Tesis
Model Penempatan Pusat Distribusi Logistik Perkotaan untuk Modern Retailers dengan Pertimbangan Integrasi Intermodal untuk Kota Surabaya Oleh : M. Hevar Rysta K. 2509.203.201 Dosen Pembimbing : Prof. Ir. I Nyoman Pujawan, M.Eng, Ph.D Dosen Ko-Pembimbing : Arief Rahman, S.T, M.Sc
OUTLINE Latar Belakang Perumusan Masalah dan Batasan Penelitian
Tinjauan Pustaka Metodologi Penelitian dan Pengembangan Model Pengumpulan dan Pengolahan Data Analisis dan Interpretasi Hasil Kesimpulan dan Saran Daftar Pustaka
LATAR BELAKANG
Peningkatan pergerakan arus barang
Populasi penduduk Sby {3.014.982/laju 2,92% (dispendukcapil)} yang makin meningkat (kelahiran+urbanisasi)
Integrasi intermodal Dibangun Pusat Distribusi
Sistem distribusi barang yang lebih environmental sustainable
Arus kendaraan berkurang Polusi berkurang Psikologi masyarakat tidak terganggu
LATAR BELAKANG City logistics Freight transport movement Stakeholders terkait logistik perkotaan
Komponen dan model logistik perkotaan Intermodal freight transport
Pusat distribusi logistik perkotaan
GAP dan KONTRIBUSI PENELITIAN • Penelitian yang terkait dengan logistik perkotaan untuk Indonesia masih sedikit sekali, khususnya untuk kota Surabaya. Rosita (2010) menentukan lokasi DC namun dengan metode COG. • Penelitian yang melibatkan integrasi Intermodal belum pernah dilakukan di kota Surabaya. • Pentingnya menentukan fasilitas logistik di Surabaya karena Surabaya memiliki karakteristik dan kebijakan tersendiri yang membuat model yang dibangun akan berbeda dengan kota lainnya. • Model pemilihan lokasi mempunyai kedinamisan yang tinggi, sehingga perlu dilakukan penelitian secara kontinyu dimana kondisi faktor – faktor yang mempengaruhi pada saat ini akan berbeda dengan masa depan dan masa lalu (Guneri dkk., 2009). • Penelitian dalam penentuan lokasi ini menggunakan modern retailers sebagai objek penelitian. Modern retailers penting untuk dijadikan objek karena memiliki karakter yang khas.
PERUMUSAN MASALAH
• Menentukan lokasi Pusat Distribusi (DC) terbaik (yang memenuhi kriteria penelitian, terutama yang dapat mengurangi arus kendaraan dalam kota) dengan pertimbangan integrasi intermodal
TUJUAN PENELITIAN Menentukan kriteria – kriteria yang berpengaruh pada penentuan lokasi DC untuk modern retailers di Surabaya Membuat model penentuan lokasi DC dan pendistribusian barang paling optimal untuk modern retailers dengan F-ANP Mengetahui pengaruh adanya pembangunan DC yang mempertimbangkan integrasi intermodal terhadap kinerja logistik perkotaan di Surabaya
BATASAN PENELITIAN DAN ASUMSI Batasan • Cakupan yang diamati terbatas untuk wilayah kota Surabaya • Model hanya berlaku untuk pengiriman ke modern retailers di Surabaya • Konfigurasi rantai pasok dibatasi untuk supplier dan retailer. • Produk yang masuk ke DC adalah consumer good product (peralatan mandi, kue kemasan, dan lainnya) bukan fresh good (sayur, daging, dan lainnya).
Asumsi • Pola permintaan retailers tiap periode dianggap berkembang • Retailers yang tidak memiliki data permintaan dianggap memiliki permintaan yang sama dengan retailer sejenis.
CITY LOGISTICS City logistics : kegiatan yang menekankan pada kebutuhan pandangan yang sistemik terhadap isu – isu yang terkait dengan freight movements dalam area perkotaan, yaitu, suatu sistem yang ditandai dengan konsolidasi optimal dari muatan dari shippers dan carriers yang bebeda dalam kendaraan pengiriman yang sama dan koordinasi dari aktivitas transportasi freight dalam kota tersebut (Crainic, 2008). Urban freight transport : suatu sistem yang ditandai dengan konsolidasi optimal dari muatan dari shippers dan carriers yang bebeda dalam kendaraan pengiriman yang sama dan koordinasi dari aktivitas transportasi freight dalam kota tersebut (Crainic, 2008).
