SUPPLY CHAIN ANALYSIS DENGAN MODEL SCOR DAN SIMULASI PADA ENGINEER-TO-ORDER (ETO) (STUDI KASUS: PT. X)

Prosiding Seminar Nasional Manajemen Teknologi XXIII Program Studi MMT-ITS, Surabaya 1 Agustus 2015

SUPPLY CHAIN ANALYSIS DENGAN MODEL SCOR DAN SIMULASI PADA ENGINEER-TO-ORDER (ETO) (STUDI KASUS: PT. X) 1)

Zainuddin1) dan Iwan Vanany2) Program Studi Magister Teknik Industri, Institut Teknologi Sepuluh Nopember Kampus ITS Sukolilo, Surabaya, 60111, Indonesia e-mail: [email protected] 2)Jurusan Teknik Industri, Institut Teknologi Sepuluh Nopember

ABSTRAK Persaingan bisnis yang semakin meningkat memberikan banyak variansi pilihan bagi pelanggan dalam memenuhi kebutuhannya mempertimbangkan banyak hal diantaranya waktu. Hal ini menuntut setiap perusahaan untuk melakukan perbaikan dalam jaringan rantai pasoknya yang memperhatikan proses bisnisnya. Supply chain analysis merupakan sebuah aktivitas menganalisa dan merancang ulang kondisi rantai pasok saat ini untuk mendapatkan kondisi yang lebih optimal. Belum banyak penelitian yang membahas tentang supply chain analysis khusunya pada perusahaan berjenis Engineer-to-Order (ETO). Rantai pasok pada perusahaan berjenis ETO memiliki proses yang penting seperti menyesuaikan permintaan design dari konsumen dengan kemampuan operasi atau produksinya. Upaya untuk mengelola proses yang ada pada perusahaan ETO sangat dibutuhkan model dan metode yang komprehensif. Pada penelitian ini, supply chain analysis menggunakan model Supply Chain Operation Reference (SCOR) untuk menggambarkan aliran rantai pasok perusahaan dan metode simulasi untuk menguji atau memvalidasi aliran rantai pasok eksisting dan perbaikan dalam mereduksi order fulfillment time. Penelitian ini menggunakan studi kasus salah satu perusahaan ETO yang memproduski mesin boiler dengan order fulfillment time yang sangat lama yakni lebih dari 1 tahun. Hasil analisa rantai pasok mengusulkan untuk melakukan perbaikan pada proses Source sehingga bisa didapatkan order fulfillment time yang lebih pendek. Kata kunci: Supply Chain Analysis, ETO, Simulasi, SCOR, Order Fulfillment Time.

PENDAHULUAN Persaingan bisnis di tingkat global semakin memberikan banyak variasi pilihan untuk pelanggan, sehingga dalam hal pemilihan produk pelanggan mempertimbangkan banyak hal diantaranya adalah waktu. Agar dapat memenuhi hal tersebut, perusahaan harus memperhatikan proses bisnis mereka agar tetap berjalan dengan baik bahkan kalau perlu ditingkatkan. Berkaitan hal ini, perusahaan tidak mungkin menjalankan proses bisninya tanpa didukung oleh partner kerjanya, misalnya supplier, retailer, dan lain-lain. Tidak hanya itu, mereka juga perlu melakukan proses sharing informasi yang berkaitan dengan kondisi internal masing-masing. Integrasi, koordinasi, dan sharing informasi merupakan sebuah elemen yang diperlukan dalam membangun sebuah supply chain (SC) antar kelompok dalam suatu bisnis. Kalau supply chain adalah jaringan fisiknya, sedangkan Supply Chain Management (SCM) adalah metode, alat, atau pendekatan pengelolaannya. Krajewski, et al. (2007) meyakini bahwa upaya mengintegrasikan antar rantai pasok tidak hanya internal rantai pasok tetapi juga

