PERENCANAAN PRODUKSI PEDIALYTE PADA PT.ABBOTT INDONESIA DENGAN MENGGUNAKAN METODE PURE STRATEGY DAN MIXED STRATEGY Izhar Frestia Jurusan Teknil Industri, Fakultas Teknologi Industri, Universitas Gunadarma Jl. Margonda Raya No. 100 16424
ABSTRAKSI Pada umumnya setiap perusahaan ingin meningkatkan produknya dengan memperkecil biaya produksi yang dikeluarkan serta ingin memenuhi semua permintaan konsumen, karena itu diperlukan perencanaan dan penjadwalan produksi yang baik. Penelitian perencanaan produksi di PT. Abbott Indonesia ini bertujuan untuk meramalkan dan menentukan perencanaan produksi tahun 2008 guna meminimumkan total biaya produksi. Penelitian dilakukan pada produk Pedilayte. Metode-metode yang digunakan dalam penelitian diantaranya metode Shumard dalam perhitungan penyesuaian untuk penentuan waktu normal dan waktu baku, metode peramalan dengan menggunakan 3 metode peramalan, 3 metode untuk perencanaan produksi agregat, dan pendekatan Reguler Knapsack Method untuk perencanaan disagregsi. Pengolahan data dalam menentukan metode peramalan yang terbaik menggunakan perangkat lunak Minitab 11 sedangkan untuk metode pada perencanaan produksi agregat dan disagregsi dilakukan dengan perhitungan manual. Pemilihan metode terbaik peramalan didasarkan pada rata-rata penyimpangan absolut MAD dan tanda penjejakan (Tracking Signal). Metode peramalan terpilih adalah metode pemulusan eksponensial tunggal (α = 0,5) dengan nilai MAD sebesar 30239 dan tanda penjejakan berkisar antara –2,05 sampai +2,06. Perencanaan produksi agregat dilakukan untuk 12 bulan dengan total produksi sebanyak 771.200 botol dengan total biaya produksi dari metode SuTenaga Kerja Berubah sebesar Rp.170.242.400,00 sedangkan dengan metode Persediaan Berubah dan Mixed Strategy Rp.170.049.600,00. Solusi yang dipilih adalah perencanaan produksi dengan menggunakan metode Biaya Terkecil. Solusi optimal dari disagregasi adalah Pedilayte Solution sebanyak 578.392 botol dan Pedialyte Bubble Gum sebanyak 192.808 botol. Kebijakan yang diberlakukan oleh perusahaan adalah tersedia kerja lembur maksimal 4 jam per hari dan tidak ada sub kontrak.
PENDAHULUAN Pada era dimasa sekarang ini
yang cukup tinggi pula. Dari uraian
dengan teknologi yang semakin maju
tersebut terlihat betapa pentingnya
menciptakan persaingan yang semakin
perencanaan dan pengaturan produksi
ketat
Setiap
yang baik. PT. Abbott Indonesia
untuk
dapat
dituntut untuk mampu melakukan
produk
yang
perbaikan dan penyempurnaan secaara
pada
perusahan menciptakan
dunia
usaha.
berlomba suatu
berkualitas dan yang terpenting lagi
terus-menerus
menciptakan suatu produk dengan
produksinya baik dari segi kualitas
tepat waktu. Dalam suatu perusahaan
maupun kuantitas, dengan membuat
yang mempunyai tipe produksi massa,
suatu
yang
pengendalian
melibatkan
komponen perencanaan
yang
sejumlah harus
produksi
besar dirakit,
memegang
terhadap
sistem
perencanaan produksi
mempertimbangkan sumber
sistem
daya,
dan yang
penempatan
faktor-faktor
yang
peranan yang penting dalam membuat
berpengaruh
penjadwalan produksi, terutama dalam
memperhatikan kendala-kendala yang
pengaturan
atau
ada sehingga proses produksi dapat
penugasan kerja yang harus dilakukan.
berjalan optimal guna memenuhi target
operasi-operasi
PT. Abbott Indonesia adalah
secara
optimal
dan
produksi yang diinginkan.
salah satu perusahaan farmasi yang produknya terkenal memiliki kualitas yang tinggi serta memiliki harga jual TINJAUAN PUSTAKA keseluruhan guna memenuhi tingkat
Perencanaan Produksi Perencanaan
produksi
penjualan
yang
merupakan suatu proses penetapan
persediaan
tingkat output manufakturing secara
(Gaspersz, 2002)
direncanakan
yang
dan
diinginkan.
Langkah-langkah
Perencanaan
dikemukakan melalui empat tahap utama, sebagai berikut :
Produksi Menurut
Gaspersz
(2002),
proses perencanaan produksi dapat
Tabel 2.1 Langkah-langkah Perencanaan Produksi Langkah 1
Mengumpulkan data yang relevan dengan perencanaan produksi. Beberapa informasi yang dibutuhkan adalah peramalan yang bersifat tidak pasti dan pesanan-pesanan yang bersifat pasti selama periode tertentu. Selanjutnya perlu juga diperhatikan pesanan yang telah diterima pada waktu lalu namun belum dikirim, kuantitas produksi di waktu yang lalu yang masih kurang dan harus diproduksi, dan lain-lain. Mengembangkan data yang relevan itu menjadi informasi yang teratur.
Langkah 2 Langkah 3
Menentukan kapabilitas produksi, berkaitan dengan sumbersumber daya yang ada.
Langkah 4
Melakukan pertemuan rekanan yang dihadiri oleh manajer umum, manajer PPIC, manajer produksi, manajer keuangan, manajer pemasaran, manajer rekayasa, manajer pembelian, manajer jaminan kualitas, dan manajer-manajer lainnya yang dianggap relevan.
diproyeksikan ke dalam sebuah model
Peramalan Peramalan adalah suatu dugaan
dan menggunakan model ini untuk
terhadap permintaan yang akan datang
memperkirakan
berdasarkan pada beberapa variabel
mendatang. (Gaspersz, 2002)
peramalan berdasarkan pada data deret
Klasifikasi Peramalan
waktu historis atau suatu proses dalam
Menurut
menggunakan data historis (data masa
dalam
lalu)
klasifikasi
yang
telah
dimiliki
untuk
keadaan
di
Gaspersz
peramalan yaitu
masa
(2002),
terdapat
dua
peramalan
berdasarkan teknik penyelesaiannya
jangka waktu peramalan antara 3-24
dan
bulan,
peramalan
berdasarkan
pengelompokkan horizon waktu.
misalnya
peramalan
untuk
perencanaan penjualan, perencanaan
Peramalan berdasarkan teknik
dan anggaran produksi. Peramalan
penyelesaiannya, yang terdiri dari
jangka pendek, yaitu peramalan yang
teknik peramalan secara kualitatif dab
jangka waktu peramalan kurang dari 3
kuantitatif. Teknik peramalan kualitatif
bulan,
adalah peramalan yang melibatkan
hubungannya
pendapat
pembelian material, penjadwalan kerja
pribadi,
pendapat
ahli,
misalnya
metode Delphi penelitian pasar dan
dan penugasan.
lain-lain.
