Analisis perbandingan algoritma Heuristic Miner dan Inductive Miner dalam process mining

INDONESIA:

Pertumbuhan pesat data digital dalam beberapa tahun terakhir telah mendorong pentingnya penemuan pengetahuan dan penambangan data, terutama dalam konteks manajemen proses bisnis. Process mining muncul sebagai bidang yang menjembatani kesenjangan antara data mining dan manajemen proses, memberikan wawasan untuk perbaikan efisiensi dan identifikasi pola dalam proses bisnis. Penelitian ini menganalisis perbandingan antara heuristic miner dan inductive miner dalam process mining untuk memodelkan proses bisnis dengan data yang memiliki karakteristik yang berbeda. Fokus utama dari penelitian ini adalah untuk mengeksplorasi pengaruh kompleksitas model terhadap akurasi model hasil process mining yang dihasilkan oleh kedua metode tersebut. Analisis dilakukan dengan membandingkan tingkat kesamaan antara model acuan dan model hasil process mining. Hasil penelitian menunjukkan bahwa inductive miner infrequent & all operators memberikan hasil rata rata tertinggi, menunjukkan kesesuaian model yang lebih baik dan nilai similarity lebih tinggi yaitu 98.62% dan untuk heuristic miner yang terbaik adalah parameter dependency threshold lebih dari sama dengan 90 dengan presentase similarity sebesar 94,63%. Kompleksitas model tidak menunjukkan pengaruh signifikan terhadap akurasi kecocokan antara model acuan dan model process mining yang dihasilkan.

ENGLISH:

The rapid growth of digital data in recent years has driven the importance of knowledge discovery and data mining, especially in the context of business process management. Process mining is emerging as a field that bridges the gap between data mining and process management, providing insights for efficiency improvement and pattern identification in business processes. This research analyzes the comparison between heuristic miner and inductive miner in process mining to model business processes with data having different characteristics. The main focus of this research is to explore the effect of model complexity on the accuracy of process mining models produced by both methods. The analysis is done by comparing the similarity rate between the reference model and the result of process mining. The results show that the inductive miner infrequent & all operators gives the highest average result, showing better model fit and higher similarity value of 98.62% and for the heuristic miner the best is the dependency threshold parameter more than equal to 90 with a similarity percentage of 94.63%. Model complexity does not show a significant effect on the accuracy of the match between the reference model and the resulting process mining model.

ARABIC:

أدى النمو السريع للبيانات الرقمية في السنوات الأخيرة إلى تعزيز أهمية اكتشاف المعرفة والتنقيب في البيانات، خاصةً في سياق إدارة العمليات التجارية. يبرز التنقيب في العمليات كمجال يسد الفجوة بين التنقيب في البيانات وإدارة العمليات، مما يوفر رؤى لتحسين الكفاءة وتحديد الأنماط في العمليات التجارية. ويحلل هذا البحث المقارنة بين المنقّب الاستدلالي والمنقّب الاستقرائي في التنقيب عن العمليات لنمذجة العمليات التجارية ذات البيانات ذات الخصائص المختلفة. ينصب التركيز الرئيسي لهذا البحث على استكشاف تأثير تعقيد النموذج على دقة نماذج التنقيب عن العمليات التي تنتجها كلتا الطريقتين. يتم إجراء التحليل من خلال مقارنة معدل التشابه بين النموذج المرجعي ونتيجة التنقيب عن العمليات. تُظهر النتائج أن عامل التعدين الاستقرائي غير المتكرر وجميع المشغلين يعطي أعلى متوسط نتيجة، ويظهر ملاءمة أفضل للنموذج وقيمة تشابه أعلى بنسبة 98.62% وبالنسبة لعامل التعدين الاستدلالي فإن أفضلها هو معلمة عتبة التبعية أكثر من 90 مع نسبة تشابه 94.63%. لا يُظهر تعقيد النموذج تأثيرًا كبيرًا على دقة التطابق بين النموذج المرجعي ونموذج التنقيب عن العمليات الناتج.