Dashboard Prediksi Harga Benang DTY

CV Kurnia Textile — Dashboard Harga Benang DTY 150/48

Prediksi harga Lusi & Pakan berbasis Brent, PTA, MEG, dan kurs USD/IDR | Data aktual Nov 2024 – Feb 2026

Brent Crude

$100.46

▲ +37.8% vs Feb avg

Prediksi Lusi

Rp30.0rb

▲ +32% vs Feb 2026

Prediksi Pakan

Rp27.0rb

▲ +35% vs Feb 2026

Forecast 3 Bulan

Lusi M+1

—

Lusi M+2

—

Pakan M+1

—

Pakan M+2

—

Harga Aktual Terakhir

23.400

Lusi Feb 2026

→ Pakan: Rp20.700

Akurasi Model R²

84.6%

OLS multi-factor · lag-1

RMSE: Rp628/kg

Risiko Harga

TINGGI

Brent > $90 → zona merah

▲ Eskalasi Iran berlanjut

⚡ Rekomendasi Aksi

Berdasarkan kondisi pasar saat ini

Harga Brent vs Benang DTY (Histori + Prediksi)

Data aktual Nov 2024 – Feb 2026 + proyeksi Apr 2026

Brent (skala kanan, USD/bbl)

Lusi aktual (Rp/kg)

Pakan aktual (Rp/kg)

Prediksi

Indeks Harga Relatif (Nov 2024 = 100)

Perbandingan kecepatan pergerakan harga

Riwayat Aktual vs Prediksi Model

Bulan	Brent(t-1)	Lusi Aktual	Lusi Model	Deviasi	Pakan Aktual	Pakan Model

Meter Risiko Harga

AMANWASPADABAHAYA

$55$70$85$100+

⚠️ BAHAYA — Brent $100.46

Brent melewati threshold $90 → ekspektasi kenaikan harga benang 20–30% dalam 1–2 bulan. Segera evaluasi kontrak dengan SBGA.

Rekomendasi Aksi

🔴 Beli & timbun 2–3 bulan stok sekarang jika supplier masih di harga lama

🟡 Negosiasi harga maks mengacu model: Lusi ≤ Rp30.980, Pakan ≤ Rp28.042

🟡 Pantau Brent setiap hari — jika turun ke $80-85 tunda pembelian besar

🟢 Manfaatkan demand Lebaran — naikkan harga jual seiring HPP

Data Histori Pembelian Benang

Data real pembelian CV Kurnia Textile dari SBGA, Nov 2024 – Feb 2026

Total Transaksi

16 PO

Periode

16 Bln

Lusi: Min–Max

23.400–28.500

Pakan: Min–Max

20.700–25.100

Harga Lusi (IM) DTY 150/48 — Histori

Harga Pakan (NIM) DTY 150/48 — Histori

Korelasi Brent vs Benang (Scatter Plot)

r = 0.79 (Lusi) | r = 0.76 (Pakan)

Tabel Lengkap Data Histori

Bulan	Brent avg (t)	Brent (t-1)	PTA (USD/t)	MEG (USD/t)	USD/IDR	Lusi (Rp/kg)	Pakan (Rp/kg)	Lusi Model	% Dev

🌡 Heatmap Harga Bulanan

Pola harga Lusi & Pakan per bulan — hijau = murah, merah = mahal vs rata-rata historis

Murah

Mahal ※ vs rata-rata historis

Memuat heatmap...

Analisis Korelasi & Lag Analysis

Seberapa kuat dan seberapa cepat faktor global mempengaruhi harga benang di Bandung

Korelasi Brent (lag-0)

r = 0.63

Pengaruh langsung (bulan sama)

Korelasi Brent (lag-1) ⭐

r = 0.79

Pengaruh terkuat — delay 1 bulan

Korelasi Brent (lag-2)

r = 0.71

Pengaruh masih signifikan (2 bulan)

Korelasi Matriks — Semua Variabel

Semua korelasi terhadap Harga Lusi (lag-1). PTA memiliki korelasi lebih tinggi dari Brent murni karena lebih langsung ke biaya polyester.

