Analisis Variasi Proses Bisnis Manufaktur Dengan Menerapkan Process Mining (Studi Kasus: PT Kimia Farma, Tbk)

  

Vol. 2, No. 12, Desember 2018, hlm. 7097-7104 http://j-ptiik.ub.ac.id

Analisis Variasi Proses Bisnis Manufaktur Dengan Menerapkan Process

  

Mining (Studi Kasus: PT Kimia Farma, Tbk)

_{1 2 3} Annisa Arifa Sesyazhade , Nanang Yudi Setiawan , Ismiarta Aknuranda

  Program Studi Teknik Informatika, Fakultas Ilmu Komputer, Universitas Brawijaya

  1

  2

  3 Email: annisaarifas@gmail.com, nanang@ub.ac.id, i.aknuranda@ub.ac.id

Abstrak

  PT Kimia Farma Tbk, atau Kimia Farma adalah perusahaan yang bergerak pada bidang industri farmasi pertama di Indonesia yang didirikan pertama kali pada tahun 1817. Sebagai perusahaan yang sudah lama berkiprah, Kimia Farma memiliki Standard Operating Procedure (SOP) yang ketat untuk proses manufaktur yang ada di dalamnya. Analisis pada proses manufaktur, khususnya terkait ragam variasi yang berpotensi terjadi dalam sebuah proses, diperlukan untuk mendapatkan kinerja yang senantiasa optimal. Proses manufaktur yang digunakan dalam penelitian ini adalah produksi kapsul, krim, sirup, dan tablet. Tahapan dimulai dengan menyimulasikan proses SOP menggunakan piranti bantu YAWL dan mengekstraksi event log dari ERP menggunakan piranti bantu Disco. Analisis diterapkan menggunakan metode process mining dengan piranti bantu ProM untuk menganalisis letak terjadinya variasi pada proses, serta mengolongkan variasi tersebut kedalam restriction atau extension. Hasil analisis menunjukkan bahwa proses manufaktur kapsul dan sirup tidak memiliki variasi dalam alur prosesnya, hal ini ditunjukkan oleh nilai fitness yang masing-masing bernilai 1. Sementara, proses manufaktur krim menunjukkan adanya variasi disebabkan oleh aktivitas tube blowing yang berada pada posisi yang tidak tentu, hal ini ditunjukkan oleh nilai fitness yang bernilai 0.93, serta diketahui bahwa temuan ini merupakan jenis variabilitas by restriction. Hasil analisis manufaktur tablet juga menunjukkan adanya variasi yang disebabkan oleh aktivitas In Process Control (IPC) berulang pada

  

event log , hal ini didukung oleh nilai fitness yang bernilai 0.99, serta diketahui bahwa temuan ini

merupakan jenis variabilitas by extension.

  Kata kunci : event log, process mining, ProM, YAWL, Disco, analisis proses bisnis

Abstract

  

PT Kimia Farma Tbk, or Kimia Farma is the first company in Indonesia that focus on pharmacy industry

and was built on 1817. As the company that has been taking role for a long time, Kimia Farma has their

own strict Standard Operational Procedure (SOP) for their manufacture processes. Analysis on the

manufacture process, especially related to the variations that have potential to occur in a process is

needed to get the optimal performance. The manufacture processes that analyzed in this study are

capsule, cream, syrup, and tablet. The first step is to model and simulate the processes one by one based

on the SOP using YAWL tools. In parallel, the other first step is to transform the event log from the ERP

system using Disco tools. The analysis is applied using process mining method in ProM tools. The goals

are to analyze the variant activity that occur in the process and to classify them into restriction or

extension. The result shows that the processes of capsule and syrup are not showing any variability in

their manufacture process, this finding is proven by the fitness score that reach 1 for each process.. On

the other hand, the result shows that tube blowing activity in cream manufacture process is a variability

because of its uncertain position, this finding is proven by the fitness score that only reach 0.93 and this

variation is also classified as variability by restriction. And the result also indentified that there is a

variation that happen in activity In Process Control (IPC) from tablet manufacture process because of

its looping activity, this finding is proven by the fitness score that only reach 0.99, and this variation is

also classified as a variability by extension.

