ANALISIS PERNJUALAN DAN PERSEDIAAN UNIT MOBIL MITSUBISHI PADA PT. CIWANGI BERLIAN MOTORS DENGAN MENGGUNAKAN METODE ABC ANALYSIS
Vinaya Visakha Wiraya Bina Nusantara University, Indonesia,
[email protected] Harry Indra (Dosen Pembimbing) Bina Nusantara University, Indonesia,
[email protected]
ABSTRAK Penulisan skripsi ini bertujuan untuk mengetahui persediaan unit mobil pada PT. Ciwangi Berlian Motors agar tidak terjadinya penumpukan unit. Penelitian ini menggunakan metode peramalan dan analisi ABC dengan pengolahan data menggunakan software QM for Windows 2. Dalam melakukan metode peramalan digunakan enam metode peramalan, tetapi yang digunakan hanya yang terbaik, yaitu linear regresi dengan MAD = 41.1682; MSE= 2,897.014. Sedangkan metode analisis ABC untuk menentukan unit mobil yang harus di prioritaskan dan di kategori pertama yaitu kategori
“A” dengan menggunakan ABC Analisis adalah: Pajero glx 4X4 M/T 136 ps, New Outlander px A/T, Pajero Dakar 4X4 A/T Hi-Power 178, Small car Mirage gls A/T, New Oulander glx M/T, New Oulander gls A/T, Colt Diesel fe 74 hdv 125 ps, Colt Diesel fe 73 hd 110 ps, Small car Mirage glx M/T, Colt Diesel fe 73 110 ps. Dan dengan penjualan tipe tersebut dapat mewakili 73,93% nilai investasi pada PT. Ciwangi Berlian Motors. (VVW)
Kata Kunci: Manajemen Operasional, Peramalan Penjualan, ABC Analisis, Otomotif Industri
ABSTRACT
The purpose of this essay is to find out the stock car unit at PT. Ciwangi Berlian Motors so there will be no overstock unit. The method that is used in this research are forecasting and anlysis ABC by using a data processing software QM for Windows 2. In conducting of forecasting methods, there are six forecasting applied but use only the best, namely linear regression with MAD = 41.1682; MSE = 2,897.014. While the method of ABC analysis to determine the mobile unit should be prioritized and in the first category is a category "A" by using the ABC analysis are: Pajero glx 4X4 M / T 136 ps, New Outlander px A / T, Pajero Dakar 4X4 A / T Hi -Power 178, Small car Mirage GLS A / T, New Oulander glx M / T, New Oulander gls A / T, Colt Diesel fe 74 HDV 125 ps, Colt Diesel fe 73 hd 110 ps, Small car Mirage glx M / T, Colt Diesel fe 73 110 ps. And with the sale of these types can represent 73.93% of investment value in the PT. Ciwangi Berlian Motors. (VVW)
Keyword: Operational Management, Sales Forcasting, ABC Analysis, automotive industry
PENDAHULUAN Dewasa ini di zaman era mobilitas yang sangat sibuk saat ini, banyak orang yang memerlukan alat transportasi pribadi. Dalam hal ini, pihak perusahaan penyedia produk berupa kendaraan berlombalomba untuk memasarkan produk-produknya kepada masyarakat guna meningkatkan penjualan di perusahaannya. Namun pimpinan suatu perusahaan, terlebih perusahaan produk seperti kendaraan harus lebih pintar dalam menyiasati persediaan unitnya, karena belum tentu permintaan dari masyarakat yaitu calon konsumen tersebut jelas jumlahnya. Secara total pasar mobil hingga akhir tahun ini belum bisa diperkirakan menurun karana kondisi pasar yang masih fluktuatif.
