Machine Translated by Google

Penelitian Bisnis & Manajemen Transportasi 46 (2023) 100821

Daftar isi tersedia di ScienceDirect

Penelitian Bisnis & Manajemen Transportasi

beranda jurnal: www.elsevier.com/loc/rtbm

Penilaian efisiensi operasi maritim dan dampak ekonominya

berdasarkan analisis data envelopment: Studi kasus pelabuhan Chili
A B,* C
´ ´
Magdiel A. Agüero-Tobar , Marcela C. Gonzalez-Araya , Rosa G. Gonzalez-Ramírez
A
Programa de Magíster en Gesti´ on de Operaciones, Facultad de Ingeniería, Universidad de Talca, Campus Curic´ o, Camino a Los Niches km. 1, Curic´ o, Chili
B
´
Jurusan Teknik Industri, Fakultas Teknik, Universidad de Talca, Kampus Curico, Camino a´Los Niches km. 1, Curic´ o, Chili Universidad de los Andes,
C
Chili. Aplikasi Facultad de Ingeniería dan Ciencias. Senin. Alvaro del Portillo 12.455, Las Condes, Santiago, Chili

INFO PASAL ABSTRAK

Kata kunci: Pelabuhan menghadapi beberapa tantangan logistik dan perubahan pola globalisasi. Oleh karena itu, pengoperasian
Efisiensi pelabuhan pelabuhan harus lebih efisien dari sebelumnya. Selain itu, operasi tersebut dapat diklasifikasikan menjadi operasi
Operasi maritim
maritim, operasi terminal, dan operasi konektivitas atau darat. Dalam hal ini, operasi maritim menyumbang sekitar 48%
Analisis selubung data
Klasifikasi variabel
dari biaya transportasi dan didefinisikan sebagai proses mulai dari kedatangan kapal ke dermaga hingga akhir
pemindahan muatannya. Penelitian ini berfokus pada analisis efisiensi operasi ini dengan menggunakan analisis data
Studi kasus pelabuhan
Dampak ekonomi envelopment dan mengusulkan metode untuk memperkirakan dampak ekonomi ketika operasi maritim yang efisien
tercapai. Tinjauan literatur dilakukan untuk menyajikan klasifikasi variabel port yang digunakan dalam analisis data
envelopment. Dengan cara ini, klasifikasi variabel mendukung pemilihan variabel operasi maritim untuk analisis
efisiensi. Sebuah studi kasus terhadap dua belas terminal kargo pelabuhan peti kemas di Chile digunakan untuk
mengilustrasikan metode yang diusulkan, dimana hasil analisisnya dibahas. Untuk pelabuhan yang tidak efisien,
rekomendasi (tujuan) jangka menengah dan panjang disajikan dan penghematan ekonomi diperkirakan. Dengan cara
ini, kerangka metodologi yang diusulkan dapat menjadi alat yang berguna untuk mendukung pengambilan keputusan
dalam hal memprioritaskan investasi infrastruktur pelabuhan.

1. Perkenalan
Menurut UNCTAD - Konferensi PBB tentang Perdagangan dan Pembangunan
(2016), transportasi laut adalah cara utama pergerakan barang ke seluruh dunia.
Laporan ini menunjukkan bahwa lebih dari 80% volume barang diangkut melalui
laut. Selain itu, laporan UNCTAD tahun 2019 (UNCTAD, 2019) menyoroti bahwa
dalam beberapa tahun terakhir lalu lintas peti kemas maritim mengalami
peningkatan yang berkelanjutan. Pelabuhan menghadapi beberapa tantangan
logistik, seperti perpindahan volume kargo yang lebih besar dalam waktu yang
lebih singkat karena kedatangan kapal yang lebih besar, serta tingkat peningkatan
layanan pelabuhan karena tekanan dari pengguna (UNCTAD - Konferensi PBB
tentang Perdagangan dan Pembangunan , 2018). Selain itu, pada tahun 2019,
pelabuhan menghadapi tingkat pertumbuhan yang lebih rendah akibat ketegangan
perdagangan antara Tiongkok dan Amerika Serikat, dan perubahan pola
globalisasi (UNCTAD, 2019), sedangkan pada tahun 2020 penyebaran COVID-19
menyebabkan penurunan produksi dan konsumsi. kontraksi, mempengaruhi
seluruh pengiriman industri industri (UNCTAD - Konferensi PBB tentang
Perdagangan dan Pembangunan, 2020). Karena pentingnya perdagangan luar negeri bagi
permasalahan ini, Achmadi, Hadi, Nur, Yunianto, dan Boyke (2017) menyebutkan bahwa mari
ekonomi dan tindakan yang digalakkan oleh pemerintah untuk memfasilitasi
operasional pelabuhan, diharapkan kegiatan ini dapat pulih dari pandemi. Namun,
untuk mencapai hal ini, operasional pelabuhan harus lebih efisien dari sebelumnya.
Biasanya, terminal pelabuhan melakukan berbagai proses untuk memperlancar
arus barang, yang dapat diklasifikasikan menjadi operasi maritim, operasi
terminal, dan operasi konektivitas atau darat (Bierwirth & Meisel, 2010; Murty et
al., 2005). Operasi maritim berkaitan dengan proses yang dimulai dari kedatangan
kapal ke dermaga hingga akhir pemindahan muatannya. Operasi terminal
berhubungan dengan proses yang terlibat dari akhir pemindahan muatan kapal
sampai muatan disimpan di halaman. Terakhir, operasi konektivitas berhubungan
dengan proses yang terkait dengan pengiriman kargo ke pelanggan dan
keberangkatannya dari pelabuhan. Penelitian ini berfokus pada analisis efisiensi
operasi maritim.
Analisis ini diperlukan untuk mendukung pengelolaan dan perencanaan
pelabuhan, yang bertujuan untuk menjaga biaya angkutan barang tetap rendah
(Clark, Dollar, & Micco, 2004; Cullinane, Song, Ji, & Wang, 2004). Mengenai

* Penulis yang sesuai.

´ ´
Alamat email: maguero13@alumnos.utalca.cl (MA Agüero-Tobar), mgonzalez@utalca.cl (MC Gonzalez-Araya), rgonzalez@uandes.cl (RG Gonzalez- Ramírez).

https://doi.org/10.1016/j.rtbm.2022.100821
Diterima 10 Mei 2021; Diterima dalam bentuk revisi 4 Februari 2022; Diterima 31 Maret 2022
Tersedia online 18 April 2022
2210-5395/© 2022 Elsevier Ltd. Semua hak dilindungi undang-undang.
Machine Translated by Google
MA Agüero-Tobar dkk.
biaya transportasi mewakili sekitar 48% dari biaya transportasi, sedangkan biaya yang
terkait dengan pengoperasian terminal setara dengan 40% dan biaya yang terkait dengan
daerah pedalaman mewakili sekitar 12%. Saat ini, pelabuhan bersaing untuk menarik
kapal kontainer, dengan tujuan untuk menanganinya dengan cepat tanpa meningkatkan
biaya terkait (Wang & Cullinane, 2006).
Dalam literatur, analisis efisiensi pelabuhan telah dipelajari (Barros, 2012; Barros &
Athanassiou, 2004; Bauren, Andriotti, Vieira, Ribeiro, & Neto, 2018; Bichou, 2013;
Cullinane, Song, & Wang, 2005; Roll & Hayuth, 1993; Tongzon, 2001; Wanke,
Barbastefano, & Hijjar, 2011). Namun demikian, dampak ekonomi pelabuhan terhadap
pencapaian efisiensi belum ditangani secara mendalam. Penting untuk diingat bahwa
sebagian besar pelabuhan di seluruh dunia telah melakukan investasi infrastruktur yang
signifikan; namun, investasi ini belum memberikan peningkatan yang diharapkan dalam
operasional pelabuhan (Wilmsmeier, Tovar, & Sanchez, 2013). Oleh karena itu,
Wilmsmeier dkk. (2013) menyarankan perlunya mengukur efisiensi sumber daya sebelum
melanjutkan investasi pada infrastruktur pelabuhan. Mengikuti topik ini, dalam naskah ini,
kami mengusulkan kerangka metodologi berdasarkan model data envelopment analysis
(DEA) (Banker, Charnes, & Cooper, 1984; Charnes, Cooper, & Rhodes, 1978) untuk
memperkirakan dampak ekonomi ketika operasi maritim yang efisien tercapai. Dengan
demikian, hasil yang diperoleh dapat mendukung pengambil keputusan dalam analisis
kebijakan investasi. Dampak ekonomi dihitung berdasarkan tujuan yang diperoleh model
DEA. Penting untuk dinyatakan bahwa model DEA digunakan karena model tersebut
mempertimbangkan banyak masukan untuk menghasilkan banyak keluaran guna menilai
efisiensi serangkaian unit pengambilan keputusan (DMU).
Selain itu, kami menyajikan tinjauan literatur mengenai analisis efisiensi pelabuhan
menggunakan model DEA dan kami mengusulkan klasifikasi variabel yang digunakan
dalam analisis ini. Klasifikasi ini memungkinkan kita untuk memilih variabel operasi
maritim untuk dimasukkan dalam penelitian ini. Kami menerapkan metode yang diusulkan
untuk menilai dua belas terminal kargo pelabuhan peti kemas di Chili menggunakan data
dari tahun 2019. Kami membandingkan proyeksi investasi pelabuhan Chili untuk tahun
2025 untuk menganalisis peningkatan yang diperoleh dalam efisiensi operasi maritim.
Dengan cara ini, kami mengusulkan kerangka metodologi untuk mengevaluasi operasi
maritim pelabuhan kargo peti kemas berdasarkan DEA, yang dapat menjadi kerangka
acuan untuk mendukung pemerintah dan pembuat kebijakan dalam analisis investasi
infrastruktur pelabuhan berdasarkan analisis efisiensi DEA.
Naskah ini disusun sebagai berikut. Pada Bagian 2, disajikan tinjauan literatur
tentang analisis efisiensi pelabuhan menggunakan model DEA, dan klasifikasi variabel
serta metode DEA yang diterapkan dalam studi ini. Pada Bagian 3, diusulkan suatu
kerangka kerja untuk menganalisis efisiensi operasi maritim dan memperkirakan dampak
moneter untuk mencapai efisiensi. Pada Bagian 4, metode yang diusulkan diterapkan
pada studi kasus di dua belas pelabuhan kargo peti kemas di Chili. Pada Bagian 5,
pembahasan mengenai hasil yang diperoleh dan kemungkinan penggunaannya dalam
analisis kebijakan pelabuhan dilakukan. Terakhir, di Bagian 6, kesimpulan utama
penelitian ini disajikan.
2. Tinjauan Pustaka
Karena pentingnya transportasi laut dalam perekonomian suatu negara, dalam
literatur, banyak penelitian untuk mengevaluasi efisiensi pelabuhan telah dilakukan
(Tongzon, 2001; Oliveira & Cariou, 2011; Wilmsmeier et al., 2013. Oleh karena itu,
pendekatan yang berbeda telah diterapkan. digunakan atau dikembangkan untuk tujuan
ini, seperti berikut ini: Kim dan Sachs (1986) menggunakan total produktivitas faktor
(TFP) untuk mempelajari skala ekonomi dan pertumbuhan tahunan pelabuhan Ashdod di
Israel. Tongzon (1995) menilai pelabuhan tersebut kinerja dan efisiensi 23 pelabuhan
yang terletak di negara berbeda, menggunakan model regresi berganda. Tahar dan
Hussain (2000) mengukur efisiensi pelabuhan dengan mensimulasikan proses operasional
pelabuhan Kelang, di Malaysia. Dragovi´c dan Zrni´c (2011) mengusulkan sebuah metode
untuk mengevaluasi efisiensi pelabuhan berdasarkan teori antrian.Dalam penelitian ini,
penulis tidak menyajikan studi kasus untuk menerapkan metode mereka.Ser ebrisky et al.
(2016) menggunakan model stochastic frontier untuk menganalisis
2
Penelitian Bisnis & Manajemen Transportasi 46 (2023) 100821
efisiensi teknis terminal kargo pelabuhan peti kemas di Amerika Latin dan Karibia, yang
bertujuan untuk menentukan faktor mana yang memiliki dampak terbesar terhadap
efisiensi pelabuhan. Hasilnya menunjukkan adanya hubungan yang signifikan antara
efisiensi teknis dan operasional pelabuhan swasta. Dalam studi terbaru, P´erez, Gonzalez,
´
dan Trujillo (2020) menggunakan model ekonometrik untuk mengevaluasi bagaimana
faktor ukuran dan jenis terminal (khusus atau tidak khusus) mempengaruhi efisiensi
pelabuhan.
Di sisi lain, pendekatan yang berguna untuk mengevaluasi efisiensi pelabuhan
adalah data envelopment analysis (DEA) yang diusulkan oleh Charnes dkk. (1978) dan
Bankir dkk. (1984). Menurut Cullinane dkk. (2004), pendekatan ini memiliki keuntungan
dalam mempertimbangkan banyak masukan atau sumber daya untuk diubah menjadi
banyak keluaran atau produk untuk mengevaluasi unit pengambilan keputusan (DMU).
DEA didasarkan pada pemrograman linier dan memungkinkan mengidentifikasi praktik
terbaik, memperkirakan skor efisiensi, dan mengusulkan tujuan untuk unit yang tidak
efisien (Charnes et al., 1978). Selain itu, model DEA dapat memiliki orientasi yang
berbeda: pada input, di mana sumber daya diminimalkan, dan tingkat produksi
dipertahankan; terhadap output, dimana dilakukan maksimalisasi tingkat produksi,
pemeliharaan sumber daya yang digunakan; dan tidak berorientasi, dimana minimalisasi
sumber daya dan maksimalisasi tingkat produksi dapat dilakukan secara bersamaan.
Karena fleksibilitas pendekatan DEA, Lozano, Villa, dan Canca (2011) menyimpulkan
bahwa DEA adalah metode yang berguna untuk menilai kinerja pelabuhan. Oleh karena
itu, pada bagian ini, kami menyajikan tinjauan literatur tentang analisis efisiensi pelabuhan
menggunakan model DEA, dan kami mengusulkan klasifikasi variabel dan model DEA
yang diterapkan dalam penelitian ini untuk memfasilitasi pemilihannya bagi peneliti dan
praktisi masa depan.
Tinjauan pustaka ini mencakup penelitian yang diterbitkan dalam bahasa Inggris dari
tahun 2001 hingga Agustus 2020. Tabel 1 merangkum artikel-artikel yang diulas.
Seperti terlihat pada Tabel 1, terdapat sedikit penerapan model DEA untuk mengukur
efisiensi di pelabuhan Amerika Selatan (Bauren et al., 2018; Chang & Tovar, 2017;
Cortez et al., 2013; Rios & Maçada, 2006; Wanke et al. ., 2011). Studi yang
dipresentasikan oleh Chang dan Tovar (2017) adalah satu-satunya studi yang menilai
efisiensi di beberapa pelabuhan Chili. Dalam studi tersebut, efisiensi pelabuhan di Peru
dan Chili dievaluasi untuk mengidentifikasi perbedaan teknologi dan mengklasifikasikan
pelabuhan ke dalam kelompok yang sesuai.
Berbeda dengan Chang dan Tovar (2017), penelitian kami hanya menganalisis efisiensi
operasi maritim di pelabuhan-pelabuhan utama Chili dan mengusulkan kerangka kerja
untuk memperkirakan dampak ekonomi untuk mencapai efisiensi. Dengan cara ini,
dilakukan tinjauan terhadap variabel-variabel yang digunakan dalam konteks DEA untuk
mengukur efisiensi pelabuhan dan disajikan klasifikasi variabel-variabel yang
teridentifikasi. Variabel input dan output yang digunakan dalam literatur DEA dijelaskan
sebagai berikut.
Masukan atau sumber daya yang digunakan dalam artikel yang direview disajikan
pada Tabel 2. Pada tabel ini ditampilkan kode identifikasi (ID), pengertian dan penjelasan
singkat masing-masing masukan. Penting untuk dicatat bahwa beberapa masukan diberi
nama yang berbeda dalam artikel yang berbeda, namun definisinya sama. Oleh karena
itu, dalam artikel ini kami mengusulkan nama umum untuk mereka. Misalnya, jumlah
kendaraan pekarangan dalam beberapa naskah disebut dengan jumlah straddle carry,
jumlah forklift, jumlah truk, atau jumlah Reachstacker.
Tabel 3 mengklasifikasikan input menurut kategori terminal yang ditetapkan oleh
Bierwirth dan Meisel (2010), yaitu tepi laut, pekarangan, dan tepi darat. Dalam studi ini,
kategori-kategori ini masing-masing disebut operasi maritim, pekarangan, dan darat.
Selain itu, dua klasifikasi baru dimasukkan ke dalam artikel ini, karena beberapa variabel
tidak termasuk dalam kategori tertentu. Kategori baru ini adalah variabel keseluruhan
dan moneter. Variabel keseluruhan sesuai dengan variabel yang digunakan di seluruh
terminal pelabuhan, seperti luas terminal dan jumlah pekerja. Variabel moneter
berhubungan dengan variabel yang diukur dalam satuan moneter, seperti modal dan
biaya operasional, dan digunakan untuk memasukkan dampak investasi dan/atau biaya
moneter dalam analisis efisiensi pelabuhan.
Pada Tabel 3, dapat dilihat bahwa input yang paling banyak digunakan untuk analisis
efisiensi DEA adalah luas terminal, diikuti oleh panjang dermaga dan jumlah derek
dermaga. Penting untuk digarisbawahi bahwa perlakuan terhadap jumlah derek dermaga
telah dilakukan dengan cara yang berbeda dalam literatur. Beberapa penulis memisahkan
derek pekarangan dari derek dermaga
Machine Translated by Google