  Keywords : event log, process mining, ProM, YAWL, Disco, business process analysis

  Fakultas Ilmu Komputer Universitas Brawijaya

7097 bisnis berdasarkan event log yang 1. digunakan.

   PENDAHULUAN

  PT Kimia Farma Tbk, adalah perusahaan 2.

  Conformance Analysis, aktivitas ini yang bergerak pada bidang industri farmasi berguna untuk membandingkan pertama di Indonesia yang didirikan pertama kali kesesuaian yang terdapat pada event log pada tahun 1817. Sebagai perusahaan yang dengan model proses yang telah bergerak dalam bidang industri farmasi dibentuk. Indonesia, Kimia Farma sangat diperhitungkan 3.

  Enhancement, aktivitas ini adalah kiprahnya khususnya dalam pembangunan aktivitas yang bertujuan untuk kesehatan masyarakat Indonesia. Kimia Farma membenahi model yang terbentuk pada tentunya memiliki standar tertentu dalam aktivitas tahap discovery. menjalankan proses manufaktur. Akan tetapi, beberapa permasalahan yang rawan terjadi Data yang dibutuhkan dalam menerapkan dalam rangkaian proses bisnis yang panjang analisis menggunakan teknik process mining adalah ketidaksesuaian antara apa yang terjadi adalah event log. Didalam event log terkandung dengan apa yang sudah ditetapkan (Mekhala, process instance , yaitu proses yang sedang 2015). Oleh karena itu, diperlukan suatu evaluasi berjalan (Weber, 2009). Selain process instance, terhadap proses bisnis yang berjalan guna didalam event log juga terdapat task, yaitu mendeteksi suatu temuan variasi yang mungkin berbagai aktivitas yang terdapat dalam suatu terjadi dalam suatu proses manufaktur tersebut. trace (Ritchi, 2009). Atribut inti yang harus

  Dalam penelitian ini dikhususkan pada dimiliki event log adalah case ID, activity, serta divisi manufaktur dengan empat jenis proses timestamp . manufaktur obat, yaitu kapsul, krim, Model proses yang digunakan dalam sirup/suspensi, serta tablet. Perusahaan analisis process mining adalah petri net. Petri net menggunakan ERP bernama SAP sehingga merupakan sebuah graph bipartite yang terdapat rekam jejak transaksi yang disebut juga berfungsi untuk memodelkan, menganalisis, sebagai event log. Teknik process mining dalam serta digunakan untuk mengontrol suatu penelitian ini digunakan untuk menemukan kejadian. Terdiri dari place dan transisi yang anomali atau ketidaksesuaian aktivitas proses terhubung dengan arc (panah) (Wahyuni, et al., manufaktur berdasarkan event log dibandingkan 2018). Berikut adalah jenis relasi pada petri net: dengan proses manufaktur bedasarkan Standard

  Operating Procedure (SOP) yang telah 1.

  X  y, proses yang berjalan lurus. ditetapkan.

  Process mining

  dapat digunakan sebagai acuan perbandingan antara proses yang

  X Y

  seharusnya dijalankan dengan proses yang

  Gambar 2. Proses yang Berjalan Lurus

  dijalankan di lapangan, guna menemukan

  Wahyuni, et al., 2018

  ketidaksesuaian atau anomali yang sangat berpotensi terjadi dalam proses bisnis 2.  y, x  z, serta y || z, proses yang

  X (Mekhala,2015). Penerapan teknik process berjalan parallel antara Y dan Z.

  mining menggunakan piranti bantu ProM,

  dibantu dengan dua piranti bantu lainnya, yaitu Disco dan YAWL. Ekstensi file yang didukung

  Y

  dalam penelitian ini adalah eXtensible Event

  Stream (XES).

  X Process mining merupakan teknik yang Z

  digunakan untuk mengidentifikasi perilaku aktivitas yang terdapat pada event log serta menemukan secara otomatis model proses bisnis yang dianalisis (Van der Aalst, 2013). Berikut

  Gambar 1. Proses yang Berjalan Paralel Wahyuni, et al., 2018

  adalah tiga aktivitas yang terdapat pada process

  mining : 1.

