APLIKASI PENDETEKSI FRAUD PADA EVENT LOG PROSES BISNIS PENGADAAN BARANG DAN J...
1514 1354-1-pb
1. Seminar Nasional Aplikasi Teknologi Informasi 2006 (SNATI 2006) ISSN: 1907-5022
Yogyakarta, 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.id
ABSTRAKSI
PT. Vonita Garment adalah perusahaan yang bergerak di garmen. Selama ini sistem produksi yang
dilakukan berdasarkan inventori atau stok gudang, dimana produksi terus berlangsung tanpa melihat
permintaan penjualan. Hal ini dapat mengakibatkan kerugian apabila permintaan penjualan jumlahnya lebih
sedikit dari hasil produksi sehingga terdapat sisa produk yang tidak terjual, maupun apabila terjadi permintaan
penjualan yang melebihi stok sehingga PT. Vonita Garment tidak dapat memenuhi permintaan tersebut. Hal ini
disebabkan kurang akuratnya data permintaan penjualan karena pencatatan yang dilakukan secara manual.
Untuk mengatasi masalah tersebut, maka dibutuhkan suatu sistem baru untuk memperbaiki sistem yang dipakai
saat ini. Dari hasil uji coba, perangkat lunak yang dibuat ini dapat mengetahui jumlah stok barang yang
diperlukan, jumlah perkiraan permintaan penjualan, hasil peramalan dengan menggunakan metode yang
memiliki nilai Mean Absolute Deviation (MAD) terkecil, hasil penjadwalan produksi tiap minggu, dan hasil
produksi.
Kata kunci: Peramalan Produksi, Penjadwalan Produksi, Sistem Penjualan
1. 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 adanya
produktivitas, dan menciptakan sebuah produk baru sistem perencanaan produksi ini dapat lebih
menjadi stimulan yang mendorong teknologi untuk memaksimalkan produktivitas dan efektifitas dari
melakukan terobosan-terobosan dan penemuan- PT. Vonita Garment. Sehingga dapat meminimalkan
penemuan baru. Produksi dalam sebuah organisasi terjadinya demand over supply ataupun sebaliknya,
pabrik merupakan inti yang paling dalam, spesifik dan juga dapat membantu proses produksi berjalan
serta berbeda dengan bidang fungsional seperti : dengan efektif dan tepat waktu.
keuangan, personalia, dan lain-lain. Dalam sistem
produksi modern terjadi suatu proses transformasi 2. DASAR TEORI
nilai tambah yang mengubah input bahan mentah 2.1 Peramalan (Forecasting) [6]
menjadi output sebuah produk yang dapat dijual di Tahap pertama dalam perencanaan dan
pasar dengan harga yang kompetitif. pengendalian produksi yang bersifat make to stock
PT. Vonita Garment bergerak di bidang adalah menentukan suatu peramalan akurat dari
garment atau disebut juga konveksi, yaitu permintaan (demand) untuk produk yang
pembuatan pakaian jadi, terutama untuk anak-anak diproduksi. Peramalan ini digunakan sebagai dasar
yang 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 tingkat
Semarang, Surabaya, Jakarta, maupun beberapa tenaga kerja selama periode produksi.
kota lainnya. Proses produksi yang berlangsung Pada dasarnya peramalan adalah sebuah
dalam PT. Vonita Garment secara umum dapat tafsiran, sehingga keadaan dimasa mendatang tidak
digambarkan 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 series
Garment memakai sistem make to stock. Dimana model yang merupakan metode peramalan
E-117
2. Seminar Nasional Aplikasi Teknologi Informasi 2006 (SNATI 2006) ISSN: 1907-5022
Yogyakarta, 17 Juni 2006
kuantitatif dengan menggunakan waktu sebagai s 2 − s1 n −1
dasar 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 xt
menggunakan parameter waktu sebagai dasar ... (10)
a0 + a1.t
analisis. Metode Moving Average ini paling sesuai
apabila pola data masa lampau yang dimiliki Persamaan (5) hingga (7) adalah untuk
bertipe siklikal. menghitung slope dari data masa lampau yang ada.
Rumus yang dipakai dalam metode Moving Persamaan (8) adalah sebagai variabel yang
Average 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
m
dimana: dipunyai diolah dengan persamaan-persamaan yang
∧
ada diatas sehingga menghasilkan suatu pola data
ft = ramalan permintaan untuk periode t masa lampau.
