Penyempurnaan Model Proses Bisnis Berdasarkan Umpan Balik Pengguna Menggunakan Pendekatan Graph Matching Dan Deep Learning

Indahyanti, Uce (2026) Penyempurnaan Model Proses Bisnis Berdasarkan Umpan Balik Pengguna Menggunakan Pendekatan Graph Matching Dan Deep Learning. Doctoral thesis, Institut Teknologi Sepuluh Nopember.

Text 7025211023-PHD_Thesis.pdf - Accepted Version Restricted to Repository staff only Download (6MB) | Request a copy

Abstract

Model proses bisnis berperan penting dalam menggambarkan cara kerja suatu sistem dan menjadi dasar bagi kegiatan evaluasi maupun perbaikan proses. Di sisi lain, umpan balik pengguna merupakan sumber informasi yang kaya mengenai pengalaman, kebutuhan, serta kelemahan proses yang berjalan. Perbaikan proses bisnis yang dilakukan saat ini masih mengandalkan keahlian pakar tanpa mempertimbangkan umpan balik pengguna. Akibatnya, banyak desain ulang yang sebenarnya diinginkan oleh pengguna tapi terabaikan. Penelitian ini mengusulkan serangkaian pendekatan terintegrasi untuk menjembatani kesenjangan tersebut. Tahap pertama memanfaatkan teknik deep learning untuk mengklasifikasikan teks umpan balik menjadi tiga kategori, yakni permintaan fitur baru, perbaikan fitur, dan komentar umum. Hanya teks yang merepresentasikan kebutuhan perubahan proses yang dilanjutkan ke tahap berikutnya. Tahap kedua mengembangkan metode feedback to BPMN (FB2BPMN) untuk mengubah teks umpan balik menjadi representasi BPMN To-Be secara otomatis. Pengembangan ini mengombinasikan Natural Language Processing (NLP), Large Language Model (LLM), dan fuzzy matching, dengan pengendalian struktur berbasis template untuk menghasilkan BPMN To-Be. Tahap ketiga adalah identifikasi elemen proses yang terdampak menggunakan algoritma graph edit distance (GED). Representasi BPMN As-Is dan To-Be dikonversi menjadi Business Process Graf (BPG), kemudian dihitung jarak edit graf untuk menelusuri perubahan struktur proses. Hasil analisis menunjukkan perbedaan pada tingkat node dan edge, sehingga dapat diamati proses mana yang berubah secara signifikan maupun yang hanya mengalami perubahan semantik. Tahap keempat atau tahap akhir berupa pemberian rekomendasi perbaikan proses bisnis. Karena model To-Be hasil translasi tidak selalu mencakup praktik umum proses bisnis, penelitian ini menambahkan mekanisme rekomendasi berbasis repositori fitur lintas domain. Kata kunci yang muncul pada label aktivitas dipetakan ke fitur-fitur proses generik, sehingga sistem dapat mengusulkan kemungkinan penyempurnaan yang relevan. Pendekatan ini bersifat semi-otomatis dan mudah diperluas ke domain lain. Metode ini diuji pada kumpulan umpan balik pengguna aplikasi Open Journal System (OJS). Eksperimen menunjukkan bahwa rangkaian pendekatan yang diusulkan mampu menghubungkan informasi tak terstruktur dari pengguna dengan struktur proses bisnis formal, serta mengidentifikasi peluang penyempurnaan proses secara lebih sistematis.
======================================================================================================================================
Business process models are essential for describing how a system operates and for supporting process evaluation and improvement. User feedback, on the other hand, provides a rich source of information about user experience, needs, and weaknesses in the current process. Business process refinement remains largely guided by expert evaluations, with limited incorporation of user feedback. Therefore, numerous redesign needs emerging from users are not accommodated. This study proposes an integrated set of approaches to bridge this gap. The first stage applies deep learning techniques to classify user feedback into three categories: requests for new features, requests for feature improvements, and general comments. Only feedback that indicates a need for process change is forwarded to the next stage. The second stage develops a feedback-to-BPMN method (FB2BPMN) to automatically transform user feedback into a BPMN To-Be representation. This method combines Natural Language Processing (NLP), a Large Language Model (LLM), and fuzzy matching, with template-based structural control to produce BPMN To-Be. The third stage identifies affected process elements using a graph edit distance (GED) algorithm. BPMN As-Is and BPMN To-Be are converted into Business Process Graphs (BPG), and the graph edit distance is computed to trace structural changes. The results reveal differences at the node and edge levels, enabling the identification of changes that are structurally significant as well as those that are primarily semantic. The fourth stage provides recommendations for business process improvement. Because BPMN To-Be produced from translation may not fully capture common business process practices, this study introduces a recommendation mechanism based on a cross-domain feature repository. Keywords extracted from activity labels are mapped to generic process features, allowing the system to suggest relevant refinements. This approach is semi-automated and can be readily extended to other domains. The proposed method is evaluated using user feedback from the Open Journal Systems (OJS) platform. The experiments show that the integrated pipeline can connect unstructured user information to formal business process structures and systematically identify opportunities for process refinement.

Item Type:	Thesis (Doctoral)
Uncontrolled Keywords:	umpan balik pengguna, BPMN, deep learning, FB2BPMN, BPG, GED, rekomendasi berbasis repositori fitur lintas domain, user feedback, BPMN, deep learning, FB2BPMN, BPG, GED, cross-domain feature recommendation
Subjects:	Q Science > QA Mathematics > QA336 Artificial Intelligence
Divisions:	Faculty of Intelligent Electrical and Informatics Technology (ELECTICS) > Informatics Engineering > 55001-(S3) PhD Thesis (Comp Science)
Depositing User:	Uce Indahyanti
Date Deposited:	26 Jan 2026 07:37
Last Modified:	26 Jan 2026 07:37
URI:	http://repository.its.ac.id/id/eprint/130310

Actions (login required)

View Item