TERAPAN

MAKALAH SEMINAR MATEMATIKA

PENYELESAIAN TRAVELLING SALESMAN PROBLEM

MENGGUNAKAN EXCEL SOLVER

Disusun untuk memenuhi Tugas Mata Kuliah Seminar Matematika

Dosen Pengampu: Henny Ekana Chrisnawati, S.Si., M.Pd.

Disusun Oleh:
HARDIYANTO
K1314028

PROGRAM STUDI PENDIDIKAN MATEMATIKA

FAKULTAS KEGURUAN DAN ILMU PENDIDIKAN
UNIVERSITAS SEBELAS MARET
SURAKARTA
2019
 HALAMAN PERSETUJUAN

Makalah Seminar Matematika dengan judul PENYELESAIAN

TRAVELLING SALESMAN PROBLEM MENGGUNAKAN EXCEL
SOLVER telah disetujui oleh Dosen Pembimbing untuk diseminarkan di hadapan
Penguji Seminar Program Studi Pendidikan Matematika Fakultas Keguruan dan
Ilmu Pendidikan Universitas Sebelas Maret Surakarta.

Surakarta, ..................................... 2019

Dosen Pembimbing

Henny Ekana Chrisnawati, S.Si., M.Pd.

NIP. 19730602 199802 2 001

ii
 HALAMAN PENGESAHAN

Makalah Seminar Matematika dengan judul PENYELESAIAN

TRAVELLING SALESMAN PROBLEM MENGGUNAKAN EXCEL
SOLVER telah dipertahankan di hadapan Penguji Seminar Program Studi
Pendidikan Matematika Fakultas Keguruan dan Ilmu Pendidikan Universitas
Sebelas Maret Surakarta dan diterima untuk memenuhi tugas Mata Kuliah Seminar
Matematika pada:
Hari :
Tanggal :

Mengetahui,
Kepala Program Studi
Pendidikan Matematika Penguji Seminar,

Dr. Budi Usodo, M.Pd. Henny Ekana Chrisnawati, S.Si., M.Pd.

NIP. 19680517 199303 1 002 NIP. 19730602 199802 2 001

iii
 PERNYATAAN KEASLIAN TULISAN

Saya yang bertanda tangan di bawah ini:

Nama : Hardiyanto
NIM : K1314028
Program Studi : Pendidikan Matematika

dengan ini menyatakan bahwa Makalah Seminar Matematika dengan judul

PENYELESAIAN TRAVELLING SALESMAN PROBLEM
MENGGUNAKAN EXCEL SOLVER benar – benar merupakan tulisan saya
sendiri. Sumber informasi yang dikutip dari penulis lain telah disebutkan dalam teks
dan dicantumkan dalam daftar pustaka. Apabila dikemudian hari terbukti hasil
jiplakan, saya bersedia menerima sanksi atas perbuatan saya.

Surakarta, ....................... 2019

Yang membuat pernyataan,

Hardiyanto
NIM. K1314028

iv
 KATA PENGANTAR

Puji syukur penulis panjatkan kehadirat Allah SWT, karena atas rahmat
dan karunia-Nya sehingga penyusunan Makalah Seminar Matematika ini dapat
diselesaikan dengan baik dan meskipun dengan waktu yang terhitung mepet.
Tentunya dalam penyusunan Makalah Seminar Matematika ini melibatkan banyak
pihak, sehingga penyusunan tugas ini dapat terlaksana dengan baik. Maka dari itu
penulis hendak mengucapkan terima kasih kepada pihak – pihak yang telah
membantu dalam penyusunan tugas ini, yaitu kepada:
1. Ibu Henny Ekana Chrisnawati, S.Si., M.Pd. selaku Dosen Pembimbing Mata
Kuliah Seminar Matematika Fakultas Keguruan dan Ilmu Pendidikan
Universitas Sebelas Maret Tahun Akademik 2018/2019 yang telah memberikan
bimbingan, dorongan, dan saran dalam penyusunan makalah ini.
2. Teman – teman Pendidikan Matematika angkatan 2014 Fakultas Keguruan dan
Ilmu Pendidikan Universitas Sebelas Maret yang telah memberikan motivasi
dan saran dalam penyusunan makalah ini.
3. Kakak-kakak tingkat dan adik-adik tingkat Pendidikan Matematika yang selalu
memberikan semangat.
4. Bapak, Ibu, dan kakak yang telah memberikan cinta serta memberi dukungan,
doa serta pengorbanan baik moril maupun materil.
5. Pihak-pihak lain yang tidak dapat disebutkan satu persatu.
Penulis menyadari bahwa Penyusunan Makalah Seminar Matematika ini
masih jauh dari kesempurnaan. Oleh karena itu penulis mengharap kritik dan saran
yang sifatnya membangun dari pembaca.
Akhir kata semoga Makalah Seminar Matematika ini bermanfaat bagi kita
semua dan semoga Allah memberikan Rahmat-Nya kepada kita semua. Aamiin.

Surakarta, ......................... 2019

Penulis

v
 DAFTAR ISI

HALAMAN JUDUL ....................................................................................... i

HALAMAN PERSETUJUAN ........................................................................ ii
HALAMAN PENGESAHAN ......................................................................... iii
PERNYATAAN KEASLIAN TULISAN ...................................................... iv
KATA PENGANTAR .................................................................................... v
DAFTAR ISI ................................................................................................... vi
BAB I PENDAHULUAN
A. Latar Belakang Masalah .......................................................... 1
B. Rumusan Masalah ................................................................... 3
C. Tujuan Penulisan ..................................................................... 3
BAB II PEMBAHASAN
A. Teori Pendukung ..................................................................... 4
B. Pembahasan Masalah ............................................................... 10
BAB III PENUTUP
A. Kesimpulan .............................................................................. 37
B. Saran ........................................................................................ 38
DAFTAR PUSTAKA ..................................................................................... 39

vi
 BAB I
PENDAHULUAN
A. Latar Belakang Masalah
Pencarian rute terpendek merupakan suatu masalah yang paling banyak
dibahas dan dipelajari sejak akhir tahun 1950. Pencarian rute terpendek ini telah
diterapkan di berbagai bidang untuk mengoptimasi kinerja suatu sistem, baik untuk
meminimalkan biaya atau mempercepat jalannya suatu proses (Purwananto, 2005:
1). Kesulitan menentukan rute terpendek timbul karena terdapat banyak jalur yang
ada dari suatu alamat ke alamat lain. Kebutuhan untuk menemukan rute terpendek
dan waktu tempuh tercepat tentunya juga diperhitungkan untuk menghindari
kerugian. Contoh, bagi sebuah perusahaan penyedia jasa pengiriman barang,
kebutuhan untuk segera sampai ke tempat tujuan tepat waktu bahkan diharapkan
bisa lebih cepat sangatlah dibutuhkan, mengingat persaingan perusahaan penyedia
jasa pengiriman barang yang mementingkan kepuasan pelanggan.
Proses pendistribusian barang adalah kegiatan yang tidak pernah lepas dari
kehidupan. Jarak yang jauh serta penyebaran masyarakat yang meluas menjadi
salah satu alasan bagi masyarakat untuk menggunakan jasa pengiriman barang dari
pada mengantar sendiri barang yang akan dikirimkan. Masalah pengiriman barang
menjadi poin terpenting bagi perusahaan penyedia jasa pengiriman barang. Hal ini
sangat memerlukan pertimbangan dan perhitungan yang tepat karena berkaitan
dengan biaya transportasi yang harus dikeluarkan dalam proses pengiriman (Sari,
Dwijanto & Sugiharti, 2013: 2).
Proses pendistribusian barang merupakan proses yang sangat berpengaruh
pada keberlangsungan suatu usaha. Dengan pengoptimalan biaya pengiriman, dapat
menambah keuntungan bagi perusahaan. Pengoptimalan biaya pengiriman dapat
dilakukan dengan mencari rute pengiriman yang paling efisien. Karena dengan
diperolehnya rute yang paling efisien, dapat meminimalkan biaya pengiriman
barang. Permasalahan seperti ini termasuk kasus Travelling Salesmen Problem
(TSP).