CITY LOGISTICS
Empat stakeholder yang terkait dalam city logistics (Taniguchi et al., 2001) : – Pengirim barang (shipper), terdiri dari manufaktur, grosir, distributor, dan retail. – Penduduk kota (resident), merupakan orang yang tinggal, bekerja, dan berbelanja di kota. – Pembawa barang (freight carrier), terdiri dari operator angkutan dan operator pergudangan. – Pemerintahan (administrator), yaitu pada level nasional, propinsi, dan kota. Taniguchi dan Tanagawa menambahkan stakeholder ke 5 (2010) – Operator jalan tol
MODEL CITY LOGISTICS
• • • •
Model logistik perkotaan menurut Boerkamps dan Binsbergen (1999) mengandung hubungan antara empat komponen fisik dari transportasi urban goods. spatial organisation of activities goods flows traffic flows multimodal infrastructure.
GOODTRIP CONSEPTUAL FRAMEWORK Spatial Organization of Activities Infra Demand
Multimodal Infrastructure
Infra Supply Infra Market
Accessibility
Goods Demand
Goods Supply
Capacity Adjustment
Goods Market
Capacity Supply
Traffic Market
O-D goods
Congestion Feedback
Vehicle Fleet
Capacity Demand
Traffic Flows
Goods Flows Transport Service Market Transport Demand
Transport Supply
(Sumber : Boerkamps dan Binsbergen, 1999)
INTERMODAL FREIGHT TRANSPORT
Suatu konsep untuk menggunakan dua atau lebih moda yang ‘sesuai’, dalam kombinasi, untuk membentuk sebuah rantai transport terintegrasi yang mengarah pada pencapaian keefisienan operasional dan biaya pengiriman barang yang efektif dalam sebuah environmentally sustainable manner dari titik asal menuju tujuan akhirnya (Lowe, 2005).
(Sumber : Taniguchi et al., 2001)
PUSAT DISTRIBUSI LOGISTIK PERKOTAAN
Tujuan didirikannya Pusat Distribusi (Wilson, 2010): • Mengurangi kemacetan dengan mengurangi jumlah kendaraan pengirim yang diperlukan. • Membantu memperbaiki kualitas udara. • Menaikkan layanan pengiriman yang disediakan untuk retailers. • Memenuhi permintaan dari retailers yang membutuhkan unit penjualan yang lebih besar. • Mengurangi biaya terhadap retailers, baik dari transportasi dan staf. • Mencegah dan/atau mengurangi pencurian stok.
RETAILERS
Retailers penting untuk diteliti karena (Campo dan Gijsbrechts, 2004): • Retailers mempunyai tipe strategi operasi yang berbeda. • Berbagai pertimbangan jenis layanan dan kepentingan perusahaan berhubungan langsung dengan penentuan lokasi dan alokasi barang dalam retail. • Retailers menawarkan multi produk dan layanan serta memiliki outlets yang tersebar secara luas.
PETA RETAILERS SURABAYA
MULTI-CRITERIA DECISION MAKING
• • • •
Karakter permasalahan MCDM (Hwang dan Yoon, 1981 dalam Lu dkk., 2007): Multiple criteria: Setiap permasalahan mempunyai kriteria jamak, dimana bisa disebut sebagai atribut. Conflicting among criteria: Banyak kriteria yang bertentangan dengan yang lainnya. Incommensurable unit: Kriteria mempunyai unit pengukuran yang berbeda. Design/selection: Suatu solusi untuk suatu permasalahan MCDM bisa untuk merancang alternatif terbaik atau memilih yang terbaik diantara alternatif – alternatif khusus terbatas sebelumnya.
