LABORATORIUM SISTEM MANUFAKTUR

DEPARTEMEN TEKNIK INDUSTRI

UNIVERSITAS HASANUDDIN

SULFARIDH
D071211065
KELOMPOK IV

FORECASTING & AGREGAT

SULFARIDH/D071211065
1

1
 LABORATORIUM SISTEM MANUFAKTUR
DEPARTEMEN TEKNIK INDUSTRI
UNIVERSITAS HASANUDDIN

BAB IV
PEMBAHASAN

1.1 Pembahasan Umum

1.1.1 Forecasting

Pada modul kali ini kegiatan Forecasting dilakukan dengan menggunakan

data historis permintaan periode Juli 2022 – Desember 2023 untuk permintaan kain
dan benang, dimana data aktual untuk benang sebanyak 89.969 dan untuk kain
31.737. Data historis yang didapatkan tersebut menunjukkan pola data yang
berbentuk horizontal dimana nilai yang dihasilkan berada dalam satu jangkauan
nilai rata- rata. Kegiatan Forecasting yang dilakukan terbagi menjadi beberapa
metode yaitu Single Moving Average, Weighted Moving Average, Single
Exponential Smoothing, dan Naïve.
Pada metode Single Moving Average masing-masing bahan terbagi menjadi
dua kategori, yaitu Forecating terhadap 3 bulan dan Forecasting terhadap 5 bulan.
Pada permintaan benang forecasting 3 bulan menunjukkan nilai Forecasting
sebesar 4518,33, dengan nilai MAD sebesar 662,60, nilai MSE sebesar 783295,21,
nilai MFE sebesar 70,24 dan nilai MAPE sebesar 13,36. Pada permintaan benang
forecasting 5 bulan menunjukkan nilai forecasting sebesar 4919,4, dengan nilai
MAD sebesar 672,26, nilai MSE sebesar 690805,30, nilai MFE sebesar 16,35 dan
nilai MAPE sebesar 13,94. Pada permintaan kain Forecasting 3 bulan menunjukkan
nilai Forecasting sebesar 1487,67, dengan nilai MAD sebesar 296,82, nilai MSE
sebesar 113761,54, nilai MFE sebesar 49,93 dan nilai MAPE sebesar 16,93. Pada
permintaan kain Forecasting 5 bulan menunjukkan nilai Forecasting sebesar 1606,
dengan nilai MAD sebesar 259,55, nilai MSE sebesar 89631,77, nilai MFE sebesar
29,8 dan nilai MAPE sebesar 15,18.
Pada metode Weighted Moving Average masing-masing bahan terbagi
menjadi dua kategori, yaitu Forecating terhadap 3 bulan dan Forecasting terhadap
5 bulan. Pada permintaan benang Forecasting 3 bulan menunjukkan nilai
Forecasting sebesar 4219,6, dengan nilai MAD sebesar 679,67, nilai MSE sebesar