Su mber : GAIKINDO & AISI Gambar 1 Peningkatan Penjualan Kendaraan Bermotor
Oleh karena itu, pimpinan perusahaan harus bisa mengambil keputusan tanpa harus tahu pasti bagaimana kondisi yang akan datang seperti melakukan pengambilan keputusan perencanaan persediaan unit kendaraan. Untuk melakukan peramalan terhadap permintaan konsumen mendatang melalui data penjualan yang ada pada bulan atau tahun sebelumnya. Peramalan ini bertujuan untuk memprediksikan bagaimana keadaan yang akan datang terhadap hal-hal yang akan terjadi kedepannya. Peramalan ini tentu membutuhkan waktu serta tenaga, oleh karena itu teknik peramalan ini harus dilakukan secara benar dan tepat. Sehingga perusahaan dapat meminimalisir kerugian yang dapat terjadi. Peramalan dilakukan karena adanya kompleksitas dan ketidakpastian yang dihadapi
oleh si pembuat keputusan berkenaan dengan masa depan usaha yang dijalani. Peramalan yang dilakukan umumnya didasarkan pada data masa lalu yang kemudian dianalisis dengan
menggunakan metode tertentu. Data masa lalu dikumpulkan, dipelajari, dianalisis dan dihubungkan dengan berjalannya waktu. Ramalan yang baik adalah ramalan yang mendekati kenyataan. Hasil suatu ramalan tidak selalu dapat dipastikan kebenarannya dalam hitungan 100% mutlak, tetapi hal tersebut tidak berarti bahwa peramalan yang telah dilakukan menjadi percuma. Menurut Heizer dan Render (2009:162): “Peramalan adalah seni dan ilmu untuk memperkirakan kejadian di masa depan. Hal ini dapat dilakukan dengan melibatkan pengambilan data historis dan memproyeksikan ke masa mendatang dengan suatu bentuk model matematis”. Menurut Hani Handoko (2008:255): “Peramalan (forcasting) permintaan akan produk dan jasa di waktu mendatang dan bagian-bagiannya adalah sangat penting dalam perencanaan dan pengawasan produksi. Peramalan yang baik adalah esensial untuk efisiensi operasi-operasi manufacturing dan produksi jasa. Selain itu, menurut Catt; Barbour; Robert; Robb (2008:697): “Pemilihan model peramalan berdasarkan karakteristik deret waktu historis, seperti tingkat, tren, musiman dan sejarah penjualan yang tersedia”.
Tabel 1 Stock/Persediaan Unit Mobil Mitsubishi Bulan Mei 2014 – Mei 2015 Periode
Target (Unit)
Yang (Unit)
Terjual
Selisih (Unit)
Mei 2014
145
96
(49)
Juni 2014
126
113
(13)
Juli 2014
193
205
12
Agustus 2014
149
124
(25)
September 2014
127
84
(43)
Oktober 2014
118
87
(31)
November 2014
110
76
(34)
Desember 2014
98
53
(45)
Januari 2015
209
198
(11)
Februari 2015
238
257
19
Maret 2015
221
201
(20)
April 2015
215
172
(43)
Mei 2015
147
183
36
Total
2096
1849
(247)
Sumber: PT. Ciwangi Berlian Motors
Dengan adanya model peramalan, maka manajer dapat memilih serta menentukan peramalan yang akan dilakukannya secara optimal agar tercapainya efisiensi biaya total pada perusahaan. Persediaan unit ini harus dikelola sebaik mungkin agar tidak terjadinya penumpukan unit produk yang dapat menyebabkan membesarnya pengeluaran perusahaan terhadap perawatan unit serta biaya gudang. Dan sebaliknya, pengelolaan persediaan ini bertujuan pula agar tidak terjadinya kekurangan atau ketiadaan persediaan unit produk yang dapat menyebabkan lambatnya pendistribusian unit kepada konsumen yang dapat membuat rendahnya tingkat kepuasan calon konsumen terhadap perusahaan yang dapat menyebabkan kerugian tersendiri bagi perusahaan. Sementara itu Analisis ABC adalah metode dalam manajemen persediaan (inventory management) untuk mengendalikan