Berdasar hasil olahan data masa lampau
ft = permintaan aktual periode t dapat dibuat sebuah peramalan dengan
m = 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 t
dengan menggunakan waktu sebagai dasar a 0,2 n = level
peramalan. Metode ini paling tepat dipakai apabila a1 = slope
pola data masa lampau yang dipunyai adalah t = periode
bertipe trend. ct = seasonal
Linear Regression memiliki persamaan dasar
sebagai berikut: Yang perlu diperhatikan dalam melakukan
∧ peramalan adalah seberapa efektif hasil peramalan
ft= a + b.t ... (2) yang dihasilkan. Untuk melihat hal tersebut perlu
dimana: 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 macam
a, 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 kemudian
komponen dalam persamaan dasarnya, yaitu : a dijadikan nilai mutlak sebelum kemudian dibagi
sebagai intercept, b sebagai slope, dan t sebagai dengan n. Rumus dari MAD ini adalah sebagai
waktu. Dimana cara untuk mendapatkan nilai a dan berikut :
b adalah sebagai berikut:
m ∧
2 ∑ ft − ft
∑t ∑ f (t ) − ∑ t ∑ t . f (t ) t =1
a= ... (3) MAD = ...(12)
2 2
n ∑ t − (∑ t ) m
dimana:
n ∑ t . f (t ) − ∑ t ∑ f (t ) ft = permintaan aktual periode
b= ... (4)
2 2 ∧
n ∑ t − (∑ t ) ft = ramalan permintaan periode t
m = jumlah periode peramalan
c. 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 absolut
series model yang merupakan metode kuantitatif dari kesalahan peramalan dengan menghitung error
dengan menggunakan waktu sebagai dasar absolut tiap periode. Error ini kemudian dibagi
peramalan. Metode ini paling cocok diterapkan dengan n. Rumus dari MAPE ini adalah sebagai
pada data yang bertipe seasonal. Metode Winter berikut:
memiliki persamaan-persamaan dasar sebagai
berikut: 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. Seminar Nasional Aplikasi Teknologi Informasi 2006 (SNATI 2006) ISSN: 1907-5022
Yogyakarta, 17 Juni 2006
ft = permintaan aktual periode t 3. ANALISIS DAN DESAIN
∧ 3.1 Analisis kebutuhan
ft = ramalan permintaan periode t Saat ini proses yang ada pada PT. Vonita
m = jumlah periode peramalan Garment meliputi:
a. Proses Penjualan
Proses penjualan pada PT. Vonita Garment
c. 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 Produksi
adalah 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 menyebabkan
MSE = ... (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 sistem
ft = ramalan permintaan periode t peramalan dan penjadwalan produksi.
m = jumlah periode peramalan Berdasarkan permasalahan yang dihadapi
oleh PT. Vonita Garment maka sistem baru yang
2.2 Master Production Schedule [1] dibutuhkan adalah sebagai berikut:
Jadwal Induk Produksi (JIP) atau disebut a. Suatu sistem yang dapat menyimpan data
juga Master Production Schedule (MPS) penjualan.
merupakan suatu pernyataan tentang produk akhir, b. Suatu sistem yang dapat membantu PT. Vonita
dari industri manufaktur yang memproduksi output Garment untuk meramalkan permintaan
berkaitan dengan kuantitas dan periode waktu penjualan pada suatu periode tertentu.
(Gasperz, 2001). MPS berkaitan dengan pernyataan c. Suatu sistem yang dapat mengupdate data stok
tentang produksi, dan bukan pernyataan tentang produk yang ada.
permintaan pasar. MPS merupakan pernyataan d. Suatu sistem yang dapat menganalisa lifecycle
akhir tentang berapa banyak produk jadi yang harus dari produk yang ada.
diproduksi, dan kapan harus produksi (Nasution, e. Suatu sistem yang dapat membantu
2003). Melalui MPS terbentuk jalinan komunikasi menjadwalkan produksi secara efisien yang
antara bagian pemasaran dengan bagian mengacu pada hasil peramalan serta kapasitas
manufakturing. 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 item
penentuan desain MPS, yaitu lingkungan produk. Keselurahan proses ini dilakukan pada
manufakturing, struktur produk, horison awal periode bulanan.
perencanaan, lead times, production time fences, Pada akhir periode mingguan akan
serta pemilihan item-item MPS. Lingkungan dimasukkan data penjualan tiap item produk pada
manufakturing dalam desain MPS dapat juga minggu tersebut. Ini berlangsung terus setiap
dinyatakan sebagai strategi yang diterapkan minggunya. Kemudian pada akhir periode bulanan
perusahaan (Gasperz, 2001). akan dihitung nilai akumulasi tiap item produk
Pemilihan item-item yang dijadwalkan untuk tiap kelompok ukuran. Kemudian dicek
melalui MPS merupakan hal yang penting, karena apakah masih dalam batas tracking signal yang
tidak hanya mempengaruhi bagaimana MPS ditentukan. Apabila sudah melebihi dapat dihitung
beroperasi, tetapi mempengaruhi pula seluruh ulang MAD dengan menggunakan tiap-tiap metode
sistem 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. Seminar Nasional Aplikasi Teknologi Informasi 2006 (SNATI 2006) ISSN: 1907-5022
Yogyakarta, 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 9
4. IMPLEMENTASI ini
4.1 Implemensi Database
Database diimplementasikan dalam bentuk • Tabel Peramalan
tabel-tabel. Tabel yang akan dijelaskan berikut Tabel ini berfungsi untuk menyimpan data
dikhususkan pada tabel yang digunakan dalam peramalan yang dilakukan oleh PT. Vonita
proses akuntansinya saja. Garment.