FORECASTING & AGREGAT

SULFARIDH/D071211065
2

2
 LABORATORIUM SISTEM MANUFAKTUR
DEPARTEMEN TEKNIK INDUSTRI
UNIVERSITAS HASANUDDIN

833345,94, nilai MFE sebesar 93,75 dan nilai MAPE sebesar 13,91. Pada
permintaan benang Forecasting 5 bulan menunjukkan nilai Forecasting sebesar
4665,2, dengan nilai MAD sebesar 666,81, nilai MSE sebesar 708849,85, nilai
MFE sebesar 33,24 dan nilai MAPE sebesar 13,92. Pada permintaan kain
Forecasting 3 bulan menunjukkan nilai Forecasting sebesar 1470,7, dengan nilai
MAD sebesar 295,85, nilai MSE sebesar 117370,50, nilai MFE sebesar 52,51 dan
nilai MAPE sebesar 16,88. Pada permintaan kain Forecasting 5 bulan menunjukkan
nilai Forecasting sebesar 1559,4, dengan nilai MAD sebesar 252,89, nilai MSE
sebesar 105995,44, nilai MFE sebesar 35,98 dan nilai MAPE sebesar 14,82.
Pada metode Single Exponential Smoothing masing-masing bahan terbagi
menjadi tiga kategori, yaitu menggunakan nilai koefisien 0,1, 0,5, dan 0,9. Nilai
Forecasting untuk permintaan benang dengan nilai koefisien 0,1, 0,5, dan 0,9
masing-masing berjumlah 3522 dengan nilai MAD secara berturut-turut sebesar
914,02, 776,36, dan 872,82, nilai MSE sebesar 1258452,84, 866216,52, dan
981038,64, nilai MFE sebesar 807,01, 224,86, dan 143,30, untuk nilai MAPE sebesar
16,96, 15,42, dan 17,28. Nilai forecasting untuk permintaan kain dengan nilai
koefisien 0,1, 0,5, dan 0,9 masing-masing berjumlah 1479 dengan nilai MAD
secara berturut-turut sebesar 267,11, 270,47, dan 297,39, nilai MSE sebesar
103227,68, 102867,04, dan 132233,37, untuk nilai MFE sebesar 164,22, 51,56, dan
37,87, untuk nilai MAPE sebesar 14,78, 15,72, dan 17,49.
Pada metode Naïve untuk permintaan benang memiliki nilai Forecasting
sebesar 3522, dengan nilai MAD sebesar 906,53, nilai MSE sebesar 1031807,94,
nilai MFE sebesar 135,59, dan nilai MAPE sebesar 17,92. Untuk permintaan kain
memiliki nilai Forecasting sebesar 1479, dengan nilai MAD sebesar 307, nilai
MSE sebesar 144179,35, nilai MFE sebesar 35,3, dan nilai MAPE sebesar 18,13.
Berdasarkan nilai yang telah didapatkan untuk permintaan benang dan kain,
metode peramalan yang paling sesuai untuk diterapkan ialah metode Single Moving
Average 3 bulan untuk benang dan Single Exponential Smoothing koefisien 0,1
untuk kain. Nilai Forecasting satu periode terakhir yang ditunjukkan pada metode
Single Moving Average 3 bulan untuk benang dan Single Exponential Smoothing

FORECASTING & AGREGAT

SULFARIDH/D071211065
3

3
 LABORATORIUM SISTEM MANUFAKTUR
DEPARTEMEN TEKNIK INDUSTRI
UNIVERSITAS HASANUDDIN

koefisien 0,1 untuk kain selnajutnya akan digunakan sebagai nilai permintaan
dalam melakukan Agregat Planning.

1.1.2 Perencanaan Agregat

Pada modul kali perencaan agregat kali, data yang digunakan terbagi menjadi
beberapa bagian yaitu data kapasitas produksi yang terjadi dari jumlah karyawan
sebanyak 9, jam kerja selama 8 jam dan waktu proses produksi perunit nya selamat
18 jam, kemudian data biaya produksi yang terdiri dari Opportunity Cost sebesar
Rp120.000, Hiring Cost sebesar Rp140.000, Firing Cost Rp350.000, Subcontract
sebesar Rp130.000, Regular Cost sebesar Rp85.000, Overtime sebesar
Rp45.000/unit/orang, dan Inventory Cost sebesar Rp25.000/unit. Perencanaan
agregat dilakukan terhadap dua perencaan yaitu permintaan benang dan kain,
dengan menggunakan Demand dari hasil Forecasting. Perencanaan agregat terdiri
dari beberapa metode, yaitu Level Strategy yang memperhitungkan nilai Production
Level yang berkaitan dengan Production Cost, nilai Opportunity Level yang
berkaitan dengan Opportunity Cost, serta nilai Inventory Level yang berkaitan
dengan nilai Inventory Cost. Total Cost yang diperolah pada metode ini sebesar
Rp6.578.146.800 untuk permintaan benang dan Rp1.755.814.000 untuk permintaan
kain. Kemudian metode kedua yaitu Subcontract yang memperhitungkan nilai
Production Level yang berkaitan dengan nilai Production Cost dan nilai
Subcontract yang berkaitan dengan Subcontract. Total Cost yang diperoleh pada
metode ini sebesar Rp6.992.705.700 untuk permintaan benang dan
Rp1.765.504.500 untuk permintaan kain. Metode terakhir yaitu Chase Strategy
yang memperhitungkan Production Level yang berkaitan dengan Production Cost,
kemudian Hiring yang berkaitan dengan Hiring Cost dan nilai Firing yang
berkaitan dengan Firing Cost. Total Cost yang diperoleh pada metode ini sebesar
Rp1.636.743.061 untuk permintaan benang dan Rp1.604.676.930 untuk permintaan
kain.

