Oleh:
Gitiza Erwitie
102416005
Universitas Pertamina - i
DAFTAR TABEL
Tabel 1.1 Persentase Indeks Bencana Indonesia Tahun 2012 dan 2018 ....... 2
Universitas Pertamina - ii
DAFTAR GAMBAR
Gambar 1.1.1 Peta Indeks Risiko Bencana Wilayah Indonesia Tahun 2018 (BNPB
Inarisk, 2019) .......................................................................................................... 3
Gambar 2.1 Sistem Distribusi Dalam Penyaluran Bantuan Kemanusiaan (Balcik,
Beamon, & Smilowitz, 2008)................................................................................ 11
Gambar 3.1 Diagram Alur Penelitian .................................................................. 14
Gambar 3.2 Diagram Alir Penelitian (Lanjutan) ................................................. 15
Universitas Pertamina - 1
peringkat 33 dengan persentase 10,74%. Peringkat tersebut ditentukan berdasarkan
4 hal, yaitu paparan sebuah wilayah untuk terkena dampak dari bencana, kerentanan
sebuah wilayah untuk mengalami kondisi bahaya dalam sebuah bencana, kapasitas
kemampuan masyarakat dalam sebuah wilayah untuk meminimalkan dampak dari
bencana, dan kemampuan adaptasi sebuah wilayah untuk mengurangi dampak dari
bencana alam di masa depan. Tabel 1.1 menunjukkan persentase indeks bencana
Indonesia di tahun 2012 dan 2018.
Tabel 1.1 Persentase Indeks Bencana Indonesia Tahun 2012 dan 2018
Tahun
Faktor Perbedaan
2012 2018
World Risk Index 10,74% 10,35% -0,39%
Paparan 19,36% 20,57% 1,21%
Kerentanan 55,48% 50,38% -5,10%
Kelemahan 35,45% 27,20% -8,25%
Kurangnya kapasitas 82,16% 78,42% -3,74%
Kurangnya kapasitas
48,83% 45,41% -3,42%
adaptif
(World Risk Report 2018, 2019 dan Liperda, 2014)
Pada Tabel 1.1, diketahui bahwa pada tahun 2012 Indonesia memiliki
indeks bencana sebesar 10,74%, lebih tinggi daripada tahun 2018 dengan
persentase indeks bencana sebesar 10,35%. Faktor kerentanan mengalami
penurunan 5,10%, kelemahan mengalami penurunan sebesar 8,25%, kurangnya
kapasitas mengalami penurunan sebesar 3,74%, dan kurangnya kapasitas adaptif
turun 3,42%. Tetapi, persentase paparan Indonesia terhadap bencana naik sebesar
1,21% menjadi 20,57% di tahun 2018.
Badan Nasional Penanggulan Bencana (BNPB) telah membuat peta indeks
risiko bencana di wilayah Indonesia berdasarkan informasi kerentanan berupa
jumlah penduduk, jumlah rumah, jumlah fasilitas publik, jumlah fasilitas kritis, dan
lain-lain. Berdasarkan pada peta tersebut, sebagian besar wilayah Indonesia
ditandai dengan warna merah, yang menunjukkan bahwa wilayah tersebut berisiko
tinggi terkena bencana. Peta indeks risiko bencana di wilayah Indonesia dapat
dilihat pada Gambar 1.1. Warna merah menunjukkan bahwa indeks risiko bencana
di wilayah tersebut tinggi.
Universitas Pertamina - 2
Gambar 1.1.1 Peta Indeks Risiko Bencana Wilayah Indonesia Tahun 2018
(BNPB Inarisk, 2019)
Universitas Pertamina - 3
memfasilitasi para korban untuk pulih dari bencana. Manajemen bencana terdiri
dari beberapa proses, yaitu mitigasi (mitigation), kesiapsiagaan (preparedness),
tanggap darurat (response), dan pemulihan (recovery) (Barton, 2009).
