21 .
Teknika http://journals.
id/index.
php/teknika Analisis Kecepatan Ekspedisi SPX Standard Berdasarkan Kelompok Waktu Operasional Menuju Last Mile Gunung Pati.
Semarang Alfa Narendra1 .
Ardhiatma Y.
Irni2.
Fitri Anisa3.
Ghaida Z.
Hasanah 4.
Herlingga I.
Fatati5.
Maulana H.
Falakh6.
Pipit Puspitasari7.
Rizka Zulianti8.
Rohadatu R.
Auzia9.
Tamimatul Husniyah10.
Ufaira A.
Khairunisa11.
Yesi P.
Sari12
1,2,3,4,5,6,7,8,9,10,11,12
Program Studi Teknik Sipil.
Universitas Negeri Semarang.
Indonesia DOI: https://doi.
org/10.
26623/teknika.
Info Artikel
Abstrak
___________________
____________________________________________________________
Sejarah Artikel:
Disubmit 27 November 2025 Direvisi 08 Februari 2026 Disetujui 17 Februari 2026 Dalam ekosistem perdagangan elektronik, efisiensi durasi pengiriman menjadi faktor penting yang memengaruhi kepuasan pelanggan.
Penelitian ini bertujuan menganalisis distribusi waktu pengiriman layanan SPX Standard pada empat konfigurasi operasional, yaitu Kembar awal pekan.
Kembar akhir pekan.
Non-Kembar awal pekan, dan NonKembar akhir pekan, untuk mengidentifikasi tingkat efisiensi optimal, meskipun data Kembar akhir pekan tidak tersedia.
Data diperoleh dari 509 pengguna e-commerce Shopee periode 2024Ae2025 dengan tujuan pengiriman Kecamatan Gunung Pati.
Kota Semarang.
Metode yang digunakan adalah Exploratory Data Analysis kuantitatif komparatif berbasis data logistik historis, dengan pengolahan menggunakan perangkat lunak RStudio.
Uji normalitas Kolmogorov-Smirnov dan Shapiro-Wilk menunjukkan data tidak berdistribusi normal .
< 0,.
, sehingga analisis hipotesis dilakukan menggunakan uji non-parametrik Kruskal-Wallis.
Hasil pengujian menunjukkan perbedaan signifikan pada median kecepatan pengiriman antar kelompok (XA = 6,4256.
p = 0,04.
Konfigurasi NonKembar Awal Pekan memiliki median tertinggi, namun disertai dispersi yang sangat tinggi sehingga mencerminkan ketidakstabilan proses.
Sebaliknya.
Kembar Awal Pekan menunjukkan variabilitas rendah dan reliabilitas terbaik, diduga ada strategi peningkatan kapasitas saat periode puncak.
Performa terendah terjadi pada akhir pekan, yang mengindikasikan keterbatasan operasional.
Penelitian ini menyimpulkan bahwa kecepatan operasional pada masa beban puncak relatif tidak berubah dibandingkan pada masa lainnya.
___________________
Keywords:
Low Impact Development.
Rainfall.
Surface Water.
Urban
Drainage _______________________ Abstract
____________________________________________________________
In the e-commerce ecosystem, delivery time efficiency is a critical factor influencing customer This study aims to analyze the distribution of delivery times for the SPX Standard service across four operation al configurations: Twin Days on weekdays.
Twin Days on weekends.
NonTwin Days on weekdays, and Non-Twin Days on weekends, in order to identify optimal efficiency levels, although data for Twin Days on weekends were unavailable.
The data were collected from 509 Shopee e-commerce users during the 2024Ae2025 period, with delivery destinations in Gunung Pati District.
Semarang City.
The study employed a comparative quantitative Exploratory Data Analysis based on historical logistics data, processed using RStudio software.
Normality tests using KolmogorovAeSmirnov and ShapiroAeWilk indicated that the data were not normally distributed .
< therefore, hypothesis testing was conducted using the non-parametric KruskalAeWallis test.
The results revealed a significant difference in median delivery speed among groups (NA = 6.
The study concludes that operational speed during peak demand periods remain steady comparing the other periods.
Alamat Korespondensi:
E-mail: alfa.
narendra@mail.
p-ISSN 1410-4202
e-ISSN 2580-8478
PENDAHULUAN
Dalam ekosistem perdagangan elektronik .
-commerc.
, efisiensi durasi pengiriman merupakan indikator kinerja utama .
ey performance indicato.
layanan logistik karena berkolerasi langsung terhadap kepuasan pelanggan, struktur biaya operasional, serta keunggulan kompetitif penyedia jasa.
Fluktuasi pola pemesanan harian serta manajemen penjadwalan pengiriman dapat menimbulkan variansi waktu tempuh di antara berbagai interval waktu pemesanan (Josefsson & Hanna, 2020.
