan tinggi.
*   Klaster 0, yang didominasi non-Pharos, memiliki tingkat pembatalan tertinggi. Ini bisa menjadi indikator bahwa mereka lebih sensitif terhadap masalah ketersediaan atau harga, atau bahwa mereka lebih sering "mencoba-coba" pesanan.

#### 6.4.2 Rata-rata Durasi Pemenuhan per Klaster Pelanggan

**Tabel 6.3: Rata-rata Durasi Pemenuhan per Klaster Pelanggan (dalam Hari)**

| Klaster | Order ke SP (Hari) | SP ke DO (Hari) | DO ke Logbook (Hari) | Logbook ke Ekspedisi (Hari) | Ekspedisi ke Diterima (Hari) | Total Durasi Pemenuhan (Hari) |
|:--------|-------------------:|----------------:|---------------------:|----------------------------:|-----------------------------:|------------------------------:|
| 0       | 0.0                | 0.4             | 0.3                  | 0.2                         | 1.2                          | 2.1                           |
| 1       | 0.0                | 0.3             | 0.2                  | 0.1                         | 1.2                          | 1.8                           |
| 2       | 0.0                | 0.4             | 0.2                  | 0.2                         | 1.4                          | 2.3                           |
| 3       | 0.0                | 0.5             | 0.3                  | 0.1                         | 0.6                          | 1.5                           |

```mermaid
xychart-beta
title "Rata-rata Total Durasi Pemenuhan berdasarkan Klaster Pelanggan"
x-axis ['0', '1', '2', '3']
y-axis "Average Days" 0 --> 2.53
bar [2.08, 1.84, 2.3, 1.54]
```

**Wawasan**:
*   Klaster 1 memiliki durasi pemenuhan tercepat (1,8 hari), menegaskan bahwa segmen berharga ini menerima layanan logistik premium.
*   Klaster 2, loyalis Pharos, justru mengalami durasi pemenuhan terlama (2,3 hari), terutama pada tahap `Ekspedisi_to_Diterima_Days`. Ini adalah area kritis untuk perbaikan untuk menjaga kepuasan pelanggan loyal.
*   Klaster 3 (outlier) juga sangat efisien dalam pemenuhan (1,5 hari), menunjukkan bahwa volume besar mereka dapat dilayani dengan baik.

#### 6.4.3 Tingkat Adopsi Apotek Online (AO YN) per Klaster

**Tabel 6.4: Tingkat Adopsi Apotek Online (AO YN) berdasarkan Klaster Pelanggan**

| Klaster | Tingkat Adopsi AO (%) |
|:--------|----------------------:|
| 0       | 27.6                  |
| 1       | 50.4                  |
| 2       | 27.2                  |
| 3       | 0.0                   |

```mermaid
xychart-beta
title "Tingkat Adopsi Apotek Online (AO YN) berdasarkan Klaster Pelanggan"
x-axis ['0', '1', '2', '3']
y-axis "Adoption Rate (%)" 0 --> 55.473000000000006
bar [27.6, 50.43, 27.21, 0.0]
```

**Wawasan**:
*   Klaster 1 menunjukkan tingkat adopsi AO tertinggi, mengindikasikan bahwa pelanggan berharga ini lebih cenderung memanfaatkan platform digital. Ini bisa menjadi saluran yang efektif untuk memperdalam hubungan.
*   Klaster 0 dan 2 memiliki tingkat adopsi yang serupa dan rendah, menunjukkan adanya peluang besar untuk meningkatkan penetrasi Apotek Online di segmen-segmen ini.
*   Klaster 3 (outlier) dengan 0,0% adopsi AO adalah target utama untuk kampanye adopsi yang sangat terpersonalisasi, mengingat nilai transaksinya yang besar.

### 6.5 Rekomendasi Strategis Berdasarkan Segmentasi Pelanggan

Berdasarkan profil klaster yang telah diidentifikasi, berikut adalah rekomendasi strategis yang ditargetkan:

1.  **Untuk Klaster 1: "Outlet Nilai Tinggi, Pembeli Beragam & Sering"**
    *   **Prioritas**: Mempertahankan loyalitas dan mendorong pertumbuhan produk Pharos.
    *   **Strategi**:
        *   **Program Loyalitas Eksklusif**: Berikan insentif khusus, diskon volume, atau layanan prioritas untuk menjaga kepuasan mereka.
        *   **Up-selling & Cross-selling Produk Pharos**: Kenalkan produk-produk Pharos baru atau relevan yang melengkapi pembelian produk Non-Pharos mereka. Analisis mendalam tentang produk Non-Pharos yang sering mereka beli dapat membantu mengidentifikasi peluang pengganti atau pelengkap produk Pharos.
        *   **Pemanfaatan Apotek Online**: Karena tingkat adopsi AO tertinggi, gunakan platform ini untuk komunikasi promosi yang ditargetkan, penawaran eksklusif, dan personalisasi pengalaman.

2.  **Untuk Klaster 2: "Outlet Nilai Menengah, Preferensi Kuat Pharos"**
    *   **Prioritas**: Meningkatkan kepuasan melalui perbaikan layanan logistik.
    *   **Strategi**:
        *   **Peningkatan Efisiensi Pengiriman**: Lakukan audit dan optimasi rantai pasok yang ditargetkan untuk wilayah atau rute yang melayani klaster ini. Perpendek durasi `Ekspedisi_to_Diterima_Days` untuk Klaster 2.
        *   **Komunikasi Proaktif**: Berikan informasi status pesanan yang jelas dan real-time untuk mengurangi kekhawatiran terkait durasi pengiriman.
        *   **Incentif Adopsi Apotek Online**: Tawarkan insentif khusus untuk migrasi ke Apotek Online, dengan menekankan fitur-fitur yang dapat mempercepat proses pemesanan dan pelacakan.
        *   **Survei Kepuasan**: Lakukan survei kepuasan pelanggan secara berkala untuk memahami pain points mereka terkait logistik.