Lag Analysis — Cross-Correlation

Grafik korelasi Brent vs Lusi pada berbagai lag (0–4 bulan). Peak di lag-1 mengkonfirmasi delay 1 bulan.

Rantai Transmisi Harga

Brent

Crude Oil

→

~1 minggu

PX / Paraxylene

→

~1-2 minggu

PTA / MEG

→

~2-3 minggu

PET Chip

→

~1-2 minggu

DTY Yarn

→

Total: ~1 bulan

Harga ke Anda

Total rantai transmisi: Crude → DTY ke pengguna akhir ≈ 4–6 minggu, dikonfirmasi oleh data pembelian aktual Anda (lag-1 terkuat).

Kalkulator Prediksi Harga Benang

Masukkan data harga komoditas bulan ini → sistem akan memprediksi harga benang bulan depan

Input Data Komoditas (Bulan Ini / Bulan Berjalan)

Lusi(t+1) = 9.938 + 209.7 × Brent(t) + 8.2 × PTA_factor + 6.5 × MEG_factor + 0.0004 × USDIDR(t)
Pakan(t+1) = 8.880 + 191.0 × Brent(t) + 7.1 × PTA_factor + 5.8 × MEG_factor + 0.0003 × USDIDR(t)

Harga Brent Crude (USD/bbl) — Bulan Ini

$40$80$120$180

Harga PTA (USD/ton) — Patokan China CFR

Harga MEG (USD/ton) — Patokan China Spot

Kurs USD/IDR

Volume Kebutuhan Benang / Bulan (kg)

Hasil Prediksi Harga Benang Bulan Depan

Harga Lusi DTY (IM) Prediksi

Rp 30.980/kg

CI 95% Lusi (batas bawah – atas)

Rp28.500 – Rp33.460

Harga Pakan DTY (NIM) Prediksi

Rp 28.042/kg

CI 95% Pakan (batas bawah – atas)

Rp25.800 – Rp30.280

Kenaikan vs Harga Feb 2026 (Lusi)

+32.4%

Kenaikan vs Harga Feb 2026 (Pakan)

+35.5%

Total Biaya Benang / Bulan (est.)

Rp 147.550.000

Kenaikan biaya vs harga Feb 2026

+Rp 36.100.000

Status Penawaran Supplier

Harga Penawaran Supplier Lusi (Rp/kg)

Harga Penawaran Supplier Pakan (Rp/kg)

Alat Negosiasi Harga Benang

Referensi harga "wajar" menurut model vs penawaran supplier — untuk sesi negosiasi dengan SBGA

Input Negosiasi

Brent Crude Sekarang (USD/bbl)

Harga Penawaran Lusi (Rp/kg)

Harga Penawaran Pakan (Rp/kg)

Tabel Harga Wajar vs Brent

Brent	Lusi Wajar	Pakan Wajar
$55	Rp 21.472	Rp 19.393
$65	Rp 23.569	Rp 21.303
$75	Rp 25.666	Rp 23.213
$85	Rp 27.763	Rp 25.123
$100 (saat ini)	Rp 30.908	Rp 27.980
$110	Rp 33.005	Rp 29.890
$120	Rp 35.102	Rp 31.800
$130	Rp 37.199	Rp 33.710
$150	Rp 41.393	Rp 37.530

Evaluasi Penawaran Supplier

Argumen Negosiasi Siap Pakai

Masukkan data di atas untuk mendapatkan script negosiasi otomatis...