Pola Data
Bertujuan
menggabungkan
seluruh
untuk informasi
peramalan
dengan
dalam
perencanaan
Menurut Makridakis, et al.
yang diperoleh secara logika, tidak
(1992),
berdasar
memilih suatu metode deret waktu
dan
dihubungkan
sistematis dengan
yang faktor
yang
langkah tepat
penting adalah
dalam dengan
kepentingan si pengambil keputusan.
mempertimbangkan jenis pola datanya.
Teknik peramalan secara kuantitatif
Pola data dapat dibedakan menjadi
yaitu digunakan pada saat data masa
empat, yaitu :
lalu cukup tersedia.
1. Pola horisontal, terjadi bilamana
Peramalan
berdasarkan
data berfluktuasi di sekitar nilai
pengelompokkan horizon waktu, yang
rata-rata
yang
terdiri dari peramalan jangka panjang,
stasioner
terhadap
menengah, dan pendek. Peramalan
ratanya.
konstan nilai
atau rata-
jangka panjang yaitu peramalan yang jangka waktu peramalan lebih dari 24 bulan,
misalnya
peramalan
yang
diperlukan dalam kaitannya dengan anggaran produksi. Peramalan jangka menengah,
yaitu
peramalan
yang
Gambar 2.1 Pola Data Horisontal
2. Pola musiman, terjadi bilamana suatu deret data dipengaruhi oleh faktor . Waktu Gambar 2.4 Pola Data
X
Kecenderungan 5. Jika terdapat deret data yang Gambar 2.2 Pola Data Musiman
mencakup kombinasi dari polapola data tersebut, maka metode
3. Pola
siklis,
terjadi
bilamana
peramalan yang dapat
datanya dipengaruhi oleh fluktuasi
membedakan setiap pola harus
ekonomi jangka panjang seperti
digunakan bila diinginkan adanya
yang berhubungan dengan siklus
pemisahan komponen pola
bisnis atau ekonomi.
tersebut. Metode Peramalan Dalam melakukan perhitungan peramalan
digunakan
beberapa
metode, yaitu : a. Model Rata-rata Bergerak (Moving Averages Model) Gambar 2.3 Pola Data Siklis 4. Pola
kecenderungan,
terjadi
Model meenggunakan
rata-rata
bergerak
sejumlah
data-data
bilamana terdapat kenaikan atau
aktual permintaan yang baru untuk
penurunan jangka panjang dalam
membangkitkan nilai ramalan untuk
data.
permintaan dimasa yang akan datang. Metode rata-rata bergerak akan efektif
diterapkan
apabila
mengasumsikan
kita
bahwa
dapat
maka model pemulusan eksponensial
permintaan
akan secara otomatis menurunkan
pasar terhadap produk akan tetap stabil
ramalan.
sepanjang waktu. Metode rata-rata
berlangsung
bergerak
galat ramalan telah mencapai nol.
n-periode
menggunakan
Proses
penyesuaian
terus-menerus,
ini
kecuali
formula
Kenyataan inilah yang mendorong
berikut:
peramal
Rata - rata Bergerakn - Periode=
model
∑(permintaan dalamn - periodeterdahulu
eksponensial, apabila pola historis dari
n
data aktual permintaan bergejolak atau
dimana n adalah banyaknya periode dalam
rata-rata
bergerak........................(2.1) b. Metode Pemulusan eksponensial
suka
menggunakan
peramalan
pemulusan
tidak stabil dari waktu ke waktu. Rumus perhitungan dengan metode ES : Ft = F t − 1 + α (A
t −1
− F t − 1 ) ....(2.2)
Dimana :
(ES) Model peramalan ini bekerja hampir serupa dengan alat pengukur panas, dimana apabila galat ramalan (kesalahan ramalan) adalah positif, yang berarti nilai aktual permintaan lebih tinggi daripada nilai ramalan (A– F > 0), maka model pemulusan eksponensial akan secara otomatis meningkatkan apabila
lebih
galat
ramalan.
Sebaliknya
ramalan
(kesalahan
ramalan) adalah negatif, yang berarti
Ft
= nilai ramalan untuk
periode waktu ke-t Ft-1
= nilai ramalan untuk
satu periode waktu yang lalu, t1 At-1
=
nilai aktual untuk
satu periode waktu yang lalu, t1 α
= konstanta pemulusan
c. Metode pemulusan eksponensial ganda
nilai aktual permintaan lebih rendah
Menurut Assauri (1993), dasar
daripada nilai ramalan (A–F > 0),
pemikiran dari metode pemulusan
eksponensial tunggal maupun ganda
α
= Konstanta pemulusan.
adalah bahwa nilai pemulusan akan
bt
= Faktor kecenderungan pada
terdapat pada waktu sebelum data
periode t.
sebenarnya apabila pada data tersebut
γ
terdapat komponen tren. Oleh karena itu untuk nilai-nilai pemulusan tunggal perlu ditambahkan nilai pemulusan ganda
guna
menyesuaikan
tren.
Metode yang sedemikian itu dikenal
= Konstanta pemulusan
kecenderungan. Xt
= Permintaan pada periode t.
F t −m
= Peramalan pada periode t.