Menurut Zaroni (2017), logistik memainkan peran yang penting dalam
manajemen bencana. Logistik memberikan layanan antara fase kesiapsiagaan
dengan fase tanggap darurat (response), antara pengadan dan distribusi, antara
BNPB dan BPBD. Selain itu, logistik juga berperan dalam efektivitas dalam hampir
semua bantuan bencana, seperti kesehatan, makanan, shelter, air, dan sanitasi.
Istilah logistik dalam penanggulangan bencana disebut dengan logistik
kemanusiaan.
Logistik kemanusiaan adalah proses perencanaan, implementasi, dan
pengendalian kegiatan penyimpanan dan aliran barang/material serta informasi
terkait secara efektif dan efisien, dari titik asal ke titik konsumsi, untuk
meringankan penderitaan korban bencana (Thomas & Kopczak, 2005). Aktivitas
logistik kemanusiaan memakan 80% dari total biaya penanggulangan bencana dan
65% dari 80% biaya logistik kemanusiaan digunakan untuk biaya pengadaan
barang dan peralatan. Sementara, 15% lainnya adalah biaya untuk transportasi dan
penyimpanan (Koseoglu & Yildirimli, 2015). Hal ini menjadikan logistik
kemanusiaan sebagai aktivitas dengan biaya tertinggi. Selain itu, logistik
kemanusiaan juga memerlukan koordinasi dari berbagai pihak serta harus dikelola
dengan baik (Cozzolino, 2012).Karena besarnya pengaruh kegiatan logistik
kemanusiaan dalam proses penanggulangan bencana, perancangan logistik
kemanusiaan harus dilakukan dengan tepat dan dikendalikan agar proses
penanggulangan bencana dapat berjalan dengan efektif dan efisien. Efektivitas dan
efisiensi dari proses penanggulangan bencana dapat meminimasi biaya yang
dikeluarkan dengan hasil yang maksimal (Daud, et al., 2016).
Logistik kemanusiaan mencakup beberapa aktivitas yaitu, persiapan,
perencanaan, pengadaan, transportasi & distribusi, penyimpanan, tracking, dan
custom clearance. Pada masa tanggap darurat, transportasi dan distribusi akan
mempengaruhi efektivitas dan efisiensi dari proses penanggulangan bencana.
Dalam masa tanggap darurat, perencanaan distribusi yang efektif dan efisien
dibutuhkan untuk memenuhan layanan dasar dan pengiriman bantuan bencana
Universitas Pertamina - 4
kepada korban yang harus dilakukan sesegera mungkin (Cozzolino & Rossi, 2012).
Namun, di awal masa tanggap darurat, pemangku kepentingan sering dihadapkan
dengan tidak tersedianya informasi yang cukup mengenai jumlah korban, lokasi,
akses jalan, atau jumlah bantuan yang harus disalurkan (Maghfiroh & Hanaoka,
2018). Sulitnya mendapatkan informasi akan terjadi di lima hari pertama masa
tanggap darurat (Girard, Wenzel, & Khazai, 2014).
Logistik kemanusiaan memiliki keunikan yang membedakannya dengan
logistik tradisional. Keunikan ini dilihat dari permintaan saat bencana, yang tidak
dapat diprediksi, baik dari segi jenis, jumlah, waktu, dan lokasi. Pendeknya waktu
tunggu pemesanan serta permintaan barang yang mendadak dan dalam jumlah besar
meningkatkan kompleksitas masalah dalam logistik kemanusiaan pasca bencana.
Faktor lain seperti terbatasnya sumber daya manusia, pasokan, teknologi, kapasitas,
dan keuangan juga menjadi alasan sulitnya menerapkan logistik kemanusiaan di
lapangan. Selain itu, kerusakan fasilitas umum dan infrastruktur akibat dampak dari
bencana juga mempengaruhi efektivitas dan efisiensi upaya penyaluran bantuan
kepada korban bencana (Victoriano, et al., 2013). Qin et al. (2017) menyebutkan
keunikan logistik kemanusiaan pada masa tanggap darurat. Pertama, informasi
terkait dengan permintaan terbatas dan tidak dapat diprediksi menggunakan data
historis, sehingga menyebabkan sulitnya untuk menentukan jumlah permintaan di
daerah yang terkena bencana. Kedua, kurangnya sumber daya yang dapat
digunakan pada waktu penyelamatan karena bencana tidak dapat diperkirakan
kapan akan terjadi.