FORECASTING & AGREGAT

SULFARIDH/D071211065
4

4
 LABORATORIUM SISTEM MANUFAKTUR
DEPARTEMEN TEKNIK INDUSTRI
UNIVERSITAS HASANUDDIN

1.2 Pembahasan Khusus

1.2.1 Review Jurnal Nasional

Judul : Analisis Peramalan Permintaan Mobil Mitsubishi

Xpander dengan Tiga Metode Forecasting
Publikasi : Jurnal Humaniora Bina Sarana
Volume dan Halaman : Vol. 18 No. 2, Hal 249-256
ISSN/DOI : 2579-3314
Tahun : 2018
Penulis : Iwan, Eneng Iviq Hairo Rahayu, Agus Yulianto
Reviewer : Sulfaridh
Tanggal review : 9 September 2023
Latar Belakang : Sebagai salah satu perusahaan Mobil terbesar di
Indonesia, PT. Mitsubishi Motors berkomitmen untuk
selalu memenuhi permintaan produk pelanggan. PT.
Mitsubishi Motors merupakan perusahaan yang
menerapkan system Make to Order (MTO) untuk
memproduksi produknya agar dapat memenuhi
permintaan pelanggan. Di dalam ruang lingkup
produksi, peramalan digunakan untuk memprediksi
permintaan di satu atau beberapa periode berikutnya
berdasarkan data penjualan di masa lalu. Dengan hal
ini, perusahaan akan memproduksi sejumlah produk
sesuai dengan target yang sudah dibuat. Peramalan
permintaan produk dapat membantu perusahaan
sebagai pertimbangan dalam melakukan proses
produksi untuk beberapa periode ke depan. Dengan
mengetahui pola data historis dapat ditentukan metode
peramalan permintaan.
Tujuan Penelitian : Mencari metode terbaik yang digunakan untuk
peramalan di PT. Mitsubishi Motors Indonesia.

FORECASTING & AGREGAT

SULFARIDH/D071211065
5

5
 LABORATORIUM SISTEM MANUFAKTUR
DEPARTEMEN TEKNIK INDUSTRI
UNIVERSITAS HASANUDDIN

Metode Penelitian : Metode yang digunakan dalam penelitian ini adalah

metode deskriptif.
Hasil dan Pembahasan : Untuk melakukan forcasting kita dapat menggunakan
metode Moving Average, Exponential Smoothing dan
Trend Analysis untuk mendapatkan nilai terkecil dari
peramalan. Metode Moving Average didapat nilai
forecast penjualan untuk periode berikutnya sebesar
4900 mobil. Metode Exponential Smoothing didapat
bahwa nilai forecast untuk periode berikutnya, yaitu
sebesar 5319.466. Metode Trend Analisis didapat
bahwa nilai forecast untuk periode berikutnya, yaitu
sebesar 5319.466. Berdasarkan pengumpulan dan
pengolahan data serta analisa yang sudah dilakukan
maka dapat kita bandingkan ketiga metode tersebut.
Kesimpulan : Peramalan dilakukan dengan menggunakan tiga
metode yaitu metode Moving Average, metode
Exponential Smoothing dan metode Trend Analysis
dengan membandingkan rata-rata persentase
kesalahan absolut MAPE (Mean Absolute Persentage
Error), kemudian metode peramalan yang dipilih
adalah metode Exponential Smoothing, dengan MAD
nilai sebesar 2203,865, MSE sebesar 5987605, dan
standar error sebesar 2774,59. Dari analisa pengolahan
data yang telah dilakukan berdasarkan metode
peramalan yang dipilih, maka peramalan penjualan
mobil Mitsubhisi Xpander adalah 5.319.466 atau
5.320 mobil/bulan, artinya PT.Mitsubhisi Motors
Indonesia harus menyediakan 5.320 Mobil Mitsubhisi
Xpander setiap bulannya untuk memenuhi kebutuhan
konsumen.

