PERENCANAAN JADWAL DAN PENENTUAN RUTE DISTRIBUSI

PRODUK OTOMOTIF DENGAN METODE SAVING MATRIKS

Sri Rahayu, Pram Eliyah Yuliana

Teknik Industri Sekolah Tinggi Teknik Surabaya
e-mail: rahayu@stts.edu, pram@stts.edu

ABSTRAK

Perencanaan jadwal dan penentuan rute distribusi dengan menggunakan metode saving
matrix dilakukan pada pendistribusian produk otomotif di gudang PT Indoprima Gemilang Pulo
Gadung. Tujuan dari penelitian ini adalah untuk membuat jadwal pengiriman produk lebih efisien dan
pengalokasian produk ke setiap armada yang tersedia secara tepat serta pemilihan rute yang memiliki
penghematan waktu terbesar.
Metode saving matrix ini memungkinkan pengoptimalan rute dengan memperhatikan
kapasitas kendaraan dan volume permintaan dari tiap customer. Data yang digunakan adalah jarak
antara gudang ke tiap customer, volume pengiriman tiap customer, dan kapasitas kendaraan.
Hasil penelitian ini adalah jika menerapkan pengalokasian pengiriman dengan
memprioritaskan truk terkecil yang diisi terlebih dahulu lebih menghemat waktu tempuh dibanding
menerapkan pengalokasian yang biasa di gunakan oleh perusahaan ini. Dengan menerapkaan pengisian
memprioritaskan ke kendaraan dengan kapasitas terbesar dahulu, menghasilkan rata-rata waktu tempuh
pada metode awal yaitu 440.77 sedangkan dengan metode usulan sebesar 369.67, dan juga dengan
metode usulan lebih meningkatkan efektifitas penggunaan armada yang tersedia dengan rata-rata
penggunaan armada sebesar 47%.

Kata kunci: Saving Matrix, Distribusi

I. PENDAHULUAN

Perencanaan jadwal dan penentuan rute distribusi pada PT Indoprima Gemilang

Surabaya menggunakan metode saving matrix untuk pendistribusian produk yang ada
pada Jakarta, tepatnya di gudang yang berada di Pulo Gadung. PT Indoprima
Gemilang (IPG) yang terletak di Jl. Gardu Induk PLN no. 5, Margomulyo, Tandes,
Surabaya merupakan sebuah perusahaan manufaktur yang bergerak di bidang
komponen otomotif. Komponen yang di produksi di PT. Indoprima Gemilang (IPG)
antara lain brake lining (kampas rem), clutch facing (kampas kopling), dan wire
harness & Battery Cable (kabel mobil), Combination & Ignition Switch, Brake Pad
& Shoe, Wire & Tube, Gasket, Fine Blanking. PT Indoprima Gemilang telah
memiliki beberapa pelanggan utama antara lain PT. Exedy Indonesia, PT. Aisin
Indonesia, dan After Market. PT Indoprima Gemilang memiliki 2 logistic di Jakarta
yaitu di Pulo Gadung dan di Cibitung guna memperkecil area jangkauan
pendistribusian barang. Pada penilitian ini gudang Pulo Gadung yang akan menjadi
objek penelitian. Dalam penyusunan tugas akhir ini terdapat beberapa tujuan yang
ingin dicapai antara lain :
1. Menentukan alokasi pengiriman produk pada armada yang tersedia.
2. Menentukan rute dan jadwal pengiriman produk yang efektif dan efisien.
Pembatasan permasalahan bertujuan untuk membatasi ruang lingkup penulisan agar
sesuai dengan tujuan yang diharapkan. Adapun batasan-batasan yang digunakan
dalam penulisan tugas akhir ini adalah sebagai berikut :
a) Penelitian hanya diterapkan untuk pendistribusian produk lewat darat.
b) Data permintaan yang digunakan adalah data permintaan selama 1
bulan
c) Jenis armada yang digunakan dalam distribusi produk IPG adalah
truk jenis Colt Diesel dimana pada gudang Pulo Gadung terdapat 3
mobil. Perhitungan hanya didasarkan pada jarak dan waktu dengan
menggunakan satuan kilometer dan menit, disesuaikan pada skala
peta pada aplikasi google maps.
d) Jarak Berangkat dan jarak kembali dianggap sama.