3.  **Untuk Klaster 3: "Outlier Bernilai Sangat Tinggi, Loyalitas Penuh Pharos"**
    *   **Prioritas**: Mengintegrasikan ke dalam ekosistem digital perusahaan melalui Apotek Online dengan pendekatan personal.
    *   **Strategi**:
        *   **Pendekatan Personal & Konsultatif**: Alokasikan tim khusus untuk memahami secara mendalam kebutuhan dan kekhawatiran outlet ini terkait Apotek Online. Jelaskan manfaat AO yang disesuaikan dengan volume transaksi mereka yang sangat tinggi (misalnya, kemudahan re-order, manajemen inventori, analisis pembelian).
        *   **Pilot Program atau Kustomisasi**: Pertimbangkan untuk mengembangkan fitur khusus atau melakukan pilot program dengan outlet ini jika ada kebutuhan unik yang tidak dapat diakomodasi oleh platform standar.
        *   **Kunjungan Lapangan**: Lakukan kunjungan rutin untuk membangun hubungan yang kuat dan memastikan kepuasan mereka terjaga, terutama mengingat volume pembelian mereka.
        *   **Reward untuk Adopsi**: Tawarkan insentif yang sangat menarik dan disesuaikan dengan skala bisnis mereka jika mereka bersedia mengadopsi Apotek Online.

4.  **Untuk Klaster 0: "Outlet Nilai Menengah, Preferensi Non-Pharos"**
    *   **Prioritas**: Mengkonversi menjadi pembeli produk Pharos yang lebih sering dan mengurangi tingkat pembatalan.
    *   **Strategi**:
        *   **Kampanye Pemasaran Produk Pharos Bertarget**: Fokus pada promosi produk Pharos yang relevan dengan jenis produk Non-Pharos yang sering mereka beli, menyoroti keunggulan kompetitif (harga, kualitas, ketersediaan).
        *   **Penawaran Bundel Inovatif**: Manfaatkan temuan korelasi produk untuk menciptakan penawaran bundel yang menarik yang mencakup produk Pharos.
        *   **Analisis Akar Masalah Pembatalan**: Selidiki penyebab tingginya tingkat pembatalan di klaster ini. Apakah ada masalah stok, harga, atau isu lain yang membuat mereka membatalkan pesanan?
        *   **Peningkatan Adopsi Apotek Online**: Tawarkan pelatihan dan dukungan untuk membantu mereka beralih ke Apotek Online, yang dapat meningkatkan efisiensi pemesanan dan mengurangi kesalahan.

Dengan menerapkan rekomendasi-rekomendasi ini, perusahaan dapat mengoptimalkan interaksi dengan setiap segmen pelanggan, meningkatkan efisiensi operasional, dan pada akhirnya mendorong pertumbuhan penjualan secara keseluruhan.

## 7. Rekomendasi

Berdasarkan analisis data pemenuhan pesanan yang telah dilakukan, berikut adalah rekomendasi strategis yang ditujukan untuk meningkatkan kinerja, penjualan, dan efisiensi operasional, serta memanfaatkan korelasi produk untuk keuntungan bisnis.

### 1. Peningkatan Kualitas Data dan Efisiensi Pencatatan

Kualitas data yang akurat adalah fondasi untuk setiap analisis dan keputusan bisnis.
*   **Investigasi Data Hilang (Keterangan & Nama Penerima)**: Kolom `Keterangan` dan `Nama Penerima` hampir 100% kosong. Perusahaan perlu menyelidiki apakah informasi ini seharusnya dicatat dan mengapa sering tidak ada. Jika relevan, proses pencatatan harus diperbaiki. Jika tidak, pertimbangkan untuk tidak lagi mewajibkan pengisian data tersebut.
*   **Koreksi Anomali `Tgl Diterima`**: Anomali `Tgl Diterima` dengan nilai `1970-01-02` harus segera diatasi di sistem sumber. Tanggal ini dapat mendistorsi perhitungan durasi pengiriman. Terapkan validasi data yang lebih ketat untuk kolom tanggal.
*   **Klarifikasi `Lastupdate`**: Pahami tujuan kolom `Lastupdate`. Jika dimaksudkan sebagai pembaruan per baris, perbaiki mekanisme pencatatannya. Jika memang *batch update*, pastikan dokumentasinya jelas agar tidak terjadi salah interpretasi.

### 2. Optimalisasi Operasional Logistik dan Rantai Pasok

Efisiensi rantai pasok adalah kunci untuk kepuasan pelanggan dan pengurangan biaya.
*   **Fokus pada Tahap `Ekspedisi_to_Diterima_Days`**: Tahap pengiriman dari ekspedisi hingga diterima pelanggan merupakan *bottleneck* utama dengan rata-rata 1,34 hari. Lakukan audit menyeluruh terhadap proses dan kinerja mitra ekspedisi pada tahap ini.
    *   **Rekomendasi**: Negosiasikan kembali *Service Level Agreement* (SLA) dengan ekspedisi eksternal untuk target waktu pengiriman yang lebih agresif. Pertimbangkan program insentif untuk ekspedisi yang mencapai target, atau sebaliknya, penalti untuk keterlambatan yang berulang.
*   **Peningkatan Kinerja Gudang dan Ekspedisi Tertentu**: Terdapat perbedaan signifikan dalam durasi pemenuhan antar gudang dan ekspedisi.
    *   **Rekomendasi**:
        *   **Audit dan Perbaikan Gudang Bermasalah**: Lakukan audit operasional mendalam di gudang-gudang dengan durasi pemenuhan terlama seperti PHARMANET TANGERANG (rata-rata 5,67 hari), PHARMANET SAMARINDA (3,45 hari), dan PHARMANET MEDAN (2,99 hari). Identifikasi akar masalah, baik itu terkait kapasitas, tata letak, atau proses internal.
        *   **Replikasi Praktik Terbaik**: Pelajari proses dan teknologi yang digunakan di gudang-gudang yang sangat efisien (misalnya PHARMANET JAKTIM, JAKBAR, JAKSEL dengan durasi di bawah 1 hari) dan replikasikan model keberhasilan ini di gudang lain.
        *   **Evaluasi Mitra Ekspedisi**: Tinjau ulang kerja sama dengan ekspedisi yang lambat seperti Media Transportasi Logistic (rata-rata 2,91 hari), INDAH LOGISTIK (2,87 hari), dan LION PARCEL (2,73 hari). Pertimbangkan untuk mengalihkan volume ke mitra yang lebih cepat atau meningkatkan penggunaan ekspedisi internal yang terbukti sangat efisien (misalnya EXPD INTERNAL SEMARANG 0,16 hari, EXPD INTERNAL JAKSEL 0,3 hari).