Teori Akurasi Peramalan
dengan nama metode Brown. Menurut
Ukuran akurasi secara umum
Kusuma (2001), metode pemulusan
yang dipergunakan untuk peramalan
eksponensial
adalah sebagai berikut :
prinsipnya kecuali
dari
Holt
dalam
sama
dengan
Brown,
bahwa
Holt
tidak
a. Rata-rata Penyimpangan Absolut (MAD)
pemulusan
Menurut Handoko (1984), rata-rata
berganda secara langsung. Sebagai
penyimpangan absolut merupakan
gantinya,
penjumlahan kesalahan prakiraan
menggunakan Holt
rumus
memuluskan
nilai
kecenderungan dengan parameter yang
tanpa
berbeda
aljabarnya
dari
parameter
yang
digunakan pada deret yang asli. Rumus dari metode pemulusan eksponensial ganda Holt adalah : S t =aX t +(1–α)(S t −1 + b t −1 )..........(2.3) b t = γ ( S t - S t −1 ) + (1 - γ ) b t −1 .(2.4) F t −m
= S t - b t m........................(2.5)
dengan
dirumuskan sebagai berikut : MAD =
∑ ei ........…........( 2.6) n
b. Rata-rata
Persentase
kesalahan
Mutlak (MAPE) Rata-rata kuadrat
St
kecenderungan pada periode t.
dibagi
tanda
banyaknya data yang diamati. yang
Dimana : = Nilai pemulusan
menghiraukan
persentase
kesalahan
merupakan
pengukuran
ketelitian
dengan
cara-cara
persentase
kesalahan
mutlak,
(MAPE)
menunjukkan
rata-rata
kesalahan mutlak prakiraan dalam
Wn = Ws x p…………………...(2.12) Perencanaan Produksi Agregat
Perencanaan
bentuk persentasenya terhadap data
proses
aktualnya.
MAPE =
∑
c. Tanda
e (100) xi n
perencanaan
....................(2.7)
Penjejakan
kuantitas
dan
(Tracking
periode tertentu melalui penyesuaian variabel-variabel
dapat
dalam
perencanaan
tanda
agregat ada dua, yaitu metode tabel
signal)
dan grafik dan metode pendekatan
terkadang digunakan untuk melihat
matematika. (Elwood, et al. 1996).
apakah nilai-nilai yang dihasilkan
Salah
berada didalam atau diluar batas-
digunakan
batas pengendalian dimana nilai-
perencanaan Agregat adalah dengan
nilai tanda penjejakan (tracking
menggunakan metode Pure Strategy
signal) itu bergerak antara -4
dan Mixed Strategy.
sampai +4.
Metode Pure Strategy
penjejakan
peramalan,
yang
dikendalikan. (Handoko, 1984) Metode
setiap
adalah
pengaturan waktu keluaran selama
Signal) Pada
agregat
(tracking
Perhitungan Waktu Baku
Untuk melakukan perhitungan
satu
model dalam
yang
dapat
melakukan
Dalam strategi murni (Pure Strategy)
terdapat
tiga
metode
waktu baku, menurut Sutalaksana
perencanaan agregat yaitu Perubahan
(1979) perlu menghitung besarnya
Tenaga Kerja (Changing Workforce
waktu normal dan waktu siklus serta
Levels),
Perubahan
memperhatikan besarnya kelonggaran.
(Changing
Inventory
Rumus :
Subkontrak.
waktu siklus rata-rata :
Metode Mixed Strategy
WS =
∑ Xi …….......…….........(2.11) N
waktu normal :
Dilihat
dari
Persediaan Levels),
hasil
dan
yang
diberikan oleh metode-metode dalam Pure Strategy, maka setiap metode
memiliki
dampak
negatif
bagi
1. Menentukan nilai expected
perusahaan. Untuk itu perusahaan
quantity yaitu persediaan awal
dapat menggabungkan dua atau lebih
dikurangi permintaan. Jika
metode yang ada pada Pure Strategy
expected quantity bernilai negatif,
guna meminimasi efek negatif yang
berarti item itu harus diproduksi,
ditimbulkan. Gabungan dua atau lebih
karena jumlah persediaan yang ada
metode ini disebut sebagai Mixed
tidak mencukupi permintaan. 2. Menentukan nilai N, yaitu ±
Strategy.
banyaknya ulangan permintaan
Perencanaan Disagregat
Menurut Narasimhan, et al. (1995),
disagregasi
memisahkan
tingkat
adalah persediaan
agregat yang diinginkan, seperti yang ditentukan
oleh
berdasarkan bulanan
dari
standar
yang
metode
agregat
peramalan-peramalan permintaan
produksi
individu.
Metode
disagregasi pada umumnya digunakan untuk meminimasikan total ongkos yang
dihasilkan,
sub
kontrak,
persediaan, jam kerja lembur, dan lainlain. Salah satu pendekatan yang dapat digunakan untuk melakukan disagregasi yaitu dengan pendekatan Reguler Knapsack Method. Langkahlangkah melakukan disagregasi dengan pendekatan ini adalah sebagai berikut:
yang akan dipenuhi oleh jumlah produksi ditambah persediaan yang ada sekarang ini, dengan syarat: N
Yi* ≤ ∑ Kij(∑ Dijn + SSij − Iijt) ..2.16) n −1
Yi* adalah jumlah produk yang diproduksi dari perencanaan agregat terbaik. Untuk metode perubahan tenaga kerja Yi* = Demand dalam satuan agregat. Untuk metode perubahan persediaan Yi* = Prduksi dalam satuan agregat. Untuk Subkontrak Yi* = Produksi dalam satuan agregat. Untuk mixed strategy Yi* = Waktu reguler (jam) + waktu overtime (jam) waktu baku
SSij = 0 jika perusahaan tidak
masing-masing item dengan
mempunyai safety stock.
rumus:
3. Menghitung nilai E (Exess
Yi* =
Demand) atau kelebihan permintaan, dengan rumus: N
Ei =
∑ K (∑ D ij
ijn
4. Menentukan junlah produksi
N
∑D
+ SSij - Iijt) - Yi *
ijn
n -1
+ SS ij - Iijt - 1 - (E iD ijn / ∑ K ijD ijn )
n -1
METODOLOGI PENELITIAN Pengumpulan Data
Pengolahan Data
Pengumpulan data dilakukan pada
bulan
April
pengumpulan
2008.
data
Teknik
diperusahaan
Data
proses
perakitan
digunakan untuk menentukan operasioperasi yang dipakai dalam proses
dilakukan melaui dua metode, yaitu
produksi,
pengamatan
wawancara.
membantu dalam menghitung waktu
Pengamatan dilakukan pada proses
proses serta untuk mengetahui waktu
perakitan untuk mengetahui waktu
baku dalam perakitan tersebut.
dan
siklus proses dan mengetahui jumlah tenaga
kerja
Sedangkan
yang
wawancara
digunakan. dilakukan
yang
terkait
untuk
nantinya
akan
Metode yang digunakan dalam menghitung penyesuaian untuk waktu normal adalah metode Shumard.
tanya jawab dengan para pekerja dan pihak-pihak
dimana
Data permintaan yang telah didapatkan,
dilakukan
peramalan
perencanaan
agregat
memperoleh informasi mengenai data
untuk
permintaan aktual tahun 2007, biaya-
berdasarkan pola data yang terbentuk
biaya produksi, kebijakan produksi,
untuk satu tahun berikutnya dengan
jumlah hari dan jam kerja yang berlaku
menggunakan perangkat lunak Minitab
diperusahaan.
