bab 11

BAB XI

MODEL PERENCANAAN

PRODUKTIVITAS JANGKA PENDEK

Satu dari pendekatan yang dianjurkan untuk merencanakan produktivitas

dalam perusahaan adalah untuk meramalkan atau mengestimasi level dari

produktivitas total pada periode yang akan datang berdasarkan kinerja

sebelumnya. Lima metode peramalan yang telah dikembangkan adalah:

1. Model bobot produktivitas parsial

2. Model pohon evaluasi produktivitas

3. Model trend linear

4. Model evaluasi produktivitas komparatif

5. Model variasi musiman.

Haruslah digarisbawahi bahwa model trend linear dan model variasi musiman

secara luas digunakan dalam permasalahan-permasalahan peramalan dan bahwa

teori di belakangnya telah dibuat dengan baik. Kami tidak mempresentasikannya

sebagai ide yang baru, tetapi sebagai konsep yang relevan dalam perencanaan

perubahan produktivitas pada waktu-waktu mendatang. Tujuan penulis termasuk

dalam hal-hal di atas adalah untuk mengilustrasikan sebuah pendekatan atau

penuntun dasar untuk memfasilitasi seorang perencana prouktivitas ketika ia

dihadapkan dengan suatu set data yang memiliki trend yang berbeda.

11.1. MODEL BOBOT PRODUKTIVITAS PARSIAL

Total produktivitas dari produk I dalam periode t diberikan pada persamaaqn

berikut,

- TP = = ………………………..(11.1)

Dalam hal yang sama, produktivitas parsial dari produk i dengan beberapa input

faktor j di periode t diberikan oleh persamaan berikut.

PPijt = untuk semua j ……………..(11.2)

Dengan menggunakan peramaan 11.1 dan 11.2, kita memperoleh hubungan

berikut antara produktivitas total dari produk I pada periode t dan produktivitas

parsial dari produk I pada periode t:

TPit = Wijt .PPijt untuk semua j ……………..(11.3)

dimana

Wijt = ……………………………..(11.4)

Dengan kata lain, Wijt menyatakan korespondensi input faktor j pada periode t

untuk produk i. Ini mewakili fraksi input faktor j yang menunjukkan penjumlahan

dari semua input yang digunakan untuk memproduksi produk i.

Biasanya, dalaim sebuah firma manufaktur data dihubungkan dengan bobot

faktor Wij dapat didasarkan kepada basis historis, yaitu, proporsi dari tipe spesifik

dari input ke semua input yang digunakan untuk memproduksi produk I dapat

direkam untuk setiap periode t. Sebuah analisis trend, berdasarkan kepada data

historis tersebut, dibutuhkan dalam mengevaluasi seberapa pasti input faktor

untuk setiap produk i diluar periode waktu tertentu. Dan lagi, data dapat

dipergunakan untuk mengevaluasi trend-trend dalam produktivitas parsial dengan

pertimbangan input spesifik faktor j diluar horizon waktu.

Untuk merencanakan produktivitas pada masa mendatang dan untuk membuat

proyeksi terhadap total produktivitas, kita dapat menggunakan persamaan 11.3.

Jika perkiraan dari Wijt dan PPijt dapat ditandai dengan Wijt dan PPijt secara

respektif, kemudian perkiraaan dari total produktivitas produk I pada periode t,

TPt dapat dikalkulasikan, yaitu sebagai berikut.

TPit = Wijt . PPijt untuk semua j ……………..(11.5)

Dua keuntungan dari metode ini antara ini adalah:

1. Karena kita dapat mengekspress total produktivitas dari produktivitas

parsial dengan respek kepada salah satu faktor pada lima faktor input

spesifik, maka ada pencegahan pendetailan data untuk empat input

lainnya.

2. Perhitungan dalam jumlah besar juga dicegah sejak perusahaan hanya

mengkuantifikasikan input spesifik yang terukur saja dengan

pertimbangan dan pengetahuan tentang proporsi input spesifik yang tidak

terukur tersebut.