  Discovery, aktivitas ini merupakan aktivitas guna menemukan model proses

  3. X  y, x  z, serta y#z, proses yang berjalan XOR antara Y dan Z.

  plugin yang dapat berinteraksi. Plugin

  X Y Z Gambar 4. Proses Bersyarat Z Wahyuni, et al., 2018

  X Y Z Gambar 3. Proses yang Berjalan XOR Wahyuni, et al., 2018

  satu proses yang mewakili semua varian dan

  Variability by restriction terjadi ketika terdapat

  Variabilitas dapat terbentuk dalam sebuah model proses bisnis disebabkan oleh faktor tertentu yang menjadikan aktivitas proses lebih spesifik dalam keadaan dan kasus tertentu.

  activities dan inserted activities. Skipped activities adalah penyimpangan log ketika suatu aktivitas yang seharusnya ada berdasarkan model proses, namun tidak dijalankan pada event log. Sebaliknya inserted activities adalah penyimpangan log ketika suatu aktivitas yang seharusnya tidak ada berdasarkan model proses, namun justru dijalankan pada event log.

  Ketidak sesuaian menurut A. Adriansyah, et al (2011) terbagi menjadi dua, yaitu skipped

  satu plugin yang terdapat pada piranti bantu ProM. Pada penelitian ini tahapan conformance befungsi untuk mendeteksi letak varian yang ada dalam event log ERP dengan membandingkannya terhadap model proses SOP. Selain mendeteksi letak varian yang terbentuk, keluaran dari tahapan ini adalah nilai dimensi fitness atau dimensi kesesuaian yang nilainya bergantung kepada banyaknya varian yang terbentuk. Nilai 0 adalah nilai terkecil yang menggambarkan ketidaksesuaian, sementara nilai 1 adalah nilai tertinggi yang menggambarkan nilai kesesuaian atau tidak ditemukannya variabilitas dalam proses yang dianalisis.

  Conformance analysis merupakan salah

  Menurut R.P. Jagaadesh, et al (2011), suatu diagram proses akan menggambarkan event log terlihat seperti spaghetti (spaghetti-like model). Oleh karena itu, plugin algoritma yang digunakan dalam tahapan process discovery adalah algoritma heuristic miner. Plugin ini digunakan karena dapat menampilan aktivitas berulang short loop dan dapat menangani permasalahan spaghetti processes, serta hasilnya dapat dikonversi kedalam bentuk petri net, sehingga relasi XOR serta AND dapat ditampilkan pada model proses (Sarno, et al., 2017). Pengonversian model proses menjadi petri net ini penting, karena model proses tidak bisa dianalisis ke aktivitas conformance analysis jika model proses tersebut bukan petri net.

  merupakan sebuah penerapan algoritma untuk menjalankan process mining. Selain itu, ProM sangat kompatibel sehingga tidak memerlukan kompilasi ulang suatu kode (Van Dongen, et al.,2005).

  penelitian ini. Piranti bantu ini memiliki banyak

  4. X  z, y  z, serta x || y, proses bersyarat Z yang harus dipatuhi oleh X serta Y.

  mining adalah ProM, khususnya versi 6.8 dalam

  pemodelan proses bisnis SOP dilakukan pada piranti bantu Yet Another Workflow Language (YAWL) yang berfungsi untuk memodelkan serta menyimulasikan sebuah alur kerja dengan Bahasa yang ringkas (Aalst&Arthur, 2002). Piranti bantu yang digunakan untuk menganalisis event log menggunakan process

  eXtensible Event Stream (XES). Sementara

  perusahaan diimpor kedalam Disco untuk merubah format file dari ekstensi excel (XLS) menjadi ekstensi pendukung ProM, yaitu

  event log yang diperoleh dari sistem ERP

  (Günther&Anne, 2012). Pada penelitian ini,

  process mining dari suatu data set

  Selanjutnya, dalam penelitian ini digunakan tiga macam piranti bantu, yaitu Disco, YAWL, serta ProM. Disco berfungsi sebagai alat bantu dalam menerapkan metode

  z, serta x#y, proses Z yang’ terpenuhi salah satu X atau Y.