sejumlah kecil barang, tetapi mempunyai nilai investasi yang tinggi. Dalam hal ini, saya akan menggunakan tiga kelas, yaitu: A, B, dan C, di mana besaran masing-masing kelas ditentukan sebagai berikut (Sutarman, 2003, pp. 144–145): Kelas A, merupakan barang-barang dalam jumlah unit berkisar 15-20% dari total seluruh barang, tetapi merepresentasikan 75-80% dari total nilai uang. Kelas B, merupakan barang-barang dalam jumlah unit berkisar 20-25% dari total seluruh barang, tetapi merepresentasikan 10-15% dari total nilai uang. Kelas C, merupakan barang-barang dalam jumlah unit berkisar 60-65% dari total seluruh barang, tetapi merepresentasikan 5-10% dari total nilai uang
Adapun langkah-langkah atau prosedur klasikasi barang dalam analisis ABC adalah sebagai berikut:
Menentukan jumlah unit untuk setiap tipe barang. Menentukan harga per unit untuk setiap tipe barang. Mengalikan harga per unit dengan jumlah unit untuk menentukan total nilai uang dari masing-masing tipe barang. Menyusun urutan tipe barang menurut besarnya total nilai uang, dengan urutan pertama tipe barang dengan total nilai uang paling besar. Menghitung persentase kumulatif barang dari banyaknya tipe barang. Menghitung persentase kumulatif nilai uang barang dari total nilai uang. Membentuk kelas-kelas berdasarkan persentase barang dan persentase nilai uang barang. Menggambarkan kurva analisis ABC (bagan Pareto) atau menunjuk tingkat kepentingan masalah. Dengan analisis ABC, kita dapat melihat tingkat kepentingan masalah dari suatu barang. Dengan begitu, kita dapat melihat barang mana saja yang perlu diberikan perhatian terlebih dahulu.
Menurut Jay Heizer dan Barry Render(2015, p556) Kebijakan-kebijakan yang dapat di dasarkan pada analisis ABC mencakup hal-hal di bawah ini:
• •
•
Membeli sumber daya yang ditunjukan pada pengembangan pemasok harus jauh lebih tinggi untuk barang-barang kategori A dibanding dengan barang-barang kategori C. Barang-barang kategori A, yang berlawanan dengan barang-barang kategori B dan kategori C, harus memiliki pengendalian persediaan fisik yang lebih ketat; barangbarang tersebut mungkin di tempatkan di bagian yang lebih aman, dan mungkin keakuratan catatan persediaannya untuk barang-barang kategori A harus lebih sering diverifikasi. Meramalkan barang-barang kategori A memerlukan perhatian lebih dibandingkan barang-barang lainnya.
METODE PENELITIAN Metode yang digunakan adalah sebagai berikut : (1) Jenis penelitian yang digunakan adalah deskriptif; (2) Unit analisis yang digunakan adalah organisasi; (3) Dimensi wakru penelitian adalah cross sectional; (4) Teknik pengumpulan data dilakukan dengan penelitian kepustakaan, wawancara dan observasi; (5) Metode analisis yang digunakan adalah Forecasting dan Analisis ABC.
HASIL DAN BAHASAN Berikut adalah kriteria yang akan digunakan di dalam setiap metode perhitungan yang ada dalam penelitian: •
Untuk menentukan hasil forecast unit penjualan periode Juni 2015 hingga April 2016 maka digunakan metode forecasting Linear Regression/Least Squares. Sementara itu untuk memprediksi satu bulan pertama dengan metode forecasting mengunakan: Naïve Method, Moving Average, Weighted Moving Averages, Exponential Smoothing, Exponential Smoothing with Trend.
•
Lalu mencari hasil dari semua forcasting dari Naïve Method, Moving Average, Weighted Moving Averages, Exponential Smoothing, Exponential Smoothing with Trend, Linear Regression/Least Squares.
