Fakultas Ilmu Komputer
Universitas Brawijaya
2874
Pengecekan
Conformance
Modul Proses Keuangan Dengan Process Mining
Pada Rumah Sakit Medika Mulia Di Kabupaten Tuban
Harisul Ikrom Amin1, Aditya Rachmadi2, Nanang Yudi Setiawan3
Program Studi Sistem Informasi, Fakultas Ilmu Komputer, Universitas Brawijaya Email: 1harisulikromamin@gmail.com, 2rachmadi.aditya@ub.ac.id, 3nanang@ub.ac.id
Abstrak
Proses mining dalam pemodelan proses bisnis berfungsi untuk mengetahui proses bisnis yang telah terekam event log yang menghasilkan sebuah workflow proses bisnis. Format yang harus ada dalam pembuatan event log proses bisnis minimal harus meliputi case id, timestamp, dan aktivitas didalamnya, kemudian event log akan ditranformasikan dalam bentuk model mining XML untuk dan ditranformasikan lagi dalam bentuk Petri Net. ProM tools merupakan tools dalam melakukan proses mining dengan menerapkan plugin yang ada pada ProM tools dibandingkan dengan proses bisnis yang ada pada perusahaan berdasarkan parameter yang ada pada ProM tools untuk mencari nilai fitness dan structure kemudian dibandingkan. Rumah sakit Medika Mulia di Kabupaten Tuban telah mengembangkan sistem ERP sendiri. ERP pada rumah sakit berfungsi sebagai sebuah sistem yang mengelola seluruh proses bisnis yang dijalankan. Sebelum sistem ERP dijalankan dan diimplementasikan diperlukan analisis mengenai proses bisnis yang dijalankan apakah nantinya akan sesuai dengan sistem ERP yang akan diimplementasikan pada rumah sakit. Metode yang diterapkan peneliti dalam penelitian ini adalah analisis menggunakan proses mining.
Kata kunci: Process Mining, Event Log, System ERP
Abstract
The mining process in modelling system of business process serves to know an executed business process in the event log that shows a workflow on the running business processs. The format that must be exist in making the event log of business process are case id, timestamp, and activity, then the event log will be transformed in the form of XML mining model and Petri Net model as well. Moreover, ProM tools is a tool in the process of mining which use the existing plugin in ProM tools compared with existing business processes on the company. It is compared based on the parameters available in ProM tools which is to find the value of fitness and structure then those process are compared. In this case, Medika Mulia Hospital in Tuban Regency has develoed its own ERP system. ERP system in this hospital is used as a system that manages all business processes in the hospital. Before the ERP system is used and implemented, it needs an analysis on the business process which is to examine whether it will be in accordance with the ERP system or not. The method that used by the author of this study is mining process analysis.
Keywords: Process Mining, Event Log, System ERP
1. PENDAHULUAN
Dalam perkembangannya, sistem ERP juga terdapat hal-hal yang menjadi faktor-faktor penghambat, hal yang sering ditemukan adalah ketidaksiapan organisasi dalam menghadapi perubahan (Kwahk dan Lee, 2008). Terdapat dua faktor utama yang menghambat perkembangan ERP dalam perusahaan diantaranya adalah komitmen organisasi dalam menghadapi
proses bisnis pada ERP dapat menggunakan proses mining dalam memodelkan proses bisnis suatu perusahaan.
Rumah sakit Medika Mulia di Kabupaten Tuban dimana rumah sakit ini telah mengembangkan sistem ERP CMSM (Complete Medical Software Management). ERP pada rumah sakit berfungsi sebagai sebuah sistem yang mengelola seluruh proses bisnis yang dijalankan. Sebelum sistem ERP dijalankan dan diimplementasikan diperlukan analisis mengenai proses bisnis yang dijalankan apakah nantinya akan sesuai dengan sistem ERP yang akan diimplementasikan pada rumah sakit.
