PENERAPAN METODE SAVING MATRIX DAN METODE

TRAVELING SALESMAN PROBLEM DALAM

PERENCANAAN DISTRIBUSI POMPA DI PT. INDOBARA
BAHANA
Ondo Harto
Jurusan Teknik Industri, Fakultas Teknik Universitas Persada Indonesia Y.A.I
Jakarta
Email : ondoharto@gmail.com

ABSTRAK
PT. Indobara Bahana adalah sebuah perusahaan yang bergerak di bidang
Distribution, Trading, dan Contracting, dengan produk yang dihasilkan adalah
pompa air. Perusahaan mempunyai armada internal untuk mendistribusika
barangnya ke konsumen yang terdiri dari Dealer dan End User di seluruh
Jabodetabek.
Permasalahan yang terjadi adalah pendistribusian barang seringkali tidak tepat
waktu dan menyebabkan penumpukan distribusi sehingga harus dilanjutkan
keesokan harinya. Hal ini menyebabkan beberapa komplain hingga pembatalan
permintaan. Saat ini perusahaan menyewasa jasa ekspedisi di keesokan harinya
yang membuat biaya distribusi menjadi tinggi.
Untuk mengatasi permasalahan tersebut, perlu dilakukan perencanaan rute
distribusi yang efisien dengan menggunakan metode Saving Matrix dan Travelling
Salesman Problem agar bisa meminimalkan biaya distribusi dari perusahaan.
Dengan penerapan dan perbandingan dari kedua metode ini dihasilkan metode
Travelling Salesman Problem memiliki biaya distribusi lebih kecil yaitu Rp
43,746,097,- dibandingkan dengan Saving Matrix sebesar Rp 43,940,377,-. dan
kebutuhan permintaan dari Dealer /End User dapat terpenuhi tanpa menggunakan
jasa ekspedisi. Biaya ini bahkan lebih kecil dibandingkan dengan biaya distribusi
perusahaan dengan rute distribusi saat ini yaitu sebesar Rp 53,334,084,- sehingga
perusahaan bisa menghemat biaya sebesar Rp 9,587,987,-

Kata kunci : Rute, Distribusi, Saving Matrix, Travelling Salesman Problem

1
 ABSTRACT
PT. Indobara Bahana is a company engaged in Distribution, Trading, and
Contracting with water pump as its product. The company has internal fleets to
distribute its goods to customers consisting of dealers and end-users throughout
Jakarta, Bogor, Depok, Tangerang, and Bekasi areas.
The problem that occurs is the distribution of goods is often later than the time it
should take and causes congestion of distribution so that it must be continued on
the next day. This led to several complaints to cancellations of the request.
According to the congestion, the company has to hire another expedition service to
deliver goods on the next day which makes the distribution costs high.
To overcome these problems, it is necessary to plan an efficient distribution route
using the ‘Saving Matrix’ and ‘Traveling Salesman Problem’ methods in order to
minimize distribution costs from the company. With the application and comparison
of these two methods, the ‘Traveling Salesman Problem’ method has a smaller
distribution cost of Rp43,746,097,- compared to the ‘Saving Matrix’ of
Rp43,940,377,-. Also, demands from the dealers / end-users can be fulfilled without
using another expedition service on the next day.

