Seminar Nasional Aplikasi Teknologi Informasi 2006 (SNATI 2006)                                          ISSN: 1907-5022Yo...
Seminar Nasional Aplikasi Teknologi Informasi 2006 (SNATI 2006)                                                           ...
Seminar Nasional Aplikasi Teknologi Informasi 2006 (SNATI 2006)                                             ISSN: 1907-502...
Seminar Nasional Aplikasi Teknologi Informasi 2006 (SNATI 2006)                                                       ISSN...
Seminar Nasional Aplikasi Teknologi Informasi 2006 (SNATI 2006)                                              ISSN: 1907-50...
Seminar Nasional Aplikasi Teknologi Informasi 2006 (SNATI 2006)                                           ISSN: 1907-5022Y...
Upcoming SlideShare
Loading in …5
×

1514 1354-1-pb

769 views
674 views

Published on

0 Comments
0 Likes
Statistics
Notes
  • Be the first to comment

  • Be the first to like this

No Downloads
Views
Total views
769
On SlideShare
0
From Embeds
0
Number of Embeds
4
Actions
Shares
0
Downloads
10
Comments
0
Likes
0
Embeds 0
No embeds

No notes for slide

1514 1354-1-pb

  1. 1. Seminar Nasional Aplikasi Teknologi Informasi 2006 (SNATI 2006) ISSN: 1907-5022Yogyakarta, 17 Juni 2006 PERANCANGAN DAN PEMBUATAN SISTEM PERENCANAAN PRODUKSI (STUDI KASUS PADA PT. VONITA GARMENT) Felicia Soedjianto1, Tanti Oktavia2, James Arthur Anggawinata1 1 Jurusan Teknik Informatika, Fakultas Teknologi Industri, Universitas Kristen Petra 2 Jurusan Teknik Industri, Fakultas Teknologi Industri, Universitas Kristen Petra E-mail: felis@peter.petra.ac.id, tanti@peter.petra.ac.idABSTRAKSI PT. Vonita Garment adalah perusahaan yang bergerak di garmen. Selama ini sistem produksi yangdilakukan berdasarkan inventori atau stok gudang, dimana produksi terus berlangsung tanpa melihatpermintaan penjualan. Hal ini dapat mengakibatkan kerugian apabila permintaan penjualan jumlahnya lebihsedikit dari hasil produksi sehingga terdapat sisa produk yang tidak terjual, maupun apabila terjadi permintaanpenjualan yang melebihi stok sehingga PT. Vonita Garment tidak dapat memenuhi permintaan tersebut. Hal inidisebabkan kurang akuratnya data permintaan penjualan karena pencatatan yang dilakukan secara manual.Untuk mengatasi masalah tersebut, maka dibutuhkan suatu sistem baru untuk memperbaiki sistem yang dipakaisaat ini. Dari hasil uji coba, perangkat lunak yang dibuat ini dapat mengetahui jumlah stok barang yangdiperlukan, jumlah perkiraan permintaan penjualan, hasil peramalan dengan menggunakan metode yangmemiliki nilai Mean Absolute Deviation (MAD) terkecil, hasil penjadwalan produksi tiap minggu, dan hasilproduksi.Kata kunci: Peramalan Produksi, Penjadwalan Produksi, Sistem Penjualan1. PENDAHULUAN yang menjadi acuan adalah data masa lampau. Kebutuhan untuk menekan biaya produksi, Selama ini semua itu dijalankan secara manual,meningkatkan kualitas produksi, meningkatkan sehingga kurang efektif. Karena itu dengan adanyaproduktivitas, dan menciptakan sebuah produk baru sistem perencanaan produksi ini dapat lebihmenjadi stimulan yang mendorong teknologi untuk memaksimalkan produktivitas dan efektifitas