   z, y 

  5. X

  X Y Z Gambar 5. Proses Z Terpenuhi Salah Satu Wahyuni, et al., 2018 perilaku proses sehingga pada keadaan atau kasus tertentu memungkinkan ada aktivitas yang dilewati (skipped), sedangkan variability by

  extension

  terjadi ketika pada model proses awal sebenarnya sudah terdapat beberapa variasi proses, namun dapat disesuaikan pada waktu tertentu jika diperlukan perubahan untuk menambah akivitas baru (Macello La Rosa, et al., 2017).

2. METODOLOGI

  Pada Gambar 6, telah disajikan secara garis besar tahap yang dilakukan guna menghasilkan hasil analisis dari penelitian ini.

  Tahap pertama yang dilakukan dalam melaksanakan penelitian adalah studi pustaka. Hal ini berguna untuk memperluas wawasan mengenai dasar teori, meliputi konsep, metode, dan teknologi yang berhubungan dengan process

  mining . Tahapan selanjutnya adalah tahap

  pengumpulan data. Data yang dikumpulkan memalui dua aktivitas yang berjalan secara paralel, yaitu pengambilan event log ERP perusahaan yang menghasilkan data mentah

  event log

  ERP, serta wawancara SOP yang menghasilkan SOP hasil wawancara dalam bentuk deskriptif.

  Setelah itu, dilakukan identifikasi serta filtrasi pada event log ERP guna menyeleksi kolom data dan cakupan aktivitas dalam proses pada event log ERP yang dibutuhkan untuk melakukan analisis dengan process mining. Data yang dibutuhkan adalah kolom Nama Produk sebagai keterangan nama produk yang di produksi, Process Order sebagai Case ID yang menandakan awal hingga akhirnya rangkaian

  Gambar 6. Flowchart Umum Penelitian

  aktivitas pada sebuah proses dan memiliki ID yang berbeda dengan proses lainnya, Operation Sebelum dilakukan simulasi terhadap sebagai Activity, serta Actual Start dan Actual model proses, dilakukan langkah validasi model

  Finish sebagai Timestamp. Sementara cakupan

  proses kepada pihak perusahaan guna aktivitas yang difokuskan dalam penelitian ini memastikan keakuratan model yang telah adalah mulai dari pembuatan produk antara dibentuk. Validasi dilakukan dengan triangulasi hingga pembuatan produk ruahan. waktu untuk memastikan keabsahan data hasil

  Setelah identifikasi dan filtrasi selesai, wawancara dengan mengembalikan hasil langkah selanjutnya adalah mengimpor file event wawancara ke narasumber untuk dicek

  log ERP kedalam piranti bantu Disco guna

  keakuratannya. Setelah simulasi selesai mengubah format file menjadi XES. Tahap dilakukan, selanjutnya adalah tahapan ekspor analisis menggunakan file event log ERP dalam

  event log

  SOP hasil simulasi dalam bentuk XES format XES selanjutnya dilakukan pada piranti untuk digunakan sebagai bahan analisis bantu ProM. selanjutnya pada piranti bantu ProM. Tahapan berikutnya adalah pemodelan

  Pada piranti bantu ProM, langkah pertama serta penyimulasian proses SOP menurut hasil yang dilakukan adalah melakukan filtrasi wawancara yang telah dilakukan dengan pihak terhadap event log, baik yang berasal dari ERP perusahaan menggunakan piranti bantu YAWL. maupun yang berasal dari simulasi model SOP, menggunakan plugin Filter Log by Event

  Attribute untuk memilih aktivitas hanya yang

  e.

  Tahapan pertama proses manufaktur krim adalah pemanasan fase minyak dan fase air secara terpisah hingga suhu tertentu.

  b. Setelah itu, kedua fase dicampur guna membentuk basis krim.

  c.

  Berikutnya adalah tahapan pelarutan zat aktif kedalam basis krim.

  d.

  Pelarutan zat aktif kedalam basis krim membuatnya menjadi massa krim.

