USULAN PENERAPAN MANUFACTURING RESOURCE PLANNING (MRP II) DI PT KSP
Anggara Hayun
1; Johanda
21 Peneliti BPPT, Cibinong Science Center LIPI, Jln. Raya Bogor KM 46, Cibinong PO BOX 422, Bogor 43253
2 Staf Produksi, Industri Manufaktur, PT ASTRA DAIHATSU MOTOR HEAD OFFICE Jln. Gaya Motor III No. 5, Sunter II, Jakarta 14350
ABSTRACT
PT KSP is a fibrous food product manufacturing companies "Nata De Coco”. Most common problems that arise are shortages or overstocking of products. The purpose of this study is to propose the implementation of Manufacturing Resource Planning system (MRP II). Data is obtained by using forecasting, aggregate planning, capacity requirements planning resources (Resource Requirement Planning), master production scheduling (MPS), MPS validation (Rough Cut Capacity Planning), and Bill of Material to Material Requirement Planning (MPR). Forecasting data are taken from best forecasting results with Linear Regression forecasting method. Aggregate planning is conducted after forecast with least cost analysis, namely the chase method which can be continuously used to MRP. Best forecasting results with the smallest error will be taken from the forecast of the next 3 periods for base calculation of materials. This study concluded that the company can apply MRP II, to ensure steady flow of production and in the process also better in meeting consumer demand.
Keywords: forecasting, overstock, shortages, material requirement planning
ABSTRAK
PT KSP merupakan perusahaan pembuatan produk makanan berserat ”Nata De Coco”.
Permasalahan umum yang sering timbul adalah kekurangan atau kelebihan stok produk. Tujuan penelitian ini adalah mengusulkan penerapan sistem Manufacturing Resource Planning (MRP II).
Berdasarkan data yang diperoleh dengan melakukan peramalan, perencanaan agregat, perencanaan kebutuhan sumber daya kapasitas (Resource Requirement Planning), penjadwalan produksi induk (MPS), validasi MPS (Rough Cut Capacity Planning), Bill of Material hingga Material Requirement Planning (MPR). Hasil peramalan yang diambil adalah hasil peramalan terbaik dengan metode peramalan Linear Regression. Perencanaan agregat dilakukan setelah melakukan peramalan dengan analisis biaya terkecil, yaitu metode chase yang dapat dilanjutkan hingga MRP. Hasil peramalan terbaik dengan error terkecil akan diambil dari peramalan 3 periode berikutnya sebagai bahan untuk perhitungan seterusnya. Kesimpulan yang diperoleh perusahaan dapat mulai mengaplikasikan MRP II, yang berguna untuk mengontrol kelancaran produksi dan dalam prosesnya memenuhi permintaan konsumen dengan lebih baik.
Kata kunci: peramalan, kelebihan stok, kekurangan stok, material requirement planning
PENDAHULUAN
PT Kara Santan Pertama merupakan salah satu perusahaan yang memproduksi makanan berserat dalam kemasan, yang dikenal dengan nama Nata De Coco. Nata De Coco yang dihasilkan adalah dalam bentuk cup (220g), standing pouch (360g), dan pillow bag (1000g). Nata De Coco yang produksi oleh perusahaan ini juga menghasilkan beberapa rasa, yaitu rasa vanilla, cocopandan, dan lychee. Perusahaan ini menempatkan diri sebagai perusahaan yang menangani kebutuhan atau pesanan konsumen yang terus berubah, harus berusaha menjaga agar produk yang diinginkan oleh konsumen selalu tersedia setiap saat pada jumlah yang tepat. Dengan melakukan peramalan permintaan yang tepat, perusahaan dapat senantiasa menyediakan produk sesuai permintaan konsumen. Dengan demikian, perusahaan dapat bersaing dengan perusahaan lain.
Untuk menjaga kestabilan produksi dan memastikan ketersediaan produk Nata De Coco tersebut, perusahaan tidak cukup hanya dengan melakukan peramalan permintaan dengan menggunakan metode yang tepat. Peramalan kemudian harus ditindaklanjuti dengan perhitungan Aggregate Planning, Resource Requirement Planning, penyusunan Jadwal Produksi Induk (Master Production Scheduling = MPS), yang divalidasi dengan Rough Cut Capacity Planning, kemudian dilanjutkan dengan pembuatan Perencanaan Kebutuhan Material (Material Requirement Planning
= MRP); setelah itu divalidasi dengan Capacity Requirement Planning secara tepat berdasarkan struktur produk tersebut, sesuai dengan Bill Of Material yang tepat. Keseluruhan proses tersebut juga disebut sebagai satu kesatuan Manufacturing Resource Planning (MRP II).