1
 2

Travelling Salesman Problem (TSP) adalah sebuah masalah seorang

salesman yang mempunyai tugas untuk mengirimkan pesanan atau barang kepada
pelanggan yang berada di sejumlah tempat yang berbeda. Salesman tersebut
mempunyai masalah dalam hal menentukan tempat mana yang lebih dahulu
dikunjungi sedemikian sehingga total jarak dan waktu pengiriman diperkecil, setiap
tempat hanya boleh dikunjungi satu kali dalam satu perjalanan, serta perjalanan
berakhir di tempat awal dimana seorang sales memulai perjalanannya.
Perkembangan ilmu pengetahuan dan teknologi saat ini telah mengalami
perkembangan pesat terutama dalam hal proses komputasi yang memungkinkan
sebuah masalah dapat diselesaikan dengan bantuan komputer sebagai solusinya.
Salah satunya adalah apa yang ditawarkan oleh Microsoft.
Microsoft menawarkan Excel Solver, sebuah Add-in optimisasi numerik
yang dapat digunakan untuk mencari nilai optimal (maksimum atau minimum)
untuk rumus dalam satu sel (disebut sel objektif) yang memenuhi kendala (batasan),
atau batas nilai pada sel rumus lain pada lembar kerja. Excel Solver mengolah
sekelompok sel (disebut sel variabel keputusan) yang merupakan bagian dari rumus
perhitungan dari sel tujuan dan kendala. Excel Solver menyesuaikan nilai dalam sel
variabel keputusan untuk memenuhi batas pada sel kendala dan menghasilkan hasil
yang diinginkan untuk sel objektif (Djamaris, 2018: 1). Dengan kata lain, fasilitas
Excel Solver memungkinkan kita menghitung nilai yang dibutuhkan untuk
mencapai hasil dengan cara menyesuaikan nilai yang terdapat pada satu sel atau
lebih dan bisa mendefinisikan sendiri suatu fungsi kendala sehingga bisa mencari
solusi optimumnya misalnya meminimumkan biaya pengiriman barang dari kantor
perusahaan jasa pengiriman barang ke pelanggan.
Berdasarkan uraian diatas, penulis tertarik membuat makalah untuk
membahas penyelesaian Travelling Salesman Problem menggunakan Excel Solver.

B. Rumusan Masalah
 3

Berdasarkan latar belakang masalah di atas, dapat dirumuskan

permasalahan sebagai berikut:
1. Bagaimanakah penyelesaian Travelling Salesman Problem menggunakan
Excel Solver?
C. Tujuan Penulisan
Berdasarkan rumusan masalah di atas, tujuan yang ingin dicapai dari
pembahasan ini adalah sebagai berikut:
1. Mengetahui penyelesaian Travelling Salesman Problem menggunakan Excel
Solver.
 BAB II
PEMBAHASAN
A. Teori Pendukung
Pada subbab Teori Pendukung ini, akan dibahas mengenai materi yang
menunjang penyelesaian masalah yang telah disebutkan pada Bab I Pendahuluan.
1. Optimisasi
Optimisasi merupakan suatu upaya sistematis untuk memilih elemen
terbaik dari suatu kumpulan elemen yang ada. Di dalam kontek matematika,
optimisasi ini bisa dinyatakan sebagai suatu usaha sistematis untuk mencari
nilai minimum atau maksimum dari suatu fungsi. Dengan kata lain, optimisasi
merupakan proses mencari nilai terbaik berdasarkan fungsi tujuan dengan
daerah asal yang telah didefinisikan. Fungsi ini secara sederhana dapat
dinyatakan dengan:
𝑚𝑖𝑛/ max 𝑓(𝑥)
Sebagai contoh adalah fungsi kuadrat 𝑓(𝑥) = 𝑥 2 , dimana 𝑥 anggota
bilangan real (𝑥 ∈ 𝑅). Di dalam contoh ini, 𝑓(𝑥) = 𝑥 2 merupakan fungsi
tujuannya, sedangkan 𝑥 adalah daerah asal yang didefinisikan sebagai anggota
bilangan real.
Optimisasi dipakai di hampir semua bidang ilmu antara lain bidang
teknik, sains, ilmu sosial, ekonomi dan bisnis. Banyak permasalahan di bidang
teknik, sains dan ekonomi yang dapat dinyatakan sebagai permasalahan
optimisasi seperti meminimalkan biaya, waktu dan resiko atau memaksimalkan
keuntungan dan kualitas.
(Buana, 2016: 12)
2. Travelling Salesman Problem (TSP)
Travelling salesman problem (TSP) merupakan permasalahan
kombinatorial yang banyak dipelajari. TSP adalah sebuah masalah seorang
salesman yang mempunyai tugas untuk mengirimkan pesanan atau barang
kepada pelanggan yang berada di sejumlah tempat yang berbeda. Salesman
tersebut mempunyai masalah dalam hal menentukan tempat mana yang lebih
dahulu dikunjungi sedemikian sehingga total jarak dan waktu pengiriman

4
 5

diperkecil, setiap tempat hanya boleh dikunjungi satu kali dalam satu
perjalanan, serta perjalanan berakhir di tempat awal dimana seorang sales
memulai perjalanannya.
Banyak permasalahan yang dapat direpresentasikan dalam bentuk TSP.
Diantara permasalahan yang dapat direpresentasikan dengan TSP adalah
efisiensi pengiriman surat atau barang, pencarian rute bis sekolah untuk
mengantarkan siswa, pengambilan tagihan telepon, perancangan pemasangan
pipa saluran dan lain-lain.
(Buana, 2016: 14)
Ada dua jenis kasus TSP berdasarkan sifatnya, yaitu symmetric TSP dan
asymmetric TSP. Symmetric TSP adalah kasus TSP dimana jarak antar masing-
masing titik lokasinya sama dari kedua arah. Sedangkan asymmetric TSP adalah
kasus TSP dimana ada jarak antar titik lokasi yang berbeda dari kedua arah.
Jumlah kombinasi perjalanan yang dihasilkan untuk kasus asymmetric TSP
adalah (𝑛 − 1)!. Sedangkan jumlah kombinasi perjalanan yang dihasilkan
𝑛−1
untuk kasus symmetric TSP adalah ( )!.
2

(Buana, 2016: 15)

