1. Formula Linear untuk Baseline Harga
Untuk menetapkan center of gravity (titik berat) harga, kita bisa menggunakan model regresi linear sederhana di mana waktu ($t$) adalah penggerak utama tren harga.
Formula:
-
P_{t}: Prediksi level harga pada bulan ke-$t$.
-
P_{0}: Level harga saat ini (Januari 2026).
-
\beta: Laju kenaikan rata-rata bulanan (koefisien tren) berdasarkan data historis 2020–2025.
-
t: Jumlah bulan ke depan (1 sampai 12).
Prediksi 12 Bulan ke Depan:
Jika rata-rata inflasi tahunan Banten stabil di angka 3%, maka $\beta$ bulanan adalah sekitar 0,25%.
-
Bulan 1-3: Kenaikan bertahap 0,25% per bulan untuk menjaga psikologi konsumen.
-
Bulan 4-12: Akumulasi kenaikan hingga mencapai total ~3% di akhir tahun, disesuaikan dengan realisasi angka indeks bulanan dari BPS.
2. Dua Kategori yang Harus Dikecualikan dari Blunt Markup
Berdasarkan narasi kasus, dua kategori yang paling berisiko jika dipukul rata (blunt markup) adalah:
A. Kategori Makanan & Minuman Non-Alkohol (Food & Beverages)
-
Alasan: Paling sensitif terhadap volume. Konsumen di Tangerang/Tangsel cenderung melakukan basket-switching (pindah merek atau pindah toko) jika harga bahan pokok naik tiba-tiba.
-
Pertimbangan Operasional:
-
Promo Calendar: Kategori ini sering terikat kontrak promo besar dengan supplier (misal: BOGO atau diskon gajian). Kenaikan harga harus dilakukan setelah periode promo berakhir.
-
Festival Seasonality: Menjelang hari raya, permintaan naik tapi pengawasan pemerintah (Satgas Pangan) juga ketat. Kenaikan harga di momen ini berisiko merusak reputasi toko.
-
B. Kategori Transportasi (Efek ke Biaya Logistik/Pesan Antar)
-
Alasan: Pergerakannya fluktuatif mengikuti kebijakan BBM. Jika retail menaikkan harga barang sekaligus biaya kirim (delivery fee), konsumen akan merasa terbebani dua kali lipat.
-
Pertimbangan Operasional:
-
Supplier Terms: Beberapa supplier mungkin memiliki klausul penyesuaian harga jika harga solar naik. Tim purchasing perlu negosiasi agar kenaikan dari supplier tidak langsung dibebankan ke label harga rak dalam satu waktu (step-up markup).
-
3. Respon Terhadap Penyesuaian Harga BBM (Fuel Shock)
Agar tidak terjadi reaksi berlebihan (overreacting), perusahaan harus menggunakan pendekatan “Smoothing & Monitoring”:
- Gunakan Faktor Penyesuaian ($k$):
Update formula menjadi $P_{t} = P_{0} + (\beta \times t) + k$, di mana $k$ adalah fuel pass-through yang dihitung hanya pada kategori yang terdampak langsung (seperti biaya kirim atau barang segar yang butuh logistik harian).
- Jangan Mengubah Baseline Permanen:
Kenaikan BBM seringkali memicu “inflasi kaget”. Perusahaan harus menahan diri untuk tidak langsung menaikkan harga seluruh barang. Fokuskan pada efisiensi biaya operasional internal (misal: optimasi rute kirim) sebelum membebankannya ke pelanggan.
- Evaluasi 30 Hari:
Alih-alih menunggu 90 hari, lakukan review khusus pada hari ke-30 pasca kenaikan BBM. Jika indeks transportasi di Banten naik signifikan dan menetap (persisten), barulah lakukan penyesuaian harga tahap kedua.