PEMBAHASAN
Pengumpulan Data
Data yang dikumpulkan bersifat kuantitatif, yang meliputi data-data primer yang dikumpulkan langsung dari perusahaan. Data-data yang dikumpulkan adalah sebagai berikut.
Pertama, data produksi Nata De Coco. Produksi Nata De Coco yang diambil pada saat pengamatan dilakukan. Data yang diambil berupa data produksi Cup, Standing Pouch, dan Pillow Bag dari bulan Janurari 2006 sampai bulan Mei 2007 (17 bulan). Kedua, data-data Agregat Planning. Untuk dapat melakukan perhitungan Aggregate Planning secara baik dan benar, maka diperlukan sejumlah data yang berhubungan dengan Aggregate Planning seperti data ketersediaan serta biaya- biaya yang terkait. Data-data ini diambil dari kondisi aktual perusahaan pada bulan Mei 2007.
Ketiga, data-data Perhitungan Kapasitas. Untuk dapat melakukan perhitungan kapasitas secara baik dan benar, maka diperlukan sejumlah data yang berhubungan dengan perhitungan kapasitas.Data kapasitas mesin/minggu, yaitu 13250 kotak, tingkat efisiensi mesin 90%, dan tingkat utilisasi mesin 95%. Data-data merupakan kondisi aktual perusahaan pada bulan Mei 2007. Keempat, data Aktual Order. Dalam pembuatan Master Production Schedulling (MPS), diperlukan data aktual sebagai data pendukung. Data diambil dari perencanaan aktual bulan Mei 2007 berupa data aktual 3 bulan ke depan, yaitu bulan Juni, Juli, dan Agustus untuk produk Cup, Standing Pouch, dan Pillow Bag.
Kelima, data Inventory Status. Data Inventory Status cukup penting untuk melakukan perhitungan Material Requirements Planning (MRP). Data inventory yang diambil berupa data bahan baku pada persediaan di tangan (on-hand), safety stock, waktu tenggang (lead time), dan ukuran pemesanan (lot size). Keenam, data Bill of Material (BOM) (Tabel 1). Untuk dapat melakukan perhitungan Material Requirements Planning (MRP), maka diperlukan data Bill of Material (BOM). Sedangkan struktur produk yang dipakai untuk menghitung MRP dapat dilihat pada Gambar 1.
Tabel 1 Bill of Material Produk Nata De Coco
No. Komponen Level Description Quantity BOM (EACH)
1 1 Nata 0.7 Kg
2 .2 Bakteri 0.07 Kg
3 .2 Santan 0.56 Liter
4 .2 Gula 1 0.06 Kg
5 .2 Cuka 0.01 Liter
6 1 Sirup 0.3 Liter
7 .2 Gula 2 0.044 Kg
8 .2 Air Panas 0.25 Liter 9 .2 Benzoat & Asam Sitrat 0.001 Kg
10 .2 Flavor 0.005 Kg
Nata De Coco LT = 0 Nata De Coco LT = 0
Cuka LT = 2 Cuka
LT = 2 Gula 2
LT = 1 Gula 2
LT = 1 Air Panas LT = 1 Air Panas LT = 1
Benzoat dan Asam Sitrat
LT = 1 Benzoat dan Asam Sitrat
LT = 1
Flavor LT = 1 Flavor LT = 1 Gula 1
LT = 2 Gula 1 LT = 2 Santan
LT = 2 Santan LT = 2 Bakteri
LT = 2 Bakteri LT = 2
Nata LT = 0 Nata
LT = 0 Sirup
LT = 0 Sirup LT = 0 1
2 3 4 5 7 8 9 10
0.7 6 0.3
0.07 0.56 0.06 0.01 0.044 0.25 0.001 0.005
LEVEL
0
1
2
Gambar 1 Struktur Produk
Peramalan
Terdapat metode peramalan yang dapat digunakan. Dalam penelitian ini, digunakan beberapa metode peramalan, yaitu Double Moving Average, Double Exponential Smoothing 1 parameter dari Brown, Double Exponential Smoothing 2 parameter dari Holt, Triple Exponential Smoothing 1 parameter dari Brown (Quadratic), dan Linear Regression (Kausal).
