PERENCANAAN JADWAL INDUK PRODUKSI DENGAN MENGGUNAKAN LINIER PROGRAMING PADA PERUSAHAAN PUPUK ORGANIK “XYZ” Marcahyono Jurusan Teknik Elektro Politeknik Negeri Malang Jl. Soekarno – Hatta no. 9 Malang e-mail :
[email protected]
Abstract Consumer demand for an fluctuations tastes of the market is following the constraints in planning and scheduling because the effect on production costs and inventory costs incurred. Organic Fertilizer company "XYZ" is an organic fertilizer manufacturer producing a wide range of organic fertilizers. The amount of manure produced by the company often does not match the amount of consumer demand, so often there is excess and shortage of production. Master production schedule (MPS) is an overview of the planning period, including forecasts of a request, the plan offers, ending inventory, and the promised quantity available or a statement of what the product will be made, how much and when it will be made. Conclusions obtained Master Production Schedule of organic fertilizer products for the next 6 pencanaan period in January, February, March, April, May and June. keywords: planning, organic fertilizer, forecasting and MPS
kelebihan jumlah produksi pada suatu periode
PENDAHULUAN Era globalisasi, terjadi persaingan ketat diantara perusahaan-perusahaan yang
dan juga terjadi kekurangan produksi pada periode lain.
memproduksi produk sejenis sehingga timbul
Berdasarkan permasalahan tersebut,
kekhawatiran tentang jumlah permintaan yang
maka Perusahaan Pupuk Organik ”XYZ” ingin
dirasakan
karena
membuat suatu rencana produksi yang tepat
Permintaan
agar jumlah produksi sesuai dengan jumlah
konsumen selalu berubah-ubah mengikuti
permintaan konsumen, sehingga Perusahaan
selera pasar merupakan kendala dalam proses
Pupuk Organik ”XYZ” dapat meminimasi
perencanaan
biaya inventory dan biaya produksinya.
permintaan
sulit
untuk
tidak
dan
diketahui
menentu.
penjadwalan
karena
berpengaruh terhadap biaya produksi dan biaya
Salah satu cara yang bisa ditempuh
persediaan yang ditimbulkan. Keadaan ini juga
untuk permasalahan diatas adalah dengan
dialami oleh Perusahaan Pupuk Organik
memperbaiki perencanaan dan penjadwalan
”XYZ” merupakan perusahaan pembuat pupuk
produksi yang selama ini diterapkan oleh pihak
organik yang memproduksi berbagai macam
Perusahaan Pupuk Organik ”XYZ” untuk
pupuk organik. Jumlah pupuk yang diproduksi
menghindari
perusahaan sering tidak sesuai dengan jumlah
jumlah produksi. Jadwal induk produksi
permintaan konsumen, sehingga sering terjadi
merupakan gambaran atas periode perencanaan
kelebihan
atau
kekurangan
Jurnal Dinamika DotCom Vol. 4 No. 2 106
dari suatu permintaan termasuk ramalan,
Programing
untuk
menyusun
rencana penawaran, persediaan akhir, dan
jadwal induk produksi.
kuantitas yang dijanjikan tersedia atau suatu pernyataan mengenai produk apa yang akan
LANDASAN TEORI
dibuat, berapa jumlahnya serta kapan akan
JADWAL INDUK PRODUKSI (Master
dibuat.
Production schedule)
Sedangkan
merupakan
batasan
rencana bagi
produksi
Jadwal
Induk
Merupakan
gambaran
atas
periode
produksi, jika rencana produksi ingin dicapai
perencanaan dari suatu permintaan termasuk
maka Jadwal Induk Produksi harus disesuaikan
ramalan, rencana penawaran, persediaan akhir
dengan rencana produksi tersebut.
dan kuantitas yang dijanjikan tersedia atau suatu pernyataan mengenai produk apa yang dibuat,berapa jumlahnya serta kapan akan
PERMASALAHAN Dari latar belakang yang telah dijelaskan
dibuat.
Jadwal
Induk
Produksi
(Master
sebelumnya dapat dilihat bahwa permasalahan
Production Schedule) harus dibuat secara
yang timbul adalah sebagai berikut:
realitas dengan mempertimbangkan kapasitas
Jadwal Induk Produksi seperti apa yang
produksi, tenaga kerja maupuan subkontrak.
harus
Input Jadwal Induk Produksi adalah rencana
direncanakan
agar
memenuhi
produksi
permintaan konsumen ?”.
adalah
rencana
produksi,
data
permintaan, status persediaan dan kebijakan pemesanan.
