MEMINIMALKAN BIAYA INVENTORY DENGAN MENGIMPLEMENTASIKAN DSS UNTUK SISTEM PRODUKSI DAN INVENTORY DI PT KHI PIPE INDUSTRIES Nugroho Maulana Universitas Bina Nusantara, Jl. Kebon Jeruk Raya 27, Jakarta Barat, 11530, +6221 – 53696969 / +6221 – 53696999,
[email protected]
Muhammad Syukril Jamil Universitas Bina Nusantara, Jl. Kebon Jeruk Raya 27, Jakarta Barat, 11530, +6221 – 53696969 / +6221 – 53696999,
[email protected]
Ir. Hudiarto, M.M Universitas Bina Nusantara, Jl. Kebon Jeruk Raya 27, Jakarta Barat, 11530, +6221 – 53696969 / +6221 – 53696999
Ir. Andre Michael Ricky Wajong, M.B.C Universitas Bina Nusantara, Jl. Kebon Jeruk Raya 27, Jakarta Barat, 11530, +6221 – 53696969 / +6221 – 53696999
Abstract
The high cost inventory management cause the need for special handling to optimize the use of the warehouse in order to reduce the inventory cost. Not optimal in determining the amount of product that is produced cause the accumulation of the product, so that results in increased costs and cash flow of the company to substandard. The purpose of this research is to be able to minimize inventory costs by helping to determine the order policy, reorder point, order quantity and determining the number of products manufactured. The method used in determining the amount of product manufactured is fuzzy logic. Based on calculations using sample API 5L in December 2014, the optimum amount of product to manufactured is 293,31 tons of pipe API 5L. The method used to determine the order policy is EOQ, Lot For Lot and Silver Meal with reference to the forecasting Holt methods. The method most inexpensive fee is Silver Meal Method. And to determine the reorder point and order quantity is using fuzzy logic. Then from the four methods, made into a Decision Support System (NM MSJ) Keywords: Inventory Cost, Fuzzy Logic, Lot For Lot, EOQ, Silver Meal Abstrak Tingginya biaya pengelolaan inventory menyebabkan perlunya penanganan khusus untuk mengoptimalkan pemanfaatan gudang agar dapat mengurangi biaya pengelolaan inventory. Kurang optimalnya dalam menentukan jumlah produk yang diproduksi menyebabkan terjadinya penumpukan produk, sehingga hal tersebut mengakibatkan meningkatnya biaya dan aliran kas perusahaan menjadi kurang lancar. Tujuan dari penelitian ini adalah untuk dapat meminimalkan biaya inventory dengan cara membantu dalam menentukan order
policy, reorder point, order quantity dan menentukan jumlah produk yang diproduksi dengan mengacu pada product defect. Metode yang digunakan dalam menentukan jumlah produk yang diproduksi adalah fuzzy logic. Berdasarkan hasil perhitungan dengan menggunakan sampel API 5L pada bulan Desember tahun 2014, jumlah produk yang optimal untuk diproduksi adalah 293,31 ton pipa API 5L. Metode yang digunakan untuk menentukan order policy adalah EOQ, Lot For Lot dan Silver Meal dengan mengacu pada peramalan menggunakan metode Holt. Dari ketiga metode tersebut, metode yang paling murah biayanya adalah Silver Meal. Dan untuk menentukan reorder point dan order quantity adalah dengan menggunakan fuzzy logic. Kemudian dari keempat metode tersebut, dibuat menjadi Decision Support System (NM MSJ). Kata kunci: Inventory Cost, Fuzzy Logic, Lot For Lot, EOQ, Silver Meal
