PENERAPAN METODE EQONOMIC ORDER QUANTITY (EOQ) PADA PERSEDIAAN BAHAN BAKU ACCU

Ady Perdana, Eneng Tita Tosida, Lita KarlitasariProgram Studi Ilmu Komputer, Fakultas Matematika dan Ilmu Pengetahuan Alam

Universitas Pakuan

ABSTRAKPengembangan suatu usaha dipengaruhi oleh kebutukan untuk menekan biaya

produksi, meningkatkan kualitas produksi, Usaha bunga hias saat ini mengalami kesulitan dalam manajemen pengadaan sarana produksi sebagai akibat dari kurang optimalnya sistem peramalan penjualan yang diadopsi oleh pelaku usaha. Dengan melakukan prediksi yang tepat maka akan berdampak pada ketepatan dalam pengambilan kebijakan untuk dimasa mendatang sangat berpengaruh pada prediksi jumlah produksi yang akan datang memerlukan penerapan metode-metode, hal ini bertujuan agar bisa meminimalkan kesalahan peramalan yang merupakan suatu seni dari ilmu memprediksi suatau yang belum terjadi dengan tujuan untuk memperkirakan peristiwa yang akan datang dimasa depan dengan selau memerlukan data-data masa lalu. Sehingga dengan peramalan, maka kemungkinan terjadinya peristiwa yang tidak sesuai dengan tujuan yang diharapkan diikuti dengan kesiapan untuk mengatisipasinya.Dalam penerapan model peramalan produksi bunga hias menggunakan metode single moving average dan exponential smoothing berdasarkan variasi musiman dengan mean square error terkecil untuk menjadi parameter dalam penentuan metode pada peramalan produksi di masa yang akan datang. Kata Kunci : Persediaan, Economic Order Quantity , Safety Stock, Re Order Point

PENDAHULUAN

Pengembangan suatu usaha dipengaruhi akan kebutukan untuk menekan biaya produksi, meningkatkan produktivitas dan menciptakan sebuah produk baru yang mendorong teknologi untuk melakukan terobosan-terobosan dan penemuan-penemuan baru. Dalam sistem produksi modern terjadi suatu proses transformasi nilai tambah yang mengubah input bahan mentah menjadi output sebuah produk yang dapat dijual di pasar dengan harga yang kompetitif.

CV Dewa Star merupakan sebuah perusahaan penjual dan pembuat Accu, dalam proses produksinya bahan baku yang dibutuhkan adalah timah, plat, lem, kotak aki dan air aki. Untuk pengadaan bahan baku tersebut perusahaan belum pernah menggunakan teknik EOQ dan ROP. Pada waktu melakukan observasi pendahuluan, persediaan bahan baku tidak stabil,

terkadang menumpuk berlebihan namun terkadang juga mengalami kekurangan. Untuk mengetahui tingkat efisiensi pengendalian persediaan bahan baku perusahaan dengan menggunakan teknik EOQ dan ROP.

Teknik EOQ dapat digunakan untuk membantu menentukan persediaan yang efisien. Model EOQ ini tidak hanya menentukan jumlah pemesanan yang optimal tetapi yang lebih penting lagi adalah menyangkut aspek finansial dari keputusan-keputusan tentang kuantitas pemesanan tersebut (Syamsuddin, 2007). Jika perusahaan sudah menghitung kuantitas pemesanan yang paling optimal atau EOQ, maka selanjutnya haruslah ditentukan saat pemesanan dari masing-masing item persediaan atau lebih dikenal dengan istilah ROP (Reorder Point). Menurut (Riyanto, 2001), ROP adalah saat atau titik di mana harus diadakan

