Common Process Extraction Pada Scalable Model Proses Bisnis
Abstract
Ekstraksi common process dilakukan untuk mendapatkan rangkaian proses yang selalu ada dalam setiap model proses bisnis. Common process didapatkan melalui serangkaian proses berdasarkan pada kemiripan model proses bisnis. Model proses bisnis dapat diukur kemiripannya dalam tiga aspek, yaitu kemiripan semantik label, kemiripan struktural, dan kemiripan perilaku. Ketiga aspek kemiripan tersebut digabungkan untuk mendapatkan tingkat kemiripan keseluruhan dengan memberikan bobot pada setiap aspek. Kemudian hasil kemiripan tersebut digunakan untuk proses pengelompokan (clustering). Kombinasi bobot, tingkat skalabilitas, dan nilai threshold berpengaruh pada akurasi hasil clustering. Akurasi hasil clustering yang didapatkan adalah 100% dengan treshold 0.48 dengan kombinasi bobot kemiripan semantik, struktural dan perilaku (0.5, 0.3, 0.2) dan threshold 0.50 dengan kombinasi bobot (0.5, 0.4, 0.1). Dari setiap cluster yang telah terbentuk dicari common process dengan metode graph partition aproach. Akhirnya common process yang didapatkan merupakan representasi dari suatu proses bisnis.References
S. R. Magal dan J. Word, Integrated business processes with ERP systems, Wiley Publishing, 2011.
M. L. Rosa W. M. V. d. Aalst M. Dumas dan F. . Milani “Business process variability modeling: A survey ” 3.
R. Sarno E. W. amungkas dan D. Sunaryono “Workflow common fragments extraction based on WSDL similarity and graph dependency ” dalam 2015 International Seminar on Intelligent Technology and Its Applications (ISITIA).
S. Niwattanakul J. Singthongchai E. Naenudorn dan S. Wanapu “Using of Jaccard Coefficient for Keywords Similarity ” Proceedings of the International MultiConference of Engineers and Computer Scientists 2013, vol. Vol I, pp. 1-5, 2013.
E. Gallagher, COMPAH Documentation, Boston: University of Massachusetts, 1999.
C. D. Manning, P. Raghavan, H. Schutze dan others, Introduction of Information Retrieval, New York: Camridge University Press, 2008.
G. N. D. Adwitya, Analisis dan Implementasi Algoritma Overlapping Cover Coefficient-Based Clustering Method (OC3M) Pada Dokumen Teks Berbahasa Indonesia, Bandung: Universitas Telkom, 2015.
A. W. Prasetya, Aplikasi Pengolahan Proses Bisnis Menggunakan Metode Analisis Kemiripan Behavioral, Structural, dan Semantic untuk Meningkatkan Akurasi dalam Penentuan Common Fragment Workflow pada ERP Pesantren, vol. I, Malang: UIN Maulana Malik Ibrahim Malang, 2017, pp. 1-7.
J. Billington, S. Christensen, K. Van Hee, E. Kindler, O. Kummer, L. Petrucci, R. Post, C. Stehno dan M. Weber “The etri net markup language: concepts technology and tools ” dalam International Conference on Application and Theory of Petri Nets, Springer, 2003, pp. 483--505.
A. C. Fauzan, Sistem Cerdas Untuk Menemukan Behavioral Similarity Pada Model Proses Bisnis Menggunakan Algoritma TArs, Malang: UIN Maulana Malik Ibrahim Malang, 2012.
R. Dijkman, M. Dumas dan L. Garcia-Banuelos “Graph Matching Algorithms for Business rocess Model Similarity Search ” Business Process Management, vol. Volume 5701 of the series Lecture Notes in Computer Science, pp. pp 48-63, 2009.
R. Anggrainingsih “Analisis Dan Verifikasi Workflow Mengggunakan etri Studi kasus; roses Bisnis di Universitas Sebelas Maret ” Seminar Nasional Teknologi Informasi & Komunikasi Terapan 2014 (Semantik 2014), 2014.
