Anda di halaman 1dari 10

Aplikasi Linear Programming (LP) dalam Konsep the Theory of Constraints (TOC)

(Vincent Gaspersz)

APLIKASI LINEAR PROGRAMMING (LP) DALAM KONSEP


THE THEORY OF CONSTRAINTS (TOC)

Vincent Gaspersz

Abstract
The theory of constraints (TOC), initiated by Dr. Eliyahu Goldratt, is a
management philosophy based on the principle of achieving continuous improvement by
focusing on the system constraint. A system constraint will limit the performance of
system, thus all efforts should be focused at maximizing the performance of the
constraint. Linear programming can be used as a technique in the TOC process of
continuous improvement.

1. Konsep Dasar TOC


The theory of constraints (TOC) yang diperkenalkan oleh Dr. Eliyahu Goldratt,
merupakan suatu filosofi manajemen yang berdasarkan prinsip-prinsip pencapaian peningkatan
terus-menerus (continuous improvement) melalui memfokuskan perhatian pada kendala sistem
(system constraint). Suatu kendala sistem membatasi performansi dari sistem itu, sehingga
semua upaya seyogianya ditujukan untuk memaksimumkan performansi dari kendala ini.
Setiap sistem produksi membutuhkan beberapa titik kendali (control points) atau titik-
titik kunci (key points) untuk mengendalikan aliran dari produk yang melewati sistem itu. Jika
sistem produksi itu mengandung kendala (constraint), maka pada kendala itu merupakan tempat
terbaik untuk dikendalikan. Titik kendali (control point) ini disebut sebagai “drum”. Suatu
kendala didefinisikan sebagai suatu sumber daya yang tidak memiliki kapasitas untuk
memenuhi permintaan, oleh karena itu salah satu alasan untuk menggunakan kendala sebagai
titik kendali (control point) adalah untuk meyakinkan agar operasi sebelumnya tidak
memproduksi lebih atau menghasilkan inventori WIP (work-in-process inventory) yang tidak
tertangani. Jika tidak terdapat kendala, maka tempat terbaik berikut untuk menetapkan “drum”
adalah CCR (capacity-constrained resource). Suatu CCR didefinisikan sebagai operasi yang
mendekati kapasitas tetapi, pada tingkat rata-rata, memiliki kapabilitas yang cukup memadai
sepanjang itu tidak dijadualkan secara salah (misalnya: dengan terlalu banyak setups, produksi
dengan ukuran lot terlalu besar, dll, sehingga menyulitkan operasi sesudahnya). Jika kendala
maupun CCR tidak ada dalam sistem, maka titik kendali dapat ditempatkan di mana saja dalam
sistem itu.
Terdapat dua hal yang harus dilakukan terhadap kendala, yaitu: (1) menjaga atau
menyiapkan suatu “buffer inventory” di depan tempat kendala itu, dan (2) mengkomunikasikan
kepada operasi paling awal untuk membatasi produksi sesuai jumlah kemampuan dari kendala
itu. Proses komunikasi ini disebut sebagai “rope”.
Dengan demikian dalam konsep TOC dikenal istilah “drum-buffer-rope”, yang
merupakan teknik umum yang digunakan untuk mengelola sumber-sumber daya guna
memaksimumkan performansi dari sistem. Drum adalah tingkat produksi yang ditetapkan oleh
kendala sistem, buffer menetapkan proteksi terhadap ketidakpastian sehingga sistem dapat
memaksimumkan performansi, dan rope adalah suatu proses komunikasi dari kendala ke operasi
awal (gating operation) untuk memeriksa atau membatasi material yang diberikan ke dalam
sistem. Konsep drum-buffer-rope ini dapat dijelaskan secara lebih mudah melalui Gambar 1.

153
Jurnal Teknologi Industri Vol. V No. 3 Juli 2001 : 153 - 162

Bottleneck (drum)

X A B C D E Pasar

Inventory
(buffer)

Communication
(rope)

Keterangan: produk x mengalir dari pusat kerja A sampai E. Pusat kerja C merupakan kendala,
karena memiliki kapasitas paling rendah.