Sedangkan asumsi – asumsi yang digunakan pada penelitian ini antara lain:
a) Kondisi jalan selama pengiriman dianggap kemacetan normal yang biasa
terjadi di Jakarta, dan tidak terjadi kemacetan yang dikarenakan adanya
kecelakaan atau bencana alam.
b) Tidak ada penambahan armada selama pengambilan data.

II. TINJAUAN PUSTAKA

Distribusi adalah suatu kegiatan untuk memindahkan produk dari pihak supplier
kepada pihak konsumen dalam suatu supply chain. Supply chain managemen perlu
memahami kelayakan, keunggulan, dan kelemahan tiap jenis alat transportasi dalam
membuat keputusan pengiriman / distribusi produk. Pada situasi tertentu, mungkin
tidak ada pilihan terhadap mode transportasi apa yang akan digunakan, namun pada
situasi lain ada kemungkinan beberapa alternatif yang dipertimbangkan. Menurut
Pujawan (2005, p179) salah satu keputusan operasional yang sangat penting dalam
manajemen distribusi adalah penentuan jadwal serta rute pengiriman dari satu lokasi
ke beberapa lokasi tujuan. Dengan menerapkan metode Saving Matrix dapat
meminimumkan jarak atau waktu. Dimana menurut Pujawan, metode savings matrix
(Pujawan, 2005 p180) pada hakekatnya adalah metode untuk meminimumkan jarak
atau waktu atau ongkos dengan mempertimbangkan kendala-kendala yang ada.

Langkah-langkah yang harus dikerjakan adalah sebagai berikut:

1. Mengidentifikasi matrik jarak. Pada langkah ini perlu diketahui jarak
antara gudang perusahaan ke masing-masing toko dan jarak antar toko.
2. Mengidentifikasi matrik penghematan (savings matrix). Pada awal langkah ini
diasumsikan bahwa setiap toko akan dikunjungi oleh satu truk secara eksklusif.
 Gambar 1. Perubahan yang terjadi pada toko 1 dan 2 yang digabungkan

3. Mengalokasikan konsumen dalam rute perjalanan kendaraan. Pada tahapan ini,

dilakukan pembagian konsumen ke dalam suatu rute perjalanan kendaraan
dengan mempertimbangkan konsumen dan kapasitas kendaraan yang digunakan.
Sebuah rute dikatakan feasible apabila jumlah permintaan total dari semua
konsumen tidak melebihi kapasitas kendaraan dan jumlah permintaan dari satu
konsumen dapat ditampung secara keseluruhan oleh satu kendaraan.
4. Mengurutkan toko (tujuan/konsumen) dalam rute yang sudah terdefinisi. Tahap
ini merupakan tahap akhir dari metode saving matrix. Tujuan dari tahapan
ini adalah mengurutkan kunjungan dari kendaraan ke setiap konsumen
yang sudah dikelompokkan dalam suatu rute perjalanan agar dapat
diperoleh jarak yang minimal. Berikut adalah beberapa cara yang digunakan
untuk pengurutan kunjungan:
a) Farthest Insert
Prosedur ini dilakukan dengan melakukan penambahan konsumen
dalam sebuah rute perjalanan. Prosedur ini dimulai dari penentuan rute
kendaraan ke konsumen yang memiliki jarak yang paling jauh.
b) Nearest Insert
Prosedur ini merupakan kebalikan dari farthest insert dimana prosedur
ini dimulai dari penentuan rute kendaraan ke konsumen yang memiliki
jarak yang paling

III. Metode Penelitian

Tahapan-tahapan yang dilakukan dalam penelitian ini adalah sebagai berikut:

1. Penentuan Obyek Penelitian.
Objek penelitian yang digunakan adalah proses distribusi produk OEM dari
PT Indoprima Gemilang. PT Indoprima Gemilang merupakan salah satu
perusahaan pemasar produk spare parts otomotif yang memiliki beberapa
customer besar di Jakarta.
2. Identifikasi Masalah.
Setelah menemukan objek yang diteliti, langkah selanjutnya adalah
mengidentifikasi permasalahan yang hendak dianalisa yakni peningkatan
efisiensi berdasarkan metode Saving Matrix. Penelitian dilakukan dengan cara
pengambilan data secara langsung.
 3. Pencarian dan pengumpulan data.
Langkah selanjutnya setelah melakukan pengidentifikasian masalah adalah
dengan melakukan pencarian dan pengumpulan data-data yang diperlukan
untuk dianalisa. Data-data yang dibutuhkan yaitu data penjualan produk OEM
pada customer Pulogadung, data ukuran box, ukuran lot per box, ukuran
truk,lama waktu tiap-tiap customer, lokasi customer. Data-data yang diperoleh
yaitu dengan wawancara langsung dengan staf terkait serta dari file-file masa
lalu.
4. Pengolahan data dan Analisis data
Setelah mendapatkan dan mengumpulkan data-data yang diinginkan, maka
langkah selanjutnya adalah melakukan pengolahan data. Pengolahan data
merupakan pembuatan diagram saving matrix dengan kombinasi truk yang
sudah biasa di gunakan oleh gudang OEM di Pulo Gadung serta pembuatan
matrix penghematan kemudian mengurutkan dan memilih rute yang memiliki
waktu terpendek dengan metode Farthest Insert & Nearest Insert, dari hasil
yang di peroleh kemudian di bandingkan dengan kombinasi truk yang berbeda
dan di pilih kombinasi yang memiliki waktu tempuh yang lebih
pendek/singkat.

5. Penutup.
Setelah di lakukan analisa data langkah selanjtnya adalah memberikan Usulan
perbaikan dari analisa yang telah dilakukan sehingga dapat memberikan suatu
rekomendasi sebagai masukan ataupun perbaikan bagi pihak perusahaan.

IV. Pengumpulan Data

4.1 Jaringan Distribusi

Berikut ini adalah jaringan distribusi PT Indoprima Gemilang, dimana pada

penelitian ini data pengiriman gudang Pulo Gadung digunakan sebagai data penelitian
 Gambar 2
Jaringan Distribusi

Pada sistem pengiriman di gudang Pulo gadung menerapkan alokasi untuk truk
dengan kapasitas terbesar di isi penuh terlebih dahulu setelah itu baru menggunakan
truk yang kapasitasnya lebih kecil, karena pada customer A yang memiliki jumlah
permintaan terbanyak dan rutin setiap harinya di haruskan mendapat kiriman pertama.

Pada table 1 akan dijelaskan nama produk untuk tiap nomor part, besrta lokasi dan
jenis produk yang di pesan.

Tabel 1. Data Tiap Customer

Customer  Lokasi  Jenis Produk  Nomor Part 
A  Jl.Raya Bekasi  Wiring Harness  A001 ‐ A063 
Jl. Dr. Rajiman
B Wiring Harness B001 - B007
Widyodiningrat, Bekasi
C Sunter Agung Tanjung Priok Combination Switch C001 - C004
D Kaliabang Bekasi Gasket D001 - D009
Cakung Barat Cakung
E Gasket E001 - E021
Jakarta Timur
Kawasan Industri Surya
F Antena F001 - F003
Cipta
 G Kawasan Industri Jababeka Wiring Harness G001 - G003
Jalan Raya Perintis
H Gasket H001
Kemerdekaan, Jakarta Utara
Kawasan Industri
I Greendland International Wiring Harness I001 -I010
Industrial Center
Komplek sDelta Silicon
J Wiring Harness J001
Industrial Park

4.2 Data Waktu Tempuh

Berikut ini adalah waktu tempuh dari tiap customer ke customer lainnya, data ini
di peroleh dari hasil wawancara dengan staf gudang Pulo Gadung, dalama
penelitian ini menggunakan data waktu tempuh perjalanan dari gudang ke tiap
customer pada tabel 3 karena jarak tidak linier dengan waktu, hal ini akan di
buktikan pada tabel 2 dimana jarak yang di tempuh adalah jarak dari gudang ke
customer kembali ke gudang. Hal ini di karenakan tingkat kemacetan pada jalur
tersebut dapat dilihat pada gambar tidak sama.