3. Excel Solver
Solver merupakan salah satu fasilitas tambahan/optional (Add-in) yang
disediakan oleh Microsoft Excel yang berfungsi untuk mencari nilai optimal
suatu formula pada satu sel saja (yang biasa disebut sebagai sel tujuan) pada
worksheet/lembar kerja. Excel Solver mengkombinasikan fungsi dari suatu
Graphical User Interface (GUI), suatu algebraic modeling language seperti
GAMS (Brooke, Kendrick, dan Meeraus 1992) atau AMPL (Fourer, Gay, and
Kernighan 1993), dan optimizers untuk linier, non-linear, dan integer program.
Masing-masing fungsi ini terintegrasi ke dalam spreadsheet program.
Solver merupakan bagian dari serangkaian perintah/command yang
seringkali disebut what-if analysis tool. Fasilitas ini bekerja dengan sel-sel suatu
grup yang saling terhubung, baik secara langsung ataupun tidak langsung
(directly-indirectly) untuk formula pada sel tujuan. Solver terdiri dari tiga
bagian:
 6

a. Variable cells (sel keputusan)

Solver mengatur perubahan nilai pada sel yang spesifik, untuk
memproduksi hasil perlu spesifikasi dari formula pada sel tujuan.
b. Constrained cell (sel pembatas)
Constraint digunakan untuk membatasi nilai solver yang dapat digunakan
pada suatu model tertentu dan constraint mengacu pada sel lain yang
memengaruhi formula pada sel tujuan.
c. Objective cell (sel tujuan)
Merupakan bagian solver sebagai tempat dimana hasil akhir
pemrosesan/eksekusi suatu formula ditempatkan.
(Djamaris, 2018: 2)
Menu Excel Solver menggunakan kode-kode non-linear optimisasi
Generalized Reduced Gradient (GRG) yang dikembangkan oleh Leon Lasdon
(Universitas Texas: Austin) dan Allen Waren (Cleveland State University).
Sedangkan untuk linear dan permasalahan integer digunakan metode simplex
dengan bound/batas variabel. Metode ini (branch and bound method)
diimplementasikan oleh John Watson dan Dan Fylstra (Frontline Systems,Inc).
(Djamaris, 2018: 3)
Fitur ini diinstal secara tersendiri karena merupakan fasilitas
tambahan/optional. Cara menambahkan Solver pada Microsoft Excel adalah
sebagai berikut:
a. Masuk aplikasi Microsoft Excel.
b. Klik tab File lalu klik Options.
 7

Kemudian akan muncul tampilan berikut:

c. Klik kategori Add-Ins.

Akan muncul tampilan berikut:
 8

d. Pada bagian Manage, pilih Excel Add-in, lalu klik Go.

Akan muncul tampilan berikut:

e. Pada kotak Add-in available, pilih Solver Add-in, lalu klik OK.
Hasilnya, pada tab Data akan muncul menu baru di sebelah kanan, yaitu
Solver.
 9

Solver digunakan untuk menentukan nilai maksimum dan minimum

pada suatu sel dengan mengubah sel yang lain. Misal: mengubah rute perjalanan
dan melihat pengaruh pada total jarak perjalanan.
Langkah-langkah untuk mencari rute terpendek menggunakan Excel Solver
adalah sebagai berikut:
a. Menuliskan data awal.
b. Menuliskan variabel keputusan dan fungsi tujuan.
c. Klik menu Solver pada tab Data. Akan muncul tampilan Solver Parameters
berikut:

 Pada bagian Set Objective, masukkan sel tujuan.

 Pada bagian To, pilih Min untuk meminimalkan total jarak.
 Pada bagian By Changing Variable Cells, masukkan referensi sel untuk
setiap rentang variabel keputusan.
 10

 Pada bagian Subject to the Constraints, klik Add. Akan muncul tampilan
berikut:

 Pada bagian Cell Reference, masukkan referensi sel untuk setiap

rentang variabel keputusan. Kemudian pada kotak sebelahnya, pilih
hubungan antara referensi sel. Dalam hal ini, pilih dif (different –
berbeda) supaya tidak ada variabel keputusan yang bernilai sama.
Dengan kata lain, pilih dif supaya masing-masing titik hanya
dikunjungi sekali. Kemudian klik OK. Tampilan akan kembali ke
bagian Solver Parameters.
 Pada bagian Select a Solving Method, pilih Evolutionary.
 Kemudian klik Solve.
d. Memeriksa hasilnya dan melakukan koreksi pada model.
e. Menganalisis dan menginterpretasikan hasilnya.

B. Pembahasan Masalah
Pada subbab Pembahasan Masalah ini, akan dibahas mengenai contoh-
contoh penyelesaian TSP menggunakan Excel Solver.
Contoh 1. Kasus Symmetric TSP
Seorang kurir bertugas mengirimkan barang dari Kantor JNE ke enam titik
lokasi tujuan dengan keterangan sebagai berikut:
V1 = Kantor JNE Alauddin
V2 = Instalasi Penyakit Kusta Dan Penyakit Infeksi Endemic
V3 = RSIA Siti Khadijah III
V4 = PT Indolok Bakti Utama
V5 = PT Dipa Jaya Sejahtera
V6 = Mall GTC Tanjung Bunga
V7 = Kantor Dinas Kelautan dan Perikanan Provinsi Sulawesi Selatan
 11

Jarak tempuh (km) dari masing-masing titik lokasi dapat dilihat pada tabel berikut:
Tabel 1. Jarak tempuh (km) dari masing-masing titik lokasi
V1 V2 V3 V4 V5 V6 V7
V1 0 2,5 2,9 2,9 3,3 6,2 2,3
V2 2,5 0 0,9 1,3 1,9 6,7 2,9
V3 2,9 0,9 0 0,8 1,7 8,1 3
V4 2,9 1,3 0,8 0 1,2 5,4 2,4
V5 3,3 1,9 1,7 1,2 0 5,6 2,4
V6 6,2 6,7 8,1 5,4 5,6 0 3,4
V7 2,3 2,9 3 2,4 2,4 3,4 0

Tentukan rute terpendek yang bisa dilalui kurir tersebut untuk mengirimkan
barang dari Kantor JNE ke enam titik lokasi tujuan kemudian kembali lagi ke
Kantor JNE dengan menggunakan Excel Solver!
(Data diperoleh dari skripsinya Ernawati yang berjudul “Implementasi
Algoritma Semut untuk Optimasi Rute Terpendek” pada halaman 34-37).
Jawab:
Langkah-langkah untuk menyelesaikan masalah tersebut adalah sebagai berikut:
1. Menuliskan data awal, yaitu data jarak tempuh (km) dari masing-masing titik
lokasi ke dalam lembar kerja Microsoft Excel seperti berikut:

2. Menuliskan variabel keputusan dan fungsi tujuan seperti berikut:

 12

Nilai pada sel K2:K8 diperoleh dengan formula:

=INDEX(array; row_num; [column_num])
Keterangan:
 Nilai pada sel K3 =INDEX(B2:H8;J2;J3) = 2,5
Artinya, nilai pada sel K3 merupakan jarak dari titik 1 (V1) ke titik 2 (V2)
berdasarkan data pada sel B2:H8.
 Nilai pada sel K4 =INDEX(B2:H8;J3;J4) = 0,9
Artinya, nilai pada sel K4 merupakan jarak dari titik 2 (V2) ke titik 3 (V3)
berdasarkan data pada sel B2:H8.
 Nilai pada sel K5 =INDEX(B2:H8;J4;J5) = 0,8
Artinya, nilai pada sel K5 merupakan jarak dari titik 3 (V3) ke titik 4 (V4)
berdasarkan data pada sel B2:H8.
 Nilai pada sel K6 =INDEX(B2:H8;J5;J6) = 1,2
Artinya, nilai pada sel K6 merupakan jarak dari titik 4 (V4) ke titik 5 (V5)
berdasarkan data pada sel B2:H8.
 Nilai pada sel K7 =INDEX(B2:H8;J6;J7) = 5,6
Artinya, nilai pada sel K7 merupakan jarak dari titik 5 (V5) ke titik 6 (V6)
berdasarkan data pada sel B2:H8.
 Nilai pada sel K8 =INDEX(B2:H8;J7;J8) = 3,4
Artinya, nilai pada sel K8 merupakan jarak dari titik 6 (V6) ke titik 7 (V7)
berdasarkan data pada sel B2:H8.
 13