Contoh 11.1. Andaikan perusahaan ingin mengevaluasi dan merencanakan

produktivitas hanyan untuk satu dari produknya, katakan produk I, dan

mempunyai ketersediaan data untuk input dan output yang terukur pada periode

Januari hingga April 1980, seperti yang ditunjukkan pada tabel 11.1. Manajemen

telah mempertimbangkan informasi yang detail berhubungan dengan input

manusia pada data yang tersedia.

Untuk menganalisa trend pada produkivitas parsial dari input manusia, dan

proporsi dari input manusia dengan pertimbangan terhadap total input di setiap

periode t, nilai pada tabel 11.2 telah dihitung. Ini terlihat dari PP IHt dan WIHt yang

mengikuti trend linier pada kasus ini. Itulah sebabnya, untuk mengestimasi PPIH

pada Mei 1980, cukup dengan merata-ratakan nilai akhir yang telah diberikan,

sehingga:

PPIH Mei = = 4, 8965

WIH Mei = = 0,3555

Sekarang estimasi dari TPI I Mei diperoleh, yaitu:

TPI Mei = (PPIH Mei) (WIH Mei) = (0,3555) (4, 8965) = 1,741

Dengan ilustrasi, sebuah metode perata-rataan sederhana telah digunakan di

atas, bagaimanapun, ini merekomendasikan analisis regresi yang digunakan untuk

mengestimasi Wijt dan PPijt untuk hasil yang lebih reliable, tergantung kepada

trend perusahaan dibawah pertimbangan. Pada tabel 11.3, nilai TPIMei,

dikalkulasikan dengan menggunakan faktor input lainnya (i = M,C,X,E) dan

persamaan 11.3 dan 11.4. Bahkan dengan model perata-rataan sederhana, variasi

dalam nilai yang telah diestimasi dapat dipertimbangkan, dan metode dapat

digunakan dengan kepercayaan tipe faktor input jika trend disesuaikan dengan

analisis statistikal.

11.2. MODEL POHON EVALUASI PRODUKTIVITAS

Model ini membuat penggunaan produktiktivitas yang telah diperoleh dari

pohon evaluasi.

Pada akhir dari periode perencanaan, level dari output dan input yang dapat

diukur pada perusahaan dan setiap produk manufaktur telah diketahui. Untuk

merencanakan total produktivitas pada periode berikutnya, manajemen harus

mendaftarkan semua perubahan pada input dan output yang terkandung di limit

perusahaan. Dengan kata lain, perusahaan harus mengetahui level actual dari O it

dan Iit pada periode ini.

Tabel 11.2. Produktivitaparsial dari input manusia dan propors dari

input manusia terhadap total iput dari produk i (1980)

JAnuari Februari Maret April

PPIHt 4,63 5,05 5,00 4,91

WWIHt 0,375 0,351 0,350 0,346

Dengan mempertimbangkan satu set ∆ O n+1 dan ∆In+1 maka akan membawa

kita kepada esimasi dari TP n+1, yaitu estimasi produktivitas total pada periode t+1.

Pada poin ini, pohon evaluasi produktivitas dapat digunakan untuk mengevaluasi

kombinasi terbaik yang menghasilkan perubahan produktivitas yang

menguntungkan pada periode berikutnya. Untuk tujuan ini, beberapa langkah

berikut disarankan:

1. Perhitungkan O n+1, In+1 , TP n+1, ∆TPI n+1 dan TPI n+1 dengan menemukan nilai

dari O n, I n, ∆O n+1, dan ∆In+1 dengan mengui setiap keputusan.

2. Pilih set keputusan dimana TPI n+1 ≥ 1

3. Tempatkan perubahan produktivitas actual yang berhubungan untuk set

yang ditemukan pada langkah kedua dibawah kolom ∆TP n+1

4. Rankingkan set ini sesuai dengan TPI n+1 sesuai dengan nilai yang telah

diperoleh. Jika ada ikatan antara nilai TPI n+1 dari suatu jalur keputusan,

rankinglah ia sesuai dengan nilai order pada TPIn+1.