Lim dkk.
, 2018.
Tawasuli & Kholifah, 2.
SPX Standard adalah adalah jenis layanan pengiriman reguler yang mendukung pengiriman ke seluruh wilayah di Indonesia dengan perkiraan waktu pengiriman 2-7 hari kerja, disesuaikan pada daerah tujuan pengiriman (Alfiana dkk.
, 2.
Layanan ini tersedia di berbagai wilayah sesuai dengan jangkauan yang telah ditentukan.
Pada layanan ekspedisi SPX Standard, pesanan diklasifikasikan ke dalam tiga kategori: .
pemesanan tanggal kembar hari kerja .
ouble-date weekda.
, .
non-tanggal kembar hari kerja .
on-double-date weekda.
, dan .
non-tanggal kembar akhir pekan .
on-double date weeken.
Disparitas karakteristik permintaan dan kapasitas layanan pada masing-masing kelompok berpotensi menghasilkan variabilitas efisiensi, sehingga kohort waktu tertentu menunjukkan tendensi waktu pengiriman yang secara konsisten lebih akseleratif atau lebih lambat dibandingkan kelompok lainnya (Alfiana dkk.
, 2024.
Ganesh dkk.
, 2024.
Ibrahim dkk.
, 2023.
Lim dkk.
, 2018.
Tawasuli & Kholifah, 2023.
Wahid dkk.
, 2.
Meskipun sejumlah penelitian telah menelaah perbedaan kinerja distribusi logistik antara hari kerja dan akhir pekan, kajian yang secara khusus membandingkan distribusi lead time pada tiga konfigurasi operasional, yakni kembar awal pekan, non kembar awal pekan, dan non kembar akhir pekan dalam kerangka layanan SPX Standard, masih relatif terbatas.
Di samping itu, hanya sedikit studi yang mengintegrasikan uji normalitas formal dengan pendekatan grafis serta uji nonparametrik dalam satu kerangka analitis untuk menguji perbedaan efisiensi waktu pengiriman antar kelompok hari secara menyeluruh (Ade Heryana, 2020.
Ahadi & Zain, 2023a.
Chicco dkk.
, 2025.
Mishra dkk.
Nair dkk.
, 2.
Berlandaskan kesenjangan riset tersebut, studi ini bertujuan untuk menganalisis karakteristik distribusi waktu pengiriman SPX Standard pada ketiga kohort pesanan tersebut dan mengidentifikasi kelompok dengan tingkat efisiensi optimal.
Asumsi normalitas dievaluasi menggunakan uji KolmogorovAeSmirnov dan ShapiroAeWilk melalui lingkungan RStudio (Gandrud, 2018.
Kronthaler & Zyllner, 2.
, yang diperkuat dengan visualisasi histogram.
QAeQ plot, dan box plot guna mendeskripsikan morfologi distribusi, derajat variabilitas, serta keberadaan pencilan .
(Michelucci, 2025.
Nair dkk.
, 2.
Apabila asumsi normalitas tidak terpenuhi, komparasi efisiensi antarkelompok dilakukan melalui uji KruskalAeWallis (Ade Heryana, 2020.
Chicco dkk.
, 2.
Hasil identifikasi signifikansi perbedaan kinerja ini diharapkan dapat menjadi basis formulasi rekomendasi dalam optimasi manajemen penjadwalan serta kapasitas layanan.
METODE
Penelitian Penelitian ini menerapkan desain kuantitatif komparatif untuk menganalisis efisiensi Data yang digunakan merupakan data sekunder berupa log kronologis perjalanan .
ransit log.
paket layanan SPX Standard yang diekstraksi melalui rekam digital fitur pelacakan pada aplikasi Shopee.
Ruang lingkup spasial sampel dibatasi pada pengiriman dengan destinasi akhir Kecamatan Gunung Pati.
Kota Semarang, guna memitigasi pengaruh variabel pengganggu .
onfounding variable.
seperti kondisi geografis dan variabilitas infrastruktur local (Ahadi & Zain, 2023a.
Boysen , 2021.
Ibrahim dkk.
, 2023.
Josefsson & Hanna, 2.
Variabel independent dikategorikan menjadi empat kelompok operasional:
Kembar Awal Pekan .
ode : .
: Pesanan yang dibuat pada tanggal kembar .
isal: 11.
yang jatuh pada hari kerja (Senin-Juma.
Non-Kembar Awal Pekan .
ode : .
: Pesanan yang dibuat pada awal pekan yang bukan tanggal kembar.
Kembar Akhir Pekan .
ode : .
: Pesanan yang dibuat pada tanggal kembar .
isal: 11.
yang jatuh pada akhir pekan (Sabtu-Aha.
