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 = Oit O Oit = ..(11.1) I it I it i

Dalam hal yang sama, produktivitas parsial dari produk i dengan beberapa input faktor j di periode t diberikan oleh persamaan berikut.

PPijt =

Oit I it

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 = I ijt EI it ..(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 PPIHt 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 = WIH Mei = 4,63 ,05 ,00 4,91 5 5 = 4, 8965 4 0,375 ,351 ,350 ,346 0 0 0 = 0,3555 4

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 Oit dan Iit pada periode ini. Tabel 11.2. Produktivitaparsial dari input manusia dan propors dari input manusia terhadap total iput dari produk i (1980) PPIHt WWIHt JAnuari 4,63 0,375 Februari 5,05 0,351 Maret 5,00 0,350 April 4,91 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. 2. 3. 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. Pilih set keputusan dimana TPI n+1 1 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

n+1

diperoleh. Jika ada ikatan antara nilai TPI 5.

dari suatu jalur keputusan,

rankinglah ia sesuai dengan nilai order pada TPIn+1. 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 H M C E X TP n 1,741 1,732 1,754 1,712 1,779

Tabel 11.1. Input dan output terukur dari produk I (1980) O it I IHt I IMt ICt I Dt ISt In Januari $2500 540 300 200 250 150 1440 Februari $2650 525 330 210 260 170 1495 Maret $2600 520 325 200 280 160 1485 April $2700 550 350 220 270 200 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 5. Laksanakan keputusan 1 dan bersamaan dengan keputusan 3 6. Laksanakan keputusan 2 dan bersamaan dengan keputusan 3 7. Laksanakan keputusan 1,2,3 secara bersamaan 1. Untuk memproses permasalahan ini kita dapat menggunakan tabel heuristic Decisions i +1 0 +100 0 100 0 I1+1 -200 +250 -100 +50 -300 I1+1 2000 2100 2000 2100 2000 I I1+1 1400 1850 1500 1650 1300 TP I1+1 1.43 1.14 1.33 1.27 1.54 TP I1+1 0.18 0.11 0.08 0.02 0.29 TPI I1+1 1.144 0.912 1.064 1.016 1.232

+100 +100

+150 -50

2100 2100

1750 1550

1.20 1.35

0.05 0.10

0.960 1.080

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

I1+1

pada

langkah

: :

{0.18,0.08,0.02,0.029,0.10} 4. Rangkingkan pada langkah 2 menurun dari nilai yang ada pada TPI {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:
I1+1

1. Jalankan model simpel regresi untuk memperkirakan a dan b berdasarkan data yang diperoleh dari masa lalu 2. Pilih smoothing konstan . Defenisikan dua smoothing konstan lain mengikuti rumusan berikut: = 1- = 3. Defenisikan dua variabel intermediate So dan So$ dimana superskrip pada So$ dicatat pada rata-rata DES

So$ = -2 Ramalkan pada pada periode t + 1 dengan mengikuti prsamaan seperti berikut: TP I1+1 = (2 + ) So (i + ) So2 sebagai berikut: = 1,2,3,... Untuk perhitungan selanjutnya pada pencarian nilai dapat digunakan rumusan

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 , , dan .

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 langkahlangkah sebgai berikut: 1. 2. 3. 4. Pilih nilai . mulai dari = 0,2 = 1 = 0,8 = /4 dimana = 1,2,3 So = 1,123 (0,8/0,2)(0,032) = 0,995 So(2) = 1,123 2(0,8/0,2)(0,032) = 0,867 Peramalan nilai produktivitas total 3 bulan ke depan. TPu+1 TPu+2 TPu+1 = (2 + )(0,995) + (1+1/4)(0,867) = 1,155 = (2 + )(0,995) + (1+2/4)(0,867) = 1,187 = (2 + )(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 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 11. Laksanakan keputusan 1 dan bersamaan dengan keputusan 2 12. Laksanakan keputusan 1 dan bersamaan dengan keputusan 3 13. Laksanakan keputusan 2 dan bersamaan dengan keputusan 3 14. Laksanakan keputusan 1,2,3 secara bersamaan 6. Untuk memproses permasalahan ini kita dapat menggunakan tabel heuristic Decisions i +1 0 +100 0 100 0 I1+1 -200 +250 -100 +50 -300 I1+1 2000 2100 2000 2100 2000 I I1+1 1400 1850 1500 1650 1300 TP I1+1 1.43 1.14 1.33 1.27 1.54 TP I1+1 0.18 0.11 0.08 0.02 0.29 TPI I1+1 1.144 0.912 1.064 1.016 1.232