5. Periksa apakah ranking tertinggi dapat dikembangkan pada kondisi yang

ada di perusahaan. Apabila memungkinkan, pilihlah ia pada periode

mendatang. Kemudian, periksa jalur yang memungkinkan lainnya dan

lanjutknlah sampai mempraktekkan nya, maka jlur implementasi kan

diketemukan.

Dua keuntungan dengan cirri model seperti ini adalah sebagai berikut:

1. Sejak perencnaaan untuk periode mendatang didasarkan kepada kondisi

yang terjadi sekarang pada perusahaan dengan ketersediaan dari nilai

actual output dan input , manajemen telah menginformasikan produktivitas

pada periode tersebut.

2. Metode ini lebih dapat dikendalikan sebagai ramalan yang dibuat

berdasakan pertimbangan terhadap nilai yang ada.

Tabel 11.3. Nilai TP dengan menggunakan estimasi d

ari faktor input spesifik

Faktor input yg digunakan TP n

H 1,741

M 1,732

C 1,754

E 1,712

X 1,779

Tabel 11.1. Input dan output terukur dari produk I (1980)

Januari Februari Maret April

O it $2500 $2650 $2600 $2700

I IHt 540 525 520 550

I IMt 300 330 325 350

ICt 200 210 200 220

I Dt 250 260 280 270

ISt 150 170 160 200

I n 1440 1495 1485 1590

Kerugiannya adalah bahwa analisa telah dikombinasikan pada masing-masing

interval waktu, dan kita juga tidak akan mendapatkan nilai rencana pada

produktivitas pada beberapa periode berikutnya pada permulaan perencanaan

yang horizon.

Contoh 11.2 andaikata sebuah perusahaan berencana mengevaluasi total

produktivitas sebuah produk pada periode t, dan berencana membuat sebuah

rencana total produktivitas pada periode 1 + t. Hal ini diketahui dari output produk

1 pada periode t adalah senilai $2000 dan total input yang digunakan pada periode

ini adalah berkisar $1600 pada nilai dollar yang konstan. Karena itu

(dollar ouput/dollar input)

Andaikan perusahaan ini mempertimbangkan beberapa langkah alternatif

keuputusan manajerial untuk perencanaan produktivitas, sebut saja pada periode

berikutnya t + 1 :

1. Kurangi inpu manusia dari $200 dimana coba untuk memelihara output

pada level yang sama

2. Beli beberapa mesin yang mampu meningktkan output sebesar 5% dimana

biaya yang dikeluarkan akan menjadi $250

3. Bagusi peralatan untuk mengurangi konsumsi sebesar $100, dimana output

yang dihasilkan tetap sama

4. Laksanakan keputusan 1 dan bersamaan dengan keputusan 2



7. Laksanakan keputusan 1,2,3 secara bersamaan

1. Untuk memproses permasalahan ini kita dapat menggunakan tabel

heuristic

Decisions ΔǾ i +1 ΔI1+1 Ǿ I1+1 I I1+1 TP I1+1 Δ TP I1+1 TPI I1+1

0 -200 2000 1400 1.43 0.18 1.144

+100 +250 2100 1850 1.14 0.11 0.912

0 -100 2000 1500 1.33 0.08 1.064

100 +50 2100 1650 1.27 0.02 1.016

0 -300 2000 1300 1.54 0.29 1.232

+100 +150 2100 1750 1.20 0.05 0.960

+100 -50 2100 1550 1.35 0.10 1.080

2. Set path dimana TPI TP I1+1 ≥ 1: {1,3,4,5,7}.

3. Korespondensikan nilai ΔTP I1+1 pada langkah 2 :

{0.18,0.08,0.02,0.029,0.10}

4. Rangkingkan pada langkah 2 menurun dari nilai yang ada pada TPI I1+1 :

{5,1,7,3,4}.