11 dengan metode peramalan yang digunakan adalah metode peramalan kuantitatif
yaitu
peramalan
untuk
memprediksi masa mendatang hanya
yaitu metode Pure Strategy dan Mixed
berdasarkan semata-mata pada data
Strategy. Jika produk yang dilakukan
masa lalu.
penelitian lebih dari 1 tipe maka untuk
Setelah mengetahui besarnya
mengetahui
jumlah
yang
akan
permintaan, tenaga kerja, hari kerja,
diproduksi
jam kerja, biaya-biaya produksi dan
perencanaan disagregasinya dengan
kapasitas yang tersedia maka dibuat
metode pendekatan Reguler Knapsack
perencanaan agregat dengan 2 metode
Method.
per
tipe
nya
dibuat
HASIL DAN PEMBAHASAN dari mulai proses pencampuran atau
Proses Produksi
Sebelum produk-produk
pelarutan bahan baku, pengisisan
PT.Abbott Indonesia siap dipasarkan
kedalam botol, sterilisasi, sampai
terdapat beberapa tahapan atau proses
kepada proses pengepakkan.
pembuatannya. Dalam pembahasan ini
Data Waktu Perakitan
Dibawah ini adalah kegiatan
hanya akan dijelaskan untuk jenis produk pedialyte. Proses pembuatan
produksi Pedialyte beserta waktu
pedialyte melalui beberapa tahapan,
pengerjaaannya dan tenaga kerja :
secara garis besar diantaranya yaitu Tabel 4.3 Data Waktu Operasi Produksi Pedialyte No 1 2 3 4
Kegiatan Poses Pencampuran bahan baku (Mixing) Proses Pegisian (Filling) Proses Sterilisasi (Autoclave) Proses Pengepakkan Total
Dibawah
ini
adalah
hasil
permintaan produk Pedialyte Solution
Solution (menit) 0,12 0,32 0,06 0,6 1,1
Buble Gum (menit) 0.1 0,32 0,06 0,6 1,08
Tenaga kerja 2 4 1 5 12
dan Buble Gum untuk periode Januari sampai Desember 2007:
Tabel 4.4 Data Permintaan Pedialyte Tahun 2007 Periode (bulan)
Solution (botol) 31860 57720 48240 26460 68208 54000
1 2 3 4 5 6
7 8 9 10 11 12 Total Persediaan Akhir
Model Buble Gum (botol) 16812 30168 15012 8604 20604 28008
34152 36000 43404 21396 94320 35722 551482
3672 21600 16740 6360 51048 9000 227628
5999
30567
Total 48672 87888 63252 35064 88812 82008
37824 57600 60144 27756 145368 44722 779110
Sumber : PT. Abbott Indonesia
Dari data permintaan diatas
Data Biaya Produksi
Terdapat beberapa biaya yang
tahun 2007 merupakan pola data yang
terkait dalam produksi dimana biaya
berbentuk
tidak
tersebut telah ditetapkan oleh pihak
stabil, menaik dan menurun dari
perusahaan sebagai masukkan dalam
periode satu ke periode berikutnya,
perencanaan produksi. Berikut adalah
dibawah ini gambar pola data dari
data-data mengenai biaya produksi
permintaan produk Pedialyte :
yang diperoleh :
Permintaan (botol)
dapat diketahui pola data permintaan horisontal
namun
a. Upah tenaga Kerja per bulan =
200000
Rp.1.108.800
150000 100000
Upah tenaga Kerja per jam
50000 0 1
2 3
4
5 6
7 8
9 10 11 12
Bulan
Gambar 4.2 Pola Data Permintaan Pedialyte Tahun 2007
=
Rp.6.300,00 b. Maksimum jam/hari
lembur
adalah
4
Perhitungan
upah
lembur
berdasarkan Keputusan Menteri Tenaga KerjaRepublik Indonesia No.KEP-72/MEN/1984
sebagai
berikut:
Biaya
bahan
baku/botol
=
Rp454.249+ Rp8.729.805 = Rp.3061,35= Rp.3.100 3000
d. Biaya perekrutan tenaga kerja = Rp.700.000/orang
1. Tarif Lembur per jam = 1/173 x upah sebulan
e. Biaya inventory yaitu 2 orang tenaga kerja dimana upah per jam
2. Upah Lembur pada hari-hari
= Rp.6.300
kerja biasa:
Sehingga untuk 2 orang yaitu = 2 x
a. Jam lembur pertama = 1,5 x
Rp.6.300 = Rp.12.600/jam
tarif per jam
Ketentuan Hari Kerja
b. Jam lembur kedua, dan
Waktu kerja normal yang telah
setiap jam berikutnya = 2 x
ditetapkan oleh perusahaan adalah 8
tarif per jam
jam
c. Biaya bahan baku
atau
480
menit
per
hari,
sedangkan ketentuan hari kerja dalam
Biaya raw material = Rp.454.249
satu bulan selama satu tahun adalah :
untuk 3000 botol Biaya Finishing = Rp.8.729.805 untuk 3000 botol
Tabel 4.6 Ketentuan Hari Kerja Tahun 2008 Bulan Januari Februari Maret April Mei Juni July Agustus September Oktober November Desember Σ
Hari Kerja 21 20 18 22 18 21 22 20 20 20 20 19 237
pemulusan eksponensial ganda (DES)
Pengolahan Data
Dari
hasil
penelitian
didapatkan
kemudian
pengolahan
data,
melakukan
dilakukan
antara
peramalan,
yang
dengan
menggunakan
program
komputer MINITAB 11, dari tiga
lain
metode dipilih salah satu dengan
perhitungan
melihat pada MAD dan batas kontrol
waktu baku proses operasi produksi,
pada
perencanaan agregat dan disagregasi.
signal).
