Dien, Muhammad Taufiqulsa`di (2020) Meningkatkan Efisiensi Process Discovery Menggunakan Graph Database Melalui Integrasi Laravel Dengan Neo4J. Other thesis, Institut Teknologi Sepuluh Nopember.
Preview |
Text
0511164000053-Undergraduate_Thesis.pdf Download (1MB) | Preview |
Abstract
Enterprise Resource Planning (ERP) adalah aplikasi yang digunakan untuk mendukung proses bisnis perusahaan. Permasalahan yang muncul pada ERP saat ini adalah analisis proses bisnis secara manual. Process discovery adalah studi untuk membantu perusahaan menganalisis proses bisnis mereka dengan membangun model proses secara otomatis. Permasalahaan terbaru dalam process discovery adalah invisible tasks in non-free choice. Algoritma Alpha$ adalah metode process discovery yang mampu menangani invisible tasks in non-free choice. Alpha$ adalah kombinasi algoritma Alpha++ dan Alpha#, dimana algoritma ini menggambarkan relasi aktivitas secara implisit dalam bentuk kombinasi aktivitas. Relasi implisit tersebut mengakibatkan Alpha$ melakukan pemeriksaan kombinasi tersebut untuk menemukan invisible tasks in non-free choice. Proses pemeriksaan kombinasi pada algoritma Alpha$ menghasilkan waktu kompleksitas tinggi.
Algoritma berbasis graph, yaitu Graph Parallel dan Graph Invisible Task, memanfaatkan graph database dalam process discovery. Graph database menyimpan aktivitas dan relasi antara aktivitas, sehingga algoritma berbasis graph mendeteksi relasi paralel dan invisible task berdasarkan relasi antar aktivitas di graph database. Terdapat beberapa kekurangan dari algoritma berbasis graph yang ada. Pertama, algoritma-algoritma tersebut belum membangun aturan pendeteksi invisible tasks in non-free choice. Kedua, algoritma-algoritma tersebut tidak terintegrasi dengan ERP, sehingga terdapat proses pengambilan data di ERP dan konversi kedalam bentuk graph database.
Tugas akhir ini mengembangkan algoritma GIN, agloritma process discovery yang mampu menggambarkan invisible tasks in non-free choice secara efisien. Langkah efisiensi pertama adalah pengunaan graph database dengan mengembangkan algoritma berbasis graph yang ada untuk menggambarkan invisible tasks in non-free choice. Langkah efisiensi kedua adalah integrasi ERP dengan graph database sehingga log data dari ERP secara otomatis tersimpan dalam bentuk graph, menghilangkan proses pengambilan data dan konversi pada algoritma graph sebelumnya. Eksperimen dalam tugas akhir ini membandingkan hasil model proses dan kompleksitas waktu antara algoritma GIN dan algoritma Alpha++ dan Alpha$. Berdasarkan hasil model proses, fitness dan presisi algoritma Alpha++ adalah 0,98 dan 0,92. Algoritma Alpha$ dan algoritma GIN mendapat 1, baik fitness dan presisi. Berdasarkan kompleksitas waktu, algoritma GIN lebih baik, dimana Alpha++ dan Alpha$ adalah O(n^4), sedangkan algoritma GIN adalah O(n^3).
| Item Type: | Thesis (Other) |
|---|---|
| Uncontrolled Keywords: | graph database, invisible task, non-free-choice, process discovery |
| Subjects: | T Technology > T Technology (General) > T57.5 Data Processing |
| Divisions: | Faculty of Science and Data Analytics (SCIENTICS) > Actuaria > 94203-(S1) Undergraduate Thesis |
| Depositing User: | Muhammad Taufiqulsa`di |
| Date Deposited: | 07 Aug 2020 05:59 |
| Last Modified: | 28 May 2023 16:02 |
| URI: | http://repository.its.ac.id/id/eprint/77128 |
Actions (login required)
 |
View Item |