darimelakukan terobosan-terobosan dan penemuan- PT. Vonita Garment. Sehingga dapat meminimalkanpenemuan baru. Produksi dalam sebuah organisasi terjadinya demand over supply ataupun sebaliknya,pabrik merupakan inti yang paling dalam, spesifik dan juga dapat membantu proses produksi berjalanserta berbeda dengan bidang fungsional seperti : dengan efektif dan tepat waktu.keuangan, personalia, dan lain-lain. Dalam sistemproduksi modern terjadi suatu proses transformasi 2. DASAR TEORInilai tambah yang mengubah input bahan mentah 2.1 Peramalan (Forecasting) [6]menjadi output sebuah produk yang dapat dijual di Tahap pertama dalam perencanaan danpasar dengan harga yang kompetitif. pengendalian produksi yang bersifat make to stock PT. Vonita Garment bergerak di bidang adalah menentukan suatu peramalan akurat darigarment atau disebut juga konveksi, yaitu permintaan (demand) untuk produk yangpembuatan pakaian jadi, terutama untuk anak-anak diproduksi. Peramalan ini digunakan sebagai dasaryang berusia sekitar 1-7 tahun. Perusahaan ini untuk menentukan kebijakan perencanaan produksi,cukup bersaing dibidangnya. Hal ini dapat dilihat pembebanan mesin, menentukan kebutuhan mesin,dari penyebaran hasil produksinya yang mencapai peralatan, bahan, serta untuk menentukan tingkatSemarang, Surabaya, Jakarta, maupun beberapa tenaga kerja selama periode produksi.kota lainnya. Proses produksi yang berlangsung Pada dasarnya peramalan adalah sebuahdalam PT. Vonita Garment secara umum dapat tafsiran, sehingga keadaan dimasa mendatang tidakdigambarkan sebagai berikut: harus persis sama seperti hasil peramalan. Namun• Pembuatan pola, yaitu pembuatan pola dari ada batas interval dimana keadaan yang sebenarnya masing-masing bagian pakaian (kerah, lengan, masih berada dalam interval tersebut, sehingga dada, dll). hasilnya tidak jauh berbeda dengan yang sudah• Proses pemindahan pola ke material dasar diramalkan. Peramalan diperlukan karena adanya (kain), dan diikuti dengan pemotongan kain perbedaan waktu antara kesadaran akan tersebut. dibutuhkannya suatu kebijaksanaan baru dengan• Menyerikan tiap-tiap bagian dari pakaian pelaksanaan kebijakan baru tersebut. Jadi dalam menjadi satu kesatuan pakaian. menentukan kebijakan tersebut perlu diperkirakan• Memberi corak pada masing-masing bagian kesempatan atau peluang yang ada, dan ancaman pakaian (obras, sablon, dll). yang mungkin terjadi saat kebijakan baru tersebut• Menjahit masing-masing bagian pakaian dilaksanakan. menjadi satu kesatuan. Dalam pembuatan program aplikasi ini• Finishing, yaitu memeriksa apakah ada yang digunakan beberapa metode dalam melakukan kurang dari tiap pakaian yang sudah jadi (biasa peramalan, yaitu: juga disebut sebagai quality control). a. Moving Average Dalam proses produksi ini, PT. Vonita Moving Average termasuk dalam time seriesGarment memakai sistem make to stock. Dimana model yang merupakan metode peramalan E-117