  Tahap selanjutnya adalah tahap In

  berstatus complete. Hal ini dilakukan karena menurut Erick&Jagadeesh (2010), aktivitas yang tidak berstatus complete tidak dapat dilakukan analisis terhadap frequent path dan

  Process Control (IPC) oleh pihak laboratorium.

  f.

  Terakhir, adalah tahap tube

  blowing

  , serta pengisian krim kedalam tube. (a) (b)

  (c) (d)

  

Gambar 7. Model Proses Petri Net SOP (a) Kapsul, (b) Krim, (c) Sirup, (d) Tablet

  2. Krim a.

  IPC, selanjutnya adalah pengisian kapsul, dilanjutkan dengan tahap seleksi kapsul yang sudah memenuhi standar.

  Setelah lolos tahap

  f.

  Selanjutnya, dilakukan tahap process

  discovery

  bagi event log SOP menggunakan algoritma Heuristic Miner guna memvisualisasikan model proses kedalam bentuk heuristic net. Berikutnya, guna melakukan tahapan conformance analysis,, terlebih dahulu menerapkan tahap pengonversian model heuristic net menjadi petri net. Tahapan terakhir adalah melakukan

  conformance analysis

  guna mendeteksi keberadaan variasi yang terbentuk dari event log ERP dengan menggunakan proses acuan, yaitu model proses SOP.

  Terdapat empat jenis proses manufaktur obat yang dianalisis dalam penelitian ini, yaitu proses manufaktur kapsul, krim, sirup/suspensi, serta tablet. Model proses dalam bentuk petri net dari keempat jenis proses manufaktur ini tervisualisasi dalam Gambar 7. Masing-masing tahapan tiap proses manufaktur akan dijelaskan sebagai berikut:

  b.

  Tahap selanjutnya adalah pengeringan hasil granulasi basah.

  c. Setelah itu, dilakukan pengayakan guna mendapatkan partikel yang berukuran sama

  d. Setelah tahap pengayakan selesai, selanjutnya adalah pencampuran akhir pada bahan-bahan dasar pembuatan obat kapsul.

  e.

  Berikutnya dilakukan In Process

  Control (IPC) guna memastikan tekstur obat telah sesuai.

  throughput time .

3. HASIL DAN PEMBAHASAN

1. Kapsul a.

  Proses dimulai dari proses granulasi basah pada bahan dasar obat guna mendapatkan sifat aliran yang baik dan pencetakan obat yang sempurna.

3. Sirup/Suspensi a.

  skipped activity . Aktivitas yang

  mining . Dilihat pada Tabel 1, dapat diketahui

  hasil evaluasi conformance checking adalah sebagai berikut:

  1. Proses manufaktur kapsul dan sirup/suspensi tidak memiliki variasi yang berbeda dengan model proses SOP. Hal ini terbukti dari hasil rata-rata

  fitness

  yang menunjukkan nilai sempurna, yaitu 1. Sementara pada standar deviasi, kolom yang menunjukkan besarnya nilai penyimpangan, bernilai 0.

  2. Berdasarkan event log ERP proses manufaktur krim, terdapat variasi yang terdeteksi dengan nilai standar deviasi, yaitu 0.03 dan nilai rata-rata fitness, yaitu 0.93. Jenis penyimpangan pada proses manufaktur krim termasuk penyimpangan inserted activity serta

  terlewati (skipped) terletak pada aktivitas pemanasan. Namun, aktivitas ini sebenarnya adalah aktivitas pendukung saat pemodelan agar hasil dari model proses yang dibentuk sesuai dengan data wawancara SOP yang dilakukan, sehingga aktivitas ini tidak akan digolongkan kedalam jenis variability baik by restriction ataupun by extension . Sementara, Aktivitas tube blowing mengalami jenis penyimpangan

  conformance checking

  inserted activity serta skipped activity

  pada posisi yang berbeda. Hal ini mengakibatkan adanya variasi didalam proses manufaktur krim. Diketahui bahwa aktivitas tube blowing sebenarnya merupakan aktivitas yang terpisah dari aktivitas inti pembuatan obat berjenis krim. Sehingga, letak urutan aktivitas tersebut tidak berpengaruh pada rangkaian aktivitas yang lain selama letak urutannya masih terletak di sebelum aktivitas pengisian krim. Oleh karena itu, variasi yang disebabkan aktivitas ini termasuk kedalam jenis variabilitas by

  restriction .