 Nilai pada sel K2 =INDEX(B2:H8;J8;J1) = 2,3

Artinya, nilai pada sel K2 merupakan jarak dari titik 7 (V7) ke titik 1 (V1)
berdasarkan data pada sel B2:H8.
Nilai pada sel K9 diperoleh dengan formula:
=SUM(K2:K8)
yaitu total jarak yang dilalui kurir dengan urutan perjalanan:
V1-V2-V3-V4-V5-V6-V7-V1
3. Klik menu Solver pada tab Data. Akan muncul tampilan Solver Parameters
seperti berikut:

 Pada bagian Set Objective, masukkan sel tujuan (sel K9).

 Pada bagian To, pilih Min untuk meminimalkan total jarak.
 Pada bagian By Changing Variable Cells, masukkan referensi sel untuk
setiap rentang variabel keputusan, yaitu sel J2:J8.
 Pada bagian Subject to the Constraints, klik Add. Akan muncul tampilan
berikut:
 14

 Pada bagian Cell Reference, masukkan referensi sel untuk setiap rentang
variabel keputusan, yaitu sel J2:J8. Kemudian pada kotak kedua, pilih
dif. Secara otomatis kotak ketiga akan muncul tulisan AllDifferent
seperti berikut:

 Kemudian klik OK. Tampilan akan kembali ke bagian Solver

Parameters seperti berikut:

 Pada bagian Select a Solving Method, pilih Evolutionary.

 15

 Kemudian klik Solve.

Akan muncul tampilan berikut:

4. Memeriksa hasilnya dan melakukan koreksi pada model.

Dari tampilan di atas, diperoleh informasi bahwa Solver tidak dapat
meningkatkan solusi lagi dikarenakan semua kendala/batasan sudah dipenuhi.
Dengan kata lain, sudah diperoleh hasil yang optimal.
Pilih Keep Solver Solution, Answer dan centang bagian Outline Report
untuk mendapatkan informasi dari hasil pengoperasian Excel Solver.
Kemudian klik OK.
Akan muncul tampilan berikut:
 16

5. Menganalisis dan menginterpretasikan hasilnya.

Dari tampilan di atas, terdapat 1 sheet baru pada lembar kerja, yaitu
sheet dengan judul Answer Report 1 seperti berikut:

Dari tampilan tersebut bisa diambil beberapa informasi berikut:

a. Waktu yang dibutuhkan untuk proses Solver adalah 119,313 detik.
b. Rute terpendek adalah V1-V2-V3-V4-V5-V6-V7-V1 dengan total jarak
tempuh 16,7 km.
Jadi, rute terpendek yang bisa dilalui kurir tersebut untuk mengirimkan
barang dari Kantor JNE ke enam titik lokasi tujuan kemudian kembali lagi ke
Kantor JNE adalah berangkat dari Kantor JNE Alauddin (V1) menuju Instalasi
Penyakit Kusta Dan Penyakit Infeksi Endemic (V2), kemudian ke RSIA Siti
Khadijah III (V3), kemudian ke PT Indolok Bakti Utama (V4), kemudian ke PT
 17

Dipa Jaya Sejahtera (V5), kemudian ke Mall GTC Tanjung Bunga (V6), kemudian
ke Kantor Dinas Kelautan dan Perikanan Provinsi Sulawesi Selatan (V7), dan yang
terakhir adalah kembali ke Kantor JNE Alauddin (V1) dengan total jarak tempuh
16,7 km.
Karena ini merupakan kasus symmetric TSP, maka terdapat rute terpendek
yang lain yang juga memiliki total jarak tempuh 16,7 km, yaitu kebalikan arah dari
rute yang pertama. Rute tersebut adalah V1-V7-V6-V5-V4-V3-V2-V1. Dengan kata
lain, kurir bisa berangkat dari Kantor JNE Alauddin (V1) menuju Kantor Dinas
Kelautan dan Perikanan Provinsi Sulawesi Selatan (V7), kemudian ke Mall GTC
Tanjung Bunga (V6), kemudian ke PT Dipa Jaya Sejahtera (V5), kemudian ke PT
Indolok Bakti Utama (V4), kemudian ke RSIA Siti Khadijah III (V3), kemudian ke
Instalasi Penyakit Kusta Dan Penyakit Infeksi Endemic (V2), dan yang terakhir
adalah kembali ke Kantor JNE Alauddin (V1).
Jawaban pembanding:
Dalam kasus yang sama, Ernawati dalam skripsinya yang berjudul
“Implementasi Algoritma Semut untuk Optimasi Rute Terpendek” menyelesaikan
kasus ini menggunakan Algoritma Semut dan diperoleh rute terpendek sementara
(berhenti pada iterasi pertama) adalah V1-V5-V3-V2-V4-V7-V6-V1 dengan total jarak
tempuh 19,2 km.

Contoh 2. Kasus Asymmetric TSP

Diberikan matriks jarak antar titik sebagai berikut:
V1 V2 V3 V4 V5 V6 V7
V1 0 75 99 9 35 63 8
V2 51 0 86 46 88 29 20
V3 100 5 0 16 28 35 28
V4 20 45 11 0 59 53 49
V5 86 63 33 65 0 76 72
V6 36 53 89 31 21 0 52
V7 58 31 43 67 52 60 0
 18

Tentukan rute terpendek yang bisa dilalui dari titik yang pertama ke enam
titik yang lain kemudian kembali lagi ke titik yang pertama dengan menggunakan
Excel Solver!
(Data diperoleh dari skripsinya Wahyu Pradana Stya Budi yang berjudul
“Optimasi Traveling Salesman Problem dengan Algoritma Genetika Menggunakan
Operator Partially Matched Crossover” pada halaman 35).
Jawab:
Langkah-langkah untuk menyelesaikan masalah tersebut adalah sebagai berikut:
1. Menuliskan data awal, yaitu matriks jarak antar titik ke dalam lembar kerja
Microsoft Excel seperti berikut:

2. Menuliskan variabel keputusan dan fungsi tujuan seperti berikut:

 19

Nilai pada sel K2:K8 diperoleh dengan formula:

=INDEX(array; row_num; [column_num])
Keterangan:
 Nilai pada sel K3 =INDEX(B2:H8;J2;J3) = 75
Artinya, nilai pada sel K3 merupakan jarak dari titik 1 (V1) ke titik 2 (V2)
berdasarkan data pada sel B2:H8.
 Nilai pada sel K4 =INDEX(B2:H8;J3;J4) = 86
Artinya, nilai pada sel K4 merupakan jarak dari titik 2 (V2) ke titik 3 (V3)
berdasarkan data pada sel B2:H8.
 Nilai pada sel K5 =INDEX(B2:H8;J4;J5) = 16
Artinya, nilai pada sel K5 merupakan jarak dari titik 3 (V3) ke titik 4 (V4)
berdasarkan data pada sel B2:H8.
 Nilai pada sel K6 =INDEX(B2:H8;J5;J6) = 59
Artinya, nilai pada sel K6 merupakan jarak dari titik 4 (V4) ke titik 5 (V5)
berdasarkan data pada sel B2:H8.
 Nilai pada sel K7 =INDEX(B2:H8;J6;J7) = 76
Artinya, nilai pada sel K7 merupakan jarak dari titik 5 (V5) ke titik 6 (V6)
berdasarkan data pada sel B2:H8.
 Nilai pada sel K8 =INDEX(B2:H8;J7;J8) = 52
Artinya, nilai pada sel K8 merupakan jarak dari titik 6 (V6) ke titik 7 (V7)
berdasarkan data pada sel B2:H8.
 Nilai pada sel K2 =INDEX(B2:H8;J8;J1) = 58
Artinya, nilai pada sel K2 merupakan jarak dari titik 7 (V7) ke titik 1 (V1)
berdasarkan data pada sel B2:H8.
Nilai pada sel K9 diperoleh dengan formula:
=SUM(K2:K8)
yaitu total jarak yang dilalui kurir dengan urutan perjalanan:
V1-V2-V3-V4-V5-V6-V7-V1
3. Klik menu Solver pada tab Data. Akan muncul tampilan Solver Parameters
seperti berikut:
 20

 Pada bagian Set Objective, masukkan sel tujuan (sel K9).

 Pada bagian To, pilih Min untuk meminimalkan total jarak.
 Pada bagian By Changing Variable Cells, masukkan referensi sel untuk
setiap rentang variabel keputusan, yaitu sel J2:J8.
 Pada bagian Subject to the Constraints, klik Add. Akan muncul tampilan
berikut:

 Pada bagian Cell Reference, masukkan referensi sel untuk setiap rentang
variabel keputusan, yaitu sel J2:J8. Kemudian pada kotak kedua, pilih
dif. Secara otomatis kotak ketiga akan muncul tulisan AllDifferent
seperti berikut:
 21

 Kemudian klik OK. Tampilan akan kembali ke bagian Solver

Parameters seperti berikut:

 Pada bagian Select a Solving Method, pilih Evolutionary.

 Kemudian klik Solve.
Akan muncul tampilan berikut:
 22

4. Memeriksa hasilnya dan melakukan koreksi pada model.

Dari tampilan di atas, diperoleh informasi bahwa Solver tidak dapat
meningkatkan solusi lagi dikarenakan semua kendala/batasan sudah dipenuhi.
Dengan kata lain, sudah diperoleh hasil yang optimal.
Pilih Keep Solver Solution, Answer dan centang bagian Outline Report
untuk mendapatkan informasi dari hasil pengoperasian Excel Solver.
Kemudian klik OK.
Akan muncul tampilan berikut:

5. Menganalisis dan menginterpretasikan hasilnya.

 23

Dari tampilan di atas, terlihat bahwa sel J2:J8 sudah berubah nilainya.
Artinya referensi sel untuk setiap rentang variabel keputusan yang ditetapkan di
awal bukan merupakan rute terbaik. Akibatnya sel J2:J8 sudah digantikan oleh
rentang variabel keputusan yang baru, hasil dari proses Solver dan merupakan
rute terbaik. Selain itu juga terdapat 1 sheet baru pada lembar kerja, yaitu sheet
dengan judul Answer Report 1 seperti berikut:

Perubahan yang terjadi pada sel J2:J8 juga terlihat pada tampilan
tersebut dimana kolom Original Value merupakan referensi sel untuk setiap
rentang variabel keputusan yang ditetapkan di awal dan kolom Final Value
merupakan rentang variabel keputusan yang baru, hasil dari proses Solver dan
merupakan rute terbaik.
Dari tampilan tersebut bisa diambil beberapa informasi berikut:
 24

a. Waktu yang dibutuhkan untuk proses Solver adalah 122,297 detik.

b. Karena titik awal adalah titik pertama (V1), maka rute terpendek adalah V1-
V7-V2-V6-V5-V3-V4-V1 dengan total jarak tempuh 158 satuan.
Jadi, rute terpendek yang bisa dilalui dari titik yang pertama ke enam titik
yang lain kemudian kembali lagi ke titik yang pertama adalah V1-V7-V2-V6-V5-V3-
V4-V1 dengan total jarak tempuh 158 satuan. Karena ini merupakan kasus
asymmetric TSP, maka tidak berlaku hal sama pada arah yang berlawanan. Dengan
kata lain, arah yang berlawanan bukan merupakan rute terpendek.
Jawaban pembanding:
Dalam kasus yang sama, Wahyu Pradana Stya Budi dalam skripsinya yang
berjudul “Optimasi Traveling Salesman Problem dengan Algoritma Genetika
Menggunakan Operator Partially Matched Crossover” menyelesaikan kasus ini
menggunakan Algoritma Genetika dengan Operator Partially Matched Crossover
dan diperoleh rute terpendek adalah V1-V7-V2-V6-V5-V3-V4-V1 dengan total jarak
tempuh 158 satuan. Sama dengan hasil yang diperoleh dari Excel Solver.

Contoh 3. Kasus Symmetric TSP

Seorang kurir bertugas mengirimkan barang dari Kantor JNE ke 27
pelanggan dengan keterangan sebagai berikut:
Kode Nama Penerima Alamat
V1 JNE Jl. Sultan Agung
V2 Zerlin Jl. Tirto Mukti 3 No. 1022
V3 Rendy Risk Jl. Parang Kembang X No. 30
V4 Agung Jl. Wahyu Temurun 2 No. 15
V5 Teta Jl. Satrio Manah II No. 2
V6 Michelle Buison Jl. Soekarno Hatta No. 28
V7 Anjie Aristianty Jl. Sido Asih 5 No. 15
V8 Betty Ekowati Jl. Parang Kusuma 1
V9 Elisa Amalia Jl. Lintang Trenggono V/ 2
V10 Nouva Alesia Jl. Parang Kusuma VII/ 7
 25

V11 Putri Jl. Seruni 7 No. 28

V12 Ferdinad Jl. Tlogosari Raya 2 No. 62
V13 Indah Putri Jl. Gusti Putri No. 17
V14 Maulita Jl. Grinsing
V15 Desy Nourma Jl. Seruni 4 No. 1
V16 Awan Djati Jl Parang Baris 6 No. 10
V17 Januar Wahyu Jl. Parang Kusuma XI No. 13
V18 Ida Hanifah Jl. Malangsari Cluster III
V19 Fresma Jl. Bledok Kantil 1 No. 5
V20 Prasetyo Kentjono Jl. Parang Barong Raya No. 10
V21 Toko Pro Atk Jl. Tlogosari Raya I No. 69
V22 Vani Jl. Parang Kesit
V23 Ningrum Jl. Tlogosari Raya 2/ 30
V24 Yudi Ucil Jl. Tlogosari Raya 2 Blok H2
V25 Adi Bank BRI KCP Tlogosari
V26 Esti Jl. Bugen
V27 Optik Audhifa Jl. Parang Kembang Raya No. 11
V28 Elisabet Yania Adriani Jl. Sido Asih 4/ 79
Jarak tempuh (km) dari masing-masing titik lokasi dapat dilihat pada tabel berikut:
Tabel 1: Jarak tempuh (km) dari masing-masing titik lokasi
V1 V2 V3 V4 V5 V6 V7 V8 V9 V10
V1 0 13,7 12,8 13 12,4 10,2 13 8,7 12,3 12,2
V2 13,7 0 0,65 0,45 1,7 2,5 2,6 0,95 0,9 1,2
V3 12,8 0,65 0 0,24 1 1,8 1,9 0,5 0,21 0,7
V4 13 0,45 0,24 0 1 2,1 1,9 0,9 0,29 1
V5 12,4 1,7 1 1 0 0,95 1,5 1 1 0,75
V6 10,2 2,5 1,8 2,1 0,95 0 2,2 1,7 1,9 1,5
V7 13 2,6 1,9 1,9 1,5 2,2 0 1,9 2 1,7
V8 8,7 0,95 0,5 0,9 1 1,7 1,9 0 0,9 0,29
V9 12,3 0,9 0,21 0,29 1 1,9 2 0,9 0 0,85
 26