Peramalan
a. Peramalan dengan Metode Rata-
Dengan melihat pada pola data
tanda
penjejakan
(tracking
Rata Bergerak (MA)
permintaan produk yang didapat, maka
Berikut
ini
merupakan
hasil
metode yang dipilih adalah metode
peramalan
rata-rata bergerak (MA), pemulusan
metode Rata-Rata Bergerak (Moving
eksponensial
Average) dengan pergerakan 5 bulan :
(ES)
dan
metode
dengan
Tabel 4.7 Hasil Peramalan dengan Metode MA No
Bulan
Permintaan Aktual
Peramalan
1
Januari
48672
-
2
Februari
87888
-
3
Maret
63252
-
4
April
35064
-
5
Mei
88812
-
6
Juni
82008
64738
7
Juli
37824
71405
8
Agustus
57600
61392
9
September
60144
60262
10
Oktober
27756
65278
11
November
145368
53067
12
Desember
44722
65739
menggunakan
Tabel 4.8 Tracking Signal dari Peramalan dengan Metode MA Waktu
F
Aktual
Error
RSFE
A-F
Absolut
Kumulatif
MAD
TS
Error
Absolut
7/1
5/8
(1)
(2)
(3)
(4)
(5)
(6)
(7)
(8)
(9)
1
64738
82008
17270
17270
17270
17270
17270
1
2
71405
37824
-33581
-16311
33581
50851
25425
-0,65
3
61392
57600
-3792
-20103
3792
54643
18214
-1,11
4
60262
60144
-118
-20221
118
54761
3422
-5,91
5
65278
27756
-37522
-57743
37522
92283
18456
-3,13
6
53067
145368
92301
87625
92301
184584
30764
2,85
7
65739
44722
-21017
66608
21017
205601
29371
2,27
Sedangkan gambar grafik
tanda
penjejakan (Tracking
Signal)
peramalan
menggunakan
menggunakan pergerakan 5 bulan
metode Rata-Rata Bergerak (Moving
didapat nilai MAD = 29371. Dari
Average) adalah sebagai berikut :
gambar
dengan
dari
Peramalan dengan metode Rata-
BKA
4 2 Trackin g S ign al
Bergerak
(Moving
grafik
tanda
Average)
penjejakan
(Tracking Signal) terdapat data yang
Peta Tracking Signal
keluar dari batas kontrol yaitu pada bulan
September
sehingga
dapat
dikatakan metode Rata-Rata Bergerak
0 -2
Rata
1
2
3
4
-4
5
6
7
BKB
-6
(Moving Average) ini tidak layak digunakan meramal).
-8 Periode
Gambar 4.3 Grafik Tracking Signal dari Peramalan dengan Metode MA
untuk
memprediksi
(
b. Peramalan
Metode
lunak Minitab 11 didapatkan nilai α =
Pemulusan Eksponensial Tunggal
0,5. Dibawah ini merupakan hasil
(SES)
peramalan
Perhitungan metode
dengan
peramalan
Pemulusan
Tunggal
dengan
metode
Eksponensial
(Single
Tunggal
dengan
menggunakan
Pemulusan
Eksponensial
(Single
Exponential
Smoothing) beserta perhitungan tanda
Exponential
penjejakan (Tracking Signal) :
Smoothing) menggunakan perangkat
Tabel 4.9 Tracking Signal dari Peramalan dengan Metode SES Waktu (1)
F(α = 0,5)
Aktual
Error
RSFE
A-F
(2)
Absolut
Kumulatif
MAD
TS
Error
Absolut
7/1
5/8
(3)
(4)
(5)
(6)
(7)
(8)
(9)
1
64926
48672
-16254
-16254
16254
16254
16254
-1
2
56799
87888
31089
14835
31089
47343
23671
0,63
3
72343
63252
-9091
5744
9091
56434
18811
0,31
4
67798
35064
-32734
-26990
32734
89168
22292
-1,21
5
51431
88812
37381
10391
37381
126549
25310
0,41
6
70121
82008
11887
22278
11887
138436
23073
0.97
7
76065
37824
-38241
-15963
38241
176677
25240
-0,63
8
56944
57600
656
-15307
656
177333
22167
-0,69
9
57272
60144
2872
-12435
2872
180205
20023
-0,62
10
58708
27756
-30952
-43387
30952
211157
21116
-2,05
11
43232
145368
102136
58749
102136
313293
28481
2,06
12
94300
44722
-49578
9171
49578
362871
30239
0,30
c. Peramalan dengan Metode
(Double
Exponential
Pemulusan Eksponensial
Smoothing) menggunakan perangkat
Berganda (DES)
lunak Minitab 11 dengan konstanta
Perhitungan metode
Berganda
peramalan
Pemulusan
dengan
Eksponensial
optimum (α = 0,270454) ( γ
=
0,359702), kemudian membandingkan
dengan
konstanta
pemulusan
sekitarnya.
Hasil
perhitungan
peramalan
metode
pemulusan
error,
maka
dipilih
konstanta
pemulusan (α = 0,5) ( γ = 0,6). Dibawah
ini
merupakan
hasil
eksponensial ganda dengan perangkat
peramalan
lunak Minitab 11 terlampir. Dengan
metode
melihat nilai MAD dan MAPE yang
Berganda
terkecil
melihat
Smoothing)
terpilih
beserta
banyaknya positif error dan negatif
perhitungan
tanda
penjejakan
disertai
dengan
dengan
menggunakan
Pemulusan
Eksponensial
(Double
Exponential
(Tracking Signal) : Tabel 4.10 Tracking Signal dari Peramalan dengan Metode DES Waktu (1)
F (α = 0,5) (2)
Aktual
Error
RSFE
A-F
Absolut
Kumulatif
MAD
TS
Error
Absolut
7/1
5/8
(3)
(4)
(5)
(6)
(7)
(8)
(9)
1
60830
48672
-12158
-12158
12158
12158
12158
-1
2
51848
87888
36040
23882
36040
48198
24099
0,99
3
77777
63252
-14525
9357
14525
62723
20908
0,45
4
74066
35064
-39002
-29645
39002
101725
25431
-1,16
5
46416
88812
42396
12751
42396
144121
28824
0,44
6
72184
82008
9824
22575
9824
153945
25657
0,88
7
84613
37824
-46789
-24304
46789
200734
28676
-0,85
8
54699
57600
2901
-21403
2901
203635
25454
-0,84
9
50500
60144
9644
-11759
9644
213279
23698
-0,50
10
52566
27756
-24810
-36569
24810
238089
23809
-1,54
11
29962
145368
115406
78837
115406
353495
32136
2,45
12
112088
44722
-67366
11471
67366
420861
35072
0,33
gambar
grafik
tanda
penjejakan (Tracking
Signal)
peramalan
dengan
menggunakan
Pemulusan
Eksponensial
(Double
Exponential
metode Berganda
dari
Smoothing) terpilih adalah sebagai
berikut :
Peta Tracking Signal
BKA
4 3 T ra c k in g S ig n a l
Sedangkan
2 1 0
-1 1 2 3 4 5 6 7 8 9 10 11 12 -2 -3
BKB
-4 Periode
Gambar 4.7 Grafik Tracking Signal dari Peramalan dengan Metode DES
Pemulusan
Verifikasi Peramalan
Hasil peramalan terpilih dari
(Double
Eksponensial Exponential
Smoothing).