📈 Statistik & Model

Regresi OLS multivariat — diperbarui otomatis dari data pembelian aktual Kledo

Regresi Multivariat

ARIMA

SEM-PLS

Diagnostik

Model Lusi (IM) — Koefisien

Variabel	Koefisien (β)	t-stat ?	p-value ?	Interpretasi ?
Intercept	9.938	3.21	0.008	Base harga (Rp ribu/kg) ℹ
Brent(t-1)	209.7	5.84	0.0001	+Rp 210/kg per $1 Brent ℹ
PTA_norm(t-1)	8.2	2.14	0.053	Pengaruh PTA normalized ℹ
MEG_norm(t-1)	6.5	1.87	0.088	Pengaruh MEG normalized ℹ
USDIDR(t-1)	0.0004	1.23	0.241	Penguatan USD/IDR ℹ

R² ?

0.846

Adj. R² ?

0.793

RMSE ?

628

MAE ?

512

Model Pakan (NIM) — Koefisien

Variabel	Koefisien (β)	t-stat ?	p-value ?	Interpretasi ?
Intercept	8.880	2.94	0.012	Base harga (Rp ribu/kg) ℹ
Brent(t-1)	191.0	5.47	0.0002	+Rp 191/kg per $1 Brent ℹ
PTA_norm(t-1)	7.1	1.92	0.079	Pengaruh PTA normalized ℹ
MEG_norm(t-1)	5.8	1.71	0.115	Pengaruh MEG normalized ℹ
USDIDR(t-1)	0.0003	1.08	0.301	Penguatan USD/IDR ℹ

R² ?

0.811

Adj. R² ?

0.748

RMSE ?

711

MAE ?

598

📊 Backtest — Lusi IM

Aktual (Kledo) vs Prediksi Model

📊 Backtest — Pakan NIM

Aktual (Kledo) vs Prediksi Model

Parameter ARIMA(1,1,1) — Lusi IM

Parameter	Nilai	Std. Error
AR(1) — φ	0.42	0.18
MA(1) — θ	-0.31	0.22
Differencing (d)	1	—
AIC	212.4	—
BIC	215.1	—
RMSE (backtest)	841	—
MAPE	3.2%	—

RMSE ARIMA (841) > regresi (628) → regresi multivariat lebih akurat. ARIMA berguna sebagai batas bawah perkiraan.

Proyeksi ARIMA vs Regresi — Lusi IM (3 Bulan)

Bulan	ARIMA	Regresi	Selisih
Apr 2026	28.100	30.908	-2.808
Mei 2026	29.400	~32.500*	-3.100
Jun 2026	30.100	~33.800*	-3.700

*Asumsi Brent ~$100. ARIMA tidak mempertimbangkan faktor eksternal seperti Brent atau kurs.

Chart ARIMA — Lusi IM Aktual vs Forecast

Parameter ARIMA(1,1,1) — Pakan NIM

Parameter	Nilai	Std. Error
AR(1) — φ	0.38	0.19
MA(1) — θ	-0.27	0.24
Differencing (d)	1	—
AIC	219.7	—
BIC	222.5	—
RMSE (backtest)	916	—
MAPE	3.6%	—

RMSE ARIMA (916) > regresi (711) → regresi tetap lebih akurat. Pakan NIM memiliki variabilitas lebih tinggi dibanding Lusi IM.

Proyeksi ARIMA vs Regresi — Pakan NIM (3 Bulan)

Bulan	ARIMA	Regresi	Selisih
Apr 2026	25.300	28.042	-2.742
Mei 2026	26.500	~29.400*	-2.900
Jun 2026	27.200	~30.600*	-3.400

*Asumsi Brent ~$100. Pakan NIM historis ~7–10% lebih murah dari Lusi IM pada kondisi normal.