  3. Pada event log ERP tablet terdeteksi adanya variasi dengan nilai standar deviasi 0.02 dan nilai fitness 0.99. Aktivitas yang menyebabkan terjadinya variasi dalam proses manufaktur tablet adalah terjadi pada tahap In Process Control (IPC). Jenis penyimpangan yang dialami adalah

  inserted activity , disebabkan oleh

  perulangan aktivitas

  IPC yang seharusnya tidak dilakukan mengacu kepada SOP yang telah ditetapkan. Akan tetapi, aktivitas ini dapat dilakukan ketika terdapat suatu kondisi tertentu, yaitu jika tahapan IPC yang hanya dilakukan sekali masih dirasa belum cukup atau masih ada kejanggalan. Oleh karena itu, variasi yang terdapat dalam proses manufaktur tablet, termasuk kedalam jenis variabilitas by extension.

  dengan teknik process

  Tahapan pertama yang dilakukan dalam proses manufaktur sirup adalah pengembangan suspending agent .

  b.

  Tahap awal yang dilakukan adalah proses granulasi basah pada bahan dasar pembuatan tablet.

  Setelah itu, dilakukan pencampuran bahan yang telah dikembangkan.

  c.

  Setelah tercampur, berikutnya dilakukan sirkulasi dan penghalusan guna mendapatkan tekstur yang sesuai.

  d. Tahap selanjutnya dilakukan In

  Process Control (IPC) oleh pihak laboratorium.

  e. Terakhir, tahap yang dilakukan adalah pengisian sirup kedalam botol.

  4. Tablet a.

  b.

  e.

  Selanjutnya dilakukan pengeringan terhadap bahan dasar tersebut.

  c.

  Setelah kering, tahapan selanjutnya adalah pengayakan guna menyamakan ukuran partikel bahan dasar pembuatan tablet.

  d.

  Tahap berikutnya adalah In

  Process Control

  (IPC) yang dilakukan oleh pihak laboratorium.

  Setelah lolos tahap IPC, tahapan terakhir yang dilakukan adalah tahap pencetakan tablet. Tahapan terakhir yang dilakukan adalah

• – Managing the Digital Firm Edisi ke sepuluh. Jakarta : Penerbit Salemba.

  ”. International Journal of Engineering and Techniques. 1.4. Hal. 12

  ”. 3.1. Hal. 64. Günther & Anne. 2012. “Disco : Discover our

  Processes

  ”. Eindhoven, The Netherlands : Fluxicon. Hammer, Michael, dan James Champy. 1993.

  Reengineering the Corporation : A Manifesto for Business Revolution. - : Harper Business.

  La Rosa, M., van der Aalst W.M.P, Dumas M., Milani F.P. 2013.

  “Business Process

  Variability Modeling : A Survey

  ”, University of Technology Eindhoven, The Netherlands, vol. 1316.

  Mekhala. 2015. “A Review Paper on Process

  Mining

  R.P. Jagadeesh Chandra Bos, H.M.W. Verbeek, A.J.M.M. Weijters, and W.M.P. van der Aalst. 2011.

  Günther, Christian . 2008. “Using Process

  ”Discovering Hierarchical

  Process Models Using ProM. Department of Mathematics and Computer Science

  ”. University of Technology. Eindhoven. The Netherlands.

  Produk Fitness Std. Deviation Kapsul

  1.00

  0.00 Krim

  0.93

  0.03 Sirup

  1.00

  0.00 Tablet

  0.99

  Mining to Learn from Process Changes in Evolutionary Systems

  and the ProM Framework: An Exploratory Survey. " 2012.

  Tabel 1. Hasil conformance checking pada fitness trace 4.

  membandingkan antara model petri net SOP dan event log ERP.