Keyword: Route, Distribution, Saving Matrix, Travelling Salesman Problem

2
1. PENDAHULUAN
Latar Belakang Masalah
Distribusi merupakan proses penyaluran
produk dari produsen sampai ke konsumen.
Sistem distribusi dalam suatu perusahaan
memiliki peranan penting untuk
menyalurkan barang atau jasa yang
dihasilkan kepada konsumen. Kemudahan
konsumen dalam mendapatkan produk
yang diinginkan menjadi prioritas utama
dari setiap perusahaan untuk memberikan
kepuasan kepada konsumen terutama
dalam hal penerimaan barang di tempat
konsumen tepat waktu.
Perencanaan rute distribusi menjadi hal
yang penting agar produk yang
didistribusikan bisa sampai di tujuan tepat
waktu tanpa harus menambah biaya dalam
pendistribusiannya. Biaya tersebut
dipengaruhi oleh beberapa faktor salah
satunya adalah jarak yang akan ditempuh
dalam rute distribusi. Permasalahan dalam
menentukan rute, termasuk dalam vehicle
routing problem (“VRP”) yaitu
permasalahan optimasi penentuan rute
dengan keterbatasan kapasitas kendaraan.
Pada permasalahan ini, ada sebuah depot
awal dengan sejumlah tujuan untuk
dikunjungi dan demand yang berbeda-beda,
dengan bertujuan untuk meminimumkan
total jarak yang ditempuh kendaraan
dengan mengatur urut-urutan tempat yang
harus dikunjungi beserta kapan kembalinya
kendaraan untuk mengisi kapasitasnya lagi.
PT. Indobara Bahana adalah sebuah
perusahaan yang bergerak di bidang
Distribution, Trading, Contracting. Produk
yang didistribusikan adalah pompa air yang
di-supply dari Pabrik Ebara Indonesia.
Konsumen dari perusahaan terbagi atas
beberapa kategori yaitu dealer perusahaan,
sub contractor dan end user (customer
langsung). Saat ini perusahaan
menggunakan truk internal untuk
mendistribusikan produknya ke dealer
perusahaan dan semua konsumen (end
user) yang berada di JABODETABEK. Di
3
tahun 2018 perusahaan dalam proses
pendistribusiannya untuk masing-masing
truk internal diberikan jadwal 4 dealer / end
user dengan jarak terdekat tanpa melihat
dahulu kapasitas angkut yang bisa
dimaksimalkan dan jarak antara dealer / end
user yang lain, sehingga dalam proses
pendistribusiannya sering tidak tepat waktu
yang menyebabkan complain hingga
pembatalan PO (Purchase Order) dari
beberapa dealer / end user. Saat ini untuk
mengatasi hal tersebut perusahaan
menyewa jasa ekspedisi yang membuat
biaya distribusi menjadi tinggi, sehingga
perusahaan harus mengeluarkan tambahan
biaya untuk jasa ekspedisi. Di tahun 2022
yang akan datang PT. Indobara Bahana
juga berencana memindahkan gudang ke
daerah Sentul – Bogor, yang jaraknya lebih
jauh dari gudang di Pancoran, dan
rencananya menggunakan jasa ekspedisi
untuk mendistribusikan pompa ke semua
konsumennya. Oleh karena itu penelitian
ini akan membahas mengenai penerapan
metode dalam perencanaan distribusi
pompa dari gudang, sehingga nantinya bisa
dihasilkan rute distribusi yang lebih baik
dari sebelumnya dan tidak ada complain
atau pembatalan pesanan dari konsumen,
juga bisa meminimalkan biaya distribusi
dan meningkatkan pendapatan perusahaan.
Metode yang akan digunakan pada
penelitian ini adalah metode Saving Matrix
dan Travelling Salesman Problem.
Tujuan Penelitian
Tujuan dari penelitian ini adalah :
1. Menentukan rute distribusi yang efisien
dari perbandingan penerapan metode
saving matrix dengan metode
Travelling Salesman Problem.
2. Mengetahui besar biaya distribusi
antara penerapan metode Saving Matrix
dengan metode Travelling Salesman
Problem sehingga bisa ditentukan
metode yang paling optimal.
3. Mengetahui besar penghematan biaya
dari perbandingan biaya distribusi
 menggunakan metode perusahaan saat - Kegiatan melakukan produksi
ini dengan metode yang paling optimal. (Production)
- Kegiatan melakukan pengiriman
(Distribution)
2. LANDASAN TEORI - Kegiatan pengelolaan pengembalian
produk (Return).
Supply Chain Management
Istilah SCM pertama kali dikemukakan Peramalan
oleh Oliver & Webber pada tahun 1982
Peramalan merupakan suatu perkiraan
bahwa SCM adalah jaringan fisik dari
tingkat permintaan yang diharapkan untuk
beberapa perusahaan yang terlibat dalam
suatu produk dalam periode waktu tertentu
memasok bahan baku, memproduksi
di masa yang akan datang. Hal ini dapat
barang, maupun mendistribusikan barang
dilakukan dengan melibatkan pengambilan
ke konsumen akhir. Sedangkan menurut
data historis dan memproyeksikannya ke
Pires, (2001) Supply Chain Management
masa mendatang dengan suatu bentu model
(Manajemen Rantai Pasokan) sebagai
matematis. Peramalan biasanya
sebuah jaringan supplier, manufaktur,
dikateogirkan berdasarkan horizon waktu
perakitan, distribusi, dan fasilitas logistik
masa depan yang dilingkupinya, Tiga
yang membentuk fungsi pembelian dari
kategori peramalan adalah :
material, transformasi material menjadi
barang setengah jadi maupun produk jadi, 1. Peramalan Jangka Pendek
dan proses distribusi dari produk-produk 2. Peramalan Jangka Menengah
tersebut ke konsumen. 3. Peramalan Jangka Panjang
Ada tiga macam aliran yang harus dikelola
pada Supply Chain terdiri dari :
Klasifikasi Peramalan
1. Aliran barang / material yang
mengalir dari hulu ke hilir. Terdapat dua metode pendekatan untuk
2. Aliran uang / financial yang peramalan, diantaranya adalah
mengalir dari hulu ke hilir.
3. Aliran informasi yang mengalir dari 1. Metode Subyektif / Metode Kualitatif
hulu ke hilir atau sebaliknya.
Suatu metode peramalan yang
sangat dipengaruhi oleh orang yang
Ruang Lingkup SCM membuat peramalan tersebut.
Diantaranya adalah :
Secara umum ruang lingkup kegiatan
dalam SCM adalah kegiatan yang terkait a. Individual Opinion
dengan aliran material, informasi dan uang, b. Expert Opinion
jika mengacu pada perusahaan manufaktur c. Metode Delphi
maka kegiatan-kegiatan utama yang masuk d. Survei Pasar
dalam SCM adalah :
2. Metode Kuantitafif
- Kegiatan merancang produk baru
(Product Development) Dalam metode kuantitaf terbagi
- Kegiatan mendapatkan bahan baku menjadi dua kategori yaitu :
(Procurement, Purchasing)
- Kegiatan merencanakan produksi dan 1. Metode Time Series (Deret Waktu)
persediaan (Planning & Control). 2. Metode Casual (Sebab Akibat)