Chart ARIMA — Pakan NIM Aktual vs Forecast

Outer Loadings (Measurement Model)

Latent	Indikator	Loading	Kuat?
CDG	Brent(t-1)	0.847	Kuat
	PTA_IDR(t-1)	0.891	Kuat
	MEG_IDR(t-1)	0.823	Kuat
	USDIDR(t-1)	0.614	Sedang
YARN	Harga Lusi	0.962	Sangat Kuat
YARN	Harga Pakan	0.948	Sangat Kuat
HPP	HPP avg/lembar	0.911	Kuat

Path Coefficients & R²

Path	Koefisien	t-stat (bootstrap)	R²
CDG → YARN	0.763	4.82	0.582
YARN → HPP	0.891	7.14	0.793
CDG → HPP (indirect)	0.680	3.91	—

Interpretasi: CDG menjelaskan 58.2% variasi harga benang. Setiap kenaikan 1 unit CDG → kenaikan 0.763 unit YARN. Harga benang sendiri menjelaskan 79.3% variasi HPP — mengkonfirmasi benang adalah komponen dominan biaya produksi.

Diagram Structural Model (SEM-PLS)

🎯 Accuracy Report — Prediksi vs Realisasi

Seberapa akurat model memprediksi harga bulan lalu vs harga aktual dari Kledo

Avg Error Lusi

—

Mean Abs Error

Avg Error Pakan

—

Mean Abs Error

Akurasi Arah

—

Prediksi naik/turun benar

Data Poin

—

Bulan terbandingkan

Nilai Model

—

Berdasarkan MAPE

Sync data Kledo terlebih dahulu untuk melihat accuracy report

Residual Analysis — Lusi Model

Residual terdistribusi sekitar 0 — model tidak memiliki systematic bias yang signifikan.

Variance Inflation Factor (VIF)

Variabel	VIF	Status
Brent(t-1)	3.21	Sedang
PTA_norm(t-1)	4.18	Sedang
MEG_norm(t-1)	3.84	Sedang
USDIDR(t-1)	1.92	OK

VIF < 5 = multikolinearitas tidak kritis. Brent-PTA-MEG berkorelasi karena sama-sama turunan minyak, VIF 3-4 masih dapat diterima.

Uji Heteroskedastisitas (Breusch-Pagan)

Test	Statistik	p-value	Kesimpulan
Breusch-Pagan	3.84	0.428	Homoskedastik
Durbin-Watson	1.73	—	Tidak Ada Autokorelasi
Shapiro-Wilk (residual)	0.947	0.312	Normal

Simulasi Dampak ke HPP Produksi

Kalkulasi HPP per meter kain berdasarkan struktur biaya aktual — pilih produk (PP1–PP10)

⚙️ Parameter Produk

Pilih Produk

Produk Aktif

PP3

HPP ref: Rp1.499/m

Konstruksi Kain

Meter / kg benang Produktivitas PP3 aktual

Konsumsi benang/meter

≈ 0.04587 kg/m

Komposisi Benang

Lusi IM (%)

Pakan NIM (%)

Harga Benang (Rp/kg)

Harga Lusi

Harga Pakan

Harga Jual & Volume

Harga Jual Min (Rp/m)

Harga Jual Maks (Rp/m)

Volume Produksi / bulan (meter)

🧾 Rincian Biaya Overhead (per meter kain)

Total Overhead

Rp423

Tambah/edit item overhead:

📊 Hasil Kalkulasi HPP — PP3

📈 HPP & Margin vs Skenario Harga Brent

Dengan komposisi & overhead aktual produk yang dipilih

Input Pembelian & Histori Benang DTY 150/48

Catat pembelian aktual Lusi IM & Pakan NIM — model regresi & ARIMA diperbarui otomatis. Lihat histori lengkap 99 data + input Anda di tab Histori vs Aktual.

Informasi Pembelian

Tanggal Pembelian Tanggal faktur / DO benang

Jenis Benang Tipe benang dari SBGA

Jumlah (kg) Total kg yang dibeli

Harga Aktual (Rp/kg) Harga beli dari SBGA

Kondisi Pasar Saat Pembelian

⚠️ Brent Lag-1: Isi dengan harga Brent bulan sebelum Anda membeli (bukan hari ini). Model regresi menggunakan Brent bulan lalu sebagai prediktor harga benang bulan ini.

