BAB 1.
PENDAHULUAN
1.1Latar Belakang
Sejalan dengan tuntutan persaingan bisnis, banyak perusahaan menyadari bahwa keunggulan teknologi dan produk yang dihasilkan semata tidak lagi dapat diandalkan menjadi sumber keunggulan dalam bersaing. Karena itu, untuk memenangkan persaingan pasar berbagai perusahaan mengembangkan diferensiasinya melalui unsur service yang semakin memanjakan konsumennya. Kepuasan dan loyalitas konsumen menjadi fokus perhatian dalam memenangkan persaingan.
Proses bisnis adalah kombinasi dari aktivitas di dalam suatu perusahaan untuk menghasilkan pelayanan tertentu kepada klien (Leyman et al. 1994). Proses bisnis merupakan pemicu dan benang merah yang secara langsung mempengaruhi dan memberi ciri dari suatu organisasi. Struktur dari suatu proses bisnis yang dapat memenuhi kebutuhan klien-kliennya secara efisien dan efektif akan dapat memberikan keuntungan bagi pihak perusahaan untuk bersaing dengan perusahaan lain, sebaliknya struktur proses bisnis yang buruk seperti pelayanan yang lambat dan tidak memuaskan kepada klien akan menyebabkan klien berpindah ke perusahaan lain secara cepat. Terdapat tiga perspektif dalam analisis proses bisnis yaitu organisasi, proses, dan orang di dalam proses itu sendiri. Orientasi yang tinggi terhadap konsumen dapat menjamin keunggulan bersaing organisasi, sehingga memperbaiki proses bisnis juga merupakan hal yang penting bagi bisnis sebuah organisasi agar tetap kompetitif.
Perbaikan proses bisnis atau Business Process Improvement (BPI) merupakan sebuah metode yang sistematik yang dikembangkan untuk membantu sebuah perusahaan memperoleh keuntungan yang signifikan dalam caranya menjalankan proses bisnisnya (Harrington, 1991). Perlu adanya usaha perbaikan proses secara terus menerus, sehingga proses bisnis mampu menghasilkan output yang memuaskan kepada konsumen. Oleh karena itu, banyak perusahaan saat ini menyadari bahwa perancangan dan pengaturan proses bisnis yang optimal adalah suatu key factor bagi perusahaan
untuk secara efektif bersaing di dalam lingkungan bisnis yang berubah-rubah. Untuk itu, maka diperlukan optimisasi dan perbaikan yang berkelanjutan dari proses bisnis itu sendiri.
Reengineering proses bisnis adalah merupakan pemikiran ulang secara fundamental dan desain ulang radikal suatu proses bisnis organisasi yang mengarahkan organisasi untuk mencapai peningkatan kinerja bisnis secara dramatis (Hammer and Champy,1993). Beberapa perusahaan telah menerapkan paradigm inovasi baru ini untuk mencapai berbagai perbaikan dalam biaya, kualitas dan efisiensi. Bahkan makin banyak perusahaan yang mencari peluang untuk menerapkan proyek reengineering dan metodologi-metodologi yang membantu mereka dalam mencapai usaha-usaha perbaikan tersebut. Contohnya pada bisnis maskapai penerbangan AWAIR pada beberapa tahun yang lalu masih menggunakan sistem pemesanan secara manual melalui beberapa agent penjualan tiket penerbangan. Pada awal tahun 2004, AWAIR diambil alih oleh PT. Indonesia Air Asia dan mengalihkan orientasi pasarnya ke penerbangan berbiaya rendah. Dengan adanya pengambil alihan ini, pihak Air Asia melakukan perbaikan struktur proses pemesanan tiket tidak hanya dilakukan di agen penerbangan, akan tetapi dapat dilakukan secara on line oleh pelanggan melalui internet dan begitu juga halnya dalam sistem pembayarannya yang dapat dilakukan tanpa harus datang langsung ke tempat agen penjualan tiket Air Asia. Dengan adanya perbaikan proses bisnis yang fundamental ini tentu saja pihak Air Asia dapat memperoleh keuntungan yang lebih signifikan dalam menjalankan proses bisnisnya.