PENDAHULUAN Persediaan adalah barang-barang yang disimpan oleh perusahaan yang digunakan untuk memenuhi permintaan pelanggan. Setiap perusahaan manufaktur dan jasa tentu mempunyai area atau lahan yang digunakan untuk gudang (Taylor, 2013). PT. KHI Pipe Industries adalah sebuah perusahaan yang bergerak di bidang pembuatan pipa baja sejak tahun 1972. PT. KHI Pipe Industries menggunakan dua jenis sistem produksi, yaitu make to stock dan make to order. Make to order adalah bila pesanan bersifat unik dan mempunyai desain yang dibuat menurut pesanan, maka konsumen bersedia menunggu hingga produsen dapat menyelesaikannya. Sedangkan make to stock adalah bila produsen membuat item-item yang telah diselesaikan dan ditempatkan sebagai persediaan sebelum pesanan diterima konsumen (Nasution, 2003). Untuk sistem produksi make to stock, PT. KHI Pipe Industries memproduksi pipa berdasarkan peramalan kebutuhan pipa. Dan untuk sistem produksi make to order, produksi pipa dibuat berdasarkan spesifikasi pesanan yang diterima pada saat pengajuan pengerjaan proyek. Penjualan jenis produksi make to stock dilakukan untuk skema penjualan kepada pengecer, sedangkan untuk penjualan jenis produksi make to order dilakukan berdasarkan proyek yang sedang berjalan, sehingga jika terjadi kelebihan produksi, perusahaan akan sulit untuk menjual produk tersebut karena mempunyai spesifikasi khusus dan kemungkinan kecil akan sama untuk proyek lainnya. Dalam industri manufaktur sangat penting adanya pengelolaan inventory baik bahan baku maupun barang yang sudah jadi, karena menurut Taylor bahwa rata-rata biaya yang dikeluarkan untuk biaya penyimpanan per tahun sama dengan 30% harga barang yang ada di inventory (Taylor, 2013). Oleh karena itu perlu adanya penanganan khusus untuk mengoptimalkan pemanfaatan gudang agar dapat mengurangi biaya penyimpanan bagi perusahaan yang memproduksi secara make to order maupun make to stock. Salah satu untuk dapat memanfaatkan gudang secara optimal adalah dengan menentukan order policy untuk melakukan penjadwalan pemesanan dan menentukan reorder point dan order quantity apabila jumlah stock sudah mencapai reorder point dan terjadi ketika diluar jadwal pemesanan. Dengan kurang optimalnya jumlah produk yang diproduksi akan menyebabkan terjadinya penumpukkan produk jadi, sehingga hal ini mengakibatkan meningkatnya biaya penyimpanan dan aliran kas perusahaan menjadi kurang lancar. Untuk mengatasi permasalahan tersebut maka perlu dilakukan pengoptimalan dalam penentuan jumlah produk yang harus diproduksi dan berapa jumlah bahan baku yang diperlukan, salah satu cara penentuannya adalah menggunakan fuzzy logic. Adapun perumusan masalah yang dilakukan dalam penelitian adalah: 1. Faktor apa saja yang mempengaruhi tingginya biaya inventory? 2. Bagaimana cara meminimalkan biaya inventory? 3. Metode apa yang sesuai untuk menentukan kapan dan jumlah bahan baku yang akan dipesan? 4. Bagaimana cara mengurangi kemungkinan terjadinya barang yang sulit dijual ke pasar? 5. Faktor apa yang menjadi pertimbangan dalam menentukan jumlah produk yang harus diproduksi? 6. Apa keuntungan yang didapat dengan menggunakan Decision Support System (DSS)?