TUJUAN PENELITIAN Adapun tujuan dari penulisan ini adalah
Rencana produksi merupakan batasan
”Merencanakan jadwal induk produksi
bagi Jadwal Induk Produksi, jika rencana
dengan menggunakan Linier programing”
produksi ingin dicapai maka Jadwal Induk Produksi (JIP) harus disesuaikan dengan rencana produksi tersebut.
BATASAN MASALAH Agar penulisan dapat lebih terarah dan
Data permintaan merupakan pesanan
mudah dipahami sesuai dengan tujuan
yang merupakan unsur pokok dari Jadwal
pembahasan, serta untuk memperjelas
Induk Produksi (JIP).
lingkup masalah yang dibahas, maka perlu
Status persediaan untuk mengetahui
dilakukan beberapa pembatasan sebagai
dengan tepat informasi yang berkaitan dengan
berikut:
persediaan di gudang.persediaan yang sudah
Metode
peramalan
digunakan
adalah
yang peramalan
Perencaan menggunakan
yang
sedang
di
produksi atau dipesan dan item-item yang sedang direncanakan untuk dipesan.
kuantitatif.
dialokasikan,item-item
produksi metode
agregat
Menurut T.Hani Handoko (1999:230)
Linier
Jadwal Induk Produksi (JIP) adalah suatu
Jurnal Dinamika DotCom Vol. 4 No. 2 107
rencana terperinci tentang apa dan berapa
dibutuhkan
banyak
manajemen.
perusahaan
merencanakan
untuk
dalam
pengambilan keputusan
memproduksi masing-masing produk akhir dalam setiap periode waktu untuk beberapa
PERAMALAN DAN HORISON WAKTU
bulan yang akan datang.
Dalam hubungannya dengan horizon
Beberapa fungsi dari Jadwal Induk Produksi (JIP):
waktu
peramalan,
mengklasifikasikan
peramalan tersebut kedalam 3 kelompok,
1. Menterjemahkan rencana-rencana
dan
merinci
agregat
menjadi
yaitu; a. Peramalan
produk-produk akhir tertentu.
Jangka
Panjang,
periode
peramalan lebih dari 5 tahun.Biasanya
2. Mengevaluasi schedule tertentu
digunakan untuk perencanaan produk dan
3. Merinci dan menentukan kebutuhan-
perencanaan sumber daya.
kebutuhan kapasitas
b. Peramalan Jangka Menengah ,umumnya
4. Merinci dan menentukan kebutuhan-
1 sampai 5 tahun. Peramalan ini lebih
kebutuhan material
akurat dibandingkan peramalan jangka
5. Memudahkan pemrosesan informasi 6. Menjaga validitas prioritas-prioritas
panjang. c. Peramalan Jangka Pendek, umumnya
7. Menggunakan kapasitas secara efektif
menggunakan satuan jam, hari, minggu atau bulan
PERAMALAN (FORECASTING) Peramalan (Forecasting) adalah seni
Beberapa Sifat Hasil Peramalan
dan ilmu memprediksi peristiwa-peristiwa masa
depan
pengambilan
peramalan data
memerlukan
historis
dan
Dalam
membuat
peramalan
atau
menerapkan hasil suatu peramlan, maka ada beberapa hal yang harus dipertimbangkan,
memproyeksikannya kemasa depan dengan
yaitu;
beberapa bentuk matematis. Bisa jadi berupa
1.
Peramalan
pasti
mengandung
prediksi subjektif dan intuitif tentang masa
kesalahan,artinya peramal hanya bisa
depan.
mengurangi
Dalam kondisi pasar bebas, permintaan
yang
terjadi,tetapi tidak dapat menghilangkan
pasar lebih banyak bersifat kompleks dan dinamis karena permintaan tersebut akan
ketidakpastian
ketidakpastian tersebut.
2.
Peramalan
seharusnya
memberikan
tergantung dari keadaan social, ekonomi,
informasi
politik, aspek teknologi, produk pesaing dan
kesalahan,artinya karena peramalan pasti
produk substitusi. Oleh karena itu peramalan
mengandung
yang tepat merupakan informasi yang sangat
penting
tentang
berapa
kesalahan,maka bagi
peramal
ukuran
adalah untuk
Jurnal Dinamika DotCom Vol. 4 No. 2 108
menginformasikan
seberapa
besar
kesalahan yang mungkin terjadi. 3.
