Analisis Efisiensi Picker Gudang Menggunakan Data Envelopment Analysis: Studi Kasus Segmentasi Tugas Eceran dan Borongan Pada Perusahaan Fashion Ritel
Keywords:
Data Envelopment Analysis, Efisiensi picker, Gudang, Segmentasi DMU, Super-efficiencyAbstract
Efisiensi tenaga kerja picker merupakan salah satu penentu utama kinerja operasional gudang pada perusahaan ritel fashion berbasis e-commerce. Penelitian ini bertujuan mengukur efisiensi picker menggunakan Data Envelopment Analysis (DEA) pada studi kasus sebuah perusahaan fashion ritel di Indonesia, dengan data transaksi picking harian selama periode November 2025–Juli 2026 (3.381 transaksi, 17 picker). Berbeda dengan penelitian DEA picker sebelumnya yang umumnya memperlakukan seluruh picker sebagai unit yang homogen, penelitian ini terlebih dahulu melakukan segmentasi tugas berdasarkan rasio kuantitas per transaksi, menghasilkan dua kelompok yang secara struktural berbeda: picker eceran (unit tunggal per transaksi) dan picker borongan (puluhan hingga ratusan unit per transaksi). Unit analisis (DMU) yang digunakan adalah picker-hari, bukan picker secara agregat, untuk memperoleh jumlah observasi yang memadai (362 DMU kelompok eceran; 358 DMU kelompok borongan). Model CCR dan BCC berorientasi output diterapkan dengan input berupa jam kerja aktif dan output berupa kuantitas serta jumlah transaksi, dilengkapi analisis scale efficiency dan super-efficiency (Andersen–Petersen). Data dibersihkan terlebih dahulu dari 6,2% transaksi dengan durasi tidak wajar (>2 jam), yang diidentifikasi sebagai anomali sesi pencatatan waktu pada sistem, bukan waktu kerja aktual. Hasil menunjukkan efisiensi rata-rata BCC berkisar 0,25–0,66, dengan scale efficiency yang secara konsisten rendah (0,08–0,79), mengindikasikan bahwa sebagian besar inefisiensi bersumber dari skala kerja harian yang tidak konsisten, bukan dari inefisiensi teknis picker itu sendiri. Temuan ini memberikan implikasi manajerial berupa perlunya penjadwalan kerja yang lebih konsisten serta kerangka metodologis bagi penelitian efisiensi tenaga kerja gudang yang memperhatikan homogenitas DMU dan kualitas data transaksional.
References
Alfath, S., & Ambarwati, S. N. (2024). Analisis efisiensi kinerja perusahaan food and beverage dengan pendekatan Data Envelopment Analysis (DEA). Journal of Policy, 15(2), 94–99. https://doi.org/10.20961/xd5nv910
Andreji?, M., & Paji?, V. (2026). An integrated hybrid model for evaluating performance and allocating incentives to order pickers in e-commerce fulfillment. Mathematics, 14(5), 885. https://doi.org/10.3390/math14050885
Arana-Jiménez, M., Sánchez-Gil, M. C., Younesi, A., & Lozano-Ramírez, J. (2025). An enhanced hybrid interval slacks-based DEA model with super-efficiency and application. Computational and Applied Mathematics, 44(2), Article 76. https://doi.org/10.1007/s40314-024-03007-8
Bisma, M. A., & Butarbutar, Y. K. Y. (2022). Analisis Beban Kerja Karyawan Warehouse Menggunakan Metode Work Load Analysis Pada Gudang PT Cipta Krida Bahari. Jurnal Logistik Bisnis, 12(2), 8-14.
de Assis, R. F., de Paula Ferreira, W., & Ouhimmou, M. (2025). Order picking dataset from a warehouse of a footwear manufacturing company. Data in Brief, 61, Article 111837. https://doi.org/10.1016/j.dib.2025.111837
Dong, H., Huang, M., Lam, H. Y., Mo, L., Zhuang, X., & Zuo, M. (2025). Enhancing efficiency in the picker-to-parts e-commerce warehouse: A perspective based on order lifecycle and operational behavior computing. Enterprise Information Systems, 19(5–6), Article 2448832. https://doi.org/10.1080/17517575.2024.2448832
Fatmawati, W., Marlyana, N., & Atina, A. G. (2023). Pengukuran tingkat efisiensi aktivitas proses produksi menggunakan metode Data Envelopment Analysis (DEA). Jurnal Logistica, 1(2), 30–35.
Mergoni, A., Emrouznejad, A., & De Witte, K. (2025). Fifty years of data envelopment analysis. European Journal of Operational Research, 326(1), 389–412. https://doi.org/10.1016/j.ejor.2024.12.049
Mohsenirad, S., & Triantis, K. (2025). Testing for heterogeneity in data envelopment analysis. Annals of Operations Research. Advance online publication. https://doi.org/10.1007/s10479-024-06460-0
Nawakasari, N., Hanoum, S., & Salahudin, M. S. (2025). Analisis efisiensi gudang dengan menggunakan model Data Envelopment Analysis (DEA) di PT Nusa Indah. INTECOMS: Journal of Information Technology and Computer Science, 8(5), 1441–1450. https://doi.org/10.31539/jpv11f92
Neves-Moreira, F., & Amorim, P. (2024). Learning efficient in-store picking strategies to reduce customer encounters in omnichannel retail. International Journal of Production Economics, 267, Article 109074.
Shakouri, R., & Salahi, M. (2024). Malmquist–Luenberger productivity index for a two-stage structure in the presence of undesirable outputs and uncertainty. Advances in Operations Research, 2024, Article 6905897. https://doi.org/10.1155/2024/6905897
Shojaie, S. E., Sadjadi, S. J., & Tavakkoli-Moghaddam, R. (2024). Malmquist productivity index for two-stage network systems under data uncertainty: A real-world case study. PLOS ONE, 19(7), Article e0307277. https://doi.org/10.1371/journal.pone.0307277
Soffan, S., Bramantoro, A., & Alzahrani, A. A. (2025). Combination of machine learning and data envelopment analysis to measure the efficiency of the Tax Service Office. PeerJ Computer Science, 11, Article e2672. https://doi.org/10.7717/peerj-cs.2672