Berdasarkan perumusan masalah di atas, maka tujuan penelitian yang akan dikemukakan pada penelitian ini adalah: 1. Mengetahui faktor-faktor yang mempengaruhi tingginya biaya inventory. 2. Mengetahui cara-cara apa saja yang dapat dilakukan untuk meminimalkan biaya inventory. 3. Mengetahui metode yang sesuai dalam menentukan kapan dan jumlah bahan baku yang akan dipesan. 4. Mengurangi kemungkinan terjadinya finish goods yang sulit dijual ke pasar dan mengoptimalkan penyimpanan bahan baku. 5. Mengetahui faktor-faktor yang menjadi pertimbangan dalam menentukan jumlah produk yang harus diproduksi. 6. Mengetahui keuntungan yang didapat dengan menggunakan Decision Support System (DSS). Adapun manfaat dari dilaksanakannya penelitian ini adalah: 1. Bagi perusahaan, dapat menjadi referensi atau masukan bagaimana meminimalkan biaya inventory dengan mengoptimalkan penggunaan inventory dengan cara meminimalkan terjadinya produksi yang berlebih untuk sistem produksi make to order dan meningkatkan inventory control yang diaplikasikan kedalam sistem, sehingga diharapkan dapat mempercepat proses pengambilan keputusan serta dapat mengurangi biaya-biaya yang ada. 2. Bagi penulis, penelitian ini akan memberikan wawasan dan pengalaman baru bagaimana dapat membantu menyelesaikan permasalahan yang ada pada perusahaan, memahami proses bisnis yang secara langsung pada bagian produksi dan bagian gudang. Bagi pihak lain, diharapkan dapat berguna sebagai bahan bacaan untuk menambah wawasan serta sebagai bahan pembanding
METODE PENELITIAN
Gambar 1 Diagarm Alir Penelitian Langkah-langkah yang akan dilakukan dalam penelitian ini adalah: 1. Observasi Lapangan Observasi lapangan adalah langkah pertama yang dilakukan dalam penelitian yang bertujuan untuk mengetahui keadaan lapangan yang sebenarnya terjadi, sehingga dapat mengetahui secara pasti permasalahan yang muncul di perusahaan. 2.
Studi Literatur Tahap kedua dalam penelitian adalah melakukan studi literatur. Studi literatur adalah mempelajari buku-buku referensi dan hasil penelitian sebelumnya yang sejenis yang pernah dilakukan oleh orang lain (Sarwono, 2006).
3.
Mengidentifikasi Masalah Pada tahap ini peneliti melakukan identifikasi penyebab yang memungkinkan dari permasalahan yang terjadi di perusahaan.
4.
Mengumpulkan Data Pemesanan Bahan Baku, Produksi dan Pengiriman Produk Jadi Pada tahap ini peneliti mengumpulkan data pemesanan bahan baku, produksi dan pengiriman produk jadi. Sebelum melanjutkan ke tahap selanjutnya, terdapat syarat yang harus dipenuhi, yaitu: a) Uji Normalitas Uji Normalitas adalah alat ukur yang menunjukkan apakah data yang telah dikumpulkan memiliki distribusi normal atau tidak.
5.
Pengolahan Data Setelah data memenuhi persyaratan, data diolah sesuai dengan metode dan teori yang digunakan dalam penelitian.
6.
Analisa dan Perancangan Sistem Usulan Berdasarkan data yang telah diolah pada tahap sebelumnya, peneliti menganalisa data tersebut dan melakukan perancangan tentang sistem baru yang akan diusulkan ke perusahaan.
7.
Simpulan dan Saran Pada tahap ini, peneliti menarik kesimpulan dari sistem yang dirancangnya dan menerima saran dari perusahaan tempat dilakukannya penelitian.
HASIL DAN BAHASAN 1.
Penentuan Forecast Perhitungan data forecast dilakukan dengan menggunakan tiga metode seperti Holt’s Method, Brown Method dan Winter Method untuk masing-masing jenis besi (HRC), wire rod dan flux yang digunakan dalam produksi. Berikut hasil forecast selama tiga bulan yaitu mulai dari Januari, Februari dan Maret tahun 2015. Untuk data perhitungan lengkap terdapat pada lampiran.
