PERANCANGAN MODEL CREDIT COLLECTION DASHBOARD SYSTEM BERBASIS SPREADSHEET UNTUK PENGELOLAAN KINERJA PERUSAHAAN PEMBIAYAAN

Prosiding Seminar Nasional Manajemen Teknologi XII Program Studi MMT-ITS, Surabaya 7 Agustus 2010

PERANCANGAN MODEL CREDIT COLLECTION DASHBOARD SYSTEM BERBASIS SPREADSHEET UNTUK PENGELOLAAN KINERJA PERUSAHAAN PEMBIAYAAN Sinta Candra Sari dan Ahmad Rusdiansyah Program Studi Magister Manajemen Teknologi Bidang Keahlian Manajemen Industri Email: [email protected]; [email protected]

ABSTRAK Perusahaan pembiayaan merupakan pendukung utama dalam bidang penjualan bisnis otomotif baik itu mobil maupun sepeda motor. Menjamurnya pertumbuhan perusahaan pembiayaan semakin mendongkrak distribusi otomotif dan membantu ATPM dalam memasyarakatkan produk-produknya. Apalagi semakin lama perusahaan pembiayaan semakin banyak menawarkan kemudahan bagi siapapun yang ingin memiliki kendaraan bermotor melalui sistem pembayaran kredit. Agar sebuah perusahaan pembiayaan dapat tumbuh dan berkembang dengan baik diperlukan portofolio dengan kualitas account receivables yang bagus. Dan ujung tombaknya selain sistem dan manajemen yang baik juga sumber daya manusianya yaitu kolektor. Semakin banyak jumlah kolektor tentu saja semakin banyak pendapatan bunga yang tertagih. Untuk itu diperlukan suatu keseimbangan antara biaya yang dikeluarkan dengan pendapatan bunga yang tertagih untuk menghasilkan profit yang maksimal. Untuk itulah dibutuhkan suatu alat yang dapat mengukur tingkat kebutuhan kolektor serta memproyeksikan kebutuhan kolektor di masa yang akan datang. Dengan berbasis spreadsheet diharapkan memudahkan user dalam aplikasi sehari-hari dan membantu dalam pengambilan keputusan. Kata kunci: collection rate, rolling rate, rolling back, kolector

PENDAHULUAN Pertumbuhan perusahaan pembiayaan di Indonesia sangat pesat. Dapat diibaratkan setiap merk kendaraan bermotor dapat membawa masing-masing perusahaan pembiayaan yang dapat mendongkrak penjualannya. Salah satu contohnya adalah distribusi sepeda motor Honda di Jawa Timur yang mencapai 10.000 unit setiap bulannya. Hal ini membuat persaingan pasar semakin kompetitif. Berbagai kemudahan banyak ditawarkan dari berbagai segi, baik itu dari program promosi yang ditawarkan, gerilya aktivitas marketing, pelayanan operasional yang memuaskan, kemudahan pembayaran angsuran di semua tempat pembayaran hingga pelosok desa, dan yang pasti persaingan penurunan rate bunga menjadi alat yang mudah sekali dilakukan dalam merebut pasar. Akuisisi account menjadi proses penting, dikarenakan tingkat suku bunga jual yang rendah menuntut kualitas account yang bagus untuk menghindari kenaikan Non Performing Loan (NPL) atau biasa disebut kredit macet. Adapun faktorfaktor pendukung terbentuknya profit sebuah perusahaan pembiayaan diantaranya adalah pendapatan bunga, pendapatan administrasi, pendapatan denda, pendapatan recovery. Sedangkan faktor-faktor pengurang profit adalah biaya cost of fund, biaya marketing, Lost On Reposses, write off, biaya administrasi umum, dan biaya karyawan. Diantara sekian banyak faktor tersebut, pendapatan bunga adalah faktor terbesar yang