rumah sakit Medika Mulia menggunakan
sistem
ERP CMSM (Complete Medical Software Management), terdapat modul-modul yang didalamnya terdapat proses bisnis yang saling terintegrasi. Dari beragam modul yang terdapat pada ERP CMSM menghasilkan event log, event log merupakan catatan aktivitas yang dilakukan selama menjalankan sistem. Untuk memproses data yang tercatat yang jumlahnya tidak sedikit sehingga metode yang dapat diimpelementasikan peneliti adalah menggunakan process mining.Proses mining dalam pemodelan proses bisnis berfungsi untuk mengetahui aktivitas yang telah dijalnkan yang akan menghasilkan workflow mengenai proses bisnis yang dijalankan. Event log sendiri adalah sebuah hasil proses ekstraksi dari ERP. Format yang harus ada dalam pembuatan event log proses bisnis minimal harus meliputi case id, timestamp, dan aktivitas didalamnya, kemudian event log akan ditranformasikan dalam bentuk model mining XML untuk dan ditranformasikan lagi dalam bentuk Petri Net hal ini bertujuan untuk memudahkan penggambaran workflow dimana proses tersebut menggunakan ProM tools dalam pembuatannya. ProM tools merupakan tools dalam melakukan proses mining dengan menggunakan algoritma pada ProM tools dibandingkan dengan SOP proses bisnis yang dijalankan perusahaan berdasarkan parameter yang ada pada ProM tools.
Penelitian ini untuk menilai ketetapan antar model proses dengan event log sehingga bisa didapatkan kesesuaian antar event log dengan prses model proses bisnis yang dijalankan dan diharapkan dapat menjadi masukan dalam menyusun langkah-langkah selanjutnya bagi pihak rumah sakit, sehingga kualitas kinerja sistem ERP rumah sakit akan lebih baik.
Process mining adalah metode yang
digunakan untuk meneliti behaviour dari aktivitas yang terekam dalam event log dan melakukan proses discovery model proses bisnis yang akan dievaluasi. Terdapat tiga tahapan utama dalam melakukan proses mining, antara lain : (Aalst, 2013)
a) Discovery
Pada proses ini akan dilakukan pencarian terhadap model yang sebelumnya belum ditemukan, dimana proses ini berdasarkan event log sehingga proses bisnis akan tergambarkan dimana setiap gambaran akan berbeda tergantung algoritma yang digunakan.
b) Conformance Analysis
Proses ini dilakukan ketika telah ditemukan proses bisnis yang dihasilkan dari proses discovery.
c) Enhancment
Tahapan ini bertujuan untuk meningkatkan kualitas model yang ditemukan pada proses discovery.
Event log adalah hasil dari proses pencatatan history berupa hasil aktivitas pada suatu sistem terdiri case ID, task, event, user dan waktu (timestamp).
Petri Net merupakan tools yang digunakan untuk memilih model system yang akan dijalankan bersamaan serta alasan kenapa memilih system tersebut (C.A Petri 1962), tersusun dari transisi, place, dan arah panah yang menunjukkan hubungan antara place dan transisi. Berikut merupakan jenis relasi pada petrinet :
a) Proses yang berjalan normal.
Gambar 1. Process normal
b) Proses paralel
Gambar 2. Process paralel
Gambar 3. Process percabangan XOR
d) Proses X dan Y harus terpenuhi sebelum ke proses Z.
Gambar 4. Process bersyarat proses X dan Y harus terpenuhi
e) Proses X atau Y harus terpenuhi sebelum lanjut ke Z.
Gambar 5. Process bersyarat Z yang terpenuhi salah satu X atau Y
ProM Tools merupakan tools yang dikembangkan yang berbasis java untuk melakukan analisis process mining. ProM mendukung teknik analisis proses dengan menambahkannya kedalam plugin yang telah tersedia. Berikut ini merupakan gambaran umum kerangka kerja dari ProM tools.
Gambar 6. Skema Framewoek ProM Tools
Disco merupakan tools proses mining yang mengolah data set proses. Tools ini dikembangkan perusahan teknologi yang ada di Belanda yaitu Fluxicon.
Yawl (Yet Another Workflow Language) merupakan sebuah bahasa baru yang
dikembangkan oleh Wil van der Aalst dari Universitas Teknologi Eindhoven, Belanda dan Arthur ter Hofstede dari Universitas Teknologi Queensland Australiai, pada tahun 2002. Bahasa ini didasarkan pada petri net, didasarkan pada teori konkurensi dengan representasi grafis. Pola work flow membentuk tolok ukur yang diterima secara umum untuk kesesuaian proses spesifikasi. Petri Net dapat menangkap dan mengindenyifikasi banyak control flow, namun kekurangannya adalah dukungan untuk pola contoh ganda seperti pola pembatalan dan pola OR-OR bergabung secara umum.