5. Walaupun nilai yang ada penyelesaian kelima lebih menjanjikan nilai

produktivitas total pada periode yang akan datang manajemen

memutuskan mereduksi tenaga kerja bersamaan dengan biaya energi tidak

memungkinkan pada produk 1 untuk diproduksi. Jada pihak perusahaan

lebih mempertimbangkan pemilihan alternatif pertama, dimana pilihan ini

lebih baik daripada list berikutnya yaitu langkah 4. Perusahaan boleh saja

mempertimbangkan pemilihan path ini pada periode yang akan datang

dengan memanipulasi indikasi input tenaga kerja. Dimana perkiraan TP I1+1

adalah awal dari TP I1+1 = 1.43 yang diambil dari langkah pertama.

11.3 MODEL TREND LINEAR DENGAN MENGGUNAKAN DOUBLE

EXPONENTIAL SMOOTHING (DES)

Jika nilai total produktivitas dicari pada ditunjukkan pada trend linear,

DES adalah metode yang cukup memadai bila digunakan pada peramalan

perhitungan total produktivitas yang akan datang. Model dasar yang melingkupi

persaam ini adalah mengikuti rumus sebagai berikut:

TP a = a + bt + €t

Dimana tujuan dari persamaan ini adalah untuk meminimisasi keadaan eror pada

€t dimana penemuan ini digunakan unutk meperkirakan koefisen pada a dan b.

Metode ini sangat berguna pada perencanaan yang digunakan pada saat peramalan

nilai total produktivitas yang akan datang. Produksi ini mengikuti proses sebagai

berikut:

1. Jalankan model simpel regresi untuk memperkirakan a dan b berdasarkan

data yang diperoleh dari masa lalu

2. Pilih smoothing konstan α. Defenisikan dua smoothing konstan lain

mengikuti rumusan berikut:

Β = 1-α

Γ =

3. Defenisikan dua variabel intermediate So dan So$ dimana superskrip pada

So$ dicatat pada rata-rata DES

So$ = α-2β

Ramalkan pada pada periode t + 1 dengan mengikuti prsamaan seperti berikut:

TP I1+1 = (2 + γ) So – (i + γ) So2 γ = 1,2,3,...

Untuk perhitungan selanjutnya pada pencarian nilai γ dapat digunakan rumusan

sebagai berikut:

Keuntungan utama dari metode ini adalah:

Secara intuitif, managemen menginginkn peningkatan poduktivitas dengan laju

yang meyakinkan dan model ini dapat meramal untuk peningkatan produktivitas

ini edngan mengasumsikan sebuah trend yang linear. Metode ini dapat diturunkan

dengan meminimisasi sum square error, itu adalh salah satu tujuannya, dan secara

luas digunaklan untuk melakukan permalan masalah secara baik. Banyak

perusahaan menggunakan program computer untuk memenuhi tujuan ini.

Meramalakna kebutuhan di waktu yang akan datangdapat dilakukan dengan

memulai horizon perencanaan.

Kerugian dari metode ini adalah kebutuhan untuk menetukan konstanta

penghalusan α, β, dan γ.

Contoh 11.3. Tentukanalah bahwa sebuah perusahaan ingin mengkonduksikan

sebuah persamaan regresi dan menemukan perkiraan dari a dan b dari data yang

ada pada bulan yang lalu seperti yang di bawah ini:

a = 1,123 b = 0,032

untuk meramalkna nilai total produktivitas 3 minggu ke depan, ikuti langkah-

langkah sebgai berikut:

1. Pilih nilai α. mulai dari α = 0,2

2. β = 1 – α = 0,8

γ = τ/4 dimana τ = 1,2,3

3. So = 1,123 – (0,8/0,2)(0,032) = 0,995

So(2) = 1,123 – 2(0,8/0,2)(0,032) = 0,867

4. Peramalan nilai produktivitas total 3 bulan ke depan.

TPu+1 = (2 + ¼)(0,995) + (1+1/4)(0,867) = 1,155

TPu+2 = (2 + ¼)(0,995) + (1+2/4)(0,867) = 1,187

TPu+1 = (2 + ¼)(0,995) + (1+3/4)(0,867) = 1,219

Denganmengetahui nilai total produktivitas yang diproyeksikan untuk 3

minggu ke depan, perusahaan dapat merencanakan operasinya untuk memnuhi

target ini, dan mempunyai banyak bentuk waktu yang fleksibel. Nilai ini dapat

ditemukan untuk beberpa period eke dapan dengan menggunakan DES sebagi

lawan dari PET model, dimana analisis pererncanaan ini dapat dikonduksikan

pada setiap akahir periode.