dua metode yang digunakan dilakukan
Perbandingan
verifikasi untuk dapat mencerminkan
metode-metode tersebut menghasilkan
data masa lalu. Untuk membuat Peta
MAD
kisaran bergerak
(Moving Range)
nilai
Berganda
minimum
Pemulusan
MAD
pada
yaitu
metode
Eksponensial
Tunggal
terlebih dahulu kita memilih metode
(Single Exponential Smothing). Tahap
mana yang akan digunakan yaitu
berikutnya
dengan cara membandingkan nilai
perhitungan
MAD yang paling kecil dari metode
membandingkan
Rata-Rata Bergerak (Moving Average),
aktual dengan nilai peramalan dimana
Pemulusan
hasil perhitungan harus bernilai positif.
Eksponensial
Tunggal
(Single Exponential Smothing) dan
adalah MR
membuat
Absolut nilai
untuk
permintaan
Tabel 4.11 Perhitungan Peta Moving Range
Bulan Januari Februari Maret April Mei Juni Juli Agustus September Oktober November Desember ∑
Peramalan 64926 56799 72343 67798 51431 70121 76065 56944 57272 58708 43232 94300 -
Permintaan Aktual 48672 87888 63252 35064 88812 82008 37824 57600 60144 27756 145368 44722 -
Perhitungan Waktu Baku
Waktu Siklus (Ws) =
Total waktu proses produksi pedialyte
solution
didapatkan
A-F -16254 31089 -9091 -32734 37381 11887 -38241 656 2872 -30952 102136 -49578 -
1,1
MR Absolut 47343 40180 23643 70115 25494 50125 38897 2216 33824 133088 151723 616648
Total waktu 1,1 (menit) = = 0,275 menit Jumlah Operasi 4
Waktu normalnya : Wn
= Ws * p
menit dan total waktu proses produksi
= 1,1 menit * 1,16
pedialyte buble gum didapatkan 1,08
= 1,276 menit
menit. Menghitung Waktu Normal dan
Waktu bakunya :
Waktu Baku dengan penyesuaian cara
Wb
= Wn (1 + l)
Shumard :
= 1,276 menit ( 1 + 0,1)
Penyesuaian dan Kelonggaran
= 1,4036 menit
Kinerja operator secara keseluruhan
= 0,0234 jam = 0,03 jam
dapat dikatakan baik dan faktor penyesuaiannya adalah : P
=
70 60
= 1,16 Kelonggaran diasumsikan 10 % Pedialyte Solution :
Pedialyte Buble Gum : Waktu Siklus (Ws) =
Total waktu 1,08 (menit) = = 0,27 menit Jumlah Operasi 4
Waktu normalnya : Wn
= Ws * p = 1,08 menit * 1,16 = 1,2528 menit
Waktu bakunya :
digunakan
Wb
= Wn (1 + l)
perencanaan produksi yaitu tenaga
= 1,2528 menit ( 1 + 0,1)
kerja berubah dan persediaan berubah.
= 1,3781 menit
Dibawah ini adalah hasil perhitungan
= 0,0229 jam = 0,03 jam
perencanaan produksi dengan dengan
Dalam perencanaan produksi, menggunakan
persediaan berubah.
beberapa
a. Perhitungan dengan Menggunakan
metode yaitu metode pure strategy dan
Metode Tenaga Kerja Berubah
metode mixed strategy.
Setelah
Dalam metode pure strategy, 2
melakukan
peramalan,
maka dibawah ini adalah data hasil
Metode Pure Strategy
terdapat
melakukan
metode tenaga kerja berubah dan
Perencanaan Produksi Agregat
peneliti
dalam
metode
yang
peramalan
akan
selama
12
bulan
berdasarkan hasil permalan terbaik:
Tabel 4.13 Hasil Perencanaan Produksi Agregat dengan Metode Tenaga Kerja Berubah Bulan 1 2 3 4 5 6 7 8 9 10 11 12
Demand (botol) 28360 56799 72343 67798 51431 70121 76065 56944 57272 58708 43232 94300
∑
Demand (jam) 851 1704 2171 2034 1543 2104 2282 1709 1719 1762 1297 2829 22005
21 20 18 22 18 21 22 20 20 20 20 19
Waktu Reguler 1008 1280 1584 1936 1584 1848 1936 1760 1760 1760 1440 1976
241
19872
HK
Waktu Overtime 0 424 587 98 0 256 346 0 0 2 0 853 2566
Hire
Fire
0 2 3 0 0 0 0 0 0 0 0 4 9
6 0 0 0 0 0 0 0 0 0 2 0
Jumlah Pekerja 6 8 11 11 11 11 11 11 11 11 9 13
8
Total biaya Produksi = Biaya Reguler + Biaya Overtime + Biaya Hire + Biaya Fire = Rp.170.242.400
Tabel 4.14 Hasil Perencanaan Produksi Agregat dengan Metode Persediaan Berubah Bulan 1 2 3 4 5 6 7 8 9 10 11 12
Demand (botol) 28360 56799 72343 67798 51431 70121 76065 56944 57272 58708 43232 94300
∑
Demand (jam) 851 1704 2171 2034 1543 2104 2282 1709 1719 1762 1297 2829 22005
21 20 18 22 18 21 22 20 20 20 20 19
Produksi (jam) 2016 1920 1728 2112 1728 2016 2112 1920 1920 1920 1920 1824
241
23136
HK
Produksi (botol) 67200 64000 57600 70400 57600 67200 70400 64000 64000 64000 64000 60800 771200
Inventori (botol) 38840 46401 31658 34260 40429 37508 31843 38899 45627 50919 71687 38187
Lost Demand 0 0 0 0 0 0 0 0 0 0 0 0
Jumlah Pekerja 12 12 12 12 12 12 12 12 12 12 12 12
Total Biaya Produksi = Biaya Reguler + Biaya Inventori = Rp.145.756.800 + Rp.24.292.800 = Rp.170.049.600 Tabel 4.15 Hasil Perencanaan Produksi Agregat dengan Metode Mixed Strategy Bulan 1 2 3 4 5 6 7 8 9 10 11 12
Demand (botol) 28360 56799 72343 67798 51431 70121 76065 56944 57272 58708 43232 94300
∑
Demand (jam) 851 1704 2171 2034 1543 2104 2282 1709 1719 1762 1297 2829 22005
21 20 18 22 18 21 22 20 20 20 20 19
Waktu Reguler 2016 1920 1728 2112 1728 2016 2112 1920 1920 1920 1920 1824
241
23136
HK
Inventori (botol) 38840 46401 31658 34260 40429 37508 31843 38899 45627 50919 71687 38187
Waktu Overtime 0 0 0 0 0 0 0 0 0 0 0 0
Total Biaya Produksi = Biaya Reguler + Biaya Inventori = Rp.145.756.800 + Rp.24.292.800 = Rp.170.049.600