ANALYTIC NETWORK PROCESS (ANP)
• •
•
•
– Merupakan pengembangan Analytic Hierarchy Process (AHP) – Pemilihan lokasi perlu ANP bukan AHP karena perlu mempertimbangkan kriteria kualitatif Kelebihan – kelebihan ANP: Dapat menangkap pengaruh ketergantungan antar komponen secara timbal balik. Mampu mengkombinasikan dan membandingkan nilai – nilai yang tidak dapat diukur dan penilaian subjektif dengan menggunakan data – data kuantitatif yang konsisten dalam skala rasio. Mampu menghasilkan indikator pengaruh positif dan negatif, serta Mampu mensistesis semua pengaruh antar komponen menjadi satu kesatuan yang utuh.
PERBANDINGAN AHP dan ANP
DIAGRAM ALIR PENELITIAN Mulai
Wawancara dengan para Pengambil Keputusan
Memilih Kriteria Permasalahan Lokasi
Pengumpulan Data Terkait
Menjalankan Prosedur FANP Tidak
Apakah Hasilnya Konsisten?
Ya
Model Pemilihan Lokasi
Pengolahan Data
Analisa dan Interpretasi Hasil
Selesai
Fuzzy Analytic Network Process
Pemain Bisnis – Pemangku Kepentingan
Faktor-faktor Pembobotan
Tujuan
MODEL KAYIKCI
Skala Ekonomi (ES)
Volume Pengiriman Laut Volume Ekspor-Impor Mobilitas
Stabilitas Perkotaan (NS)
Infrastruktur Teknologi Informasi Stabilitas Politik
Biaya Transport
Stabilitas Ekonomi
Waktu Transport
Stabilitas Sosial
Ketersediaan Pelayanan
Manajemen dan Operasi Intermodal (IO&M)
Koordinasi Rel
Kualitas
Terminal Kargo
Konektivitas
Terminal Intermodal
Interoperabilitas
Aksesabilitas
Jalan Rel SSS Jalur Air
Pasar Konsumsi Internasional
Lokasi Pasar Internasional (IML)
Seleksi Lokasi Terbaik dengan Pertimbangan Intermodal
Perkembangan Spasial
Pasar Manufaktur Internasional Penyebrangan Perbatasan Kebiasaan Kemacetan
Dampak Lingkungan (EE)
Masyarakat (CO)
Pelanggan (CU)
Pemerintah (GV)
Pengelola (OG)
Operator Infrastruktur (OI)
Operator (OP)
Perkembangan Sosial-Ekonomi
Koridor Eropa Penggunaan Energi Emisi (CO2) Penggunaan Lahan Kecelakaan Bahan Berbahaya
MODEL FUZZY-ANP PENELITIAN Stakeholder 1
Stakeholder 2
Stakeholder 3
Goal Pembobotan
Kriteria (Lapisan 1) C1
C2
C3
Interaksi C1
C2
C3
Alternatif A
Alternatif B
Alternatif C
(Lapisan 2)
KRITERIA PEMILIHAN LOKASI DC No
Kriteria
Penjelasan
Akses (C1) – [Kayikci, 1
2010; Guneri dkk.,
Kemudahan menjangkau DC serta retailers
2009] Dampak Negatif (C2) 2
– [Kayikci, 2010; Tuzkaya dkk., 2008]
3
Akibat negatif yang ditimbulkan dengan adanya pembangunan DC terhadap lingkungan maupun masyarakat (Misalnya polusi bunyi, kemacetan, psikologi masyarakat)
Ketersediaan Lahan
Tersedianya tanah yang dapat dimanfaatkan sebagai lahan pembangunan DC karena Surabaya merupakan kota
(C3) – [Kayikci, 2010]
padat penduduk
Biaya Pembangunan 4
DC (C4) – [Arifin,
Biaya yang dikeluarkan untuk membangun DC
2011]
5
6
Kapasitas DC (C5) – [Arifin, 2011]
Kecocokan Master Plan (C6) – [Diskusi]
Besarnya kapasitas penyimpanan barang dalam DC sebelum didistribusikan yang mempengaruhi luas DC yang akan dibangun. Hal ini umumnya dipengaruhi oleh luas lahan yang tersedia serta jumlah permintaan keseluruhan retailers. Adanya peluang kecocokan dengan rencana tata kota pembangunan kota Surabaya di masa mendatang. Jangan sampai merencanakan pembangunan DC pada lokasi yang tidak sesuai yang justru malah akan merugikan masyarakat serta stakeholders terkait. Adanya penggabungan 2 jenis kendaraan atau lebih dalam mengirimkan pasokan barang ke retaiers karena selama ini dilakukan pengiriman tunggal (1 kendaraan untuk 1 toko), sehingga kendaraan yang melintas dalam
7
Integrasi Intermodal
kota sangat banyak yang berakibat pada polusi. Dengan adanya pembangunan DC membuat aliran kendaraan
(C7) – [kayikci, 2010]
lebih teratur melalui kerjasama antara pengeola DC dgn supplier dalam perencanaan aliran barang dalam kota. Barang akan dikirimkan dalam jumlah besar dengan kendaraan yang bervolume lebih besar sehingga tidak memerlukan jumlah kendaraan yang banyak dengan volume yang lebih kecil.