1

pesanan kembali sehingga kedatangan atau penerimaan material yang dipesan adalah tepat pada waktu. Persediaan pengaman atau safety stock adalah suatu jumlah persediaan minimum yang selalu ada dalam perusahaan, yang berguna untuk menghindari resiko kehabisan bahan baku. Penggunaaan EOQ dan ROP untuk mengetahui berapa jumlah pesanan yang optimal dan kapan pesanan dilakukan agar tercapai biaya yang terendah serta proses produksi tidak terhambat akibat kurang atau tidak adanya persediaan. Perencanaan metode EOQ dalam suatu perusahaaan akan mampu meminimalisasi terjadinya out of stock sehingga tidak mengganggu proses dalam perusahaan dan mampu menghemat biaya persediaan yang dikeluarkan oleh perusahaan, karena adanya efisisensi persediaan bahan baku di dalam perusahaan yang bersangkutan. Selain itu dengan adanya penerapan metode EOQ perusahaan akan mampu mengurangi biaya penyimpanan, penghematan ruang, baik untuk ruangan gudang dan ruangan kerja, menyelesaikan masalah-masalah yang timbul dari banyaknya persediaan yang menumpuk sehingga mengurangi risiko yang dapat timbul karena persediaan.

DASAR TEORI

PersediaanPersediaan merupakan sesuatu yang

harus ada untuk melancarkan proses produksi. Setiap perusahaan harus selalu ada persediaan untuk menjalankan operasinya, karena persediaan merupakan salah satu faktor yang memegang peran aktif dalam perusahaan yang secara kontinyu diperoleh, diolah dan selanjutnya dijual.

Menurut Nasution dan Prasetyawan (2008:144) Persediaan adalah sumber daya menganggur (idle recourses) yang menunggu proses lebih lanjut. Proses lebih lanjut adalah berupa kegiatan produksi pada sistem manufaktur, kegiatan pemasaran pada sistem distribusi ataupun kegiatan konsumsi pada sistem rumah tangga.

a. Pengendalian PersediaanPengendalian persediaan bahan baku

merupakan suatu kegiatan untuk menentukan tingkat dan komposisi dari persediaan, parts bahan baku dan barang hasil produksi sehingga perusahaan dapat melindungi kelancaran produksi dengan efektif dan efisien (Assauri, 1999:176).b. Economic Order Quantity (EOQ)

Menurut Gito Sudarmo Economic Order Quantity (EOQ) merupakan jumlah pembelian yang ekonomis yaitu dengan melakukam pembelian secara teratur sebesar EOQ itu maka perusahaan akan menanggung biaya-biaya pengadaan bahan - bahan yang minimal. Dalam menerapkan EOQ ada beberapa biaya yang harus dipertimbangkan dalam penentuan jumlah pembelian atau keuntungan,diantaranya:1. Biaya Pemesanan

Biaya pemesanan merupakan biaya yang akan langsung terkait dengan kegiatan pemesanan yang dilakukan perusahaan. Rumus biaya pemesanan menurut Heizer (2005) adalah sebagai berikut:Bia

ya Pesan : DQ × S ....(1)

Keterangan:Q : Jumlah Barang setiap pesan.D : Permintaan barang persediaan

dalam unit.S : Biaya pemesanan untuk setiap

pesanan

2. Biaya PenyimpananBiaya penyimpanan merupakan

biaya yang harus ditanggung oleh perusahaan sehubungan dengan adanya bahan baku yang disimpan dalam perusahaan. Biaya penyimpanan dirumuskan sebagai berikut :Bia

ya Penyimpanan = Q2 × H ....

(2)Keterangan:Q : Jumlah barang setiap pemesanan

2

H : Biaya penyimpanan

Sehingga dalam menentukan biaya persediaan ada 2 jenis biaya yang berubah - ubah dan harus dipertimbangkan. Pertama berubah - ubah sesuai dengan frekwensi pesanan yaitu biaya pesan. Kedua biaya yang berubah - ubah sesuai dengan besar kecilnya persediaan yaitu biaya penyimpanan.

