Banyak layanan dalam proses bisnis mengarahkan sistem informasi untuk menghasilkan sejumlah besar log data yang sulit untuk diamati secara langsung. Log data dalam jumlah besar tersebut akan dianalisis menggunakan teknik proses penemuan (process dicovery) untuk memperoleh model proses dengan menerapkan beberapa algoritma terkenal, seperti algoritma deterministik dan algoritma heuristik. Semua algoritma proses penemuan memiliki keunggulan dan keterbatasan dalam menganalisis dan menemukan log data ke dalam model proses.
Penelitian ini mengusulkan algoritma Time-based Alpha++ Miner baru yang merupakan peningkatan dari algoritma Alpha++ Miner dan Modified Time-based Alpha Miner. Algoritma baru yang diusulkan pada penelitian ini mampu mempertimbangkan noise pada trace dalam log data, loop, dan non-free choice ketika memodelkan model proses di mana kedua algoritma aslinya tidak dapat menyelesaikan masalah-masalah tersebut. AlgoritmaTime-based Alpha++ Miner baru memanfaatkan pola interval waktu untuk menemukan model proses dengan menggunakan log data waktu ganda dan menentukan hubungan sekuensial dan paralel (AND, OR, dan XOR). Dibandingkan dengan kedua algoritma asli yang hanya dapat menemukan relasi sekuensial dan paralel (AND dan XOR). Untuk mengetahui perbedaan antara Alpha++ Miner asli dan algoritma usulan yang baru, termasuk model proses dan hubungannya, evaluasi menggunakan nilai fitness dan presisi dilakukan dalam penelitian ini.
Algoritma Alpha++ Miner Baru yang diusulkan
Ada beberapa tahapan dalam algoritma baru yang diusulkan dalam penelitian ini, diantaranya Diferensiasi Hubungan Paralel yang merupakan model proses memiliki relasi hubungan yang berbeda untuk menghubungkan semua aktivitas di dalam sebuah proses bisnis lengkap. Hubungan dalam model proses terdiri dari sekuensial dan paralel. Relasi sekuensial adalah relasi untuk menghubungkan satu aktivitas dan aktivitas lain secara langsung. Sedangkan, hubungan paralel dibagi menjadi paralel AND, XOR, dan OR.
Selanjutnya ada Algoritma Alpha ++ berbasis Waktu dengan Pola Interval Waktu. Secara garis besar, terdapat 3 langkah yang didefinisikan dalam penelitian ini untuk menemukan model proses dari data log. Seperti, menentukan log data waktu ganda, menentukan hubungan antar aktivitas, dan membangun model proses.
Data studi kasus pada penelitian ini adalah proses bisnis tekstil di mana log data dihasilkan dari PT. XYZ; sebuah perusahaan produksi benang di Jakarta, Indonesia. Proses bisnis PT. XYZ terdiri dari 11 aktivitas.Evaluasi oleh algoritma yang diusulkan juga diimplementasikan pada log data yang mengandung 10% noise, 30% noise, dan 50% noise.
Penelitian ini juga menyajikan perbandingan hasil dari studi kasus dan log data yang sama dari dua algoritma berbeda yaitu algoritma usulan dan algoritma Alpha++ asli untuk membandingkan dan membuktikan bahwa algoritma yang diusulkan dapat menemukan model proses yang lebih baik daripada algoritma Alpha++ Miner asli. Hasil yang diperoleh adalah algoritma usulan dapat menemukan model proses yang mengandung AND dan OR dengan nilai fitness dan presisi yang lebih tinggi daripada algoritma asli, sedangkan algoritma asli mendefinisikan relasi model proses sebagai relasi AND dan XOR.
Penelitian ini berfokus pada memperkenalkan pendekatan baru untuk menemukan proses bisnis paralel menggunakan pola interval waktu yang diimplementasikan dalam algoritma Alpha++ Miner. Metode yang diusulkan mendefinisikan tujuh jenis pola interval waktu yang mencakup sekuensial dan paralel dan mengelompokkannya ke dalam aturan-aturan.
Algoritma Alpha++ berbasis waktu baru adalah versi upgrade dari algoritma Alpha++ Miner. Dibandingkan dengan algoritma Alpha++ Miner asli, algoritma yang ditingkatkan ini dapat mendeteksi urutan dan waktu paralel menggunakan pola interval waktu dan mengidentifikasi kedua hal tersebut sebagai proses sekuensial dan paralel, menemukan loop, menentukan non-free choice, dan juga membedakan hubungan AND, OR, XOR dalam suatu definisi yang benar. Sementara itu algoritma Alpha++ Miner asli tidak dapat mendefinisikan perbedaan antara OR dan XOR dalam hubungan paralel berdasarkan hasil percobaan penelitian.
Hasil percobaan menunjukkan bahwa pendekatan penemuan proses baru yang diusulkan dapat menemukan proses bisnis dengan hubungan AND dan OR, yang tidak dapat diperoleh dengan algoritma Alpha++ Miner asli. Selain itu, hasil fitness dan presisi juga dengan jelas menyatakan bahwa Alpha++ berbasis waktu baru yang diusulkan juga memberikan hasil yang lebih baik daripada algoritma Alpha++ Miner asli.
Penulis: Yutika Amelia Effendi, S.Kom., M.Kom.
Informasi detail dari riset ini dapat dilihat pada tulisan kami di:
https://journals.iium.edu.my/ejournal/index.php/iiumej/article/view/1173/730
Yutika Amelia Effendi, Riyanarto Sarno (2020).Parallel Process Discovery Using A New Time-based Alpha++ Miner. IIUM Engineering Journal. Vol.21, No.1, pp. 126-141, January2020. DOI: 10.31436/iiumej.v21i1.1173