menyusun tercapainya profit perusahaan. Pendapatan bunga tersusun dari beberapa parameter yaitu collection rate, rolling rate, dan rolling back. Dengan didukung tenaga kolektor maka perolehan pendapatan bunga dapat lebih maksimal. Begitu pentingnya pendapatan bunga ini maka perlu dibuat sebuah alat untuk mengukur kinerja perusahaan. Maka dibuatlah suatu model dashboard system berbasis spreadsheet, dengan pertimbangan bahwa spreadsheet merupakan perangkat lunak yang banyak digunakan semua orang. Sehingga dengan membuat alat bantu diharapkan pemakai tidak canggung dan dapat segera mengaplikasikan sesuai kondisi tempat kerjanya. Adapun permasalahan yang menjadi analisa lebih lanjut dalam model ini adalah bagaimana membuat model hubungan antara collection rate dengan jumlah kolektor, bagaimana mengambil keputusan melalui dashboard management system, dan bagaimana memilih dari beberapa skenario yang ada untuk membuat keputusan jumlah kolektor yang minimal agar memperoleh pendapatan bunga yang maksimal. TINJAUAN PUSTAKA Kinerja merupakan tingkat pencapaian atas pelaksanaan pekerjaan atau tugas tertentu (Soegoto, 2007). Indikator kinerja adalah uraian ringkas tentang suatu kinerja yang akan diukur dalam pelaksanaan suatu program terhadap tujuannya. Indikator kinerja menentukan bagaimana suatu kinerja akan diukur menurut suatu skala atau dimensi. Syarat indikator kinerja yang baik adalah SMART yaitu Specific, Measurable, Attributable, Relevant, Timely. Soegoto (2007) mengatakan kinerja harus dipantau dan dievaluasi melalui indikator kinerja. Standar evaluasi kinerja adalah baku, obyektif, terstruktur, sesuai urutan tugas, sesuai standar acuan kerja, adil, dan berkelanjutan. Sistem pengukuran kinerja adalah sebuah tatanan pengukuran berdasarkan aturan dan prosedur tertentu untuk mencakup, mengkompilasi, mempresentasikan, dan mengomunikasikan data dalam sebuah kombinasi yang mencerminkan kunci kinerja dan karakteristik dari proses terpilih yang cukup efektif yang memungkinkan analisis intelektual sebagai panduan untuk mengambil tindakan yang diperlukan (Ljungberg, 1994). Definisi kinerja, evaluasi kinerja, dan sistem kinerja diatas menjadi landasan terbentuknya model dashboard management system ini. Adapun parameter-parameter penyusun profit dapat dijelaskan sebagai berikut. Menurut Tim Penyusun Credit Manual Book (2007), collection rate adalah prosentase pendapatan bunga yang berhasil diperoleh dibandingkan pendapatan bunga yang seharusnya ditagih. Semakin tinggi nilai collection rate maka semakin bagus performance yang diberikan. Pendapatan bunga adalah jumlah bunga dalam satuan rupiah yang berhasil ditagih. Rolling rate adalah prosentase jumlah pokok hutang yang mengalir dari cycle awal ke cycle yang lebih tinggi dibandingkan dengan total pokok hutang awal di cycle sebelumnya. Indikatornya, semakin tinggi nilai rolling rate maka semakin buruk performance kinerjanya. Cycle adalah kelompok tingkatan hari keterlambatan pembayaran. Rolling back adalah prosentase jumlah pokok hutang yang mengalir kembali dari cycle tinggi ke cycle yang lebih rendah dibandingkan dengan total pokok hutang awal di cycle sebelumnya. Berbeda dengan rolling rate, indikator kinerja rolling back adalah semakin tinggi nilai rolling back nya maka semakin bagus performance yang dihasilkan. Ujung tombak dari semua perolehan pendapatan bunga ini adalah tenaga kolektor, yaitu orang yang tugasnya melakukan penagihan pada konsumen-konsumen yang mengalami keterlambatan pembayaran.