Selanjutnya menentukan total biaya persediaan (TC) dengan menjumlahkan biaya pesan dan biaya simpan. Adapun rumusnya sebagai berikut :

TC = DQ

S + Q2

H ....(3)

Keterangan:TC : Total biaya persediaanQ : Jumlah barang setiap pesanD : Permintaan tahunan barang persediaan dalam unitS : Biaya pemesanan untuk setiap

pesanH : Biaya penyimpanan per unit

pertahunSedangkan untuk menentukan jumlah

pesanan yang ekonomis menurut metode Economic Order Quantity (EOQ) adalah dengan rumus sebagai berikut:

Q* = 2 D S

H ....(4)

Keterangan:Q* : Jumlah pesanan yang ekonomisD : Jumlah kebutuhan dalam satuan

(unit) per tahunS : Biaya pemesanan untuk sekali

pesan. H : Biaya penyimpanan per unit

pertahun.Frekuensi pemesanan (F) menurut

metode EOQ dapat dihitung dengan cara sebagai berikut :

F ¿D

Q∗¿¿ ....(5)

F : Frekuensi pembelianQ* : Jumlah pesanan yang ekonomis

D : Jumlah kebutuhan dalam satuan (unit) per tahun

Pembuatan program aplikasi ini digunakan beberapa metode dalam melakkan peramalan, yaitu:

a. Single Moving Average

Menurut Gaspersz (2005) Metode rata-rata bergerak tunggal menggunakan sejumlah data aktual permintaan yang baru untuk membangkitkan nilai ramalan permintaan dimasa yang akan datang. Metode ini akan efektif diterapkan apabila kita dapat mengasumsi bahwa permintaan pasar terhadap produk akan tetap stabil sepanjang waktu. Metode ini mempunyai dua sifat khusus untuk membuat forecast memerlukan data historis dalam jangka waktu tertentu, semakin panjang moving averages akan menghasilkan moving averages yang semakin halus, secara sistematis moving averages dirujuk pada persamaan: (1) St + 1 = Xt + Xt – 1 +........Xt – n+1 .....(1) nSt + 1 = Forecast untuk periode ke t+1.Xt = Data pada periode t.n = Data waktu moving averages nilai n merupakan banyaknya periode dalam rata-rata bergerak.b. Exponential Smoothing

Menurut Render dan Heizer (2005), Penghalusan exponential adalah teknik peramalan rata-rata bergerak dengan pembobotan dimana data diberi bobot oleh sebuah fungsi exponential. Penghalusan exponential merupakan metode peramalan rata-rata bergerak dengan pembobotan canggih, namun masih mudah digunakan. Metode ini sangat sedikit pencatatan data masa lalu. Rumus penghalusan exponential dirujuk pada persamaan: (2)F1 = Ft-1 + α(At-1 – Ft-1).....(2)Keterangan :F1 = Peramalan baru.F t−1 = Peramalan sebelumnya.𝛼 = Konstanta penghalus (pembobot)

3

At−1 = Permintaan aktual periode lalu.c. Mean Squer Error (MSE)d. Index Musiman

Merupakan merupakan gerakan teratur dalam arti naik-turunya terjadi pada waktu-waktu yang sama atau sangat berdekatan yang digunakan untuk menunjukkan ada tidaknya pergerakan musim dirujuk pada persamaan: (6 dan 7)Indeks Musim = Rata-rata perkuartil x 100

Rata-rata total ...(6)Target Pertriwulan = Index musim x rata total

100 ....(7)

METODE PENELITIAN

Bahan Penilitian

Bahan penelitian yang digunakan pada proses penelitian ini adalah data sekunder produksi bunga hias dari tahun 2008-2012 yang merupakan acuan dalam perhitungan untuk peramalan produksi.

Metode yang digunakan dalam membangun sistem ini adalah dengan menggunakan pendekatan SDLC (System Development Life Cycle) yang terdiri dari berbagai tahapan sebagai berikut:

Tahap Perencanaan

Pada tahap ini dilakukan identifikasi kebutuhan sistem dan menentukan sistem yang akan dibuat. Data yang digunakan untuk menganalisis masalah diperoleh dengan 2 cara, yaitu :a. Wawancara

Melakukan wawancara langsung terhadap kegiatan yang dilakukan responden, dengan menggunakan kuisioner yang telah disiapkan sebelumnya.ataupun konsultasi untuk mengetahui sistem yang sedang berjalan, proses perhitungan peramalan produksi bunga hias, serta informasi yang dibutuhkan dari sistem yang akan dibuat.

b. Studi PustakaMengumpulkan data-data produksi bunga hias dari instansi terkait seperti:

Biro Pusat Statistik (BPS), Direktorat Jendral Bina Produksi dan Hortikultura, Dinas Pertanian Tanaman Pangan Provinsi Jawa Barat dan Asosiasi Bunga Indonesia (ASBINDO).dan menggunakan fasilitas internet sebagai literatur pendukung pelaksanaan penelitian.