FORECASTING & AGREGAT

SULFARIDH/D071211065
6

6
 LABORATORIUM SISTEM MANUFAKTUR
DEPARTEMEN TEKNIK INDUSTRI
UNIVERSITAS HASANUDDIN

1.2.2 Review Jurnal Internasional

Judul : Forecasting for the Ordering and Stock-Holding of

Spare Parts
Publikasi : Journal of the Operational Research Society
Volume dan Halaman : Vol. 55 No. 4, Hal 431-437
ISSN/DOI : 0160-5682
Tahun : 2004
Penulis : Eaves dan BG Kingsman
Reviewer : Sulfaridh
Tanggal review : 9 September 2023
Latar Belakang : Royal Air Force (RAF) berada di bawah tekanan besar
untuk mempertahankan komitmen pertahanan yang
menantang sembari menghadapi pengurangan sumber
daya. Dengan perlunya efisiensi biaya sebagaimana
diarahkan oleh program seperti Tinjauan Pertahanan
Strategis, investasi besar pada persediaan barang habis
pakai, yang didefinisikan sebagai barang-barang yang
dikonsumsi saat digunakan atau tidak dapat diperbaiki
secara ekonomis, menjadikan manajemen inventaris
sebagai kandidat utama untuk penghematan biaya.
RAF memiliki inventaris barang habis pakai yang
besar dan beragam dengan sekitar 685.000 item baris
dan nilai total lebih dari d2 miliar. Karena
kebutuhannya sebagai suku cadang, kurang dari
separuh jalur telah digunakan dalam 2 tahun
sebelumnya dan oleh karena itu secara resmi
ditetapkan sebagai aktif. Sebagian besar persediaan
digambarkan memiliki pola permintaan yang terputus-
putus atau bergerak lambat. Kedua pola tersebut
dicirikan oleh jarangnya transaksi. Meskipun pola

FORECASTING & AGREGAT

SULFARIDH/D071211065
7

7
 LABORATORIUM SISTEM MANUFAKTUR
DEPARTEMEN TEKNIK INDUSTRI
UNIVERSITAS HASANUDDIN

permintaan yang terputus-putus memiliki ukuran

permintaan yang bervariasi, pola permintaan yang
bergerak lambat selalu memiliki ukuran permintaan
yang rendah.
Tujuan Penelitian : Memberikan solusi pada permintaan yang bervariasi
melalui metode peramalan.
Metode Penelitian : Metode yang digunakan dalam penelitian ini adalah
metode deskriptif dan survey dengan data yang
diperoleh bersifat data primer.
Hasil dan Pembahasan : Berdasarkan data metode yang digunakan dalam
peramalan yaitu Approx Method, Exponential
Smoothing, Croston Method, Moving Average,
Previous Year Average dengan nilai MAPE yang
didapatkan berturut-turut adalah 110, 117, 127, 119,
123.
Kesimpulan : Metode peramalan terbaik untuk persediaan suku cadang
adalah metode perkiraan. Metode ini memungkinkan
kepemilikan saham terendah di seluruh pola permintaan
termasuk pola permintaan yang lancar, tidak teratur,
bergerak lambat, dan terputus-putus. Penghematan yang
besar dapat dicapai dengan menggunakan metode perkiraan
yang lebih akurat dan mengurangi persediaan pengaman
tanpa mengurangi tingkat layanan secara signifikan.
Penelitian ini menunjukkan bahwa ukuran akurasi yang
umum digunakan tidak ideal untuk membuat perbandingan
ketika permintaan bergerak lambat atau terputus-putus
karena tingginya proporsi permintaan nol. Ukuran
alternatif yang semakin diterima dalam kasus seperti ini
adalah kesalahan akar rata-rata kuadrat geometri relatif
(RGRMSE). Ukuran ini mungkin tepat untuk digunakan
ketika membuat perbandingan perkiraan dalam keadaan
non-inventaris. Penggunaan kepemilikan saham tersirat