Setelah dilakukan percobaan (trial and error), maka peramalan yang paling baik yang dapat digunakan dalam peramalan produk Nata De Coco adalah peralaman Linear Regression (Kausal).
Pengambilan keputusan berdasarkan nilai MSE dan MAPE terkecil. Berikut adalah perbandingan MSE dan MAPE produk Nata De Coco jenis cup, SP dan PB (Tabel 2-4).
Tabel 2 Perbandingan MSE & MAPE pada Cup
Brown Holt DMA Quadratic Regresi
MSE 10318906.8593 7823190.6787 18821030.4640 11497504.2295 8425050.8488
MAPE 369.5612 299.2330 589.2950 428.9817 254.3605
Tabel 3 Perbandingan MSE & MAPE pada SP
Brown Holt DMA Quadratic Regresi
MSE 7620903.7984 6589657.8421 2248846.1702 8299268.5524 4778709.8931
MAPE 92.9336 95.5544 34.8934 95.7351 62.6979
Tabel 4 Perbandingan MSE & MAPE pada PB
Brown Holt DMA Quadratic Regresi
MSE 121890043.8003 79751079.1401 110847050.1010 128226661.5661 90600706.4478
MAPE 133.7304 121.8013 190.9852 161.7842 101.9316
Untuk mengetahui apakah peramalan yang dilakukan itu valid atau tidak, perlu dilakukan suatu verifikasi peramalan. Tabel MR berikut ini memperlihatkan nilai Moving Range dari peramalan produk Nata De Coco. Perhitungan verifikasi peramalan menggunakan data peramalan berdasarkan metode Linear Regression yang mempunyai nilai error terkecil. Berikut adalah peta kendali Moving Range pada produk Nata De Coco jenis cup (Gambar 2).
Peta Kendali Moving Range
-8000 -6000 -4000 -2000 0 2000 4000 6000 8000
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17
Periode
Error
Error UCL LCL a+
a- b+
b-
Gambar 2 Peta Kendali Moving Range
Pada peta kendali terlihat bahwa tidak ada data yang keluar dari kendali (out of control), maka dari itu penggunaan peramalan Linear Regression adalah tepat. Hal ini terlihat pula pada peta kendali SP dan PB yang juga tidak ada yang keluar dari peta kendali.
Agregate Planning
Perencanaan agregat dilakukan untuk menentukan jumlah produksi yang paling optimal untuk menekan biaya produksi. Metode yang dapat digunakan adalah metode konstan dan metode chase. Dari kedua metode tersebut, yang menghasilkan total biaya terkecil adalah metode chase.
Berikut adalah perbandingan biayanya (Tabel 5).
Tabel 5 Perbandingan Biaya Metode Konstan dan Chase Produk Metode Konstan Metode Chase
Cup 638,102,555 603,456,140
Master Production Scheduling (MPS)
Data-data yang digunakan untuk penyusunan MPS adalah data-data hasil perhitungan perencanaan agregat produksi, yang telah divalidasi dengan perencanaan kebutuhan sumber daya.
Dalam penyusunan MPS, rencana produksi bulanan dibagi menjadi rencana produksi mingguan.
Perhitungan tersebut mingguan tersebut dihitung mulai dari bulan juni 2007 (memiliki 4 minggu), bulan Juli 2007 (memiliki 4 minggu) dan bulan Agustus 2007 (memiliki 5 minggu). MPS yang dihitung adalah produk Nata De Coco dengan jenis cup, standing pouch, dan pillow bag (Tabel 6- 8).
Dari hasil master shedule dalam perhitungan MPS untuk jenis produk cup, SP dan PB yang kemudian akan digunakan sebagai gross requirement pada MRP untuk menghitung besar kebutuhan material yang akan dipakai untuk menghasilkan produk Nata De Coco tersebut. Karena hasil master shedule adalah perhitungan kotak, maka dari hasil master schedule akan dikonversikan ke dalam gross requirement.