Gambar 1. Aliran Linear dari Produk X dengan Sebuah Kendala (Bottleneck)

Dari Gambar 1 dapat dijelaskan sebagai berikut:


a. Terdapat sebuah kendala pada pusat kerja C dalam sistem yang membatasi
performansi dari sistem itu. Oleh karena itu harus ditetapkan titik kendali (control
point) pada C dan titik kendali ini disebut drum.
b. Menyediakan suatu “buffer” di depan pusat kerja C sebagai inventori pengaman.
Karena pusat kerja C merupakan kendala (bottleneck), maka output dari C akan
menentukan performansi sistem.
c. Mengkomunikasikan ke pusat kerja A tentang kendala yang ada pada C, sehingga A
hanya memberikan input sesuai dengan kemampuan C. Proses komunikasi ini disebut
rope, yang dapat berbentuk formal seperti jadual atau informal seperti diskusi harian.

Guna kepentingan peningkatan terus-menerus (continuous improvement), TOC pada


umumnya menggunakan lima langkah berikut (Melnyk and Denzler, 1996):
a. Mengidentifikasi kendala atau keterbatasan sistem. Hal ini analogi dengan
mengidentifikasi titik terlemah dalam rantai operasi, di mana titik itu membatasi
kemampuan sistem.
b. Memutuskan bagaimana cara mengungkapkan kendala sistem itu, melalui
memaksimumkan performansi sistem berdasarkan kendala yang telah diidentifikasi
dalam langkah 1.
c. Menangguhkan hal-hal lain yang bukan kendala dari pertimbangan pembuatan
keputusan. Alasannya, segala sesuatu yang hilang pada kendala sistem akan
menghilangkan keuntungan, sedangkan kehilangan pada sumber daya yang bukan
kendala tidak memberikan pengaruh karena sumber-sumber daya itu masih cukup
tersedia.
d. Memprioritaskan solusi masalah pada kendala sistem, dalam hal apabila performansi
sistem tidak memuaskan.
e. Kembali ke langkah 1 untuk peningkatan terus-menerus, jika langkah-langkah
sebelumnya memunculkan kendala-kendala baru dalam sistem itu.

154
Aplikasi Linear Programming (LP) dalam Konsep the Theory of Constraints (TOC)
(Vincent Gaspersz)

2. Konsep Linear Programming


Linear Programming (LP) merupakan teknik riset operasional (operation research
technique) yang telah dipergunakan secara luas dalam berbagai jenis masalah manajemen.
Banyak keputusan manajemen produksi dan inventori mencoba membuat agar penggunaan
sumber-sumber daya manufakturing menjadi lebih efektif dan efisien. Sumber-sumber daya
manufakturing seperti: mesin, tenaga kerja, modal, waktu, dan bahan baku digunakan dalam
kombinasi tertentu yang paling optimum untuk menghasilkan produk (barang dan/atau jasa).
Dengan demikian linear programming dipergunakan untuk membantu manajer-manajer PPIC
guna merencanakan dan membuat keputusan tentang pengalokasian sumber-sumber daya yang
optimum. Beberapa contoh penggunaan linear programming dalam bidang produksi dan
inventori yang telah menunjukkan hasil memuaskan adalah:
a. Menentukan kombinasi (diversifikasi) produk yang terbaik dalam menggunakan
kapasitas mesin, tenaga kerja, dan modal yang tersedia agar memaksimumkan
keuntungan perusahaan (masalah maksimisasi keuntungan).
b. Menentukan pencampuran bahan baku dalam pabrik farmasi atau pengolahan
makanan untuk menghasilkan produk obat atau makanan yang meminimumkan biaya
produksi (masalah minimisasi biaya produksi).
c. Menentukan sistem distribusi yang akan meminimumkan ongkos total transportasi
dari beberapa gudang ke beberapa lokasi pasar (masalah minimisasi biaya
transportasi).
d. Mengembangkan jadual produksi yang akan memenuhi permintaan produk mendatang
pada tingkat biaya produksi dan inventori yang minimum (minimisasi biaya produksi
dan inventori).
Semua masalah linear programming pada dasarnya memiliki lima karakteristik utama
berikut (Anderson, et. al., 1997):
a. Masalah linear programming berkaitan dengan upaya memaksimumkan (pada
umumnya keuntungan) atau meminimumkan (pada umumnya biaya). Upaya optimasi
(maksimum atau minimum) ini disebut sebagai fungsi tujuan (objective function) dari
linear programming. Fungsi tujuan ini terdiri dari variabel-variabel keputusan
(decision variables).
b. Terdapat kendala-kendala atau keterbatasan, yang membatasi pencapaian tujuan yang
dirumuskan dalam linear programming. Kendala-kendala ini dirumuskan dalam
fungsi-fungsi kendala (constraint’s functions), terdiri dari variabel-variabel keputusan
yang menggunakan sumber-sumber daya yang terbatas itu. Dengan demikian yang
akan diselesaikan dalam linear programming adalah mencapai fungsi tujuan
(maksimum keuntungan atau minimum biaya) dengan memperhatikan fungsi-fungsi
kendala (keterbatasan atau kendala) sumber-sumber daya yang ada.
c. Memiliki sifat linearitas. Sifat linearitas ini berlaku untuk semua fungsi tujuan dan
fungsi-fungsi kendala. Sebagai misal, apabila satu unit produk A dapat menghasilkan
keuntungan, katakanlah, $30, maka apabila kita memproduksi dua unit produk A akan
memberikan keuntungan $60 (2 x $30), produksi tiga unit produk A akan memberikan
keuntungan $90 (3 x $30), dan seterusnya. Demikian pula untuk penggunaan sumber-
sumber daya. Misalkan untuk sumber daya tenaga kerja, katakanlah untuk
memproduksi satu unit produk A membutuhkan 2 jam kerja, maka untuk
menghasilkan dua unit produk A akan membutuhkan 4 jam kerja (2 unit produk x 2
jam kerja per unit produk), dan seterusnya.
d. Memiliki sifat homogenitas. Sifat homogenitas ini berkaitan dengan kehomogenan
sumber-sumber daya yang digunakan dalam proses produksi, misalnya semua produk
A dihasilkan oleh mesin-mesin yang identik, tenaga kerja yang berketerampilan sama,
dan lain-lain.