Tahap Pengumpulan Data

Pada tahap ini dilakukan pengumpulan data-data yang diperlukan seperti berikut :

1. Data produksi yang akan dijadikan alternatif dalam proses peramalan produksi bunga hias.

2. Data perhitungan peramalan produksi bunga hias dengan proses perhitungan manual.

3. Metode yang akan digunakan dalam proses peramalan produksi bunga hias.

Tahap AnalisisSetelah didapatkan data-data yang

diperlukan maka data tersebut dianalisis. Pada penelitian ini menggunakan metode single moving averages dan exponential smoothing untuk peramalan. Adapun langkah-langkah analisis yang digunakan dalam penelitian ini adalah sebagai berikut :1. Plot data produksi bunga hias untuk

melihat pola.2. Memilih model yang sesuai.3. Menguji model.4. Menerapkan model untuk peramalan

dengan metode single moving averages exponential smoothing dalam variasi musiman.

Untuk dapat melakukan peramalan diperlukan data-data dari periode sebelumnya. Data periode sebelumnya digunakan sebagai panduan untuk dapat melakukan peramalan. Adapun data produksi bunga hias untuk melihat pola berdasarkan data sekunder Kabupaten Bogor tahun 2008-2012 seperti dalam tabel 1 dan 2 berikut:

Tabel 1.Data Total Produksi Bunga Hias

4

*) Sumber Dinas Pertanian Tanaman Pangan Provinsi Jawa Barat

Tabel 2. Data Produksi Pertriwulan

*) Sumber Dinas Pertanian Tanaman Pangan Provinsi Jawa Barat

Berdasarkan plot data produksi bunga hias pada tabel 1 dan 2 mendapatkan pola gerak data sekunder pada waktu yang berurutan. Sehingga untuk model yang sesuai digunakan dalam peramalan ini adalah model time series berdasarkan data yang dikumpulkan atau diobservasi sepanjang waktu secara berurutan.

Menguji model time series yaitu dengan pemulusan (smoothing) mendasarkan data ramalan dengan perinsip rata-rata dari masa lalu (averages) dengan menambahkan nilai ramalan sebelumnya antara nilai sebenarnya dengan nilai ramalannya merupakan gerakan yang teratur naik turunya terjadi pada waktu yang sama.

Setelah melakukan plot data produksi berdasarkan pola dan pengujian pada model time series untuk penerapan model dalam melakukan peramalan bunga hias tahun 2013 triwulan I menggunakan metode sebagai berikut:

a. Metode Single Moving Average 2 triwulan

b. Metode Exponential Smoothing dengan α : 0,1 ; α: 0,03 ; α: 0,05

Hasil menganalisa data yang diperoleh dari dinas tanaman pangan Jawa Barat terjadi kenaikan dan penurunan data sehingga diadakan pendekomposisian data kedalam beberapa komponen, maka akan di cari variasi musiman dengan menggunakan metode rata-rata sederhana sebagai berikut:

a. Menentukan Indeks Musimb. Menentukan Target Pertriwulan

Struktur Tabel DatabaseStruktur table database merupakan

struktur table yang telah dibuat dari sebuah aplikasi database. Struktur tabel dibentuk berdasarkan entitas yang telah dibuat dan isi dari setiap table akan diisi oleh atribut-atribut dari setiap entitas yang telah dibuat sebelumnya. Jadi, banyak tabel yang dibentuk berdasarkan banyaknya entitas yang telah dibuat. Tabel-tabel tersebut seperti pada tabel 5 sampai 9 dibawah ini :Tabel 3. Data Admin