ISBN: 978-602-70604-2-5 A-68-1


eksternal rantai pasok seperti dengan pemasok dan distributor adalah tujuan utama dari pengelolaan rantai pasok. Setiap perusahaan-perusahan seharusnya dapat menganalisa apa yang bisa SCM lakukan serta menemukan apa konsekuensi jika rantai pasok dilakukan dengan satu supplier atau lebih dan satu pelanggan atau lebih (Van der Vorst dan Beulens, 2002). (Jatmiko, 2008, dalam Ariyanti, 2012) mengatakan bahwa persaingan bisnis yang semakin meningkat menuntut perusahaan untuk menyusun kembali integrasi rantai pasoknya. Nagurney (2010) mengatakan bahwa mendesain jaringan rantai pasok dipandang sebagai dasar untuk manajemen rantai pasok dan tentu saja menentukan sebuah desain atau re-desain rantai pasok yang optimal mempunyai banyak tantangan. Hal ini tentunya memerlukan analisa rantai pasok yang komprehensif dalam melakukan desain atau re-desain sebuah rantai pasok. Hampir sebagian besar upaya melakukan desain rantai pasok lebih banyak terkait dengan kinerjanya dibanding dengan operasi rantai pasoknya (Vanany, 2009; Vanany, et al., 2005). Tidak banyak yang melakukan untuk desain operasi/proses dari rantai pasoknya. Penelitian yang berkaitan dengan analisa desain rantai pasok telah dilakukan oleh beberapa peneliti dengan menggunakan model program integer (Naraharisetti, et al., 2008; Naraharisetti dan Karimi, 2010; Hammami dan Frein; 2014; Bing, et al., 2015) dan pendekatan simulasi (Carvalho, et al., 2012; Ariyanti, 2012). Semua penelitian yang telah digunakan diterapkan pada perusahaan dengan karakteristik make-to-stock (MTS) dan maketo-order (MTO). Persson (2011) berpendapat bahwa SCM merupakan sistem yang lebih komplek dan alat yang biasa digunakan untuk menganalisa sistem tersebut adalah optimasi, simulasi, dan teori keputusan. Sebuah solusi optimal dalam optimasi hanya akan valid untuk skenario tertentu dan solusi akan berubah menjadi tidak valid jika skenario berubah. Dalam simulasi logistik dan manajemen rantai pasok yang berbasis sistem pendukung keputusan memberikan solusi untuk berbagai masalah pada dua tingkatan yakni strategis dan operational/taktis (Tako dan Robinson, 2012). Persson dan Araldi (2009) mengembangkan alat analisa rantai pasok yang dinamis dengan mengintegrasikan model Supply Chain Operation Reference (SCOR) dan pendekatan discrete event simulation (DES) yang diujikan pada perusahaan berkarakteristik MTO dan MTS yang hasilnya mampu menggambarkan konfigurasi rantai pasok serta mampu untuk melakukan pengujian terhadap skenario what if. SCOR merupakan sebuah produk dari Supply Chain Council (SCC), organisasi non-profit global yang menghasilkan metodologi, diagnosa dan alat benchmarking yang membantu organisasi melakukan perbaikan dalam proses rantai pasok. Model SCOR digunakan untuk mengevaluasi dan membandingkan kegiatan dan kinerja rantai pasok (Supply Chain Council, 2010). Beberapa penelitian lain yang menggunakan integrasi model SCOR dan pendekatan simulasi antara lain dilakukan oleh Dong, et al. (2006) menggunakan program aplikasi bernama SmartSCOR pada perusahaan yang bergerak di bidang teknologi dan informasi yakni IBM, Hermann dan Pundoor (2004) melakukan simulasi mengenai hubungan sub model dalam SCOR, dan Carvalho, et al. (2012) menggunakan alat simulasi untuk mendukung proses pembuatan keputusan dalam rekayasa rantai pasok pada perusahaan otomotif. Banyak penelitian yang telah dipublikasikan dalam operasi dan manajemen rantai pasok belum mengivestigasi pada jenis manufaktur engineer-to-order (ETO) (Gosling dan Naim, 2009) padahal struktur produk utama ETO jauh lebih kompleks dan detail sehingga meningkatkan proses assembly serta lead time yang panjang. (McGovern et al., 1999). Berdasarkan uraian di atas, maka fokus penelitian yang akan dibahas nantinya oleh peneliti adalah berkaitan dengan menganalisa rantai pasok dengan mensimulasikan proses bisnis dalam rantai pasok dengan menggunakan model SCOR dan pedekatan simulasi. Selain itu juga dilakukan beberapa alternatif yang bisa dijadikan dasar pertimbangan untuk mengambil keputusan perbaikan oleh manajemen perusahaan. ISBN: 978-602-70604-2-5 A-68-2


