Bahasan utama penelitian ini terdiri dari tiga bagian, yaitu pengklasteran jaringan, distribusi prediktif, dan inferensi statistik. Tujuan dari pengklasteran jaringan yaitu untuk menentukan zona pengiriman. Selain itu, pengklasteran jaringan juga digunakan sebagai proses awal untuk memprediksi zona pengiriman dari sebuah jaringan yang berbobot. Permasalahan penelitian ini berasal dari situasi atau kondisi jaringan yang tidak statis. Gambaran dari permasalahan tersebut yaitu kondisi kepadatan lalu lintas yang berubah tiap waktunya, sehingga menyebabkan kondisi jaringan menjadi tidak statis. Untuk itu diperlukan suatu distribusi untuk menggambarkan situasi dinamis dari jaringan pendistribusian. Maka dari itu dibutuhkan pendekatan distribusi prediktif.
Penelitian ini menghasilkan alternatif baru inferensi statistik yang diperlukan untuk mengambil keputusan secara daring. Manfaat inferensi statistik pada prosedur pendistribusian dalam penelitian ini digunakan untuk menentukan jenis distribusi data dari setiap kedatangan informasi atau data baru. Hasil dari inferensi statistik tersebut menentukan perlu atau tidaknya dilakukan pemutakhiran strategi pendistribusian. Strategi pendistribusian ini meliputi proses pengklasteran jaringan dan optimisasi waktu pengiriman.
Uji statistik yang digunakan pada metode baru ini yaitu dengan memanfaatkan distribusi dari logaritma fungsi likelihood. Secara komputasi, kelebihan dari metode ini yaitu tidak diperlukannya penyimpanan data histori yang besar untuk proses pengujian. Proses pengujian dilakukan secara iteratif, sehingga inferensi cukup menggunakan hasil sebelumnya dengan menambahkan data baru. Metode baru ini diperlukan karena untuk perkembangan ke depannya banyak isu tentang big data, dengan demikian peranan statistika menggunakan metode klasik kurang efisien lagi. Kehadiran metode baru di era big data, memberikan kontribusi dalam bidang statistika untuk menghadapi kasus prediksi zona pengiriman dari jaringan yang dinamis.
Simulasi yang dilakukan pada penelitian ini membahas kasus multinomial dan diterapkan pada data transportasi yaitu kepadatan lalu lintas. Tahapan-tahapan yang telah dilalui, tiap pokok bahasannya menghasilkan jawaban terhadap masalah terbuka penelitian. Dengan demikian penelitian ini menghasilkan prosedur pendistribusian unit pada jaringan yang dinamis.