Prosedur Peramalan

4
1. Tentukan pola permintaan dengan cara
memplotkan data secara grafis dan
menyimpulkan pola data tersebut.
2. Mencoba beberapa metode yang sesuai
dengan pola permintaan tersebut untuk
melakukan peramalan.
3. Mengevaluasi tingkat kesalahan
masing-masing metode yang telah
dicoba. Tingkat kesalahan diukur
dengan kriteria MAD, MSE, MAPE.
4. Memilih metode peramalan terbaik
diantara metode yang dicoba, metode
yang terbaik adalah metode yang
memiliki tingkat kesalahan terkecil.
5. Melakukan peramalan permintaan
dengan metode terbaik yang telah
terpilih.
6. Melakukan verifikasi peramalan untuk
memastikan apakah metode peramalan
yang terpilih telah valid untuk
digunakan.
Saving Matrix
Saving matrix merupakan metode yang
digunakan untuk menentukan jarak, rute,
waktu dan ongkos dalam pelaksanaan
pengiriman barang perusahaan kepada
konsumen. Saving matrix adalah salah satu
metode heuristik yang sering digunakan
dalam permasalahan VRP (Vehicle Routing
Problem) dengan bertujuan agar
pengiriman barang bisa lebih efektif dan
efisien sehingga perusahaan dapat
menghemat biaya distribusi, tenaga dan
waktu pengiriman (Istantiningrum, 2010).
Langkah-langkah yang harus dilakukan
sebagai berikut :
1. Mengidentifikasi matrix jarak
Pada penentuan matrix jarak ini, data
jarak antara perusahaan dengan lokasi
konsumen satu dan yang lainnya sangat
diperlukan untuk mengetahui koordinat
dari masing-masing lokasi, maka jarak
antar lokasi bisa dihitung dengan rumus
: 1930. Diawali oleh Karl Manger di Viena
5
j (1,2) = √(X1 – X2)² + (Y1 – Y2)²
2. Mengidenfitikasi matrix penghematan
Setelah mengetahui jarak keseluruhan
antar lokasi konsumen, dalam hal ini
kita asumsikan bahwa setiap konsumen
akan dikunjungi oleh satu truk, artinya
akan ada beberapa rute yang berbeda
yang dilewati untuk tujuan masing-
masing.
Untuk memperoleh matrix
penghematan dapat digunakan rumus
sebagai berikut :
S (1,2) = (j (DC, 1) + j (DC, 2)) – j (1,2)
3. Mengalokasikan konsumen ke
kendaraan atau rute
Setelah matrix penghematan sudah
diketahui, maka langkah selanjutnya
adalah pengalokasian lokasi ke dalam
rute dan kendaraan
4. Mengurutkan konsumen (tujuan) dalam
rute yang sudah terdefinisi
Ada beberapa metode dalam
mengurutkan konsumen (tujuan),
diantaranya adalah :
a. Metode Nearest Insert
b. Metode Nearest Neighbour
c. Metode Sweep
Travelling Salesman Problem
Metode travelling salesman problem
adalah sebuah metode yang digunakan
untuk meminimasi biaya distribusi dengan
cara mencari jarak dan rute terdekat, waktu
tercepat dan biaya yang minimal et. Al,
Utomo, 2011. Permasalahan Travelling
salesman problem dikemukakan pada tahun
1800 oleh matematikawan Irlandia William
Rowan Hamilton dan matematikawan
Inggris Thomas Penyngton, sedangkan
bentuk umum dari TSP pertama dipelajari
oleh para matematikawan mulai tahun
dan Harvard. Setelah itu permasalahan TSP
dipublikasikan oleh Hassler Whitney dan
Merril Flood di Princeton. Selanjutnya TSP Pengolahan Data
menjadi popular untuk dipakai sebagai
Peramalan
model produksi, transportasi dan
komunikasi (Lestari, 2010). Dari data permintaan yang sudah
didapatkan dilakukan plotting data ke 10
Travelling salesman problem dikenal
Dealer / End User untuk menentukan
sebagai suatu permasalah optimasi yang
metode yang akan digunakan dari pola data
bersifat klasik, dimana tidak ada
yang tergambar. Dan didapatkan hasil
penyelesaian paling optimal selain
peramalan yang akan dijadikan pengolahan
mencoba seluruh kemungkinan
data untuk penerapan Metode Saving
penyelesaian yang ada.
Matrix dan Metode Travelling Salesman
Metode Branch and Bound Problem terlihat pada tabel berikut ini :