2. METODOLOGI
2.1 Kerangka Berfikir
Berikut ini merupakan tahapan peneliti dalam menyelesaikan penelitian :
2.2 Studi Literatur
2.3 Pengumpulan Data
Pengumpulan data merupakan proses yang dilakukan peneliti untuk mengumpulkan data kebutuhan berupa alur proses bisnis dalam bentuk eventlog yang akan digunakan sebagai data yang akan diolah pada proses mining. Dari data yang diambil pada sistem ERP harsu terdapat minimal tiga atribut yaitu case, activity, dan timestamp. Pengumpulan data dilakukan hanya pada modul keuanganan sub menu pemberian fee dokter. Hasil dari pengumpulan data akan diestraksi untuk menemukan model dari proses yang bisnis yang kemudian dianalisis menggunakan proses mining.
2.4 Pengolahan Data
Data yang diolah berupa event log kemudian dilakukan proses ekstraksi pada data menggunakan tool Disco dan ProM Tools. Untuk pengolahan data tersebut mencakup sebagai berikut:
1) Ekstraksi Data
Data log diambil dari sistem CMSM (Complete Medical Software Management) dalam bentuk file .csv. Kemudian dilakukan proses preprocessing data untuk memilih data yang diperlukan.
2) Strukturisasi Data
Dari data yang didapat pada modul keuangan terdapat banyak atribut yang tidak digunakan dalam proses selanjutnya sehingga, dilakukan strukturisasi atau pemilihan data yang akan digunakan dalam tahapan selanjutnya.
3) Pemodelan Data
Pemodelan ini dilakukan menggunakan tools Disco untuk mengubah menjadi .mxml agar dapat dilakukan proses mining menggunakan ProM Tools. Algoritma yang digunakan adalah heuristic miner. Algoritma heuristic miner dipilih karena algoritma ini mampu menangani noise, loops, dan menghitung frekuensi.
4) Evaluasi Proses Bisnis
Evaluasi dilakukan dengan
membandingkan niali fitness dan structure antar workflow sistem CMSM dengan SOP.
2.5 Analisis dan Pembahasan
Dalam tahap ini dilakukan proses mining terhadap eventlog yang ditemukan pada sistem CMSM untuk mendapatkan nilai fitness dan structure. Berikut adalah tahapan dalam mencari nilai fitness dan structure:
a) Discovery
Pada proses ini akan dilakukan pencarian terhadap model yang sebelumnya belum ditemukan, dimana proses ini berdasarkan event log sehingga proses bisnis akan tergambarkan dimana setiap gambaran akan berbeda tergantung algoritma yang digunakan.
b) Conformance Checker
Conformance Checking plugin yang ada di ProM Tools berfungsi untuk melakukan analisis untuk memperoleh nilai performance dari model.
Fitness Merupakan nilai ketepatan antara log dengan proses model didapat dari proses mengulang kembali proses log yang terdapat pada model dan menghitung ketidaktepatan token yang terjadi dengan skala penilaian 0 hingga 1 Berikut rumus dari perhitungan fitness:
Selain fitness tahap Conformance analysis juga menghitung nilai dari structure. Structrure adalah nilai yang menunjukkan kompleksitas dari bentuk model dalam menangani proses XOR dan AND. Perhitungan structure menujukkan nilai suatu model semakin besar maka model semakin tersruktur. Skala penilaian untuk dimensi ini dari 0 hingga 1. Berikut merupakan persamaan untuk menghitung nilai structure :
Persamaan diatas menunjukkan perhitungan dalam mencari nilai structure dimana :
T = Jumlah semua aktivitas yang terdapat dalam model termasuk aktivitas bayangan
TDA = Jumlah aktivitas ganda dalam sebuah model.
TIR = Jumlah aktivitas bayangan di dalam sebuah model
Ukuran presisi yang dihasilkan
2.6 Penarikan Kesimpulan
Penarikan kesimpulan merupakan tahap akhir dalam melakukan penelitian. Kesimpulan yang diambil harus dapat menjawab rumusan masalah dari penelitian.
