Introduction Process Mining

Di era digital saat ini, hampir semua aktivitas bisnis dan komunikasi telah terdigitalisasi. Hal ini menciptakan konsep Always On, di mana data dikumpulkan kapan saja dan di mana saja secara terus-menerus. Selain itu, ada juga konsep The Nexus Force, yang menggabungkan empat tren utama—sosial, mobile, cloud, dan informasi—untuk saling terhubung dan memperkuat satu sama lain.

Karena adanya Always On dan The Nexus Force, jumlah data yang dihasilkan semakin besar, menciptakan fenomena Big Data. Namun, tantangan utama bukan hanya mengumpulkan data dalam jumlah besar, tetapi bagaimana mengubahnya menjadi wawasan yang bernilai untuk meningkatkan atau menciptakan produk, layanan, serta proses bisnis yang lebih efisien.

Salah satu sumber informasi yang paling penting adalah data berbasis peristiwa (event data), yang mencatat kejadian dalam berbagai sistem, seperti:

• Mesin (misalnya, pemindaian X-ray di rumah sakit)
• Sistem informasi perusahaan (misalnya, pesanan pelanggan)
• Rumah sakit (misalnya, hasil analisis sampel darah)
• Media sosial (misalnya, pertukaran email atau tweet)
• Sistem transportasi (misalnya, check-in, pembelian tiket, atau melewati gerbang tol)

Lalu Mr. Wil Van Der Aalst membuat sebuah istilah namanya Internet of Events (IoE) yang mengacu kepada semua data event yang tersedia. IoE terdiri atas empat komponen yaitu:

- Internet of Content (IoC): Semua informasi yang dibuat oleh manusia untuk meningkatkan pengetahuan tentang topik tertentu. IoC mencakup halaman web tradisional, artikel, ensiklopedia seperti Wikipedia, YouTube, e-book, berita, dll.
- Internet of People (IoP): Semua data yang terkait dengan interaksi sosial. IoP mencakup e-mail, Facebook, Twitter, forum, LinkedIn, dll.
- Internet of Things (IoT): Semua objek fisik yang terhubung ke jaringan. IoT mencakup semua benda yang memiliki identitas unik dan hadir dalam struktur mirip internet. Benda-benda ini bisa memiliki koneksi internet atau ditandai menggunakan Radio-Frequency Identification (RFID), Near Field Communication (NFC), dll.
- Internet of Locations (IoL): Mengacu pada semua data yang memiliki dimensi spasial (lokasi). Dengan meningkatnya penggunaan perangkat mobile (seperti smartphone), semakin banyak peristiwa yang memiliki atribut geospasial.

Perlu dicatat bahwa IoC, IoP, IoT, dan IoL saling tumpang tindih. Misalnya, nama tempat dalam sebuah halaman web atau lokasi dari mana sebuah tweet dikirim. Contohnya, Foursquare adalah gabungan dari IoP dan IoL.

Jadi Apa itu Process Mining?

Process Mining adalah metode penerapan algoritma khusus pada data event untuk mengidentifikasi tren, pola, dan detail bagaimana suatu proses terungkap

Process Mining vs Data Mining

Data Mining digunakan untuk menganalisis Big Data untuk menemukan pola dan hubungan yang tidak terduga dengan cara yang lebih dimengerti oleh pemilik data. Walaupun Data Mining dan Process Mining sama-sama digunakan untuk membuat big data lebih understandable, tetapi Data Mining tidak berpusat pada proses dan tidak dapat sepenuhnya menghandle data proses (event log) secara end-to-end.

Data mining lebih peduli dengan “apa”, yaitu menemukan pola dalam data. Sedangkan Process mining berusaha menjawab “mengapa”, yaitu mencari alasan di balik pola tersebut dengan menganalisis bagaimana suatu proses berjalan.

Process Mining, Data Science, dan Process Science

Sebelumnya mari bahas tentang Data Science dan Process Science terlebih dahulu

Intinya adalah Sebagian besar teknik Data Science bersifat process-agnostic, artinya tidak dirancang untuk secara eksplisit memahami bagaimana suatu proses berjalan dari awal hingga akhir. Teknik-teknik data science maupun machine learning yang umum tidak dapat mengolah data proses (event log) secara end-to-end.

Sedangkan Process Science berfokus pada pemodelan dan analisis proses bisnis menggunakan pendekatan berbasis aturan, standar industri, dan simulasi. Namun, pendekatan ini sering kali tidak berbasis data nyata (event log) sehingga kurang mencerminkan bagaimana proses sebenarnya berjalan di dunia nyata.

Di sinilah peran process mining. Process Mining mengisi celah antara Data Science dan Process Science dengan menggabungkan pendekatan berbasis data dan proses.

• Seperti Process Science, Process Mining bertujuan untuk memahami dan memodelkan proses bisnis.
• Namun, berbeda dengan pendekatan berbasis best practice, Process Mining membangun model proses berdasarkan data nyata (event logs) seperti yang dilakukan dalam Data Science.

Dengan kata lain, Process Mining memungkinkan kita untuk merekonstruksi proses berdasarkan data yang sebenarnya terjadi dalam sistem, bukan hanya berdasarkan asumsi atau standar industri.

Process Mining = Data Science in Action

Karena Process Mining menggunakan teknik analisis data untuk memahami bagaimana suatu proses bekerja secara nyata, banyak yang menganggapnya sebagai bagian dari Data Science. Bahkan, Process Mining sering disebut sebagai “Data Science in Action”, karena memungkinkan kita untuk mengubah data menjadi wawasan proses yang dapat dioptimalkan secara nyata.