DUGAAN KORELASI ANTAR KRITERIA Akses (C1) Dampak negatif (C2)
Ketersediaan lahan (C3)
Biaya pembangunan DC (C4)
Kecocokan master plan (C6)
Kapasitas DC (C5)
Integrasi intermodal (C7)
RATA – RATA HUBUNGAN MEMPENGARUHI ANTAR KRITERIA Kriteria
C1
C2
C3
C4
C5
C6
C7
Akses (C1) Dampak negatif (C2) Ketersediaan lahan (C3) Biaya pembanguna n DC (C4) Kapasitas DC (C5) Kecocokan master plan (C6) Integrasi intermodal (C7)
0
5,57
3,86
3,57
3,29
6,43
7,86
5,86
0
2,71
7
6,71
3,86
5,86
6,71
4,43
0
7
8,14
6,71
3,57
4,43
6,43
5,86
0
8,71
3
2,71
4,71
4,14
5,57
9
0
6,43
3,86
8,71
3,57
7
3,86
7,29
0
7,29
8,43
4,43
2,71
1,86
2,43
7,57
0
Tabel diatas dijadikan dasar dalam penentuan hubungan pengaruh antar kriteria. Dasar warna kuning menunjukkan adanya hubungan
MODEL KORELASI ANTAR KRITERIA Akses (C1) Dampak negatif (C2)
Ketersediaan lahan (C3)
Biaya pembangunan DC (C4)
Kecocokan master plan (C6)
Kapasitas DC (C5)
Integrasi intermodal (C7)
Gambar disamping menunjukkan model hubungan antar kriteria setelah didapatkan penilaian dari responden.
PEMBOBOTAN KRITERIA
Limiting Matrix
Kriteria
Alternatif
Alternatif
Kriteria
1
2
3
C1
C2
C3
C4
C5
C6
C7
1
0,18
0,18
0,18
0,18
0,18
0,18
0,18
0,18
0,18
0,18
2
0,13
0,13
0,13
0,13
0,13
0,13
0,13
0,13
0,13
0,13
3
0,17
0,17
0,17
0,17
0,17
0,17
0,17
0,17
0,17
0,17
C1
0,06
0,06
0,06
0,06
0,06
0,06
0,06
0,06
0,06
0,06
C2
0,03
0,03
0,03
0,03
0,03
0,03
0,03
0,03
0,03
0,03
C3
0,04
0,04
0,04
0,04
0,04
0,04
0,04
0,04
0,04
0,04
C4
0,10
0,10
0,10
0,10
0,10
0,10
0,10
0,10
0,10
0,10
C5
0,11
0,11
0,11
0,11
0,11
0,11
0,11
0,11
0,11
0,11
C6
0,05
0,05
0,05
0,05
0,05
0,05
0,05
0,05
0,05
0,05
C7
0,07
0,07
0,07
0,07
0,07
0,07
0,07
0,07
0,07
0,07
Tabel limiting matrix menunjukkan bobot nilai yang sudah terdistribusi merata pada klaster secara keseluruhan.