MA Agüero-Tobar dkk. Penelitian Bisnis & Manajemen Transportasi 46 (2023) 100821

Tabel 1
Aspek-aspek utama dari artikel yang ditinjau menggunakan model DEA untuk menilai efisiensi pelabuhan.

Artikel Kontribusi utama Nÿ

Wilayah Studi Kasus
Terminal

Tongzon (2001) Studi pertama yang mengevaluasi efisiensi pelabuhan melalui model DEA menggunakan kasus nyata. Oseania, Asia dan Eropa 16
Model CCR dan BCC untuk menilai efisiensi diterapkan pada pelabuhan utama di dua negara Eropa dan
Barros dan Athanassiou (2004) hasilnya dibandingkan. Yunani dan Portugal 6
Analisis jendela DEA untuk mengidentifikasi tren efisiensi dilakukan. Analisis ini mempertimbangkan
data dari dua puluh lima pelabuhan peti kemas di seluruh dunia selama periode 1992–1999.
Cullinane dkk. (2004) Asia, Amerika dan Eropa 25
Dua pendekatan non-parametrik diterapkan (DEA dan FDH – lambung pembuangan bebas) untuk menilai
Cullinane dkk. (2005) efisiensi terminal peti kemas yang terpusat. Asia, Amerika dan Eropa 57
Barros (2006) Model DEA alternatif diterapkan pada kumpulan data negara Eropa. Italia 24
Brasil, Argentina dan
Rios dan Macada (2006) Efisiensi relatif kegiatan terminal peti kemas di pelabuhan Mercosur dianalisis. Uruguay 23
Analisis efisiensi relatif kegiatan terminal peti kemas, termasuk sifat skala, dan hubungan efisiensi
antara pengaruh geografis telah dilakukan.
Wang dan Cullinane (2006) Eropa 104
García-Alonso dan Martin-Bofarull Analisis mengenai belanja investasi pelabuhan dan dampaknya terhadap peningkatan efisiensi dilakukan.
(2007) Spanyol 21
Model DEA yang berbeda diterapkan untuk mengidentifikasi informasi pelengkap mengenai efisiensi
Lin dan Tseng (2007) operasional pelabuhan. Asia 10
Analisis benchmarking berdasarkan DEA untuk pelabuhan peti kemas disajikan, dengan mempertimbangkan target
efisiensi skala dan menggunakan pendekatan DEA dan bootstrap yang diperhalus untuk mendapatkan peringkat
Hung, Lu, dan Wang (2010) efisiensi pelabuhan yang andal. Asia 31
Pendekatan DEA dan pohon keputusan (DT) diusulkan untuk meningkatkan kemampuan dan fleksibilitas
model DEA. Penilaian efisiensi diperoleh dengan mempartisi serangkaian pelabuhan yang diamati ke dalam
beberapa tingkat batas efisien, yang memberikan konteks evaluasi untuk mengukur daya tarik relatif Amerika, Asia, Eropa,
Sharma dan Yu (2010) setiap pelabuhan. Oceania 70
Amerika, Asia, Afrika,
Wu dan Goh (2010) Evaluasi efisiensi pelabuhan peti kemas di pasar negara berkembang. Eropa 21
Pendekatan DEA terpusat dipertimbangkan untuk menentukan target keluaran pelabuhan secara
Lozano dkk. (2011) individual dan kolektif dan untuk menganalisis investasi modal, berdasarkan pertimbangan anggaran. Spanyol 28
Variabel input dan output yang relevan dari model DEA diidentifikasi untuk kasus terminal curah, yang
mengukur efisiensi relatif pelabuhan ketika data dikumpulkan di tingkat negara. Amerika, Asia, Afrika,
Oliveira dan Cariou (2011) Eropa, Oseania 122
Pendekatan DEA dan Stochastic frontier analysis (SFA) dibandingkan dengan mempertimbangkan
Wanke dkk. (2011) pelabuhan Brasil. Brazil 25
Pertumbuhan efisiensi dan produktivitas terminal pelabuhan Afrika dianalisis menggunakan indikator
Barros (2012) produktivitas Luenberger dan Malmquist. Afrika 23
Tolok ukur kinerja operasional pelabuhan peti kemas dilakukan dengan mempertimbangkan efisiensi teknis
dan skala ekonomi melalui model DEA, serta dampak efisiensi berbagai faktor menggunakan metodologi
Niavis dan Tsekeris (2012) regresi terpotong bootstrap. Eropa Tenggara 30
Studi pertama yang menilai efisiensi pelabuhan Norwegia, membandingkannya dengan pelabuhan
Schøyen dan Odeck (2013) Inggris. Norwegia dan Inggris 24
Hubungan antara efisiensi pelabuhan dan lingkungan pengoperasian dianalisis, dengan fokus pada pasar
Bichou (2013) dan kondisi pengoperasian terminal peti kemas. Berbagai pelabuhan di dunia 420
Cortez, Rebello de Oliveira, Martins,
Dias de Jesus, dan Soares de Mello (2013) Kinerja pelabuhan umum menggunakan DEA dinilai, menganalisis perannya sebagai otoritas pelabuhan,
kekuatan dan kelemahan sesuai dengan konteks bisnis. Brazil 24
Efisiensi teknis pelabuhan Afrika dilakukan untuk mengetahui faktor-faktor yang mempengaruhi
efisiensi pelabuhan dan menganalisis kinerja pelabuhan publik dan swasta.
´
Trujillo, Gonzalez, dan Jim´enez (2013) Afrika 37
Keterlibatan kepemilikan asing dan lokal dianalisis dengan mempertimbangkan persaingan intra dan antar
Yuen, Zhang, dan Cheung (2013) pelabuhan. Cina 21
Efisiensi pelabuhan secara keseluruhan menggunakan model DEA yang berbeda dinilai, termasuk
variabel kinerja manajerial (infrastruktur, suprastruktur, operasional, dan keuangan). Selain itu, penulis
Guner (2015) membandingkan pelabuhan publik dan pelabuhan swasta. Turki 13
Efisiensi pelabuhan menggunakan model DEA yang mempertimbangkan barang curah dan peti kemas
secara terpadu, dan mempelajari hubungan antara efisiensi pelabuhan, model manajemen, dan sifat kargo
Bauren dkk. (2018) yang dominan. Brazil 15
Produktivitas terminal pelabuhan Peru dan Chili dianalisis, dengan mempertimbangkan pengaruh
Chang dan Tovar (2017) variabel penjelas terhadap produktivitas pelabuhan. Peru dan Chili 14
Dampak indikator logistik terhadap pemberian layanan terhadap benchmarking pelabuhan peti kemas
dipelajari menggunakan DEA. Selain itu, hubungannya antara efisiensi pelabuhan dan konektivitas Denmark, Finlandia, Islandia,
Schøyen dkk. (2018) pengangkutan barang dagangan dalam peti kemas juga dianalisis. Norwegia, Swedia dan Inggris 26
Para penulis mempelajari konsentrasi pelabuhan peti kemas melalui dua ukuran analitik (indeks herfindahl –
HHI, dan koefisien Gini). Model DEA super-efisiensi diterapkan untuk menganalisis hubungan antara efek
Nguyen, Woo, Beresford, dan Pettit (2020) pergeseran dalam langkah-langkah ini dan efisiensi pelabuhan.
Asia Tenggara 10

(Cullinane et al., 2004; Sharma & Yu, 2010; Yuen et al., 2013), 2001). Mengingat output yang digunakan dalam analisis efisiensi DEA,
sementara penulis lain menganggap semua crane bersama-sama Tabel 4 menyajikan kode identifikasi (ID), definisi dan penjelasan
singkat dari setiap output.
melalui variabel jumlah crane (Lozano et al., 2011; Rios & Maçada, 2006; tongzon,