11.4. Perbandinagan Productivity Evaluation Tree Model

Model ini adalah gabunagn konsep yang telah dikembangkan sebelumnya

yakni PET dan DES. Model DES mengandalakan pada kekuatan teknik double

exponential smoothing, yang secara umum digunakan dalam banyak peramalan.

Ketika managemen atau perencana produkstivitas perusahaan inginmelakkan

peningkatan produktivitas, PET model adalah adalt sedrhana namun realistic

untuk digunakan, karena ini digunakan untuk menghitung arah yang mungkin

untuk input ketika pengaturan target tingkat produktivitas untuk produk secara

individu dan perusahaan secar keseluruhan. Perbandinagn model ini, walaupun

dipengaruhi oleh kedua model tersebut untuk digunakan, dan

memperbandingkandari masing-masing bentuk, dengan demikian managnen harus

memilih metode yang lebih baik. Dengan kata lain, metode yang secra konsisten

memberikan varians yang rendah antar actual dengan produktivitas yang

direncanakan.

Prosedur yang digunakan adalah sebagi berikut:

1. menggunakan teknik double exponential smoothing, perkirakan produktivitas

total pada periode t+1, t+2,…,t+T yang dinotasikan dengan TPu+1, TPu+2,

…,TPu+T.

2. Rekam tingkatan Ou dan Iu untuk periode sekarang.

3. Kombinasikan kemungkina tujuan yang berbeda dari Ou+1 dan Iu+1

4. mengunakan metode PET, temukan nilai terbaik untuk perubahan niali input

dan output sebagai ou+1 dan Iu+1. produktivitas total pada periode t+1

sebagai TPu+1.

5. pada periode t+1, rekam nilai actual dari TPu+1

6. hitung persentasi variasi dari kedua metode tersebut.

7. Ulangi langkah 3-6 untuk periode berikutnya.

8. Analisis perbedaan dari model DES dan PET.

Semua prosedu di atas dapat disimpulkan pada gambar 11.1.

Keuntungan memperbandingkan kedua model di atas adalah:

1. Dari kedua model tersebut ada model yang terbaik yang cocok digunakan

dalam perusahaan.

2. Jika metode DES terpilih, maka nilai smoothing constant α dapat diperbaharui

memlaului perbandingan pola PET dan DES.

3. Variasi persentase ditentukan dengan dua metode dapat dilayani dengan

kerangka keputusan managerial.

Kerugiannya adalah bahwa analisa telah dikombinasikan pada masing-masing

interval waktu, dan kita juga tidak akan mendapatkan nilai rencana pada

produktivitas pada beberapa periode berikutnya pada permulaan perencanaan

yang horizon.

Contoh 11.2 andaikata sebuah perusahaan berencana mengevaluasi total

produktivitas sebuah produk pada periode t, dan berencana membuat sebuah

rencana total produktivitas pada periode 1 + t. Hal ini diketahui dari output produk

1 pada periode t adalah senilai $2000 dan total input yang digunakan pada periode

ini adalah berkisar $1600 pada nilai dollar yang konstan. Karena itu

(dollar ouput/dollar input)

Andaikan perusahaan ini mempertimbangkan beberapa langkah alternatif

keuputusan manajerial untuk perencanaan produktivitas, sebut saja pada periode

berikutnya t + 1 :