Brent Bulan Lalu (lag-1) Brent bulan sebelum beli — dipakai model prediksi

Kurs USD/IDR Kurs BI/pasar saat beli

PTA (USD/ton) Harga PTA (SunSirs ÷ 7.25)

MEG (USD/ton) Harga MEG (SunSirs ÷ 7.25)

Catatan (opsional)

#	Bulan/Tgl	Sumber	Jenis	Qty (kg)	Harga Aktual	Harga Model ⓘ	Deviasi	Brent(t-1)	USD/IDR	PTA	MEG	Catatan
Memuat data...

📋 Transaksi Anda

#	Tanggal	Jenis	Qty (kg)	Harga Aktual	Harga Model	Deviasi	Brent(t-1)	USD/IDR	PTA	MEG	Catatan
Belum ada transaksi Isi form di tab Input untuk mencatat pembelian pertama Anda.

📐 Model Regresi — Diperbarui Otomatis

Model regresi multivariat OLS dihitung ulang setiap kali ada data pembelian baru. Koefisien, R², dan RMSE di bawah mencerminkan data aktual yang telah Anda input + 16 data historis bulanan.

R² Model Lusi IM ?

0.846

Goodness of fit (max = 1.0)

RMSE Lusi IM ?

628 Rp/kg

Error rata-rata prediksi

R² Model Pakan NIM ?

0.811

Goodness of fit (max = 1.0)

RMSE Pakan NIM ?

711 Rp/kg

Error rata-rata prediksi

Total Data (Hist + Aktual)

99

Gabungan hist. + input baru

Rata-rata Deviasi

—

Harga aktual vs prediksi

Koefisien Lusi IM

Variabel	Koefisien	Kontribusi

Koefisien Pakan NIM

Variabel	Koefisien	Kontribusi

📊 Lusi IM — Aktual vs Prediksi

📊 Pakan NIM — Aktual vs Prediksi

🔑 Konfigurasi API Kledo

Personal Access Token (PAT)

Token disimpan di browser Anda (localStorage). Buat token di: app.kledo.com → Pengaturan → Integrasi → API Key

🔄 Sinkronisasi Data Pembelian Benang

-

Tagihan Beli Benang

-

Total Kg Disync

-

Tagihan Jual Kain

-

Terakhir Disync

Data Pembelian Benang dari Kledo

Tanggal	No. Faktur	Produk	Supplier	Qty (kg)	Harga/kg (Rp)	Total (Rp)	Status	Aksi
Klik “Sync Sekarang” untuk memuat data dari Kledo

Analitik Data Kledo

Visualisasi dan analisis statistik dari data transaksi live Kledo

Siap — koneksi Kledo via server (bisa sync dari device manapun)

📅 Pembelian terakhir: — 📦 Rata-rata belanja/bln: — ⚡ Estimasi stok habis: — 🔄 Total volume ytd: —

Filter:

Produk

Supplier

Status

Tahun

Total Pembelian Benang

—

— transaksi

Total Penjualan Kain

—

— invoice

Rata-rata Harga Lusi

—

Rp/kg dari data Kledo

Rata-rata Harga Pakan

—

Rp/kg dari data Kledo

Vendor Aktif

—

supplier unik

Gross Margin Est.

—

penjualan - pembelian

📦 Pembelian Benang

💰 Penjualan Kain

📊 Analisis

🔢 Statistik

Tren Pembelian Benang per Bulan

Total nilai (Rp) + volume (kg)

Harga per Kg per Transaksi

Lusi vs Pakan — scatter dari data aktual

Distribusi Pembelian per Vendor

Proporsi total belanja per supplier

s/d

Vendor	Total	Qty (kg)	Rp/kg
Sync data Kledo dulu

#	Tanggal	No. Faktur	Produk	Vendor	Qty (kg)	Rp/kg	Total	Status
Sync data Kledo untuk melihat transaksi

Tren Penjualan per Bulan

Revenue Rp vs jumlah invoice

Top Pembeli

Revenue per pelanggan

#	Tanggal	No. Faktur	Pembeli	Total	Status
Sync data Kledo untuk melihat penjualan

Arus Kas Bulanan

Masuk (penjualan) vs Keluar (pembelian)