3
Machine Translated by Google

MA Agüero-Tobar dkk. Penelitian Bisnis & Manajemen Transportasi 46 (2023) 100821

Tabel 2 (Charnes et al., 1978) dan karena itu dikenal sebagai model CRS.
Input yang digunakan dalam model DEA untuk menilai efisiensi pelabuhan. Model BCC (BCC-I dan BCC-O) mengasumsikan skala pengembalian variabel (Banker
PENGENAL Definisi Keterangan
et al., 1984) dan, karena alasan ini, disebut model VRS. Model aditif (ADD) adalah
model yang tidak berorientasi untuk mengidentifikasi unit yang efisien (Charnes,
Hal ini berhubungan dengan derek dermaga; ini termasuk STS
I01 Nÿ derek dermaga Cooper, Golany, Seiford, & Stutz, 1985). Model superefisiensi dikemukakan oleh
atau gantry crane dan mobile crane Ini
adalah jumlah tempat berlabuh yang dimiliki pelabuhan untuk Andersen dan Petersen (1993).
I02 Jumlah tempat berlabuh
melayani kapal- Mereka mengembangkan versi modifikasi model DEA CCR dan BCC, di mana setiap
kapal Ini sesuai dengan jumlah kapal tunda yang membantu
I03 Jumlah kapal tunda unit yang dievaluasi dikeluarkan dari kumpulan unit yang diamati. Dengan cara ini,
merapatnya kapal-kapal yang
para penulis berupaya memberikan kerangka kerja untuk menentukan peringkat
lebih besar Ini mengukur jumlah waktu tunda, yang merupakan
selisih antara total waktu sandar ditambah waktu tunggu untuk semua unit yang efisien. Model Free Disposal Hull (FDH) merupakan model non-
I04 Waktu tunda
berlabuh dan waktu antara awal dan akhir pekerjaan kapal. parametrik untuk mengukur efisiensi dan dirumuskan oleh Deprins, Simar, dan Tulkens
(1984), dan diperluas oleh Lovell et al. (1994). Model ini melonggarkan asumsi
Hal ini sesuai dengan panjang dermaga yang diukur dalam
I05 Panjang dermaga konveksitas model dasar DEA yang memungkinkan pembuangan bebas untuk
meter linier konstruksi.
I06 Panjang tempat berlabuh Ini sesuai dengan panjang maksimum tempat berlabuh
menyusun rangkaian kemungkinan produksi. Oleh karena itu, garis terdepan untuk
Draf tempat berlabuh model FDH dikembangkan dari masukan dan keluaran yang diamati sehingga
Saya07 Hal ini sesuai dengan draft maksimum suatu tempat berlabuh
maksimum memungkinkan pembuangan yang bebas. Metode efisiensi silang diusulkan oleh et
Ini Jumlah Quay Crane * Kemampuan Mengangkat al. (1986) dan digunakan untuk meningkatkan diskriminasi model DEA, yang bertujuan
Indeks derek dermaga I08
(Satuan Pengukuran = TEU)
untuk menetapkan peringkat DMU.
Ini adalah volume kargo bulanan tertinggi yang ditangani
I09 Kapasitas pergerakan dikalikan dua belas, untuk menghasilkan basis tahunan.
Seperti disebutkan di atas, model CCR mengasumsikan skala hasil konstan. Perlu
ditambahkan bahwa indeks efisiensi yang diperoleh dengan model CCR dikenal
Ini adalah jumlah derek pekarangan yang digunakan untuk sebagai efisiensi teknis global (Charnes et al., 1978), karena tidak mempertimbangkan
I10 Nÿ Derek pekarangan
menangani
pengaruh skala. Di sisi lain, indeks efisiensi yang diperoleh dengan model BCC
kontainer. Ini mengelompokkan jumlah kendaraan yang
dikenal sebagai efisiensi teknis lokal (Banker et al., 1984).
I11 Nÿ kendaraan pekarangan digunakan di pekarangan. Beberapa penulis membedakannya
berdasarkan straddle carrier, forklift, truk, dan reastacker.
Hal ini sesuai dengan kapasitas penyimpanan terminal pelabuhan Tabel 7 merangkum model DEA yang ditemukan dalam literatur untuk
I12 Kapasitas penumpukan yard yang penulis sebut juga sebagai stacking area, storage stack, mengevaluasi efisiensi pelabuhan. Tabel ini menggunakan akronim yang disajikan
dan yard-stacking.
pada Tabel 6.
Ini adalah kombinasi dari tiga variabel, truk pengangkut
I13 Jumlah mesin pekarangan peti kemas, truk straddle, dan gantry crane pekarangan Ini
Seperti dapat dilihat pada Tabel 7, skala hasil konstan diasumsikan pada 19
adalah jumlah jalur artikel (jumlah CCR-I dan CCR-O), diikuti oleh skala hasil variabel, yang diasumsikan
I14 Gerbang
gerbang dan rel kereta api di gerbang Ini sesuai dengan luas pada 18 artikel (jumlah BCC-I dan BCC). -HAI). Di sisi lain, model aditif (ADD),
terminal
lambung pembuangan bebas (FDH) dan efisiensi silang (CE) telah diterapkan dalam
diukur dalam meter persegi Ini sesuai dengan jumlah pekerja
I15 Daerah terminal satu penelitian.
pelabuhan atau
pegawai yang dalam literatur juga disebut tenaga kerja atau Mengenai orientasi model, dapat dilihat pada Tabel 7 bahwa sebagian besar
I16 Jumlah pekerja jumlah pegawai pelabuhan Hal ini sesuai dengan nilai buku artikel yang direview berorientasi pada masukan (30 artikel). Menurut Cullinane dkk.
aset terminal pelabuhan Ini (2004), orientasi masukan berkaitan erat dengan permasalahan operasional dan
termasuk belanja modal tahunan untuk peralatan seperti derek
I17 Nilai buku aset manajemen pelabuhan karena masukan dirancang untuk cakrawala perencanaan
dermaga, derek
pekarangan, pengangkut straddle, penumpuk jangkauan dan jangka panjang. Di sisi lain, orientasi keluaran terutama dikaitkan dengan definisi
Pengeluaran tahunan untuk
Saya18
lain-lain Hal ini sesuai dengan biaya material diukur strategi perencanaan sejak pelabuhan dibangun; outputnya ditetapkan dalam kisaran
peralatan
dalam tertentu.
I19 Biaya bahan Pada bagian berikut, kami mengusulkan metode berdasarkan tujuan model DEA
euro
untuk memperkirakan dampak moneter ketika operasi maritim yang efisien tercapai.
Ini adalah konsumsi sumber daya keuangan yang
I20 Biaya operasional dihasilkan dari pengoperasian terminal (termasuk Dengan cara ini, metode ini berupaya mendukung pemangku kepentingan dalam
pengoperasian di area yang tidak disewakan) analisis investasi pelabuhan dan implementasi kebijakan.
Ini adalah total pengeluaran terminal termasuk
I21 Jumlah pengeluaran
pengeluaran tenaga kerja
Ini adalah variabel moneter yang mengukur infrastruktur
I22 Modal dasar, suprastruktur, mesin, dan peralatan bergerak 3. Mengevaluasi efisiensi operasi maritim dan penilaian dampak
pelabuhan ekonomi

Kerangka yang diusulkan dalam penelitian ini terdiri dari dua tahap utama.
Tabel 5 mengklasifikasikan output menurut kategori terminal yang diusulkan oleh
Pada tahap pertama, efisiensi pelabuhan menggunakan model DEA (Banker et al.,
Bierwirth dan Meisel (2010) yang disebutkan sebelumnya. Dalam literatur yang
1984; Charnes et al., 1978) diperkirakan, dan pemeringkatan pelabuhan melalui
ditinjau, tidak ditemukan keluaran yang dapat diklasifikasikan dalam kategori
efisiensi silang (Sexton, Silkman, & Hogan, 1986) ditentukan . Pada tahap kedua,
pengoperasian lahan.
dampak ekonomi berdasarkan tujuan yang diperoleh model DEA dinilai untuk
Dapat dilihat pada Tabel 5 bahwa sebagian besar penulis menggunakan jumlah
menghasilkan rekomendasi kepada pembuat kebijakan.
TEU untuk mengevaluasi efisiensi pelabuhan. Hal ini terjadi karena jumlah TEU yang
ditangani merupakan hasil utama pengalihan fungsi terminal peti kemas. Output
3.1. Tahap 1: evaluasi efisiensi dengan menerapkan model DEA yang berorientasi pada
berikutnya yang paling banyak digunakan dalam literatur adalah jumlah kapal dan keluaran
kecepatan kerja kapal. Penting untuk disebutkan bahwa beberapa penulis memisahkan
variabel curah yang ditangani dalam curah kering (Barros, 2006) dan curah cair
Pada tahap ini, model DEA yang berorientasi pada keluaran harus digunakan
(Barros, 2012).
karena masukan operasi maritim sulit untuk dikurangi. Biasanya proyek-proyek
tersebut merupakan bagian dari infrastruktur pelabuhan dan memerlukan investasi
Berdasarkan model DEA yang digunakan dalam artikel yang ditinjau, Tabel 6
dalam jumlah besar. Beberapa input operasi maritim antara lain panjang dermaga,
menyajikan akronim dari model yang diidentifikasi. Dalam tabel ini, -I dan -O mewakili
draft maksimum, jumlah dermaga, dan lain-lain. Dengan cara ini, masuk akal untuk
orientasi model, di mana -I menunjukkan orientasi model masukan, dan -O
mengasumsikan maksimalisasi keluaran daripada minimalisasi masukan.
menunjukkan orientasi model keluaran.
Di sisi lain, operasi maritim dapat mempunyai skala hasil yang meningkat, konstan,
Model CCR (CCR-I dan CCR-O) mengasumsikan skala hasil konstan
atau menurun (Cullinane dkk., 2004). Di dalam

4
Machine Translated by Google

MA
Tabel 3

Klasifikasi masukan menurut kategori terminal.

Operasi maritim (Tepi Laut) Operasi pekarangan (Pekarangan) Pengoperasian di darat (Landside) Variabel keseluruhan Variabel moneter

Referensi Saya01 I02 I03 Saya04 I05 I06 Saya07 I08 I09 Saya10 Saya11 Saya12 Saya13 Saya14 Saya15 Saya16 Saya17 Saya18 Saya19 Saya20 Saya21 Saya22

ÿ ÿ ÿ ÿ ÿ ÿ ÿ
Tongzon (2001)

Barros dan Athanassiou (2004) ÿ ÿ

Cullinane dkk. (2004) ÿ ÿ ÿ ÿ ÿ

Cullinane dkk. (2005) ÿ ÿ ÿ

Barros (2006) ÿ ÿ ÿ

ÿ ÿ ÿ ÿ ÿ
Rios dan Macada (2006)
ÿ ÿ ÿ
Wang dan Cullinane (2006)

García-Alonso dan Martin-Bofarull (2007) ÿ ÿ ÿ ÿ

ÿ ÿ ÿ
Lin dan Tseng (2007)
ÿ ÿ ÿ ÿ
Hung dkk. (2010)

Sharma dan Yu (2010) ÿ ÿ ÿ ÿ ÿ

Wu dan Goh (2010) ÿ ÿ ÿ ÿ ÿ

Lozano dkk. (2011) ÿ ÿ ÿ ÿ ÿ

Oliveira dan Cariou (2011) ÿ ÿ ÿ

Wanke dkk. (2011) ÿ

Barros (2012) ÿ ÿ ÿ

Guner (2015)
Peneliti
Niavis dan Tsekeris (2012)

Schøyen dan Odeck (2013)

Bichou (2013)

Cortez dkk. (2013)

Trujillo dkk. (2013)

Yuen dkk. (2013)

Bauren dkk. (2018)

Chang dan Tovar (2017)

Schøyen dkk. (2018)

Nguyen dkk. (2020)

Total
ÿ

12
ÿ

8
ÿ

3 1
ÿ

14 6
ÿ

ÿ
ÿ

3
ÿ

1
ÿ

1
ÿ

11
ÿ

8
ÿ

3
ÿ

1
ÿ

1
ÿ

17 9
ÿ

2 1 1
ÿ

2
ÿ

1
ÿ

Bisnis
Machine Translated by Google

MA Agüero-Tobar dkk. Penelitian Bisnis & Manajemen Transportasi 46 (2023) 100821

Tabel 4 diijinkan. Batasan (11), (12), (13), dan (14) sesuai dengan sifat variabel keputusan.
Keluaran yang digunakan dalam model DEA untuk menilai efisiensi pelabuhan.

PENGENAL Definisi
O01 Nÿ panggilan kapal
O02 Pelacakan dan penelusuran
O03 Ketepatan waktu
O04 TEUs
O05 Nÿ kapal
O06 Pergerakan barang
O07 Kecepatan kerja kapal
O08 Ditangani secara massal
O09 Kontainer No
O10 Kecepatan pemuatan
O11 Curah Padat
O12 Curah cair
O13 Tarif kontainer/bulk
Nÿ Truk
O14
penanganan kontainer
O15 Penumpang
Keterangan Penting untuk disebutkan bahwa model pengganda memberikan informasi tentang
skor efisiensi, skala hasil, dan pengganda (bobot). Di sisi lain, model envelopment
Sesuai dengan jumlah kunjungan kapal. Ini
adalah kemampuan untuk melacak dan melacak kiriman
menyajikan informasi tentang skor efisiensi, dan DMU referensi atau tolok ukur untuk DMU
(“tracking and tracing”) yang tidak efisien, yang diperlukan untuk memperkirakan sasaran input dan output.
Ini adalah frekuensi kiriman mencapai penerima barang
dalam waktu pengiriman yang dijadwalkan atau diharapkan.
Ini
Untuk model berorientasi keluaran, skor efisiensi ÿ selalu sama dengan atau lebih besar
sesuai dengan jumlah TEU yang dimobilisasi. Ini adalah jumlah
kapal yang dilayani untuk bongkar muat di terminal pelabuhan. dari satu (ÿ ÿ 1). Dengan cara ini, skor efisiensi sama dengan 1 (ÿ = 1) berarti DMU yang
Ini adalah total kargo yang dievaluasi (DMU0) efisien dan tidak memerlukan peningkatan output. Di sisi lain, skor
ditangani (kargo kering dan cair, dibongkar dan dimuat) efisiensi yang lebih besar dari 1 (ÿ > 1) berarti DMU0 tidak efisien dan oleh karena itu,
semua output perlu ditingkatkan setidaknya ÿ untuk mencapai batas efisien.
Ini mengukur jumlah kontainer yang dipindahkan per jam kerja
Ini sesuai dengan
muatan curah yang ditangani diukur dalam ton Ini
mewakili jumlah Dalam penelitian ini, metode efisiensi silang yang dikemukakan oleh Sexton et al.
kontainer (Tanpa pengukuran standar TEU di industri) yang
(1986) digunakan untuk meningkatkan diskriminasi model DEA, dengan tujuan menetapkan
. TEU ditangani (dimuat dan dibongkar) diukur dalam ton Ini
peringkat pelabuhan yang dievaluasi. Menurut metode ini, setiap DMU dinilai menggunakan
mengukur jumlah ton dipindahkan per jam kerja Hal ini sesuai
dengan ton curah padat yang ditangani Ton curah cair bobot yang diperoleh model pengganda untuk DMU lainnya, sehingga memungkinkan
dimuat dan pemeringkatan semua DMU.
dibongkar Hal ini ditentukan dengan membagi barang Skor efisiensi silang (e0) dari DMU0 dihitung menggunakan persamaan. (15) dan (16).
dagangan dalam peti kemas dengan muatan
Parameter dan variabel persamaan ini dijelaskan pada Tabel 8 dan diperoleh setelah
curah, tarif curah ditentukan dengan membagi muatan
menyelesaikan model CCR berorientasi keluaran untuk semua DMU.
curah dengan total muatan Ini adalah jumlah penumpuk
jangkauan di halaman terminal Jumlah penumpang
yang naik dan turun.
ÿm vij xi0
saya=1

E0j = , j = 1, …n (15)
O16 Penjualan Nilai penjualan (dalam euro)
Hal ini sesuai dengan pendapatan pengelolaan kontrak ÿs kamu tahun0
Pendapatan O17 r=1
sewa operasional dan non-operasional. Ini adalah “kemudahan
mengatur pengiriman dengan harga bersaing yang dinilai dari
Harga O18 “sangat sulit” (1) hingga “sangat mudah” (5) ÿn E0j
j=1
e0 = (16)
N