FORECASTING & AGREGAT

SULFARIDH/D071211065
8

8
 LABORATORIUM SISTEM MANUFAKTUR
DEPARTEMEN TEKNIK INDUSTRI
UNIVERSITAS HASANUDDIN

sebagai ukuran kinerja menghilangkan kelemahan ukuran

tradisional dalam memperkirakan keakuratan dalam
lingkungan pengendalian persediaan. Metodologi ini dapat
diperluas untuk membantu penetapan tingkat persediaan
pengaman untuk tujuan operasional dengan meningkatkan
tingkat pemesanan hingga tingkat layanan yang diperlukan
tercapai.

FORECASTING & AGREGAT

SULFARIDH/D071211065
9

9
 LABORATORIUM SISTEM MANUFAKTUR
DEPARTEMEN TEKNIK INDUSTRI
UNIVERSITAS HASANUDDIN

BAB V
PENUTUP

1.3 Kesimpulan

a. Peramalan adalah suatu ilmu pengetahuan dala memprediksi kebutuhan dimasa

datang yang meliputi kebutuhan dalam ukuran kuantitas, kualitas, waktu dan
lokasi yang dibutuhkan dalam rangka memenuhi permintaan barang atau jasa
dengan bantuan penyusunan rencana terlebih dahulu, dimana rencana ini dibuat
berdasarkan kapasitas dan kemampuan permintaan/produksi yang telah
dilakukan di perusahaan
b. Pola data permintaan berdasarkan Time Series terbagi menjadi empat, yaitu
pola tren, pola siklikal, pola musiman, dan pola acak/horizontal. Berdasarkan
pola data dapat ditentukan metode peramalan yang terbaik dapat berupa Single
Moving Average, Weighted Moving Average, Single Exponential Smoothing,
dan Naïve.
c. Perencanaan agregat merupakan suatu pendekatan untuk menentukan
kuantitas, waktu, dan sumber daya produksi pada jangka menengah yang dapat
menjadi masukan dalam perencanaan finansial, perencanaan pemasaran dan
perencanaan produksi yang lebih rinci serta bertujuan untuk utilisasi sumber
daya manusia dan peralatan dengan lebih produktif.
d. Strategi perencanaan agregat ada dua, yaitu strategi murni dan strategi hibrid
(campuran). Strategi murni dilakukan jika perubahan dilakukan terhadap satu
variabel sehingga terjadi perubahan laju produksi, sedangkan strategi hibrid
adalah penggabungan dua atau lebih strategi murni untuk menghasilkan
perencanaan produksi yang fleksibel. strategi murni lebih sederhana tetapi
lebih kaku sedangkan strategi hibrid lebih rumit dan fleksibel dalam
penerapannya.
e. Jadwal induk produksi merupakan suatu pernyataan tentang produk akhir dari
suatu perusahaan industri manufaktur yang merencanakan memproduksi
Output berkaitan dengan kuantitas dan periode waktu, dapat dibuat dengan
melakukan peramalan dan perencanaan agregat terlebih dahulu

FORECASTING & AGREGAT

SULFARIDH/D071211065
10

10
 LABORATORIUM SISTEM MANUFAKTUR
DEPARTEMEN TEKNIK INDUSTRI
UNIVERSITAS HASANUDDIN

1.4 Saran

1.4.1 Saran untuk laboratorium

a. Sebaiknya menambah rak sepatu.

b. Sebaiknya mengadakan loker untuk tas praktikan.
c. Sebaiknya menambahkan meja dan kursi untuk praktikan.

1.4.2 Saran untuk asisten 1 (Mikalisa Aryani)

a. Sebaiknya tetap menjaga dan meningkatkan kedisiplinan.

b. Penjelasan dan pengarahan sangat baik, sebaiknya dipertahankan.
c. Sebaiknya menambah pertemuan offline.