• Tabel Aktifitas Tabel 6. Tabel Peramalan
Tabel ini berfungsi untuk menyimpan data Field Type Length Description
Kod_Barang Char 4 Kode produk
aktifitas yang dilakukan dalam PT. Vonita Minggu pera-
Garment. Minggu SmallInt 2
malan produk
Bulan pera-malan
Bulan SmallInt 2
Tabel 1. Tabel Aktifitas produk
Field Type Length Description Tahun pera-malan
Tahun Int 4
Kod_Aktifitas Char 1 Kode aktifitas produk
Var Keterangan Peramalan periode
Keterangan 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 Description
Tabel 2. Tabel Mesin Kod_Barang Char 4 Kode produk
Field Type Length Description Minggu produksi
Kod_Mesin Char 4 Kode mesin Minggu SmallInt 2
produk
Kod_Aktifitas Char 1 Kode aktifitas Bulan SmallInt 2 Bulan produksi produk
Kapasitas produksi Tahun Int 4 Tahun produksi produk
Kapasitas Int 4
(sec) Jumlah Numeric 9 Produksi periode ini
• Tabel Ukuran • Tabel Stok
Tabel ini berfungsi untuk menyimpan data Tabel ini berfungsi untuk menyimpan data
ukuran produk yang dihasilkan oleh PT. Vonita stok produk yang dimiliki oleh PT. Vonita
Garment. Garment.
Tabel 8. Tabel Stok
Tabel 3. Tabel Ukuran Field Type Length Description
Field Type Length Description Kod_Barang Char 4 Kode produk
Kode ukuran Minggu SmallInt 2 Minggu stok produk
Kod_Ukuran Char 1
produk Bulan SmallInt 2 Bulan stok produk
Keterangan VarChar 15 Keterangan ukuran Tahun Int 4 Tahun stok produk
E-120
5. Seminar Nasional Aplikasi Teknologi Informasi 2006 (SNATI 2006) ISSN: 1907-5022
Yogyakarta, 17 Juni 2006
Jumlah Numeric 9 Stok periode ini
• Tabel Kapasitas
Tabel ini berfungsi untuk menyimpan data
kapasitas produksi PT. Vonita Garment pada tiap-
tiap periode penjadwalan.
Tabel 9. Tabel Kapasitas
Field Type Length Description
Minggu kapasitas
Minggu Small Int 2
produksi
Bulan Small Int 2 Bulan kapasitas produksi
Tahun Int 4 Tahun kapasitas produk
Jam_Kerja BigInt 8 Jam kerja periode ini
Kapasitas Int 4 Kapasitas periode ini
4.2 Implementasi dan Pengujian Program
Berikut ini adalah contoh kasus penjualan Gambar 2. Hasil Perhitungan MAD Ukuran A
produk untuk kelompok A (umur 1-3 tahun) selama
24 bulan.
Dari data yang tersedia pada Tabel 10, maka
pertama kali yang dilakukan adalah mencari hasil
peramalan dengan 3 metode yaitu: Moving
Average, Linear Regression dan Winter. Kemudian
dihitung MAD-nya, metode yang memiliki MAD
paling kecil menunjukkan bahwa hasil
peramalannya mendekati keakuratannya. Gambar
berikut menunjukkan hasil perhitungan MAD dari
data 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 B
linear 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 tiap
ukuran tersebut baru diramalkan untuk tiap item Dengan komposisi seperti di atas dan dengan
produk dalam kelompok ukuran tersebut. Dengan asumsi tiap bulan ada 3 macam item untuk tiap-tiap
komposisi perhitungan seperti pada Tabel 11. kelompok ukuran maka akan didapatkan hasil
Contoh peramalan tiap item produk dapat dilihat seperti pada Tabel 12.
pada Gambar 4, sedangkan penjadwalan
produksinya dapat dilihat pada Gambar 5.
E-121
6. Seminar Nasional Aplikasi Teknologi Informasi 2006 (SNATI 2006) ISSN: 1907-5022
Yogyakarta, 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 perusahaan
Tabel 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 metode
item barang dan perencanaan produksinya, form Moving Average sebesar 22.9, metode
berikut 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 metode
pada periode tersebut, stock menunjukan sisa stok Moving Average sebesar 27.25, metode
produk 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 sebenarnya
dilakukan pada periode yang sama.
Pada form ini terdapat fasilitas untuk DAFTAR PUSTAKA
menampilkan quick report. Dimana quick report ini [1] Baroto, Teguh, (2002). Perencanaan dan
nantinya 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