SKOR BOBOT PRIORITAS Alternatif
Normalisasi klaster
Limiting
Perak
0,372
0,186
Gubeng
0,279
0,139
Rungkut
0,347
0,173
Kriteria
Normalisasi klaster
Limiting
Akses (C1)
0,139
0,069
Dampak negatif (C2)
0,071
0,035
Ketersediaan lahan (C3)
0,085
0,042
Biaya pembangunan DC (C4)
0,210
0,105
Kapasitas DC (C5)
0,220
0,110
Kecocokan master plan (C6)
0,117
0,058
Integrasi intermodal (C7)
0,154
0,077
RATA – RATA KEPENTINGAN KRITERIA Kriteria Akses (C1) Dampak negatif (C2)
Penting 1 0,71
Tdk Penting 0 0,29
Ketersediaan lahan (C3)
0,71
0,29
Biaya pembangunan DC (C4) Kapasitas DC (C5)
0,86 1
0,14 0
Kecocokan master plan (C6)
0,72
0,28
Integrasi intermodal (C7)
0,86
0,14
1 0,9 0,8 0,7 0,6 0,5 0,4 0,3 0,2 0,1 0
Penting Tidak penting
RATA – RATA PEMBOBOTAN KRITERIA UNTUK TIAP ALTERNATIF Kriteria Akses (C1) Dampak negatif (C2) Ketersediaan lahan (C3) Biaya pembangunan DC (C4) Kapasitas DC (C5) Kecocokan master plan (C6) Integrasi intermodal (C7)
Perak
Gubeng
Rungkut
7
7
7
8
3
6
9
2
6
7
2
7
9
3
7
7
2
6
7
7
7
RANGKING PRIORITAS ALTERNATIF & KRITERIA Alternatif
Nilai
Rangking
Perak
0,372
1
Rungkut
0,347
2
Gubeng
0,279
3
Kriteria
Nilai
Ranking
Kapasitas DC (C5)
0,220
1
Biaya pembangunan DC (C4)
0,210
2
Integrasi intermodal (C7)
0,154
3
Akses (C1)
0,139
4
Kecocokan master plan (C6)
0,117
5
Ketersediaan lahan (C3)
0,085
6
Dampak negatif (C2)
0,071
7
GRAFIK PRIORITAS
ANALISIS SENSITIVITAS
Grafik di samping menunjukkan nilai sensitivitas.
ANALISA JARAK TERPENDEK
DC
Total jarak
Rangking
Gubeng
60.865
1
Perak
67.322
2
Rungkut
76.167
3
KESIMPULAN 1.
2.
3. 4.
5.
Terdapat tujuh kriteria yang dijadikan penilaian dalam pemilihan lokasi DC. Dari ketujuh kriteria tersebut, kriteria Kapasitas DC dan Biaya pembangunan DC mempunyai prosentase terbesar (22 % dan 21 %) yang artinya dianggap penting dalam memilih lokasi DC. Kriteria – kriteria lain yang mengikuti adalah Integrasi intermodal (15,4 %), Akses (13,9 %), dan Kecocokan master plan (11,7 %). Hasil perangkingan alternatif lokasi menunjukkan bahwa wilayah Perak menempati posisi pertama dengan 37,2 %, diikuti Rungkut pada posisi kedua dengan 34,7 % dan terakhir adalah Gubeng dengan 27,9 %. Hasil analisis sesnsitivitas menunjukkan bahwa rangking alternatif cenderung stabil dengan prioritas yang tetap. Dengan dibangunnya DC akan membuat pengiriman barang lebih terkoordinasi, lebih efektif dengan lebih sedikitnya kendaraan yang melintas serta dapat mengurangi dampak negatif yang dirasakan oleh masyarakat. Meskipun diketahui total jarak DC Gubeng memiliki total jarak terpendek berdasarkan simulasi, namun hal tersebut tidak dapat dijadikan acuan karena hanya mempertimbangkan satu kriteria.
SARAN
1. Penelitian selanjutnya dapat menggunakan beberapa kriteria serta metode lainnya dalam pemilihan lokasi DC. 2. Perlu dilakukan penelitian secara berkelanjutan mengenai pemilihan lokasi DC karena kedinamisannya serta pergerakan kota yang cepat. 3. Penelitian selanjutnya dapat mempertimbangkan untuk memasukkan jenis retailers lainnya, tidak terbatas modern retailers.