2. Rata-rata Kuadrat Kesalahan (Mean Square Error =MSE)
Peramal jangka pendek lebih akurat dibandingkan
jangka
kuadrat semua kesalahan peramalan pada
panjang.Hal ini disebabkan karena pada
setiap periode dan membaginya dengan jumlah
peramalan jangka pendek, faktor-faktor
periode peramalan.Secara matematik, MSE
yang mempengaruhi permintaan relative
dirumuskan sebagai berikut:
masih
peramalan
MSE dihitung dengan menjumlahkan
konstan,sedangkan
semakin
panjang periode peramalan,maka semakin besar
pula
kemungkinan
perubahan
terjadinya
factor-faktor
yang
mempengaruhi permintaan. 3. Rata-rata
Ukuran akurasi hasil peramalan yang ukuran
kealahan
Kesalahan
Mutlak (Mean Absolute Percentage
Ukuran Akurasi Hasil Peramalan
merupakan
Persaentase
Error MAPE) MAPE merupakan ukuran keslahan
peramalan
merupakan ukuran tentang tingkat perbedaan
relatif.MAPE
biasanya
antara hasil peramlan dengan permintaan yang
dibandingkan
MAD
sebenarnya terjadi.Ada 4 ukuran yang biasa
menyatakan
digunakan,yaitu;
peramalan terhadap permintaan aktual selama
1. Rata-rata
Deviasi
Mutlak
(Mean
MAD merupakan rata-rata kesalahan selama
periode
tertentu
yang
berarti
karena
MAPE
kesalahan
akan
hasil
memberikan
informasi persentase kesalahan terlalu tinggi
Absolute Deviation) MAD
mutlak
periode
persentase
lebih
tertentu
tanpa
atau terlalu rendah.Secara matematis,MAPE dinyatakan sebagai berikut:
memperhatikan apakah hasil peramalan lebih besar
atau
lebih
kenyataannya.Secara
kecil
dibandingkan
matematis,
MAD
dirumuskan sebagai berikut: Peramalan Deret Waktu (Time Series) Peramalan di masa lalu pada analisa deret Dimana
X1 = permintaan aktual
periode-i Fi = peramalan permintaan (forecasting) pada periode-i
waktu
akan
dipengaruhi
keempat
komponen utama Trend, Cycle, Season dan Random, yaitu: 1.Trend/kecenderungan (T) merupakan sifat dari permintaan di masa lalu terhadap waktu
n = jumlah periode peramalan yang terlibat Jurnal Dinamika DotCom Vol. 4 No. 2 109
terjadinya,apakah
permintaan
tersebut
cenderung naik,turun atau konstan.
periode
yang
akan
datang.
Secara
matematis,maka MA dapat dinyatakan:
2.Siklus/Cycle (C).Permintaan suatu produk dapat memiliki siklus yang berulang secara periodik,biasanya tahun,sehingga dimasukkan
lebih pola
dalam
ini
dari
satu
tidak
perlu
peramalan
Dimana: m =jumlah data yang diratakan
jangka
n =jumlah total data
menengah dan jangka panjang.
Xt=permintaan actual periode-t
3.Musiman/Season (S). Fluktuasi permintaan suatu
produk dapat naik turun di sekitar
garis trend dan biasanya berulang setiap
PERUMUSAN
EKSPONENSIAL
(EXPONENTIAL SMOOTHING = ES)
tahun.Pola ini biasanya disebabkan oleh
Peramalan dengan metode Exponensial
faktor cuaca,musim libur panjang, dan hari
Smoothing ini lebih cocok digunakan pada
raya keagamaan yang akan berulang secara
data yang cenderung konstan (tidak memiliki
setiap tahunnya.
trend yang khusus),dengan diberikan faktor
4.Variasi acak/Random (R). Permintaan suatu
smoothing
(perataan)
yang
disimbulkan
produk dapat mengikuti pola bervariasi
dengan yang memiliki nilai antara 0 sampai
secara acak karena faktor-faktor adanya
1.rumus yang digunakan adalah:
bencana
alam,bangkrutnya
pesaing,promosi
khusus
perusahaan
dan
kejadian-
kejadian lainnya yang tidak mempunyai pola tertentu.Variasi acak ini diperlukan dalam jangka menentukan persediaan pengaman untuk mengantisipasi kekurangan persediaan bila terjadi lonjakan permintaan.