Tabel 1 Hasil Forecast
Jenis
Bulan
Tahun
Januari API 5L
Februari
2015
Maret Januari ASTM A252
Februari
2015
Maret
WIRE ROD
FLUX
Browns
Winter
F
F
F
751,12
1139,10
798,70
319,51
1019,35
655,39
-112,11
899,59
512,09
80,38
360,99
152,88
-226,27
66,43
-240,27
-532,92
-228,14
-633,41
1051,35
1211,69
962,39
916,23
1291,26
1004,54
Maret
781,11
1370,82
1046,69
Januari
4719,85
7871,84
5655,40
200,82
4836,77
2974,30
Januari JIS G3101
Holt
Februari
Februari
2015
2015
Maret
-4318,21
1801,71
293,20
Januari
70817,86
120465,08
96872,80
23671,55
104354,07
87954,76
-23474,76
88243,05
79036,73
Februari Maret
2015
Tabel 2 Hasil MAPE dan MSE
Jenis MAPE
API 5L
MSE MAPE MSE
ASTM A252
MAPE
JIS G3101
MSE MAPE MSE
WIRE ROD
MAPE MSE
FLUX
Holt 21,70
Brown 36,35
Winter 44,08
248389,43
562075,72
651418,88
54,88
112,59
131,76
840277,53
2692448,46
3307440,91
20,57
45,14
69,33
50041,44
338716,21
574029,06
33,51
71,52
89,91
37669321,18
175856984,02
225662671,46
13,85
40,45
51,54
1030850554,49
5862857775,27
8584247838,70
Dari hasil pengolangan data forecast dapat diketahui perbandingan MAPE dan MSE antara API 5L, ASTM A252, JIS G3101, Wire rod, dan Flux dengan menggunakan tiga metode berbeda didapatkan bahwa Holt’s Method mempunyai hasil MAPE dan MSE yang lebih kecil dibandingkan dengan menggunakan Brown Method dan Winter Method. Hal ini menunjukkan bahwa peramalan dengan Holt’s Method mempunyai persentase kesalahan yang relatif lebih kecil. Dengan demikian untuk melakukan peramalan digunakan Holt’s Method. Akan tetapi forecast pada bulan ketiga muncul nilai yang negatif, hal tersebut disebabkan oleh trend yang menurun pada bulan-bulan akhir tahun 2015. Dan untuk nilai negatif tersebut tidak dapat digunakan sebagai acuan untuk perhitungan berikutnya.
Tabel 3 Hasil Cost Calculation
Cost Calculation
Jenis API 5L ASTM A252
EOQ
JIS G3101
WIRE ROD FLUX
Permintaan
Penerimaan
Persediaan
13
751,12
80
-671,12
Biaya Kumulatif (Rp) (87.279.214)
14
319,51
80
-910,63
(207.490.373)
13
80,38
40
-40,38
(552.394)
13
1051,35
80
-971,35
(128.560.763)
14
916,23
80
-1807,58
(372.103.143)
Bulan
15
781,11
80
-2508,69
(712.047.991)
13
4719,85
900
-3819,85
(2.542.369)
14
200,82
900
-3120,67
(4.472.955)
13
70817,86
3000
-67817,86
(1.064.991)
14
23671,55
3000
-88489,41
(2.698.450)
Tabel 3 Hasil Cost Calculation (Lanjutan)
Cost Calculation
Jenis API 5L ASTM A252
Lot For Lot
JIS G3101
WIRE ROD FLUX API 5L ASTM A252
Silver Meal
JIS G3101
WIRE ROD FLUX
Permintaan
Penerimaan
Persediaan
13
751,12
752,00
0,88
Biaya Kumulatif (Rp) 5.003.025
14
319,51
320,00
0,49
10.004.709
13
80,38
84,00
3,62
5.012.440
13
1051,35
1052,00
0,65
5.002.231
14
916,23
920,00
3,77
10.015.191
15
781,11
784,00
2,89
15.025.129
13
23599,25
23670
70,75
800.069
14
1004,10
1080
75,90
1.600.143
13
2832714,40
2832800
85,60
800.002
Bulan
14
946862,00
946900
38,00
1.600.003
13
751,12
751,12
0,00
5.000.000
14
319,51
319,51
0,00
10.000.000
13
80,38
80,38
0
5.000.000
13
1051,35
1051,35
0,00
5.000.000
14
916,23
916,23
0,00
10.000.000
15
781,11
781,11
0,00
15.000.000
13
23599,25
23599,25
0,00
800.000
14
1004,10
1004,10
0,00
1.600.000
13
2832714,40
2832714,40
0,00
800.000
14
946862,00
946862,00
0,00
1.600.000
Dalam menentukan order policy untuk melakukan penjadwalan pembelian bahan baku, beberapa metode dibandingkan untuk mencari biaya inventory yang paling minimum. Metode yang digunakan antaranya adalah metode EOQ, Lot For Lot, dan Silver Meal. Berdasarkan hasil perhitungan didapatkan biaya yang paling minimum adalah order policy Silver Meal, karena pada order policy tersebut seluruh permintaan dapat dipenuhi. Order policy tersebut cocok digunakan apabila permintaan hasil forecast mendekati permintaan yang sebenarnya terjadi. 2.