Pada masa kritis pasca bencana, sumber daya yang tersedia untuk keadaan
darurat terbatas, termasuk di dalamnya kendaraan dan suplai. Oleh karena itu, perlu
dilakukannya perencanaan distribusi bantuan dan rute kendaraan dengan kondisi
ketidakpastian yang tinggi di masa kritis pasca bencana sebagai konsekuesi
terbatasnya informasi dan sumber daya yang dimiliki. Masa kritis merujuk pada 72
jam pertama pasca bencana.
Penelitian ini mengusulkan perencanaan rute kendaraan optimal untuk
mendistribusikan bantuan logistik kepada korban bencana sebagai upaya untuk
meningkatkan efektivitas dan efisiensi dalam proses penanggulangan bencana.
Penelitian akan menggunakan Kota Padang sebagai studi kasus, karena Kota
Universitas Pertamina - 5
Padang termasuk daerah Sumatera Barat yang berisiko terkena dampak gempa dan
tsunami Sumatera Megathrust. Kemudian, metode Capacitated Vehicle Routing
Problem (CVRP) digunakan untuk mencari rute distribusi bantuan logistik optimal
dengan mempertimbangkan ketidakpastian jumlah pemintaan di setiap titik
pengungsian dan kondisi akses jalan. Selanjutnya, dilakukan simulasi terhadap hasil
penelitian untuk mengetahui kevalidan model. Diharapkan hasil penelitian ini dapat
membantu pemangku kepentingan dalam mengambil keputusan yang berhubungan
dengan perencanaan rute distribusi bantuan logistik bencana di Kota Padang.
Universitas Pertamina - 6
1. Objek amatan dan pengambilan data penelitian di lakukan di Kota
Padang dan sekitarnya yang berpotensi terkena gempa dan tsunami.
2. Rekomendasi rute distribusi optimal diterapkan untuk model last mile
distribution.
3. Pendistribusian bantuan logistik dilakukan selama tiga hari masa
tanggap darurat.
4. Titik local distribution center (LDC) dan jumlah titik evakuasi akhir
sebagai titik permintaan telah diketahui.
5. Kendaraan yang digunakan untuk pendistribusian berupa transportasi
darat.
6. Kecepatan kendaraan mobil ada 30 km/jam.
Sedangkan asumsi yang digunakan dalam penelitian ini adalah sebagai
berikut.
1. Tempat awal berangkat kendaraan adalah LDC.
2. Lokasi LDC dan TEA tidak mengalami kerusakan akibat bencana.
3. Jumlah permintaan di setiap titik TEA tidak diketahui dengan pasti.
Universitas Pertamina - 7
proses penelitian dan alur kerja penelitian. Sementara rancangan penelitian
menjelaskan lebih rinci mengenai pendekatan penelitian yang dilakukan,
jenis penelitian, data-data yang digunakan dan sumber data, teknik
pengambilan data, teknik pengolahan dan analisis data, serta pengambilan
kesimpulan dari penelitian yang dilakukan.
BAB IV HASIL DAN PEMBAHASAN
Bab ini terdiri dari dua bagian, yaitu pengumpulan dan pengolahan data dan
analisis. Pada bab ini, data yang telah diperoleh kemudian diolah
menggunakan metode, algoritma, serta aplikasi pembantu untuk
mendapatkan hasil. Hasil pengolahan data tersebut dianalisis dengan
mempertimbangkan perubahan terhadap parameter.