Hire 0 0 0 0 0 0 0 0 0 0 0 0
Sub Kontrak 0 0 0 0 0 0 0 0 0 0 0 0
Jumlah Pekerja 12 12 12 12 12 12 12 12 12 12 12 12
Tabel 4.16 Perencanaan Produksi Agregat 2008
1
Perencanaan Produksi (jam) 2016
Perencanaan Produksi (unit) 67200
2
1920
64000
3
1728
57600
4
2112
70400
5
1728
57600
6
2016
67200
7
2112
70400
8
1920
64000
9
1920
64000
10
1920
64000
11
1920
64000
12
1824
60800
Total
23136
771200
Periode
Tabel 4.18 Disagregasi Pedialyte Tahun 2008 Periode
Y*
1
67200
2
64000
3
57600
4
70400
5
57600
6
67200
Step 1 79001 14285 93286 49180 38994 88174 88920 23123 112043 88672 29024 117696 63527 18833 82360 71863 41708 113571
Step 2
Step 3
26086
61925 5275
24174
33304 30696
54443
47399 10201
47296
52981 17419
24760
44511 13089
46371
41329 25871
Kuantitas Produksi 61925 5275 67200 33304 30696 64000 47399 10201 57600 52981 17419 70400 44511 13089 57600 41329 25871 67200
Next Per Ending Inventory 25424 0 25424 21426 11217 32643 13652 4248 17900 15471 5031 20502 20483 6188 26671 15639 8111 23750
Tabel 4.19 Disagregasi Pedialyte Tahun 2008 (Lanjutan) Periode
Y*
7
70400
8
64000
9
64000
10
64000
11
64000
12
60800
Step 1 121723 6657 128380 54851 42406 97257 67858 22999 90857 68563 18438 87001 56625 37364 93989 114004 18121 132125
Step 2
Step 3
57980
69371 1029
33257
34065 29935
26857
48476 15524
23001
50832 13168
29989
37167 26833
71325
57032 3768
Kuantitas Produksi 69371 1029 70400 34065 29935 64000 48476 15524 64000 50832 13168 64000 37167 26833 64000 57032 3768 60800
Tabel 4.20 Jadwal Induk Produksi Pedialyte Tahun 2008 Periode
1 2 3 4 5 6 7 8 9 10 11 12 Total
Unit Produksi Pedialyte Pedialyte Solution Buble Gum 61925 5275 33304 30696 47399 10201 52981 17419 44511 13089 41329 25871 69371 1029 34065 29935 48476 15524 50832 13168 37167 26833 57032 3768 578392 192808
Next Per Ending Inventory 16329 302 16631 14804 8883 23687 21949 8466 30415 27525 8182 35707 36642 19833 56475 18351 2912 21263
horisontal namun tidak stabil maka
Analisa
Produk yang diamati adalah
digunakan 3 metode peramalan, yaitu
pedialyte yang diproduksi oleh PT.
metode Rata-Rata Bergerak (MA),
Abbott Indonesia periode Januari 2007
metode pemulusan eksponensial (ES),
sampai
Produk
dan metode pemulusan eksponensial
pedialyte terdapat dua tipe yaitu
ganda (DES) dengan menggunakan
pedialyte solution dan buble gum,
perangkat lunak Minitab 11. Proses
dimana total permintaan dari kedua
peramalan
produk tersebut pada tahun 2007
metode Rata-Rata Bergerak (Moving
adalah 779.110 botol.
Average) diperoleh nilai MAD =
Desember
Pada
2007.
proses
peramalan
29371
dengan
dimana
menggunakan
pergerakannya
permintaan, langkah awal yang harus
menggunakan periode 5 bulan (nilai
dikerjakan adalah menentukan jangka
optimal). Dari gambar grafik tanda
waktu peramalan dan membuat grafik
penjejakan (Tracking Signal) terdapat
data
untuk
data yang keluar dari batas kontrol
mengetahui pola data yang dihasilkan
yaitu pada bulan September sehingga
sehingga
permintaan
aktual dipilih
metode
dapat dikatakan metode Rata-Rata
akan
dipakai.
Bergerak (Moving Average) ini tidak
Peramalan yang digunakan termasuk
layak digunakan untuk memprediksi
dalam peramalan jangka menengah
(meramal). Pada metode
karena dilakukan dalam jangka waktu
Eksponensial
dua
Exponential Smoothing) menggunakan
peramalan
belas
dapat yang
periode
yakni
periode
Januari 2008 sampai Desember 2008. Pola data permintaan aktual produksi pedilayte sampai
Desember
memperlihatkan tersebut
periode Januari 2007
bahwa
pola
data
mempunyai
pola
data
Pemulusan
Tunggal
(Single
konstanta α = 0,5 (nilai optimum) maka nilai MAD = 30239, untuk grafik tanda penjejakan (Tracking Signal) tidak terdapat data – data yang
keluar dari batas kontrol sehingga dapat dikatakan metode ini layak digunakan
untuk
memprediksi
(meramal). Hasil pengolahan data
penjejakan (Tracking Signal) tidak
dengan
menggunakan
metode
terdapat data – data yang keluar dari
Ekponensial
Berganda
batas kontrol, serta memiliki positif
Smoothing)
error dan negatif error yang sama
menggunakan konstanta (α = 0,5) ( γ =
banyak. Langkah selanjutnya adalah
0,6) maka didapat nilai MAD =
membuat
35072. Untuk grafik tanda penjejakan
(Moving Range), dari grafik peta
(Tracking Signal) tidak terdapat data –
kisaran
data yang keluar dari batas kontrol
terlihat bahwa tidak ada data yang
sehingga dapat dikatakan metode ini
keluar dari batas kontrol. Dimana nilai
layak digunakan untuk memprediksi
batas kontrol atas = 149117 dan batas
(meramal).
kontrol bawah = -149117, maka hasil
Pemulusan (Double
Exponential
peta bergerak
kisaran (Moving
bergerak Range)
peramalan
perhitungan peramalan mencerminkan
terbaik yaitu dengan membandingkan
data masa lalu dan dapat dipergunakan
nilai MAD yang terkecil, pada grafik
pada
tanda penjejakan (Tracking Signal)
produksi agregat.