Metode Branch and Bound merupakan

salah satu algoritma untuk memecahkan
Tabel 3.1 Hasil Peramalan
pemasalahan optimasi dalam hal ini adalah
untuk meminimalkan biaya distribusi dan Forecast
No Dealer / End User
mencari jarak serta rute terdekat. Metode (Unit)
Branch and Bound pertama kali 1 Waskita, PT 1194
diperkenalkan oleh Land dan Doig (1960), 2 Hasta, PT 562
ide dasarnya adalah untuk membagi daerah 3 Istana, PT 317
solusi feasible menjadi daerah solusi 4 Tirta, PT 207
feasible yang lebih kecil. Pencarian solusi 5 Planeet, CV 126
6 JST Indonesia, PT 77
pada algoritma ini dimulai dengan
7 Sanggar SB, PT 52
menjabarkan kandidat solusi yang akan
8 BM Jaya, PT 25
dicabangkan menggunakan pohon 9 Rian Rahma 51
pencarian (search tree) dimana setiap 10 HPM Motor, PT 48
simpul menggambarkan kemungkinan Total 2659
solusi. Simpul yang lebih kecil ini
kemudian dapat di evaluasi secara
sistematis sampai solusi terbaik ditemukan. Saving Matrix
Komponen dalam metode ini terdiri dari
tiga yaitu fungsi pembatas, strategi seleksi Identifikasi Matriks Jarak
dan aturan pencabangan (Riyanti, 2004). Tabel 3.2 Identifkasi Matriks Jarak (Km)
DC DE1 DE2 DE3 DE4 DE5 DE6 DE7 DE8 DE9 DE10
DC
3. PENGUMPULAN DAN DE1 34.2
PENGOLAHAN DATA DE2 19.6 26.2
DE3 18.6 22.1 5.1
Pengumpulan Data DE4 25.4 53.3 18.9 12.6
DE5 20.6 26 1 8.7 24.3
Data yang dikumpulkan saat penelitian DE6 41.2 57.4 50.1 39.5 28.5 50.4
DE7 50.5 38.6 63.2 64 84.3 53.3 91.3
yaitu data umum perusahaan, data
DE8 61.2 98.7 78.6 66.6 70 77.5 34.9 114
permintaan, alamat gudang dan Dealer / DE9 20.7 25.9 0.6 12 17.9 0.1 49.2 54.4 71.2
End User, dimensi & kapasitas armada DE10 73.5 113 91.9 81.3 70.3 94.2 51.6 131 31.5 86.6
internal, dan biaya distribusi perusahaan
saat ini, untuk perhitungan dan pengolahan
datanya. Identifikasi Penghematan Jarak