  2. 2. Seminar Nasional Aplikasi Teknologi Informasi 2006 (SNATI 2006) ISSN: 1907-5022Yogyakarta, 17 Juni 2006kuantitatif dengan menggunakan waktu sebagai s 2 − s1 n −1dasar peramalan. Untuk membuat suatu peramalan a1 = ...(7) a0,2n = s2 + a1 ...(8)diperlukan data historis (masa lampau) permintaan. n 2 a 0 = a 0,2n − (2n )a1 ... (9) ct =Data inilah yang akan dianalisis dengan xtmenggunakan parameter waktu sebagai dasar ... (10) a0 + a1.tanalisis. Metode Moving Average ini paling sesuaiapabila pola data masa lampau yang dimiliki Persamaan (5) hingga (7) adalah untukbertipe siklikal. menghitung slope dari data masa lampau yang ada. Rumus yang dipakai dalam metode Moving Persamaan (8) adalah sebagai variabel yangAverage adalah sebagai berikut: menyatakan level. Sedangkan persamaan (9) adalah ∧ ft − 1 + ft − 2 + ft − 3 + L + ft − m sebagai indikator trend dan persamaan (10) adalah ft = ... (1) sebagai indikator seasonal. Data masa lampau yang mdimana: dipunyai diolah dengan persamaan-persamaan yang ∧ ada diatas sehingga menghasilkan suatu pola dataft = ramalan permintaan untuk periode t masa lampau. Berdasar hasil olahan data masa lampauft = permintaan aktual periode t dapat dibuat sebuah peramalan denganm = jumlah periode yang digunakan untuk menggunakan rumus peramalan ∧ xt = (a 0,2n + a1.t )ct ...(11)b. Linear Regression dimana: Linear Regression termasuk dalam time ∧series model yang merupakan metode kuantitatif xt = ramalan permintaan untuk periode tdengan menggunakan waktu sebagai dasar a 0,2 n = levelperamalan. Metode ini paling tepat dipakai apabila a1 = slopepola data masa lampau yang dipunyai adalah t = periodebertipe trend. ct = seasonal Linear Regression memiliki persamaan dasarsebagai berikut: Yang perlu diperhatikan dalam melakukan ∧ peramalan adalah seberapa efektif hasil peramalan ft= a + b.t ... (2) yang dihasilkan. Untuk melihat hal tersebut perludimana: dilihat seberapa besar error dari hasil peramalan ∧ yang telah dihasilkan. Untuk keperluan ini ada tiga ft = ramalan permintaan untuk periode t macam ukuran yang dapat dipakai. Ketiga macama, b = intercept dan slope ukuran itu adalah:t = periode a. MAD (Mean Absolute Deviation) MAD adalah error hasil peramalan terhadap Linear Regression mempunyai tiga actual value tiap periodenya. Error ini kemudiankomponen dalam persamaan dasarnya, yaitu : a dijadikan nilai mutlak sebelum kemudian dibagisebagai intercept, b sebagai slope, dan t sebagai dengan n. Rumus dari MAD ini adalah sebagaiwaktu. Dimana cara untuk mendapatkan nilai a dan berikut :b adalah sebagai berikut: m ∧ 2 ∑ ft − ft ∑t ∑ f (t ) − ∑ t ∑ t . f (t ) t =1a= ... (3) MAD = ...(12) 2 2 n ∑ t − (∑ t ) m dimana: n ∑ t . f (t ) − ∑ t ∑ f (t ) ft = permintaan aktual periodeb= ... (4) 2 2 ∧ n ∑ t − (∑ t ) ft = ramalan permintaan periode t m = jumlah periode peramalanc. Exponential Smoothing adjusted for trend and seasonal variation (metode Winter) b. MAPE (Mean Absolute Percentage Error) Metode Winter juga termasuk dalam time MAPE adalah rata-rata persentase absolutseries model yang merupakan metode kuantitatif dari kesalahan peramalan dengan menghitung errordengan menggunakan waktu sebagai dasar absolut tiap periode. Error ini kemudian dibagiperamalan. Metode ini paling cocok diterapkan dengan n. Rumus dari MAPE ini adalah sebagaipada data yang bertipe seasonal. Metode Winter berikut:memiliki persamaan-persamaan dasar sebagaiberikut: m ⎡⎛ ∧ ⎞ ⎤ ∑ ⎢⎜ ft − ft ft ⎟.100% ⎥ t =1⎢⎜ ⎟ n 2n ⎝ ⎠ ⎥ ∑ xt ∑ xt t =n +1 MAPE = ⎣ ⎦ ...(13)s1 = t =1 ...(5) s 2 = ...(6) m n n dimana: E-118