Tabel 4. Data Komoditi

5

Tabel 5. Data Mitra

Tabel 6. Data Produksi

Tabel 7. Data Satuan

Data Flow DiagranData flow diagram merupakan arus

data atau aliran informasi berupa masukan untuk sistem atau hasil dari proses sistem sehingga dapat menghasilkan sebuah output yang akan disampaikan kepada penerima data. Data Flow Diagram yang dibentuk terdiri dari Diagram Konteks. Diagram tersebut terbentuk berdasarkan entitas serta struktur tabel yang telah dirancang sebelumnya. Seperti gambar 1

Gambar 1. Diagram Kontek

Perancangan Sistem Keseluruhan

Pada tahap perancangan ini dilakukan pembuatan flowchart sistem yang merupakan gambaran alur sistem secara detail dari input sampai output. Pada flowchart tersebut langkah pertama diawali dengan proses login. Setelah itu melakukan proses login dan berhasil maka akan tampil halaman menu yang didalamnya terdapat beberapa link untuk menuju ke halaman lainnya. Flowchart tersebut dapat dilihat pada gambar 2.

Gambar 2. Flowchat SistemHasil dan PembahasanTampilan Halaman Utama

Pada halaman Utama ini terdapat menu home, komoditi, produksi, peramalan produksi, seting untuk manipulasi data dan pengertian peramalan. Tampilan halaman home dapat dilihat pada gambar 3.

Gambar 3. Halaman Utama

Tampilan Halaman KomoditiPada halaman ini admin dapat

melakukan proses manipulasi data komoditi. Admin dapat menambah data komoditi, dapat mengedit, dan dapat

6

menghapus data komoditi. Pada halaman ini dapat terlihat data komoditi. Tampilan halaman input komoditi dapat dilihat pada gambar 4.

Gambar 4. Halaman Komoditi

Tampilan Halaman Produksi

Pada halaman ini admin dapat melakukan proses manipulasi data produksi yang dijadikan sebagai acuan penilaian dalam peramalan. Tampilan halaman input produksi dapat dilihat pada gambar 5.

Gambar 5. Halaman Produksi

Tampilan Halaman Peramalan Produksi

Pada from peramalan terdiri dari peramalan dan hasil peramalan, from peramalan digunakan untuk melakukan peramalan pada from ini admin dapat menginputkan data produksi bunga dengan memilih nama komoditi dan tahun yang akan menjadi parameter sebagai data yang akan dicari hasil prediksi jumlah produksi bunga hias pada tahun berikutnya, Tampilan halaman peramalan dapat dilihat pada gambar 6.

Gambar 6. Halaman Peramalan

Berdasarkan hasil uji coba yang dilakukan secara manual dan uji coba dengan menggunakan sistem dapat disimpulkan bahwa hasil perhitungan peramalan dengan menggunakan metode single moving average dan exponensial smothing yang dilakukan secara manual dan secara sistem sudah sesuai dan akurat. Dilihat dari hasil peramalan terlihat ada perubahan unsur kenaikan, penurunan, berfluktuasi dan tidak teratur data peramalan dapat dilihat pada gambar 7.

Gambar 7. Hasil Peramalan

Merujuk pada gambar 7 terjadi perubahan sesuatu hal yang mempunyai pola agak komplek sehingga biasanya diadakan pendekomposisian data kedalam beberapa komponen. Masing-masing komponen akan dipelajari dan dicari satu persatu, setelah ditemukan akan digabung lagi menjadi nilai taksir atau ramalan dengan rata-rata sederhana merupakan gerakan teratur dalam arti naik-turunya pada waktu yang sama atau sangat berdekatan yang digunakan ada tidaknya pergerakan musim dapat dilihat pada gambar 8.

Gambar 8. Peramalan Variasi Musim

7

Pengujian peramalan untuk perbandingan antara metode single moving averages dan exponential smoothing pada tahun 2013 sampai tahun 2025, dalam menentukan metode apa yang cocok berdasarkan nilai Mean Square Error (MSE) terkecil untuk peramalan produksi bunga hias angrek menggunakan data time series dapat dilihat pada tabel 8.