V10 12,2 1,2 0,7 1 0,75 1,5 1,7 0,29 0,85 0

V11 12,7 2,3 1,4 1,4 0,4 0,75 1,5 1,4 1,3 1,8
V12 9,7 1,3 0,6 0,65 0,65 1,4 1,4 0,75 0,45 1
V13 11,8 1,4 1 1,1 0,75 1,3 1,7 0,45 0,95 0,35
V14 13,2 2,1 1,7 1,7 1,6 2,3 1,2 2 1,5 2
V15 12,5 2,1 1,5 1,5 0,5 0,95 1,3 1,4 1,2 1,7
V16 12,1 1,3 0,6 0,45 0,8 1,6 1,5 1,3 0,4 0,85
V17 11,6 1,2 0,75 0,9 0,7 1,6 1,6 0,35 0,75 0,14
V18 12,4 2,1 1,3 1,3 0,45 0,6 1,9 1,2 1,1 1
V19 11,8 1,5 1,1 1,1 0,65 1,2 1,7 0,6 0,9 0,55
V20 11,9 1,5 0,7 0,75 0,35 1,2 1,2 0,7 0,55 0,5
V21 11,6 1,3 0,9 1,1 0,9 1,7 1,8 0,65 1 0,4
V22 11,7 1,3 0,8 0,85 0,5 1,5 1,5 0,4 0,6 0,21
V23 9,7 1,4 0,75 0,75 0,65 1,5 1,5 0,9 0,6 1,1
V24 12,4 2,1 1,3 1,3 1 1,8 0,7 1,5 1,2 1,7
V25 11,5 1,2 1 0,8 0,7 1,6 1,6 0,45 0,65 0,23
V26 12,8 1,3 1,3 1,7 1 2,2 1,6 1,8 1,3 1,6
V27 12,3 0,75 0,29 0,65 1 1,9 1,9 0,75 0,85 0,4
V28 13 2,6 1,9 1,8 1,4 2,2 0,1 1,9 1,7 1,6

V11 V12 V13 V14 V15 V16 V17 V18 V19 V20
V1 12,7 9,7 11,8 13,2 12,5 12,1 11,6 12,4 11,8 11,9
V2 2,3 1,3 1,4 2,1 2,1 1,3 1,2 2,1 1,5 1,5
V3 1,4 0,6 1 1,7 1,5 0,6 0,75 1,3 1,1 0,7
V4 1,4 0,65 1,1 1,7 1,5 0,45 0,9 1,3 1,1 0,75
V5 0,4 0,65 0,75 1,6 0,5 0,8 0,7 0,45 0,65 0,35
V6 0,75 1,4 1,3 2,3 0,95 1,6 1,6 0,6 1,2 1,2
V7 1,5 1,4 1,7 1,2 1,3 1,5 1,6 1,9 1,7 1,2
V8 1,4 0,75 0,45 2 1,4 1,3 0,35 1,2 0,6 0,7
V9 1,3 0,45 0,95 1,5 1,2 0,4 0,75 1,1 0,9 0,55
 27

V10 1,8 1 0,35 2 1,7 0,85 0,14 1 0,55 0,5

V11 0 1 0,85 1,6 0,2 1,2 1,1 0,45 0,75 0,85
V12 1 0 0,5 2 1,3 0,9 0,29 1,1 0,55 0,6
V13 0,85 0,5 0 1,8 0,85 0,9 0,21 0,7 0,11 0,6
V14 1,6 2 1,8 0 1,4 1,3 1,7 2,1 1,8 1,3
V15 0,2 1,3 0,85 1,4 0 1,1 1,3 0,6 0,75 0,65
V16 1,2 0,9 0,9 1,3 1,1 0 0,75 1,1 0,9 0,55
V17 1,1 0,29 0,21 1,7 1,3 0,75 0 0,9 0,3 0,45
V18 0,45 1,1 0,7 2,1 0,6 1,1 0,9 0 0,55 0,7
V19 0,75 0,55 0,11 1,8 0,75 0,9 0,3 0,55 0 0,55
V20 0,85 0,6 0,6 1,3 0,65 0,55 0,45 0,7 0,55 0
V21 1,3 1 0,55 1,9 1,3 1 0,35 1,2 0,6 0,65
V22 0,95 0,28 0,24 1,6 0,9 0,65 0,12 0,85 0,26 0,35
V23 1,1 0,11 0,75 1,5 1,1 0,55 0,6 1 0,75 0,4
V24 1,1 1,3 1,3 0,6 0,9 1 1,2 1,5 1,4 0,7
V25 1,2 0,17 0,35 1,6 1,1 0,6 0,17 1 0,4 0,45
V26 1,5 1,8 1,6 0,8 1,3 0,8 1,5 1,8 1,7 1,1
V27 1,4 0,45 0,65 2,1 1,4 0,9 0,45 1,3 0,7 0,75
V28 1,5 1,7 1,7 2,1 1,3 1,5 1,6 1,9 1,8 1,2

V21 V22 V23 V24 V25 V26 V27 V28

V1 11,6 11,7 9,7 12,4 11,5 12,8 12,3 13
V2 1,3 1,3 1,4 2,1 1,2 1,3 0,75 2,6
V3 0,9 0,8 0,75 1,3 1 1,3 0,29 1,9
V4 1,1 0,85 0,75 1,3 0,8 1,7 0,65 1,8
V5 0,9 0,5 0,65 1 0,7 1 1 1,4
V6 1,7 1,5 1,5 1,8 1,6 2,2 1,9 2,2
V7 1,8 1,5 1,5 0,7 1,6 1,6 1,9 0,1
V8 0,65 0,4 0,9 1,5 0,45 1,8 0,75 1,9
V9 1 0,6 0,6 1,2 0,65 1,3 0,85 1,7
 28