Tabel 6 MPS Cup
Item No : Cup Description : Nata De Coco Cup Lead Time : 0 Safety Stock : 100
On Hand :100 Demand Time Fences :3 Planninng Time Fences : 10
Period Past Due 1 2 3 4 5 6 7 8 9 10 11 12 13
Forecast 1424 1424 1424 1424 1306 1306 1306 1306 1314 1318 1055 1318 1318 Actual Order 1300 1300 1300 1300 1200 1200 1200 1200 1200 1200 1200 1200 1200 PAB 100 224 348 472 472 472 472 472 472 472 472 472 472 472 ATP 0 124 248 372 496 478 478 478 478 486 490 227 490 490 MS 1424 1424 1424 1424 1306 1306 1306 1306 1314 1318 1055 1318 1318 KPT 3750 3750 3750 3750 3750 3750 3750 3750 3750 3750 3000 3750 3750
Tabel 7 MPS SP
Item No : SP Description : Nata De Coco Standing Pouch Lead Time : 0 Safety Stock : 100
On Hand : 100 Demand Time Fences :3 Planninng Time Fences : 10 Period Past
Due 1 2 3 4 5 6 7 8 9 10 11 12 13
Forecast 1422 1422 1422 1422 1328 1328 1328 1328 1349 1363 1090 1363 1363 Actual
Order 1300 1300 1300 1300 1200 1200 1200 1200 1200 1200 1200 1200 1200
PAB 100 222 344 466 466 466 466 466 466 466 466 466 466 466 ATP 0 122 244 366 488 494 494 494 494 515 529 256 529 529 MS 1422 1422 1422 1422 1328 1328 1328 1328 1349 1363 1090 1363 1363 KPT 3500 3500 3500 3500 3500 3500 3500 3500 3500 3500 2800 3500 3500
Tabel 8 MPS PB
Item No : PB Description : Nata De Coco Pillow Bag Lead Time : 0 Safety Stock : 100
On Hand : 100 Demand Time Fences :3 Planninng Time Fences : 10 Period Past
Due 1 2 3 4 5 6 7 8 9 10 11 12 13
Forecast 4339 4339 4339 4339 4031 4031 4031 4031 4086 4116 3293 4113 4116 Actual
Order 4200 4200 4200 4200 3900 3900 3900 3900 4000 4000 4000 4000 4000 PAB 100 239 378 517 517 517 517 517 517 517 517 517 517 517 ATP 0 139 278 417 556 548 548 548 548 503 533 290 530 533 MS 4339 4339 4339 4339 4031 4031 4031 4031 4086 4116 3293 4113 4116 KPT 6000 6000 6000 6000 6000 6000 6000 6000 6000 6000 4800 6000 6000
Rough Cut Capacity Planning
Rough Cut Capacity Planning merupakan urutan kedua dari hirarki perencanaan kapasitas.
RCCP melakukan validasi terhadap MPS yang juga menempati urutan kedua dalam hierarki perencanaan prioritas produksi. Perhitungan RCCP juga digunakan untuk mengetahui apakah kapasitas tersedia cukup untuk memenuhi kebutuhan aktual.
Selanjutnya, hasil-hasil dari RCCP ditampilkan dalam suatu diagram yang dikenal sebagai load profile. Load profile merupakan metode yang umum dipergunakan untuk menggambarkan kapasitas yang dibutuhkan versus kapasitas yang tersedia.
0 10 20 30 40 50 60 70
waktu
1 3 5 7 9 11 13
Period
Kebutuhan Aktual Kapasitas Tersedia
Gambar 3 Grafik Capacity Load Profile Cup
Dapat terlihat pada grafik (Gambar 3) bahwa semua kebutuhan aktual yang dibutuhkan setiap periodenya tidak ada yang melebihi kapasitas yang tersedia. Begitu pula pada produk SP dan PB.
Material Requirement Planning (MRP)
Penyusunan MRP dilakukan dengan menggunakan metode Lot for Lot (LFL), Economic Order Quantity (EOQ), Period Order Quantity (POQ), dan Fixed Period Requirement (FPR).
Data-data tambahan yang dibutuhkan dalam penyusunan MRP berupa inventory status sebagai material penyusun yang harus diperhatikan dalam pembuatan Nata De Coco terdapat pada tabel Total Gross Requirements pada Nata De Coco.
Dari hasil perhitungan, metode yang terbaik dalam menentukkan persediaan bahan baku (MRP) berdasarkan hasil penelitian adalah untuk nata, bakteri, santan, gula, sirup, dan air panas menggunakan metode Lot for Lot (LFL); sedangkan untuk cuka, benzoat, asam sitrat, dan flavor menggunakan metode Fixed Period Requirement (FPR).