Vergidis et al. (2007) menyatakan bahwa tidak adanya representasi proses bisnis yang berkaitan secara langsung dengan pemodelan secara kuantitatif . Secara umum teknik pemodelan proses bisnis seperti flowchart dan IDEF (Integrated Definition Methodology) hanya menggambarkan dengan menggunakan simbol yang standar untuk menganalisis proses bisnis tanpa mampu menganalisis secara kuantitatif dan mengoptimisasi struktur proses bisnis secara nyata. IDEF merupakan tools untuk membuat model. Optimisasi proses bisnis biasanya hanya mencoba-coba segala kemungkinan dengan cara manual, sederhana, dan tidak memberikan kemampuan generalisasi secara keseluruhan untuk beberapa kasus. Di samping itu tidak terdapat optimisasi proses bisnis dengan multiple criteria.
Optimisasi permasalahan yang berisi lebih dari satu fungsi tujuan dikenal sebagai masalah multi-objective optimization. Seperti halnya bahwa terdapat banyak tujuan yang ingin dicapai oleh suatu perusahaan secara simultan dan mungkin beberapa di antara fungsi tujuan yang ingin dicapai itu berlawanan, sehingga tidak memungkinkan adanya solusi tunggal dalam penyelesaiannya, tetapi lebih kepada sekumpulan solusi yang mungkin memiliki kualitas yang sepadan. Seperti halnya dalam mendesain mobil yang otomatis, tujuan yang mungkin ingin dicapai adalah meminimasi harga, memaksimumkan kecepatan, dan meminimasi pemakaian bahan bakar. Tujuan ini tentu saja berlawanan satu sama lain, sehingga tidak mungkin akan ada solusi tunggal diperoleh. (Sbzarini,2000). Multi-objective optimization dari proses bisnis dapat memberikan cara yang lebih efisien bagi perbaikan proses bisnis dengan memilih kriteria optimisasi apa saja yang akan dipilih dan dicukupi secara bersamaan dalam perusahaan. (Deb, 2001)
Kusiak (1999) menjelaskan bahwa terdapat dua tipe analisis yang dapat dilakukan dalam rangka melakukan perbaikan proses dari “as is model” yang akan di transfer ke “to be model” yaitu analisis observasi (manual) dan analisis computational. Analisis kualitatif dilakukan berdasarkan model dari proses bisnis sehingga analisis ini membutuhkan gambaran detil dari sasaran proses dengan cara observasi. Analisa kualitatif merupakan analisis structural yang mengevaluasi proses pada setiap aktivitasnya berdasarkan kualitasnya seperti dari aktivitas pertama dipilih mana alternatif yang lebih berkualitas, setelah itu dilanjutkan pada pilihan alternatif pada aktivitas 2 dan seterusnya. Hasil dari analisis kualitatif dapat digunakan untuk mendeteksi aktivitas-aktivitas mana yang mungkin dapat tereliminasi, yang dapat diparalel, dapat digabungkan, dapat disederhanakan, di tambah nilai prosesnya ataupun diotomasikan proses aktivitasnya. Sedangkan analisis kuantitatif merupakan analisis performance yang mengevaluasi proses berdasarkan nilai numerik seperti lamanya durasi dan besarnya biaya, serta jumlah aktivitas yang terjadi. Analisis kuantitatif memerlukan informasi yang dapat diandalkan secara statistik, maka untuk mendapatkan informasi seperti itu diperlukan analisis computational untuk identifikasi proses seperti adanya pengembangan algoritma dalam optimisasi proses bisnis. Menurut Kusiak et al. (2000) bahwa kebanyakan metodologi pemodelan proses di dasarkan pada simbol yang tidak formal dan dilakukan secara kualitatif sehingga sulit untuk dianalisis.
Berdasarkan uraikan di atas, maka penelitian ini akan mengembangkan model evaluasi analitik perbaikan proses bisnis menggunakan algoritma NSGA-II (Non Dominated Sorting in Genetic Algorithm). Model analitik adalah model yang kesimpulannya dapat dinyatakan dalam bentuk analitik untuk masalah yang lebih khusus atau penelitian yang sebagian besar penyelesaiannya dilakukan dengan bantuan suatu algoritma (211Hhttp://www.sipoel.unimed.in/file.php/44/COURSE). Sebelum dilakukan uji
coba algoritma yang akan dikembangkan, maka akan digambarkan model proses dengan menggunakan metode IDEF3 agar hasil yang diperoleh dapat menjadi lebih baik lagi. IDEF3 merupakan tool pemodelan dengan representasi terstruktur dari sebuah sistem dengan cara meng-capture perilaku dari sistem yang dibahas mengenai urut-urutan terjadinya proses, proses apa yang menyebabkan proses apa, dan bagaimana keputusan diambil. Alasan menggunakan IDEF3 adalah dikarenakan kemampuannya dalam deskripsi proses bisnis yang semakin dapat dipertajam melalui dekomposisi proses yaitu dengan cara menyederhanakan proses melalui tingkatan abstraksi modul yang berbeda-beda. Pada dasarnya pada setiap tingkatan dekomposisi diperoleh deskripsi proses yang lebih rinci, sehingga dengan menggunakan metode IDEF3 kita dapat mencari lokalisasi masalah yang lebih rinci dari proses bisnis yang besar. Dengan adanya lokalisasi masalah dalam proses bisnis yang memiliki ruang lingkup yang besar, kita dapat memperbaiki secara fokus keterkaitan antara satu jenis proses dengan jenis proses dalam proses bisnis yang memiliki masalah.