V10 0,4 0,21 1,1 1,7 0,23 1,6 0,4 1,6

V11 1,3 0,95 1,1 1,1 1,2 1,5 1,4 1,5
V12 1 0,28 0,11 1,3 0,17 1,8 0,45 1,7
V13 0,55 0,24 0,75 1,3 0,35 1,6 0,65 1,7
V14 1,9 1,6 1,5 0,6 1,6 0,8 2,1 2,1
V15 1,3 0,9 1,1 0,9 1,1 1,3 1,4 1,3
V16 1 0,65 0,55 1 0,6 0,8 0,9 1,5
V17 0,35 0,12 0,6 1,2 0,17 1,5 0,45 1,6
V18 1,2 0,85 1 1,5 1 1,8 1,3 1,9
V19 0,6 0,26 0,75 1,4 0,4 1,7 0,7 1,8
V20 0,65 0,35 0,4 0,7 0,45 1,1 0,75 1,2
V21 0 0,35 0,8 0,8 0,45 1,2 0,6 1,3
V22 0,35 0 0,5 1,1 0,16 1,5 0,45 1,5
V23 0,8 0,5 0 1,3 0,089 1,8 0,35 1,7
V24 0,8 1,1 1,3 0 0,9 0,9 1,2 1,1
V25 0,45 0,16 0,089 0,9 0 2,2 0,7 2,2
V26 1,2 1,5 1,8 0,9 2,2 0 2 3,6
V27 0,6 0,45 0,35 1,2 0,7 2 0 2
V28 1,3 1,5 1,7 1,1 2,2 3,6 2 0

Tentukan rute terpendek yang bisa dilalui kurir tersebut untuk mengirimkan
barang dari Kantor JNE ke 27 pelanggan kemudian kembali lagi ke Kantor JNE
dengan menggunakan Excel Solver!
(Data diperoleh dari skripsinya Dinar Anggit Wicaksana yang berjudul
“Solusi Travelling Salesman Problem Menggunakan Algoritma Fuzzy Evolusi”
pada halaman 89-94).
Jawab:
Langkah-langkah untuk menyelesaikan masalah tersebut adalah sebagai berikut:
1. Menuliskan data awal, yaitu data jarak tempuh (km) dari masing-masing titik
lokasi ke dalam lembar kerja Microsoft Excel seperti berikut:
 29

2. Menuliskan variabel keputusan dan fungsi tujuan seperti berikut:

 Nilai pada sel AF2:AF29 diperoleh dengan formula:

=INDEX(array; row_num; [column_num])
 Nilai pada sel AF30 diperoleh dengan formula:
=SUM(AF2:AF29)
yaitu total jarak yang dilalui kurir dengan urutan perjalanan:
V1-V2-V3-V4-V5-V6-V7-V8-V9-V10-V11-V12-V13-V14-V15-V16-V17-V18-V19-
V20-V21-V22-V23-V24-V25-V26-V27-V28-V1
3. Klik menu Solver pada tab Data. Akan muncul tampilan Solver Parameters
seperti berikut:
 30

 Pada bagian Set Objective, masukkan sel tujuan (sel AF30).

 Pada bagian To, pilih Min untuk meminimalkan total jarak.
 Pada bagian By Changing Variable Cells, masukkan referensi sel untuk
setiap rentang variabel keputusan, yaitu sel AE2:AE29.
 Pada bagian Subject to the Constraints, klik Add. Akan muncul tampilan
berikut:

 Pada bagian Cell Reference, masukkan referensi sel untuk setiap rentang
variabel keputusan, yaitu sel AE2:AE29. Kemudian pada kotak kedua,
pilih dif. Secara otomatis kotak ketiga akan muncul tulisan AllDifferent
seperti berikut:
 31

 Kemudian klik OK. Tampilan akan kembali ke bagian Solver

Parameters seperti berikut:

 Pada bagian Select a Solving Method, pilih Evolutionary.

 Kemudian klik Solve.
Akan muncul tampilan berikut:
 32

4. Memeriksa hasilnya dan melakukan koreksi pada model.

Dari tampilan di atas, diperoleh informasi bahwa Solver tidak dapat
meningkatkan solusi lagi dikarenakan semua kendala/batasan sudah dipenuhi.
Dengan kata lain, sudah diperoleh hasil yang optimal.
Pilih Keep Solver Solution, Answer dan centang bagian Outline Report
untuk mendapatkan informasi dari hasil pengoperasian Excel Solver.
Kemudian klik OK.
Akan muncul tampilan berikut:

5. Menganalisis dan menginterpretasikan hasilnya.

 33

Dari tampilan di atas, terlihat bahwa sel AE2:AE29 sudah berubah

nilainya. Artinya referensi sel untuk setiap rentang variabel keputusan yang
ditetapkan di awal bukan merupakan rute terbaik. Akibatnya sel AE2:AE29
sudah digantikan oleh rentang variabel keputusan yang baru, hasil dari proses
Solver dan merupakan rute terbaik. Selain itu juga terdapat 1 sheet baru pada
lembar kerja, yaitu sheet dengan judul Answer Report 1 seperti berikut:
 34

Perubahan yang terjadi pada sel AE2:AE29 juga terlihat pada tampilan
tersebut dimana kolom Original Value merupakan referensi sel untuk setiap
rentang variabel keputusan yang ditetapkan di awal dan kolom Final Value
merupakan rentang variabel keputusan yang baru, hasil dari proses Solver dan
merupakan rute terbaik.
 35

Dari tampilan tersebut bisa diambil beberapa informasi berikut:

a. Waktu yang dibutuhkan untuk proses Solver adalah 171,937 detik.
b. Karena titik awal adalah titik pertama (V1), maka rute terpendek adalah V1-
V12-V23-V25-V17-V13-V19-V22-V20-V5-V18-V6-V11-V15-V28-V7-V24-V14-V26-
V16-V9-V3-V4-V2-V27-V21-V10-V8-V1 dengan total jarak tempuh 29,689 km.
Jadi, rute terpendek yang bisa dilalui kurir tersebut untuk mengirimkan
barang dari Kantor JNE ke 27 pelanggan kemudian kembali lagi ke Kantor JNE
adalah berangkat dari kantor JNE (V1) menuju tempatnya Ferdinad (V12), kemudian
ke tempatnya Ningrum (V23), kemudian ke tempatnya Adi (V25), kemudian ke
tempatnya Januar Wahyu (V17), kemudian ke tempatnya Indah Putri (V13),
kemudian ke tempatnya Fresma (V19), kemudian ke tempatnya Vani (V22),
kemudian ke tempatnya (V20), kemudian ke tempatnya Teta (V5), kemudian ke
tempatnya Ida Hanifah (V18), kemudian ke tempatnya Michelle Buison (V6),
kemudian ke tempatnya Putri (V11), kemudian ke tempatnya Desy Nourma (V15),
kemudian ke tempatnya Elisabet Yania Adriani (V28), kemudian ke tempatnya
Anjie Aristianty (V7), kemudian ke tempatnya Yudi Ucil (V24), kemudian ke
tempatnya Maulita (V14), kemudian ke tempatnya Esti (V26), kemudian ke
tempatnya Awan Djati (V16), kemudian ke tempatnya Elisa Amalia (V9), kemudian
ke tempatnya Rendy Risk (V3), kemudian ke tempatnya Agung (V4), kemudian ke
tempatnya Zerlin (V2), kemudian ke tempatnya Optik Audhifa (V27), kemudian ke
tempatnya Toko Pro Atk (V21), kemudian ke tempatnya Nouva Alesia (V10),
kemudian ke tempatnya Betty Ekowati (V8), dan yang terakhir adalah kembali ke
kantor JNE (V1) dengan total jarak tempuh 29,689 km.
Karena ini merupakan kasus symmetric TSP, maka terdapat rute terpendek
yang lain yang juga memiliki total jarak tempuh 29,689 km, yaitu kebalikan arah
dari rute yang pertama. Rute tersebut adalah V1-V8-V10-V21-V27-V2-V4-V3-V9-V16-
V26-V14-V24-V7-V28-V15-V11-V6-V18-V5-V20-V22-V19-V13-V17-V25-V23-V12-V1.
Dengan kata lain, kurir bisa berangkat dari Kantor JNE (V1) menuju tempatnya
Betty Ekowati (V8), kemudian ke tempatnya Nouva Alesia (V10), kemudian ke
tempatnya Toko Pro Atk (V21), kemudian ke tempatnya Optik Audhifa (V27),
kemudian ke tempatnya Zerlin (V2), kemudian ke tempatnya Agung (V4), kemudian
 36