Dalam penelitian ini, kami mengasumsikan hasil yang konstan dan variabel sesuai skala Persamaan. (15) sesuai dengan indeks efisiensi silang parsial E0j dari DMU0.
Persamaan ini memerlukan data masukan dan keluaran DMU0 serta bobot yang diperoleh
untuk mendukung keputusan perencanaan jangka panjang dan menengah. Ketika skala
model pengali CCR untuk setiap DMU j, j = 1, …, n. Persamaan. (16) menghitung rata-rata
hasil konstan diasumsikan, kekuatan diskriminatif model meningkat. Hal ini terjadi karena
efisiensi silang parsial (e0) untuk DMU0. Nilai ini dikenal sebagai indeks efisiensi silang dan
efisiensi skala DMU diasumsikan. Situasi ini hanya dapat dicapai oleh DMU dalam jangka
mewakili bagaimana suatu DMU0 dinilai oleh DMU lainnya.
panjang.
Pada bagian ini disajikan rumusan matematis model BCC berorientasi keluaran (Banker
et al., 1984). Tabel 8 menjelaskan parameter dan variabel keputusan yang digunakan
dalam model ini dan Tabel 9 menyajikan rumusan matematis bentuk pengali dan
3.2. Tahap 2: estimasi dampak ekonomi untuk mencapai efisiensi
envelopment.
Dalam model pengganda, fungsi tujuan (1) bertujuan untuk meminimalkan jumlah input
Pada bagian ini, kami mengusulkan prosedur untuk memperkirakan dampak ekonomi
tertimbang, termasuk variabel skala DMU yang dianalisis (DMU0). Batasan (2) dikenal
ketika efisiensi operasi maritim tercapai. Prosedur yang diusulkan harus dilakukan untuk
sebagai batasan normalisasi dan menetapkan bahwa jumlah keluaran tertimbang harus
setiap pelabuhan tidak efisien yang diidentifikasi oleh model DEA sebagai berikut:
sama dengan satu.
Batasan (3) menjamin bahwa skor efisiensi setiap DMU harus sama atau lebih besar dari
satu. Batasan (4), (5) dan (6) sesuai dengan sifat variabel keputusan. Dalam model CCR
ÿ Langkah 1: Hitung sasaran untuk setiap output berdasarkan envelopment
berorientasi keluaran, variabel skala v0 tidak dipertimbangkan. hasil model.
ÿ Langkah 2: Untuk setiap keluaran, hitung selisih antara tujuan dan nilai observasi.
Model envelopment sesuai dengan model pengganda ganda (mis. 7 hingga 14). Fungsi
tujuan (7) dari model envelopment memaksimalkan proporsi bahwa semua output DMU0
ÿ Langkah 3: Mengumpulkan data biaya pelabuhan keluaran yang dibebankan oleh pihak yang tidak efisien
dapat ditingkatkan untuk mencapai batas efisien, sementara semua input dipertahankan
pelabuhan.
konstan. Batasan (8) menetapkan bahwa setiap input yang dikonsumsi oleh DMU0 harus
ÿ Langkah 4: Untuk setiap keluaran, kalikan selisih yang diperoleh pada Langkah 2 dengan
lebih besar atau sama dengan titik referensi di batas efisien. Batasan (9) menjamin bahwa
tarif masing-masing yang dikumpulkan pada Langkah 3.
perluasan output DMU0 yang ekiproporsional harus lebih kecil atau sama dengan titik acuan
di batas efisien. Titik atau tujuan ini merupakan kombinasi linear dari DMU yang diamati,
Langkah 1 memerlukan penghitungan tujuan setiap keluaran r (ÿy0 R
) untuk setiap
dimana tolok ukur untuk DMU0 berhubungan dengan ÿj yang lebih besar dari nol. Batasan
pelabuhan yang tidak efisien, dimana dua pendekatan dapat digunakan: eq. (17) atau persamaan.
(10) dikenal sebagai batasan konveksitas dan menetapkan bahwa jumlah intensitas harus
(18) (Charnes dkk., 1978).
sama dengan satu. Batasan ini memastikan bahwa DMU0 dibandingkan dengan DMU yang
menghasilkan skala keuntungan serupa. Dalam model CCR berorientasi keluaran, batasan
ÿy0 = ÿn ÿjyrj,r = 1,…,s. (17)
konveksitas tidak dipertimbangkan. Dengan cara ini, hanya skala hasil yang konstan R

j=1

+ (18)
ÿy0
R
= ÿtahun0 + sR ,r = 1, …,s.

Untuk persamaan. (17), nilai intensitas masing-masing port j (ÿj) diperkirakan dengan

6
Machine Translated by Google

MA Agüero-Tobar dkk. Penelitian Bisnis & Manajemen Transportasi 46 (2023) 100821

Tabel 5
Klasifikasi keluaran menurut kategori terminal.

Operasi maritim (Tepi Laut) Variabel Keuangan

Operasi halaman keseluruhan Variabel
(Halaman)

Referensi O01 O02 O03 O04 O05 O06 O07 O08 O09 O10 O11 O12 O13 O14 O15 O16 O17 O18

ÿ ÿ
Tongzon (2001)
Barros dan
Athanassiou
(2004) ÿ ÿ ÿ ÿ

Cullinane dkk.
(2004) ÿ

Cullinane dkk.
(2005) ÿ

Barros (2006) ÿ ÿ ÿ ÿ ÿ ÿ ÿ ÿ

Rios dan Macada

(2006) ÿ ÿ

Wang dan
Cullinane
(2006) ÿ

Garcia-Alonso
dan Martin
Bofarull
(2007) ÿ ÿ

Lin dan Tseng

(2007) ÿ ÿ

Hung dkk.
(2010) ÿ

Sharma dan Yu
(2010) ÿ

Wu dan Goh
(2010) ÿ

Lozano dkk.
(2011) ÿ ÿ ÿ

Oliveira dan
Cariou (2011) ÿ

Wanke dkk.
(2011) ÿ

Barros (2012) ÿ ÿ ÿ

Niavis dan
Tsekeris
(2012) ÿ

Schøyen dan
Odeck (2013) ÿ ÿ

Bichou (2013) ÿ

Cortez dkk.
(2013) ÿ ÿ

Trujillo dkk.
(2013) ÿ

Yuen dkk.
(2013) ÿ

Guner (2015) ÿ ÿ

Bauren dkk.
(2018) ÿ ÿ

Chang dan Tovar

(2017) ÿ

Schøyen dkk.
(2018) ÿ ÿ ÿ ÿ

Nguyen dkk.
(2020) ÿ

Total 1 1 1 20 7 7 2 1 1 2 2 1 1 1 1 1 1 1

model envelopment untuk port yang dievaluasi (DMU0), sedangkan nilai

Tabel 6
observasi dari setiap output r untuk setiap port j (yrj) sesuai dengan data
Akronim model DEA yang digunakan untuk menilai efisiensi pelabuhan.
yang dikumpulkan. Di sisi lain, dalam persamaan. (18), nilai kenaikan
Akronim model DEA
ekuivalen seluruh keluaran (ÿ) dan kelonggaran keluaran (sr +) diperoleh
CCR-I Model Charnes, Cooper dan Rhodes berorientasi pada masukan dengan model envelopment untuk pelabuhan yang dievaluasi (DMU0).
CCR-O Model Charnes, Cooper dan Rhodes berorientasi pada output Nilai yang diamati dari setiap output r untuk port yang dievaluasi (yr0)
BCC-I Model Banker, Charnes dan Cooper berorientasi pada input
adalah data analisis efisiensi.
BCC-O Model Banker, Charnes dan Cooper berorientasi pada output
MENAMBAHKAN Model Aditif
SE-I Model efisiensi super berorientasi pada input 4. Studi kasus: analisis efisiensi operasi maritim di pelabuhan Chili
SEO-O Model efisiensi super berorientasi pada output
FDH-I Model Free Disposal Hull berorientasi pada input
CE Efisiensi Silang
Sistem pelabuhan Chili memiliki 57 pelabuhan, dimana 25 pelabuhan dikhususkan untuknya

7
Machine Translated by Google

MA Agüero-Tobar dkk. Penelitian Bisnis & Manajemen Transportasi 46 (2023) 100821

Tabel 7

Model DEA yang digunakan untuk menilai efisiensi pelabuhan.

Referensi Model

CCR-I CCR-O BCC-I BCC-O MENAMBAHKAN SE-I SEO-O FDH-I CE

ÿ ÿ
Tongzon (2001)
Barros dan Athanassiou (2004) ÿ

Cullinane dkk. (2004) ÿ

Cullinane dkk. (2005) ÿ ÿ ÿ

Barros (2006) ÿ ÿ ÿ

ÿ
Rios dan Macada (2006)
ÿ ÿ ÿ
Wang dan Cullinane (2006)
García-Alonso dan Martin-Bofarull (2007) ÿ ÿ

ÿ ÿ ÿ ÿ
Lin dan Tseng (2007)
ÿ
Hung dkk. (2010)
Sharma dan Yu (2010) ÿ

Wu dan Goh (2010) ÿ

Lozano dkk. (2011) ÿ

Oliveira dan Cariou (2011) ÿ ÿ ÿ

Wanke dkk. (2011) ÿ

Barros (2012) ÿ

Niavis dan Tsekeris (2012) ÿ ÿ ÿ

ÿ
Schøyen dan Odeck (2013)
Bichou (2013) ÿ ÿ

Cortez dkk. (2013) ÿ ÿ

ÿ
Trujillo dkk. (2013)
Yuen dkk. (2013) ÿ

Guner (2015) ÿ ÿ

Bauren dkk. (2018) ÿ ÿ

ÿ
Chang dan Tovar (2017)
ÿ
Schøyen dkk. (2018)
ÿ
Nguyen dkk. (2020)
Total 11 8 13 5 1 5 1 1 1

Tabel 8 Tabel 9

Parameter dan variabel keputusan yang digunakan dalam model BCC berorientasi output. Rumusan matematis model BCC berorientasi keluaran.

Parameter Definisi Model pengganda Model amplop

M
xij Jumlah input i yang dikonsumsi oleh DMU j, i = 1, …, m, j = 1, …, n, Jumlah output r yang Minimalkanÿ i=1 vixio + v0 (1) Maksimalkan ÿ Tunduk (7)

tahun dihasilkan oleh DMU j, r = 1, …, s, j = 1, …, n, Jumlah input i yang dikonsumsi oleh DMU Tunduk pada (2) ÿ =
N
xi0 yang dianalisis (DMU0), i = 1, pada ÿs r=1uryr0 = 1 xi0,i = 1, (8)
j=1ÿjxij + sÿ Saya

…, m, …,m
N
tahun0 Besarnya output r yang dihasilkan oleh DMU yang dianalisis (DMU0), r = 1, (3) ÿ j=1ÿjyrj ÿ s+ = ÿtahun0,r = (9)
R
…, S. ÿs r=1uryrj ÿ (ÿm i=1vixij + v0 ) ÿ 0, j = 1,…, hal
Model Pengganda 1,…, n,
Variabel Definisi
vi ÿ 0, saya = 1, …, M (10)
(4) ÿm j=1ÿj = 1 ÿj ÿ 0 j =
keputusan
kamu ÿ 0, r = 1, …, S (5) 1, …, N (11)
vi Pengganda atau bobot masukan i, i = 1, …, m, Pengganda
v0 gratis (6) ya ÿ ÿ 0, saya = 1, …, M (12)
kamu atau bobot keluaran r, r = 1, …, s, Skala variabel +
S
tuan ÿ 0, r = 1, …, (13)
kamu
ÿ gratis (14)

Model Amplop
Variabel Definisi dijelaskan sebagai berikut:
keputusan Masukan:
ÿ Ekspansi output yang ekiproporsional, Intensitas DMU

ÿj j untuk membangun intensitas tujuan atau tolok ukur, j = 1, …, n, Slack terkait

ÿ Draf maksimum: sesuai dengan jarak vertikal antara garis air dan dasar lambung
dengan input i, i = 1, …, m,
ya
-

Slack terkait dengan output r, r = 1, … ,

(lunas) kapal, termasuk ketebalan lambung kapal. Ini mencerminkan tonase
+
sr S. kapal.
ÿ Panjang dermaga: sesuai dengan jarak linier konstruksi dermaga di terminal
pelabuhan.
penggunaan umum (11 untuk umum dan 14 untuk pribadi). 32 pelabuhan sisanya
ÿ Jumlah tempat berlabuh: sesuai dengan jumlah area di terminal pelabuhan tempat
adalah milik swasta (MOP - Ministerio de Obras Públicas, 2019). Penting untuk
kapal ditambatkan dan muatan dimuat dan dibongkar untuk proses pemindahan.
disebutkan bahwa 94% ekspor dan impor Chili dilakukan melalui pelabuhan, setara
dengan sekitar 46,8 juta ton selama tahun 2017 (DIRECTEMAR - Direccion General
´
del Territorio Marítimo y de Marina Mercante, 2018). Pelabuhan Chili yang
Keluaran
memusatkan jumlah transfer kargo tertinggi adalah San Antonio (31%), Valparaíso
(22%), San Vicente (11%), dan Coronel (10%) (DIRECTEMAR - Direccion General
´ ÿ TEUs yang ditransfer: sesuai dengan jumlah TEUs yang ditransfer oleh setiap
del Territorio Marítimo y de Marina Mercante , 2018), dimana tiga pelabuhan pertama
terminal pelabuhan per tahun. Variabel ini mempertimbangkan 20 dan 40 kaki
adalah pelabuhan publik dan pelabuhan terakhir adalah pelabuhan swasta. kontainer.
ÿ Jumlah kapal: sesuai dengan jumlah kapal yang dilayani oleh a
Untuk analisis efisiensi pelabuhan Chili, lima variabel dipilih berdasarkan tinjauan
pelabuhan terminal dalam setahun.
literatur yang disajikan di Bagian 2. Variabel-variabel ini mempunyai dampak
langsung terhadap operasi maritim, dan dapat berdampak langsung pada operasi maritim.