METODE Terdapat beberapa tahapan dalam melakukan penelitian ini. Tahap pertama adalah mengidentifikasi dan merumuskan permasalahan serta melakukan pengumpulan data yang relevan dengan objek penelitian. Pada tahap ini dilakukan studi pustaka dari berbagai referensi dan mereview penelitian sebelumnya yang relevan serta melakukan studi lapangan di PT. X guna mengumpulkan data yang relevan dengan melakukan wawancara dengan pihak PT. X. Tahapan kedua adalah memodelkan rantai pasok di PT. X dengan menggunakan model SCOR. Tahap selanjutnya adalah pembuatan model kondisi eksisting. Tahap terakhir adalah pembuatan dan perbandingan alternatif perbaikan. Tahap Pembuatan Model Eksisting Pada tahapan ini terdiri dari beberapa langkah yang perlu dilakukan sebagai berikut: 1. Melakukan fitting distribusi terhadap data-data yang akan digunakan sebagai input paramater dalam simulasi. 2. Membuat model simulasi kondisi eksisting dengan menggunkan software ARENA. 3. Melakukan verifikasi terhadap model simulasi. Verifikasi dilakukan dalam dua tahap. Tahap pertama dilakukan pengecekan error terhadap model simulasi dan verifikasi tahap kedua dilakukan dengan menggunakan rancangan logika dan perhitungan matematis jumlah komponen yang diproduksi. 4. Melakukan uji validasi terhadap model simulasi dengan menggunakan uji signifikansi T guna mengetahui apakah ada perbedaan yang signifikansi antara hasil model simulasi dan real system. 5. Menghitung jumlah replikasi running simulasi dengan dimana n= jumlah replikasi, hw = α x rata-rata ,

(1) = nilai t tabel, dan s= standar

deviasi. 6. Melakukan analisa output hasil simulasi model eksisting, diantaranya order fulfillment time, waktu antrian, dan jumlah antrian. Tahap Pembuatan dan Perbandingan Alternatif Perbaikan Pada tahap membuat alternatif perbaikan pada rantai pasok serta membandingkan semua alternatif memiliki langkah-langkah sebagai berikut: 1. Membuat beberapa alternatif perbaikan pada elemen proses di Model SCOR. 2. Mensimulasikan alternatif perbaikan yang telah dirancang. 3. Menghitung jumlah replikasi running simulasi pada setiap alternatif dengan menggunakan persamaan (1). 4. Melakukan perbandingan rata-rata order fulfillment time model eksisiting dengan alternatif perbandingan menggunakan pendekatan uji berpasangan paired-t test dengan (2) dimana t= nilai t tabel dengan df= n-1, = rata-rata selisih model eksistung dan alternatif, = 0,

= standar deviasi selisih model eksisting dan alternatif, dan n= banyaknya data.

HASIL DAN PEMBAHASAN

ISBN: 978-602-70604-2-5 A-68-3


Berdasarkan hasil diskusi dengan pihak PT. X yang menyatakan ada perbedaan rantai pasok elemen proses pada level 3 model SCOR untuk setiap proses inti Source, Make, dan Delivery yang dibuat oleh SCC dapat dilihat pada Gambar 1.

(a) SCC

(b) PT. X Gambar 1. Rantai Pasok Model SCOR Level 3

Berdasarkan Gambar 1 diketahui bahwa pada proses Source ada penambahan dua elemen proses pada level 3 Model SCOR di PT. X yaitu receive purchase request (PR) dan release purchase order (PO) sedangkan untuk pada proses Make ada perbedan pada urutan elemen proses pertama dan kedua. Elemen proses schedule production activities dilakukan terlebih dulu daripada finalize production engineering. Perbedaan elemen proses pada model SCOR juga terjadi pada proses Delivery yang dapat dapat diketahui bahwa terdapat beberapa proses elemen proses pada model SCOR versi SCC yang tidak dilakukan di PT. X. Tabel 1. Fitting Distribusi Elemen Proses Proses

Elemen Proses Receive Purchase Requisition (PR) Identify Source of Supply Select Final Supplier(s) and Negoatiate Schedule Product Deliveries Release PO a. Fin dan Tube

Source

b. Pipe dan Plate untuk TS Header c. Pipe dan Plate untuk Manifold Assy Verify and Quality Check of Product Receive Product