BAB V KESIMPULAN
Bab ini berisi kesimpulan berdasarkan dari hasil penelitian yang telah
dilakukan serta pemberian saran untuk penelitian selanjutnya.
Universitas Pertamina - 8
BAB II. TINJAUAN PUSTAKA
Universitas Pertamina - 9
bencana, ketika bencana, dan segera setelah bencana terjadi. Fase
tanggap darurat merupakan proses yang paling kompleks dan rumit
karena prosesnya berlangsung di bawah tekanan tinggi dan dalam waktu
yang sempit serta dengan akses informasi yang terbatas (Coppola, 2015)
d. Pemulihan (Recovery)
Tahap pemulihan terdiri dari keputusan dan tindakan jangka panjang
yang bertujuan untuk mengembalikan fungsi daerah yang terkena
bencana seperti semula, termasuk di dalamnya pembangunan kembali
infrastruktur, fasilitas umum, dan memperkuat kembali keadaan
ekonomi dan bisnis daerah tersebut. Pemulihan juga dilakukan sebagai
bentuk upaya meminimasi risiko dan dampak dari bencana terulang
kembali di masa depan. (Coppola, 2015)
Universitas Pertamina - 10
dan infrastruktur juga ikut rusak akibat bencana. Faktor-faktor inilah yang
membedakan logistik kemanusiaan dengan logistik komersial.
Pertama, bantuan dari luar negeri akan masuk ke primary hub yang dapat
berupa pelabuhan atau bandara. Selanjutnya, bantuan akan dikirim menuju gudang
pusat (secondary hub). Gudang pusat adalah gudang permanen yang telah dibangun
sebelumnya dan biasanya ada di kota-kota besar. Di gudang pusat bantuan akan di
simpan, disortir, dan kemudian kirimkan ke local distribution center (LDC). LDC
merupakan pusat distribusi sementara yang dibangun dekat dengan lokasi bencana.
Selanjutnya, bantuan akan dikirimkan dari LDC menuju korban bencana di
pengungsian.
Last mile distribution merujuk pada proses distribusi yang dilakukan dari
LDC menuju tempat pengungsian korban. Dalam pelaksanaannya, terdapat
beberapa hambatan yang dihadapi dalam last mile distribution, di antaranya adalah
Universitas Pertamina - 11
terbatasnya bantuan, transportasi, dan kesulitan distribusi akibat infrastruktur yang
rusak, serta kurangnya koordinasi antar pemangku kepentingan. Keputusan
operasional yang berhubungan dengan last mile distribution adalah alokasi bantuan,
penjadwalan kendaraan pengirim, dan rute kendaraaan (Balcik, Beamon, &
Smilowitz, 2008).
Parameter
n set pelanggan dan depot (0)
m jumlah kendaraan
C kapasitas masing-masing kendaraan
Di permintaan untuk pelanggan i
𝑘
𝑑𝑖𝑗 jarak dari pelanggan i ke pelanggan j oleh kendaraan k
Decision Variables
𝑘
𝑥𝑖𝑗 1 jika kendaraan k bergerak dari pelanggan i ke pelanggan j, 0 jika
Tidak
K jumlah kendaraan yang tersedia
Universitas Pertamina - 12
Formulasi Model
Objective Function
𝑛 𝑛 𝑛
𝑘
𝑀𝑖𝑛𝑖𝑚𝑖𝑧𝑒 𝑍 = ∑ ∑ ∑ 𝑑𝑖𝑗 𝑥𝑖𝑗 (2.1)
𝑖=1 𝑗=1 𝑘=1
s.t
𝑚 𝑛
𝑘