8
Machine Translated by Google

MA Agüero-Tobar dkk. Penelitian Bisnis & Manajemen Transportasi 46 (2023) 100821

Tabel 10
Dalam studi kasus di Chili, 12 pelabuhan terminal serbaguna yang mengangkut
Data tahun 2019 yang digunakan dalam analisis efisiensi operasi maritim.
kontainer dianalisis. Pelabuhan-pelabuhan ini diasumsikan homogen karena input,
output dan operasi transfernya serupa. Data tersebut diperoleh dari Buletin Statistik masukan Keluaran

Maritim Pelabuhan Draf Panjang Jumlah TEUs Jumlah

´
(DIRECTEMAR - Direccion General del Territorio Marítimo y de Marina Mercante, 2020) maksimum (m) dermaga tempat berlabuh ditransfer pembuluh

(m)
dan dirangkum dalam Tabel 10.
Pada Tabel 11 disajikan hasil analisis Pearson untuk mengevaluasi korelasi antara Arika 12 1234 4 174.052 390
Iquique 11 1032 4 259.846 499
input dan output.
Mejillon 14 805 4 110.610 922
Seperti terlihat pada Tabel 11, koefisien korelasi antara input dan output adalah 12 1175 7 387
Antofagasta 73.222
positif, yang menunjukkan bahwa peningkatan input akan mengakibatkan peningkatan Coquimbo 9 378 2 1654 155
output. Oleh karena itu, variabel input dan output memiliki kinerja yang memadai. Valparaiso 14 935 8 1.181.951 506
San Antonio 14 1640 7 1.506.032 1297 320.009
Minuman keras 16 671 2 255
Dengan menggunakan data pelabuhan Chile yang disajikan pada Tabel 10, analisis
Talcahuano
efisiensi operasi maritim dan estimasi keuntungan ekonomi untuk mencapai efisiensi San Vicente 13 760.3 4 425.235 733
dijelaskan pada sub-bagian berikut. Koronel 13 1571 8 528.116 334
Chacabuco 10 232 5 15.550 67
Arena Punta
4.1. Tahap 1: efisiensi operasi maritim yang diperoleh dari model DEA yang diusulkan
(Selatan) 14 336 3 29.433 528
Rata-rata 12.7 897.4 4.8 385.476 506
Deviasi
Model DEA diselesaikan menggunakan perangkat lunak IBM ILOG CPLEX IDE, standar 2.0 459.4 2.2 482.484 342
Minimum 9.0 232.0 2.0 1654 67 1.506.032
versi 12.6.3, pada komputer dengan prosesor Intel Core i3-6100U CPU 2.30GHz,
Maksimum 16.0 1640.0 8.0 1297
dengan memori RAM 4GB. Tabel 12 menunjukkan skor efisiensi yang diperoleh untuk
setiap port ketika model CCR dan BCC DEA yang berorientasi keluaran diterapkan
(masing-masing ÿCCR dan ÿBCC ). Seperti disebutkan sebelumnya di Bagian 3, skor
efisiensi ini sesuai dengan proporsi bahwa seluruh output harus ditingkatkan untuk
Tabel 11
mencapai efisiensi, sementara tingkat input saat ini dipertahankan konstan. Dengan
Korelasi Pearson antara input dan output.
demikian, pelabuhan-pelabuhan yang memperoleh skor efisiensi sama dengan satu
adalah pelabuhan-pelabuhan yang efisien karena tidak perlu meningkatkan outputnya. Input output Draf maksimum (m) Panjang dermaga (m) Jumlah tempat berlabuh

TEU ditransfer 0,43145 0,60028 0,61432

Jumlah kapal 0,46509 0,49054 0,25388
Oleh karena itu, skor efisiensi berorientasi output yang lebih tinggi mengacu pada
kinerja operasi maritim pelabuhan yang lebih buruk. Ketika skala pengembalian konstan
diasumsikan (model CCR), empat port efisien, sedangkan ketika skala pengembalian
variabel diasumsikan (model BCC), sembilan port efisien. Hasil ini diharapkan karena efisiensi. Ketika model BCC digunakan, pelabuhan yang paling banyak direferensikan
model BCC tidak mengasumsikan efisiensi skala, sehingga setiap pelabuhan dapat adalah San Antonio dan Coquimbo, dimana keduanya direferensikan oleh empat
dibandingkan berdasarkan tingkat produksinya. Hipotesis ini membuat model BCC pelabuhan yang tidak efisien.
tidak terlalu diskriminatif dibandingkan model CCR. Selain itu, analisis regional dilakukan untuk mengidentifikasi apakah aspek geografis
mempengaruhi kinerja pelabuhan. Pembagian wilayahnya meliputi tiga wilayah, yaitu
Penting untuk digarisbawahi bahwa ketika model berorientasi keluaran DEA wilayah utara, wilayah tengah, dan wilayah selatan. Pelabuhan yang terletak di wilayah
diterapkan, DMU yang efisien memiliki skor efisiensi sama dengan satu dan DMU yang utara adalah Arica, Iquique, Mejillones dan Antofagasta. Pelabuhan utama Chili terletak
tidak efisien memiliki skor efisiensi lebih besar dari satu. Perhatikan pada Tabel 12 di tengah
bahwa pelabuhan Talcahuano-San Vicente, Lirqu´en, Coquimbo, dan Chacabuco efisien
ketika model BCC diterapkan, namun tidak efisien ketika model CCR diterapkan. Situasi Tabel 12
ini menunjukkan bahwa pelabuhan-pelabuhan tersebut menunjukkan efisiensi teknis Skor efisiensi diperoleh dengan model berorientasi keluaran DEA CCR dan BCC.
lokal (Banker et al., 1984), namun tidak memiliki efisiensi teknis global (Banker et al.,
Pelabuhan Tolok ukur CCR CCR Tolok ukur BCC BCC
1984). Dengan kata lain, pelabuhan-pelabuhan ini berskala tidak efisien (Banker dkk.,
1984). Selain itu, rata-rata skor efisiensi CCR menunjukkan bahwa pelabuhan yang Mejillon 1,00 Efisien (5) 1,00 Efisien (1)
Valparaiso 1,00 Efisien (1) 1,00 Efisien (0)
tidak efisien akan meningkatkan jumlah TEU dan kapal yang ditransfer sekitar 93%,
San Antonio 1,00 Efisien (6) 1,00 Efisien (4)
menjaga kapasitas dan infrastrukturnya tetap konstan, sedangkan rata-rata skor efisiensi Arena Punta
1,00 Efisien (3) 1,00 Efisien (0)
BCC menunjukkan bahwa peningkatan ini seharusnya mencapai sekitar 29%. Fakta ini (Selatan)
mencerminkan bahwa model BCC kurang se Talcahuano
Mejillones (0,22)-San
1.05 Antonio (0,27) - Punta 1,00 Efisien (0)
San Vicente
Arenas (Austral) (0,4)
lebih baik dari model CCR, seperti disebutkan sebelumnya. Untuk pelabuhan yang tidak
Minuman keras 1,34 San Antonio (0,29) 1,00 Efisien (0)
efisien, Tabel 12 menyajikan tolok ukurnya, dimana angka di antara tanda kurung Mejillones (0,33) -
Mejillones (0,50) - San
sesuai dengan intensitasnya. Misalnya saja Coronel yang menggunakan pelabuhan San Iquique 1.67 1.23 Coquimbo (0,40)- San
Antonio (0,29)
Antonio sebagai patokan dengan intensitas 0,93. Intensitas ini dapat memandu pemilihan Antonio (0,60)
Mejillones (0,64) - San Coquimbo (0,40)- San
pelabuhan yang efisien untuk analisis komparatif dan mengidentifikasi praktik terbaik. Arika 2.20 1.83
Antonio (0,21) Antonio (0,60)
Sebaliknya, pelabuhan yang efisien tidak mempunyai patokan karena berada di garis
Mejillones (0,28)-San Coquimbo (0,40)- San
Antofagasta 2.60 2.17
depan yang efisien; namun, angka di antara tanda kurung yang digambarkan dalam Antonio (0,58) Antonio (0,60)
kolom tolok ukur menunjukkan berapa kali pelabuhan yang tidak efisien dianggap Coquimbo (0,20)- San
Koronel 2,65 San Antonio (0,93) 2.28
sebagai tolok ukur. Misalnya, Mejillones lima kali dianggap sebagai tolok ukur pelabuhan Antonio (0,80)
Mejillones (0,43)-Punta
yang tidak efisien. Coquimbo 2.88 1,00 Efisien (4)
Arenas (Austral) (0,09)
Valparaíso (0,05) - Punta
Chacabuco 4.74 1,00 Efisien (0)
Pada Tabel 12, terlihat bahwa San Antonio adalah pelabuhan yang paling banyak Arenas (Austral) (0,56)
direferensikan ketika model CCR diterapkan. Pelabuhan ini menjadi tolak ukur enam Rata-rata skor
1.93 1.29
pelabuhan yang tidak efisien. Dengan cara ini, pelabuhan-pelabuhan yang tidak efisien efisiensi

ini dapat menganalisis pencapaian operasi maritim pelabuhan San Antonio

9
Machine Translated by Google
MA Agüero-Tobar dkk.
wilayah, yaitu Coquimbo, Valparaíso, San Antonio, Lirqu´en, Talcahuano-San Vicente, dan
Coronel. Terakhir, pelabuhan Chacabuco dan Punta Arenas (Austral) terletak di wilayah
selatan. Gambar 1 menyajikan lokasi pelabuhan di wilayah Chili.
Mengingat pembagian wilayah, kita dapat mengamati pada Tabel 12 bahwa hanya
Pelabuhan Mejillones yang skalanya efisien (efisien CCR dan BCC) di wilayah utara. Di zona
tengah, San Antonio dan Talcahuano-San Vicente efisien ketika model CCR diterapkan, dan
lima pelabuhan efisien ketika model BCC digunakan (lihat Tabel 12). Pelabuhan-pelabuhan
tersebut adalah San Antonio, Talcahuano-San Vicente, Valparaíso, Lirqu´en dan Coquimbo.
Di wilayah selatan, Punta Arenas (Austral) efisien jika menerapkan kedua model (CCR dan
BCC), sedangkan pelabuhan Chacabuco efisien bila model BCC digunakan. Penting untuk
digarisbawahi bahwa wilayah tengah mempunyai jumlah pelabuhan yang paling efisien,
mungkin karena pelabuhan serbaguna terbesar di Chili terletak di wilayah ini dan wilayah ini
memusatkan jumlah transfer kargo terbesar (CAMPORT - Camara Marítima y Portuaria de
Chili, 2016).
Gambar 2 menyajikan rata-rata skor efisiensi CCR dan BCC menurut tiga wilayah yang
dianalisis. Dengan demikian, ketika model CCR diterapkan, pelabuhan-pelabuhan yang
terletak di wilayah selatan memperoleh rata-rata skor efisiensi terburuk. Di sisi lain, ketika
model BCC digunakan, port-port ini menunjukkan rata-rata skor efisiensi terbaik. Situasi ini
terjadi karena pelabuhan selatan menghadirkan efisiensi teknis lokal.
Untuk menganalisis kekokohan skor efisiensi keluaran CCR yang diperoleh, metode
efisiensi silang yang diusulkan oleh Sexton dkk. (1986) diterapkan. Tabel 12 menunjukkan
hasil yang diperoleh metode ini menggunakan persamaan. (15) dan (16) di Bagian 3. Seperti
disebutkan sebelumnya, indeks efisiensi silang menunjukkan bagaimana suatu pelabuhan
yang dievaluasi dinilai oleh pelabuhan lainnya. Selain itu, semakin tinggi indeks efisiensi
silang keluaran, semakin buruk kinerja pelabuhan.
Seperti terlihat pada Tabel 13, Pelabuhan San Antonio memperoleh indeks efisiensi
silang terbaik, sedangkan Pelabuhan Coquimbo memperoleh indeks efisiensi silang terendah.
Coquimbo menjadi efisien ketika model BCC dipertimbangkan, namun tidak efisien ketika
model CCR diterapkan. Akibatnya, karena indeks efisiensi silang didasarkan pada hasil
model CCR, Pelabuhan Coquimbo menjadi tidak efisien. Selain itu, karena Coquimbo
memiliki jumlah TEU yang ditransfer paling sedikit dan salah satu jumlah kapal terendah,
maka Coquimbo efisien menurut skala operasinya (efisien BCC).
Terakhir, indeks efisiensi silang memungkinkan pemeringkatan 12 pelabuhan Chili
menggunakan nilai sistem (bobot) masing-masing pelabuhan. Namun, tidak mungkin
menghitung sasaran pelabuhan dengan menggunakan indeks ini, karena indeks ini tidak
berasal dari praktik yang diamati.
4.2. Tahap 2: estimasi manfaat ekonomi untuk mencapai efisiensi
Pada sub-bagian ini, kami menyajikan hasil setiap langkah metode yang diusulkan, yang
dijelaskan pada Bagian 3.2. Dengan cara ini, kami memperkirakan keuntungan ekonomi jika
pelabuhan tidak efisien yang diidentifikasi oleh model DEA dapat meningkatkan operasi
maritimnya. Dalam studi kasus kami, pelabuhan yang tidak efisien ketika model CCR
diterapkan adalah pelabuhan Arica, Iquique, Antofa gasta, Coquimbo, Lirqu´en, Talcahuano-
San Vicente Coronel, dan Cha cabuco (lihat Tabel 12 ) . Sedangkan pelabuhan yang tidak
efisien ketika diterapkan model BCC adalah Arica, Iquique, Antofagasta, dan Coronel.
Dengan cara ini, seperti disebutkan sebelumnya, kami menganalisis hasil dengan asumsi
skala pengembalian variabel dan konstan untuk mendukung keputusan perencanaan jangka
panjang dan menengah.
4.2.1. Langkah 1: hitung tujuan setiap keluaran berdasarkan hasil model envelopment
Pada langkah pertama, setiap sasaran keluaran dari pelabuhan yang tidak efisien
dihitung menggunakan persamaan. (17) atau (18). Tabel 14 menyajikan tujuan yang
diperoleh untuk setiap pelabuhan yang tidak efisien ketika model CCR dan BCC dilakukan.
Selain itu, keluaran yang diamati juga ditampilkan, yang bertujuan untuk memfasilitasi
berbagai perhitungan yang dilakukan pada langkah 2.
Untuk mengilustrasikan langkah-langkah metode yang diusulkan, kami menggunakan
tujuan yang diperoleh model CCR.
10
Penelitian Bisnis & Manajemen Transportasi 46 (2023) 100821
´
Gambar 1. Lokasi pelabuhan Chili yang dianalisis berdasarkan CChC - Camara
´
Chilena de la Construccion (2016).
4.2.2. Langkah 2: Untuk setiap keluaran, hitung selisih antara sasaran dan nilai yang diamati
Untuk setiap pelabuhan yang tidak efisien, setiap sasaran keluaran dihitung pada
Langkah 1 (lihat Tabel 14). Tabel 15 menyajikan perbedaan antara setiap sasaran keluaran
yang diperoleh model CCR dan keluaran yang diamati. Dalam tabel ini, dapat dilihat bahwa
Coronel dan Arica memiliki selisih TEU tertinggi yang ditransfer, sedangkan Antofagasta dan
Coronel memiliki selisih tertinggi terkait jumlah kapal. Pada langkah ini, kami memperkirakan
jumlah TEU yang ditransfer berdasarkan masing-masing jenis TEU (kering dan reefer) dan
ukurannya (20 dan 40 kaki), menggunakan informasi yang disediakan oleh CAMPORT -
Camara Marítima y Portuaria de Chile (2016) dan DIRECTEMAR - Direccion General del
´
Territorio Marítimo y de Marina Mercante (2018), untuk mempertimbangkan biaya pelabuhan
´
rata-rata. Menurut Marítima y Portuaria de Chile (2016), 16% kargo peti kemas di Chili
merupakan peti kemas berpendingin dan 84% merupakan peti kemas kering. Selain itu, 28%
´
KAMPORT - Kamera TEU yang ditransfer adalah kontainer berukuran 20 kaki, dan
72% ke kontainer berukuran 40 kaki (DIRECTEMAR - Direccion General del Territorio
Marítimo y de Marina Mercante, 2018). Berdasarkan persentase tersebut, perbedaan yang
´
disajikan pada Tabel 15 dipilah.
Pada langkah berikutnya, biaya pelabuhan dikumpulkan untuk memperkirakan
dampak moneter terhadap pencapaian efisiensi di pelabuhan-pelabuhan terpilih.
4.2.3. Langkah 3: mengumpulkan data biaya keluaran di pelabuhan yang tidak efisien
Kami memungut biaya pelabuhan yang dibebankan oleh pelabuhan Chili untuk TEU
pengiriman dan jumlah kapal yang dilayani. Informasi ini diperoleh dari laporan dan situs
pelabuhan yang dianalisis (San Antonio, 2020; TPA, 2020; PLQ, 2020; Puerto Coronel,
2020; TPC SA - Terminal puerto Coquimbo SA, 2020; SVTI - San Vicente Terminal
Internacional, 2020 ; TPS - Terminal Pacifico Sur Valparaiso SA, 2020; EPAUSTRAL -
Empresa Portuaria Austral, 2020; ITI – Iquique Terminal Internacional, 2020; Complejo
Portuario Mejillones, 2020; ATI - Anto fagasta Terminal Internacional, 2020). Tabel 16
menyajikan biaya terkait yang diukur dalam dolar Amerika, dimana jika ada ruang kosong
berarti biaya tersebut tidak dipublikasikan oleh pihak pelabuhan. Penting untuk diperhatikan
bahwa biaya ini digunakan setelah melakukan model DEA, yang bertujuan untuk mengukur
kemungkinan pendapatan ekonomi untuk mencapai efisiensi.
Pelabuhan Chili menetapkan setiap biaya dengan mempertimbangkan biayanya dan
biaya pelabuhan lainnya, dengan mempertimbangkan bahwa biaya ini harus kompetitif bagi
perusahaan pelayaran. Namun, biaya layanan dasar dari Chili
Machine Translated by Google

MA Agüero-Tobar dkk. Penelitian Bisnis & Manajemen Transportasi 46 (2023) 100821

Gambar 2. Rata-rata skor efisiensi menurut pembagian wilayah.