ISBN : 978-602-97491-1-3 A-47-2


Model dashboard system kali ini berbasis spreadsheet. Dalam Sistem Manajemen Informasi, sebuah dashboard adalah sebuah sistem informasi yang digunakan oleh para eksekutif dan didesign untuk memudahkan pembacaan, sebagaimana kita mengetahui dashboard yang biasa terdapat dalam mobil. Sebagai contoh sebuah produk dapat memperoleh datanya dari sistem operasi di komputer, melalui satu atau lebih perangkat lunak yang sedang berjalan, atau dari beberapa sistem terkontrol dari website, dimana seakan-akan semua sumber tersebut berasal dari satu sumber saja (Sorenson, 2002). Program aplikasi spreadsheet salah satunya adalah Microsoft Excel yang terpopuler dan tercanggih saat ini. Excel merupakan produk unggulan dari Microsoft Corporation yang banyak berperan dalam pengelolaan informasi khususnya data berbentuk angka untuk penghitungan, proyeksi, analisis, dan presentasi. Karena kemudahan dan kepopulerannya, hampir dipastikan Excel digunakan dan dikuasai oleh sebagian besar pengguna komputer (Arifin, 2007). METODOLOGI PENELITIAN Sebagaimana dikemukakan di awal bahwa penelitian ini bertujuan ingin meningkatkan profitabilitas perusahaan. Adapun unsur-unsur penyusun profit beraneka ragam dan pendapatan bunga merupakan unsur mayoritas tertinggi kontribusinya terhadap pembentukan profit. Data-data yang diperlukan untuk analisa dan perhitungan dalam penelitian diambil dari data masa lampau yang berkaitan dengan pembentukan profit antara lain : a. Amount Must Be Collected (AMBC) bunga, maksudnya adalah jumlah pendapatan bunga yang menjadi beban di bulan berjalan tersebut yang seharusnya ditagih. b. Amount Collected (AC) bunga, yaitu jumlah pendapatan bunga yang berhasil ditagih oleh kolektor. c. Jumlah kolektor di masing-masing cycle. d. Tingkat produktivitas dari kolektor di setiap cycle. e. Prosentase collection rate f. Prosentase rolling rate g. Prosentase rolling back h. Simulasi collection cost Dari data-data diatas dibuatlah suatu trendline, bagaimana kecenderungan data ini membentuk suatu kurva tertentu sehingga menghasilkan rumusan untuk masingmasing parameter. Dari rumusan yang dihasilkan maka dapat disimulasikan jumlah kolektor sesuai dengan kebutuhan yang diinginkan. Bagaimana jumlah kolektor tersebut dapat mempengaruhi tingkat prosentase collection rate, rolling rate, rolling back, dan berakhir pada total biaya yang dikeluarkan serta profit yang dihasilkan. Berdasarkan data-data yang ada dikembangkan beberapa skenario yang memungkinkan untuk dapat dianalisa lebih lanjut. Skenario-skenario tersebut antara lain: a. Total jumlah kolektor yang ada dilakukan pemenuhan produktivitas di setiap cycle nya. b. Total jumlah kolektor yang ada dilakukan pemenuhan di tiap cycle nya berdasarkan proporsional dari beban AMBC bunga yang terdapat dalam masingmasing cycle. c. Terjadi penambahan beban AMBC bunga sehingga kita dapat memproyeksikan kenaikan AMBC bunga di masa yang akan datang dan dapat mengantisipasinya dengan mempersiapkan jumlah kolektor sesuai yang dibutuhkan. Hal ini

ISBN : 978-602-97491-1-3 A-47-3


dilakukan agar pada saat terjadi lonjakan kenaikan di bagian penjualan tidak menimbulkan dampak yang negatif pada portofolio karena tenaga kolektor untuk menagih dan mengingatkan konsumen akan kewajiban pembayaran angsurannya segera tertangani. d. Analisa hasil simulasi dengan data aktual PEMODELAN SISTEM DAN ANALISA NUMERIK Pemodelan Sistem Untuk membuat suatu pemodelan system terlebih dahulu dibuatlah perhitungan di setipa worksheet, dimana worksheet ini akan terhubung satu sama lain sehingga membentuk dashboard system.

CREDIT COLLECTION DASHBOARD MANAGEMENT SYSTEM

RECORD HISTORY DATA SIMULASI PROFIT vs KOLEKTOR SIMULASI PROYEKSI PROFIT vs KOLEKTOR

Gambar 1. Tampilan Menu Utama Model Credit Collection Dashboard System

Pada menu utama tersebut ada beberapa pilihan yang terhubung oleh layar yang berbeda-beda. Adapun penjelasannya adalah sebagai berikut : a. Klik Record history data untuk mengetahui sumber data-data aktual di masa lampau yang akan terbentuk suatu hubungan trendline dan keluar rumusan. b. Klik Simulasi profit vs kolektor adalah simulasi jumlah kolektor yang menjadi variable yang dapat diubah-ubah mengikuti kehendak kita. Dan setiap terjadinya penambahan kolektor akan mempengaruhi naik turunnya prosentase parameter collection rate, rolling rate, rolling back, biaya penagihan, dan profit yang dihasilkan. c. Klik Simulasi proyeksi profit vs kolektor adalah sama dengan tahapan sebelumnya hanya saja pada menu terakhir ini ditampilkan pula prosentase kenaikan jumlah beban tagih yang di proyeksikan.