Berikut adalah ringkasan rata-rata durasi pemenuhan total berdasarkan gudang dan ekspedisi:

**Top 5 Gudang berdasarkan Rata-rata Total Durasi Pemenuhan (Terlama)**

| Asal Gudang         |   Order_to_SP_Days |   SP_to_DO_Days |   DO_to_Logbook_Days |   Logbook_to_Ekspedisi_Days |   Ekspedisi_to_Diterima_Days |   Total_Fulfillment_Days |
|:--------------------|-------------------:|----------------:|---------------------:|----------------------------:|-----------------------------:|-------------------------:|
| PHARMANET TANGERANG |               0.02 |            0.59 |                 0.18 |                        0.11 |                         4.84 |                     5.67 |
| PHARMANET SAMARINDA |               0.02 |            1.09 |                 0.19 |                        0.28 |                         1.87 |                     3.45 |
| PHARMANET MEDAN     |               0.02 |            0.89 |                 0.36 |                        0.54 |                         1.23 |                     2.99 |
| PHARMANET PEKANBARU |               0.02 |            0.43 |                 0.14 |                        0.36 |                         1.82 |                     2.74 |
| PHAROS PONTIANAK    |               0.02 |            0.42 |                 0.22 |                        0.20 |                         1.81 |                     2.67 |

```mermaid
xychart-beta
title "Top 5 Warehouses by Average Total_Fulfillment_Days (Longest)"
x-axis ['PHARMANET TANGERANG', 'PHARMANET SAMARINDA', 'PHARMANET MEDAN', 'PHARMANET PEKANBARU', 'PHARMANET PONTIANAK']
y-axis "Average Days" 0 --> 6
bar [5.67, 3.45, 2.99, 2.74, 2.67]
```

**Top 5 Ekspedisi berdasarkan Rata-rata Total Durasi Pemenuhan (Terlama)**

| Nama Ekspedisi              |   Order_to_SP_Days |   SP_to_DO_Days |   DO_to_Logbook_Days |   Logbook_to_Ekspedisi_Days |   Ekspedisi_to_Diterima_Days |   Total_Fulfillment_Days |
|:----------------------------|-------------------:|----------------:|---------------------:|----------------------------:|-----------------------------:|-------------------------:|
| Media Transportasi Logistic |               0.03 |            0.23 |                 0.32 |                        0.21 |                         2.13 |                     2.91 |
| INDAH LOGISTIK              |               0.02 |            0.43 |                 0.15 |                        0.23 |                         2.03 |                     2.87 |
| LION PARCEL                 |               0.02 |            0.47 |                 0.44 |                        0.28 |                         1.52 |                     2.73 |
| ANDALAN 21 EXPRESS          |               0.02 |            0.72 |                 0.36 |                        0.42 |                         1.15 |                     2.68 |
| GLOBALINDO 21 EXPRESS       |               0.02 |            0.40 |                 0.20 |                        0.16 |                         1.78 |                     2.56 |

```mermaid
xychart-beta
title "Top 5 Expeditions by Average Total_Fulfillment_Days (Longest)"
x-axis ['Media Transportasi Logistic', 'INDAH LOGISTIK', 'LION PARCEL', 'ANDALAN 21 EXPRESS', 'GLOBALINDO 21 EXPRESS']
y-axis "Average Days" 0 --> 3
bar [2.91, 2.87, 2.73, 2.68, 2.56]
```

### 3. Strategi Pemasaran dan Penjualan Berbasis Produk

Memanfaatkan dominasi produk Pharos dan pola pembelian yang teridentifikasi untuk meningkatkan penjualan.
*   **Manfaatkan Dominasi Produk Pharos**: Produk Pharos memiliki nilai dan kuantitas penjualan yang sangat tinggi. Lanjutkan investasi dalam R&D, pemasaran, dan distribusi produk-produk ini.
*   **Strategi Bundling & Cross-selling Berbasis Korelasi Produk**: Analisis keranjang belanja menunjukkan pola pembelian yang kuat antara produk-produk tertentu.
    *   **Rekomendasi**: Kembangkan paket promosi atau penawaran bundel untuk produk yang sering dibeli bersamaan, seperti kombinasi POLYSILANE (obat maag), PRORIS (pereda nyeri), dan MICROLAX (obat pencahar). Ini dapat meningkatkan nilai transaksi rata-rata dan mendorong pembelian impulsif. Latih tim penjualan untuk merekomendasikan produk pelengkap ini.