Tabel 13 pelabuhan. Panjang rata-rata ini adalah 212 m dan setara dengan rata-rata antara
Indeks efisiensi silang pelabuhan Chili yang dianalisis. panjang terpendek dan terpanjang kapal kontainer yang tiba di Chili, yaitu masing-
DMU
masing 135 m dan 290 m (MOP - Ministerio de Obras Públicas, 2009) . Selain itu,
Indeks efisiensi silang
untuk jumlah jam berlabuh sebuah kapal, rata-rata jam berlabuh di setiap pelabuhan
San Antonio 1.10
Chili yang dianalisis juga dipertimbangkan (DIRECTEMAR - Direccion General del
Talcahuano-San Vicente 1.51 ´
2.06 Territorio Marítimo y de Marina Mercante, 2018). Informasi ini disajikan pada Tabel 17.
Valparaiso
Iquique 2.50
Minuman keras 2.64 Penting untuk digarisbawahi bahwa pelabuhan tidak berharap untuk memperpanjang
Mejillon 3.32
jam berlabuh kapal mana pun demi meningkatkan pendapatan mereka, karena ini
Arika 3.81
Koronel 4.02 adalah pasar yang sangat kompetitif dan diatur.
Antofagasta 7.55
Punta Arenas (Austral) 8.21 4.2.4. Langkah 4: untuk setiap keluaran, kalikan selisih yang diperoleh pada Langkah
Chacabuco 21.34
2 dengan biaya terkait yang dikumpulkan pada
Coquimbo 96,96
Langkah 3. Tabel 18 menunjukkan perkiraan pendapatan tambahan jika
penggunaan pelabuhan yang efisien tercapai (sasaran TEU yang ditransfer dan jumlah kapal).
Untuk estimasi ini, digunakan data yang disorot dengan warna abu-abu pada Tabel 15
pelabuhan diatur oleh pengadilan Chili untuk pembelaan persaingan bebas, yang
dan 16 . Selain itu, asumsi untuk memperkirakan pendapatan adalah: i) hanya biaya
menetapkan nilai maksimum dan minimum untuk biaya ini (lihat dua baris terakhir
yang berkaitan dengan jasa penanganan kapal yang dipertimbangkan; ii) pelabuhan
Tabel 16 ). Bagaimanapun, pelabuhan Chili diperbolehkan memberikan potongan biaya
yang tidak efisien dapat menarik lebih banyak permintaan jasa pelabuhan; dan iii)
tertentu kepada perusahaan pelayaran mana pun yang memenuhi persyaratan untuk
kargo yang dipindahkan diperkirakan berdasarkan proporsi per jenis kontainer (20 atau
mendapatkannya. Misalnya, apakah perusahaan pelayaran melakukan transfer ke
40 kaki; kering atau berpendingin).
pelabuhan dengan volume muatan tertentu, berlabuh dalam satu tahun dengan jumlah
Poin penting dalam analisis ini adalah ketersediaan informasi yang dipublikasikan
kapal tertentu, dan lain-lain.
oleh pelabuhan karena hal ini mungkin tidak wajib di semua kasus; ini terkenal khusus
Pada Tabel 16, nilai rata-rata setiap tarif digunakan untuk menghitung dampak
untuk informasi biaya. Perkiraan dampak ekonominya bisa lebih besar karena
moneter untuk mencapai efisiensi. Nilai ini ditandai dengan warna abu-abu pada Tabel
peningkatan TEU yang ditransfer juga dapat meningkatkan kebutuhan akan layanan
16. Penting untuk disebutkan bahwa biaya “Pelabuhan ke kapal” mengharuskan
pelabuhan lainnya seperti penyimpanan peti kemas.
panjang kapal dikalikan (diukur dalam meter) dengan jumlah jam berlabuh untuk
Melihat Tabel 18, pelabuhan yang mendapat tambahan pendapatan tertinggi
memperkirakan total tarif kapal. kapal. Oleh karena itu, perlu diketahui panjang setiap
adalah Coronel dengan nilai sekitar $128 juta dolar. Pelabuhan Coronel berpotensi
kapal yang berlabuh. Karena informasi ini tidak tersedia, kami memperkirakan rata-rata
meningkatkan volume kargo khususnya kargo perdagangan intra regional. Saat ini
panjang kapal kontainer yang berlabuh di Chili
kargo tersebut diangkut dengan truk dengan jarak tempuh yang jauh. Secara umum,
potensi perbaikan ini bisa saja terjadi

Tabel 14

Tujuan dan keluaran yang diamati untuk pelabuhan yang tidak efisien.

Sasaran Keluaran yang Diamati

CCR SMK

Pelabuhan TEU ditransfer Jumlah kapal TEU ditransfer Jumlah kapal TEU ditransfer Jumlah kapal

Arika 382.236 856 319.177 715 174.052 390

Iquique 433.033 832 318.597 612 259.846 499
Antofagasta 190.736 1008 158.972 840 73.222 387
4760 446 – – 1654 155
Coquimbo
343 – – 255
Minuman keras 430.284 320.009
Talcahuano- San Vicente 770 – – 733
446.709 425.235
Koronel 1.398.451 884 1.205.161 762 528.116 334
Chacabuco 318 – – 67
73.754 15.550

11
Machine Translated by Google

MA Agüero-Tobar dkk. Penelitian Bisnis & Manajemen Transportasi 46 (2023) 100821

Tabel 15
Perbedaan antara sasaran keluaran CCR dan keluaran yang diamati untuk setiap pelabuhan yang tidak efisien dan disagregasi TEUs.
Pelabuhan selisih TEU Disagregasi TEU Perbedaan jumlah kapal

TEU kering TEU Reefer

20 kaki 40 kaki 20 kaki 40 kaki

Arika 208.184 49.119 125.756 9356 23.953 466

Iquique 173.187 40.862 104.616 7783 19.927 333
Antofagasta 117.514 27.726 70.986 5281 13.521 621
Coquimbo 3106 733 1876 140 357 291
Minuman keras 110.275 26.018 66.613 4956 12.688 88
San Vicente 21.474 5067 12.972 965 2471
Koronel 870.335 205.346 525.735 39.114 100.140 37550
Chacabuco 58.204 13.733 35.159 2616 6697 251

dicapai melalui pelabuhan sekunder Chili. Dalam hal ini, disarankan untuk
Tabel 17
menganalisis peluang pelabuhan yang tidak efisien dalam menarik volume kargo
Rata-rata jam berlabuh di pelabuhan Chili (2018).
dan menentukan strategi yang memungkinkan pelabuhan tersebut meningkatkan
keluaran dan kinerjanya. Pelabuhan
Rata-rata (jam)

Valparaiso 36

5. Pembahasan hasil dan analisis investasi pelabuhan Chili Mejillon 40

San Antonio 29
Talcahuano 80
Berdasarkan hasil yang diperoleh, dimungkinkan untuk menganalisis operasi San Vicente 44
maritim di pelabuhan Chili, mengidentifikasi pelabuhan-pelabuhan yang memiliki Arena Punta 49
inefisiensi yang relatif lebih besar. Pelabuhan di bagian utara (Arica, Iquique, dan Minuman keras 63
Iquique 19
Antofagasta) kecuali pelabuhan Mejillones, tidak efisien jika diasumsikan adanya
Arika 29
variabel return to scale (model BCC). Efisiensi pelabuhan-pelabuhan ini mungkin
Koronel 76
disebabkan karena pelabuhan-pelabuhan tersebut memiliki infrastruktur yang baik Chacabuco 41
(dermaga yang lebih panjang, jumlah tempat berlabuh, dan sisi dermaga yang Antofagasta 40

lebih panjang), namun setiap tahunnya pelabuhan-pelabuhan tersebut menerima Coquimbo 57

jumlah TEU dan kapal yang dimobilisasi lebih sedikit dibandingkan dengan
pelabuhan-pelabuhan Chile lainnya, misalnya misalnya, San Vicente (lihat Tabel Statistika deskriptif
Rata-rata 46.4
10). Penting untuk dicatat bahwa biasanya investasi pelabuhan dikonsentrasikan
Deviasi standar 18.2
pada perbaikan infrastruktur, seperti panjang dermaga dan draft, karena dimensi
Maksimum 80
kapal modern yang lebih besar, dan sering menempati lebih dari satu tempat Minimum 19
berlabuh. Hal ini terjadi di pelabuhan utara Chili. Oleh karena itu, sekitar $MUSD
4390 akan diinvestasikan dalam infrastruktur pelabuhan Chili dari tahun 2016 ´
´
hingga 2025 (CChC - C´ amara Chilena de la Construccion, 2016). Dengan cara Chilena de la Construccion., 2018) juga mengakui adanya celana panjang ini.
ini, perkiraan dampak ekonomi dari pelabuhan yang tidak efisien dalam mencapai Oleh karena itu, akan lebih mudah untuk berinvestasi di wilayah pelabuhan lain
tujuan (MUSD 253 disajikan pada Tabel 18) mewakili sekitar 6% dari total investasi. atau mengembangkan strategi untuk membangun loyalitas perusahaan pelayaran.
jumlah. Analisis ini sejalan dengan kesimpulan García-Alonso dan Martin-Bofarull (2007)
Tabel 19 menyajikan proyeksi investasi infrastruktur operasi maritim dari tahun bahwa pengeluaran infrastruktur di fasilitas pelabuhan belum tentu mencerminkan
2016 hingga 2025 pada pelabuhan yang tidak efisien (didefinisikan berdasarkan perolehan efisiensi. Mengenai masalah ini, penting untuk disebutkan bahwa DEA
model CCR). Namun demikian, pelabuhan-pelabuhan ini mempunyai kelemahan tidak mengizinkan pembedaan jika pelabuhan yang tidak efisien telah menarik
dalam memenuhi peningkatan permintaan, yaitu dapat meningkatkan jumlah TEU semua kemungkinan muatannya. Jika hal ini terjadi, mereka akan melakukan
dan kapal yang diangkut. CChC dalam laporannya tahun 2018 (CChC - C´ amara investasi berlebihan karena berkurangnya kapasitas. Jika tidak, mereka bisa meningkatkannya

Tabel 16 Biaya

pelabuhan di pelabuhan-pelabuhan terpilih di Chili pada tahun 2019.

Pelabuhan
Dermaga ke Memuat/mengosongkan kontainer Memuat/mengosongkan kontainer Memuat/mengosongkan kontainer reefer Memuat/mengosongkan kontainer reefer
kapal berukuran 20 kaki berukuran 40 kaki berukuran 20 kaki berukuran 40 kaki

Satuan AS/mLOA-H AS/TEU AS/TEU AS/TEU AS/TEU

Valparaiso 1.82 77.52 123,78
San Antonio 1.75 58.4 43.8 176 132
San Vicente 4.5 44.9 44.9
Minuman keras 3.1 82.5 115.5
Arika 3.56 114 171 174 174
Koronel 3.3 80 100
Coquimbo 2.11 84.3 126,48 189.71
Arena Punta 1.1
Iquique 3.41 118 88.5
Mejillon 2.27 157,96 157,96
Antofagasta 2.26 108,87 89,98
Rata-rata 2.7 92.6 106.2 175.0 165.2
Deviasi
1.0 32.7 42.1 1.4 29.8
standar
Maksimum 4.5 158.0 171.0 176.0 189.7
Minimum 1.1 44.9 43.8 174.0 132.0

12
Machine Translated by Google

MA Agüero-Tobar dkk. Penelitian Bisnis & Manajemen Transportasi 46 (2023) 100821

Tabel 18 Tabel 19
Pendapatan tambahan dari pelabuhan yang tidak efisien untuk mencapai tujuan. Proyeksi investasi infrastruktur untuk operasi maritim selama periode 2016–2025.
Pelabuhan Pendapatan (USD) Jumlah (USD)
Pelabuhan yang tidak efisien Investasi dalam infrastruktur untuk Keterangan
TEU ditransfer Jumlah kapal
(CCR) operasi maritim (MMUSD)
Arika 23.499.902 7.886.770 31.386.673
Perpanjangan dermaga yang
Iquique 19.549.426 4.615.547 24.164.972 Arika 52
mencakup tempat berlabuh baru
Antofagasta 13.265.033 16.473.436 29.738.469
Iquique 105 Pembangunan dermaga baru
Coquimbo 350.607 7.480.134 7.830.740
Antofagasta 91 Peningkatan tempat berlabuh 1–3
cairan 12.447.891 3.411.959 15.859.850
Pembangunan dermaga
San Vicente 2.423.995 1.584.941 4.008.936
Valparaiso 965 di sektor Yolanda
Koronel 98.243.802 30.382.216 128.626.018
Chacabuco 6.570.093 5.760.135 12.330.228
Total 1213
Jumlah (USD) 176.350.749 77.595.138 253.945.886

negara.
mentransfer TEU dan jumlah kapal dengan meningkatkan praktik operasional mereka. Menurut
Dalam hal analisis lintas efisiensi, Pelabuhan San Antonio menduduki peringkat pertama
Alderton (2020), investasi yang berlebihan pada kapasitas pelabuhan akan membuang-buang
(lihat Tabel 13). Hal ini bertepatan dengan peringkat pelabuhan Chili, dimana San Antonio
uang karena kapasitas yang tidak terpakai, dan sebaliknya, investasi yang terlalu sedikit
adalah pelabuhan utama Chili (CAMPORT - Camara Marítima y Portuaria de Chile, 2017),
akan menyebabkan operasi yang tidak efisien dan kemacetan. Beberapa penulis telah ´
dan investasi infrastruktur dianggap penting, seperti pelabuhan besar. Selain itu, San Antonio
mempelajari keputusan investasi kapasitas dan memberikan pendekatan dan analisis yang
bersama Valparaíso merupakan pelabuhan dengan partisipasi terbanyak dalam layanan atau
berbeda. Pembaca dapat merujuk antara lain pada Chang, Tong zon, Luo, dan Lee (2012),
rute pelayaran.
Balliauw, Kort, dan Zhang (2019) .