Tabel 8. Perbandingan Metode Peramalan

Berdasarkan tabel 8 diketahui bahwa nilai Mean Square Error pada tiap tahunya mengalami penurunan disebabkan masing menggunakan data sekunder dari tahun 2008-2012. Untuk Mean Square Error terkecil terdapat pada metode peramalan single moving average karena mempunyai data bervariasi musiman gerakan data yang teratur dengan naik turunya terjadi pada waktu yang berurutan sedangkan Metode exponensial smoothing selalu mempunyai Mean Square Error besar dari keadaan data yang menaik atau menurun dari waktu ke waktu sehingga tidak sesuai untuk variasi musiman. Berdasarkan pola kenaikan, penurunan, berfluktuasi dan tidak teratur data dapat dilihat pada gambar 9.

Gambar 9. Grafik Peramalan

Setelah melakukan pengujian peramalan Mean Square Error terkecil dari tahun 2013 sampai 2025 dengan menggunakan metode single moving average selalu mendapatkan Mean Square Error terkecil sehingga cocok untuk peramalan produksi bunga hias pada periode berikutnya. Sedangkan metode exponential smoothing tidak cocok untuk peramalan yang mempunyai pola data yang mempunyai tidak bervariasi musiman di karenakan keadaan data yang menaik atau menurun dari waktu ke waktu yang mengalami kenaikan dan penurunan data yang flukuatip.

Melihat grafik hasil peramalan produksi bunga hias angrek tahun 2013 dengan single moving average pada triwulan 1 sampai triwulan 4 hasilnya saling mendekati pertriwulannya. Untuk itu dilakukan variasi musiman yang berhubungan dengan perubahan atau flukuasi dalam musim-musim tertentu dengan menambahkan index musim terlihat perbedaan antara peramalan triwulan dan variasi musim yang mempunyai pola yang sama dengan data sekunder dalam peramalan berikutnya.

Kesimpulan

Dari hasil pengamatan selama tahap perencanaan, implementasi aplikasi penerapan model peramalan produksi bunga

8

hias menggunakan metode single moving averages dan exponensial smoothing, dapat diambil beberapa kesimpulan sebagai berikut:

1. Hasil peramalan produksi bunga hias pada triwulan IV 2013 adalah:a. Berdasarkan perhitungan

ramalan produksi bunga hias angrek dengan metode single moving averages II triwulan pada triwulan IV 2013 sebesar 835391 tangkai, dengan mean squared error = 30.530

b. Berdasarkan perhitungan ramal produksi bunga hias dengan metode exponensial smoothing dengan α : 0,1 ; α: 0,03 ; α: 0,05 pada triwulan IV 2013 sebesar α : 0,1 = 676430 tangkai, ; α: 0,03 = 405716 tangkai, α: 0,05 = 512403 tangkai, dengan mean squared error α : 0,1 = 50.846 ; α: 0,03 = 92.518 ; α: 0,05 = 74.533.

2. Hasil target produksi pertriwulan setelah menentukan rata-rata total dari nilai mean squared error terkecil mengalami sedikit perubahan dalam musim-musim tertentu. Adapun perubahannya sebagai berikut:a. Hasil dari peramalan rata-rata

bergerak tunggal menggunakan data aktual, triwulan I = 764.626 triwulan II = 906.155 triwulan III = 836.127 triwulan IV = 835.390.

b. Hasil dari peramalan dengan melihat indeks musim dapat di tentukan target pertriwulan, I = 957.858 triwulan II = 741.686 triwulan III = 820.941 triwulan IV = 821.814.

3. Dari hasil peramalan dan tingkat kesalahanya diketahui bahwa metode yang paling sesuai digunakan dalam menganalisis data dengan memiliki tingkat kesalahan yang paling kecil yaitu single

moving average berdasarkan pola index variasi musiman merupakan gerakan data yang teratur naik turunnya terjadi pada waktu yang berurutan. Sedang metode exponential smoothing masih mempunyai nilai mean squared error besar dipengaruhi oleh keadaan data yang menaik atau menurun dari waktu ke waktu.