Berikut adalah Top 10 pasangan produk yang paling sering dibeli bersamaan:

**Top 10 Pasangan Produk yang Paling Sering Dibeli Bersamaan**

| Rank | Product 1 (Code) | Product 1 (Description)      | Product 2 (Code) | Product 2 (Description)      | Frequency |
|:-----|:-----------------|:-----------------------------|:-----------------|:-----------------------------|:----------|
| 1    | 200850           | POLYSILANE TAB. KUNYAH 50'S  | 201478           | PRORIS SUSP 60 ML RASA JERUK | 1,588     |
| 2    | 200850           | POLYSILANE TAB. KUNYAH 50'S  | 201784           | POLYSILANE SUSPENSI 100 ML   | 1,510     |
| 3    | 110492           | PRORIS FORTE 200MG SUSP 50ML | 201478           | PRORIS SUSP 60 ML RASA JERUK | 1,385     |
| 4    | 201478           | PRORIS SUSP 60 ML RASA JERUK | 201784           | POLYSILANE SUSPENSI 100 ML   | 1,164     |
| 5    | 200850           | POLYSILANE TAB. KUNYAH 50'S  | 201630           | MICROLAX GEL OBAT PENCAHAR 5ML | 1,136     |
| 6    | 201478           | PRORIS SUSP 60 ML RASA JERUK | 201630           | MICROLAX GEL OBAT PENCAHAR 5ML | 1,117     |
| 7    | 110492           | PRORIS FORTE 200MG SUSP 50ML | 200850           | POLYSILANE TAB. KUNYAH 50'S  | 1,006     |
| 8    | 202935           | SANMOL PARACETAMOL SIROP 60ML | 202936           | SANMOL PARACETAMOL DROPS 15ML | 889       |
| 9    | 201630           | MICROLAX GEL OBAT PENCAHAR 5ML | 201784           | POLYSILANE SUSPENSI 100 ML   | 871       |
| 10   | 200850           | POLYSILANE TAB. KUNYAH 50'S  | 202144           | MICROLAX 3 X 5 ML            | 803       |

```mermaid
xychart-beta
title "Top 10 Pasangan Produk yang Paling Sering Dibeli Bersamaan"
x-axis ['(POLYSILANE, PRORIS)', '(POLYSILANE, POLYSILANE)', '(PRORIS, PRORIS)', '(PRORIS, POLYSILANE)', '(POLYSILANE, MICROLAX)', '(PRORIS, MICROLAX)', '(PRORIS, POLYSILANE) (2)', '(SANMOL, SANMOL)', '(MICROLAX, POLYSILANE)', '(POLYSILANE, MICROLAX) (2)']
y-axis "Frequency" 0 --> 1747
bar [1588, 1510, 1385, 1164, 1136, 1117, 1006, 889, 871, 803]
```

### 4. Strategi Engagement Pelanggan Berbasis Segmentasi (CRM)

Segmentasi pelanggan K-Means memberikan wawasan mendalam untuk strategi yang ditargetkan:

*   **Untuk Klaster 0: "Outlet Nilai Menengah, Preferensi Non-Pharos"**
    *   **Prioritas**: Mengkonversi menjadi pembeli produk Pharos yang lebih sering dan mengurangi tingkat pembatalan.
    *   **Strategi**:
        *   **Kampanye Pemasaran Terarah**: Luncurkan kampanye promosi khusus produk Pharos yang relevan dengan produk non-Pharos yang sering mereka beli. Tawarkan diskon atau insentif untuk pembelian pertama produk Pharos.
        *   **Analisis Akar Masalah Pembatalan**: Klaster ini memiliki tingkat pembatalan tertinggi (1,6%). Selidiki alasan di balik pembatalan ini untuk menemukan solusi yang tepat.
        *   **Peningkatan Adopsi Apotek Online**: Tawarkan edukasi dan dukungan yang dipersonalisasi untuk mendorong adopsi Apotek Online, menyoroti kemudahan dan keuntungan dalam pengelolaan pesanan.

*   **Untuk Klaster 1: "Outlet Nilai Tinggi, Pembeli Beragam & Sering"**
    *   **Prioritas**: Mempertahankan loyalitas, meningkatkan pembelian produk Pharos, dan memanfaatkan adopsi Apotek Online yang tinggi.
    *   **Strategi**:
        *   **Program Loyalitas Premium**: Berikan insentif eksklusif, seperti harga khusus, akses awal ke produk baru, atau layanan pelanggan prioritas, untuk mempertahankan pelanggan paling berharga ini.
        *   **Up-selling & Cross-selling Produk Pharos**: Meskipun high-value, rasio kuantitas produk Pharos mereka hanya 32,0%. Lakukan analisis lebih lanjut tentang produk non-Pharos yang paling sering mereka beli dan identifikasi produk Pharos yang dapat menjadi alternatif atau pelengkap.
        *   **Leverage Apotek Online**: Manfaatkan platform AO untuk komunikasi yang dipersonalisasi, penawaran eksklusif, dan umpan balik untuk terus meningkatkan pengalaman mereka.

*   **Untuk Klaster 2: "Outlet Nilai Menengah, Preferensi Kuat Pharos"**
    *   **Prioritas**: Meningkatkan kepuasan melalui perbaikan layanan logistik dan mendorong adopsi Apotek Online.
    *   **Strategi**:
        *   **Perbaikan Logistik Terfokus**: Klaster ini memiliki durasi pemenuhan terlama (rata-rata 2,3 hari), terutama pada tahap `Ekspedisi_to_Diterima_Days` (1,42 hari). Prioritaskan perbaikan efisiensi pengiriman di area yang melayani klaster ini untuk menjaga dan meningkatkan loyalitas produk Pharos mereka.
        *   **Komunikasi Proaktif**: Tingkatkan komunikasi mengenai status pesanan dan estimasi waktu pengiriman untuk mengelola ekspektasi pelanggan.
        *   **Insentif Adopsi Apotek Online**: Tawarkan insentif menarik untuk migrasi ke Apotek Online, menyoroti fitur pelacakan dan kemudahan pemesanan yang dapat mengatasi masalah durasi pengiriman mereka.