1.4.3 Saran untuk asisten 2 (Hasliana Nabih)

a. Sebaiknya menjaga dan meningkatkan ketegasan.

b. Sebaiknya mempertahankan cara memberikan arahan.
c. Sebaiknya meningkatkan keramahan.

1.4.4 Saran untuk asisten 3 (Hardiani Nur Ikhwana)

a. Sebaiknya menjaga fastrespon dengan praktikan.

b. Sebaiknya tetap mempertahankan kedisiplinan.
c. Sebaiknya mempertahankan komunikasi yang sudah baik dengan praktikan.

FORECASTING & AGREGAT

SULFARIDH/D071211065
11

11
 LABORATORIUM SISTEM MANUFAKTUR
DEPARTEMEN TEKNIK INDUSTRI
UNIVERSITAS HASANUDDIN

DAFTAR PUSTAKA

Adawiyah, R. (2018). PERENCANAAN AGREGAT PRODUK CALPICO MINI

63 ML PADA PT TUNGGAL JAYA PLASTIC INDUSTRY
KARANGGAN, GUNUNG PUTRI, BOGOR.
Ambarwati, R. & Supardi (2021). Manajemen Operasional dan Implementasi
dalam Industri. Magelang: Penerbit Pustaka Rumah.
Awaluddin, R. dkk. (2021). PERBANDINGAN PENERAPAN METODE
PERAMALAN GUNA MENGOPTIMALKAN PENJUALAN (Studi
Kasus Pada Konveksi Astaprint Kabupaten Majalengka). Jurnal Bisnisman:
Riset Bisnis dan Manajemen Vol. 3, No. 1, 13.
Ayustinaa, A. N. dkk. (2023). PERENCANAAN JADWAL INDUK PRODUKSI
PADA PRODUK TEMPE DI RUMAH TEMPE INDONESIA. JUIT Vol
2No. 1.

FORECASTING & AGREGAT

SULFARIDH/D071211065
12

12
 LABORATORIUM SISTEM MANUFAKTUR
DEPARTEMEN TEKNIK INDUSTRI
UNIVERSITAS HASANUDDIN

Hairiyah, N. & Amalia, R. (2018). Perencanaan Agregat Produksi Kelapa Parut

Kering di PT. XYZ. Jurnal Teknologi Agro-Industri, 5.
Hanum, N. (2020). Perencanaan Produksi Agregat untuk Optimalisasi Sumber
Daya dan Efisiensi Biaya Studi pada PT Daiwabo Garment Indonesia.
Accounting and Business Information System Journal.
Hendrayanti, S. dkk. (2022). Konsep Dasar Manajemen Keuangan. Jawa Tengah:
PT Nasya Expanding Management
Herjanto, E. (2017) Manajemen Operasi Edisi Ketiga. Jakarta : Grasindo
Kania, D. R. dkk.(2022). Penerapan Metode Peramalan Moving Average dan
Exponential Smoothinguntuk Menyusun Perencanaan Produksi (Survei
pada UMKM Pembuatan Bordir dan Pakaian, Nining Collection di Ciamis).
ULIL ALBAB : Jurnal Ilmiah Multidisiplin Vol.1, No.10, 3610.
Lusiana, A. & Yuliarty, P. (2020). PENERAPAN METODE PERAMALAN
(FORECASTING) PADA PERMINTAAN ATAP di PT X. Industri
Inovatif - Jurnal Teknik Industri ITN Malang, 11.
Matiro, M. A. D., Rasyid, A., Uloli, H., & Wunarlan, I. (2022). Analisis
Perencanaan Produksi pada PT. Davinci Airindo Menggunakan Metode
Agregate Planning. Jambura Industrial Review (JIREV), 21-30.
Matswaya, A. dkk. (2019). ANALISIS PERENCANAAN KAPASITAS
PRODUKSI DENGAN METODE ROUGHT CUT CAPACITY
PLANNING (RCCP) PADA PEMBUATAN PRODUK KASUR BUSA
(Studi pada PT Buana Spring Foam di Purwokerto). Performance. Volume
26 Nomor 2.
Mulyani, S., Hayati, D., & Sari, A. N. (2021). Analisis Metode Peramalan
(Forecasting) Penjualan Sepeda Motor Honda Dalam Menyusun Anggaran
Penjualan Pada Pt Trio Motor Martadinata Banjarmasin. Dinamika
Ekonomi-Jurnal Ekonomi Dan Bisnis, 14(1), 178-188.
Ngantung, M. & Jan, A. (2019). Analisis Peramalan Permintaan Obat Antibiotik
Pada Apotik Edelweis Tatelu. Jurnal Emba. 7(4): 4859-4867.
Patrobas, G., Jan, A. H., & Pondaag, J. (2021). Analisis Perencanaan Produksi
Tepung Kelapa Dengan Metode Agregat Planning Pada Pt. Tropica Coco
Prima Di Lelema Minahasa Selatan. Jurnal EMBA: Jurnal Riset Ekonomi,
Manajemen, Bisnis dan Akuntansi, 9(3), 1173-1182.
Pianda, D. (2018). Optimasi Perencanaan Produksi Pada Kombinasi Produk
Dengan Metode Linear Programming. Sukabumi: CV Jejak.
RAHMUDDIN, W. S. (2021). ANALISIS PERENCANAAN PRODUKSI
AGGREGATE UNTUK MENCAPAI TARGET PRODUKSI YANG