∑ ∑ 𝑥𝑖𝑗 =1 𝑗 = 0, … , 𝑖 − 1, 𝑖 + 1, … , 𝑛 (2.2)
𝑘=1 𝑖=0
𝑚 𝑛
𝑘
∑ ∑ 𝑥𝑖𝑗 =1 𝑖 = 0, … , 𝑗 − 1, 𝑗 + 1, … , 𝑛 (2.3)
𝑘=1 𝑗=0
𝑛 𝑛
𝑘 𝑘
∑ 𝑥𝑖𝑗 − ∑ 𝑥𝑖𝑗 =0 𝑘 = 1, … , 𝑚, 𝑖 ≠ 𝑗 𝑡 = 0, … , 𝑛 (2.4)
𝑖=0 𝑗=0
𝑛 𝑛
𝑘
∑ 𝐷𝑗 (∑ 𝑥𝑖𝑗 )≤𝐶 𝑘 = 1, … , 𝑚, 𝑖 ≠ 𝑗 (2.5)
𝑗=0 𝑖=0
𝑛
𝑘
∑ 𝑥0𝑗 ≤1 𝑘 = 1, … , 𝑚 (2.6)
𝑗=0
𝑛
𝑘
∑ 𝑥𝑖0 ≤1 𝑘 = 1, … , 𝑚 (2.7)
𝑖=0
𝑘
∑ 𝑥𝑖𝑗 ≤ |𝑆| − 1 𝑆 ⊆ {2, … , 𝑛}, 𝑘 = 1, … , 𝑚 (2.8)
𝑖,𝑗∈𝑆
Universitas Pertamina - 13
BAB III. METODOLOGI PENELITIAN
Universitas Pertamina - 14
Gambar 3.3 Diagram Alir Penelitian (Lanjutan)
1. Studi Pendahuluan
Studi pendahuluan merupakan tahapan awal yang dilakukan dalam
penelitian ini yang bertujuan untuk mengidentifikasi permasalahan yang
akan diangkat dalam penelitian. Studi pendahuluan meliputi peninjauan
sistem distribusi bantuan bencana logistik di Kota Padang dengan
survei, diiringi dengan studi literatur untuk mempelajari konsep dasar
serta teori-teori keilmuan yang berhubungan dengan penelitian yang
dilakukan.
2. Perumusan Masalah
Berdasarkan survei dan studi literatur ketidakpastian dalam informasi
terkait jumlah, waktu, jenis, dan lokasi menyebabkan sulitnya
penerapan logistik kemanusiaan di lapangan. Faktor-faktor tersebut
dapat menimbulkan kerugian berupa keterlambatan pengiriman,
sehingga timbul ketidakpuasan dari korban sebagai penerima bantuan.
Oleh karena itu, bagaimana merencanakan rute distribusi bantuan
logistik untuk korban bencana gempa dan tsunami akibat Sumatra
Megathrust dengan mempertimbangkan ketidakpastian informasi dan
ketersediaan akses jalan, menjadi rumusan masalah dalam penelitian ini.
Universitas Pertamina - 15
3. Identifikasi Model
Dengan merujuk pada rumusan masalah, selanjutnya adalah
menentukan model penyelesaian yang sesuai dengan kondisi di
lapangan.
4. Pengumpulan Data
Tahap pengumpulan data diperlukan untuk memperoleh data yang
dibutuhkan dalam penelitian. Adapun data-data yang dibutuhkan dalam
penelitian ini di antaranya adalah sebagai berikut.
- Data daerah yang diprediksi akan terkena dampak dari gempa
dan tsunami akibat Sumatera Megathrust.
- Lokasi local distribution center dan titik pengungsian di masing-
masing wilayah.
- Data penduduk yang berisiko terkena bencana gempa dan
tsunami Sumatera Megathrust.
- Jenis dan dimensi bantuan logistik.
- Jumlah, jenis, kapasitas, kecepatan kendaraan.
5. Pengolahan Data
Menggunakan data yang telah diperoleh, selanjutnya dilakukan
pengolahan data, yaitu:
a. Identifikasi jenis bantuan tipe 1 dan tipe 2
Bantuan logistik dikelompokkan menjadi dua tipe. Tipe 1 adalah
bantuan yang dibutuhkan sesaat setelah bencana seperti tenda,
selimut, terpal, dan jirigen. Sementara tipe 2 adalah bantuan berupa
barang konsumsi seperti makanan.
b. Identifikasi jumlah permintaan di seluruh titik pengungsian.