*   **Untuk Klaster 3: "Outlier Bernilai Sangat Tinggi, Loyalitas Penuh Pharos"**
    *   **Prioritas**: Mengintegrasikan outlet strategis ini ke dalam ekosistem digital melalui Apotek Online dengan pendekatan personal, sambil mempertahankan layanan premium yang sudah efisien.
    *   **Strategi**:
        *   **Pendekatan Konsultatif Personal**: Alokasikan manajer akun khusus untuk outlet ini. Pahami mengapa mereka belum mengadopsi Apotek Online dan identifikasi fitur atau penyesuaian yang mungkin diperlukan untuk memenuhi volume transaksi mereka yang sangat tinggi.
        *   **Pilot Program atau Fitur Kustom**: Pertimbangkan untuk mengembangkan solusi atau fitur kustom di Apotek Online (jika memungkinkan) atau menawarkan program percontohan yang dirancang khusus untuk kebutuhan mereka.
        *   **Reward Adopsi Eksklusif**: Tawarkan insentif yang sangat menarik, seperti diskon volume tambahan atau dukungan teknis premium, sebagai imbalan atas adopsi Apotek Online.
        *   **Pertahankan Layanan Logistik Terbaik**: Meskipun sudah efisien (rata-rata 1,54 hari), pastikan kualitas layanan logistik untuk klaster ini tetap terjaga untuk transaksi bernilai miliaran rupiah mereka.

Berikut adalah ringkasan tingkat pembatalan dan rata-rata durasi pemenuhan berdasarkan klaster:

**Tingkat Pembatalan Header SP berdasarkan Klaster Pelanggan**

| Cluster   | Total   | Cancelled   | Cancellation_Rate   |
|:----------|:--------|:------------|:--------------------|
| 0         | 34,338  | 540         | 1.6                 |
| 1         | 56,076  | 615         | 1.1                 |
| 2         | 40,318  | 577         | 1.4                 |
| 3         | 583     | 8           | 1.4                 |

```mermaid
xychart-beta
title "Sts SP Header Cancellation Rate by Customer Cluster"
x-axis ['0', '1', '2', '3']
y-axis "Cancellation Rate (%)" 0 --> 1.7270000000000003
bar [1.57, 1.1, 1.43, 1.37]
```

**Rata-rata Total Durasi Pemenuhan berdasarkan Klaster Pelanggan (dalam Hari)**

| Cluster   | Total_Fulfillment_Days   |
|:----------|:-------------------------|
| 0         | 2.1                      |
| 1         | 1.8                      |
| 2         | 2.3                      |
| 3         | 1.5                      |

```mermaid
xychart-beta
title "Rata-rata Total Durasi Pemenuhan berdasarkan Klaster Pelanggan"
x-axis ['0', '1', '2', '3']
y-axis "Average Days" 0 --> 2.53
bar [2.08, 1.84, 2.3, 1.54]
```

Tingkat adopsi Apotek Online per klaster:

**Tingkat Adopsi Apotek Online (AO YN) berdasarkan Klaster Pelanggan**

| Cluster   | AO_Adoption_Rate (%) |
|:----------|:---------------------|
| 0         | 27.6                 |
| 1         | 50.4                 |
| 2         | 27.2                 |
| 3         | 0.0                  |

```mermaid
xychart-beta
title "Tingkat Adopsi Apotek Online (AO YN) berdasarkan Klaster Pelanggan"
x-axis ['0', '1', '2', '3']
y-axis "Adoption Rate (%)" 0 --> 55.473000000000006
bar [27.6, 50.43, 27.21, 0.0]
```

### 5. Investigasi Anomali Kritis: Tingkat Pembatalan Divisi VIBRANT 3

**VIBRANT 3** menunjukkan tingkat pembatalan yang sangat tinggi yaitu 19,6%, jauh melampaui divisi lain. Ini adalah anomali paling kritis yang memerlukan perhatian segera.
*   **Rekomendasi**: Lakukan penyelidikan akar masalah (root cause analysis) secara mendalam di Divisi VIBRANT 3. Fokus pada aspek-aspek berikut:
    *   **Manajemen Stok**: Apakah ada masalah ketersediaan stok produk yang menyebabkan pembatalan?
    *   **Proses Pemesanan**: Apakah ada kendala atau kesalahan dalam proses pemesanan dari pelanggan atau internal divisi?
    *   **Komunikasi Pelanggan**: Apakah ada kesalahpahaman atau kurangnya komunikasi yang efektif dengan pelanggan terkait ketersediaan atau kondisi pesanan?
    *   **Harga/Promosi**: Apakah ada perbedaan harga atau promosi yang memicu pembatalan?
    *   **Pelatihan Staf**: Apakah staf di divisi tersebut memerlukan pelatihan tambahan terkait manajemen pesanan atau pelayanan pelanggan?
    *   Setelah penyebab teridentifikasi, segera implementasikan rencana tindakan korektif dan pantau tingkat pembatalan secara ketat.