Transfer Product Make

Schedule Production Activities

Jenis Distribusi Triangular (0.3, 0.5, 1) Triangular (0.3, 0.5, 1) Normal (13.3, 6.52) Triangular (0.1, 0.3, 0.5) Triangular (0.1, 0.3, 0.5) Eksponensial (18.3) + 115

Proses

Elemen Proses a. Finned Tube b. TS Header Produce and Test

c. Manifold Assy d. Harp Assy

Make

e. Module Assy Package

Jenis Distribusi Normal (24,69, 3,7) Normal (6.1, 0,98) Normal (39,21, 6,27) Normal (50,4, 8,06) Normal (434,4, 69,5) Triangular (0.5, 0.7, 1)

Eksponensial (33.7) + 115

Release Product to Deliver

Triangular (0.5, 1, 2)

Eksponensial (26.2) + 136

Schedule Installation

Triangular (0.3, 0.5, 1)

Select Carriers and Rate Shipments

Triangular (0,5, 0.7, 1)

Receive from Source or Make


Load Product & Generate Shipping Docs


Triangular (1, 2, 3) Triangular (0.05, 0.1, 0.15) Triangular (0.5, 1, 2)

Deliver

ISBN: 978-602-70604-2-5 A-68-4


Finalize Production Engineering Issue Sourced/In-Process Product/Service

Triangular (3, 4, 5) Triangular (0.1, 0.2, 0.3)

Ship Product Receive and Verify Product by Customer

Triangular (0.1, 0.2, 0.3) Triangular (1, 2, 3)

Rantai pasok PT. X berdasarkan model SCOR selanjutnya dilakukan simulasi model kondisi eksisting namun dilakukan terlebih dahulu dilakukan fitting distribusi terhadap data yang digunakan seperti pada Tabel 1 yang menyajikan hasil fitting distribusi untuk elemen proses rantai pasok, khusus untuk elemen proses receive product dan produce and test memiliki subproses didalamnya. Pada elemen proses select final supplier and negotiate memiliki data yang berdistribusi normal dengan rata-rata 13,3 hari dan standar deviasi 6,25 hari. Subproses pada elemen proses receive product terdiri dari 3 bagian, yaitu a, b, dan c. Pembagian ini disesuaikan dengan kedatangan jenis bahan baku yang berbeda-beda namun tetap memiliki pola distribusi data yang sama dengan nilai mean yang beragam, misalnya untuk bagian a merupakan kedatangan material berdistribusi eksponensial (18,3) + 115. Hasil fitting distribusi dimasukkan kedalam model simulasi kondisi eksisting pada software ARENA yang disajikan pada Gambar 2.

Gambar 2.Model Simulasi

Hasil verifikasi dan validasi model simulasi dengan jumlah replikasi 10 kali di atas disajikan pada Gambar 3 yang menunjukkan bahwa tidak ada error dalam model sehingga simulasi bisa dijalankan sedangkan hasil validasi dengan uji T diperoleh nilai p-value sebesar 0,206 (> α= 0,05) artinya tidak ada perbedaan mean yang signifikan antara model simulasi dengan kondisi real system sehingga model dikatakan valid.

(a) Verifikasi

(b) Validasi

Gambar 3. Validasi dan Verifikasi Model Simulasi

Dengan menggunakan persamaan (1) dan hasil pada Gambar 3(b) didapatkan jumlah replikasi yang nilainya lebih kecil dari replikasi awal, sehingga tidak perlu dilakukan running ISBN: 978-602-70604-2-5 A-68-5


simulasi tambahan. Hasil simulasi model eksisting menunjukkan bahwa rata-rata order fulfillment time 427,95 atau 428 hari, selain itu terjadi waktu antrian yang sangat lama pada proses Make seperti pada Gambar 4. Diagram Pareto Waktu Antrian 6000 100