Setelah menggambarkan model proses bisnis, maka akan dikembangkan algoritma NSGA-II untuk keperluan desain proses bisnis yang memiliki sejumlah alternatif dalam setiap aktivitasnya. NSGA-II merupakan bagian dari evolutionary algorithms. Evolutionary algorithms merupakan metode pencarian stokastik yang mencoba untuk menirukan sifat evolusi biologis dari makhluk hidup yang bekerja dengan prinsip bahwa suatu individu yang baik akan akan bertahan dan menghasilkan individu-individu yang semakin baik pada setiap generasi. Elemen-elemen yang ada pada metode ini diambil dari proses alam seperti seleksi,kombinasi, mutasi, migrasi, dan perpindahan secara lokal. Evolutionary algorithms bekerja lebih banyak pada sejumlah individu dalam satu populasi daripada hanya pada satu individu saja. Metode ini sangat cocok sekali digunakan dalam penelitian ini dikarenakan desain proses bisnis yang ada terdiri dari beberapa alternatif untuk setiap aktivitasnya, sehingga apabila setiap
aktivitas dengan masing-masing alternatifnya digabung menjadi suatu set aktivitas dalam proses bisnis maka akan membutuhkan waktu yang lama untuk memilih urutan set alternatif aktivitas mana yang optimal dalam fungsi tujuan yang multi-objective. Evolutionary algorithms terbukti lebih efisien bila digunakan dalam menyelesaikan permasalahan multi-objective yang memiliki banyak pembatas (constraints) dalam area yang relevan seperti scheduling, supply chain optimization, dan yang lainnya. (Vergidis et al. ,2007). NSGA-II adalah algoritma genetika yang sangat popular untuk digunakan pada permasalahan optimisasi multiobjective yang dikembangkan oleh Kalyanmoy Deb di Srinivas. NSGA-II dapat menghasilkan solusi yang lebih baik dengan perhitungan yang lebih sedikit, pendekatan elitist, dan pembagian parameter yang lebih sedikit (Deb,2001). Dengan desain proses bisnis yang kompleks, secara umum kemampuan dari NSGA-II dapat dikarakteristikkan baik dan memiliki elitism yang dimana NSGA-II menyimpan solusi optimum dari setiap generasi dan membandingkan solusi tersebut dengan solusi antar setiap generasi, sehingga memungkinkan untuk mengidentifikasikan feasible solutions. (Vergidis et al. ,2007). Jumlah aktivitas dan waktu mulai untuk setiap aktivitas akan dipertimbangkan dalam pengembangan model ini. Penelitian ini juga akan menyediakan kemampuan generalisasi pada beberapa kasus dan memberikan analisis secara kualitatif dan kuantitatif sehingga dapat diperoleh alternatif pemilihan solusi terbaik dari set alternatif aktivitas desain proses bisnis bagi pihak pengambil keputusan dari feasible solution yang dihasilkan dari algoritma yang multi-objective.
1.2Perumusan Masalah
Berdasarkan uraian yang diberikan pada bagian “latar belakang”, pertanyaan yang ingin dijawab dalam penelitian ini adalah sebagai berikut:
1. Bagaimana merepresentasikan secara matematis model proses bisnis yang
digambarkan dengan metode IDEF3 (Integrated Definition Methodology 3) untuk
keperluan evaluasi usulan perbaikan proses bisnis?
2. Bagaimana mengevaluasi usulan perbaikan proses bisnis yang dengan pendekatan
3. Bagaimana karakteristik-karakteristik dari pendekatan analitik yang diusulkan untuk mengevaluasi usulan perbaikan proses bisnis ?