Tabel 9 Biaya Persediaan Hasil MRP Metode LFL Nama
Komponen
Total Biaya LFL
Total Biaya EOQ
Total Biaya POQ
Total Biaya
FPR Metode Terpilih Nata 2600483.60 27133248.60 22160638.60 75176153.60 LFL Bakteri 2848024.40 10531524.40 7177524.40 8336024.40 LFL Santan 2600293.15 24018653.15 18007923.15 60260608.15 LFL Gula 3065626.20 12587126.20 10385126.20 12226126.20 LFL Cuka 2723642.35 4001142.35 3195142.35 1802642.35 FPR Sirup 2600405.60 28023620.60 10297345.60 32561360.60 LFL Air Panas 2600319.80 19336679.80 15497399.80 27235044.80 LFL Benzoat &
Asam Sitrat 2636414.30 1827614.30 610814.30 745614.30 FPR Flavor 2746309.80 2761059.80 2094809.80 1285809.80 FPR
Berikut merupakan contoh MRP Metode LFL Gula
Tabel 10 MRP LFL Gula
Part No 4 Description Gula
BOM UOM Kg On-Hand 0
Lead Time 2 Order Policy LFL
Safety Stock 500 Lot Size 100
Period Past Due 1 2 3 4 5 6 7 8 9 10 11 12 13
Gross
Requirements 8256.72 8256.72 8256.72 8256.72 7658.28 7658.28 7658.28 7658.28 7754.57 7808.99 6247.74 7808.99 7808.99 Scheduled
Receipts 0 0 0 0 0 0 0 0 0 0 0 0 0
Proj.Aval.
Balance I -8256.72 -7713.44 -7670.16 -7726.88 -7085.16 -7143.44 -7101.72 -7060.00 -7214.57 -7223.56 -5671.30 -7280.29 - 7289.28 Net
Requirements 8756.72 8213.44 8170.16 8226.88 7585.16 7643.44 7601.72 7560 7714.57 7723.56 6171.3 7780.29 7789.28 Planned Ord.
Receipt 8800 8300 8200 8300 7600 7700 7700 7600 7800 7800 6200 7800 7800
Planned Ord.
Release 8300 8200 8300 7600 7700 7700 7600 7800 7800 6200 7800 7800 0 0
Proj.Aval.
Balance II 0.00 543.28 586.56 529.84 573.12 514.84 556.56 598.28 540.00 585.43 576.44 528.70 519.71 510.72
Capacity Requirement Planning
Tahapan yang diperlukan untuk melaksanakan analisis CRP, yaitu (1) Memperoleh informasi tentang pesanan produksi yang dikeluarkan (planned order release) dari MRP; (2) Memperoleh informasi tentang standard run time per unit dan standard setup time per size; (3) Menghitung kapasitas yang dibutuhkan dari masing-masing pusat kerja; dan (4) Membuat laporan CRP (Tabel 11).
Tabel 11 Laporan CRP
Periode
Waktu yang Tersedia
(menit) (1)
Tingkat Utilisasi Mesin (kondisi aktual)
(2)
Tingkat Efisiensi Mesin (kondisi
aktual) (3)
Kapasitas Tersedia
= (1) x (2) x (3) (4)
Kebutuhan Aktual
(5)
Kelebihan Kapasitas
= (4) – (5)
Minggu-1 4800 0,95 0,9 4104 4049,04 54,957
Minggu-2 4800 0,95 0,9 4104 4049,04 54,957
Minggu-3 4800 0,95 0,9 4104 4049,04 54,957
Minggu-4 4800 0,95 0,9 4104 4049,04 54,957
Minggu-5 4800 0,95 0,9 4104 3755,59 348,411
Minggu-6 4800 0,95 0,9 4104 3755,59 348,411
Minggu-7 4800 0,95 0,9 4104 3755,59 348,411
Minggu-8 4800 0,95 0,9 4104 3755,59 348,411
Minggu-9 4800 0,95 0,9 4104 3802,76 301,236
Minggu-10 4800 0,95 0,9 4104 3829,44 274,563 Minggu-11 3840 0,95 0,9 3283,2 3063,88 219,324 Minggu-12 4800 0,95 0,9 4104 3829,44 274,563 Minggu-13 4800 0,95 0,9 4104 3829,44 274,563
Total 61440 12.35 11.7 52531.2 49573.5 2957.72
PENUTUP
Kesimpulan yang diperoleh adalah sebagai berikut. Pertama, metode peramalan untuk meramalkan permintaan Nata De Coco pada perusahaan untuk jenis produk cup, standing pouch, dan pillow bag dalam periode singkat pada hasil penelitian adalah peramalan Linear Regression.