  3. 3. Seminar Nasional Aplikasi Teknologi Informasi 2006 (SNATI 2006) ISSN: 1907-5022Yogyakarta, 17 Juni 2006 ft = permintaan aktual periode t 3. ANALISIS DAN DESAIN ∧ 3.1 Analisis kebutuhanft = ramalan permintaan periode t Saat ini proses yang ada pada PT. Vonitam = jumlah periode peramalan Garment meliputi: a. Proses Penjualan Proses penjualan pada PT. Vonita Garmentc. MSE (Mean Squared Error) dilakukan langsung di pabrik milik PT. Vonita MSE adalah rata-rata absolut dari kesalahan Garment sendiri.peramalan yang dikuadratkan. Rumus dari MSE b. Proses Produksiadalah sebagai berikut: Proses produksi yang dilakukan oleh PT. 2 m ∧ Vonita Garment saat ini adalah didasarkan ∑ ft − ft pada stok gudang tanpa melihat permintaan t =1 penjualan yang ada. Hal ini menyebabkanMSE = ... (14) m sering terjadi stok yang berlebihan di gudang,dimana: sehingga menjadi kurang efektif mengingat ft = permintaan aktual periode t lifetime produk yang sangat singkat. Selain itu∧ PT. Vonita Garment tidak mempunyai sistemft = ramalan permintaan periode t peramalan dan penjadwalan produksi.m = jumlah periode peramalan Berdasarkan permasalahan yang dihadapi oleh PT. Vonita Garment maka sistem baru yang2.2 Master Production Schedule [1] dibutuhkan adalah sebagai berikut: Jadwal Induk Produksi (JIP) atau disebut a. Suatu sistem yang dapat menyimpan datajuga Master Production Schedule (MPS) penjualan.merupakan suatu pernyataan tentang produk akhir, b. Suatu sistem yang dapat membantu PT. Vonitadari industri manufaktur yang memproduksi output Garment untuk meramalkan permintaanberkaitan dengan kuantitas dan periode waktu penjualan pada suatu periode tertentu.(Gasperz, 2001). MPS berkaitan dengan pernyataan c. Suatu sistem yang dapat mengupdate data stoktentang produksi, dan bukan pernyataan tentang produk yang ada.permintaan pasar. MPS merupakan pernyataan d. Suatu sistem yang dapat menganalisa lifecycleakhir tentang berapa banyak produk jadi yang harus dari produk yang ada.diproduksi, dan kapan harus produksi (Nasution, e. Suatu sistem yang dapat membantu2003). Melalui MPS terbentuk jalinan komunikasi menjadwalkan produksi secara efisien yangantara bagian pemasaran dengan bagian mengacu pada hasil peramalan serta kapasitasmanufakturing. produksi PT. Vonita Garment. MPS menggunakan lima jenis input, yaitu:• Data permintaan total, sebagai sumber data 3.2 Desain Program bagi proses penjadwalan induk. Data Berikut adalah flowchart untuk program permintaan total berkaitan dengan ramalan perencanaan produksi yang akan penjualan dan pemesanan. diimplementasikan.