Margin Kotor Estimasi

Selisih penjualan vs pembelian benang per bulan

Tren Harga Benang Aktual vs Model Prediksi

Validasi model: harga aktual dari Kledo vs prediksi model OLS

Transaksi

—

Rata-rata Lusi (Rp/kg)

—

Rata-rata Pakan (Rp/kg)

—

Std Dev Lusi

—

Std Dev Pakan

—

Korelasi Lusi–Pakan

—

Min Harga Lusi

—

Max Harga Lusi

—

Trend (MoM %)

—

Distribusi Harga Lusi (Histogram)

Distribusi Harga Pakan (Histogram)

Update Model dari Data Kledo

Gunakan data aktual Kledo untuk menyesuaikan parameter model prediksi

Belum ada data Kledo. Sync terlebih dahulu.

🏭

Analisis Produksi & Konsumsi Benang

Data produksi dari Kledo → konsumsi benang aktual per bulan → rencana pembelian

HPP Mapping: PP3 21.8m/kg PP4 18.0m/kg PP6 16.7m/kg PP1 20.0m/kg PP7 16.4m/kg PP5 17.1m/kg PP8 14.8m/kg PP10 12.8m/kg PP9 23.2m/kg

📊

Belum ada data produksi

Klik Sync Data Produksi di atas untuk mengambil data dari Kledo

Tren Konsumsi Benang per Bulan

Lusi + Pakan — dihitung dari data produksi aktual Kledo

Lusi Pakan

Detail Transaksi Produksi

Tanggal	No. Invoice	Produk	Customer	Qty (m)	Lusi (kg)	Pakan (kg)
Sync data produksi untuk melihat detail transaksi

📋 Rencana Pembelian Bulanan

Rekomendasi berapa kg benang yang perlu dibeli berdasarkan prediksi harga, kapasitas produksi, dan stok saat ini

⚙️ Parameter Produksi

Stok Benang Lusi Saat Ini (kg)

Stok Benang Pakan Saat Ini (kg)

Kebutuhan Produksi / Bulan (meter kain) ↗ Dari Kledo

Meter / kg benang (produktivitas PP3)

Komposisi Lusi (%)

Komposisi Pakan (%)

Buffer Safety Stok (bulan)

💰 Harga & Budget

Harga Lusi Saat Ini (Rp/kg)

Harga Pakan Saat Ini (Rp/kg)

Budget Benang / Bulan (Rp)

📡 Prediksi Harga Bulan Depan

Lusi
—

Pakan
—

Trend
—

📅 Rencana Pembelian 3 Bulan ke Depan

Bulan	Lusi Dibutuhkan (kg)	Pakan Dibutuhkan (kg)	Harga Lusi Pred.	Harga Pakan Pred.	Est. Biaya	Status
Isi parameter di atas untuk melihat rencana pembelian

🏪 Histori Harga Supplier

Perbandingan harga aktual per supplier dari data Kledo — siapa yang paling konsisten dan kompetitif?

Produk:

Periode:

📈 Tren Harga per Supplier

Garis putus = harga model prediksi

🏆 Ranking Supplier

Berdasarkan rata-rata deviasi vs model

#	Supplier	Avg Rp/kg	vs Model	Transaksi	Terakhir
Sync data Kledo dulu

📊 Distribusi Harga per Supplier

📋 Detail Transaksi

Tanggal	Supplier	Produk	Qty (kg)	Rp/kg	Harga Model	Deviasi	Status
Sync data Kledo dulu — menu Analitik Kledo → Sync Data

Pengaturan Notifikasi

Terima alert otomatis via Email & WhatsApp saat prediksi harga benang naik >10%

🔔

Status Sistem Notifikasi

Memeriksa status...