ke tempatnya Rendy Risk (V3), kemudian ke tempatnya Elisa Amalia (V9),

kemudian ke tempatnya Awan Djati (V16), kemudian ke tempatnya Esti (V26),
kemudian ke tempatnya Maulita (V14), kemudian ke tempatnya Yudi Ucil (V24),
kemudian ke tempatnya Anjie Aristianty (V7), kemudian ke tempatnya Elisabet
Yania Adriani (V28), kemudian ke tempatnya Desy Nourma (V15), kemudian ke
tempatnya Putri (V11), kemudian ke tempatnya Michelle Buison (V6), kemudian ke
tempatnya Ida Hanifah (V18), kemudian ke tempatnya Teta (V5), kemudian ke
tempatnya (V20), kemudian ke tempatnya Vani (V22), kemudian ke tempatnya
Fresma (V19), kemudian ke tempatnya Indah Putri (V13), kemudian ke tempatnya
Januar Wahyu (V17), kemudian ke tempatnya Adi (V25), kemudian ke tempatnya
Ningrum (V23), kemudian ke tempatnya Ferdinad (V12), dan yang terakhir adalah
kembali ke kantor JNE (V1) dengan total jarak tempuh 29,689 km.

Jawaban pembanding:
Dalam kasus yang sama, Dinar Anggit Wicaksana dalam skripsinya yang
berjudul “Solusi Travelling Salesman Problem Menggunakan Algoritma Fuzzy
Evolusi” menyelesaikan kasus ini menggunakan Algoritma Fuzzy Evolusi dalam
bentuk program yang ia buat sendiri menggunakan bahasa pemrogaraman Matlab
dan diperoleh rute terpendek dengan total jarak tempuh 35,180 km dengan waktu
komputasi 635,698 detik. Hasilnya lebih buruk daripada hasil yang diperoleh dari
Excel Solver. Hal ini kemungkinan besar disebabkan karena masih ada kelemahan
dari program yang ia buat.
 BAB III
PENUTUP
A. Kesimpulan
Berdasarkan hasil yang diperoleh pada pembahasan, maka dapat diambil
kesimpulan sebagai berikut:
1. Excel Solver bisa digunakan untuk menyelesaikan kasus Travelling Salesman
Problem (TSP).
2. Langkah-langkah untuk mencari rute terpendek menggunakan Excel Solver
adalah sebagai berikut:
a. Menuliskan data awal.
b. Menuliskan variabel keputusan dan fungsi tujuan.
c. Klik menu Solver pada tab Data. Akan muncul tampilan Solver Parameters
berikut:

 Pada bagian Set Objective, masukkan sel tujuan.

 Pada bagian To, pilih Min untuk meminimalkan total jarak.
 Pada bagian By Changing Variable Cells, masukkan referensi sel untuk
setiap rentang variabel keputusan.

37
 38

 Pada bagian Subject to the Constraints, klik Add. Akan muncul tampilan
berikut:

 Pada bagian Cell Reference, masukkan referensi sel untuk setiap

rentang variabel keputusan. Kemudian pada kotak sebelahnya, pilih
hubungan antara referensi sel. Dalam hal ini, pilih dif (different –
berbeda) supaya tidak ada variabel keputusan yang bernilai sama.
Dengan kata lain, pilih dif supaya masing-masing titik hanya
dikunjungi sekali. Kemudian klik OK. Tampilan akan kembali ke
bagian Solver Parameters.
 Pada bagian Select a Solving Method, pilih Evolutionary.
 Kemudian klik Solve.
d. Memeriksa hasilnya dan melakukan koreksi pada model.
e. Menganalisis dan menginterpretasikan hasilnya.
3. Hasil yang diperoleh dari Excel Solver merupakan hasil terbaik.
4. Proses Solver tergolong cepat.
B. Saran
Dalam makalah ini, Excel Solver hanya digunakan untuk menyelesaikan
kasus Travelling Salesman Problem (TSP). Bagi pembaca yang tertarik untuk
mengkaji penggunaan Excel Solver, pembaca bisa mengkaji Excel Solver untuk
menyelesaikan masalah transportasi, masalah penugasan (assignment), masalah
aliran maksimum, atau sebagainya.
Selain itu, pembaca juga bisa mengkaji varian Travelling Salesman Problem
(TSP) yang lain menggunakan Excel Solver, misalnya Travelling Salesman
Problem with Time Windows (TSPTW), Clustered Travelling Salesman Problem
(CTSP), Multiple Travelling Salesman Problem (MTSP), Dynamic Travelling
Salesman Problem (DTSP), dan Travelling Salesman Problem with Precedence
Constraints (TSPPC).
 DAFTAR PUSTAKA

Buana, M.I. (2016). Ant Colony Optimization dalam Penyelesaian Travelling

Salesman Problem Menggunakan Matlab. Skripsi Tidak Dipublikasikan.
Universitas Negeri Semarang.

Budi, W.P.S. (2013). Optimasi Traveling Salesman Problem dengan Algoritma

Genetika Menggunakan Operator Partially Matched Crossover. Skripsi
Tidak Dipublikasikan. Universitas Islam Negeri Maulana Malik Ibrahim,
Malang.

Djamaris, A.R.A. (2018). Pemanfaatan Excel-Solver untuk Pengambilan

Keputusan. Laporan Pengabdian Kepada Masyarakat. Universitas Bakrie,
Jakarta.

Ernawati (2017). Implementasi Algoritma Semut untuk Optimasi Rute Terpendek.

Skripsi Tidak Dipublikasikan. Universitas Islam Negeri Alauddin,
Makassar.

Purwananto, Y., D. Purwitasari, & A. W. Wibowo. 2005. Implementasi dan

Analisis Algoritma Pencarian rute terpendek di kota Surabaya. Jurnal
Penelitian dan Pengembangan TELEKOMUNIKASI, Vol 10 No.2, 94-
101. Tersedia di
http://www.researchgate.net/profile/Diana_Purwitasari/publication/26030
2626_IMPLEMENTASI_DAN_ANALISIS_ALGORITMA_PENCARI
AN_RUTE_TERPENDEK_DI_KOTA_SURABAYA/links/53ebcaae0cf
250c8947c6458.pdf?inViewer=1&disableCoverPage=true&origin=publi
cation_detail.

Sari, F.A., Dwijanto, & Sugiharti E. (2013). Implementasi Algoritma Genetika

Untuk Menyelesaikan Travelling Salesman Problem. UNNES Journal of
Matematics, Vol. 2, No.2, November 2013. Tersedia di
http://journal.unnes.ac.id/sju/ index.php/ujm/article/view/3251.

Wicaksana, D.A. (2013). Solusi Travelling Salesman Problem Menggunakan

Algoritma Fuzzy Evolusi. Skripsi Tidak Dipublikasikan. Universitas
Negeri Semarang.

39