1. Single Exponensial Smoothing SES = Xt + (1- )t-1 Dimana : = factor smoothing yang dinilai secara subyektif (01) t-1 = perkiraan permintaan pada periode t-1 Xt = permintaan actual pada periode t 2. Double Exponential Smoothing
Rata-rata Bergerak (Moving Average)
DES = a0,t + a1,t
Moving Average diperoleh dengan meratarata permintaan bedasarkan beberapa data masa
lalu
utamanya
yang
terbaru,dengan
tujuan
untuk
mengurangi
atau
Dimana: a0,t dan a1,t = nilai estimasi a0 dan a1 periode t
menghilangkan variasi acak permintaan dalam hubungannya dengan waktu.Tujuan ini dicapai dengan merata-rata beberapa nilai data secara bersama-sama,dan menggunakan nilai rata-rata tersebut sebagai ramalan permintaan untuk Jurnal Dinamika DotCom Vol. 4 No. 2 110
b=
n tX t X
=
X b t
n t 2 t
2
n
n
METODE PENELITIAN Dalam penelitian ini dilakukan survey lapangan yang bertujuan untuk mengetahui xt = permintaan actual periode t
mengetahui secara menyeluruh keadaan dan
β=1-
proses produksi yang terjadi pada perusahaan.
3. onential
Smoothing
dengan
Exp
Dari survey lapang tersebut dapat diketahui
Trend
bahwa pemanfaatan beberapa bagian yang ada
Linier ES = Ft + Tt. M
pada perusahaan belum optimal, namun disisi lain
jumlah
produk
yang
di
produksi
Dimana :
perusahaan sering tidak sesuai dengan jumlah
Ft = Xt + (1- )(Ft-1 + Tt-1)
permintaan konsumen.
Tt = (Ft – Ft-1)+(1-)Tt-1 Ft = pemulusan periode t Xt = permintaan actual periode t Tt = trend periode t m = jumlah periode kemuka yang diramalkan
Perencanaan produksi perlu dilakukan akibat terjadinya kelebihan dan kekurangan jumlah produksi yang tersedia dalam upaya memenuhi
permintaan
pasar
yang
tidak
menentu, sehingga muncul berbagai alternatif seperti
pengadaan
diminimalkan
persediaan
serta
produk
menambah
atau
mengurangi tenaga kerja. REGRESI LINIER Xt = + b.t Dimana : Xt = perkiraan permintaan periode t t
= periode
= intersep b
= derajat kemiringan persamaan garis regresi
analisa regresi bertujuan meminimasi kesalahan dengan memilih nilai dan
Dari permasalahan yang terjadi maka peneliti mencoba menetapkan tujuan peneliti yang ada pada perusahaan. Penetapan tujuan penelitian
yang
ada
mengacu
pada
permasalahan yang timbul pada survey lapang dan perumusan masalah sehingga muncul permasalahan ketidakseimbangan produksi dan kurang tepatnya Jadwal Induk Produksi yang akan diproduksi pada periode berikutnya. Tahap peramalan merupakan tahapan
b yang sesuai.Kesalahan terkecil akan
yang
doperoleh dengan persamaan:
peramalan kapasitas produksi untuk 6 periode
cukup
penting,
karena
merupakan
Jurnal Dinamika DotCom Vol. 4 No. 2 111
mendatang. Langkah pertama adalah memilih metode dengan plot data permintaan masa lalu,selanjutnya dilakukan dengan running dengan metode yang terpilih.Setelah selesai langkah selanjutnya yaitu memilih metode yang terbaik dengan MAPE < 5%. Apabila hasil peramalan tidak sesuai dengan MAPE yang
ditentukan
pengolahan
data
maka dari
dilakukan langkah
lagi
pertama
peramalan. Setelah hasil dari pengolahan data dinyatakan
valid
tahap
berikutnya
yaitu
menyusun jadwal induk produksi sesuai dengan hasil pengolahan data tersebut dengan bantuan software WINQSB. Urutan metode penelitian dapat dilihat pada diagram alir berikut ini:
Gambar 1 Diagram Alir Penelitian
HASIL
PENELITIAN
DAN
PEMBAHASAN Peramalan Permintaan Setelah data historis dari permintaan produk diketahui maka langkah selanjutnya adalah
melakukan
proses
Peramalan
permintaan selama 6 bulan diperoleh dari data permintaan. langkah-langkah sebagai berikut: Pengumpulan data historis permintaan. Data historis permintaan mulai Januari 2012 sampai dengan Desember 2012.