Brent Crude

—

Prediksi Lusi

—

Prediksi Pakan

—

Threshold Alert

10%

kenaikan prediksi

🚨 Status Alert Harga Real-time

Dibandingkan dengan harga aktual Kledo 3 bulan terakhir

Memuat...

Base Harga Lusi

—

rata-rata aktual Kledo

Prediksi Lusi Bln Ini

—

Base Harga Pakan

—

rata-rata aktual Kledo

Prediksi Pakan Bln Ini

—

Threshold alert: 5%

📈 Auto-Update Model dari Kledo

Harga aktual Kledo bulan lalu otomatis masuk ke model prediksi

Mengecek data...

ℹ Klik "Update Model" setelah sync Kledo untuk memasukkan rata-rata harga aktual bulan lalu ke model OLS. Makin sering sync = model makin akurat.

💬 Notifikasi WhatsApp

Alert dikirim via WhatsApp setiap hari 08:00 & 20:00 WIB jika prediksi harga naik >threshold

Nama

Nomor WhatsApp

Format: 08xxx atau 628xxx · Via Fonnte API (gratis 500 pesan/bulan)

📋 Daftar Nomor Terdaftar

0 nomor

Belum ada nomor terdaftar

💡 Nomor tersimpan di perangkat ini. Untuk notifikasi otomatis berjalan, tambahkan ke Vercel → Environment Variables → ALERT_SUBSCRIBERS

⚙️ Setup API Keys

Tambahkan API keys di Vercel Dashboard → Project Settings → Environment Variables

💬 Fonnte WhatsApp API Memeriksa...

1. Daftar gratis di fonnte.com
2. Hubungkan nomor WhatsApp Anda di dashboard Fonnte
3. Copy token dari halaman Devices
4. Set di Vercel → Settings → Env Vars:
FONNTE_TOKEN = token_dari_fonnte

👥 Daftar Penerima

Set di Vercel → Settings → Env Vars:
ALERT_SUBSCRIBERS = [{"name":"Rizqi","phone":"628123456789"}]

Format phone: 628xxx (tanpa + atau 0 di depan)

⚡ Threshold Alert

Default: 10% kenaikan prediksi vs harga aktual terakhir.
Ubah: set env var ALERT_THRESHOLD=10

🕐 Jadwal Pengecekan Otomatis

🌅

08:00 WIB (01:00 UTC)

Setiap hari — cek harga pagi

🌆

20:00 WIB (13:00 UTC)

Setiap hari — cek harga sore

⚡

Trigger: >10% kenaikan

Notif hanya dikirim jika threshold terpenuhi

👤

Lilis Supriyanti

lilissupriyanti@mail.ugm.ac.id

owner CV Kurnia Textile · Bandung

🛢️ Data Komoditas & Kurs

Sumber data untuk prediksi harga benang

—

Brent Crude

—

Sumber: —

USD/IDR

—

Sumber: —

PTA (USD/ton)

—

Sumber: —

MEG (USD/ton)

—

Sumber: —

🔑

Alpha Vantage API

Data spot price akurat · 25 req/hari gratis

Daftar gratis →

✏️

Input Manual Override

Dari TradingEconomics / Bloomberg · berlaku 24 jam

Brent (USD/bbl)

USD/IDR

PTA (USD/ton)

MEG (USD/ton)

☁️ Sinkronisasi Antar Device

—

Simpan data Kledo ke cloud — akses dari semua device tanpa sync ulang.

Pembelian

—

Produksi

—

Status

—

💡 Simpan dari device utama dulu → Muat di device lain (iPad/HP)

👤 Informasi Akun

Nama

—

Email

—

Role

—

🔒 Ganti Password

Password Lama

Password Baru

Konfirmasi

Panel Admin

Kelola akun pengguna — daftarkan username & password baru, reset password, atau hapus akun

➕ Daftarkan Pengguna Baru

Nama Lengkap

Email

Password (min. 8 karakter)

Role

👥 Daftar Pengguna