Pemilihan
model
perhitungan
perencanaan
tidak terdapat data – data yang keluar
Total waktu perakitan untuk
dari batas kontrol, serta memiliki
masing-masing tipe setiap botolnya
positif error dan negatif error yang
adalah 1,1 menit dan 1,08 menit,
sama banyak. Diantara ketiga model
dengan jumlah tenaga kerja sebanyak
peramalan
12 orang. Perhitungan waktu baku
yang
digunakan.
Berdasarkan hasil perhitungan, maka
dengan
model metode peramalan yang terbaik
Shumard dan asumsi kelonggaran.
adalah
Pemulusan
Dari hasil perhitungan didapat waktu
metode
menggunakan
penyesuaian
Eksponensial
Tunggal
(Single
baku kedua tipe pedialyte yaitu 0,03
Exponential
Smoothing)
karena
jam.
mempunyai nilai MAD yang terkecil yaitu
30239,
pada
grafik
tanda
Jika dilihat dari tabel dan grafik diatas dapat terlihat bahwa
untuk metode persediaan berubah dan
Langkah pertama yaitu menentukan
mixed strategy memiliki alokasi biaya
kuantitas item yang akan diproduksi
yang sama besar.
per tipe. Permintaan aktual masing-
perhitungan
Dari ketiga hasil
metode
perencanaan
masing tipe pedialyte tahun 2007
agregat diatas maka metode yang
dilakukan
dipilih adalah metode yang memiliki
menggunakan
total ongkos produksi terkecil yaitu
permintaan aktual. Setelah itu barulah
metode
dilakukan
persediaan
berubah
atau
peramalan
dengan
proporsi
dari
perhitungan
dengan
metode campuran. Jadi kedua metode
menggunakan
tersebut dapat digunakan salah satunya
Knapsack Method. Kuantitas produksi
untuk
dari hasil perhitungan diatas adalah
dilakukan
perencanaan
Reguler
besarnya jumlah produk dari setiap
disagregasi. Perencanaan agregat produksi yang
pendekatan
telah
didapat
dibuat
disagregasinya dengan menggunakan
tipe pedialyte yang dijadikan sebagai Jadwal Induk Produksi
yang
akan
diproduksi pada tahun 2008.
pendekatan Reguler Knapsack Method. KESIMPULAN DAN SARAN
kontrol. Dari hasil peramalan dengan
Kesimpulan
Dari ketiga metode peramalan
menggunakan metode terpilih jumlah
yang digunakan maka metode yang
peramalan permintaan pedialyte pada
lebih
tahun 2008 adalah 769939 botol.
baik
digunakan
meramalkan
permintaan
pada
2008
tahun
pedialyte
Dari
hasil
perhitungan
metode
perencanaan produksi agregat dengan
tunggal
metode strategi murni (pure strategy)
(single exponential smoothing dengan
dan campuran (mixed strategy), maka
nilai α = 0,5), karena menghasilkan
metode yang lebih baik digunakan
nilai MAD terkecil yaitu 30239 dan
dalam perencanaan produksi agregat
tidak ada data yang keluar dari batas
pedialyte untuk tahun 2008 adalah
pemulusan
adalah
untuk
eksponensial
metode campuran (mixed strategy) dimana
menghasilkan
produksi
terkecil
total yaitu
Saran
biaya sebesar
Dalam melakukan peramalan untuk
perencanaan
produksi,
Selain itu tenaga
hendaknya melihat pola data yang ada,
kerja pada metode campuran (mixed
sehingga keakuratan data peramalan
strategy)
dapat diandalkan. Pada perencanaan
Rp.170.049.600.
adalah tenaga kerja tetap
yang lebih memiliki kepastian kerja
produksi
bagi para pekerja. Sedangkan untuk
memperhatikan permintaan konsumen
total produksi pedialyte tahun 2008
dan
dengan
menggunakan
kapasitas sumber daya yang ada
campuran
(mixed
metode
strategy)
yaitu
hendaknya
keadaan
sehingga
sangat
perekonomian tidak
serta
menyebabkan
sebanyak 771.200 botol dengan jumlah
kelebihan atau kekurangan produksi
tenaga
yang dapat merugikan perusahaan.
kerja
yang
dibutuhkan
sebanyak 12 orang. Dari dibuat
Pada
perencanaan disagregasi
perencanaan
produksi
agregat
dengan menggunakan metode murni
dengan
(pure strategy) dan campuran (mixed
pemrogramman linear sebagai rencana
strategy)
produksi terperinci untuk setiap tipe
kapasitas produksi dengan ongkos
Pedialyte, yaitu
pedialyte solution
produksi termurah. Sedapat mungkin
dengan total produksi sebesar 578392
seluruh permintaan harus dipenuhi
botol
Gum
tepat waktu karena besar kemungkinan
dengan total produksi sebesar 192808
pelanggan akan beralih menggunakan
botol.
produk
dan
Pedilayte
Buble
hendaknya
sejenis
kompetitor.
dari
menggunakan
perusahaan
DAFTAR PUSTAKA Bedworth DD, Bailey JE, Integrated Production control Analysis, system:Management, Design, John Wiley and Sons, New York, 1982. Elwood, BS, Rakesh, Manajemen Operasi dan Produksi Modern, Jilid Satu, Edisi Kedelapan, 1996. Production Gaspersz, Vincent: Planning and Inventory Control, PT. Gramedia Pustaka Utama, Jakarta, 2002.
Handoko, TH, Dasar-dasar Manajemen Produksi dan Operasi, Edisi Pertama, BPFT, Yogyakarta, 1984.
Heizer, Barry Render Jay, Prinsipprinsip Manajemen Operasional, Salemba empat, Jakarta, 2001. Herjanto, E, Manajemen Produksi dan Operasi, Edisi Kedua, Grasindo, Jakarta, 1999 Kusuma, H, Perencanaan dan Pengendalian Produksi, Edisi Pertama, ANDI, Yogyakarta, 2001. Spyros Makridiakis, Wheelwright dan McGee, Metode dan Aplikasi Peramalan, Jilid Satu, Erlangga, Jakarta, 1992. Sutalaksana, Anggawisastra, Tjakraatmadja, Teknik Tata Cara Kerja, Bandung, Departemen Teknik Industri ITB, 1979.
