Perencanaan aggregate production planning (APP) dalam sistem nyata sering kali menemui ketidakpastian seperti ketidakpastian permintaan, kapasitas produksi dengan toleransi, dan waktu pemrosesan. Dalam APP multi-periode, waktu pemrosesan dapat berubah seiring dengan pengulangan pekerjaan akibat proses pembelajaran pekerja. Proses belajar pekerja ini sering disebut kurva pembelajaran. Pemodelan APP sering kali mempertimbangkan karakteristik produk seperti cacat produk. Peningkatan kualitas dapat dilakukan untuk mengurangi produk cacat. Penelitian ini bertujuan untuk meminimalkan total biaya produksi di APP. Meminimalkan total biaya produksi dilakukan dengan mempertimbangkan beberapa hal, seperti ketidakpastian waktu pemrosesan, kurva pembelajaran, dan pengurangan tingkat cacat. Ketidakpastian waktu pemrosesan dapat diselesaikan dengan pemrograman matematis fuzzy dengan mengandalkan keahlian pengambil keputusan dalam menentukan rentang ketidakpastian kemudian merepresentasikannya dalam bentuk bilangan fuzzy. Dalam penelitian ini, proses belajar pekerja mempengaruhi waktu pemrosesan. Tipe pembelajaran individual digunakan dalam penelitian ini karena memudahkan mengetahui waktu pengerjaan setiap pekerja. Penelitian ini juga mempertimbangkan peningkatan kualitas produk dengan menyeimbangkan investasi yang dilakukan perusahaan dan tingkat cacat dalam proses produksi. Model APP dikembangkan dalam penelitian ini dengan mempertimbangkan ketidakpastian waktu pemrosesan menggunakan Metode Jimenez dan kurva pembelajaran serta menurunkan tingkat kecacatan menggunakan Metode Thorton. Hasil optimasi diperoleh dengan menggunakan software LINGO 18.0 dengan total biaya produksi sebesar $52,807.3. Oleh karena itu, model yang dihasilkan dapat menyelesaikan permasalahan APP dengan fungsi tujuan meminimalkan total biaya produksi.