Berikut adalah hasil analisa forcasting dengan 6 metode tersebut: Tabel 2 Hasil analisa Forcasting
Metode
MAD
MSE
Bulan
Total Unit
Naïve Method
47.25
3,848.083
Juni 2015
183
Moving Average
67.9762
6,386.56
Juni 2015
177.3333
Weighted Moving Average
55.9
4,982.3
Juni 2015
185.3333
Exponential Smoothing
47.5565
4,072.398
Juni 2015
184.073
Exponential Smooting With 64.6037 Trend
6,189.971
Juni 2015
210.9677
Linear Regression/Least Squares
Juni 2015
195.8461
Linear Regression/Least Squares
Juli 2015
203.5055
Linear Regression/Least Squares
Agustus 2015
211.1648
Linear Regression/Least Squares
September 2015
218.8242
Linear Regression/Least Squares
Oktober 2015
226.4835
Linear Regression/Least Squares
November 2015
234.1428
Linear Regression/Least Squares
Desember 2015
241.8022
Linear Regression/Least Squares
Januari 2016
249.4615
Linear Regression/Least Squares
Februari 2016
257.1208
Linear Regression/Least Squares
Maret 2016
264.7802
Linear Regression/Least Squares
April 2016
272.4395
41.1682
2,897.014
Sumber: Hasil Pengolahan Data Penulis dari QM for Windows. •
Dan setelah mencari MAD & MSE, maka di temukan bahwa data yang terkecil dari data tersebut dengan menggunakan Forcasting Linear Regression/Least Squares.
•
Setelah itu data permintaan konsumen dari bulan Mei 2014 – Mei 2015 di input ke dalam QM for Windows untuk mengetahui hasil pengelompokan kelas ABC. Dan berikut adalah hasil analisa ABC
Item name Demand COLT DIESEL FE 73 HD 110 ps 132 SMALL CAR MIRAGE GLS A/T 155 COLT DIESEL FE 74 HDV 125 ps 130 NEW OUTLANDER PX A/T 133 PAJERO GLX 4X4 M/T 136 PS 130 NEW OUTLANDER GLS A/T 120 SMALL CAR MIRAGE GLX M/T 140 NEW OUTLANDER GLX M/T 135 PAJERO DAKAR 4X4 A/T HI-POWER 178 PS 124 SMALL CAR MIRAGE GLS SPORT A/T 39 COLT DIESEL FE 73 110 ps 131 T 120 SS PU STD 1.5 86 ps 45 COLT DIESEL FE SUPER HDX 136 ps 9 L 300 MINIBUS STD E-2 74 ps 35 COLT DIESEL FE 84 G HDL 136 ps 18 COLT DIESEL FE 84 BC 136 ps 17 T 120 SS PU WD 3 WAYS 1.5 86 ps 15 COLT DIESEL FE SUPER HD 136 ps 20 COLT DIESEL FE 71 110 ps 13 PAJERO DAKAR 4X2 A/T HI-POWER 178 PS 13 L 300 MINIBUS DLX E-2 74 ps 29 SMALL CAR MIRAGE EXCEED A/T 25 PAJERO SPORT GASOLINE 3.0 4X2 A/T 220 PS 14 STRADA TRITON DC HD-X 2.8 L M/T CBU THAILAND 17 PAJERO EXCEED 4X2 A/T 136 PS 15 T 120 SS PU FD 1.5 86 ps 25 L 300 PU FD 74 ps 14 COLT DIESEL FE 71 BC 110 ps 8 STRADA TRITON GLS NON AB CBU THAILAND 16 FM 517 HS 4X2 - 6 BAN 220 ps 9 NEW MITSUBISHI DELICA 2.0 A/T 150 PS 7 L 300 PU STD 74 ps 29 COLT DIESEL FE 83 BC 110 ps 7 PAJERO GLS 4X2 M/T 136 PS 8 STRADA TRITON SINGLE CAB HDX 4X4 M/T CBU THAILAND9 STRADA TRITON GLS EXCEED HP M/T CBU THAILAND 12 STRADA TRITON GLS EXCEED HP A/T CBU