3. HASIL DAN PEMBAHASAN
3.1 Pemodelan Proses Bisnis
Pemodelan proses bisnis menggunakan notasi Petri Net yang dibuat menggunakan tools Yawl setelah selesai menggambarkan proses model langkah berikutnya melakukan simulasi proses bisnis SOP dengan Yawl.
Gambar 7. Pemodelan Proses Bisnis Set Fee Dokter dengan Yawl.
Gambar 8. Rincian Proses Binis Set Fee Dokter Dalam Petrinet
3.2 Proses Mining
Process mining diawali dengan pembuatan model menggunakan tools Disco. Data yang dapat digunakan pada Disco adalah data excel yang berisi event log hasil ekstraksi system CMSM denagn format .csv. Berikut ini merupakan hasil pemrosesan dari eventlog simulasi dari system CMSM menggunakan tools Disco.
Gambar 9. Model Proses Bisnis Sistem CMSM Hasil Tools Disco
Jenis Variant
Case Keterangan
Variant 1 7,11 Mengiputkan fee basic untuk karyawan dan dokter
Variant 2 4,6 Mengiputkan fee
bertingkat untuk karyawan dan dokter
Variant 3 9,13 Mengiputkan fee
bertingkat lebih dari satu kali input untuk karyawan dan dokter
Variant 4 8,12 Mengiputkan fee
apotek untuk karyawan dan dokter
Variant 5 2,10 Mengiputkan fee
bertingkat lebih dari satu kali input untuk karyawan dan dokter,tanpa mencari daftar nama dokter atau karyawan yang akan diinputkan fee
nya
Variant 6 1 Mengiputkan fee basic
lebih dari satu kali
input untuk karyawan dan dokter
Variant 7 3 Menginpukan fee
basic lebih dari satu kalo dalam
Variant 8 5 Mengiputkan fee
apotek lebih dari satu kali input untuk karyawan dan dokter,tanpa mencari daftar nama dokter atau karyawan yang akan diinputkan fee
nya
Tabel 1. Variant Pada Sistem CMSM
Jenis Variant
Case Keterangan
Variant 1 25 Mengiputkan fee basic
untuk karyawan dan dokter
Variant 2 26 Mengiputkan fee
apotek untuk karyawan dan dokter
Variant 3 27 Mengiputkan fee
Variant 4 28 Mengiputkan fee basic
lebih dari satu kali
input untuk karyawan dan dokter
Tabel 2. Variant Pada Simulasi SOP
Selanjutnya data dalam bentuk .mxml dilakukan analisis fitness dan structure model yang didapatkan dari SOP dan model sistem CMSM. untuk menghasilkan model proses bisnis dalam bentuk petri net.. Berikut ini hasil dari proses analisis structure dan fitness :
Gambar 10. Hasil Conformance Checker Sistem CMSM
Gambar 11. Hasil Conformance Checker Simulasi
G
am
bar
12. Pet
ri
n
et
S
is
tem
C
3.3 Evaluasi Proses Bisnis
Dari hasil Conformance checker didapatkan nilai dari fitness dan structure dimana pada penelitian ini peneliti membandingkan antara variant dengan persentase terbanyak dan variant dengan persentase sedikit dibandingkan sehingga akan memunculkan nilai yang berbeda,berikut table hasil dari Conformance checker terhadap dua model dari CMSM dan model SOP
Fitness Structure
Model SOP 1.0 0.6
Model
CMSM
0.984375 0.4161129
Tabel 3. Hasil Perbandingan Variant Terbanyak
Fitness Structure
Model SOP 1.0 0.5714286
Model
CMSM
0.9915254 0.4161129
Tabel 4. Hasil Perbandingan Variant Terendah
Dari tabel diatas diketahui model SOP didapatkan nilai fitness 0,8 dan structure 1,0 didapatkan dari hasil generate simulasi YAWL menggunakan YAWL. Hasil dari model generate eventlog sistem CMSM memiliki nilai fitness 0,819 dan structure 0,416. Dari hasil perbandingan diperoleh nilai dari pemodelan SOP lebih kecil disebabkan aktivitas yang terkandung terdapat banyak variant.