Penentuan Reorder Point dan Order Quantity Menggunakan Fuzzy Logic Apabila terjadi perbedaan permintaan yang cukup signifikan, maka dapat menggunakan fuzzy logic untuk menentukan reorder point dan order quantity agar dapat menyediakan bahan baku sesuai dengan permintaan pasar.
Gambar 2 Membership Function Demand
Gambar 3 Membership Function Supply
Gambar 4 Membership Function Order Quantity
Gambar 5 Membership Function Reorder Points
Tabel 4 Aturan Fuzzy Logic ROP dan OQ
Aturan
Demand
Supply
R1 R2 R3 R4 R5 R6 R7 R8 R9
Rendah Rendah Rendah Normal Normal Normal Tinggi Tinggi Tinggi
Rendah Normal Tinggi Rendah Normal Tinggi Rendah Normal Tinggi
Fungsi Implikasi => => => => => => => => =>
Order Quantity Normal Rendah Normal Rendah Normal Tinggi Normal Tinggi Tinggi
Reorder Point Tinggi Normal Rendah Sangat Tinggi Tinggi Tinggi Sangat Tinggi Tinggi Tinggi
Dan berdasarkan hasil perhitungan dengan menggunakan data kebutuhan HRC API 5L pada bulan Desember, didapatkan reorder point 1877,55 ton dan order quantity 2237,39 ton. 3.
Penentuan Jumlah Produksi Menggunakan Fuzzy Logic Dalam menentukan jumlah produksi, digunakan fuzzy logic dengan menggunakan variabel demand (jumlah PO) dan defect. Jumlah defect digunakan sebagai parameter penentu karena berdasarkan hasil wawancara dengan Senior Engineer Production bahwa mayoritas pekerjaan yang dilakukan oleh PT. KHI Pipe Industries merupakan make to order dan jumlah yang diproduksi pasti melebihi jumlah pesanan agar dapat mengurangi kemungkinan produk yang diterima oleh konsumen adalah produk defect. Terdapat beberapa kerugian apabila yang diterima oleh perusahaan apabila produk yang dikirim merupakan produk defect, yaitu kredibilitas perusahaan menjadi menurun, dan meningkatkan biaya, karena harus melakukan pemesanan bahan baku kembali, memproduksinya dan mengirimkan kepada konsumen.
Gambar 6 Himpunan Fuzzy Defect
Gambar 7 Himpunan Fuzzy Demand
Gambar 8 Himpunan Fuzzy Produksi Tabel 5 Aturan Fuzzy Logic Jumlah Produksi
Aturan
Demand
Defect
R1 R2 R3 R4 R5 R6 R7 R8 R9
Rendah Rendah Rendah Normal Normal Normal Tinggi Tinggi Tinggi
Rendah Normal Tinggi Rendah Normal Tinggi Rendah Normal Tinggi
Fungsi Implikasi => => => => => => => => =>
Produksi Rendah Rendah Normal Rendah Normal Tinggi Normal Tinggi Tinggi
Berdasarkan hasil perhitungan yang menggunakan data sampel work order API 5L pada bulan Desember, didapatkan angka jumlah produksi yang harus ditambah adalah sebanyak 5,34 ton dari jumlah PO, yaitu jumlah produksinya adalah 293,31 ton. Hasil tersebut 0,49 ton lebih sedikit daripada jumlah pipa yang telah diproduksi, sehingga dengan menggunakan fuzzy logic dapat menghemat biaya sekitar Rp 2.694.000 dan biaya tersebut hanya untuk penggunaan bahan baku saja, belum termasuk biaya yang lainnya. 4.