5000

Waktu Antrian

60

3000 2000

40

1000

20

0

Proses Waktu Antrian Percent Cum %

Finned Tube Manifold Assy 1869 1583 35,4 30,0 35,4 65,4

TS Header 1276 24,2 89,5

Harp Assy 514 9,7 99,3

Other 39 0,7 100,0

Percent

80

4000

0

Gambar 4. Analisa Waktu Antrian pada Proses Make

Berdasarkan hasil analisa waktu antrian pada Gambar 4, diketahui bahwa sebanyak 80% antrian terjadi pada proses Finned Tube, Manifold Assy, dan TS Header sehingga perlu dilakukan perbaikan pada proses-proses tersebut. Alternatif perbaikan yang dapat dilakukan adalah perbaikan pada proses Source dan Make. Perbaikan pada proses Source dilakukan dengan mengurangi waktu pada proses receive PR yang semula 45 hari menjadi 23 hari sedangkan perbaikan pada proses Make dilakukan dengan menambahkan jumlah resource yang dalam hal ini menambahkan mesin dan line produksi pada beberapa subproses produce and test sebagai berikut. Tabel 2. Jumlah Resource Elemen Proses Produce and Test Sub Proses

Eksiting

Finned Tube TS Header Manifold Assy Harp Assy Module Assy

2 2 2 5 3

Alternatif 1 3 2 2 5 3

2 2 2 3 5 3

3 3 2 3 5 3

4 3 3 3 5 3

Seperti simulasi pada model eksisting, pada simulasi alternatif perbaikan juga dilakukan perhitungan jumlah replikasi dengan menggunakan α=5% yang hasilnya disajikan pada Tabel 3 yang menunjukkan bahwa jumlah replikasi pada setiap alternatif berbeda-beda dan jumlahya lebih kecil daripada replikasi awal sebanyak 10 kali. Tabel 3. Replikasi Simulasi Alternatif Perbaikan Alternatif Perbaikan Proses Make_1 Make_2 Make_3 Make_4

Hw 20,31 21,32 20,85 20,9 21,02

T tabel 2,262 2,262 2,262 2,262 2,262

Jumlah Replikasi (n) 0,77 ≈ 1 0,78 ≈ 1 1,26 ≈ 2 0,97 ≈ 1 1,07 ≈ 2

Hasil dari simulasi alternatif perbaikan dengan menggunakan jumlah replikasi 10 kali selanjutnya dilakukan perbandingan rata-rata order fulfillment time dengan model eksisting menggunakan pendekatan uji berpasangan yang hasilnya disajikan pada Gambar 5 yang dapat diketahui bahwa semua alternatif mempunyai rata-rata order fulfillment time lebih pendek ISBN: 978-602-70604-2-5 A-68-6


daripada kondisi eksisting. Perbaikan pada Source memiliki waktu yang paling optimal dengan nilai rata-rata order fulfillment time 407 hari sedangkan perbaikan pada poses Make, alternatif 2 memiliki waktu yang lebih pendek diantara alternatif lainnya yaitu 417 hari. Berdasarkan uji berpasangan diperoleh hasil bahwa hanya alternatif 1 yang mempunyai perbedaan yang tidak signifikan dengan kondisi eksisting. Penambahan resource pada perbaikan proses Make juga berpengaruh pada biaya operasional yang semakin meningkat.

Gambar 5. Perbandingan Order Fulfillment Time Kondisi Eksisting dan Alternatif Perbaikan

KESIMPULAN DAN SARAN Kesimpulan dari hasil penelitian ini adalah sebagai berikut: 1. Hampir sebagian besar elemen proses pada Model SCOR level 3 untuk perusahaan Engineer-to-Order (ETO) yang dibuat oleh SCC diterapkan di PT. X namun masih ada beberapa perbedaan pada elemen proses pada proses Source, Make, dan Deliver. 2. Dalam upaya menganalisa ranati pasok, maka pendekatan simulasi cukup baik untuk memodelkan aliran rantai pasok PT. X. Hasil simulasi kondisi eksisting menunjukkan rata-rata order fulfillment time pada proyek A di PT. X memiliki waktu selama 428 hari dan memiliki waktu antrian yang cukup lama khususnya pada proses Make. 3. Perbaikan pada Source memiliki waktu yang paling optimal dengan nilai rata-rata order fulfillment time 407 hari sedangkan perbaikan pada poses Make, alternatif 2 memiliki waktu yang lebih pendek diantara alternatif lainnya yaitu 417 hari. Saran untuk penelitian selanjutnya adalah perlu ditambahkan indikator-indikator perbaikan lain selain order fulfillment time misalnya biaya dan reject rate selain itu perlu juga menggunakan studi kasus selain perusahaan boiler. DAFTAR PUSTAKA Ariyanti, V. (2012). Supply Chain Redesign dengan Metode ARIS-SCOR dan Simulasi pada Industri Pengolahan Makanan (Studi Kasus: PT. Kelola Mina Laut). Tugas Akhir, Institut Teknologi Sepuluh Nopember, Surabaya. Bing, X., Ruwaard, J.B., Chaabane, A., & van der Vorst, D. (2015). Global Reverse Supply Chain Redesign for Household Plastic Waste under The Emission Traading Scheme. Journal of Cleaner Production, pp.1-12. Carvalho, H., Barroso, A.P., Machado, V.H., Azevedo, S., & Machado, V.C. (2012). Supply Chain Redesign for Resilience Using Simulation. Computers & Industrial Engineering, Vol.62, pp.329-341. ISBN: 978-602-70604-2-5 A-68-7