8. Kurangi inpu manusia dari $200 dimana coba untuk memelihara output

pada level yang sama

9. Beli beberapa mesin yang mampu meningktkan output sebesar 5% dimana

biaya yang dikeluarkan akan menjadi $250

10. Bagusi peralatan untuk mengurangi konsumsi sebesar $100, dimana output

yang dihasilkan tetap sama




14. Laksanakan keputusan 1,2,3 secara bersamaan

6. Untuk memproses permasalahan ini kita dapat menggunakan tabel

heuristic

Decisions ΔǾ i +1 ΔI1+1 Ǿ I1+1 I I1+1 TP I1+1 Δ TP I1+1 TPI I1+1

0 -200 2000 1400 1.43 0.18 1.144

+100 +250 2100 1850 1.14 0.11 0.912

0 -100 2000 1500 1.33 0.08 1.064

100 +50 2100 1650 1.27 0.02 1.016

0 -300 2000 1300 1.54 0.29 1.232

+100 +150 2100 1750 1.20 0.05 0.960

+100 -50 2100 1550 1.35 0.10 1.080

7. Set path dimana TPI TP I1+1 ≥ 1: {1,3,4,5,7}.

8. Korespondensikan nilai ΔTP I1+1 pada langkah 2 :

{0.18,0.08,0.02,0.029,0.10}

9. Rangkingkan pada langkah 2 menurun dari nilai yang ada pada TPI I1+1 :

{5,1,7,3,4}.

10. Walaupun nilai yang ada penyelesaian kelima lebih menjanjikan nilai

produktivitas total pada periode yang akan datang manajemen

memutuskan mereduksi tenaga kerja bersamaan dengan biaya energi tidak

memungkinkan pada produk 1 untuk diproduksi. Jada pihak perusahaan

lebih mempertimbangkan pemilihan alternatif pertama, dimana pilihan ini

lebih baik daripada list berikutnya yaitu langkah 4. Perusahaan boleh saja

mempertimbangkan pemilihan path ini pada periode yang akan datang

dengan memanipulasi indikasi input tenaga kerja. Dimana perkiraan TP I1+1

adalah awal dari TP I1+1 = 1.43 yang diambil dari langkah pertama.

Kasus 1. Tanpa trend (b = 0)

Memenuhi nilai untuk masa lalu untuk t = 1, 2, ….., L.

Rata-rata total produktivitasnya adalah sebagai berikut:

Perkiraan untuk a, b dan c di dapat dari

(11.18)

(11.19)

t = 1, 2, ….L (11.20)

Kasus 2. dengan Trend (b > 0) untuk kasus ini, inisial kondisi akan lebih reliabel

jika data produktivitas menyinggung kepada dua masa lalu yang dikenal.

1. Inisial perkiraan dari trend linear akan menjadi

(11.21)

2. Inisial perkiraan dari factor seasonal yang didapat dengan perhitungan

akan berguna sewaktu-waktu.

zz (11.22)

3. akan didapat dengan menyelesaikan perhitungan

(11.23)

4. Akhirnya, inisial factor seasonal akan menjadi

untuk t = 1,2, ..L

(11.24)

Jadi, menggunakan harga inisial , , dan untuk =1,2,….L, untuk

operasi peramalan yang diberikan oleh persamaan (11.14)-(11.17) untuk

merencanakan nilai produktifitas yang dapat menunjukkan variasi sesuai musim.

Keuntungan dari model ini adalah:

1. Dapat menghitung perubahan menurut musim nilai linier secara simultan.

2. Nilai-nilai produktifitas dapat ditentukan pada setiap interval waktu,

bahkan pada awal perencanaan horizon.

Disisi lain, keuntungannya adalah:

1. Memilih konstanta yang cocok α, β, γ dalam suatu hal objectif yang

mungkin saja merupakan suatu masalah.

2. Sejak model ini heuristic, terdapat elemen yang berasosiasi dengannya

secara subjektif.