Hasil eksplorasi data menunjukkan tidak terdapat data yang termasuk dalam kategori Kembar Akhir Pekan.
Non-Kembar Akhir Pekan .
ode : .
: Pesanan pada akhir pekan yang bukan tanggal Variabel terikat .
adalah AyKecepatan PengirimanAy, yang dihitung sebagai jarak tempuh estimasi dibagi dengan total waktu tempuh .
nd-to-end Lead Tim.
, dari status AuDiserahkan ke Jasa KirimAy hingga AuDiterimaAy (Ahadi & Zain, 2.
Namun dalam penelitian ini, baik kecepatan maupun jarak, dihitung hanya sampai dengan lokasi sortir terakhir.
Pengolahan data dilakukan dengan menggunakan perangkat lunak R .
alam RStudi.
Prosedur pengolahan data meliputi:
Uji Normalitas: Menggunakan Uji Kolmogorov-Smirnov untuk keseluruhan data dan uji Shapiro-Wilk untuk masing-masing sub kelompok.
Hipotesis nol, adalah data berdistribusi Jika p-value <0.
05, maka asumsi normalitas tidak diterima.
Visualisasi Data: Menggunakan histogram dan QQ-plot untuk melihat bentuk distribusi, serta boxplot untuk membandingkan sebaran data antar kelompok serta mengidentifikasi pencilan .
Uji Hipotesis Komparatif: Jika data tidak memenuhi asumsi normalitas, maka uji KruskalWallis .
nalisis varians non-parametrik satu jalu.
digunakan untuk menguji apakah terdapat perbedaan signifikan pada median kecepatan antar kelompok.
Tingkat signifikansi .
ditetapkan sebesar 0.
HASIL DAN PEMBAHASAN
Analisis awal terhadap karakteristik data kecepatan pengiriman menunjukkan pola yang tidak Visualisasi histogram (Gambar .
memperlihatkan kurva yang menceng ke kanan .
kewed righ.
, yang mengindikasikan bahwa mayoritas pengiriman terjadi dalam rentang kecepatan rendah hingga menengah, terdapat frekuensi kecil pengiriman dengan kecepatan sangat tinggi.
QQ-plot (Gambar .
menunjukkan sebaran data yang tidak mengikuti garis diagonal normal.
Dari Gambar 1, dan Gambar 2, secara visual bisa disimpulkan bahwa data tidak berdistribusi normal.
Tabel 1.
Contoh Data Pengguna No User Step
Tanggal Waktu Status
04/07/2025 08:24:00
Pesanan dibuat 04/07/2025 08:41:00 Penjual telah mengatur pengiriman.
Menunggu pesanan diserahkan ke pihak jasa kirim.
04/07/2025 13:38:00
Kurir ditugaskan untuk menjemput pesanan 04/07/2025 16:24:00 Pesanan telah diserahkan ke jasa kirim untuk diproses A A A 04/09/2025 02:08:00 A Pesanan telah tiba di lokasi transit Kota Jakarta Utara.
Kelapa Gading 3 First Mile Hub
04/10/2025 04:07:00
Pesanan tiba di lokasi transit Kota Semarang.
Gunungpati Hub.
04/10/2025 04:25:00
Pesanan diproses di llokasi transit Kota Semarang.
Gunungpati Hub.
04/10/2025 07:12:00
Kurir sudah ditugaskan.
Pesanan akan dikirim 04/10/2025 08:10:00 Pesanan dalam proses pengantaran 04/10/2025 10:02:00 Pesanan tiba di alamat tujuan.
Diterima di Atas rak sepatu Sumber : Hasil Survei Primer Dari Tabel 1, variabel User.
Step.
Tanggal Waktu.
Status, merupakan data yang akan di analisis untuk mendapatkan hasil dari kembar awal pekan, kembar akhir pekan, non kembar awal pekan, dan non kembar akhir pekan.
Gambar 2.
Visualisasi Uji Normalitas Gambar 1.
HistogramKecepatan Gambar 3.
Boxplot Kecepatan Hasil uji formal Kolmogorov-Smirnov pada keseluruhan dataset menghasilkan nilai statistik D sebesar 0,7679 dengan p-value < 2,2y10-16.
Nilai p yang sangat jauh di bawah 0,05 memberikan bukti kuat untuk menolak hipotesis data berdistribusi normal.
Bukti ini didukung dengan Gambar Histogram (Gambar .
, dan QQ Plot (Gambar .
, yang menunjukkan data tidak berdistribusi normal.
Sehingga uji beda yang digunakan, adalah uji beda non parametrik.
Uji Kruskal-Wallis.
Pemeriksaan lebih mendalam pada level sub-kelompok menggunakan uji Shapiro-Wilk mengonfirmasi temuan ini:
Kelompok Non Kembar Awal Pekan memiliki statistik W = 0,96151 dengan p-value = 2,799y10-8, menunjukkan data tidak berdistribusi normal.