THAILAND 9 COLT DIESEL FE 74 S 125 ps 22 FM 517 HL 4X2 - 6 BAN 220 ps 4 STRADA TRITON GLS AB CBU M/T THAILAND 10 FM 517 HL LONG 4X2 - 6 BAN 220 ps 5 PAJERO SUPER EXCEED 3.8 JAPAN 1 LANCER EVO X A/T CBU JAPAN 0 FN 517 ML 2 6X2 - 10 BAN 220 ps 0 FN 517 ML 2 SUPER LONG 6X2 - 10 BAN 220 ps 0 FN 527 MS 6X4 - 10 BAN 220 ps 0 FN 527 ML 6X4 - 10 BAN 220 ps 0 FN 617 6X2 - 10 BAN 220 ps 0 FN 627 6X4 MT - 10 BAN 250 ps 0 HEAD TRACTOR FV 51 JH 380 ps 0 FUSO FJ 2523 0 FUSO FJ 2528 CHASSIS MIXER 0 TOTAL 1849
Sumber: Hasil Pengolahan Data Penulis Gambar 2 Hasil Analisa ABC
Price Dollar Volume Percent of Cumultv $-Vol $-vol Category % 1,200,000,000.00 158,400,000,000.00 25.04 25.04 A 409,000,000.00 63,395,000,000.00 10.02 35.07 A 396,500,000.00 51,545,000,000.00 8.15 43.22 A 301,300,000.00 40,072,900,000.00 6.34 49.55 A 277,700,000.00 36,101,000,000.00 5.71 55.26 A 288,600,000.00 34,632,000,000.00 5.48 60.73 A 177,000,000.00 24,780,000,000.00 3.92 64.65 A 163,000,000.00 22,005,000,000.00 3.48 68.13 A 163,500,000.00 20,274,000,000.00 3.21 71.34 A 419,000,000.00 16,341,000,000.00 2.58 73.92 A 100,500,000.00 13,165,500,000.00 2.08 76 B 280,500,000.00 12,622,500,000.00 2 78 B 1,270,000,000.00 11,430,000,000.00 1.81 79.8 B 272,700,000.00 9,544,500,000.00 1.51 81.31 B 522,500,000.00 9,405,000,000.00 1.49 82.8 B 490,500,000.00 8,338,500,000.00 1.32 84.12 B 552,500,000.00 8,287,499,000.00 1.31 85.43 B 368,000,000.00 7,360,000,000.00 1.16 86.59 B 559,000,000.00 7,267,000,000.00 1.15 87.74 B 531,000,000.00 6,903,000,000.00 1.09 88.83 B 220,900,000.00 6,406,100,000.00 1.01 89.85 B 221,900,000.00 5,547,500,000.00 0.88 90.72 B 347,000,000.00 4,858,000,000.00 0.77 91.49 B 282,900,000.00 4,809,300,000.00 0.76 92.25 B 307,000,000.00 4,605,000,000.00 0.73 92.98 B 163,500,000.00 4,087,500,000.00 0.65 93.63 B 287,900,000.00 4,030,600,000.00 0.64 94.26 C 464,000,000.00 3,712,000,000.00 0.59 94.85 C 207,500,000.00 3,320,000,000.00 0.52 95.37 C 358,000,000.00 3,222,000,000.00 0.51 95.88 C 460,000,000.00 3,220,000,000.00 0.51 96.39 C 100,000,000.00 2,900,000,000.00 0.46 96.85 C 385,500,000.00 2,698,500,000.00 0.43 97.28 C 322,000,000.00 2,576,000,000.00 0.41 97.69 C 271,900,000.00 2,447,100,000.00 0.39 98.07 C 193,500,000.00 2,322,000,000.00 0.37 98.44 C 252,300,000.00 2,270,700,000.00 0.36 98.8 C 102,500,000.00 2,255,000,000.00 0.36 99.15 C 426,000,000.00 1,704,000,000.00 0.27 99.42 C 170,000,000.00 1,700,000,000.00 0.27 99.69 C 336,000,000.00 1,680,000,000.00 0.27 99.96 C 262,700,000.00 262,700,000.00 0.04 100 C 148,000,000.00 0.00 0 100 C 659,000,000.00 0.00 0 100 C 672,000,000.00 0.00 0 100 C 765,000,000.00 0.00 0 100 C 778,000,000.00 0.00 0 100 C 788,500,000.00 0.00 0 100 C 885,000,000.00 0.00 0 100 C 1,200,000,000.00 0.00 0 100 C 584,000,000.00 0.00 0 100 C 746,500,000.00 0.00 0 100 C 632,503,500,000.00