DSS
Secara garis besar, sistem yang dirancang dibagi menjadi dalam dua bagian, yaitu bagian produksi dan bagian gudang. Bagian produksi dibagi menjadi dua user, yaitu GM Produksi dan Senior Engineer. Untuk bagian gudang dibagi menjadi dua user, yaitu Kepala Gudang dan Staff Gudang. Setiap bagian memiliki form dashboard masing-masing sesuai dengan kebutuhan setiap bagian dalam mengambil keputusan. 4.1. DSS Produksi Data-data yang ditampilkan pada dashboard untuk bagian produksi, yaitu forecast demand, produksi pipa yang sedang berjalan dan sejarah produksi secara detail. Forecast demand digunakan untuk membantu dalam memprediksi berapakah kebutuhan pipa baja pada periode selanjutnya, sehingga bagian produksi dapat memperkirakan berapa jumlah bahan baku dan perencanaan produksi. Data produksi pipa yang sedang berjalan berguna untuk pemantauan oleh Senior Engineer atau GM Produksi apakah produksi sudah berjalan sesuai dengan target atau belum, sehingga dapat segera mencari tau penyebab produksi belum sesuai dengan target dan dapat mengambil keputusan secara cepat terhadap penyebabnya. Untuk data produksi secara detail berguna untuk membantu pengambilan keputusan dalam menentukan jumlah pipa yang akan diproduksi untuk proses bisnis make to order yang dimana dalam menentukannya menggunakan fuzzy logic yang telah diimplementasikan ke dalam form work order dalam berupa jumlah produksi rekomendasi.
4.2. DSS Gudang Data-data yang ditampilkan pada dashboard untuk bagian gudang, yaitu forecast demand, dan data bahan baku. Forecast demand digunakan oleh bagian gudang untuk pengambilan keputusan dalam menentukan penjadwalan pemesanan bahan baku, yang dimana dalam perhitungan penjadwalan tersebut diimplementasikan dalam form purchase requisition. Data bahan baku yang ditampilkan pada dashboard berguna untuk mengetahui berapa jumlah bahan baku yang tersedia di dalam gudang, sehingga bagian gudang dapat cepat melakukan keputusan untuk membeli bahan baku apabila jumlah bahan baku telah berada di bawah reorder point, yang dimana dalam melakukan penentuan reorder point menggunakan fuzzy logic.
SIMPULAN DAN SARAN Berdasarkan hasil pembahasan yang telah dilakukan pada bab sebelumnya, maka dapat diambil kesimpulan bahwa: 1. Terdapat dua faktor yang mempengaruhi dalam biaya penyimpanan, yaitu pada penentuan waktu dan jumlah pemesanan bahan baku dan penentuan jumlah produk yang akan diproduksi. Sehingga kedua faktor tersebut harus diperhitungkan agar dapat meminimalkan biaya inventory. 2. Metode forecasting yang digunakan untuk meramalkan kebutuhan bahan baku, sesuai adalah Holt’s Method. Nilai negatif yang muncul pada hasil forecasting disebabkan oleh trend yang menurun pada akhir tahun 2014. Forecasting digunakan untuk memperkirakan permintaan yang akan terjadi pada bulan berikutnya, sehingga dapat membuat penjadwalan pemesanan bahan baku. 3. Order policy yang sesuai digunakan untuk melakukan penjadwalan pemesanan bahan baku pada kasus PT KHI Pipe Industries adalah Silver Meal dan apabila kebutuhan bahan baku meningkat, dapat menggunakan fuzzy logic untuk menentukan reorder point dan order quantity untuk dapat memenuhi kebutuhan bahan baku. 4. Untuk mengurangi kemungkinan terjadinya barang yang sulit dijual ke pasar, dapat menggunakan fuzzy logic untuk menentukan berapa jumlah yang tepat dalam melakukan produksi. 5. Faktor yang menjadi pertimbangan dalam penentuan jumlah produksi adalah permintaan konsumen, produk defect dan jumlah produk yang pernah diproduksi sebelumnya. 6. Dengan menggunakan DSS memungkinkan proses pengambilan keputusan menjadi lebih cepat. Adapun saran yang diberikan kepada PT KHI Pipe Industries berdasarkan pengolahan data sebelumnya, yaitu: 1. Perusahaan diharapkan mempertimbangkan faktor-faktor dalam menentukan jumlah produk yang akan diproduksi, sehingga dapat meminimalkan jumlah produk yang sulit dijual. 2. Perusahaan diharapkan melakukan perbandingan dalam menentukan metode pembelian bahan baku. 3. Perusahaan diharapkan melakukan review lebih dalam sebelum melakukan implementasi.