Tabel 2. Perbandingan Jarak dan Waktu

Perbandingan 
Jarak  Waktu 
W‐A‐W  9.8 W‐A‐W  90
W‐C‐W  23 W‐C‐W  180
W‐H‐W  8.6 W‐H‐W  240

Gambar 3. Jarak Gudang ke Customer A

 Gambar 4. Jarak Gudang ke Customer C

V. Pengolahan dan Analisa Data

5.1 Identifikasi Matrix Jarak/ Waktu
Pada langkah ini perlu diketahui jarak/ waktu antara gudang
perusahaan ke masing-masing toko dan jarak/ waktu antar toko. Jarak/waktu
lokasi dapat dihitung dengan menggunakan rumus jarak standar. Misalkan dua
lokasi masing-masing diketahui dengan koordinat (X1,Y1) dan (X2,Y2) maka
jarak antara dua lokasi tersebut adalah : J(1,2) = ( x1 – x2 )2 +( y1 – y2 )2
Pada penelitian ini identifikasi yang di gunakan menggunakan satuan waktu
yaitu menit, sehingga tidak perlu menggunakan rumus , berikut ini adalah table
Identifikasi Matrix Waktu:

Tabel 3. Identifikasi Matrix Waktu (menit)

Waktu
Gudang A B C D E F G H I J
/menit
A 45 0
B 60 45 0
C 90 90 90 0
D 90 90 60 120 0
E 45 10 60 90 90 0
F 90 90 90 30 150 120 0
G 120 120 120 150 120 150 150 0
H 120 120 120 150 120 150 150 120 0
I 90 60 60 90 60 90 90 60 120 0
J 120 60 120 150 90 120 150 90 90 60 0

Tabel 3 kemudian digunakan untuk menentukan matrik penghematan (savings

matrix) yang akan dikerjakan pada langkah berikutnya.
5.2 Identifikasi Matrik Penghematan (savings matrix)

Pada awal langkah ini diasumsikan bahwa setiap customer akan dikunjungi
oleh satu truk secara eksklusif. Maka akan ada penghematan yang akan diperoleh
jika dua atau lebih rute bila digabungkan menjadi satu rute. Perubahan jarak
(penghematan) adalah sebesar total jarak kiri dikurangi total jarak kanan yang
besarnya adalah :

Hasil ini diperoleh dengan asumsi bahwa jarak (x, y) sama dengan jarak (y,
x). Hasil di atas bisa digeneralisasikan sebagai berikut : S(x,y) = J (G,x) +
J(G,y) – J(x,y), dimana S(x,y) adalah penghematan jarak (savings) yang diperoleh
dengan menggabungkan rute x dan y menjadi satu. Dengan menggunakan formula
tersebut maka matrik penghematan jarak bisa dihitung untuk semua customer dan
hasilnya dapat dibuat dalam suatu tabel matrik penghematan Hasil identifikasi saving
matrix dapat dilihat pada tabel 4.

Tabel 4. Identifikasi Saving Matrix (menit)

Waktu/menit A B C D E F G H I J
A 0
B 60 0
C 45 60 0
D 45 90 60 0
E 80 45 45 45 0
F 45 60 150 30 15 0
G 45 60 60 90 15 60 0
H 45 60 60 90 15 60 120 0
I 75 90 90 120 45 90 150 90 0
J 105 60 60 120 45 60 150 150 150 0