Untuk mengembangkan strategi membangun loyalitas perusahaan pelayaran, beberapa

6. Kesimpulan dan penelitian masa depan
hal yang perlu diperhatikan seperti penutupan pelabuhan, waktu tunggu kapal, pangsa pasar,
dan lain-lain. Terkait dengan hal ini, penutupan pelabuhan di Chile sebagian besar disebabkan
Kerangka metodologi untuk mengevaluasi operasi maritim pelabuhan kargo peti kemas
oleh gelombang besar atau pemogokan pekerja. Berdasarkan laporan DIRECTEMAR (2020),
berdasarkan DEA diusulkan. Seperti disebutkan sebelumnya, pendekatan yang diusulkan
dalam 15 tahun terakhir, jumlah kejadian gelombang besar di pelabuhan Chile meningkat
dapat digunakan untuk memperkirakan dampak ekonomi di pelabuhan jika operasi yang
sekitar 37%. Oleh karena itu, disarankan bagi pelabuhan di Chile untuk berinvestasi di tempat
efisien tercapai. Hasil analisis efisiensi menunjukkan bahwa 33% pelabuhan dikatakan efisien
penampungan pelabuhan untuk melindungi dari gelombang besar. Mengenai waktu tunggu
jika diasumsikan skala hasil konstan (model CCR). Hasil ini menunjukkan bahwa sebagian
kapal, hal ini merupakan faktor yang dipertimbangkan oleh perusahaan pelayaran dalam
besar pelabuhan di Chili memiliki kapasitas yang cukup untuk mengirimkan lebih banyak TEU
memilih pelabuhan, lebih memilih pelabuhan yang lebih cepat untuk mendapatkan waktu
dan melayani lebih banyak kapal dengan infrastruktur pelabuhan mereka saat ini (draft, jumlah
penanganan yang lebih singkat. Selain itu, perlu diperhatikan bahwa waktu tunggu kapal juga
tempat berlabuh, panjang dermaga). Di sisi lain, ketika skala pengembalian variabel
bergantung pada ketersediaan infrastruktur dan peralatan serta koordinasi antar pemangku
diasumsikan (model BCC), 67% pelabuhan berada dalam kondisi efisien.
kepentingan yang terlibat dalam operasional pelabuhan. Terakhir, sehubungan dengan
pangsa pasar, berbagai tindakan dapat dilakukan untuk memperbaikinya, seperti pengurangan
Situasi ini terjadi karena pelabuhan dianalisis berdasarkan tingkat outputnya (Banker et al.,
biaya, memperkuat hubungan pelanggan, meningkatkan waktu layanan, dan lain-lain (Dang
1984), yang berarti hanya efisiensi lokal yang dipertimbangkan.
& Yeo, 2017). Seperti disebutkan sebelumnya, meskipun biaya layanan dasar di pelabuhan
Chili diatur, pelabuhan dapat memberikan diskon jika perusahaan pelayaran memenuhi
Untuk setiap pelabuhan yang tidak efisien, disajikan tujuan dan tolok ukur untuk mencapai
persyaratan tertentu. Oleh karena itu, merupakan keputusan strategis untuk menentukan
efisiensi operasi maritim. Dengan cara ini, pelabuhan yang tidak efisien dapat menganalisis
persyaratan kemungkinan diskon guna membangun loyalitas dan menarik lebih banyak
operasi maritim berdasarkan tolok ukurnya dan membandingkan praktik manajerialnya serta
perusahaan pelayaran. Dengan cara ini, permintaan pelabuhan sensitif terhadap biaya, namun
kondisi spesifik yang memungkinkan pelabuhan tersebut menjadi efisien. Penting untuk dicatat
dalam penelitian ini, permintaan tersebut dianalisis secara independen dari nilai biaya.
bahwa Pelabuhan San Antonio adalah pelabuhan yang paling banyak dirujuk, menjadi tolok
ukur untuk enam pelabuhan yang tidak efisien. Situasi ini bisa terjadi karena merupakan
pelabuhan utama Chile (CAMPORT - C´ amara Marítima y Portuaria de Chile, 2017),
Berdasarkan tujuan yang ditetapkan dalam analisis (lihat Tabel 14), pelabuhan yang tidak
memperoleh investasi infrastruktur yang tinggi dan terhubung dengan beberapa layanan jalur
efisien memerlukan upaya yang signifikan untuk mencapai tujuan tersebut, karena pelabuhan
ping kapal.
tersebut perlu meningkatkan outputnya lebih dari dua kali lipat dibandingkan volume
pengirimannya saat ini. Upaya tersebut dapat terwujud apabila terdapat permintaan dan
Analisis lintas efisiensi dilakukan dengan menggunakan hasil yang dihitung dengan
kondisi pasar terhadap pelabuhan tersebut. Hal ini juga tergantung pada layanan saat ini dan
model CCR. Dengan cara ini, peringkat semua pelabuhan di Chili ditentukan, dengan
yang diproyeksikan yang ditawarkan oleh perusahaan pelayaran.
pelabuhan San Antonio, San Vicente, dan Valparaíso masing-masing ditempatkan di peringkat
Oleh karena itu, upaya tidak hanya bergantung pada kemauan pelabuhan untuk meningkatkan
pertama, kedua, dan ketiga. Peringkat ini dapat membantu pengambil keputusan untuk
efisiensinya tetapi juga pada lingkup nasional atau regional untuk mengambil tindakan yang
memprioritaskan sumber daya dan investasi guna meningkatkan efisiensi pelabuhan dengan
dapat meningkatkan partisipasi perdagangan luar negeri pelabuhan dan pengembangan
peringkat buruk.
infrastruktur pelengkap seperti platform logistik.
Untuk pelabuhan yang tidak efisien, rekomendasi jangka menengah adalah agar
Khususnya, untuk kasus pelabuhan di wilayah utara Chile, permintaan yang lebih besar
pelabuhan tersebut mengerahkan upaya untuk mencapai tujuan yang diusulkan oleh model
dapat dipenuhi berkat upaya untuk meningkatkan proyek koridor bi-samudera di wilayah
BCC. Rekomendasi jangka panjangnya adalah mereka berupaya mencapai tujuan yang
Amerika Selatan. Proyek-proyek ini bertujuan untuk meningkatkan perdagangan intra-regional
diusulkan oleh model CCR karena tujuan yang diperoleh dari model BCC tidak terlalu menuntut
dan menawarkan alternatif kargo dari negara-negara yang tidak mempunyai daratan, seperti
dibandingkan dengan tujuan yang diperoleh dari model CCR. Jika pelabuhan yang tidak
Bolivia dan Paraguay. Sebagai contoh, Pelabuhan Antofagasta dapat meningkatkan volume
efisien dapat mencapai tujuan CCR, maka akan diperoleh peningkatan sekitar USD 253 juta.
transfernya jika koridor jalan bi-samudera diaktifkan sebagai pelabuhan alternatif asal kargo
Dengan cara ini, kerangka metodologi yang diusulkan dapat menjadi alat yang berguna untuk
dari Brazil (daerah Campo Grande) yang saat ini dikirim oleh Pelabuhan Santos (proyek ini
mendukung pengambilan keputusan mengenai prioritas investasi infrastruktur pelabuhan.
adalah bagian dari Capricorn Hub). Peningkatan volume permintaan pelabuhan juga dapat
ditingkatkan jika dibuat rute cabotage, yang memungkinkan koneksi arus kargo dari utara dan
Dalam studi ini, biaya pelabuhan dipertimbangkan untuk memperkirakan kemungkinan
selatan Chili ke pelabuhan utama Chili yang terletak di wilayah tengah Chili.
pendapatan jika pelabuhan yang tidak efisien mencapai efisiensi. Selain itu, permintaan
pelabuhan diasumsikan independen. Kemudian, jalur penelitian di masa depan harus dipertimbangkan

