Perbaikan Proses Bisnis yang Terpotong dalam Kasus yang Mengandung Aktivitas Tidak Terlihat dan Pilihan Tidak Bebas pada Terminal Petikemas

Sungkono, Kelly Rossa (2018) Perbaikan Proses Bisnis yang Terpotong dalam Kasus yang Mengandung Aktivitas Tidak Terlihat dan Pilihan Tidak Bebas pada Terminal Petikemas. Masters thesis, Institut Teknologi Sepuluh Nopember.

[thumbnail of 05111650010045-Master_Thesis.pdf]
Preview
Text
05111650010045-Master_Thesis.pdf

Download (2MB) | Preview

Abstract

Algoritma-algoritma pembentukan model proses akan berjalan maksimal apabila log data yang diolah adalah log data yang lengkap. Pada kenyataannya, terdapat proses-proses yang tidak lengkap diakibatkan pengambilan data pada interval waktu tertentu. Untuk memberikan hasil maksimal bagi algoritma, maka diperlukan perbaikan terhadap proses yang terpotong dengan menjadikan model proses sebagai acuan.
Model proses deklaratif terdiri dari peraturan-peraturan yang menjelaskan relasi proses secara fleksibel untuk mempermudah analisa dan modifikasi. Akan tetapi, model proses deklaratif tidak menggambarkan control-flow pattern secara mendetail, sehingga relasi proses tidak tergambar secara langsung. MinerFul adalah algoritma yang mengkonversi model deklaratif menjadi model proses imperatif, model yang menggambarkan control-flow pattern. Akan tetapi, MinerFul tidak dapat menggambarkan relasi non-free choice pada kondisi proses yang melibatkan invisible task. Kemudian, model proses imperatif tidak memperhatikan data tambahan yang disebut atribut, yang digunakan untuk penentuan aktivitas pengganti pada relasi pilihan dalam perbaikan proses terpotong.
Penelitian ini membentuk model proses imperatif tree yang mampu menggambarkan non-free choice dan invisible task dengan cara menggabungkan control-flow pattern yang terbentuk dalam Linear Temporal Logic (LTL). LTL dipilih karena ia merupakan bahasa formal dalam penggambarakn relasi komponen yang berkaitan dengan waktu dan LTL dapat dikonversi menjadi model tree yang merupakan representasi model proses imperatif. Kemudian, model proses imperatif akan diberi tambahan atribut dari data tambahan. Atribut adalah data selain aktivitas yang ditambahkan di log data, yang dalam penelitian ini adalah detail lampiran aktivitas. Data ini akan ditambahkan pada aktivitas di relasi pilihan model proses imperatif. Kemudian, proses terpotong akan diperbaiki dengan menggolongkan proses terpotong dan anomali dan pemberian aktivitas pengganti berdasarkan urutan node dengan kondisi khusus. Kondisi khusus adalah aktivitas pengganti pada relasi pilihan yang dipilih adalah aktivitas yang memiliki atribut yang sesuai dengan atribut pada proses terpotong.
Kemampuan penggambaran non-free choice dan invisible task pada model proses imperatif menghasilkan nilai presisi dan simplicity lebih tinggi dari hasil MinerFul, dengan rata-rata nilai presisi adalah 0,861 dan nilai simplicity adalah 0,878. Kemudian, hasil perbaikan proses yang terpotong dengan memperhatikan atribut menunjukkan bahwa akurasi lebih tinggi dibandingkan algoritma Heuristic Linear Approach terutama dalam proses yang terpotong di awal, dimana rata-rata akurasi yang didapat adalah 82,16%.
========================================================================================================
Process discovery algorithms run optimally if an event log is a complete log. In fact, there is a truncated process due to data retrieval at certain time intervals. To provide maximum results for the algorithms, recovering the truncated process is necessary.
A declarative process model consists of several rules that explain the relations of process flexibly. It leads to the ease in analyzing or modifying the process. However, a declarative model does not describe control-flow patterns in detail, so the relations of process are not drawn directly. MinerFul can convert a declarative model to an imperative model, a model that describes control-flow patterns. The disadvantage of MinerFul is an inability to describe non-free choice relations in the processes involving invisible tasks. Furthermore, the imperative model does not consider additional data called attributes, which are used for the determination of replacement activities of choice relations in the truncated process.
This research forms an imperative model, in the form model tree, that involves non-free choice and invisible tasks by combining control-flow pattern in Linear Temporal Logic (LTL). LTL is chosen because it is a formal language for describing the relation of components related to time and it can be converted into a tree model as the imperative model. Afterwards, the imperative model will be given additional attributes. Attribute is data, other than activity, added in the event log. In this research, attributes are detail attachments of activities in the event log. This data will be added to the activity in the choice relation of the imperative model. Then, the truncated processes will be corrected by classifying the truncated and anomalous and then providing replacement activity based on the order of nodes in the preorder and reverse preorder with a special condition. A special condition is a chosen activity on the choice relation is an activity that has an attribute that matches the attribute of the truncated process.
Non-free choice and invisible task capability by proposed method obtains higher precision and simplicity values than MinerFul results, with an average precision value of 0.861 and a simplicity value of 0.878. Then, the result of recovering truncated processes with respect to the attribute by proposed method shows higher accuracy than the result of Heuristic Linear Approach, especially in the truncated process at the beginning. The average accuracy of the recovered results by proposed method is 82.16%.

Item Type: Thesis (Masters)
Additional Information: RTIf 005.74 Sun p-1 3100018074906
Uncontrolled Keywords: aktivitas yang hilang, invisible task, linear temporal logic (LTL), model proses tree, non-free choice, proses yang terpotong, invisible task, missing events, tree process model, truncated processes
Subjects: Q Science > QA Mathematics > QA76.9 Computer algorithms. Virtual Reality. Computer simulation.
Divisions: Faculty of Information Technology > Informatics Engineering > 55101-(S2) Master Thesis
Depositing User: Sungkono Kelly Rossa
Date Deposited: 06 Feb 2018 08:09
Last Modified: 27 Mar 2020 14:11
URI: http://repository.its.ac.id/id/eprint/49839

Actions (login required)

View Item View Item