FORECASTING & AGREGAT

SULFARIDH/D071211065
13

13
 LABORATORIUM SISTEM MANUFAKTUR
DEPARTEMEN TEKNIK INDUSTRI
UNIVERSITAS HASANUDDIN

OPTIMAL AKIBAT KEGIATAN SHUTDOWN PADA PT. VALE

INDONESIA Tbk.
Ratih, H. dkk. (2022). PENERAPAN PERENCANAAN PRODUKSI UNTUK
MENINGKATKAN EFISIENSI DAN EFEKTIVITAS PRODUKSI DI
ERA NEW NORMAL PADA HOME INDUSTRY AR BAKERY
NGANJUK. GEMILANG. Jurnal Manajemen dan Akuntansi Vol.2, No.4,
50.
Salsabila, F. (2021). ANALISIS PERBANDINGAN METODE DOUBLE
EXPONENTIAL SMOOTHING DAN ADDITIVE DECOMPOSITION
UNTUK MEMPREDIKSI TINGKAT KEMISKINAN PENDUDUK
INDONESIA.
Sari, S. & Maharani, S. (2020). Perencanaan Agregat Produk Avtur di PT Pertamina
DPPU Halim Perdanakusuma. INAQUE Journal of Industrial Quality
Engineering.
Sari, T. E. & Winarno (2023). Pemilihan Metode Peramalan yang Tepat untuk
Meramalkan Permintaan Piston Cup Forging di Perusahaan Spare-part
Kendaraan. JSE Volume VIII, No.2
Soeltanong, M. B. & Sasongko, C. (2021). Perencanaan Produksi dan Pengendalian
Persediaan pada Perusahaan Manufaktur. JRAP (Jurnal Riset Akuntansi dan
Perpajakan) Vol. 8, No. 01, 15.

FORECASTING & AGREGAT

SULFARIDH/D071211065
14

14
 LABORATORIUM SISTEM MANUFAKTUR
DEPARTEMEN TEKNIK INDUSTRI
UNIVERSITAS HASANUDDIN

LAMPIRAN

FORECASTING & AGREGAT

SULFARIDH/D071211065
15

15
 LABORATORIUM SISTEM MANUFAKTUR
DEPARTEMEN TEKNIK INDUSTRI
UNIVERSITAS HASANUDDIN

FORECASTING & AGREGAT

SULFARIDH/D071211065
16

16
 LABORATORIUM SISTEM MANUFAKTUR
DEPARTEMEN TEKNIK INDUSTRI
UNIVERSITAS HASANUDDIN

FORECASTING & AGREGAT

SULFARIDH/D071211065
17

17