Tabel 3 Persentase ABC
No
Kelompok/Jenis
Jumlah Unit
1
Besar (A): Pajero, New outlander, Pajero Dakar, Mirage, Colt Diesel Sedang (B): L 300, Colt Diesel, Mirage, Pajero, Delica, Strada, T 120 Kecil (C): Colt Diesel, T 120, Pajero, Strada, FM 517, Lancer Evo, Pajero Dakar, FN 517, FN 527, FN 617, FN 627, Head Tractor, Fuso TOTAL
1238
Total % Permintaan Permintaan 467.545.900.000 73,93%
441
124.636.899.000 19,72%
170
40.320.600.000
1849
632,503,500,000 100.05%
2
3
Sumber: Hasil Pengolahan Data Penulis dari QM for Windows. Dan berikut adalah grafik ABC Analisis:
Sumber: Hasil Pengolahan Data Penulis Gambar 3 Grafik ABC
6,4%
Dan dari hasil pembahasan ABC Analisis diatas, maka hasil penjualan Mobil tertinggi dengan persentase permintaan sebesar 73,93% yang juga merupakan kategori A adalah sebagai berikut: Pajero glx 4X4 M/T 136 ps, New Outlander PX A/T, Pajero Dakar 4X4 A/T Hi-Power 178, Small car Mirage GLS A/T, New Outlander GLX M/T, New Outlander GLS A/T, Colt Diesel fe 74 HDV 125 ps, Colt Diesel fe 73 HD 110 ps, Small car Mirage GLX M/T, dan Colt Diesel FE 73 110 ps.
SIMPULAN DAN SARAN Simpulan Berdasarkan uraian dan pembahasan pada bab sebelumnya, maka penulis dapat menarik kesimpulan sebagai berikut: 1. Dengan menggunakan metode Forecasting penulis dapat mengetahui bagaimana peramalan penjualan unit mobil periode berikutnya yang ada dalam forecasting, penulis menyimpulkan bahwa metode linear regression/least squares merupakan metode terbaik yang dapat digunakan oleh PT. Ciwangi Berlian Motors pada periode selanjutnya. 2. Oleh karena itu menggunakan metode ABC Analysis pareto penulis dapat mengkategorikan unit mobil yang memiliki nilai investasi dari yang tertinggi hingga yang terendah. Unit mobil mitsubishi yang memiliki nilai investasi tinggi dan harus diprioritaskan dan tidak boleh kekurangan dalam persediaannya oleh perusahaan adalah dengan kategori A, yaitu: Pajero GLX 4X4 M/T 136 ps, New Outlander PX A/T, Pajero Dakar 4X4 A/T Hi-Power 178, Small car Mirage GLS A/T, New Outlander GLX M/T, New Outlander GLS A/T, Colt Diesel FE 74 hdv 125 ps, Colt Diesel FE 73 HD 110 ps, Small car Mirage GLX M/T, Colt Diesel FE 73 110 ps. Dengan 10 tipe unit mobil tersebut sudah mewakili 73,93% nilai investasi pada PT. Ciwangi Berlian Motors.
Saran 1. Berdasarkan penelitian dan kesimpulan di atas, peneliti mencoba memberikan saran kepada PT. Ciwangi Berlian Motors sebagai bahan pertimbangan mengenai penggunaan forecasting dengan metode linear regression/least squares.