REFERENSI Badiru, A. B., & Cheung, J. Y. (2002). Fuzzy Engineering Expert Systems with Neural Network Aplications. New York: John Wiley & Sons. Baroto, T. (2002). Perencanaan dan Pengendalian Produksi. Jakarta: Ghalia Indonesia. Kalpakjian, S., Schmid, S. R., & Musa, H. (2009). Manufacturing Engineering and Technology. New Jersey: Pearson Prentice Hall. Kazemi, N., Ehsani, E., & Jaber, M. Y. (2010). An Inventory Model with Backorders with Fuzzy Parameters and Decision Variabel. International Journal of Approximate Reasoning, 964-972. Nahmias, S. (2009). Production and Operations Analysis. North America: McGrawHill. Nasution, A. H. (2003). Perencanaan & Pengendalian Produksi. Surabaya: Guna Widya. Nazir, M. (2014). Metode Penelitian. Bogor: Ghalia Indonesia. O'Brien, J. A., & Marakas, G. M. (2010). Introduction to Information System. America: McGrawHill/Irwin. Rusman, D. F. (2010). Inventory Control System untuk Menentukan Order Quantity dan Reorder Point Bahan Baku Pokok Transformer Menggunakan Metode Fuzzy. Institut Teknologi Sepuluh Nopember, 1-10. Sarkar, B., Cardenas-Barron, L. E., Sarkar, M., & Singgih, M. L. (2014). An Economic Production Quantity Model with Random Defective Rate, Rework Process and Backorders for A Single Stage Production System. Journal of Manufacturing System, 1-13 Sarker, S., & Hossain, M. (2010). Increasing Forecasting Accuracy of Trend Demand By Non-Linear Optimizatin of The Smoothing Constant. Journal of Mechanical Engineering, 58-64. Sarwono, J. (2006). Metode Penelitian Kuantitatif dan Kualitatif. Yogyakarta: Graha Ilmu. Satzinger, J. W., Jackson, R. B., & Burd, S. D. (2012). System Analysis and Design: In A Changing World. Boston: Cengange Learning. Tanthatemee T., P. (2012). Fuzzy Inventory Control System for Uncertain Demand and Supply. Proceedings of the International MultiConference of Engineers and Computer Scientist. Taylor, B. W. (2013). Introduction to Management Science. New Jersey: Prentice Hall.
RIWAYAT PENULIS Nugroho Maulana lahir di kota Jakarta pada tanggal 22 September 1992. Penulis menamatkan pendidikan S1 di Universitas Bina Nusantara dalam bidang Teknik Industri dan Sistem Informasi pada 2015. Muhammad Syukril Jamil lahir di kota Bogor pada tanggal 03 September 1991. Penulis menamatkan pendidikan S1 di Universitas Bina Nusantara dalam bidang Teknik Industri dan Sistem Informasi pada tahun 2015.