DAFTAR PUSTAKA • • • • • • • • • • • • • • • • • • •
Allen, J., Thorne, G., & Browne, M. (2007). Good Practice Guide on Urban Freight Transport. Best Urban Freight Solutions. DZ Rijswijk. Altinel, I.K., Durmaz, E., Aras, N., & Ozkısacık, K.C. (2009). A location–allocation heuristic for the capacitated multi-facility Weber problem with probabilistic customer locations. European Journal of Operational Research, 198, 790–799. Arifin, S. (2011). Location allocation problem using genetic algorithm and simulated annealing: a case study based on school in Enschede. Master thesis. Enschede. Arnold, P., Peeters, D., & Thomas, I. (2004). Modelling a rail/road intermodal transportation system. Transportation Research Part E, 40, 255–270. Barceló, J., Grzybowska, H., & Pardo, S. (2005). Vehicle Routing and Scheduling Models, Simulation, and City Logistics. Behrends, S., Lindholm, M., & Woxenius, J. (2007). The Impact of Urban Freight Transport: A Definition of Sustainability from an Actor's Perspective. Transportation Planning and Technology. London. Benjelloun, A., Crainic, T.G., & Bigras, Y. (2010). Towards a taxonomy of City Logistics projects. Procedia Social and Behavioral Sciences, 2, 6217–6228. Boerkamps, J., & Binsbergen, A.V. (1999). GoodTrip - A New Approach for Modelling and Evaluation of Urban Goods Distribution. Browne, M., Piotrowska, M., Woodburn, A., & Allen, J. (2007). Part I – Urban Freight Transport. Work Module 1 Green Logistics Project. Westminster. Campo, C., Gijsbrecht, E. (2004). Should retailers adjust their micro marketing strategies to type of outlet? An application to locationbased store space allocation in limited and full-service grocery stores. Journal of Retailing and Consumer Services, 11, 369–383. Chen, C.-L., Yuan, T.-W., & Lee, W.-C. (2007). Multi-criteria fuzzy optimization for locating warehouses and distribution centers in a supply chain network. Journal of the Chinese Institute of Chemical Engineers, 38, 393–407. Crainic, T.G. (2008). City Logistics. Interuniversity Research Centre on Enterprise Networks, Logistics and Transportation. Dasburg, N., & Schoemaker, J. (2006). Quantification of Urban Freight Transport Effects II. Feng, C.M., & Huang, H.H. (2003). Modelling the Intermodal Logistics between Intercity Rail and City Truck. Flodén, J. (2007). The Potential of Combined Transport in Sweden. Modelling Intermodal Freight Transport. Göteborg. BAS Publishing. Ghiani, G., Laporte, G., & Musmanno, R. (2004). Introduction to Logistics Systems Planning and Control. West Sussex, JohnWiley & Sons, Ltd. Guneri, A.F., Cengiz, M., & Seker, S. (2009). A fuzzy ANP approach to shipyard location selection. Expert Systems with Applications, 36, 7992–7999. Hsu, C.-W., & Hu, A.H. (2009). Applying hazardous substance management to supplier selection using analytic network process. Journal of Cleaner Production, 17, 255–264. Ishfaq, R., & Sox, C.R. (2011). Hub location–allocation in intermodal logistic networks. European Journal of Operational Research, 210, 213–230.