Berikut adalah tingkat pembatalan berdasarkan divisi:

**Tingkat Pembatalan untuk 'Status RO' berdasarkan Divisi**

| Divisi      |    C |   Total |   Cancellation_Rate |
|:------------|-----:|--------:|--------------------:|\
| VIBRANT 3   |   11 |      56 |                19.6 |\
| HOSPINET    |  310 |   17827 |                 1.7 |\
| VIBRANT PBF |   38 |    2559 |                 1.5 |\
| PHARMANET   | 1381 |  110866 |                 1.2 |

```mermaid
xychart-beta
title "Top 5 Divisions by Status RO Cancellation Rate"
x-axis ['VIBRANT 3', 'HOSPINET', 'VIBRANT PBF', 'PHARMANET']
y-axis "Cancellation Rate (%)" 0 --> 21.604000000000003
bar [19.64, 1.74, 1.48, 1.25]
```

### Penutup

Dengan menerapkan rekomendasi-rekomendasi ini, perusahaan dapat secara proaktif mengatasi berbagai tantangan mulai dari kualitas data hingga efisiensi operasional dan strategi pemasaran. Pendekatan yang terfokus dan berbasis data ini akan memungkinkan perusahaan untuk meningkatkan kinerja penjualan, memperkuat loyalitas pelanggan, dan mengoptimalkan keuntungan secara keseluruhan.

## 8. Kesimpulan

Analisis data pemenuhan pesanan pelanggan ini telah membuka tirai di balik operasional, penjualan, dan perilaku pelanggan, memberikan wawasan yang krusial untuk mendorong peningkatan kinerja dan penjualan. Dengan tujuan bisnis untuk mengoptimalkan kinerja, penjualan, dan memahami korelasi produk, kami telah menjelajahi data transaksi dari Juni hingga Juli 2026.

### Ikhtisar Temuan Utama

**Kualitas dan Integritas Data:**
Data transaksi yang melibatkan 131.315 baris menunjukkan integritas yang baik dengan tidak adanya duplikasi. Namun, terdapat anomali signifikan pada kolom `Tgl Diterima` yang menampilkan tanggal "epoch" `1970-01-02` untuk beberapa entri, mengindikasikan masalah pencatatan historis. Kolom `Keterangan` dan `Nama Penerima` juga hampir seluruhnya kosong, menunjukkan kurangnya pencatatan atau relevansi data ini. Meskipun demikian, sebagian besar data telah dibersihkan dan disiapkan untuk analisis mendalam.

**Kinerja Penjualan Dominan Produk Pharos dan Divisi PHARMANET:**
Produk-produk dari Pharos Group (Pharos YN = 'Y') secara tegas mendominasi pasar, menyumbang sekitar Rp 33,086 miliar dari total nilai penjualan dan lebih dari 1,038 juta unit kuantitas. Divisi PHARMANET menjadi kontributor terbesar dengan penjualan Rp 36,921 miliar. Hal ini menegaskan posisi sentral produk Pharos dan Divisi PHARMANET dalam struktur pendapatan perusahaan.

**Anomali Tingkat Pembatalan Divisi VIBRANT 3:**
Secara keseluruhan, tingkat pembatalan pesanan berada pada level yang sehat, sekitar 1,3% di semua tahap proses pemenuhan. Namun, **Divisi VIBRANT 3 menampilkan anomali serius dengan tingkat pembatalan mencapai 19,6%**, yang jauh melampaui divisi lain dan memerlukan investigasi segera. Produk Pharos sendiri memiliki tingkat pembatalan sedikit lebih tinggi (1,6%) dibandingkan Non-Pharos (1,1%).

**Efisiensi Rantai Pasok dan Bottleneck Logistik:**
Rata-rata total durasi pemenuhan pesanan adalah 2,13 hari. Tahap `Ekspedisi_to_Diterima_Days` (waktu pengiriman dari ekspedisi hingga diterima pelanggan) merupakan **bottleneck utama** dengan rata-rata 1,34 hari. Terdapat perbedaan kinerja yang signifikan:
*   **Gudang Terlama:** PHARMANET TANGERANG (5,67 hari), SAMARINDA (3,45 hari), dan MEDAN (2,99 hari).
*   **Ekspedisi Terlama:** Media Transportasi Logistic (2,91 hari) dan INDAH LOGISTIK (2,87 hari).
*   **Gudang Tercepat:** Gudang-gudang di Jakarta (JAKTIM, JAKBAR, JAKSEL) menunjukkan efisiensi luar biasa dengan durasi di bawah 1 hari, didukung oleh ekspedisi internal yang sangat cepat.

**Korelasi Produk untuk Strategi Penjualan:**
Analisis keranjang belanja menunjukkan pola pembelian yang kuat antara POLYSILANE (obat maag), PRORIS (pereda nyeri), dan MICROLAX (obat pencahar). Kombinasi produk-produk ini sering dibeli bersamaan, mengindikasikan peluang besar untuk strategi bundling dan cross-selling.

**Segmentasi Pelanggan Mengungkap Profil Unik:**
K-Means clustering mengidentifikasi empat klaster pelanggan dengan karakteristik yang berbeda:
*   **Klaster 0 (645 outlet)**: Outlet nilai menengah, cenderung membeli produk Non-Pharos, tingkat pembatalan tertinggi (1,6%), dan adopsi Apotek Online (AO) rendah (27,6%).
*   **Klaster 1 (217 outlet)**: Outlet nilai tinggi, pembeli beragam dan sering, tingkat pembatalan terendah (1,1%), durasi pemenuhan tercepat (1,8 hari), dan adopsi AO tertinggi (50,4%). Meskipun berharga, rasio kuantitas produk Pharos mereka hanya 32,0%.
*   **Klaster 2 (516 outlet)**: Outlet nilai menengah, sangat loyal terhadap produk Pharos (83,0% kuantitas), namun mengalami durasi pemenuhan terlama (2,3 hari) dan adopsi AO rendah (27,2%).
*   **Klaster 3 (1 outlet)**: Outlier dengan nilai transaksi sangat tinggi (rata-rata Rp 1,595 miliar), loyalitas 100% terhadap produk Pharos, durasi pemenuhan sangat cepat (1,5 hari), namun **belum mengadopsi Apotek Online sama sekali (0,0%)**. Outlet ini adalah "whale customer" yang berinvestasi besar pada produk inti Pharos seperti MICROLAX, PRORIS, dan POLYSILANE.