4. KESIMPULAN DAN SARAN
4.1 Kesimpulan
Dari penelitian ini menggunakan teknik process mining terhadap proses bisnis pada modul keuangan bagian set fee dokter didapatkan kesimpulan, berikut merupakan kesimpulan yang bisa didapatkan atara lain :
1) Setelah melakukan analisis pemodelan menggunakan algoritma pada Prom dapat disimpulkan karakteristik proses bisnis pemberian fee pada dokter di modul keuangan didapat data dari model petrinet dari SOP mengandung hidden task lebih banyak disbanding sistem CMSM.
2) Dari evaluasi yang telah dilakukan peneliti didapatkan hasil bahwa terdapat perbedaan by pass atau proses bisnis yang dilewatkan tidak dikerjakan di sistem. Berikut ini factor penyebab hal
Gam
ba
r
13. Pet
ri
n
et
S
im
ul
asi
SO
tersebut :
a) Terdapat beberapa task yang tidak dilakukan ketika menjalankan sistem diantaranya login,cari nama dokter. b) Dari hasil penelitian dengan proses
mining didapatkan perbedaan antara sistem CMSM dan SOP pada rumah sakit dilihat dari nilai fitness dan structurenya dimana didapatkan besarnya fitness pada sistem CMSM diambil dari variant terbanyak bernilai 1 dan strukturnya bernilai 0.6 sedangkan pada simulasi yawl nilai fitness senilai 0.984375 dan struktur bernilai 0.4161129.
4.2 Saran
Adapun saran dari peneliti yang dapat dipertimbangakan untuk perbaikan dan pengembangan penelitian selanjutnya dengan topik yang sama antara lain :
1. Penelitian selanjutnya dapat diterapkan pada objek lebih luas seperti proses bisnis pada unit dan modul yang berbeda tergantung pada studi kasus serperti modul penjualan, produksi maupun pembelian.
2.
Penelitian selanjutnya dapat dilanjutkan pada tahapan enhancement disesuaikan dengan studi kasus yang diangkat.5. DAFTAR PUSTAKA
Aalst, p. W. (2009). Process Mining: Beyond Business Intelligence. London: Gartner Business Process Management Summit.
Algoritma, M. (2017, Maret 10). Busines Process Management. Retrieved from www.metode-algoritma.com:
http://www.metode- algoritma.com/2013/06/business-process-management-manajamen.html Base, R. M. (2002). Types of Surveys. -:
Research Methods Knowledge Base. John Wiley & Sons, Inc. (2001). ERP: Making
It Happen The Implementers’ Guide to Success with Enterprise Resource Planning. USA: John Wiley & Sons, Inc.
Laeila Mardhatillah, M. E. (2012). Identifikasi Bottleneck pada Hasil Ekstraksi Proses Bisnis ERP dengan Membandingkan Algoritma Alpha++ dan Heuristics Miner. JURNAL TEKNIK ITS Vol. 1, 1-6.
Monk, E. F., & Wagner, B. J. (2009). CONCEPTS IN ENTERPRISE RESOUERCE PLANNING Third Edition. USA: Course Technology Cengage Learning.
Novita Rice, S. N. (2015). SISTEM
PENJUALAN PUPUK BEBRBASIS
E-COMERCE”. Jurusan Sistem
Informasi, Fakultas Sains dan Teknologi Universitas Islam Negeri Sultan Syarif Kasim Riau.
One, T. O. (2015). Seputar Pengetahuan. Retrieved Maret 13, 2017, from http://www.seputarpengetahuan.com/20
15/06/13-pengertian-observasi-menurut-para-ahli.html
One, T. O. (2015). Seputar Pengetahuan. Retrieved Maret 13, 2017, from http://www.seputarpengetahuan.com/20
15/06/13-pengertian-observasi-menurut-para-ahli.html Rian, A. (2016, September 4).
developer.mozilla.org. Retrieved from Pengenalan HTML:
https://developer.mozilla.org/id/docs/W eb/Guide/HTML/Pengenalan
Satriyo Wicaksono, I. A. (2014). Evaluasi Proses Bisnis ERP dengan