6
Setelah mendapatkan identifikasi jarak dari demand yang diangkut adalah 26 + 15 =
gudang (DC) dan Dealer / End User (DE), 41 unit, penghematan kedua yaitu 26.1
maka dihitung penghematan jaraknya km, rute DE2 – DE4, karena demand
dengan menggabungkan dua atau lebih rute dari DE2 sudah teralokasi, maka
menjadi satu, dengan rumus : demand tambahannya adalah 10 unit,
total demand sudah hampir maksimal
S (1,2) = (j (DC, 1) + j (DC, 2)) – j (1,2) dan hanya tersisa 2 DE yang belum
dialokasikan, maka dipilih rute yang
Dimana :
demandnya tidak lebih dari 4 unit yaitu
S : Hasil penghematan jarak DE7.
(Saving)
- Kendaraan 3
J (DC,1) : Jarak (km) dari gudang ke Rute yang tersisia hanya di DE1, maka
konsumen 1 kendaraan 1 hanya mendistribusikan ke
DE1.
J (DC,2) : Jarak (km) dari gudang ke
konsumen 2 Alokasi DE dalam Urutan Rute
J (1,2) : Jarak (km) dari konsumen a. Metode Nearest Insert
1 ke konsumen 2 Metode ini menggunakan prinsip
memilih Dealer / End User yang kalau
Tabel 3.3 Hasil Penghematan Jarak (Km) dimasukan ke dalam rute yang sudah
DE1 DE2 DE3 DE4 DE5 DE6 DE7 DE8 DE9 DE10 ada menghasilkan jarak yang minimum,
DE1 0 dengan menggunakan tabel 3.2.
DE2 27.6 0 Langkah yang dilakukan adalah sebagai
DE3 30.7 33.1 0
DE4 6.3 26.1 31.4 0 berikut :
DE5 28.8 39.2 30.5 21.7 0 1. Kendaraan 1
DE6 18 10.7 20.3 38.1 11.4 0 Iterasi 1 :
DE7 46.1 6.9 5.1 -8.4 17.8 0.4 0
DE8 -3.3 2.2 13.2 16.6 4.3 67.5 -2.3 0 DC-DE5-DC = 41.2 Km
DE9 29 39.7 27.3 28.2 41.2 12.7 16.8 10.7 0 DC-DE6-DC = 82.4 Km
DE10 -5.3 1.2 10.8 28.6 -0.1 63.1 -7 103.2 7.6 0
DC-DE8-DC = 122.4 Km
Alokasi Permintaan Ke Kendaraan dan DC-DE9-DC = 41.4 Km
Rute DC-DE10-DC = 147 Km
Dari iterasi 1, hasil jarak yang
- Kendaraan 1 paling pendek adalah 41.2 Km,
Langkah pertama yaitu menentukan maka rute pertama dari kendaraan 1
penghematan terbesar dari Tabel 3.3 adalah DE5, selanjutnya dilakukan
yaitu 103.2 km, rute DE8 – DE10 perhitungan yang sama seperti
dengan demand yang diangkut adalah 2 iterasi 1 sampai didapatkan rute
+ 3 = 5 unit, penghematan kedua yaitu yang total jarak tempuhnya
67.5 km, rute DE6 – DE8, karena minimal. Maka rute dari kendaraan
demand dari DE8 sudah teralokasi, 1 dari hasil iterasi adalah DC-DE5-
maka demand tambahannya adalah 4 DE9-DE8-DE10-DC, dengan total
unit, penghematan ketiga yaitu 41.2 km, jarak tempuh 209.8 Km.
rute DE5 – DE9, tambahan demandnya 2. Kendaraan 2
adalah 9 unit. Iterasi 1 :
DC-DE2-DC = 39.2 Km
- Kendaraan 2 DC-DE3-DC = 37.2 Km
Langkah pertama yaitu menentukan DC-DE4-DC = 50.8 Km
penghematan terbesar dari Tabel 3.3 DC-DE7-DC = 101 Km
yaitu 33.1 km, rute DE2 – DE3 dengan

7
 Dari iterasi 1, hasil jarak yang
paling pendek adalah 37.2 Km,
maka rute pertama dari kendaraan 1
adalah DE3, selanjutnya dilakukan
perhitungan yang sama seperti
iterasi 1 sampai didapatkan rute
yang total jarak tempuhnya
minimal. Maka rute dari kendaraan
1 dari hasil iterasi adalah DC-DE3-
DE2-DE4-DE7-DC, dengan total
jerak tempuh 171.1 km.
3. Kendaraan 3
Kendaraan 3 hanya melakukan
distribusi ke DE1 dengan rute DC –
DE1 – DC, total jarak tempuh yaitu
68.4 km.
b. Metode Nearest Neigbour
Metode ini prinsipnya menambahkan
Dealer / End User yang jaraknya paling
dekat dengan Dealer / End User yang
dikunjungi terakhir. Dengan
menggunakan tabel 3.2, langkah yang
dilakukan adalah sebagai berikut :
1. Kendaraan 1
Iterasi 1 :
DC-DE5 = 20.6 km
DC-DE6 = 41.2 km
DC-DE8 = 61.2 km
DC-DE9 = 20.7 km
DC-DE10 = 73.5 km
Dari iterasi 1, hasil jarak yang
paling pendek adalah 20.6 Km,
maka rute pertama dari kendaraan 1
adalah DE5, selanjutnya dilakukan
perhitungan yang sama seperti
iterasi 1 sampai didapatkan rute
yang total jarak tempuhnya
minimal. Maka rute dari kendaraan
1 dari hasil iterasi adalah DC-DE5-
DE9-DE6-DE8-DE10-DC, dengan
total jarak tempuh 209.8 km.
2. Kendaraan 2
Iterasi 1 :
DC-DE2 = 19.6 km
DC-DE3 = 18.6 km
DC-DE4 = 25.4 km
DC-DE7 = 50.5 km
Dari iterasi 1, hasil jarak yang
paling pendek adalah 18.6 Km,
8
maka rute pertama dari kendaraan 1
adalah DE3, selanjutnya dilakukan
perhitungan yang sama seperti
iterasi 1 sampai didapatkan rute
yang total jarak tempuhnya
minimal. Maka rute dari kendaraan
1 dari hasil iterasi adalah DC-DE3-
DE2-DE4-DE7-DC, dengan total
jarak tempuh 171.1 km.
3. Kendaraan 3
Kendaraan 3 hanya melakukan
distribusi ke DE1 dengan rute DC –
DE1 – DC, total jarak tempuh yaitu
68.4 km.
c. Metode Sweep
Metode ini adalah pengelompokan yang
dilakukan dengan konsep garis
menyapu dari titik (DE) yang ada
disekitar gudang (DC) dari sudut
terkecil sampai sudut terbesar dengan
searah jarum jam sampai semua Dealer
/ End User masuk dalam rute
perjalanan.
1. Kendaraan 1
Gambar 3.1 Metode Sweep
Urutan rutenya adalah DC – DE5 –
DE9 – DE6 – DE8 - DE10 – DC,
dengan total jarak tempuh adalah
209.8 km.
2. Kendaraan 2
Gambar 3.2 Metode Sweep
Urutan rutenya adalah DC – DE7 –
DE3 – DE2 – DE4 – DC, dengan
total jarak tempuh adalah 135.9 km.
3. Kendaraan 3
 Contoh perhitungan :
DC,DE5 = 20.6-20.6 = 0
DE5,DC = 20.6-0.1 = 20.5
Dengan hasil perhitungan sebagai
berikut :