Jumlah permintaan di seluruh titik pengungsian akan bergantung
dari jumlah jenis kebutuhan per orang/periode dan jumlah penduduk
yang berisiko terkena bencana.
c. Menentukan jarak dari LDC ke titik pengungsian (TEA).
Durasi rute perjalanan pendistribusian bantuan kepada korban akan
bergantung pada jarak dari LDC ke TEA dan jarak dari satu TEA ke
TEA lainnya.
Universitas Pertamina - 16
d. Optimissasi kombinasi titik pengungsian yang dapat dilayani dalam
satu rute perjalanan, serta waktu distribusi untuk setiap rute.
Rute pendistribusian bantuan ditentukan dengan
mempertimbangkan jarak dan waktu distribusi yang diperlukan satu
kendaraan untuk melayani seluruh titik pengungsian dalam satu rute
perjalanan dengan menggunakan metode CVRP. Selanjutnya, hasil
pengolahan data dengan CVRP dikembangkan dengan metode
simulasi untuk memvalidasi model.
6. Analisis
Analisis dilakukan terhadap hasil pengolahan data terkait optimisasi rute
pendistribusian bantuan logistik ke korban bencana. Selanjutnya,
dilakukan analisis sensitivitas untuk mengetahui pengaruh dari
parameter terhadap solusi optimal yang diperoleh sebelumnya.
7. Kesimpulan
Kesimpulan didapatkan dari hasil analisis yang dilakukan. Kesimpulan
harus dapat menjawab tujuan dari penelitian. Saran yang diberikan akan
berhubungan dengan rekomendasi pemecahan masalah menggunakan
hasil penelitian, serta pengembangan penelitian lebih lanjut.
Universitas Pertamina - 17
optimal untuk mendistribusikan bantuan logistik kepada korban bencana di Kota
Padang, dengan mempertimbangkan ketidakpastian jumlah permintaan di setiap
titik pengungsian dan ketersediaan akses jalan. Oleh karena itu, berdasarkan
pemaparan dari Altay & Green, penelitian ini menggunakan pendekatan kuantitatif.
Penelitian kuantitatif adalah penelitian yang banyak menuntut penggunaan
angka, mulai dari pengumpulan data, penafsiran terhadap data, serta visualisasi dari
hasil pengolahan data. Pada penelitian ini, hasil dari penelitian berupa rute distribusi
terbaik dengan waktu dan jarak tempuh terpendek. Selain itu, pengolahan data dan
analisis menggunakan bantuan aplikasi komputasi untuk menghitung waktu dan
jarak tempuh suatu set rute distribusi. Dengan alasan ini, maka penelitian ini
menggunakan pendekatan kuantitatif.
Universitas Pertamina - 18
penduduk yang terkena dampak bencana, jenis bantuan, dan identifikasi jaringan
jalan.
Universitas Pertamina - 19
pengungsian berfungsi sebagai kandidat titik yang akan dilayani untuk
pendistribusian bantuan bencana.
Sementara itu, data lokasi local distribution center dan lokasi tempat
pengungsian akan menentukan jarak dari local distribution center ke tempat
pengungsian dan dari satu tempat pengungsian ke tempat pengungsian lain.
Kemudian, data jumlah perkiraan permintaan bantuan untuk seluruh titik
permintaan, lokasi LDC, jumlah tempat pengungsian, serta jarak LCD-TEA
digunakan untuk menentukan kandidat titik pengungsian yang akan dilayani oleh
kendaraaan dalam satu perjalanan dengan menggunakan metode CVRP. Rute
distribusi dikatakan optimal jika memenuhi kriteria waktu tempuh tersingkat,
dengan mempertimbangkan ketidakpastian jumlah permintaan di setiap titik
pengungsian dan ketersediaan akses jalan. Hasil pengolahan tahap pertama akan
disajikan dalam bentuk tabel, dengan menampilkan rute distribusi terpilih serta
waktu dan jarak tempuh. Pada tahap kedua, hasil dari penentuan rute distribusi yang
optimal akan dikembangkan dengan metode simulasi untuk memvalidasi model
yang telah digunakan. Simulasi akan menggunakan aplikasi ProModel.