• Status inventori, berkaitan dengan informasi Gambar 1 menunjukan flow dari program ini. mengenai inventori on-hand, dan pesanan Pada awal dilakukan pengecekan apakah sudah ada produksi. pola data masa lampau. Yang dimaksud apakah• Rencana produksi. sudah pernah dihitung MAD dari data masa lampau• Data perencanaan, berkaitan dengan aturan- yang dimiliki dengan metode-metode yang dipakai. aturan lot-sizing, safety stock, dan lain-lain. Apabila belum, maka akan dilakukan penghitungan• Informasi dari Rough Cut Capacity Planning terlebih dahulu. Setelah itu dilakukan peramalan (RCCP), yang berupa kebutuhan kapasitas berdasar tiap kelompok ukuran. Untuk melakukan mesin. peramalan ini digunakan metode yang mempunyai nilai MAD terkecil. Kemudian hasil peramalan Terdapat beberapa pertimbangan dalam tersebut akan dibagi menjadi peramalan tiap itempenentuan desain MPS, yaitu lingkungan produk. Keselurahan proses ini dilakukan padamanufakturing, struktur produk, horison awal periode bulanan.perencanaan, lead times, production time fences, Pada akhir periode mingguan akanserta pemilihan item-item MPS. Lingkungan dimasukkan data penjualan tiap item produk padamanufakturing dalam desain MPS dapat juga minggu tersebut. Ini berlangsung terus setiapdinyatakan sebagai strategi yang diterapkan minggunya. Kemudian pada akhir periode bulananperusahaan (Gasperz, 2001). akan dihitung nilai akumulasi tiap item produk Pemilihan item-item yang dijadwalkan untuk tiap kelompok ukuran. Kemudian dicekmelalui MPS merupakan hal yang penting, karena apakah masih dalam batas tracking signal yangtidak hanya mempengaruhi bagaimana MPS ditentukan. Apabila sudah melebihi dapat dihitungberoperasi, tetapi mempengaruhi pula seluruh ulang MAD dengan menggunakan tiap-tiap metodesistem Production Planning and Inventory Control yang dimiliki. Hasil akhirnya adalah laporan MPS(PPIC). (Master Production Schedule) yang dihasilkan tiap akhir periode mingguan. E-119
  4. 4. Seminar Nasional Aplikasi Teknologi Informasi 2006 (SNATI 2006) ISSN: 1907-5022Yogyakarta, 17 Juni 2006 • Tabel Barang Tabel ini berfungsi untuk menyimpan data produk yang dihasilkan oleh PT.Vonita Garment. Tabel 4. Tabel Barang Field Type Length Description Kod_Barang Char 4 Kode produk Kode ukuran Kod_Ukuran Char 1 produk Nama VarChar 20 Nama jenis produk Harga Numeric 9 Harga produk Status Char 1 Status produk • Tabel Penjualan Tabel ini berfungsi untuk menyimpan data penjualan yang dilakukan oleh PT. Vonita Garment. Tabel 5. Tabel Penjualan Field Type Length Description Kod_Barang Char 4 Kode produk Minggu pen- Minggu SmallInt 2 jualan produk Bulan penju-alan Bulan SmallInt 2 produk Gambar 1. Flowchart Program Tahun penju-alan Tahun Int 4 produk Penjualan periode Jumlah Numeric 94. IMPLEMENTASI ini4.1 Implemensi Database Database diimplementasikan dalam bentuk • Tabel Peramalantabel-tabel. Tabel yang akan dijelaskan berikut Tabel ini berfungsi untuk menyimpan datadikhususkan pada tabel yang digunakan dalam peramalan yang dilakukan oleh PT. Vonitaproses akuntansinya saja. Garment.• Tabel Aktifitas Tabel 6. Tabel Peramalan Tabel ini berfungsi untuk menyimpan data Field Type Length Description Kod_Barang Char 4 Kode produkaktifitas yang dilakukan dalam PT. Vonita Minggu pera-Garment. Minggu SmallInt 2 malan produk Bulan pera-malan Bulan SmallInt 2Tabel 1. Tabel Aktifitas produk Field Type Length Description Tahun pera-malan Tahun Int 4Kod_Aktifitas Char 1 Kode aktifitas produk Var Keterangan Peramalan periodeKeterangan 15 Jumlah Numeric 9 Char aktifitas ini • Tabel Produksi• Tabel Mesin Tabel ini berfungsi