ISBN : 978-602-97491-1-3 A-47-4


Back to Menu

BACK

Tabel C0 dg rumus : y = 0,733 x x y 1 73,32% 2 79,73% 3 83,74% 4 86,71% 5 89,08% 6 91,07% 7 92,79% 8 94,30% 9 95,65% 10 96,88% 11 98,00% 12 99,04% 13 100,00%

0,121


coll rate C0 150,00%

20,00% 1

4

7

Power (rate C0)

0,00%

10 13

1

4

150,00%

y = 0,027x

100,00% 50,00% 0,00% 1

7 10 13

4

Gambar 2. Tampilan Record Data History CREDIT COLLECTION DASHBOARD MANAGEMENT SYSTEM Jumlah kolektor

Back to Menu

50

Collection rate

BACK

60,00%

150,00%

50,00%

THE RESULT

40,00%

100,00% C0 99,16%

50,00% 0,00%

30,00% C1 C2 C3 C4 C5 69,36% 64,64% 21,40% 16,92% 13,66%

10,00% 0,00%

NOVEMBER

400.000.000 300.000.000

RB1 RB0 RB2 79,45% 84,13% 71,64%

200.000.000 RB3 RB4 RB5 15,26% 16,02% 8,42%

100.000.000 -

WRITE OFF

WRITE OFF

NETT INCOME

1

480,00%

Rp 6.612.037.512

Rp529.101.765

2

312,32%

Rp 4.302.232.408

Rp600.154.640

total cost

3

242,90%

Rp 3.345.966.483

Rp647.583.180

326.573.08 5

4

203,22%

Rp 2.799.371.382

Rp684.284.385

5

176,96%

Rp 2.437.637.829

Rp714.682.704

6

158,05%

Rp 2.177.151.102

Rp740.873.348

7

143,64%

Rp 1.978.652.225

Rp764.028.155

8

132,23%

Rp 1.821.478.584

Rp784.874.319

9

122,92%

Rp 1.693.232.606

Rp803.896.624

10

115,14%

Rp 1.586.062.498

Rp821.162.526

11

108,54%

Rp 1.495.146.982

Rp837.427.811

12

102,84%

Rp 1.416.629.037

Rp852.114.580

13

97,86%

Rp 1.348.029.148

Rp865.771.555

total cost

Rp8.000.000.000

NETT INCOME

Rp6.000.000.000

1.000.000.000 500.000.000

JUMLAH KO LEKTO R

42,45%

NOVEMBER

NOVEMBER

1.500.000.000

R4 R1 R2 R3 43,06% 4,32%1,47%7,83% NOVEMBER

Rolling Back 100,00% 80,00% 60,00% 40,00% 20,00% 0,00%

20,00%

R5 49,94% R6

WRITE OFF

Rp4.000.000.000

NETT INCOME

Rp2.000.000.000

NETT INCOME 974.805.599

Rp-

-

1 5 9 13172125293337414549535761

Gambar 3. Tampilan Simulasi Profit vs Kolektor

ISBN : 978-602-97491-1-3 A-47-5

1,4

coll rate C3 rate C0

50,00%

Power (rate C0)

0,00%

1 3 5 7 9 11 13


y = 0,107x 0,789

100,00%

rate C0

40,00%

Power (rate C0)

0,00%

0,789

coll rate C2

y = 0,314x 0,273

60,00%

rate C0

50,00%


coll rate C1 80,00%

y = 0,733x 0,121

100,00%

0,273

7 10 13


CREDIT COLLECTION DASHBOARD MANAGEMENT SYSTEM Peningkatan beban tagih (%)