5.3 Mengalokasikan Konsumen Pada Armada

Tabel 5 menunjukkan hasil penggabungan konsumen pada armada yang
tersedia dengan truk kecil diprioritaskan.
 Tabel 5. Penggabungan Konsumen Prioritas truk kecil
Penghematan Customer Penggabungan Kapasitas
150 I&J IJ 0
150 H&J IJH 0.347776
150 G&J IJHG 0.347776
150 G&I IJHG 0.347776
150 C&F CF 2.03356625
120 G&H IJHG 0.347776
120 D&J IJHGD 0.686296
120 D&I IJHGD 0.686296
105 A&J IJHGDA 9.2225
90 H&I IJHGDA 9.2225
90 F&I tidak layak
90 D&H IJHGDA 9.2225
90 D&G IJHGDA 9.2225
90 C&I tidak layak
90 B&I tidak layak (B) 12.843126
90 B&D tidak layak
80 A&E AE 4.614623347
75 A&I IJHGDA 9.2225
60 F&J tidak layak
60 F&H tidak layak
60 F&G tidak layak
60 C&J tidak layak
60 C&H tidak layak
60 C&G tidak layak
60 C&D tidak layak
60 B&J tidak layak
60 B&H tidak layak
60 B&G tidak layak
60 B&F BCF 14.87669225

Setelah penggabungan tiap customer selanjutnya adalah mengurutkan toko

(tujuan/konsumen) dalam rute yang sudah terdefinisi dengan menggunakan metode
yaitu Farthest Insert dan Nearest Insert yang akan di sajikan pada tabel 7 dan tabel 8
 Tabel 7. Urutan Rute dan Total Waktu (menit) Customer dengan metode
Farthest Insert tgl. 1 okotober 2015 Prioritas truk kecil
Tgl. Truk 110ps
1 HAD W‐H‐W 240 W‐H‐D‐W 285 W‐H‐D‐A‐W 375
W‐D‐W 180 W‐H‐A‐W 195
W‐A‐W 90
Truk 110ps
AE W‐A‐W 90 W‐A‐E‐W 100
W‐E‐W 90 W‐E‐A‐W 100
Truk 125ps
BCF W‐B‐W 120 W‐C‐F‐W 210 W‐C‐B‐F‐W 420
W‐C‐W 180 W‐C‐B‐W 240 W‐F‐B‐C‐W 360
W‐F‐W 180 W‐F‐C‐W 210
W‐F‐B‐W 240

Dengan menerapkan metode farthes insert menghasilkan lama waktu

pengiriman pada truk pertama sebesar 375 menit, truk ke 2 100 menit dan truk ke 3
420 menit

Tabel 8. Urutan Rute dan Total Waktu (menit) Customer dengan metode
Nearest Insert tgl. 1 okotober 2015 Prioritas truk kecil
Tgl. Truk 110ps
1 HAD W‐H‐W 240 W‐A‐H‐W 285 W‐A‐D‐H‐W 375
W‐D‐W 180 W‐A‐D‐W 225
W‐A‐W 90
Truk 110ps
AE W‐A‐W 90 W‐A‐E‐W 100
W‐E‐W 90 W‐E‐A‐W 100
Truk 125ps
BCF W‐B‐W 120 W‐B‐C‐W 240 W‐B‐C‐F‐W 270
W‐C‐W 180 W‐B‐F‐W 240 W‐B‐F‐C‐W 270
W‐F‐W 180
Dari tabel menunjukan bahwa metode Nearest Insert lebih menghemat
waktu.