DAFTAR PUSTAKA • • • • •
• • • • •
• • • • • •
Kayikci, Y. (2010). A conceptual model for intermodal freight logistics centre location decisions. Procedia Social and Behavioral Sciences 2, 6297–6311. Konings, R., Priemus, H., & Nijkamp, P. (2008). The future of intermodal freight transport. Transport Economics, Management and Policy. Northampton, Edward Elgar Publishing, Inc. Lowe, D. (2005). Intermodal Freight Transport. Burlington, Elsevier Butterworth-Heinemann. Lu, J., Zhang, G., Ruan, D., & Wu, F. (2007). Multi objective Group Decision Making Methods Software and Applications With Fuzzy Set Techniques. London, Imperial College Press. Macharis, C., & Bontekoning, Y.M., (2004). Opportunities for OR in intermodal freight transport research: A review. European Journal of Operational Research, 153, 400–416. Macharis, C., & Pekin, E. (2009).Assessing policy measures for the stimulation of intermodal transport: a GIS-based policy analysis. Journal of Transport Geography, 17, 500–508. OECD (1997). The Enviromental Effect of Freight. Paris. OECD (2003). Delivering the Goods: 21st Century Challenges to Urban Goods Transport. Paris. Onut, S., Tuzkaya, U.R., & Torun, E. (2011). Selecting container port via a fuzzy ANP-based approach: A case study in the Marmara Region, Turkey. Transport Policy, 18, 182–193. Pujawan, I.N., Singgih, M.L., Rahman, A., Arvitrieda, N.I., Sari, R.A., Fudhla, A.F., Wirasambada, S. (2009). Penaksiran Kemampuan Infrastruktur Logistik Perkotaan: Kasus Surabaya. Laporan Pelaksanaan Penelitian Hibah Penelitian Strategis Nasional Tahun Anggaran 2009. Ramokgopa, L.N. (2004). City Logistics: Changing How We Supply. Proceedings of the 23rd Southern African Transport Conference. Pretoria. Saaty, T.L. (1999). Fundamentals of The Analytic Network Process. Kobe, Japan. Saaty, T.L. (2004). Fundamentals of The Analytic Network Process, Dependence and Feedback in Decision-Making with a Single Network. Pittsburgh. Schoemaker, J., Allen, J., Huschebeck, M., & Monigl, J. (2004). Quantification of Urban Freight Transport Effects I. Best Urban Freight Solutions II. Sirikijpanichkul, A., & Ferreira, L. (2005). Multi-Objective Evaluation of Intermodal Freight Terminal Location Decisions. Proceedings of the 27th Conference of Australian Institute of Transport Research (CAITR). Queensland. Sirikijpanichkul, A., Van Dam, K.H., Ferreira, L., & Lukszo, Z. (2007). Optimizing the Location of Intermodal Freight Hubs: An Overview of the Agent Based Modelling Approach. Journal of Transportation Systems Engineering and Information Technology.
DAFTAR PUSTAKA • • • • • • • •
• • • • •
Southworth, F., & Peterson, B.E. (2000). Intermodal and international freight network modeling. Transportation Research Part C, 8, 147-166. Suomalainen, E. (2006). Multicriteria Analysis and Visualization of Location- Allocation Problems. Master Thesis. Tang, Y.-C., (2009). An approach to budget allocation for an aerospace company—Fuzzy analytic network process and artificial neural network. Neurocomputing, 72, 3477–3489. Taniguchi, E., & Tamagawa, D. (2005). Evaluating City Logistics Measures Considering the Behavior Several Stakeholders. Journal of the Eastern Asia Society for Transportation Studies, Vol. 6, pp. 3062 – 3076. Taniguchi, E., Thompson, R.G., & Yamada, T. (2010). Incorporating risks in City Logistics. Procedia Social and Behavioral Sciences, 2, 5899–5910. Trip, J.J., & Bontekoning, Y. (2002). Integration of small freight flows in the intermodal transport system. Journal of Transport Geography, 10, 221–229. Tuzkaya, G., Onut, J.J., Tuzkaya, U.R., & Gulsun, B. (2008). An analytic network process approach for locating undesirable facilities: An example from Istanbul, Turkey. Journal of Environmental Management, 88, 970–983. Vinodh, S., Ramiya, R.A., & Ghautam, S.G. (2011). Application of fuzzy analytic network process for supplier selection in a manufacturing organisation. Expert Systems with Applications, 38, 272–280. Walerjańczyk, W., & Maciejewski, M. (2003). Decision Support Systems in City Logistics. Wen, M., & Iwamura, K. (2008). Facility location–allocation problem in random fuzzy environment Using (α,β)-cost minimization model under the Hurewicz criterion. Computers and Mathematics with Applications, 55, 704–713. Wey, W.-M., & Wu, K.-Y. (2007). Using ANP priorities with goal programming in resource allocation in transportation. Mathematical and Computer Modelling, 46, 985–1000. Wilson, S. (2010). Freight Consolidation Centre Study - Final Report. South East Scotland Transport Partnership. Wirasambada, S. (2010). Permodelan Sistem Logistik Perkotaan (City Logistics) untuk Memenuhi Pasokan Barang ke Modern Consumer Goods Retail (Studi Kasus: Kota Surabaya). Tugas Akhir. Surabaya.
