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
LATAR BELAKANG
Peningkatan pergerakan
arus barang
Populasi penduduk Sby
{3.014.982/laju 2,92%
(dispendukcapil)} yang
makin meningkat
(kelahiran+urbanisasi)
Dibangun Pusat
Distribusi
Integrasi intermodal
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
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
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
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)
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
GOODTRIP CONSEPTUAL FRAMEWORK
Spatial Organization of Activities
Goods Flows Traffic Flows
Multimodal Infrastructure Goods Market Infra Market Traffic Market Transport Service Market Vehicle Fleet Goods Demand Goods Supply O-D goods Infra
Demand SupplyInfra
Capacity Adjustment Capacity Supply Congestion Feedback Capacity Demand Transport Demand Transport Supply Accessibility
INTERMODAL FREIGHT TRANSPORT
(Sumber : Taniguchi et al., 2001)
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).
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.
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.
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.
DIAGRAM ALIR PENELITIAN
Wawancara dengan para Pengambil Keputusan
Memilih Kriteria Permasalahan Lokasi
Pengumpulan Data Terkait
Ya Apakah Hasilnya Konsisten? Mulai Menjalankan Prosedur F-ANP Tidak Fuzzy Analytic Network Process
Model Pemilihan Lokasi
Pengolahan Data
Analisa dan Interpretasi Hasil
MODEL KAYIKCI
S
el
ek
si
L
ok
as
i T
er
ba
ik
d
en
ga
n
P
er
tim
ba
ng
an
In
te
rm
od
al
D am pa k Li ng ku ng an (E E ) S ka la E ko no m i (E S ) S ta bi lit as P er ko ta an (N S ) M an aj em en d an O pe ra si In te rm od al (IO & M ) Perkembangan Sosial-EkonomiM
as
ya
ra
ka
t
(C
O
)
P
en
ge
lo
la
(O
G
)
O
pe
ra
to
r
In
fra
st
ru
kt
ur
(O
I)
P
em
er
in
ta
h
(G
V
)
P
el
an
gg
an
(C
U
)
O
pe
ra
to
r
(O
P
)
Tujuan
Lo ka si P as ar In te rn as io na l (IM L) Pemain Bisnis – Pemangku Kepentingan Perkembangan SpasialVolume Pengiriman Laut
Volume Ekspor-Impor Mobilitas Stabilitas Politik Stabilitas Ekonomi Stabilitas Sosial Rel Terminal Kargo Terminal Intermodal Koordinasi Ketersediaan Pelayanan Waktu Transport Biaya Transport
Infrastruktur Teknologi Informasi
Kualitas Konektivitas Interoperabilitas Jalan Rel SSS Jalur Air Aksesabilitas
Pasar Konsumsi Internasional
Pasar Manufaktur Internasional
Penyebrangan Perbatasan Kebiasaan Koridor Eropa Kecelakaan Bahan Berbahaya Penggunaan Lahan Emisi (CO2) Penggunaan Energi Kemacetan
Faktor-faktor
Pembobotan
MODEL FUZZY-ANP PENELITIAN
Goal
Pembobotan C1 C2 C3 C1 C2 C3Kriteria
(Lapisan 1)
Interaksi
(Lapisan 2)
Alternatif A
Alternatif B
Alternatif C
KRITERIA PEMILIHAN LOKASI DC
No
Kriteria
Penjelasan
1 Akses (C1) – [Kayikci, 2010; Guneri dkk., 2009]Kemudahan menjangkau DC serta retailers
2
Dampak Negatif (C2) – [Kayikci, 2010; Tuzkaya dkk., 2008]
Akibat negatif yang ditimbulkan dengan adanya pembangunan DC terhadap lingkungan maupun masyarakat (Misalnya polusi bunyi, kemacetan, psikologi masyarakat)
3 Ketersediaan Lahan
(C3) – [Kayikci, 2010]
Tersedianya tanah yang dapat dimanfaatkan sebagai lahan pembangunan DC karena Surabaya merupakan kota padat penduduk
4
Biaya Pembangunan DC (C4) – [Arifin, 2011]
Biaya yang dikeluarkan untuk membangun DC
5 Kapasitas DC (C5) –
[Arifin, 2011]
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.
6 Kecocokan Master
Plan (C6) – [Diskusi]
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.
7 Integrasi Intermodal
(C7) – [kayikci, 2010]
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 kota sangat banyak yang berakibat pada polusi. Dengan adanya pembangunan DC membuat aliran kendaraan 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 (C
1)
Dampak negatif (C
2)
Ketersediaan lahan
(C
3)
Biaya pembangunan
DC (C
4)
Kapasitas DC (C
5)
Kecocokan master
plan (C
6)
Integrasi intermodal
(C
7)
RATA – RATA HUBUNGAN MEMPENGARUHI ANTAR KRITERIA
Kriteria
C1
C2
C3
C4
C5
C6
C7
Akses (C1)
0
5,57
3,86
3,57
3,29
6,43
7,86
Dampak
negatif (C2)
5,86
0
2,71
7
6,71
3,86
5,86
Ketersediaan
lahan (C3)
6,71
4,43
0
7
8,14
6,71
3,57
Biaya
pembanguna
n DC (C4)
4,43
6,43
5,86
0
8,71
3
2,71
Kapasitas DC
(C5)
4,71
4,14
5,57
9
0
6,43
3,86
Kecocokan
master plan
(C6)
8,71
3,57
7
3,86
7,29
0
7,29
Integrasi
intermodal
(C7)
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 (C
1)
Dampak negatif (C
2)
Ketersediaan lahan
(C
3)
Biaya pembangunan
DC (C
4)
Kapasitas DC (C
5)
Kecocokan master
plan (C
6)
Integrasi intermodal
(C
7)
Gambar disamping
menunjukkan model
hubungan
antar
kriteria
setelah
didapatkan
penilaian
dari
responden.
PEMBOBOTAN KRITERIA
Limiting Matrix
Tabel limiting matrix menunjukkan bobot nilai yang sudah
terdistribusi merata pada klaster secara keseluruhan.
Alternatif
Kriteria
1
2
3
C1
C2
C3
C4
C5
C6
C7
A
lt
er
n
at
if
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
K
ri
te
ri
a
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
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
Penting
Tdk Penting
Akses (C1)
1
0
Dampak negatif (C2)
0,71
0,29
Ketersediaan lahan (C3)
0,71
0,29
Biaya pembangunan DC (C4)
0,86
0,14
Kapasitas DC (C5)
1
0
Kecocokan master plan (C6)
0,72
0,28
Integrasi intermodal (C7)
0,86
0,14
0 0,1 0,2 0,3 0,4 0,5 0,6 0,7 0,8 0,9 1 Penting Tidak pentingRATA
– RATA PEMBOBOTAN KRITERIA UNTUK TIAP ALTERNATIF
Kriteria
Perak
Gubeng
Rungkut
Akses (C1)
7 7 7Dampak negatif
(C2)
8 3 6Ketersediaan
lahan (C3)
9 2 6Biaya
pembangunan DC
(C4)
7 2 7Kapasitas DC (C5)
9 3 7Kecocokan master
plan (C6)
7 2 6Integrasi
intermodal (C7)
7 7 7RANGKING 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
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. 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 %).
2. 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 %.
3. Hasil analisis sesnsitivitas menunjukkan bahwa rangking alternatif
cenderung stabil dengan prioritas yang tetap.
4. 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.
5. 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
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
location-based 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,
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