5.4. Perbandingan Model Awal dengan Model Usulan

Pada Tabel 9 akan di tampilkan perbandingan waktu tempuh antara model
awal dan model usulan dengan metode pengurutan rute menggunakan metode Nearest
Insert dimana pada model awal menerapkan untuk truk yang lebih besar di
prioritaskan untuk di isi terlebih dahuu, sedangkan untuk metode usulan
memprioritaskan truk dengan kapasitas terkecil di isi terlebih dahulu.
 Tabel 9. Perbandingan Waktu Tempuh Model Awal dengan Model Usulan
Perbandingan waktu tempuh (Menit)
Metode Awal Metode Usulan
Tgl. 125PS 110ps 110PS Total 110ps 110PS 125PS Total
1 525 120 165 810 375 100 270 745
2 450 120 165 735 225 100 270 595
3 0 0
4 0 0
5 300 120 165 585 90 100 270 460
6 405 120 165 690 360 100 240 700
7 330 120 165 615 90 100 270 460
8 385 120 120 625 120 505 625
9 90 315 120 525 90 100 270 460
10 120 120 120 120
11 0 0
12 450 120 165 735 225 100 270 595
13 330 120 154 604 90 100 270 460
14 90 90 90 90
15 285 120 315 720 375 100 270 745
16 90 120 315 525 90 100 270 460
17 120 120 120 120 240
18 0 0
19 90 120 315 525 90 100 270 460
20 450 120 165 735 90 100 270 460
21 330 120 165 615 265 120 385
22 525 120 165 810 405 150 555
23 330 120 165 615 90 255 345
24 0 0
25 0 0
26 435 120 165 720 285 100 270 655
27 330 120 165 615 90 100 270 460
28 330 120 165 615 90 100 270 460
29 285 315 600 360 310 670
30 315 315 255 255
31 0 0
Rata‐rata 440.77 369.6774

Rata-rata waktu tempuh setiap harinya untuk metode awal sebesar 440.77
menit dan dengan metode usulan sebesar 369.67 menit. Perhitungan waktu tempuh
dalam penelitian ini belum termasuk allowance.

Dari tabel 10 menunjukan dengan metode usulan penggunaan armada

memiliki persentase yang lebih besar yang artinya pengalokasian barang ke armada
lebih merata/seimbang.
 Tabel 10. Perbandingan Persentase Penggunaan Armada Model Awal dengan
Model Usulan
Perbandingan % Penggunaan Armada
Metode Awal Metode Usulan
Tgl. 125PS 110ps 110PS Rata‐rata 110ps 110PS 125PS Rata‐rata
1 97% 100% 46% 81% 100% 50% 95% 82%
2 94% 100% 47% 80% 100% 50% 92% 81%
3 0% 0% 0% 0% 0% 0% 0% 0%
4 0% 0% 0% 0% 0% 0% 0% 0%
5 97% 100% 44% 80% 100% 54% 91% 82%
6 83% 100% 39% 74% 100% 36% 84% 73%
7 88% 100% 44% 77% 100% 33% 95% 76%
8 43% 100% 31% 58% 68% 0% 77% 48%
9 96% 100% 49% 82% 100% 65% 86% 84%
10 2% 0% 0% 1% 4% 0% 0% 1%
11 0% 0% 0% 0% 0% 0% 0% 0%
12 70% 100% 39% 70% 100% 5% 90% 65%
13 89% 100% 41% 77% 100% 37% 91% 76%
14 3% 0% 0% 1% 5% 0% 0% 2%
15 93% 100% 57% 83% 100% 39% 90% 76%
16 80% 100% 48% 76% 100% 0% 85% 62%
17 68% 0% 0% 23% 100% 16% 0% 39%
18 0% 0% 0% 0% 0% 0% 0% 0%
19 89% 100% 41% 76% 100% 37% 80% 72%
20 94% 100% 25% 73% 100% 37% 87% 75%
21 48% 100% 33% 61% 90% 0% 72% 54%
22 73% 100% 9% 61% 100% 0% 78% 59%
23 72% 95% 0% 56% 96% 0% 72% 56%
24 0% 0% 0% 0% 0% 0% 0% 0%
25 0% 0% 0% 0% 0% 0% 0% 0%
26 100% 100% 30% 76% 100% 46% 90% 79%
27 93% 100% 38% 77.2% 100% 44% 89% 77.5%
28 95% 26% 0% 40% 100% 0% 85% 62%
29 87% 60% 0% 49% 100% 0% 64% 55%
30 16% 0% 0% 5% 27% 0% 0% 9%
31 0% 0% 0% 0% 0% 0% 0%
Rata‐rata 46% 47%
= Lebih Optimal