### Rekomendasi Terpadu

Berdasarkan temuan-temuan di atas, berikut adalah rekomendasi strategis yang dapat diimplementasikan untuk mencapai tujuan bisnis:

1.  **Atasi Anomali Kritis Tingkat Pembatalan Divisi VIBRANT 3:**
    *   **Tindakan Mendesak:** Lakukan audit menyeluruh (root cause analysis) untuk mengidentifikasi penyebab di balik tingkat pembatalan 19,6% yang sangat tinggi di Divisi VIBRANT 3. Fokus pada manajemen stok, proses pemesanan, komunikasi pelanggan, dan potensi masalah harga/promosi.
    *   **Target:** Turunkan tingkat pembatalan VIBRANT 3 ke level yang sebanding dengan divisi lain dalam waktu 3 bulan.

    **Tingkat Pembatalan untuk 'Status RO' berdasarkan Divisi**

    | Divisi      |   Dibatalkan |   Total |   Tingkat Pembatalan (%) |
    |:------------|-------------:|--------:|-------------------------:|
    | VIBRANT 3   |           11 |      56 |                     19,6 |
    | HOSPINET    |          310 |   17,827 |                      1,7 |
    | VIBRANT PBF |           38 |    2,559 |                      1,5 |
    | PHARMANET   |        1,381 |  110,866 |                      1,2 |

    ```mermaid
    xychart-beta
    title "Top 5 Divisions by Status RO Cancellation Rate"
    x-axis ['VIBRANT 3', 'HOSPINET', 'VIBRANT PBF', 'PHARMANET']
    y-axis "Cancellation Rate (%)" 0 --> 21.604000000000003
    bar [19.64, 1.74, 1.48, 1.25]
    ```

2.  **Optimalkan Efisiensi Rantai Pasok, Terutama Tahap Akhir Pengiriman:**
    *   **Fokus `Ekspedisi_to_Diterima_Days`:** Lakukan evaluasi kinerja mendalam terhadap mitra ekspedisi. Negosiasikan kembali SLA untuk mencapai target waktu pengiriman yang lebih agresif.
    *   **Perbaikan Gudang dan Ekspedisi Tertentu:**
        *   Audit dan perbaiki operasional di gudang-gudang PHARMANET TANGERANG, SAMARINDA, dan MEDAN. Identifikasi praktik terbaik dari gudang JAKTIM, JAKBAR, JAKSEL, dan replikasikan model efisiensinya.
        *   Evaluasi ulang kerja sama dengan ekspedisi eksternal yang lambat seperti Media Transportasi Logistic, INDAH LOGISTIK, dan LION PARCEL. Tingkatkan pemanfaatan ekspedisi internal yang lebih efisien.
    *   **Target:** Kurangi rata-rata `Total_Fulfillment_Days` keseluruhan sebesar 10% dalam 6 bulan.

    **Top 5 Gudang berdasarkan Rata-rata Total Durasi Pemenuhan (Terlama)**

    | Asal Gudang         |   Total Durasi Pemenuhan (Hari) |
    |:--------------------|--------------------------------:|
    | PHARMANET TANGERANG |                             5,67 |
    | PHARMANET SAMARINDA |                             3,45 |
    | PHARMANET MEDAN     |                             2,99 |
    | PHARMANET PEKANBARU |                             2,74 |
    | PHARMANET PONTIANAK |                             2,67 |

    ```mermaid
    xychart-beta
    title "Top 5 Warehouses by Average Total_Fulfillment_Days (Longest)"
    x-axis ['PHARMANET TANGERANG', 'PHARMANET SAMARINDA', 'PHARMANET MEDAN', 'PHARMANET PEKANBARU', 'PHARMANET PONTIANAK']
    y-axis "Average Days" 0 --> 6
    bar [5.67, 3.45, 2.99, 2.74, 2.67]
    ```

    **Top 5 Ekspedisi berdasarkan Rata-rata Total Durasi Pemenuhan (Terlama)**

    | Nama Ekspedisi              |   Total Durasi Pemenuhan (Hari) |
    |:----------------------------|--------------------------------:|
    | Media Transportasi Logistic |                             2,91 |
    | INDAH LOGISTIK              |                             2,87 |
    | LION PARCEL                 |                             2,73 |
    | ANDALAN 21 EXPRESS          |                             2,68 |
    | GLOBALINDO 21 EXPRESS       |                             2,56 |

    ```mermaid
    xychart-beta
    title "Top 5 Expeditions by Average Total_Fulfillment_Days (Longest)"
    x-axis ['Media Transportasi Logistic', 'INDAH LOGISTIK', 'LION PARCEL', 'ANDALAN 21 EXPRESS', 'GLOBALINDO 21 EXPRESS']
    y-axis "Average Days" 0 --> 3
    bar [2.91, 2.87, 2.73, 2.68, 2.56]
    ```

3.  **Manfaatkan Korelasi Produk untuk Peningkatan Penjualan:**
    *   **Strategi Bundling & Cross-selling:** Kembangkan paket promosi atau penawaran bundel untuk produk yang sering dibeli bersamaan (misalnya, POLYSILANE + PRORIS + MICROLAX). Latih tim penjualan untuk merekomendasikan produk pelengkap ini.
    *   **Target:** Tingkatkan nilai rata-rata pesanan sebesar 5% melalui strategi bundling dalam 6 bulan.