Kelompok Non Kembar Akhir Pekan memiliki statistik W = 0,95594 dengan p-value = 0,01145, juga menunjukkan data tidak berdistribusi normal.
Kelompok Kembar Awal Pekan menunjukkan statistik W = 0,97043 dengan p-value = 0,1216.
Meskipun p-value kelompok Kembar Awal Pekan > 0,05 .
ang berarti asumsi normalitas dapat diterima untuk kelompok in.
, keputusan analisis tetap menggunakan pendekatan non-parametrik untuk seluruh dataset.
Hal ini dilakukan demi konsistensi metodologis dan karena sifat uji nonparametrik yang lebih konservatif dan aman terhadap kesalahan pengambilan kesimpulan pada data Uji Kruskal-Wallis memberikan hasil statistik Chi-squared sebesar 6,4256 dengan derajat kebebasan .
= 2 dan p-value = 0,04024.
Karena p-value lebih kecil dari 0,05, kita dapat menyimpulkan bahwa terdapat perbedaan yang signifikan secara statistik dalam median kecepatan pengiriman antara setidaknya dua dari tiga kelompok yang diuji.
Untuk menginterpretasikan arah perbedaan ini, kita merujuk pada visualisasi boxplot (Gambar .
yang menyajikan temuan-temuan sebagai berikut:
Konsistensi Tinggi pada Kelompok Kembar Awal Pekan (Median - 5 km/ja.
Kelompok ini menunjukkan karakteristik yang paling unik.
Kotak pada boxplot .
ang merepresentasikan rentang interkuartil/IQR, atau 50% data tenga.
sangat pendek/sempit.
Ini berarti variabilitas kecepatan pengiriman sangat rendah.
Meskipun median kecepatannya bukan yang tertinggi .
ekitar 5 km/ja.
, kinerjanya sangat konsisten dan terprediksi.
Temuan ini menolak dugaan bahwa periode tanggal kembar .
ouble dat.
identik dengan ketidakpastian pengiriman.
Sebaliknya, data menunjukkan bahwa SPX Standard berhasil menjaga standar layanan, kecepatan dapat dipertahankan relatif seragam meskipun volume paket umumnya sedang memuncak.
Variabilitas Ekstrem pada Kelompok Non Kembar Awal Pekan (Median - 6 km/ja.
Kelompok hari kerja pada awal pekan biasa mencatat median kecepatan tertinggi .
ekitar 6 km/ja.
, namun disertai dengan whiskers .
aris vertika.
yang panjang dan banyak titik pencilan .
di bagian atas.
Ini menunjukkan adanya kesenjangan dalam kecepatan Pada hari-hari biasa, diduga sistem tidak berjalan dengan kapasitas penuh.
Kesenjangan menunjukkan, terdapat paket yang sampai sangat cepat, tetapi ada juga yang Variabilitas tinggi ini memunculkan risiko pengalaman yang tidak seragam ("kadang cepat, kadang lambat").
Kinerja Terendah pada Kelompok Non Kembar Akhir Pekan (Median - 5 km/ja.
Kelompok akhir pekan menunjukkan distribusi yang tertekan ke bawah dengan median yang setara dengan kelompok Kembar Awal Pekan, namun dengan sebaran yang sedikit lebih lebar.
Rendahnya kecepatan ini konsisten dengan fenomena Weekend Effect dan akumulasi backlog (Yao dkk.
, 2.
SIMPULAN
Penelitian ini berhasil membuktikan secara empiris bahwa efisiensi operasional layanan logistik SPX Standard di Indonesia bersifat dinamis dan sangat dipengaruhi oleh konfigurasi waktu Berdasarkan analisis distribusi data, ditemukan bahwa kinerja waktu pengiriman bersifat non-parametrik dengan kemencengan positif .
ight-skewe.
, sehingga penggunaan median menjadi parameter yang lebih representatif dibandingkan rata-rata dalam mengevaluasi performa logistik.
Secara substansial, hasil penelitian menunjukkan bahwa periode promosi "Tanggal Kembar" di awal pekan justru menghasilkan konsistensi layanan yang paling tinggi .
, mengindikasikan kesiapan infrastruktur logistik yang optimal dalam menghadapi lonjakan volume pesanan.
Sebaliknya, variabilitas kecepatan pengantaran yang signifikan justru ditemukan pada awal pekan reguler .
asa Non Kembar Awal Peka.
Sementara performa terendah terdeteksi pada pesanan akhir pekan di luar periode promosi.
Fenomena ini mengungkap adanya dugaan kesenjangan alokasi sumber daya.
Hal ini bisa didalami menjadi pengembangan penelitian selanjutnya.
DAFTAR PUSTAKA