1.3Tujuan Penelitian
Adapun tujuan yang ingin dicapai dalam penelitian adalah:
1. Menganalisis model proses bisnis secara kuantitatif sehingga mendapatkan perbaikan proses bisnis yang lebih terukur dibandingkan dengan perbaikan secara kualitatif.
2. Mengembangkan tools untuk membantu proses analisis yang lebih formal bagi model perbaikan sebuah proses bisnis yang multi-objective.
3. Menganalisis model kuantitatif optimisasi proses bisnis dengan mengunakan contoh numerik untuk mengetahui karakteristik dari model bisnis.
1.4Ruang lingkup Penelitian
Ruang lingkup penelitian ini adalah sebagai berikut :
1. Contoh numerik yang diuji coba dalam penelitian ini menggunakan data hipotetik dan contoh numerik 1 menggunakan contoh pada jurnal penelitian Vergidis et al. (2007).
2. Model yang dikembangkan dalam penelitian ini adalah permasalahan yang telah didekomposisikan sampai pada level yang paling bawah.
1.5Posisi Penelitian
Gambar di bawah ini adalah merupakan rangkaian penelitian terdahulu menjadi dasar pengembangan penelitian ini. Rangkaian penelitian ini dibuat berdasarkan pemahaman peneliti mengenai : pemodelan proses bisnis, model IDEF3 (Integrated
Definition Methodology 3), pendekatan algoritma single-objective & multi-objective, dan algoritma NSGA-II (Non Dominated Sorting in Genetic Algorithm II).
Gambar 1. 3 Rangkaian Penelitian
Beberapa penelitian yang berkaitan dengan desain proses bisnis baik yang single-objective maupun multi-objective telah dilakukan. Untuk menggambarkan keterkaitan penelitian ini dengan model-model sebelumnya, maka akan diuraikan penjelasan singkat tentang penelitian-penelitian yang telah dilakukan. Tabel 1.1 memperlihatkan penelitian-penelitian yang berhubungan dengan model yang telah dikembangkan. Tabel 1.1 berikut ini mengklasifikasikan penelitian-penelitian yang telah dilakukan berdasarkan jumlah dari fungsi tujuan yang dilakukan, analisis apa saja yang dilakukan, metodologi yang digunakan, metoda pendekatan pencarian solusinya dan output yang dihasilkan dari penelitian tersebut.
Hofacker dan Vetschera (2001) menjelaskan single-objective optimization yang tidak menggambarkan efek sinergi yang kuat antara aktivitas individual yang mendasari suatu desain proses dan mengusulkan pengembangan pemodelan proses bisnis yang optimal dengan menggunakan mathematical programming, branch and bound method, dan genetic algorithms tanpa menggunakan metodologi pemodelan proses. Penelitian
ini memperkenalkan model formal untuk permasalahan desain proses bisnis yang dapat digunakan untuk menganalisis desain optimal dengan memperhatikan kriteria fungsi tujuannya.
Kusiak et al. (1999) memperkenalkan bahwa terdapat dua tipe analisis untuk perbaikan model proses yaitu menggunakan analisis observasional dan komputasional. Analisis observasi dapat dilakukan dengan cara menurunkan durasi proses, eliminasi aktivitas redundant, membagi aktivitas (partitioning), menggabungkan aktivitas serial (merging), dan eliminasi siklus. Sedangkan analisis komputasional menggambarkan model proses bisnis dengan menggunakan IDEF0 (Integrated Definition Methodology 0)dan IDEF3 (Integrated Definition Methodology 3), kemudian merepresentasikan IDEF3 ke dalam bentuk matriks untuk mengidentifikasikan struktur dari model. IDEF0 merupakan pemodelan fungsional suatu sistem dimana fungsi-fungsi tersebut menjelaskan apa yang dikerjakan oleh sistem, apa yang mengendalikannya, apa yang diproses, apa sarana untuk memproses, dan apa yang dihasilkan. IDEF3 merupakan tool pemodelan dengan representasi terstruktur dari sebuah sistem dengan cara meng-capture perilaku dari sistem yang dibahas mengenai urut-urutan terjadinya proses, proses apa yang menyebabkan proses apa, dan bagaimana keputusan diambil. Selain itu, Kusiak et al. juga memperkenalkan triangularization algorihtm yang lebih efisien dibandingkan topological sorting algorithm untuk menganalisis struktur model proses yang memiliki siklus. Tujuan dari analisis ini adalah mendapat sifat hubungan antar aktivitas dan mendapatkan susunan atau urutan dependency path suatu desain proses.