Saran

Sara untuk peramalan selanjutnya dengan penerapan model peramalan produksi bunga hias menggunakan metode single moving averages dan exponensial smoothing,sebagai berikut:

1. Dengan metode single moving average telah terbukti memberikan nilai error yang relative lebih kecil pada hasil peramalan angrek tahun 2013 dari peramalan exponensial smoothing, namun mean squared error sebesar 30.530,143 selisih dari hasil peramalan yang dikuardatkan.

2. Sehingga Berdasarkan hasil tersebut maka rekomendasi dapat diberikan diantaranya melakukan uji trial dan error nilai konstanta penghalus (alpha) yang lebih kecil, penambahan periode data sekunder yang lebih lama jangka waktunya dalam peramalan selanjutnya.

Daftar Pustaka

Arman Hakim Nasution. 2003. Perencanaan dan Pengendalian Produksi. Cetakan kedua. Surabaya. Guna Widya.

Arsyad, Lincolin, 1997. Peramalan Bisnis, Edisi pertama, BPFE Yogyakarta.

Astuti, TP., M. Ferichani & R.K. Adi. 2012. Optimasi Penggunaan Masukan pada Produksi Bunga Potong Krisan (crysunthemum sp) di Kabupaten Semarang. http://agribisnis.fp.uns.ac.id/wp-

9

content/uploads/2013/07/JURNAL_TRI-PUJI-ASTUTI_H08091071.pdf

Dinas Pertanian Tanaman Pangan Provinsi Jawa Barat. 2014. Hasil Produksi Tanaman Hias di Kabupaten Bogor Tahun 2008-2012.

Gaspersz, Vincent. 2005. Production Planing and Inventory Control, Gramedia Pustaka Utama, Jakarta.

Jay Heizer dan Barry Render. (2009) Operation Management , 7th edition .( Manajemen Operasi edisi 7, Buku 1 ) Penerbit Salemba Empat. Jakarta.

Jogiyanto, HM, 2005, “Analisis dan Desain Sistem Informasi :Pendekatan Terstruktur Teori dan Praktik Aplikasi Bisnis”, Penerbit Andi, Yogyakarta.

Klara Wulandari. 2012. Jurnal Ilmiah Sistem Informasi Peramalan Penjualan Roti Pada Toko Roti Baker Menggunakan Metode Exponensial Smoothing: Universitas Bina Darma Fak.Ilkom Vol.1 No.1, Palembang.

Marcelina Rizka Falevy, M.Zen Samsono, Akuwan Saleh. 2007. Jurnal Sistem Peramalan Harga Sembako Berbasis Moving Average Dengan Brew Platfrom Sebagai Mobile Interfaces, Insitut Teknologi Sepuluh November, Jurusan Teknik Telekomunikasi. Surabaya.

McLeod,Raymond,Jr.(1995).Management Information System: A Computer Based Information System.Sixth Edition.Diterjemahkan oleh Teguh. Jilid kedua.Prentice Hall Incorporation,New Jersey.

M.A. Yulianto. 2012. Analisa Time Series. www.books.google.co.id . 13 April

2014 pukul 20.00 Wib.Nasution, Hakim dan Prasetyawan, 2008.

Perencanaan dan Pengendalian Produksi, Graha Ilmu, Yogyakarta.

Satzinger, John W., Jackson, Robert B., Burd, Stephen D. (2009). Systems Analysis And Design In a Changing World, 5th Edition . Course Technology. New York.

Subagyo, Pangestu (2002). Forecasting : Konsep dan Aplikasi. BPFE - Yogyakarta

Sumayang, Lulu (2003). Dasar-Dasar Manajemen Produksi dan Operasi, Salemba Empat, Jakarta

Ratna Sari dan Kudang Boro Seminar. 2005. Jurnal Rancangan Bangun Perangkat Lunak Perencanaan Produksi Kristan Potong: Departemen Teknik Pertanian, Fakultas Teknologi Pertanian , Institut Pertanian Bogor: J.Tek.Ind Pert.Vol. 19(1),1-6.

10