Detail Cantuman

PERBANDINGAN HASIL PREDIKSI UNTUK MENCARI SIMILARITAS TERTINGGI ANTARA PROSES MODEL DENGAN PROSEDUR MENGGUNAKAN PENDEKATAN PROCESS MINING

JOSEPH FRINANDO ARITONANG / 162021011 - Personal Name
0412097401 - Raden Budiraharjo, S.S., MT. - Personal Name
Text English 2025 Sistem Informasi : FTI

Penelitian ini menganalisis proses kenaikan gaji berkala PNS pada DPMPTSP Provinsi Jawa Barat menggunakan process mining untuk merekonstruksi proses aktual dan mendeteksi penyimpangan dari SOP. Event log direpresentasikan ke vektor numerik TF-IDF, kemudian diklaster dengan K-Means; jumlah klaster ditentukan melalui WCSS dan divalidasi secara internal memakai Silhouette dan Davies–Bouldin Index (DBI). Konfigurasi akhir memilih K=10 karena memberikan pemisahan paling stabil untuk tahap discovery per-klaster dan evaluasi. Model proses tiap klaster kemudian ditambang menggunakan Inductive Miner, menghasilkan Process Tree sebagai acuan evaluasi. Kualitas model diukur dengan Four Quality Dimensions (Fitness, Precision, Generalization, Simplicity) dan tingkat kesesuaian terhadap SOP dihitung menggunakan Koefisien Jaccard yang menggabungkan kesamaan struktural dan perilaku. Hasil menunjukkan variasi proses yang kuat antar-klaster; skor kesesuaian terbaik terdapat pada Cluster 7 dengan Similarity Measure (SM) 0,797 serta Simplicity 1,00 dan Generalization 0,89, meski Fitness (0,586) dan Precision (0,700) masih sedang. Klaster lain berada pada rentang SM 0,214–0,716, mengindikasikan adanya praktik menyimpang/outlier yang jauh dari SOP. Temuan ini menegaskan bahwa pengelompokan jejak sebelum process discovery membantu memperoleh model yang lebih homogen dan memudahkan prioritisasi perbaikan prosedur serta peningkatan kepatuhan proses.

This study analyzes the process of periodic salary increases for civil servants at the West Java Provincial DPMPTSP using process mining to reconstruct the actual process and detect deviations from SOPs. Event logs are represented as TF-IDF numerical vectors, then clustered using K-Means; the number of clusters is determined through WCSS and validated internally using Silhouette and Davies–Bouldin Index (DBI). The final configuration selects K=10 because it provides the most stable separation for the per-cluster discovery and evaluation stages. The process model for each cluster was then mined using Inductive Miner, producing a Process Tree as a reference for evaluation. Model quality was measured using Four Quality Dimensions (Fitness, Precision, Generalization, Simplicity), and the level of conformity to SOPs was calculated using the Jaccard Coefficient, which combines structural and behavioral similarities. The results show strong process variation between clusters; the best conformity score was found in Cluster 7 with a Similarity Measure (SM) of 0.797, Simplicity of 1.00, and Generalization of 0.89, although Fitness (0.586) and Precision (0.700) were still moderate. Other clusters were in the SM range of 0.214–0.716, indicating the existence of deviant practices/outliers that were far from the SOP. These findings confirm that clustering traces prior to process discovery helps to obtain a more homogeneous model and facilitates the prioritization of procedure improvements and increased process compliance.

Ketersediaan

LOADING LIST...

Lampiran Berkas

LOADING LIST...

Detail Information

Bagian	Informasi
Pengarang	JOSEPH FRINANDO ARITONANG / 162021011 - Personal Name 0412097401 - Raden Budiraharjo, S.S., MT. - Personal Name
No. Panggil	075IS/25
Subyek	Process Mining, Inductive Miner, K-Means TF-IDF, Jaccard Similarity Four Quality Dimensions
Fakultas	FTI
Tahun Terbit	2025
Jurusan	Sistem Informasi
Deskripsi Fisik
Info Detil Spesifik

Citation

APA Style

. (2025).PERBANDINGAN HASIL PREDIKSI UNTUK MENCARI SIMILARITAS TERTINGGI ANTARA PROSES MODEL DENGAN PROSEDUR MENGGUNAKAN PENDEKATAN PROCESS MINING().Sistem Informasi:FTI

Chicago Style

.PERBANDINGAN HASIL PREDIKSI UNTUK MENCARI SIMILARITAS TERTINGGI ANTARA PROSES MODEL DENGAN PROSEDUR MENGGUNAKAN PENDEKATAN PROCESS MINING().Sistem Informasi:FTI,2025.Text

MLA Style

.PERBANDINGAN HASIL PREDIKSI UNTUK MENCARI SIMILARITAS TERTINGGI ANTARA PROSES MODEL DENGAN PROSEDUR MENGGUNAKAN PENDEKATAN PROCESS MINING().Sistem Informasi:FTI,2025.Text

Turabian Style

.PERBANDINGAN HASIL PREDIKSI UNTUK MENCARI SIMILARITAS TERTINGGI ANTARA PROSES MODEL DENGAN PROSEDUR MENGGUNAKAN PENDEKATAN PROCESS MINING().Sistem Informasi:FTI,2025.Text

Detail Cantuman

PERBANDINGAN HASIL PREDIKSI UNTUK MENCARI SIMILARITAS TERTINGGI ANTARA PROSES MODEL DENGAN PROSEDUR MENGGUNAKAN PENDEKATAN PROCESS MINING

Detail Information

Citation

Homepage Info

Koleksi

Media Sosial / Kanal

Address