Jurnal Dinamika DotCom Vol. 4 No. 2 112
Tabel 1 Data Permintaan Pupuk Organik 2012 Indeks Waktu
Permintaan Aktual
(t)
(A)
Januari
1
5960
Februari
2
7336
Maret
3
4520
April
4
7920
Mei
5
4100
Juni
6
5640
Juli
7
6180
Agustus
8
7650
September
9
4410
Oktober
10
4150
November
11
6020
Desember
12
7580
Bulan
Gambar 2 grafik pola historis data permintaan pupuk organik 2012
a. Identifikasi pola historis dari data aktual permintaan.
Sebelum
memilih
suatu
model peramalan tertentu, sebaiknya kita
relevan. Pemilihan model
peramalan
berdasarkan pada pola historis dari data aktual permintaan
mengidentifikasi pola historis dari data aktual
permintaan
menebarkan
data
tersebut aktual
dengan
permintaan
kedalam grafik. b. Melakukan menentukan
Analisis model peramalan yang relevan Dari ploting data permintaan terlihat bahwa pola kecenderungan permintaan dari
analisis model
data
untuk
masing-masing
produk
menunjukan
pola
peramalan
yang
kecenderungan
gerakan
permintaan
yang
Jurnal Dinamika DotCom Vol. 4 No. 2 113
mengalami kenaikan. Sehingga menurut Teguh
Rumus yang dipergunakan:
Baroto (2002:32) metode peramalan yang
Ft
=
b=
tA nt bar A bar 2 t nt bar 2
a
=
sesuai untuk data pola kecenderungan naik adalah metode regresi linier dan exponential smooting.
Perhitungan
model
peramalan
penjualan dilakukan dengan Microsoft Excell.
Regresi Linier
a + bt
A bar bt bar
Exponential smoothing
Ft
= ft-1 + α (A t-1 – ft-1)
Tabel 2 Model Peramalan Pupuk Organik
Tabel 3 Nilai MAD (Mean Absolute Memilih model
peramalan
yang tepat,
yaitu model peramalan yang memiliki MAD terkecil.
Deviation) Metode peramalan
MAD
Regresi
754.04
berdasarkan nilai MAD (Mean Absolute
ES (α = 0.9)
1134.94
Deviation) terkecil untuk jenis produk tenun.
ES (α = 0.8)
1114.05
Berikut ini data MAD (Mean Absolute
ES (α = 0.7)
1085.63
Deviation) dari tiap jenis produk.
ES (α = 0.6)
1065.74
ES (α = 0.5)
1040.50
ES (α = 0.4)
1007.57
ES (α = 0.3)
964.68
ES (α = 0.2)
906.94
ES (α = 0.1)
825.05
Pemilihan model yang terbaik dipilih
Jurnal Dinamika DotCom Vol. 4 No. 2 114
Berdasarkan
hasil
forecasting
pada batas-batas ± 4. Data tracking signa dari
permintaan produk (produk demand) dengan
peramalan jenis produk dapat dilihat tabel
menggunkan program Excell, diketahui nilai
berikut ini.
MAD (Mean Absolute Deviation) terkecil adalah pada jenis model peramalan Regresi
Tabel 4 Nilai Trancking signal
dengan nilai MAD = 754.04.
Bulan
Tracking Signal
Januari
-1.00
Memeriksa keandalan model peramalan
Februari
1.92
yang dipilih berdasarkan peta kontrol
Maret
-0.38
tracking signal.
April
2.14
perlu
Mei
-0.18
dilakukan setelah peramalan (forecasting)
Juni
-0.69
adalah
Juli
-0.37
(forecasting) digunakan untuk mengetahui
Agustus
2.16
validitas peramalan (forecasting) yang telah
September
-0.04
Oktober
-2.43
November
-2.04
Desember
0.00
Langkah
langkah
selanjutnya
yang
verifikasi
peramalan
dibuat. Cara yang digunakan untuk verifikasi peramalan menghitung Vincent,G
(forecasting) tracking (2008:99),
adalah signal. untuk
dengan Menurut
menghitung
tracking signal adalah sebagai berikut
Dari tabel diatas terlihat bahwa nilai tracking signal produk bergerak antara nilai -3
RSFE Tracking signal = , MAD Dimana : RSFE = Komulatif eror MAD = Mean Absolute Deviation
sampai +3. Hal ini menunjukan bahwa akurasi model regresi dapat diandalkan karena berada dalam batas pengendalian tracking signal (maksimum ± 4). Untuk lebih jelasnya dapat dilihat gambar berikut ini.