Setelah pengolahan data, selanjutnya adalah menganalisis hasil dari
pengolahan data tersebut. Analisis dilakukan dengan mengubah nilai parameter
untuk melihat pengaruh parameter tersebut terhadap pemilihan rute distribusi
optimal.
3.2.6. Kesimpulan
Kesimpulan didapatkan dari hasil pengolahan dan analisis, berupa rute
optimal untuk distribusi bantuan logistik bencana korban pasca terjadinya gempa
dan tsunami Sumatera Megathrust di Kota Padang. Selain itu, diberikan pula saran
terkait dengan penelitian selanjutnya.
Universitas Pertamina - 20
DAFTAR PUSTAKA
Ahmadi, M., Seifi, A., & Tootooni, B. (2015). A humanitarial logistics model for
disaster relief operation considering network failure and standard relief time.
Transportation Research Part E, 75, 145-163.
Balcik, B., Beamon, B. M., & Smilowitz, K. (2008). Last Mile Distribution in
Humanitarian Relief. Journal of Intelligent Transportation Systems, 12(2),
51-63.
Universitas Pertamina - 21
Cozzolino, A., & Rossi, S. (2012). Agile and lean principles in the humanitarian
supply chain: The case of the united nations world food programme. Journal
of Humanitarian Logistics and Supply Chain Management, 2(1), 16-33.
Daud, M. S., Hussein, M. Z., Nasir, M. E., Abdullah, R., Kassim, R., Suliman, M.
S., & Saludin, M. R. (2016). Humanitarian Logistics and Its Challanges:
The Literature Review. 107-110.
Faiz, S., Krichen, S., & Inoubli, W. (2014). A DSS based on GIS and Tabu Search
for Solving the CVRP: The Tunisian Case. The Egyptian Journal of Remote
Sensing and Space Science, 17(1), 105-110.
Girard, T., Wenzel, F., & Khazai, B. (2014). Near-real-time Analysis of Publicly
Communicated Disaster Response Information. International Journal of
Disaster Risk Science, 5(3), 165-175.
Holguin-Veras, J., Jaller, M., Van Wassenhove, L. N., Perez, N., & Wachtendorf,
T. (2012). On the Unique Features of Post-Disaster Humanitarian Logistics.
Journal of Operation Management, 494-506.
Maghfiroh, M. F., & Hanaoka, S. (2018). Dynamic Truck and Trailer Routing
Problem for Last Mile Distribution in Disaster Response. Journal of
Humanitarian Logistics and Supply Chain Management.
Poser, K., & Dransch, D. (2010). Volunteered Geographic Information for Disaster
Management with Application to Rapid Flood Damage Estimation.
Geomatica, 64(1), 89-98.
Universitas Pertamina - 22
Qin, J., Ye, Y., Cheng, B.-r., Zhao, X., & Ni, L. (2017). The Emergency Vehicle
Routing Problem with Undertain Demand under Sustainability
Environments. Sustainability.
Victoriano, B., Ortuno, M. T., Cristobal, P., Ferrer, M., Martin-Campo, F. J., Munoz,
S., & Tirado, G. (2013). Decision aid models for disaster management and
emergencies, atlantis computational intelligence system. Decision aid
models and systems for humanitarian logistics. a survey, 17-44.
Zaroni. (2017, Desember 13). Humanitarian Logistics, Sisi Lain Peran Logistik
dalam Penanggulangan Bencana. Diambil kembali dari
http://supplychainindonesia.com/new/humanitarian-logistics-sisi-lain-
peran-logistik-dalam-penanggulangan-bencana/
Universitas Pertamina - 23