13
Machine Translated by Google
MA Agüero-Tobar dkk.
biaya pelabuhan ke dalam model DEA, sebagai model alokatif pendapatan DEA (Coelli,
Rao, O'Donnell, & Battese, 2005), dan/atau untuk menganalisis perilaku permintaan
pelabuhan yang sesuai.
Perlu dicatat bahwa saat ini Chili sedang mengerjakan sistem observatorium untuk
memusatkan statistik dan informasi yang relevan tentang pelabuhan di negara tersebut,
dengan tujuan mendukung keputusan kebijakan publik.
Saat ini, informasi terkait infrastruktur pelabuhan tersebar di setiap website pelabuhan
dengan format yang berbeda-beda dan dalam beberapa hal tidak lengkap. Situasi ini
menghambat penelitian seperti yang disajikan di sini, karena pengumpulan data perlu
dilakukan juga berdasarkan wawancara dengan pimpinan otoritas pelabuhan atau langsung
dengan operator terminal pelabuhan. Untuk itu, kami juga merekomendasikan agar Badan
Publik Transportasi dan Infrastruktur berupaya melakukan sentralisasi informasi tersebut.
Untuk penelitian di masa depan, analisis efisiensi pada area pelabuhan lainnya dapat
dipertimbangkan, dengan mengintegrasikan input yang terkait, misalnya, dengan operasi
penanganan peti kemas di halaman dan gerbang terminal pelabuhan, atau operasi yang
terkait dengan pengangkutan lokal atau transportasi kargo antar terminal. .
Selain itu, dimungkinkan untuk mengeksplorasi model DEA yang berbeda. Misalnya, jika
input dari area pelabuhan yang berbeda dipertimbangkan, maka dimungkinkan untuk
mengakui operasi sebagai proses yang berurutan seperti Network & Grosskopf, 2000),
¨ (edisi ke-2). Boston, MA, AS: Springer.
port). area dimana output dari satu area (tahap) adalah DEA (Fare the inputs of the
berikut (panggung).
Pendanaan
Pekerjaan ini didukung oleh proyek FONDECYT (Chili) [hibah
nomor 1191764, dan 1210735];
Deklarasi Kepentingan Bersaing
Tidak ada.
Ucapan Terima Kasih
´ Dalam M. Marchand, P. Pestieau, & H. Tulkens (Eds.), Kinerja perusahaan publik: Konsep
DSc. Marcela C. Gonzalez-Araya mengucapkan terima kasih kepada proyek
FONDECYT 1191764 (Chili) atas dukungan finansial mereka. DSc. Rosa G.
´ Boletín Estadístico Marítimo 2018. Valparaiso, Chili: Armada de Chile.
Gonzalez-Ramírez berterima kasih atas pendanaan penelitian yang disediakan di bawah
proyek FONDECYT 1210735 (Chili).
Referensi
Achmadi, T., Hadi, F., Nur, HI, Yunianto, IT, & Boyke, C. (2017). Kajian struktur tarif pelabuhan dan
pendekatan port pricing. Mekanika dan Material Terapan, 862, 226–231.
Alderton, P. (2020). Manajemen dan pengoperasian pelabuhan. Dalam panduan pengiriman praktis Lloyd.
Hukum informa dari Routledge (Edisi ke-3rd). London: Grup Taylor & Francis.
Andersen, P., & Petersen, NC (1993). Prosedur untuk menentukan peringkat unit yang efisien dalam
analisis selubung data. Ilmu Manajemen, 30(10), 1261–1264.
Antonio, S. (2020). DP dunia San Antonio. https://www.dpworldsanantonio.cl/herr
amientas/tarifas-portuarias/.
ATI - Terminal Internasional Antofagasta. (2020). Daftar Tarif ATI, Periode 2019-2020. http://
www.atipuerto.cl/wp-content/uploads/2019/03/Tarifas-2019-Oficia les-ATI.pdf (diakses Januari
2020).
Balliauw, M., Kort, PM, & Zhang, A. (2019). Keputusan investasi kapasitas dua
pelabuhan yang bersaing dalam ketidakpastian: Pendekatan opsi nyata yang strategis. Penelitian
Transportasi Bagian B: Metodologis, 122, 249–264.
Bankir, RD, Charnes, A., & Cooper, WW (1984). Beberapa model untuk memperkirakan
inefisiensi teknis dan skala dalam analisis data envelopment. Ilmu Manajemen, 30(9), 1078–1092.
Barros, C., & Athanassiou, M. (2004). Efisiensi di pelabuhan Eropa dengan DEA:
Bukti dari Yunani dan Portugal. Ekonomi & Logistik Maritim, 6, 122–140.
Barros, CP (2006). Analisis benchmark pelabuhan Italia menggunakan analisis data envelopment.
Ekonomi & Logistik Maritim, 8, 347–365.
Barros, CP (2012). Penilaian produktivitas pelabuhan Afrika. Tinjauan Pembangunan Afrika , 24(1), 67–
78.
Bauren, MM, Andriotti, R., Vieira, GBB, Ribeiro, JD, & Neto, FK (2018). Pada
mengukur efisiensi pelabuhan Brasil dan model manajemennya. Ekonomi & Logistik Maritim , 20(1),
149–168.
Bichou, K. (2013). Sebuah studi empiris tentang dampak kondisi operasi dan pasar terhadap efisiensi dan
benchmarking pelabuhan peti kemas. Penelitian Ekonomi Transportasi, 42(1), 28–37.
14
Penelitian Bisnis & Manajemen Transportasi 46 (2023) 100821
Bierwirth, C., & Meisel, F. (2010). Survei masalah alokasi tempat berlabuh dan penjadwalan quay crane di
terminal peti kemas. Jurnal Riset Operasional Eropa, 202(3), 615–627.
CAMPORT - C´ amara Marítima y Portuaria de Chile. (2016). Una Nueva Vuelta de Tuerca.
Chili: Santiago.
´
CAMPORT - Camara Marítima y Portuaria de Chile. (2017). Memoria Tahunan 2017.
Santiago, Chili.
´
CChC - C´ amara Chilena de la Konstruksi. (2016). Infraestructura Crítica para el
´
Desarrollo 2016–2025: Basis untuk Chile Sostenible. Santiago: Camara Chilena de la Construccion,
´
Chili.
´
CChC - C´ amara Chilena de la Konstruksi. (2018). Infraestructura crítica para el
desarrollo 2018–2027: Bases for un Chile Sostenible. Santiago: C´ amara Chilena de la Chile.
´
Konstruksi,
Chang, V., & Tovar, B. (2017). Analisis metafrontier mengenai produktivitas terminal Pantai Barat Pasifik
Selatan. Penelitian Transportasi Bagian A, 103, 118–134.
Chang, Y.-T., Tongzon, J., Luo, M., & Lee, PT-W. (2012). Estimasi optimal
kapasitas penanganan pelabuhan peti kemas: Pendekatan ekonomi. Ulasan Transportasi,
32 (2), 241–258.
Charnes, A., Cooper, WW, Golany, BE, Seiford, L., & Stutz, J. (1985). Landasan Analisis Envelopment
Data untuk Fungsi Produksi Empiris Efisien Pareto-Koopman. Jurnal Ekonometrika, 30(1–2), 91–
107. https://doi.org/10.1016/0304- 4076(85)90133-2 Charnes, A., Cooper, WW, & Rhodes, E. (1978).
Mengukur efisiensi
unit pengambilan keputusan. Jurnal Riset Operasional Eropa, 2, 429–444.
Clark, X., Dollar, D., & Micco, A. (2004). Efisiensi pelabuhan, biaya transportasi laut, dan perdagangan
bilateral. Jurnal Ekonomi Pembangunan, 75(2), 417–450.
Coelli, TJ, Rao, DSP, O'Donnell, CJ, & Battese, GE (2005). Pengantar analisis efisiensi dan produktivitas
˜
Komplejo Portuario Mejillones. (2020). Puerto Angamos. Perusahaan Portuaria Mejillones SA https://
www.puertoangamos.cl/wp-content/uploads/2020/01/Libro-de-Tarif as-P%C3%BAblicas-2020.pdf
(diakses Februari 2020).
Cortez, LCS, Rebello de Oliveira, L., Martins, EF, Dias de Jesus, IR, & Soares de Mello, JCCB (2013).
Analisis efisiensi pengelolaan pelabuhan umum Brazil mengenai peran otoritas pelabuhan. Jurnal
Sastra Transportasi, 72(2), 78–96.
Cullinane, K., Lagu, D.-W., Ji, P., & Wang, T.-F. (2004). Penerapan analisis jendela DEA untuk efisiensi
produksi pelabuhan peti kemas. Tinjauan Ekonomi Jaringan, 3(2), 184–206.
Cullinane, K., Lagu, D.-W., & Wang, T. (2005). Penerapan matematika
pendekatan pemrograman untuk memperkirakan efisiensi produksi pelabuhan peti kemas. Jurnal
Analisis Produktivitas, 24, 73–92.
Dang, VL, & Yeo, GT (2017). Analisis posisi strategis kompetitif jurusan
pelabuhan peti kemas di Asia Tenggara. Jurnal Pengiriman dan Logistik Asia, 33(1), 19–25.
Deprins, D., Simar, L., & Tulkens, H. (1984). Mengukur efisiensi tenaga kerja di kantor pos.
dan pengukuran. Amsterdam, Belanda Utara (hlm. 243–267).
´
DIRECTEMAR - Arah Jenderal del Territorio Marítimo dan de Marina Mercante. (2018).
´
´
DIRECTEMAR - Arah Jenderal del Territorio Marítimo dan de Marina Mercante. (2020).
´
Boletín Estadístico Marítimo 2020. Valparaiso, Chili: Armada de Chile.
Dragovi´c, B., & Zrni´c, ND (2011). Studi model antrian evolusi kinerja pelabuhan.
Analele Universitaÿÿii “Eftimie Murgu” Res¸iÿa, 18(2), 65–77.
EPAUSTRAL - Empresa Portuaria Austral. (2020). https://www.epaustral.cl/servicios /tarifas/ (diakses
Januari 2020).
F¨ adalah, R., & Grosskopf, S. (2000). Jaringan DEA. Ilmu Perencanaan Sosial Ekonomi, 34(1),
35–49.
García-Alonso, L., & Martin-Bofarull, M. (2007). Dampak investasi pelabuhan terhadap efisiensi dan
kapasitas untuk menarik lalu lintas di Spanyol: Bilbao versus Valencia. Ekonomi & Logistik Maritim ,
9, 254–267.
Guner, S. (2015). Menyelidiki infrastruktur, suprastruktur, efisiensi operasi dan keuangan dalam
pengelolaan pelabuhan Turki menggunakan analisis data enveloment.
Kebijakan Transportasi, 40, 36–48.
Hung, S.-W., Lu, W.-M., & Wang, TP.-P. (2010). Membandingkan efisiensi pengoperasian pelabuhan peti
kemas di Asia. Jurnal Riset Operasional Eropa, 203(3), 706–713.
ITI – Terminal Internasional Iquique. (2020). https://www.iti.cl/tarifas-3/tarifas-3/
(diakses Februari 2020).
Kim, M., & Sachs, A. (1986). Struktur produksi, perubahan teknis dan produktivitas
di suatu pelabuhan. Jurnal Ekonomi Industri, 35(2), 209–223.
Lin, LC, & Tseng, CC (2007). Evaluasi kinerja operasional pelabuhan peti kemas utama di kawasan Asia-
Pasifik. Kebijakan & Manajemen Maritim: Jurnal unggulan penelitian pelayaran dan pelabuhan
internasional, 34(6), 535–551.
Lovell, C., Grosskopf, S., Ley, E., Pastor, J., Prior, D., & Eeckaut, PV (1994). Linier
pendekatan pemrograman untuk pengukuran dan analisis efisiensi produktif.
ATAS, 2(2), 175–248.
Lozano, S., Villa, G., & Canca, D. (2011). Penerapan pendekatan DEA terpusat pada penganggaran
modal di pelabuhan Spanyol. Komputer & Teknik Industri, 60(3), 455–465.
MOP - Ministerio de Obras Públicas. (2009). Infraestructura portuaria y costera, Chile 2020. Ministerio
´
de Obras Públicas, Gobierno de Chile, Chile: Direccion de Obras Portuarias.
´
MOP - Ministerio de Obras Públicas. (2019). ¿Cuantos puertos hay di Chili? Ministerio de Obras Públicas,
´
Gobierno de Chile, Chili: Direccion de Obras Portuarias. https://www.mop.cl/Faq/Paginas/
DetalleFAQ.aspx?item=123 _ (diakses Juli 2019).
Machine Translated by Google
MA Agüero-Tobar dkk.
Murty, KG, Wan, Y., Liu, J., Tseng, MM, Leung, E., Lai, KK-K., & Chiu, HWC (2005).
Terminal internasional Hongkong memperoleh kapasitas elastis dengan menggunakan sistem
pendukung keputusan yang intensif data . Antarmuka, 35(1), 61–75.
Nguyen, PN, Woo, S.-H., Beresford, A., & Pettit, S. (2020). Persaingan, pasar
konsentrasi, dan efisiensi relatif pelabuhan peti kemas utama di Asia Tenggara.
Jurnal Geografi Transportasi, 83, Pasal 102653.
Niavis, S., & Tsekeris, T. (2012). Pemeringkatan dan penyebab inefisiensi pelabuhan peti kemas di
Eropa Tenggara. Tinjauan Penelitian Transportasi Eropa, 4, 235–244.
Oliveira, GF, & Cariou, P. (2011). Sebuah studi DEA tentang efisiensi 122 pelabuhan bijih besi dan
batubara dan 15/17 negara pada tahun 2005. Kebijakan & Manajemen Maritim: Jurnal unggulan
penelitian pelayaran dan pelabuhan internasional, 38(7), 727–743.
P´erez, I., Gonz´ alez, MM, & Trujillo, L. (2020). Apakah spesialisasi dan ukuran pelabuhan mempengaruhi
efisiensi pelabuhan? Bukti dari layanan penanganan kargo di pelabuhan Spanyol. Penelitian
Transportasi Bagian A: Kebijakan dan Praktek, 138, 234–249.
PLN. (2020). Puerto Lirquen - Bio Bio, Chili. https://www.abcpuertos.cl/documentos/Tarifas/
LQN_2018_TARIFAS.pdf _ (diakses Januari 2020).
Puerto Coronel. (2020). https://www.puertocoronel.cl/upload/paginas/archivos/ TarifasPublicas.pdf.
(Diakses Januari 2020).
Rios, LR, & Maçada, ACG (2006). Menganalisis efisiensi relatif wadah
terminal Mercosur menggunakan DEA. Jurnal Internasional Ekonomi Maritim, 8(4), 331–346.
Roll, Y., & Hayuth, Y. (1993). Perbandingan kinerja pelabuhan menerapkan data envelopment analysis
(DEA). Kebijakan & Manajemen Maritim: Jurnal unggulan penelitian pelayaran dan pelabuhan
internasional, 20(2), 153–161.
Schøyen, H., & Odeck, J. (2013). Efisiensi teknis pelabuhan peti kemas Norwegia: Perbandingan dengan
beberapa pelabuhan peti kemas di Nordik dan Inggris menggunakan analisis data envelopment
(DEA). Ekonomi & Logistik Maritim., 15(2), 197–221.
Schøyen, H., Bjorbæk, CT, Steger-Jensen, K., Bouhmala, N., Burki, U., Jensen, TE, & Berg, Ø. (2018).
Mengukur kontribusi hasil kinerja pengiriman layanan logistik dan konektivitas kapal kontainer laut
dalam terhadap efisiensi pelabuhan. Penelitian Bisnis & Manajemen Transportasi, 28, 66–76.
˜ Wanke, PF, Barbastefano, RG, & Hijjar, MF (2011). Penentu efisiensi di terminal pelabuhan utama
´ ´
Serebrisky, T., Sarriera, JM, Suarez-Alem A., Araya, G., Briceno-Garmendía, C., & an, Schwartz, J.
(2016). Menjelajahi faktor pendorong efisiensi pelabuhan di Amerika Latin dan Karibia. Kebijakan
Transportasi, 45, 31–45.
Sexton, TR, Silkman, RH, & Hogan, AJ (1986). Analisis Amplop Data: Kritik dan Perluasan. Arah Baru
untuk Evaluasi Program, 1986(32), 73–105.
Sharma, MJ, & Yu, SJ (2010). Optimalisasi benchmark dan identifikasi atribut untuk perbaikan terminal
peti kemas. Jurnal Riset Operasional Eropa, 201(2), 568–580.
SVTI - Terminal Internasional San Vicente. (2020). https://www.svti.cl/tarifas-publicas (diakses Januari
2020).
15
Penelitian Bisnis & Manajemen Transportasi 46 (2023) 100821
Tahar, RM, & Hussain, K. (2000). Simulasi dan analisis operasional Terminal Kontainer Kelang .
Manajemen Informasi Logistik, 13(1), 14–20.
Tongzon, J. (2001). Pengukuran efisiensi yang dipilih Australia dan lainnya
pelabuhan internasional menggunakan analisis data envelopment. Penelitian Transportasi Bagian
A: Kebijakan dan Praktik, 35(2), 107–122.
TPA - Terminal Puerto Arica. (2020). Tarif. http://portal.tpa.cl/tpaweb/tarifas/
(diakses Januari 2020).
TPC SA - Terminal puerto Coquimbo SA. (2020). http://www.puertocoquimbo.cl/p uerto/wp-content/
uploads/2019/05/Anexo-Listado-Tarifario-TPC_20190503.pdf (diakses Januari 2020).
TPS - Terminal Pacifico Sur Valparaiso SA. (2020). https://www.tps.cl/tps/site/doc s/
20060124/20060124152711/anexo_tarifas_tps_01_de_septiembre_2020.pdf (diakses
Februari 2020).
Trujillo, L., Gonz´alez, MM, & Jim´enez, JL (2013). Tinjauan tentang proses reformasi
pelabuhan Afrika. Kebijakan Utilitas, 25, 12–22.
UNCTAD - Konferensi PBB tentang Perdagangan dan Pembangunan. (2016). Ulasan dari
transportasi laut 2016. Penentu Biaya Transportasi Laut: United Nations Publications, New York,
USA.
UNCTAD - Konferensi PBB tentang Perdagangan dan Pembangunan. (2018). Ulasan dari
transportasi laut 2018. Perkembangan teknologi: United Nations Publications, New York, USA.
UNCTAD - Konferensi PBB tentang Perdagangan dan Pembangunan. (2019). Laporan Perdagangan
dan Pembangunan 2019 - Pembiayaan Kesepakatan Baru yang Ramah Lingkungan. United
Nations Publications, New York, AS - Mendanai DEAL baru secara global. Ginebra, 2019.
UNCTAD - Konferensi PBB tentang Perdagangan dan Pembangunan. (2020). Ulasan dari
transportasi laut 2020, pelayaran di masa pandemi Covid-19. New York, AS: Publikasi PBB.
Wang, T.-F., & Cullinane, K. (2006). Efisiensi terminal peti kemas Eropa dan implikasinya terhadap
manajemen rantai pasokan. Ekonomi & Logistik Maritim, 8(1), 82–99.
Brasil. Ulasan Transportasi: Jurnal Transdisipliner Transnasional , 31(5), 653–677.
Wilmsmeier, G., Tovar, B., & Sanchez, RJ (2013). Evolusi produktivitas dan efisiensi terminal peti kemas
dalam perubahan lingkungan ekonomi. Penelitian Bisnis & Manajemen Transportasi, 8, 50–66.
Wu, Y.-CJ, & Goh, M. (2010). Efisiensi pelabuhan peti kemas di pasar negara berkembang dan lebih
maju. Penelitian Transportasi Bagian E Tinjauan Logistik dan Transportasi, 46(6), 1030–1042.
Yuen, AC, Zhang, A., & Cheung, W. (2013). Partisipasi dan persaingan asing: Sebuah cara untuk
meningkatkan efisiensi pelabuhan peti kemas di Tiongkok? Penelitian Transportasi Bagian A:
Kebijakan dan Praktek, 49, 220–231.