Dong, J., Ding, H., Ren, C., & Wang,W. (2006). IBM SmartSCOR-A SCOR Based Supply Chain Transformation Platform Through Simulation and Optimization Techniques. Proceedings of the 2006 Winter Simulation Conference, pp.650–659. Gosling, J., & Naim, M.M. (2009). Engineer-to-Order Supply Chain Management: A Literature Review and Research Agenda. International Journal of Production Economics, Vol.122, pp.741-754. Hammami, R., & Frein, Y. (2014). Redesign of Global Supply Chain with Integration of Transfer Pricing: Mathematical Modeling and Managerial Insights. International Journal Production Economics, Vol.158, pp.267-277. Herrmann, J.W., & Pundoor,G. (2004). A Hierarchical Approach Supply Chain Simulation Modeling Using the Supply Chain Operations Reference Model. Inderscience Enterprises Ltd. Krajewski, L.J., Malhotra, M.K., & Ritzman, L.P. (2007). Operations management: processes and supply chains. Prentice Hall. McGovern, T., Hicks, C., & Earl, C.F. (1999). Modelling Supply Chain Management Processes in Engineer-to-Order Companies. International Journal of Logistics Research and Application: A Leading Journal of Supply Chain Mangement, Vol.2, No.2, pp.147-159. Nagurney, A. (2010). Optimal Supply Chain Network Design and Redesign at Minimal Cost and with Demand Satisfaction. International Journal Production Economics, Vol.128, pp.200-208. Naraharisetti, P.K., Karimi, I.A., & Srinivasan, R. (2008). Supply Chain Redesign Through Optimal Asset Management and Capital Budgeting. Computers and Chemical Engineering, Vol. 32, pp. 3153-3169. Naraharisetti, P.K., & Karimi, I.A. (2010). Supply Chain Redesign and New Process Introduction in Multipurpose Plants. Chemical Engineering Science, Vol.65, pp.25962607. Persson, F. (2011). SCOR Template-A Simulation Based Dynamic Supply Chain Analysis Tool. International Journal of Production Economics, Vol.131, pp.288-294. Persson, F., & Araldi, M. (2009). The Development of A Dynamic Supply Chain Analysis Tool-Integration of SCOR and Discrete Event Simulation. International Journal of Production Economics, Vol.121, pp.574-583. Supply Chain Council. (2010). Supply Chain Operations Reference Model Overview of SCOR version 10.0. http://www.supply-chain.org. Tako, A.A., & Robinson, S. (2012). The Aplication of Discrete Event Simulation and System Dynamic in The Logistics and Supply Chain Context. International Journal of Decision Support System, Vol.52, pp.802-815. Van der Vorst, J.G.A.J., & Beulens, A.J.M. (2002). Identifying Sources of Uncertainty to Generate Supply Chain Redesign Srategies. International Journal of Physical Distribution & Logistic Management, Vol.32, No.6, pp.409-430. Vanany, I. (2009). Performance measurement: model & aplikasi. ITS Press, Surabaya.

ISBN: 978-602-70604-2-5 A-68-8


Vanany, I., Suwignjo, P., & Yulianto, D. (2005). Design of Supply Chain Performance Measurement System for Lamp Industry. 1st International Conference on Operations and Supply Chain Management, pp.78-86.

ISBN: 978-602-70604-2-5 A-68-9

SUPPLY CHAIN ANALYSIS DENGAN MODEL SCOR DAN SIMULASI PADA ENGINEER-TO-ORDER (ETO) (STUDI KASUS: PT. X)

Recommend Documents