Pembentukan dan Evaluasi Model Proses Berdasarkan Data Proses pada Sistem Informasi Karaoke di PT. XYZ
DOI:
https://doi.org/10.33005/santika.v1i0.19Keywords:
process mining, discovery, alpha, algoritma genetika, fitnessAbstract
Efisiensi merupakan salah satu focus utama dalam sebuah proses bisnis. Dalam meningkatkan efisiensi, sistem informasi memiliki peran untuk mengatur proses bisnis di dalamnya sesuai dengan Standar Operasional dan Prosedur (SOP) untuk mencapai efisiensi yang maksimum. Namun dalam praktiknya, terdapat perbedaan dari SOP dengan proses bisnis yang dijalankan. Hal ini menyebabkan model proses yang terbentuk dengan SOP berbeda. Maka dari itu, perlu adanya evaluasi agar tidak berdampak negatif terhadap proses bisnis utama. Pembentukan model proses dilakukan dengan menggunakan metode process mining. Pada penelitian ini, menggunakan metode Alpha dan Algoritma Genetika. Hasil evaluasi menunjukkan bahwa model yang terbentuk menggunakan algoritma Alpha memiliki fitness 0,94 sedangkan Algoritma Genetika 0.98. Hal ini karena model yang terbentuk berasal dari algoritma Alpha tidak dapat menangani kasus perulangan pendek dan aktivitas tersembunyi.
References
[2] H. Rizqifaluthi and M. A. Yaqin, “Process Mining Akademik Sekolah menggunakan RapidMiner,” Matics, vol. 10, no. 2, p. 47, 2019, doi: 10.18860/mat.v10i2.5158.
[3] R. Sarno, W. A. Wibowo, Y. A. Effendi, and K. R. Sungkono, “Determining Process Model Using Time-Based Process Mining and Control-Flow Pattern,” vol. 14, no. 1, 2016, doi: 10.12928/TELKOMNIKA.v14i1.3257.
[4] D. Rahmawati, M. A. Yaqin, and R. Sarno, “Fraud detection on event logs of goods and services procurement business process using Heuristics Miner algorithm,” in 2016 International Conference on Information Communication Technology and Systems (ICTS), 2016, pp. 249–254, doi: 10.1109/ICTS.2016.7910307.
[5] A. Rozinat and W. M. P. van der Aalst, “Conformance checking of processes based on monitoring real behavior,” Inf. Syst., vol. 33, no. 1, pp. 64–95, 2008, doi: 10.1016/j.is.2007.07.001.
[6] R. Sarno, Y. A. Effendi, and F. Haryadita, “Modified Time-Based Heuristics Miner for Parallel Business Processes,” IRECOS (International Rev. Comput. Software), vol. 11, no. 3, pp. 249–260, 2016, doi: https://doi.org/10.15866/irecos.v11i3.8717.
[7] A. Vahedian Khezerlou and S. Alizadeh, “A new model for discovering process trees from event logs,” Appl. Intell., vol. 41, no. 3, pp. 725–735, 2014, doi: 10.1007/s10489-014-0564-7.
[8] A. Rozinat, R. S. Mans, M. Song, and W. M. P. van der Aalst, “Discovering colored Petri nets from event logs,” Int. J. Softw. Tools Technol. Transf., vol. 10, no. 1, 2008, doi: 10.1007/s10009-007-0051-0.
[9] M. Van Eck, “Alignment-based Process Model Repair and its Application to the Evolutionary Tree Miner,” no. December, 2013.
[10] A. Adriansyah, B. F. Van Dongen, and W. M. P. Van Der Aalst, “Conformance checking using cost-based fitness analysis,” Proc. - IEEE Int. Enterp. Distrib. Object Comput. Work. EDOC, pp. 55–64, 2011, doi: 10.1109/EDOC.2011.12.
[11] J. C. A. M. Buijs, B. F. Van Dongen, and W. M. P. Van Der Aalst, “On the role of fitness, precision, generalization and simplicity in process discovery,” Lect. Notes Comput. Sci. (including Subser. Lect. Notes Artif. Intell. Lect. Notes Bioinformatics), vol. 7565 LNCS, no. PART 1, pp. 305–322, 2012, doi: 10.1007/978-3-642-33606-5_19.
[12] W. M. P. Van Der Aalst, Process Mining Discovery, Conformance and Enhancement of Business Processes. Germany: Springer, 2011.
[13] J. C. a M. Buijs, “Flexible Evolutionary Algorithms for Mining Structured Process Models,” 2014, p. 345, 2014, doi: 10.6100/IR780920.
[14] W. M. P. Van Der Aalst, A. K. A. De Medeiros, and A. J. M. M. Weijters, Genetic process mining, vol. 3536. 2005.