Kedua, peramalan yang dilakukan dengan metode peramalan Linear Regression dapat dikatakan sudah cukup baik karena dari verifikasi peramalan yang dilakukan tidak ada data yang melewati batas UCL dan LCL yang telah diperoleh. Ketiga, metode yang diambil untuk perhitungan Agregate Planning dengan memperhatikan total biaya terkecil adalah metode produksi chase untuk jenis produk cup, standing pouch, dan pillow bag. Keempat, dari perhitungan MPS yang diperoleh selama 3 bulan ke depan, master schedule dapat diproduksi sesuai dengan forecast yang telah diperhitungkan dengan agregat planning. Kelima, dari hasil perhitungan Rough Cut Capacity Planning, dapat disimpulkan bahwa semua kebutuhan aktual yang dibutuhkan setiap periodenya tidak ada yang melebihi kapasitas yang tersedia. Keenam, metode yang terbaik dalam menentukan persediaan bahan baku (MRP) berdasarkan hasil penelitian adalah untuk nata, bakteri, santan, gula, sirup, dan air panas menggunakan metode Lot for Lot (LFL); sedangkan untuk cuka, benzoat, asam sitrat, dan flavor menggunakan metode Fixed Period Requirement (FPR). Ketujuh, dengan perhitungan kapasitas yang ada diperoleh total operation time yang dapat dipenuhi oleh kapasitas yang tersedia. Dalam hal ini, berarti bahwa perencanaan produksi dalam MPS dan rencana pemesanan material dalam MRP dapat dilaksanakan dengan baik.
DAFTAR PUSTAKA
Adam, E.E., and Ronald J.E. (1992). Production and operations management, 5th ed., New Jersey:
Prentice Hall.
Biegel, J.E. (1992). Pengendalian produksi suatu pendekatan kuantitatif, Jakarta: CV Akademika Pressindo.
Dilworth, J.B. (1992). Operation management, Singapore: Mc-Graw Hill Book CO.
Gasperz, V. (2002). Production planning and inventory control berdasarkan pendekatan sistem terintegrasi MRP II dan JIT menuju manufacturing 21, Jakarta: Gramedia Pustaka Utama.
Herjanto, E. (2001). Perancangan dan pengendalian produksi, Yogyakarta: BPFE.
Kusuma, H. (2001). Manajemen produksi-perencanaan dan pengendalian produksi. Yogyakarta:
Andi.
Makridakis, S.C.,Wheelwright, dan Victor E., Mc Gee (1999). Metode dan aplikasi peramalan, edisi pertama, jilid satu, Jakarta: Binarupa Aksara.
White, J.A. (1987). Production handbook, New York: John Wiley & Sons Inc.
Turner, W.C. (2000). Pengantar teknik dan sistem industri, Surabaya: Guna Wijaya.
LAMPIRAN
Data Permintaan (Demand)
No Bulan Demand Cup
Demand Standing Pouch
Demand Pillow 1 Jan-06 5030 5168 6448 2 Feb-06 5193 5690 3416 3 Mar-06 2787 632 10095 4 Apr-06 3714 2042 6189 5 May-06 6100 1994 7526 6 Jun-06 10628 5145 14124 7 Jul-06 8848 6536 26910 8 Aug-06 9033 9276 35159 9 Sep-06 10458 8161 33765 10 Oct-06 5116 3888 17470 11 Nov-06 141 2788 1436 12 Dec-06 2324 2888 5782 13 Jan-07 2438 5735 9210 14 Feb-07 4518 4447 10137 15 Mar-07 5028 3464 14977 16 Apr-07 5450 6002 13230 17 May-07 7242 4312 14571
Data Actual Order
Periode Bulan Data Actual Order Cup
Data Actual Order Standing
Pouch
Data Actual
Order Pillow
1 Juni 1300 1300 4200
2 Juni 1300 1300 4200
3 Juni 1300 1300 4200
4 Juni 1300 1300 4200
5 July 1200 1200 3900
6 July 1200 1200 3900
7 July 1200 1200 3900
8 July 1200 1200 3900
9 Agustus 1200 1200 4000 10 Agustus 1200 1200 4000 11 Agustus 1200 1200 4000 12 Agustus 1200 1200 4000 13 Agustus 1200 1200 4000