+100 +100

+150 -50

2100 2100

1750 1550

1.20 1.35

0.05 0.10

0.960 1.080

7. Set path dimana TPI TP I1+1 1: {1,3,4,5,7}. 8. Korespondensikan nilai TP

I1+1

pada

langkah

: :

{0.18,0.08,0.02,0.029,0.10} 9. Rangkingkan pada langkah 2 menurun dari nilai yang ada pada TPI {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:
i I1+1

TPa = Perkiraan untuk a, b dan c di dapat dari a (0) = TPa b(0) = O ct =

TPa
i =1

(11.18) (11.19)

TPa TPa

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 b(0) =

TPaseason2 TPaseason1 L

(11.21)

2. Inisial perkiraan dari factor seasonal yang didapat dengan perhitungan akan berguna sewaktu-waktu. c(0) =

TPa +1 TPa L.. b(0)

zz

(11.22)

3. a (0) akan didapat dengan menyelesaikan perhitungan

TPa = 2 L a(0) 3L2 b(0) + 2 b(0) t. ci (0)

i =1 i =1

2L

(11.23)

4. Akhirnya, inisial factor seasonal akan menjadi

b ( 0) =

TPa +1 1 TPa untuk t = 1,2, ..L (11.24) + 2 a(0) [ (2 L t )][ b(0)] a (0) (t 1) b(0)

Jadi, menggunakan harga inisial a (0) , b(0) , dan c(0) untuk t =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 , , 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 variasivariasi musiman tidak dapat dipisahkan dalam nilai dan trend linier akan dipertimbangkan lebih besar dari nol, pertama sekali kita harus mendeterminasikan a (0) , b(0) dan c(0) melalui persamaan (11.23), (11.21), dan (11.24). Untuk perhitungannya, kita memperoleh hasil berikut: a (0) = 3,438 b(0) = 0,00729 Nilai untuk ct (0) , 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: = 0,2 a (Jan. 1980) = 0,2 = 0,1 = 0,2 3,88 + 0,8(3,4375 + 0,00729 ) = 3,4157 1,176

b (Jan. 1980) = 0,1 (3,4157 3,4375) + 0,9 (0,00729) = 0,00438 ct (Jan. 1980) = 0,2 (3,88) + 0,8(1,176) = 1,168 (3,415)

Tabel 11.4 Nilai TPa untuk produk 1 pada tahun 1979 dan 1980 Bulan Januari Pebruari Maret April Mei Juni Juli Agustus September Oktober November Desember Tahun 1979 3.91 3.50 3.85 2.95 3.24 2.90 2.90 3.15 3.09 3.50 3.28 3.90 1980 3.88 3.75 3.55 3.40 2.88 2.30 3.20 3.00 3.35 4.01 3.00 3.90

Tabel 11.5 Faktor Inisial Seasonal, c(0) t Januari Pebruari Maret April Mei Juni Juli Agustus September Oktober November Desember c(0) 1.176 1.091 1.113 0.951 0.916 0.777 0.908 0.914 0.955 1.110 1.074 1.328

Tabel 11.6 Nilai Peramalan TP Tahun 1981 Peramalan TPa untuk Tahun 1981 4.08 3.80 3.76 4.01 3.63 2.85 3.33 3.25 3.40 4.02 3.98 4.57

Bulan (t) Januari Pebruari Maret April Mei Juni Juli Agustus September Oktober November Desember

a (0) 3.4157 3.4235 3.3804 3.7582 3.6656 3.5443 3.5484 3.5028 3.5070 3.5314 3.5757 3.4566

b(0) 0.00438 0.00472 0.00000 0.03778 0.02474 0.01014 0.00954 0.00403 0.00412 0.00715 0.01086 -0.00214

c (0) 1.168 1.092 1.100 0.942 0.890 0.751 0.907 0.976 0.955 1.115 1.083 1.288

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.