Tabel 3.6 Hasil Reduksi Baris

Gambar 3.3 Metode Sweep
Urutan rutenya adalah DC – DE1 –
DC, dengan total jarak tempuh
adalah 68.4 km.

Travelling Salesman Problem

Alokasi demand sama dengan
mengikuti alokasi pada perhitungan
sebelumnya, dengan menggunakan
Branch and Bound, langkah
perhitungannya sebagai berikut :
1. Kendaraan 1
Terlebih dahulu dimasukan
jarak masing-masing dari DC,
DE5, DE6, DE8, DE9 dan
DE10, selanjutnya dicari jarak
terpendek untuk melakukan
reduksi baris dan kolom dari
tabel jarak tersebut, untuk
memudahkan perhitungan.
Tabel 3.4 Jarak Gudang ke DE
Setelah itu dilakukan reduksi
kolom, dikarenakan masih terdapat
beberapa kolom yang belum
terdapat nilai 0, dan tmencari nilai
terkecil dari masing-masing kolom.
Selanjutnya menentukan nilai A dan
B, A dan B merupakan nilai terkecil
setelah 0 pada baris dan kolom
untuk menghilangkan rute (Q) yang
nantinya menjadi urutan rute dari
kendaraan 1. Dengan rumus :
Qij = Ai + Bj
Dimana :
Qij = Rute yang terbentuk dari
titik awal ke titik akhir
Ai = Nilai terkecil setelah 0
pada setiap baris
Bj = Nilai terkecil setelah 0
pada setiap kolom

Tabel 3.6 Nilai Ai dan Bj

Iterasi 1 :
Reduksi baris dihitung untuk
mencari nilai 0 dari masing-masing
baris, dengan mencari nilai terkecil.
Tersaji pada tabel berikut :

Tabel 3.5 Reduksi Baris Contoh perhitungan :

QDE8,DE10 = ADE8 + BDE10
= 23.4 + 16.7 = 40.1
QDE9,DE5 = ADE9 + BDE5
= 14.3 + 15.5 = 29.8
QDE10,DE8 = ADE10 + BDE8
= 16.7 + 40.6 = 57.3