untuk menyimpan data Tabel ini berfungsi untuk menyimpan data penjadwalan produksi yang dilakukan oleh PT.mesin yang dimiliki oleh PT. Vonita Garment Vonita Garment.beserta kapasitas produksinya. Tabel 7. Tabel Produksi Field Type Length DescriptionTabel 2. Tabel Mesin Kod_Barang Char 4 Kode produk Field Type Length Description Minggu produksiKod_Mesin Char 4 Kode mesin Minggu SmallInt 2 produkKod_Aktifitas Char 1 Kode aktifitas Bulan SmallInt 2 Bulan produksi produk Kapasitas produksi Tahun Int 4 Tahun produksi produkKapasitas Int 4 (sec) Jumlah Numeric 9 Produksi periode ini• Tabel Ukuran • Tabel Stok Tabel ini berfungsi untuk menyimpan data Tabel ini berfungsi untuk menyimpan dataukuran produk yang dihasilkan oleh PT. Vonita stok produk yang dimiliki oleh PT. VonitaGarment. Garment. Tabel 8. Tabel StokTabel 3. Tabel Ukuran Field Type Length Description Field Type Length Description Kod_Barang Char 4 Kode produk Kode ukuran Minggu SmallInt 2 Minggu stok produkKod_Ukuran Char 1 produk Bulan SmallInt 2 Bulan stok produkKeterangan VarChar 15 Keterangan ukuran Tahun Int 4 Tahun stok produk E-120
  5. 5. Seminar Nasional Aplikasi Teknologi Informasi 2006 (SNATI 2006) ISSN: 1907-5022Yogyakarta, 17 Juni 2006Jumlah Numeric 9 Stok periode ini• Tabel Kapasitas Tabel ini berfungsi untuk menyimpan datakapasitas produksi PT. Vonita Garment pada tiap-tiap periode penjadwalan.Tabel 9. Tabel Kapasitas Field Type Length Description Minggu kapasitasMinggu Small Int 2 produksiBulan Small Int 2 Bulan kapasitas produksiTahun Int 4 Tahun kapasitas produkJam_Kerja BigInt 8 Jam kerja periode iniKapasitas Int 4 Kapasitas periode ini4.2 Implementasi dan Pengujian Program Berikut ini adalah contoh kasus penjualan Gambar 2. Hasil Perhitungan MAD Ukuran Aproduk untuk kelompok A (umur 1-3 tahun) selama24 bulan. Dari data yang tersedia pada Tabel 10, makapertama kali yang dilakukan adalah mencari hasilperamalan dengan 3 metode yaitu: MovingAverage, Linear Regression dan Winter. Kemudiandihitung MAD-nya, metode yang memiliki MADpaling kecil menunjukkan bahwa hasilperamalannya mendekati keakuratannya. Gambarberikut menunjukkan hasil perhitungan MAD daridata tersebut.Tabel 10. Penjualan Produk Kelompok A Periode Bulan Jumlah 1 Januari 2003 132 2 Februari 2003 192 3 Maret 2003 228 4 April 2003 240 5 Mei 2003 168 6 Juni 2003 198 Gambar 3. Peramalan Periode Ke-25 Ukuran A 7 Juli 2003 144 Metode Linear Regression 8 Agustus 2003 240 9 September 2003 300 10 Oktober 2003 252 11 November 2003 288 12 Desember 2003 264 13 Januari 2004 264 14 Februari 2004 264 15 Maret 2004 264 16 April 2004 276 17 Mei 2004 288 18 Juni 2004 288 19 Juli 2004 276 20 Agustus 2004 288 21 September 2004 288 22 Oktober 2004 288 23 November 2004 288 Gambar 4. Form Peramalan Tiap Item Produk 24 Desember 2004 276 Tabel 11. Komposisi Prosentase Item Produk Karena dari hasil perhitungan MAD, metode A Blinear regression yang terkecil, maka merode ini Bulan 1 100% 100%yang dipakai untuk meramalkan penjualan periode Bulan 2 100% 120%ke-25. Bulan 3 60% 70% Dari hasil penghitungan peramalan tiapukuran tersebut baru diramalkan untuk tiap item Dengan komposisi seperti di atas dan denganproduk dalam kelompok ukuran tersebut. Dengan asumsi tiap bulan ada 3 macam item untuk tiap-tiapkomposisi perhitungan seperti pada Tabel 11. kelompok ukuran maka akan didapatkan hasilContoh peramalan tiap item produk dapat dilihat seperti pada Tabel 12.pada Gambar 4, sedangkan penjadwalanproduksinya dapat dilihat pada Gambar 5. E-121