Collection rate 150,00% 100,00% C0 100,31%

50,00% 0,00%

C1 C2 C3 C4 C5 62,90% 57,39% 17,33% 15,98% 12,61%

proyeksi

Rolling Back 100,00% 80,00% 60,00% 40,00% 20,00% 0,00%

110

60,00% 50,00% 40,00% 30,00% 20,00% 10,00% 0,00%

200.000.000 100.000.000

RB1 RB2 RB3 RB4 RB5 43,45% 59,17% 11,84% 14,82% 7,32%

50.000.000 -

NETT INCOME PROYEKSI

total cost proyeksi total cost proyeksi 186.237.50 9

Rp1.500.000.000 Rp1.000.000.000

1.000.000.000 500.000.000

R1 R2 R3 3,81%5,96% 10,51%

proyeksi

PROYEKSI

1.500.000.000

THE RESULT

NETT INCOME PROYEKSI 1.169.652.262

R6 46,61%

R4 R5 53,58%51,63%

JUMLAH KO LEKTO R

WRITE OFF

42

47,30%

Rp

651.561.196

Rp1.166.074.891

43

46,61%

Rp

642.056.393

Rp1.169.652.262

44

45,95%

Rp

632.964.841

Rp1.156.070.016

45

45,32%

Rp

624.286.542

Rp1.152.754.633

46

44,70%

Rp

615.745.993

Rp1.146.663.428

47

44,11%

Rp

607.618.697

Rp1.139.805.709

48

43,54%

Rp

599.766.903

Rp1.130.205.280

49

42,99%

Rp

592.190.610

Rp1.120.869.258

50

42,45%

Rp

584.752.067

Rp1.109.235.538

51

41,93%

Rp

577.589.027

Rp1.095.134.876

52

41,43%

Rp

570.701.488

Rp1.078.389.408

53

40,94%

Rp

563.951.699

Rp1.058.812.705

54

40,47%

Rp

557.477.413

Rp1.036.209.803

WRITE OFF

NETT INCOME

PROYEKSI

150.000.000 RB0 94,11%

BACK

Back to Menu

43

Jumlah kolektor

WRITE OFF

Rp500.000.000

-

NETT INCOME

Rp1 2 3 4 5 6 7 8 9 10 11 12

Gambar 4. Tampilan Simulasi Proyeksi Profit vs Kolektor

Pada gambar 1 – 4 adalah tampilan model pada spreadsheet dengan memperhatikan dari segala aspek analisa parameter yang ada. Analisa Numerik Dari gambaran performance collection rate, rolling rate, dan rolling back diatas dapat diketahui gambaran awal tentang kualitas portofolio suatu perusahaan pembiayaan. Hubungan parameter-parameter diatas dengan jumlah kolektor menunjukkan saling keterkaitan dimana semakin banyak jumlah kolektor maka semakin bagus pula performance tiap parameter. Tetapi bagaimana dengan biaya yang timbul akibat peningkatan jumlah kolektor dan apakah hal tersebut tidak mengurangi profit perusahaan. Total biaya yang dihasilkan dengan jumlah kolektor 35 orang adalah Rp. 126.733.194 dengan nett income yang dihasilkan sebesar Rp. 1.031.169.099 dan jika dinaikkan menjadi 41 orang maka total biaya menjadi Rp. 160.799.802 dengan nett income yang dihasilkan sebesar Rp. 1.056.972.912. Disini terlihat perbandingannya bahwa walaupun total biaya meningkat seiring dengan penambahan jumlah kolektor tetapi nett income yang dihasilkan pun dalam kondisi tertinggi, dan inilah yang kita sebut titik optimum. Parameter berikutnya yang perlu diperhatikan adalah write off yang diwakili oleh R6. Dengan bertambahnya jumlah kolektor prosentase write off pun turun dari semula di angka 52,96% menjadi 48,01%. Proyeksi kenaikan beban tagih sebesar 10% dari sebelumnya, maka jika jumlah kolektor optimal ada di angka 41 orang maka setelah proyeksi diperoleh jumlah kolektor yang dibutuhkan adalah 43 orang. Dengan biaya yang dikeluarkan sebesar Rp. 816.774.812 masih bisa dihasilkan nett income sebesar Rp. 1.169.652.262. Performance write off berkurang menjadi 46,61%. KESIMPULAN DAN SARAN Kesimpulan 1. Hubungan collection rate dengan jumlah kolektor di tiap cycle nya adalah : C0 -------------------------> y = 0,733 x 0,121