Vergidis et al. (2007) dalam penelitiannya mengusulkan kerangka desain proses bisnis untuk optimisasi multi-objective yaitu dengan membangun model matematis dan menggunakan pendekatan algoritma dalam penyelesaiannya. Algoritma yang digunakan untuk menyelesaikan masalah multi-objective adalah NSGA-II (Non Dominated Sorting in Genetic Algorithm II), SPEA2 (Strength Pareto Evolutionary Algorithm 2), dan MOPSO (Multi-Objective Particle Swarm Optimisation) dengan penyelesaiannya menggunakan KEA-Software. Ketiga algoritma ini digunakan karena dapat mengoptimisasi model proses bisnis yang multi-objective. NSGA-II dan SPEA2 lebih popular dibandingkan dengan algoritma MOPSO. NSGA-II banyak diaplikasikan dalam berbagai penelitian karena menggunakan pendekatan elitist, sedikit parameter dan
memberikan perkembangan solusi yang signifikan. SPEA2 juga merupakan evolutionary algorithms yang menggunakan pendekatan elitist yang lain. MOPSO memberikan hasil yang lebih baik apabila digunakan dalam permasalahan yang membutuhkan pencarian solusi yang kontinu. Dari hasil analisis secara umum diketahui bahwa algoritma NSGA-II memberikan solusi yang lebih optimal dibandingkan dengan algoritma SPEA2 dan MOPSO. Dengan desain proses bisnis yang kompleks, secara umum kemampuan dari NSGA-II dapat dikarakteristikkan baik dan memiliki elitism yang dimana NSGA-II menyimpan solusi terbaik dari setiap generasi dan membandingkan solusi tersebut dengan solusi antar setiap generasi, sehingga memungkinkan untuk mengidentifikasikan feasible solutions.
Penelitian ini (2008) merupakan kelanjutan dari penelitian-penelitian di atas dengan menggabungkan beberapa pendekatan dari penelitian di atas. Pada penelitian ini mengusulkan pemodelan proses bisnis dengan metodologi IDEF3 (Integrated Definition Methodology 3), membuat model matematis, menganalisis proses bisnis secara kualitatif dan kuantitatif dan mencari alternatif solusi proses bisnis dengan pendekatan algoritma NSGA-II (Non Dominated Sorting in Genetic Algorithm II). Penelitian ini juga memberikan alternatif pemilihan solusi terbaik bagi pihak pengambil keputusan dari feasible solution yang dihasilkan dari algoritma yang multi-objective yang optimal. Penelitian yang dilakukan oleh Vergidis et al. (2007) tidak menggunakan metodologi pemodelan proses dalam kerangka pengembangan modelnya, sedangkan penelitian ini dengan menggunakan suatu metodologi pemodelan proses dan menyediakan kemampuan generalisasi untuk beberapa kasus dalam desain proses bisnis lainnya.
Tabel 1.1 berikut ini menunjukkan posisi penelitian yang dibandingkan dengan beberapa penelitian terdahulu yang berkaitan dengan penelitian ini, yaitu :
Tabel 1.1 Posisi Penelitian Yang Terkait
Penelitian
Bentuk Tujuan Pemodelan
Analisis
Formulasi Cara Penyelesaian Hasil
Proses
Jumlah Ket
Proses
Mathematical Menggunakan ready Alternatif Solusi
bisnis Model Pendekatan to use Solusi Terpilih
IDEF0 IDEF3 Lainnya Kualitatif Kuantitatif Ada Tidak methodology
Ada
Hofacker and
Serial dan paralel Single Biaya v v v
Branch and Bound
v
Vetschera Genetic Algorithms
(2001)
Kusiak et al. Serial, paralel,siklus
Single Durasi v v v v v Triangularization Algorithms v
(1999) Serial, paralel,bottleneck,tanpa siklus Topological sorting algorithms
Vergidis et al. Serial, paralel dengan pilihan
Multi
Biaya
v v v
NSGA-II
v v (2007) alternatif untuk setiap aktivitas
Durasi SPEA-II
MOPSO
Penelitian ini Serial, paralel
Multi
Biaya
v v v v NSGA-II v v
(2008) bottleneck dengan pilihan Durasi
