Upload
nastiti-widanty
View
94
Download
1
Embed Size (px)
Citation preview
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
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 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
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 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.