Dan peramalan dikatakan valid apabila nilai tracking signal dari peramalan berada
Jurnal Dinamika DotCom Vol. 4 No. 2 115
Gambar 3 Peta Kontrol Produk Pupuk Organik
Data Peramalan dengan Metode Terpilih
Ft =6023.0909+(-10.3986)t
Berikut ini merupakan data hasil
Sehingga peramalan untuk periode
peramalan produk berdasarakan jenis model
13-18 dapat dilihat table sebagai berikut:
peramalan yang telah dipilih yaitu Regresi persamaan model regresinya adalah :
Tabel 5 Peramalan Periode 13-18 Pupuk Organik Ramalan Bulan
Indek
(Tahun 2013)
Waktu, t
berdasarkan Model F = a + bt
Januari
13
5888
Februari
14
5878
Maret
15
5867
April
16
5857
Mei
17
5846
Juni
18
5836 programing
Jadwal Induk Produksi Usulan Setelah mengetahui peramlan maka dibuat Jadwal induk produksi secara linier
dengan
bantuan
software
WINQSB. Berikut ini JIP dalam periode peramalan selama 6 periode dari Januari 2013 - Juni 2013 adalah:
Jurnal Dinamika DotCom Vol. 4 No. 2 116
Tabel 6 Hasil Perhitungan Jadwal Induk Produksi Regular Dan Lembur Tiap Jenis Produk dengan Linier programing dengan software WINQSB
Tabel 7 Jadwal induk produksi komulatif
KESIMPULAN Berdasarkan data-data yang diperoleh
periode 13-18 Periode
JIP
dari hasil perhitungan serta pengolahan data
Januari 2013
5888
yang
Februari 2013
5878
kesimpulan didapatkan Jadwal Induk Produksi
Maret 2013
5867
produk pupuk organik untuk 6 periode
April 2013
5857
pencanaan mendatang adalah januari adalah
Mei 2013
5846
sebesar 5888 produk, jadwal induk produksi
Juni 2013
5836
untuk periode februari adalah sebesar 5878
dilakukan
maka
dapat
diambil
produk, jadwal induk produksi untuk periode Dari tabel diatas dapat diketahui bahwa jadwal induk produksi untuk periode januari adalah sebesar 5888 produk, jadwal induk produksi untuk periode februari adalah sebesar 5878 produk, jadwal induk produksi untuk periode maret adalah sebesar 5867 produk, jadwal induk produksi untuk periode april adalah sebesar 5857 produk, jadwal induk produksi untuk periode mei adalah sebesar 5846 produk, jadwal induk produksi untuk periode juni adalah sebesar 5836 produk.
maret adalah sebesar 5867 produk, jadwal induk produksi untuk periode april adalah sebesar 5857 produk, jadwal induk produksi untuk periode mei adalah sebesar 5846 produk, jadwal induk produksi untuk periode juni adalah sebesar 5836 produk. Rekomendasi dari penelitian ini adalah Jika perusahaan menggunakan salah satu metode peramalan untuk meramalkan jumlah permintaan yang akan datang, maka sebaiknya menggunakan metode Regresi untuk masingmasing produk. Hasil peramalan sebaiknya digunakan sebagai dasar untuk merencanakan dan penyusunan Jadwal Induk Produksi.
Jurnal Dinamika DotCom Vol. 4 No. 2 117
DAFTAR PUSTAKA Astana,
Yudha I.N. 2007. Perencanaan Persediaan Bahan Baku Berdasarkan Metode MRP (Material Requirement Planning). Jurnal Ilmiah Teknik Sipil Vol.11, No.2.
Baroto,
T. 2002. Pengendalian Indonesia.
Perencanaan dan Produksi. Ghalia
Biegel,
JE. 2009. Aquantitatif Akademika IKAPI.
Production Control Approach. CV. Pressindo anggota
Elsayed A.E. and Boucher, Thomas O. 1985, Analysis and Control of Pruduction System. 2nd Ed. Prentice-Hall International Inc. USA. Fogarty, D.W., Blackstone, J.H., dan Hoffman, T.R. 1991. Production and Inventory Management. 2D Edition. SouthWestern Publishing Co. Gaspersz,V. 2008. Production Planning And Inventory Control Berdasarkan Pendekatan Sistem Terintegrasi MRP II dan JIT Menuju Manufakturing 21. PT. Gramedia Pustaka Utama. Kusuma,
H. 2009. Perencanaan dan Pengendalian Produksi. Andi Yogyakarta
Nasution, A, H. 1999. Perencanaan dan Pengendalian Produksi. Guna Widya.
Jurnal Dinamika DotCom Vol. 4 No. 2 118