9
 Dari hasil perhitungan Q,
didapatkan rute yang nilainya
terbesar adalah DE10 dan DE8.
Rute tersebut dihilangkan dari baris
dan kolom. Dikarenakan masih ada
baris dan kolom yang masih bisa
direduksi, maka baris dan kolom
yang tersisa pada iterasi 1,
dilanjutkan untuk melakukan
perhitungan iterasi 2 dan
selanjutnya sampai sudah tidak bisa
direduksi lagi. Perhitungan yang
dijadikan contoh adalah iterasi 1.
Dari iterasi yang sudah dilakukan
maka telah dipilih nilai Q paling
besar yaitu DE10 – DE8, DE6 –
DE10, DE8 – DE6, DE9 – DE5,
DE5 – DC dan DC – DE6. Dari rute
terpilih tersebut terbentuklah rute
kendaraan 1 yaitu DC – DE6 –
DE10 – DE8 – DE9 – DE5 – DC
dengan total jarak tempuh adalah
216.2 Km.
2. Kendaraan 2
Perhitungan untuk kendaraan 2
sama seperti kendaraan 1,
dengan melalukan reduksi pada
kolom dan baris, dan mencari
nilai Q terbesar. Dari iterasi
yang sudah dilakukan maka
telah dipilih nilai Q paling besar
yaitu DE2 – DE3, DC – DE7,
DE3 – DE4, DE7 - DE2 dan
DE4 – DC. Dari rute terpilih
tersebut terbentuklah rute
kendaraan 1 yaitu DC – DE7 –
DE2 – DE3 – DE4 – DC,
dengan total jarak tempuh
adalah 156.8 Km.
3. Kendaraan 3
Kendaraan 3 hanya melakukan
distribusi ke DE1 dengan rute
DC – DE1 – DC, total jarak
tempuh yaitu 68.4 km. Maka
tidak ada perhitungan metode.
Biaya Distribusi Saving Matrix
10
Biaya distribusi meliputi biaya transportasi
dan biaya tenaga kerja, perhitungan
dilakukan berdasarkan jarak tempuh dan
frekuensi pengiriman.
Kendaraan 1 :
Frekuensi pengiriman berdasarkan iterasi
yang dilakukan, kendaraan 1 melakukan
pengiriman sebanyak 21 hari kerja dengan
total jerak tempuh adalah 3,757.7 km,
dengan total biaya distribusinya adalah Rp.
16,064,576,-.
Kendaraan 2 :
Frekuensi pengiriman berdasarkan iterasi
yang dilakukan, kendaraan 2 melakukan
pengiriman sebanyak 21 hari kerja dengan
total jerak tempuh adalah 3,203.3 km,
dengan total biaya distribusinya adalah Rp.
15,285,619,-.
Kendaraan 3 :
Frekuensi pengiriman berdasarkan iterasi
yang dilakukan, kendaraan 3 melakukan
pengiriman sebanyak 22 hari kerja dengan
total jerak tempuh adalah 1,504.8 km,
dengan total biaya distribusinya adalah Rp.
12,590,182,-.
Maka total biaya distribusi dengan
menggunakan Saving Matrix adalah Rp.
43,996,514,-
Biaya Distribusi Travelling Salesman
Problem
Biaya distribusi meliputi biaya transportasi
dan biaya tenaga kerja, perhitungan
dilakukan berdasarkan jarak tempuh dan
frekuensi pengiriman.
Kendaraan 1 :
Frekuensi pengiriman berdasarkan iterasi
yang dilakukan, kendaraan 1 melakukan
pengiriman sebanyak 21 hari kerja dengan
total jerak tempuh adalah 3,896.2 km,
dengan total biaya distribusinya adalah Rp.
16,105,619,-.
Kendaraan 2 :
Frekuensi pengiriman berdasarkan iterasi
yang dilakukan, kendaraan 2 melakukan
pengiriman sebanyak 22 hari kerja dengan
total jerak tempuh adalah 3,053.8 km,
dengan total biaya distribusinya adalah Rp.
15,050,296,-.
Kendaraan 3 :
Frekuensi pengiriman berdasarkan iterasi
yang dilakukan, kendaraan 3 melakukan
pengiriman sebanyak 22 hari kerja dengan
total jerak tempuh adalah 1,504.8 km,
dengan total biaya distribusinya adalah Rp.
12,590,182,-.
Maka total biaya distribusi dengan
menggunakan Travelling Salesman
Problem adalah Rp. 43,746,097,-
Biaya Distribusi Perusahaan Saat Ini
Biaya distribusi yang dikeluarkan
perusahaan saat ini meliputi biaya
transportasi, biaya tenaga kerja dan biaya
sewa ekspedisi untuk memenuhi
permintaan pengiriman, yaitu :
Kendaraan 1 :
Frekuensi pengiriman berdasarkan iterasi
yang dilakukan, kendaraan 1 melakukan
pengiriman sebanyak 22 hari kerja dengan
total jerak tempuh adalah 1,395.4 km,
dengan total biaya distribusinya adalah Rp.
12,735,970,-.
Kendaraan 2 :
Frekuensi pengiriman berdasarkan iterasi
yang dilakukan, kendaraan 2 melakukan
pengiriman sebanyak 22 hari kerja dengan
total jerak tempuh adalah 4,315.6 km,
dengan total biaya distribusinya adalah Rp.
17,652,249,-.
Kendaraan 3 :
Frekuensi pengiriman berdasarkan iterasi
yang dilakukan, kendaraan 1 melakukan
pengiriman sebanyak 22 hari kerja dengan
total jerak tempuh adalah 2,493 km, dengan
total biaya distribusinya adalah Rp.
14,145,864,-.
Sewa Ekspedisi :
Ekspedisi yang digunakan untuk memenuhi