155
Jurnal Teknologi Industri Vol. V No. 3 Juli 2001 : 153 - 162

e. Memiliki sifat divisibility. Sifat divisibility diperlukan, karena linear programming


mengasumsikan bahwa nilai dari variabel-variabel keputusan maupun penggunaan
sumber-sumber daya dapat dibagi ke dalam pecahan-pecahan. Jika pembagian ini
tidak mungkin dilakukan terhadap variabel keputusan, misalnya dalam industri mobil,
furniture, dan lain-lain, karena nilai kuantitas produksi diukur dalam bilangan bulat,
maka modifikasi terhadap linear programming harus dilakukan. Bentuk modifikasi
dari linear programming ini disebut sebagai integer programming.
Secara matematik, model umum dari linear programming yang terdiri dari sekumpulan
variabel keputusan X1 , X2 , …, Xn , dapat dirumuskan sebagai berikut:

Maksimum (atau Minimum) Z = C1 X1 + C2 X2 + … + Cn Xn

dengan kendala:

A11 X1 + A12 X2 + ….. + A1n Xn ≤ B1


A21 X1 + A22 X2 + ….. + A2n Xn ≤ B2
.
.
Am1 X1 + Am2 X2 + ….. + Amn Xn ≤ Bm

di mana Cn , Amn , dan Bm adalah konstanta.

Catatan:
tergantung pada permasalahan, fungsi-fungsi kendala dapat bertanda sama dengan ( = ),
lebih kecil atau sama dengan ( ≤ ), lebih besar atau sama dengan ( ≥ ), atau kombinasi di
antaranya (sebagian fungsi kendala bertanda ≤ dan sebagian lainnya bertanda ≥).

Solusi terhadap model linear programming di atas dapat menggunakan paket software
komputer, misalnya Microsoft Excel dengan program yang disebut SOLVER.

3. Aplikasi Linear Programming


3.1. Aplikasi Linear Programming dalam Diversifikasi Produk
Supersport Footballs, Inc. harus menentukan kombinasi terbaik dari produk bola model-
model All-Pro (x1 ), College (x2 ), and High School (x3 ) agar memaksimumkan keuntungan.
Kendala-kendala yang dihadapi adalah keterbatasan kapasitas (waktu tersedia dalam menit) dari
tiga departemen: (1) pemotongan dan pencelupan (cutting and dyeing), (2) penjahitan (sewing),
dan (3) inspeksi dan pengepakan (inspection and packaging), juga pembatasan bahwa produksi
model All-Pro (x1 ) harus minimum 1000 unit sesuai dengan pesanan yang telah diterima. Setiap
unit produk bola model All-Pro (x1 ), College (x2 ), and High School (x3) yang diproduksi,
berturut-turut memberikan keuntungan sebesar $3, $5, dan $4. Kebutuhan sumber daya untuk
produksi bola dan kapasitas yang tersedia dari ketiga departemen ditunjukkan dalam Tabel 1.