  6. 6. Seminar Nasional Aplikasi Teknologi Informasi 2006 (SNATI 2006) ISSN: 1907-5022Yogyakarta, 17 Juni 2006 5. KESIMPULAN DAN SARAN Setelah melalui berbagai tahap perancangan, desain dan implementasi software sistem perencanaan produksi pada PT. Vonita Garment diambil beberapa kesimpulan sebagai berikut: a. Dengan adanya informasi mengenai stok barang yang ada, maka dapat meminimalkan kemungkinan terjadinya penumpukan stok. b. Dengan adanya laporan penjualan yang rapi dan lengkap maka dapat memudahkan untuk pembuatan peramalan. c. Dengan adanya menu untuk memasukan jam kerja dalam seminggu, membantu perusahaan dalam memperkirakan kemampuan produksinya. Gambar 5. Form Perencanaan Produksi d. Dengan adanya laporan penjadwalan produksi, maka kegiatan produksi dalam perusahaanTabel 12. Peramalan Tiap Item Produk lebih terkontrol. Item Lifecycle Jumlah e. Pengujian peramalan yang telah dilakukan A032 3 73 dengan menggunakan data penjualan periode A033 2 121 Januari 2003 hingga Desember 2004 A034 1 121 menghasilkan nilai: Untuk kelompok ukuran A (1-3 tahun) Setelah mendapatkan hasil peramalan tiap MAD dari peramalan dengan metodeitem barang dan perencanaan produksinya, form Moving Average sebesar 22.9, metodeberikut yang dihasilkan adalah MPS seperti yang Linear Regression sebesar 22.79,tampak pada Gambar 6. sedangkan metode Winter sebesar Baris forecast menunjukan peramalan yang 2317.67.sudah dilakukan untuk item produk tersebut pada Untuk kelompok ukuran B (4-7 tahun)periode tertentu, sales menunjukan penjualan aktual MAD dari peramalan dengan metodepada periode tersebut, stock menunjukan sisa stok Moving Average sebesar 27.25, metodeproduk tersebut pada periode yang sama, MPS Linear Regression sebesar 23.25,menunjukan rencana produksi mula-mula, dan Rev. sedangkan metode Winter sebesar 651.75.Prod menunjukan produksi yang sebenarnyadilakukan pada periode yang sama. Pada form ini terdapat fasilitas untuk DAFTAR PUSTAKAmenampilkan quick report. Dimana quick report ini [1] Baroto, Teguh, (2002). Perencanaan dannantinya dapat di-print untuk kemudian dijadikan Pengendalian Produksi, (1st ed). Jakarta.arsip secara manual. Ghalia Indonesia. [2] Elasyed, Elsayed. A. and Thomas. O. Boucher, (1994). Analysis and Control of Production System, (2nd ed). New Jersey. Prentice Hall. [3] Gasperz, Vincent, (2001). Production Planning and Inventory Control. Jakarta. PT. Gramedia. [4] Hanke, John E, Dean W. Wichern and Arthur G. Reitsch. (2001). Business Forecasting, (7th ed). New Jersey: Prentice Hall. [5] Kendall, Kenneth E. and Julie E. Kendall. (1992). System Analysis and Design. New Jersey: Prentice Hall. [6] Makridakis, Spyros, Steven C. Wheelwright, and Victor E. Mgee. (1999). Metode dan Aplikasi Peramalan. Jakarta: Binarupa Aksara. Gambar 6. Form Laporan MPS E-122

×