Publisher

CATTLEYADFCATTLEYADF

Journal Instal : Jurnal KomputerInstal : Jurnal Komputer Abstract

Penelitian ini menerapkan teknik process mining untuk menganalisis proses registrasi mata kuliah mahasiswa dengan menggunakan data log aktivitas dari aplikasi SIRAMA. Model proses yang ditemukan dievaluasi melalui conformance checking dengan membandingkannya dengan Standar Operasional Prosedur (SOP) untuk mendeteksi anomali, menggunakan empat metrik utama: fitness, precision, generalization, dan simplicity. Hasil evaluasi menunjukkan nilai fitness sebesar 0,846, mengindikasikan bahwa sebagian besar peristiwa dalam log terwakili oleh model, meskipun beberapa transisi tidak terjangkau; nilai precision yang relatif rendah (0,69531) mengindikasikan model terlalu permisif, memungkinkan banyak jalur potensial yang tidak pernah terjadi dalam praktik; sedangkan nilai generalization yang tinggi (0,99992) menunjukkan model sangat robust dan mampu merepresentasikan kasus yang belum terlihat tanpa overfitting. Analisis lebih lanjut mengidentifikasi tiga anomali utama berupa urutan DELETE setelah Start, Start diikuti SIAP REGISTRASI tanpa ADD, dan ADD langsung diikuti END; validasi pakar memastikan anomali tersebut bersumber dari masalah teknis seperti penulisan log yang tidak atomik dan overflow timestamp. Untuk mengatasi anomali tersebut, penelitian ini merekomendasikan penerapan prinsip ACID—khususnya atomicity—bersama validasi timestamp yang ketat serta koreksi otomatis format log yang tidak valid.

Conclusion

Penelitian ini berhasil menerapkan teknik process mining untuk merekonstruksi, mengevaluasi, dan mengaudit proses registrasi akademik mahasiswa berdasarkan data log aktivitas SIRAMA, menghasilkan model proses yang mencakup aktivitas utama seperti ADD, DELETE, SIAP REGISTRASI, serta mengidentifikasi jalur minor yang menyimpang dari SOP.Evaluasi konformitas menunjukkan nilai Fitness 0,846, Precision 0,695, dan Generalization 0,999, mengindikasikan adanya ketidaksesuaian pada beberapa transisi, sementara audit mengungkap tiga transisi anomali yang ternyata disebabkan oleh kesalahan teknis seperti overflow timestamp dan logging non-atomik, bukan perilaku pengguna.Dengan melibatkan pakar bisnis, studi ini memperlihatkan bahwa process mining tidak hanya efektif untuk visualisasi dan evaluasi proses, tetapi juga berfungsi sebagai alat diagnostik untuk mendeteksi anomali teknis dan operasional.

Future Research

Penelitian lanjutan dapat menyelidiki dampak penerapan pencatatan transaksi atomik pada akurasi model process mining dalam sistem registrasi akademik, sehingga dapat menentukan sejauh mana peningkatan keandalan log memengaruhi kualitas model proses. Selanjutnya, dapat dievaluasi efektivitas algoritma deteksi anomali secara real-time yang diintegrasikan dengan aplikasi SIRAMA untuk memberikan peringatan segera dan tindakan korektif otomatis, yang diharapkan dapat meminimalkan gangguan operasional. Selain itu, penelitian dapat mengeksplorasi penggunaan teknik pembelajaran mesin untuk memprediksi potensi anomali registrasi berdasarkan pola historis log dan perilaku pengguna, yang dapat membantu institusi pendidikan dalam merancang kebijakan pencegahan proaktif dan meningkatkan pengalaman registrasi mahasiswa.

References

1. Applying Process Mining to Analyze Anomalies in Student Registration | Instal : Jurnal Komputer. applying... doi.org/10.54209/jurnalinstall.v17i08.422Applying Process Mining to Analyze Anomalies in Student Registration Instal Jurnal Komputer applying doi 10 54209 jurnalinstall v17i08 422

Metadata

File size	397.71 KB
Pages	16
DMCA	Report