2. Perusahaan disarankan dalam melakukan perencanaan pemesanan unit mobil kepada produsen, harus memperhatikan minat konsumen terhadap unit mobil Mitsubishi pada periode yang telah lalu. Karena di periode berikutnya atau masa mendatang mungkin saja terjadi peningkatan atau penurunan minat konsumen terhadap unit mobil Mitsubishi, sehingga tidak terjadinya kelebihan atau kekurangan selish
stok unit mobil pada
perusahaan. 3. Berdasarkan hasil perhitungan analisis ABC, seharusnya PT. Ciwangi Berlian Motors lebih memprioritaskan jenis-jenis unit mobil yang berada pada kategori ”A” dengan menambah stok unit mobil untuk menghindari kekurangan serta mengawasi dan mengontrol lebih baik lagi stok atau persediaan unit mobil. 4. Pada kategori ”B” maupun ”C” sebaiknya PT. Ciwangi Berlian Motors melakukan pemesanan unit mobil ke produsen setelah adanya permintaan dari konsumen yang telah memenuhi syarat pembelian unit mobil Mitsubishi untuk menghindari resiko kelebihan bahan baku sehingga dapat menghindari atau meminimalisir kerugian bagi perusahaan.
REFERENSI Heizer, Jay. Render, Barry. (2015) Manajemen Operasi. Jakarta: PT. Salemba Empat Handoko, Hani T. (2009) Dasar-Dasar Manajemen Produksi dan Operasi. Yogyakarta: BPFE Yogyakarta Herjanto, Eddy. (2000) Manajemen Produksi dan Operasi. Jakarta: PT. Gramedia Widia sarana Indonesia Herjanto, Eddy. (2007) Manajemen Operasi. Jakarta: PT. Gramedia Widia sarana Indonesia Fahmi, Irham. (2003) Manajemen Produksi dan Operasi. Bandung :CV. Alfabeta. Nasution, Arman Hakim. (2003) Perencanaan dan Pengendalian Produksi. Surabaya: Guna Widya Sarjono, Haryadi. (2010) Aplikasi Riset Operasi. Jakarta. PT. Salemba Empat
Sekaran, Uma. (2009) Metode Penelitian untuk Bisnis. Jakarta. PT. Salemba Empat Soeparno, W. (2010) Analisis Forcasting dan Keputusan Manajemen. Jakarta: PT. Salemba Empat Subagyo, Pangestu. (2002) Forcasting: Konsep dan Aplikasi.Yogyakarta: BPFE Yogyakarta Sartono, Agus. (2009) Manajemen Keuangan Teori dan Aplikasi. Yogyakarta: BPFE Yogyakarta Ma’arif Syamsul, M. Tanjung, Hendri. (2003) Manajemen Operasi. Jakarta: Grasindo Stevenson, Wiliam J. Chuong, Sum C. (2014) Manejemen Operasi. Jakarta: PT. Salemba Empat Abdulrasheed ABDULRAHEEM, Ph.D, Khadijat Adenola YAHAYA, Ph.D Sulu Babaita ISIAKA, Ph.D, Olanrewaju Atanda ALIU, Ph.D. (2011) Inventory Management in Small Business Finance: Empirical Evidence From Kwara State, Nigeria. Vol.2(1) Syntetos, A A; Boylan, J E; Disney, S M. (2009) Forecasting for inventory planning: a 50-year review. The Journal of the Operational Research Society, suppl. Special Issue. Nico Hartanto, Yulia, Alexander Setiawan. (2013) SISTEM PENDUKUNG KEPUTUSAN PEMBELIAN BERDASARKAN PERAMALAN PENJUALAN PADA PT. X. Vol 1 No 2. Jurnal Ilmiah Mahasiswa Universitas Kristen Petra Anis Tri Sugiyarti, Nuryadi, Christyana Sandra. (2013) Analisis Biaya Satuan (Unit Cost) Dengan Metode Activity Based Costing (ABC) (Studi Kasus di Poli Mata RSD Balung Kabupaten Jember) Jurnal Ilmiah Mahasiswa Universitas Jember Octavian Surya Pratiwi. (2011) ANALISIS PENERAPAN METODE ACTIVITY BASED COSTING DALAM MENENTUKAN HARGA SEWA KAMAR HOTEL. Jurnal Ilmiah Mahasiswa Universitas Dian Nuswantoro
RIWAYAT PENULIS Vinaya Visakha Wiraya lahir di Jakarta pada 20 Juni 1993. Penulis menyelesaikan pendidikan S1 di Universitas Bina Nusantara (Binus University), Jakarta dalam bidang manajemen, program studi entrepreneur pada tahun 2015.