VI. Penutup
Beberapa kesimpulan yang diperoleh dari hasil penelitian ini adalah sebagai berikut:
1. Dari pengolahan data untuk menentukan distribusi dan data parameternya dalam
 menghasilkan solusi optimal dengan menggunakan metode Saving Matrix. Pada
penelitian yang telah dilakukan, prosedur nearest insert merupakan prosedur
yang dapat menghasilkan rute dengan waktu yang lebih efisien, dengan hasil
jarak tempuh rata-rata pada metode lama 440.77 menit sedangkan dengan metode
usulan di dapatkan hasil lebih singkat yaitu 369.67, dimana pada penerapan
kombinasi usulan dan menerapkan metode nearest insert pada tanggal 1 di
peroleh rute paling efisien yaitu untuk truk 1 mengirim dari W-A-D-H-W dengan
total waktu 375 menit, untuk truk ke 2 mengirim dari W-A-E-W dengan total
waktu 100 menit, dan pada truk ke 3 mengirim dari W-B-F-C-W dengan total
waktu 270 menit.

2. Dalam pengalokasian customer ke kendaraan, dengan kombinasi usulan yaitu

memprioritaskan truk dengan kapasitas terkecil di isi terlebih dahulu dapat
menghasilkan penghematan yang lebih besar di bandingkan dengan prosedur
awal yang di gunakan oleh PT indoprima Gemilang yang menerapkan kombinasi
truk dengan kapasitas besar di isi penuh terlebih dahulu, menghasilkan persentase
penggunaan armada yang tersedia rata-rata selama sebulan dengan metode lama
yaitu 46% dan dengan menggunakan metode usuluan yaitu 47%, pada
pengalokasian barang ke kendaraan menunjukan jika semakin besar persentase
yang didapatkan maka pengalokasian tersebut dapat dikatakn merata/seimbang,
dimana pada penerapan metode usulan pada tanggal 1 di dapatkan hasil truk
pertama mengantar produk ke customer H, A, D dengan persentase penggunaan
armada sebesar 100%, pada truk ke dua mengantar produk ke customer A dan E
dengan persentase penggunaan armada 50%, sedangkan pada truk ketiga
mengantar produk ke customer B,C dan F dengan persentase penggunaan armada
sebesar 95% 
 
 

DAFTAR PUSTAKA

Alimudin, A., 2010, Perencanaan Rute Distribusi Produk Olie Drum Untuk
Meminimalkan Biaya Transportasi Dengan Metode Savings Matrix Di PT Kamadjaja
Logistics Surabaya, Skripsi, Jurusan Teknik Industri Fakultas Teknologi Industri
Universitas Pembangunan Nasional “Veteran” Jawa Timur.

Anggun Yunitasari. 2014. Optimalisasi Rute Pengangkutan Sampah di Kabupaten

Sleman Menggunakan Metode Saving Matrix.
http://eprints.uny.ac.id/12581/1/SKRIPSI%20Anggun%20Yunitasari.pdf diakses 12
Mei 2016.

Assauri, Sofjan. 2008. Manajemen Produksi dan Operasi, Edisi Revisi 2008. Jakarta.
Ballou, Ronald H. (2004) Business Logistic Management, Fifth Edition, Prectice Hall,
Upper Saddle River, New Jersey.

Chopra, S., and Meindl, P. (2001). Supply chain management: Strategy, planning,
and operations. New Jersey – Prentice Hall.

Heizer, Jay and Barry Render. 2009. Manajemen Operasi. Edisi 9. (Diterjemahkan
oleh: Chriswan Sungkono). Salemba Empat: Jakarta.

Perkembangan Jumlah Kendaraan Bermotor Menurut Jenis tahun 1987-2013, Badan

Pusat Statistik, http://www.bps.go.id/linkTabelStatis/view/id/1413 (dikutip 22
November 2015, pukul 22.38).

Pujawan, I N. (2005). Supply chain management. Guna Widya. Simchi-Levi,

D.,Kaminski, P., and Simchi-Levi, E. (2000). Designing and managing the supply
chain: Concept, strategies, and case studies. Irwin McGraw-Hill.

Santoso, Singgih. 2009. Buisness Forecaseting Metode Peramalan Bisnis Masa Kini
dengan Minitab dan SPSS. Jakarta: PT.Elex Media Komputindo.