permintaan pengiriman adalah 8 unit
kendaraan dengan biaya Rp. 1,100,000 per
kendaraan, dan total biaya yang
dikeluarkan adalah Rp. 8,800,000,-.
Maka total biaya perusahaan saat ini adalah
Rp. 53,334,084,-.
4. KESIMPULAN DAN SARAN
11
Kesimpulan
1. Rute distribusi untuk pengiriman
pompa perusahaan sehingga
menjadi lebih baik atau efisien
setelah diteliti dengan perbandingan
penerapan Metode Saving Matrix
dan Metode Travelling Salesman
Problem untuk mendapatkan jarak
tempuh yang paling pendek
didapatkan hasil metode TSP yang
paling pendek jarak tempuhnya,
dengan 3 rute distribusi untuk 3
kendaraan internal perusahaan,
yaitu :
a. Rute untuk kendaraan 1 adalah
DC – DE6 – DE8 – DE9 – DE10
– DC.
b. Rute untuk kendaraan 2 adalah
DC – DE7 – DE3 – DE2 – DE4
– DC.
c. Rute untuk kendaraan 3 adalah
DC – DE1 – DC.
2. Biaya yang dikeluarkan untuk
mendistribusikan pompa
perusahaan dengan menggunakan
metode Travelling Salesman
Problem terbukti lebih rendah
dibandingkan jika menggunakan
metode Saving Matrix dengan
mempunyai nilai selisih sebesar Rp.
194.280,-. Walaupun nilai
selisihnya kecil karena ini adalah
biaya yang harus dikeluarkan maka
menguntungkan perusahaan.
3. Besarnya biaya distribusi yang bisa
di hemat oleh perusahaan jika
menggunakan metode TSP ini
adalah Rp. 9.587.987,- ,
dibandingkan dengan
menggunakan metode perusahaan
saat ini. Dan permasalahan yang
terjadi bisa terselesaikan dengan
menggunakan metode TSP, tidak
adanya keterlambatan pengiriman
dan penggunaan jasa ekspedisi,
bahkan bisa lebih cepat
terselesaikan untuk kendaraan 1
karena hari kerja yang dibutuhkan
 untuk mendistribusikan
permintaaan yang dialokasikan ke
kendaraan 1 hanya 21 hari kerja.
Saran
Saran yang diberikan kepada PT.
Indobara Bahana yaitu hal-hal apa saja
yang harus dilakukan untuk mendukung
jalannya operasional pendistribusian
dengan hasil penelitian yang telah
dilakukan.
1. Perusahaaan menerapkan metode
Travelling Salesman Problem untuk
mendistribusikan pompa ke Dealer /
End User, karena bisa
menyelesaikan permasalahan yang
terjadi saat ini, dan biaya yang
dikeluarkan juga lebih rendah
dibandingkan biaya distribusi saat
ini.
2. Kendaraan internal perusahaan
yang digunakan untuk
mendistribusikan produk bisa
dirawat secara berkala agar dapat
mengoptimalkan pendistribusian
dan tidak mogok pada saat
pendistribusian, karena bisa
menjadi salah satu faktor
keterlambatan jika hal itu terjadi.
3. Untuk menghindari kemacetan
dalam perjalanan, sebaiknya
kendaraan bisa berangkat lebih
pagi, paling lambat jam 9 pagi
sudah keluar dari gudang.
4. Alat bantu seperti Trolley untuk
unloading di beberapa lokasi Dealer
/ End User yang tidak ada Forklift,
sebaiknya diadakan untuk setiap
kendaraan, agar lebih cepat dalam
proses serah terima barang.
5. Sebaiknya perusahaan membuatkan
perbandingan menggunakan jasa
ekspedisi atau outsourcing untuk
keseluruhan pendistribusian ke
Dealer / End User, dikarenakan saat
ini banyak perusahaan lain
menggunakan jasa ekspedisi untuk
mendistribusikan produknya, untuk
menghemat biaya transportasi.
12
DAFTAR PUSTAKA
Al Akbar, Fahmi Fuadi. 2014.
Penentuan Rute Distribusi The Botol
Menggunakan Metode Travelling
Salesman Problem Untuk Minimasi
Biaya Distribusi. Surabaya : Jurnal
Teknik Industri.
Bowersox, Donald. 2002. Manajemen
Logistik. Jakarta : Bumi Askara
Chopra, Sunil. 2004. Supply Chain
Management 2nd Edition. New Jersey :
Pearson Education.
Heizer, Jay and Render, Barry. 2010.
Manajemen Operasi. Edis Kedua.
Jakarta : Salemba Empat.
Makridakis Spyros, Wheelwright
Steven C, dan Mcgee Victor E. 2002.
Metode dan Aplikasi Peramalan. Jilid 1.
Tangerang : Binarupa Aksara Publisher
Oliver, R.K. and Weber, M.D. 1982.
Supply Chain Management : Logistic
Catches Up With Strategy. International
Journal of Logistic Management, pp. 1-
19
Pramestari, Diah. 2014. Model Sistem
Produksi. Jakarta : Modul Teknik
Industri
Pujawan, Nyoman. 2010. Supply Chain
Management. Edisi Kedua. Surabaya :
PT Guna Widya.
Siagian, Yolanda. 2005. Supply Chain
Management Dalam Dunia Bisnis.
Jakarta : Grasindo.
Suparjo, 2017. Metode Saving Matrix
Sebagai Metode Alternatif Untuk
Efisiensi Biaya Distribusi. Semarang :
Jurnal Teknik Industri