   KESIMPULAN Event log yang didapatkan dari sistem ERP

  perusahaan diidentifikasi serta difiltasi guna memilah kolom serta cakupan aktivitas dalam proses yang menjadi kebutuhan bagi analisis penelitian menggunakan process mining. Setelah itu, piranti bantu Disco digunakan untuk mengubah format file event log ERP menjadi

  XES. Disisi lain, guna menjalankan

  conformance analysis pada piranti bantu ProM,

  diperlukan sebuah event log proses SOP yang dimodelkan serta disimulasikan dengan piranti bantu YAWL. Pada kedua event log, baik yang berasal dari ERP maupun SOP, dilakukan filtrasi untuk memilih proses berstatus complete dengan

  plugin Filter Log by Event Attribute menggunakan piranti bantu ProM.

  Kemudian, event log SOP yang sudah difiltrasi diolah dalam aktivitas process

  discovery dengan algoritma Heuristic Miner

  guna memberikan visualisasi model proses dalam bentuk heuristic net. Model tersebut kembali dikonversikan kedalam bentuk petri net agar dapat dilakukan conformance analysis.

  Conformance analysis dilakukan dengan

  Hasil dari conformance analysis menyebutkan bahwa pada proses manufaktur kapsul dan sirup/suspensi tidak ditemukan adanya variasi. Akan tetapi, pada proses manufaktur krim terdapat variasi yang disebabkan oleh aktivitas tube blowing. Variabilitas yang terdapat dalam proses manufaktur krim merupakan jenis variability by

  Claes, Jan, and Geert Poels. "Process Mining

  restriction , karena urutan aktivitas tersebut

  masih dalam posisi aman selama masih terletak pada sebelum aktivitas pengisian krim.

  Sementara pada proses manufaktur tablet, telah ditemukan adanya variasi yang disebabkan oleh aktivitas In Process Control (IPC) yang disebabkan oleh perulangan aktivitas tersebut yang tidak sesuai dengan SOP perusahaan. Akan tetapi hal tersebut dapat dilakukan jika IPC yang seharusya dilakukan satu kali masih terdapat kejanggalan. Oleh karena itu, variasi yang terdapat dalam proses manufaktur tablet merupakan jenis variability by extension.

  5. DAFTAR PUSTAKA

  Adriansyah A., B.F. van Dongen, W.M.P. van der Aalst. 2011. “Conformance Checking

  Using Cost-Based Fitness Analysis

  ”, Department of Mathematic and Computer Science. University of Technology. The Netherlands.

  Azka, 2015. “Process Mining pada Proses Pengadaan Barang dan Jasa dengan menggunakan Heuristic Miner (Studi Kasus : Unit Logistik Telkom Engineering School)”. E-Proceeding of Engineering.

  Vol. 2, No. 1. Hal : 1332.

  C. Laudon, Kenneth, dan P. Laudon, Jane. 2007.

  Management Information Systems

  0.02 Rahmawati, Dewi. 2016. “Aplikasi Pendeteksi

  Fraud Pada Event Log Proses Bisnis Pengadaan Barang dan Jasa Menggunakan Algoritma Heuristic Miner

  ”. Skripsi. Universitas Islam Negeri Maulana Malik Ibrahim, Malang. Van der Aalst, Will M.P. 2006. “Business

  Process Mining : An Industrial Application

  ”. Jurnal Sistem Informasi.

  32.5. Hal. 713-732. Wahyuni, Sekar Cahyaningtyas. 2018.

  “Pemodelan dan Evaluasi Proses Bisnis Berdasarkan Hasil Ekstraksi Event Log dengan Menerapkan Process Mining Pada Divisi Produksi PT. Kutai Timber Indonesia Kota Probolinggo”. Skripsi.

  Universitas Brawijaya, Malang. Weijters, A., van der Aalst, W. 2013. Process Mining: Beyond Business Intelligence .

  Dilihat 12 Desember 2017. <http://www.processmining.org> Wicaksono, Satriyo, Imelda A., Angelina K.

  2014. “Evaluasi Proses Bisnis ERP dengan Menggunakan Process Mining (Studi Kasus : Goods Receipt (GR) Lotte Mart Bandung)

  ”. Skripsi. Telkom University, Bandung.