    **Top 10 Pasangan Produk yang Paling Sering Dibeli Bersamaan**

    | Rank | Product 1 (Code) | Product 1 (Description)      | Product 2 (Code) | Product 2 (Description)      | Frequency |
    |:-----|:-----------------|:-----------------------------|:-----------------|:-----------------------------|:----------|
    | 1    | 200850           | POLYSILANE TAB. KUNYAH 50'S  | 201478           | PRORIS SUSP 60 ML RASA JERUK | 1,588     |
    | 2    | 200850           | POLYSILANE TAB. KUNYAH 50'S  | 201784           | POLYSILANE SUSPENSI 100 ML   | 1,510     |
    | 3    | 110492           | PRORIS FORTE 200MG SUSP 50ML | 201478           | PRORIS SUSP 60 ML RASA JERUK | 1,385     |
    | 4    | 201478           | PRORIS SUSP 60 ML RASA JERUK | 201784           | POLYSILANE SUSPENSI 100 ML   | 1,164     |
    | 5    | 200850           | POLYSILANE TAB. KUNYAH 50'S  | 201630           | MICROLAX GEL OBAT PENCAHAR 5ML | 1,136     |
    | 6    | 201478           | PRORIS SUSP 60 ML RASA JERUK | 201630           | MICROLAX GEL OBAT PENCAHAR 5ML | 1,117     |
    | 7    | 110492           | PRORIS FORTE 200MG SUSP 50ML | 200850           | POLYSILANE TAB. KUNYAH 50'S  | 1,006     |
    | 8    | 202935           | SANMOL PARACETAMOL SIROP 60ML | 202936           | SANMOL PARACETAMOL DROPS 15ML | 889       |
    | 9    | 201630           | MICROLAX GEL OBAT PENCAHAR 5ML | 201784           | POLYSILANE SUSPENSI 100 ML   | 871       |
    | 10   | 200850           | POLYSILANE TAB. KUNYAH 50'S  | 202144           | MICROLAX 3 X 5 ML            | 803       |

    ```mermaid
    xychart-beta
    title "Top 10 Pasangan Produk yang Paling Sering Dibeli Bersamaan"
    x-axis ['(POLYSILANE, PRORIS)', '(POLYSILANE, POLYSILANE)', '(PRORIS, PRORIS)', '(PRORIS, POLYSILANE)', '(POLYSILANE, MICROLAX)', '(PRORIS, MICROLAX)', '(PRORIS, POLYSILANE) (2)', '(SANMOL, SANMOL)', '(MICROLAX, POLYSILANE)', '(POLYSILANE, MICROLAX) (2)']
    y-axis "Frequency" 0 --> 1747
    bar [1588, 1510, 1385, 1164, 1136, 1117, 1006, 889, 871, 803]
    ```

4.  **Strategi Engagement Pelanggan Berbasis Segmentasi:**
    *   **Klaster 0 (Outlet Nilai Menengah, Preferensi Non-Pharos):**
        *   **Prioritas:** Konversi ke produk Pharos dan kurangi tingkat pembatalan.
        *   **Strategi:** Luncurkan kampanye promosi produk Pharos yang ditargetkan dan selidiki akar masalah tingkat pembatalan mereka. Dorong adopsi Apotek Online dengan edukasi dan dukungan.
    *   **Klaster 1 (Outlet Nilai Tinggi, Pembeli Beragam & Sering):**
        *   **Prioritas:** Mempertahankan loyalitas, meningkatkan pembelian produk Pharos, dan memanfaatkan adopsi AO yang tinggi.
        *   **Strategi:** Berikan program loyalitas premium. Lakukan up-selling/cross-selling produk Pharos baru dan relevan. Manfaatkan platform AO untuk personalisasi komunikasi dan penawaran.
    *   **Klaster 2 (Outlet Nilai Menengah, Preferensi Kuat Pharos):**
        *   **Prioritas:** Tingkatkan kepuasan melalui perbaikan logistik.
        *   **Strategi:** Prioritaskan perbaikan efisiensi pengiriman untuk segmen ini. Berikan komunikasi proaktif tentang status pesanan. Dorong adopsi AO dengan insentif, menyoroti fitur pelacakan.
    *   **Klaster 3 (Outlier Bernilai Sangat Tinggi, Loyalitas Penuh Pharos):**
        *   **Prioritas:** Integrasikan outlet strategis ini ke dalam ekosistem digital melalui Apotek Online dengan pendekatan personal.
        *   **Strategi:** Tugaskan manajer akun khusus. Lakukan pendekatan konsultatif untuk memahami kebutuhan AO mereka yang unik, pertimbangkan fitur kustom atau program percontohan. Tawarkan reward adopsi eksklusif yang sangat menarik, seperti diskon volume tambahan atau dukungan teknis premium.

    **Tingkat Adopsi Apotek Online (AO YN) berdasarkan Klaster Pelanggan**

    | Klaster | Tingkat Adopsi AO (%) |
    |:--------|----------------------:|
    | 0       |                  27,6 |
    | 1       |                  50,4 |
    | 2       |                  27,2 |
    | 3       |                   0,0 |

    ```mermaid
    xychart-beta
    title "Tingkat Adopsi Apotek Online (AO YN) berdasarkan Klaster Pelanggan"
    x-axis ['0', '1', '2', '3']
    y-axis "Adoption Rate (%)" 0 --> 55.473000000000006
    bar [27.6, 50.43, 27.21, 0.0]
    ```

5.  **Perbaiki Kualitas Data di Sumber:**
    *   **Tindakan:** Lakukan perbaikan sistematis pada sistem pencatatan untuk menghilangkan anomali `Tgl Diterima` (tahun 1970) dan memastikan data `Keterangan` serta `Nama Penerima` dicatat jika relevan.

Penerapan rekomendasi ini secara terkoordinasi akan memungkinkan perusahaan untuk tidak hanya menyelesaikan masalah operasional yang ada tetapi juga memanfaatkan peluang tersembunyi untuk pertumbuhan penjualan, penguatan loyalitas pelanggan, dan efisiensi operasional yang berkelanjutan.