ISBN : 978-602-97491-1-3 A-47-6


C1 -------------------------> y = 31,46 x 0,273 C2 -------------------------> y = 10,72 x 0,789 C3 -------------------------> y = 2,756 x 1,4 C4 -------------------------> y = 10,67 x 0,376 C5 -------------------------> y = 8,774 x 0,532 dimana y = prosentase collection rate x = jumlah kolektor 2. Credit Collection Dashboard Management System yang dihasilkan berisi segala informasi mengenai grafik performance collection rate, rolling rate, dan rolling back tiap cycle, total biaya yang dikeluarkan serta nett income yang dihasilkan. Sebagai input data awal kita dapat mengatur jumlah kolektor yang dikehendaki dan prosentase proyeksi kenaikan beban tagih serta menentukan pula jumlah kolektor dari hasil proyeksi beban tersebut. 3. Dari berbagai skenario yang digunakan maka pemilihan skenario terbaik adalah dengan tetap membagi secara proporsional sesuai beban tagih yang ada untuk pemenuhan tenaga kolektor tiap cycle. Untuk beban tagih di awal sebesar Rp. 2.041.272.949 maka diperoleh jumlah kolektor yang dibutuhkan sebesar 41 orang dengan aliran write off di angka Rp. 661.341.502, biaya yang dikeluarkan Rp. 160.799.802 dengan nett income yang dihasilkan Rp. 1.056.972.912. Jika proyeksi kenaikan beban tagih adalah 10% menjadi Rp. 2.245.400.244 maka jumlah kolektor yang dibutuhkan sebesar 43 orang dengan aliran write off di angka Rp. 642.056.393, biaya yang dikeluarkan Rp. 186.237.509 sehingga nett income yang dihasilkan sebesar Rp. 1.169.652.262. 4. Dari dashboard management system ini dapat dijadikan sebagai petunjuk dan saran bagi manajemen perusahaan di tingkat pusat hal-hal yang berkaitan dengan penentuan target. Diharapkan dapat disesuaikan dengan kemampuan di setiap cabang dengan tetap mengedepankan performance yang baik, biaya yang efisien, dan nett income yang optimal SARAN Penelitian ini dapat digunakan secara general untuk seluruh perusahaan pembiayaan dan tidak terbatas pada satu perusahaan pembiayaan saja. Untuk itu perlu kiranya untuk dapat dikembangkan dan ditambahkan lagi parameter-parameter sebagai pengukur performance KPI di setiap perusahaan. Yang secara prinsip tetap sama akan tetapi pembagian tingkat overdue yang biasanya berbeda penanganannya. Penelitian ini dapat dijadikan sebagai gambaran bagaimana pengelolaan portofolio dan kinerja sebuah perusahaan pembiayaan. Untuk itu dapat disarankan agar parameter yang digunakan tidak dengan mudah diganti sehingga didapatkan data record history yang lebih banyak. DAFTAR PUSTAKA Arifin, Johar (2007), “Aplikasi Excel Untuk Perencanaan Bisnis (Business Plan)”, Jakarta, Penerbit PT Elex Media Komputindo Kotler, Philip, (2005), “Ten Deadly Marketing Sins: Signs and solutions”, Jakarta, Penerbit Erlangga Ljungberg, A. (1994), “A measurement of service and quality in the order process”, unpublished theses, Lund University, Belgium

ISBN : 978-602-97491-1-3 A-47-7


Maholtra, Naresh K., (1999), “Marketing research and applied orientation”, Upper saddle river New Jersey, Prentice Hall. Inc Soegoto, Eddy Soeryanto (2007), “Manajemen Kinerja; Falsafah, Konsep & Aplikasinya”, Banten, Kopertis IV Jawa Barat dan Banten Universitas Komputer Indonesia Stoop, P.P.M (1996), “Performance Management In Manufacturing : a method for short term performance evaluationand diagnosis.” Unpublished PhD Theses, Technische Universiteit Eindhoven, Netherland Tim Pengembangan Perbankan Syariah Institut Bankir Indonesia, (2003), “Konsep, produk dan implementasi operasional bank syariah”, Jakarta, Djambatan Wibisono, Dermawan (2006), “Manajemen Kinerja; Konsep, Desain, dan Teknik Meningkatkan Daya Saing Perusahaan”, Jakarta, Penerbit Erlangga Zagorecki, Adam (2004), “Executive Dashboard System”, Secure CITI Artikel download di internet SearchCIO.com, 25 February 2002, retrieved 9 February 2008, kontribusi oleh Matt Sorenson, “Dictionary Definition of Dashboard”Barkley, Bruce T. (2004), Project Risk Management, The McGraw Hill Companies, United States of America.

ISBN : 978-602-97491-1-3 A-47-8

PERANCANGAN MODEL CREDIT COLLECTION DASHBOARD SYSTEM BERBASIS SPREADSHEET UNTUK PENGELOLAAN KINERJA PERUSAHAAN PEMBIAYAAN

Recommend Documents