Tabel 1. Kebutuhan Sumber Daya Per Unit Produk Bola dan Kapasitas
(waktu dalam menit) dari Tiga Departemen (Pusat Kerja)
Sumber Daya All-Pro College High School Kapasitas Tersedia
(Pusat Kerja) (x1 ) (x2 ) (x3 ) (Menit)
Potong dan Celup 12 10 8 18000
Penjahitan 15 15 12 18000
Inspeksi & Pengepakan 3 4 2 9000

156
Aplikasi Linear Programming (LP) dalam Konsep the Theory of Constraints (TOC)
(Vincent Gaspersz)

Masalah linear programming dari perusahaan Supersport dapat dirumuskan sebagai


berikut:

Maksimum Keuntungan Z = 3x1 + 5x2 + 4x3

dengan kendala:

12x1 + 10x2 + 8x3 ≤ 18.000 (waktu potong dan celup)


15x1 + 15x2 + 12x3 ≤ 18.000 (waktu jahit)
3x1 + 4x2 + 2x3 ≤ 9.000 (waktu inspeksi & pengepakan)
1x1 ≥ 1.000 (kuantitas pesanan yang diterima)
x1 , x2 , x3 ≥ 0

Solusi terhadap masalah linear programming di atas dapat menggunakan program Solver
dalam Microsoft Excel, mengikuti langkah-langkah berikut:

Langkah 1.
Masukkan informasi berikut ke dalam spreadsheet Microsoft Excel:
A B C D E F G
1 X1 X2 X2
2 Nilai Keputusan 1 1 1
3 Keuntungan: 3 4 5 12*)
4 Kendala: X1 X2 X2 Kebutuhan Notasi Kapasitas
5 Potong dan Celup 12 10 8 30*) <= 18000
6 Jahit 15 15 12 42*) <= 18000
7 Inspeksi dan Pengepakan 3 4 2 9*) <= 9000
8 Kuantitas model All-Pro (X1) 1 0 0 1*) >= 1000

Catatan:
a. Nilai keputusan awal untuk X1 , X2 , dan X3 ditentukan secara sembarang, dalam contoh
ini dipilih: X1 = 1, X2 = 1, dan X3 =1. Nilai-nilai optimum akan dicari oleh komputer.
b. Sel E3 merupakan formula: E3 =+B2*B3+C2*C3+D2*D3 . Ketikkan formula ini ke
dalam sel E3. Hasil angka 12 adalah jumlah hasil kali dari: (1 x 3) + (1 x 5) + (1 x 4).
c. Sel E5 sampai E8 juga merupakan formula. Angka-angka yang muncul merupakan
jumlah hasil kali dari formula itu. Ketikkan formula-formula berikut ke dalam sel E5
sampai E8:
E5 =+B2*B5+C2*C5+D2*D5
E6 =+B2*B6+C2*C6+D2*D6
E7 =+B2*B7+C2*C7+D2*D7
E8 =+B2*B8+C2*C8+D2*D8

Langkah 2. Pilih Tools, Solver

Langkah 3. Isi Solver Parameters, sebagai berikut:


Set Target Cell: $E$3 (Definisikan Sel E3 yang mengandung formula target
keuntungan)
Equal To: • max
By Changing Cells: $B$2:$D$2 (Definisikan sel B2 sampai D2 yang nilai-nilai
optimum dari variabel keputusan itu akan diisi atau
diganti oleh komputer)
Subject to the Constraints: Diisi dengan jalan memilih Add, sebagai berikut:

157
Jurnal Teknologi Industri Vol. V No. 3 Juli 2001 : 153 - 162

Add Constraint
Cell Reference: Constraint:
$B$2:$D$2 >= 0 (Add)
$E$5:$E$7 <= $G$5:$G$7 (Add)
$E$8 >= $G$8 (OK)

Langkah 4. Pilih Solve


Selanjutnya komputer akan memunculkan Solver Results. Beberapa pilihan berikut dapat
dilakukan:
Restore Original Values (Nilai awal dari variabel keputusan disimpan)
Reports:
Pilih Answer (Apabila perlu pembaca juga dapat memilih Sensitivity, Limits)

Hasil solusi masalah linear programming di atas oleh Solver Microsoft Excel ditunjukkan
sebagai berikut:
Microsoft Excel 8.0 Answer Report
Worksheet: [LP1.xls]Sheet1
Report Created: 16/08/2000 11:04:35

Target Cell (Max)