Contoh 11.4 Misalkan produk 1, kita tlah mengetahui nilai produktifitas

totalnya sejak tahun 1970 sampai 1980 dalam sebuah basis bulanan, seperti pada

table 11.4. Untuk meramalkan tahun 1981 pada sebuah basis bulanan, dengan

asumsi variasi-variasi musiman tidak dapat dipisahkan dalam nilai dan trend linier

akan dipertimbangkan lebih besar dari nol, pertama sekali kita harus

mendeterminasikan , dan melalui persamaan (11.23), (11.21), dan

(11.24).

Untuk perhitungannya, kita memperoleh hasil berikut:

= 3,438

= 0,00729

Nilai untuk , t = 1,2,…,12, dapat dilihat pada table 11.5.

Untuk memperoleh peramalan untuk tiap bulan pada tahun 1981, prosedur

berikut, menggunakan persamaan (11.14)-(11.17), yang diaplikasikan dengan

memilih konstanta sebagai berikut:

α = 0,2 β = 0,1 γ = 0,2

a (Jan. 1980) = 0,2

b (Jan. 1980) = 0,1 (3,4157 – 3,4375) + 0,9 (0,00729) = 0,00438

(Jan. 1980) = 0,2

Tabel 11.4 Nilai TPa untuk produk 1 pada tahun 1979 dan 1980

BulanTahun

1979 1980

Januari 3.91 3.88

Pebruari 3.50 3.75

Maret 3.85 3.55

April 2.95 3.40

Mei 3.24 2.88

Juni 2.90 2.30

Juli 2.90 3.20

Agustus 3.15 3.00

September 3.09 3.35

Oktober 3.50 4.01

November 3.28 3.00

Desember 3.90 3.90

Tabel 11.5 Faktor Inisial Seasonal,

t

Januari 1.176

Pebruari 1.091

Maret 1.113

April 0.951

Mei 0.916

Juni 0.777

Juli 0.908

Agustus 0.914

September 0.955

Oktober 1.110

November 1.074

Desember 1.328

Tabel 11.6 Nilai Peramalan TP Tahun 1981

Bulan (t)Peramalan TPa untuk Tahun 1981

Januari 3.4157 0.00438 1.168 4.08Pebruari 3.4235 0.00472 1.092 3.80Maret 3.3804 0.00000 1.100 3.76April 3.7582 0.03778 0.942 4.01Mei 3.6656 0.02474 0.890 3.63Juni 3.5443 0.01014 0.751 2.85Juli 3.5484 0.00954 0.907 3.33Agustus 3.5028 0.00403 0.976 3.25September 3.5070 0.00412 0.955 3.40

Oktober 3.5314 0.00715 1.115 4.02November 3.5757 0.01086 1.083 3.98Desember 3.4566 -0.00214 1.288 4.57

Nilai c1 (januari 1980) dihitung pada langkah ini untuk digunakan pada

tahun 1981 untuk memperkirakan nilai tahun 1982.

TPi Januari 1981 = [3.4157 + i2(0.00438)] x 1.176 = 4.08

Data pada tabel 11.6 dihitung dalam bentuk yang sama, dan T diasumsikan sama

dengan L, yaitu 12 bulan.

Perencanaan model produktivitas yang dijelaskan sebelumnya bertujuan

untuk membangun beberapa garis pedoman formal untuk digunakan pada

perusahaan dalam program produktivitas mereka. Model yang termasuk tidaklah

perlu untuk daftar yang terpakai, dan area perencanaan produktivitas terbuka

untuk penelitian ke depannya. Seluruh model yang termasuk dalam kebutuhan

perencanaan tidak deterministik seperti yang ditunjukkan disini, dan formulasi

untuk model probabilistic adalah mungkin. Pohon evaluasi produktivitas, sebagai

contoh, mungkin dapat dimodifikasi ke depannya dalam bentuk pohon keputusan

untuk menunjukkan model produktivitas yang dapat dibangun.

Keuntungan dan kerugian setiap model telah didaftar pada setiap model,

sehingga harapan perusahaan untuk memperoleh system perencanaan

produktivitas normal dalam operasinya dapat dilakukan begitu dengan pemilihan

model terbaik yang sesuai dengan kebutuhan.

bab 11

Documents