Cell Name Original Value Final Value
$E$3 Keuntungan: 12 4000

Adjustable Cells
Cell Name Original Value Final Value
$B$2 Nilai Keputusan: X1 1 1000
$C$2 Nilai Keputusan: X2 1 198,4799194
$D$2 Nilai Keputusan: X3 1 1,900100866

Constraints
Cell Name Cell Value Formula Status Slack
$E$5 Potong dan Celup 14000 $E$5<=$G$5 Not Binding 3999,999999
$E$6 Jahit 18000 $E$6<=$G$6 Binding 0
$E$7 Inspeksi dan Pengepakan 3797,719879 $E$7<=$G$7 Not Binding 5202,280121
$E$8 Kuantitas model All-Pro (X1) 1000 $E$8>=$G$8 Binding 0
$B$2 Nilai Keputusan: X1 1000 $B$2>=0 Not Binding 1000
$C$2 Nilai Keputusan: X2 198,4799194 $C$2>=0 Not Binding 198,4799194
$D$2 Nilai Keputusan: X3 1,900100866 $D$2>=0 Not Binding 1,900100866

Keterangan:
a. Final value dari keuntungan adalah 4000, berarti perusahaan akan memperoleh
keuntungan sebesar $4000 apabila melaksanakan keputusan X1 = 1000 unit, X2 =
198,4799194 unit, dan X3 = 1,900100866 unit. Catatan: Z = 3X1 + 5X2 + 4X3 =
3(1000) + 5(198,4799194) + 4(1,900100866) = 4000.
b. Nilai slack dapat diinterpretasikan sebagai berikut. Misalkan untuk waktu potong dan
celup sebesar 3999,9999 berarti apabila kita melaksanakan keputusan di atas, maka
waktu potong dan celup yang masih tersisa adalah 4000 menit. Nilai ini diperoleh
dari: kebutuhan sumber daya waktu potong dan celup = 12X1 + 10X2 + 8X3 =

158
Aplikasi Linear Programming (LP) dalam Konsep the Theory of Constraints (TOC)
(Vincent Gaspersz)

12(1000) + 10(198,4799194) + 8(1,900100866) = 14000 menit. Kapasitas waktu


potong dan celup yang tersedia adalah 18000 menit, sehingga tersisa: 18000 – 14000 =
4000 menit. Nilai slack nol berarti semua sumber daya yang tersedia terpakai habis.
c. Mengingat bahwa unit produksi bola harus dalam bilangan bulat dan tidak mungkin
merencanakan produksi bola model high school (X3 ) hanya dua unit, maka manajer
PPIC dapat memutuskan untuk merencanakan produksi bola model All-Pro (X1 ) =
1000 unit dan College (X2 ) = 200 unit. Untuk rencana produksi ini, perusahaan akan
memperoleh keuntungan: Z = 3X1 + 5X2 + 4X3 = 3(1000) + 5(200) + 4(0) = 4000.
Rencana produksi X1 = 1000 unit dan X2 = 200 unit akan menyisakan sumber daya
waktu potong dan celup sebanyak 4000 menit dari kapasitas waktu 18000 menit dan
juga menyisakan sumber daya waktu inspeksi dan pengepakan sebanyak 5200 menit
dari kapasitas 9000 menit. Sedangkan kapasitas sumber daya waktu penjahitan
sebanyak 18000 menit akan terpakai habis. Berdasarkan solusi linear programming,
kita mengetahui bahwa yang menjadi kendala utama adalah sumber daya waktu
penjahitan. Dengan demikian titik kendali (control point) dapat ditempatkan pada
pusat kerja penjahitan.

3.2. Aplikasi Linear Programming dalam Perencanaan Produksi dan Inventori


Misalkan data kapasitas produksi, permintaan, ongkos produksi, dan ongkos
penyimpanan dalam inventori dari suatu industri benang selama 4 kuartal mendatang adalah
sebagai berikut:
Kapasitas Produksi Permintaan Ongkos Produksi Ongkos Inventori
Kuartal
(Square Yards) (Square Yards) ($/Sq. Yards) ($/Sq.Yards)
1 600 400 2 0.25
2 300 500 5 0.25
3 500 400 3 0.25
4 400 400 3 0.25

Untuk memudahkan pemodelan linear programming, kita akan menggunakan gambar


berikut:

Kapasitas Node Produksi Ongkos Produksi Node Permintaan

2
600
1 5 400

0.25
5
300 500
2 6

0.25
3
500 400
3 7

0.25
3
400 400
4 8

159
Jurnal Teknologi Industri Vol. V No. 3 Juli 2001 : 153 - 162

Selanjutnya kita mendefinisikan variabel-variabel keputusan berikut:


X15 = unit produksi pada kuartal 1 untuk memenuhi permintaan kuartal 1
X26 = unit produksi pada kuartal 2 guna memenuhi permintaan kuartal 2
X37 = unit produksi pada kuartal 3 guna memenuhi permintaan kuartal 3
X48 = unit produksi pada kuartal 4 guna memenuhi permintaan kuartal 4
X56 = unit inventori yang tersimpan selama kuartal 1
X67 = unit inventori yang tersimpan selama kuartal 2
X78 = unit inventori yang tersimpan selama kuartal 3

Selanjutnya kita akan mengembangkan fungsi tujuan (objective function) yang


meminimumkan ongkos produksi dan inventori, sebagai berikut:
Minimum Biaya Produksi dan Inventori:

C = 2X15 + 5X26 + 3X37 + 3X48 + 0.25X56 + 0.25X67 + 0.25X78

Selanjutnya kita mengembangkan empat kendala kapasitas produksi, sebagai berikut:

X15 ≤ 600 ; X26 ≤ 300; X37 ≤ 500; dan X48 ≤ 400

Selanjutnya kita mengembangkan empat kendala permintaan mengikuti aturan berikut:

Permintaan = inventori awal + produksi – inventori akhir

Keempat kendala permintaan itu adalah sebagai berikut:

X15 – X56 ≥ 400 (permintaan kuartal 1)


X56 + X26 – X67 ≥ 500 (permintaan kuartal 2)
X67 + X37 – X78 ≥ 400 (permintaan kuartal 3)
X78 + X48 ≥ 400 (permintaan kuartal 4)

Model lengkap linear programming di atas adalah sebagai berikut:


Minimum Biaya Produksi dan Inventori:

C = 2X15 + 5X26 + 3X37 + 3X48 + 0.25X56 + 0.25X67 + 0.25X78

dengan kendala:

X15 ≤ 600 (kapasitas kuartal 1)


X26 ≤ 300 (kapasitas kuartal 2)
X37 ≤ 500 (kapasitas kuartal 3)
X48 ≤ 400 (kapasitas kuartal 4)
X15 – X56 ≥ 400 (permintaan kuartal 1)
X26 + X56 – X67 ≥ 500 (permintaan kuartal 2)
X37 + X67 – X78 ≥ 400 (permintaan kuartal 3)
X48 + X78 ≥ 400 (permintaan kuartal 4)
Semua variabel keputusan ≥ 0

Selanjutnya masalah linear programming di atas diselesaikan menggunakan Solver


Microsoft Excel, dan ringkasan hasilnya ditunjukkan dalam Tabel berikut.

160
Aplikasi Linear Programming (LP) dalam Konsep the Theory of Constraints (TOC)
(Vincent Gaspersz)

Nilai Fungsi Tujuan = 5150.00


Variable Value
X15 600
X26 300
X37 400
X48 400
X56 200
X67 0
X78 0

Dengan demikian manajer PPIC dapat merencanakan produksi pada kuartal 1, 2, 3, dan 4,
berturut-turut sebanyak: 600, 300, 400, dan 400 unit. Untuk itu akan terdapat inventori yang
tersimpan selama kuartal 1 sebanyak 200 unit. Ongkos total produksi dan inventori akan
menjadi minimum, yaitu: $5150.

161
Jurnal Teknologi Industri Vol. V No. 3 Juli 2001 : 153 - 162

Daftar Pustaka

Anderson, D. R., Dennis J. Sweeney, and Thomas A. Williams, 1997, An Introduction to


Management Science-Quantitative Approaches to Decision Making., 8th edition, West
Publishing Company, St. Paul, Minnesota.
Chase, R. B., Nicholas J. Aquilano, and F. Robert Jacobs, 1998, Production and Operations
Management-Manufacturing and Services., 8th edition., McGraw-Hill, Boston.
Gaspersz, Vincent, 2000, Production Planning and Inventory Control-Berdasarkan Pendekatan
Sistem Terintegrasi MRP dan JIT Menuju Manufakturing 21. Edisi ke-2. Gramedia,
Jakarta.
Lapin, L. L., 1994, Quantitative Methods for Business Decisions-With Cases. 6th edition.,
Duxbury Press, Belmont.
Melnyk, Steven A. and David R. Denzler, 1996, Operations Management-A Value-Driven
Approach. Irwin, Chicago.

162