Identifikasi titik Keputusan dalam proses bisnis operasional hotel

INDONESIA:

Industri perhotelan memiliki proses bisnis yang kompleks dan melibatkan berbagai titik keputusan yang memengaruhi efisiensi operasional serta kualitas layanan. Masalah yang akan di selesaikan dalam penelitian ini adalah Pengambilan keputusan yang tidak terstruktur dapat menyebabkan keterlambatan pelayanan, kesalahan operasional, dan menurunnya kepuasan pelanggan. Penelitian ini bertujuan mengidentifikasi titik keputusan pada proses operasional hotel menggunakan pendekatan process mining dan decision mining berbasis event log sintetis. Metode yang digunakan meliputi preprocessing data, process discovery dengan algoritma Inductive Miner untuk membentuk model BPMN, serta decision mining menggunakan Decision Tree untuk menghasilkan aturan keputusan. Data penelitian mencakup proses reservasi, check-in, housekeeping, room service, food and beverage (F&B), dan check-out. Hasil penelitian menunjukkan bahwa Decision Tree berhasil menghasilkan aturan keputusan yang menjelaskan pola pemilihan jalur proses berdasarkan kondisi operasional dengan total 17 aturan if-then. Hasil conformance checking pada SOP Hotel memperoleh rata-rata fitness 100,00%, precision 73,91%, accuracy 85,00%, dan efficiency 85,00%. Sementara itu, SOP Forbes Travel Guide memperoleh fitness 33,33%, precision 21,32%, dan efficiency 34,28%, sedangkan SOP ISO memperoleh fitness 25,00%, precision 35,71%, dan efficiency 31,25%. Hasil tersebut menunjukkan bahwa SOP Hotel paling sesuai dengan karakteristik data operasional hotel yang dianalisis. Penelitian ini membuktikan bahwa kombinasi process mining, decision mining, dan conformance checking mampu membantu identifikasi titik keputusan secara sistematis untuk membantu menganalisis efisiensi operasional hotel.

ENGLISH:

The hotel industry has complex business processes involving various decision points that affect operational efficiency and service quality. The problem addressed in this research is that unstructured decision-making can lead to service delays, operational errors, and decreased customer satisfaction. This study aims to identify decision points in hotel operational processes using a process mining and decision mining approach based on synthetic event logs. The methods used include data preprocessing, process discovery using the Inductive Miner algorithm to construct BPMN models, and decision mining using the Decision Tree algorithm to generate decision rules. The research data include reservation, check-in, housekeeping, room service, food and beverage (F&B), and check-out processes. The research results show that the Decision Tree successfully generated decision rules that explain the process path selection patterns based on operational conditions, with a total of 17 if-then rules. The conformance checking results on the Hotel SOP achieved an average fitness of 100.00%, precision of 73.91%, accuracy of 85.00%, and efficiency of 85.00%. Meanwhile, the Forbes Travel Guide SOP obtained a fitness of 33.33%, precision of 21.32%, and efficiency of 34.28%, while the ISO SOP obtained a fitness of 25.00%, precision of 35.71%, and efficiency of 31.25%. The results indicate that the Hotel SOP is the most suitable for the characteristics of the analyzed hotel operational data. This study proves that the combination of process mining, decision mining, and conformance checking is capable of systematically identifying decision points to support the analysis of hotel operational efficiency.

ARABIC:

تتميز صناعة الفنادق بعمليات تجارية معقدة تتضمن العديد من نقاط اتخاذ القرار التي تؤثر على الكفاءة التشغيلية وجودة الخدمات، وتتمثل المشكلة التي تسعى هذه الدراسة إلى معالجتها في أن اتخاذ القرارات بصورة غير منظمة قد يؤدي إلى تأخر الخدمات، وحدوث أخطاء تشغيلية، وانخفاض مستوى رضا العملاء. تهدف هذه الدراسة إلى تحديد نقاط اتخاذ القرار في العمليات التشغيلية للفنادق باستخدام منهجية التنقيب في العمليات (Process Mining) والتنقيب في القرارات (Decision Mining) المعتمدة على سجلات الأحداث الاصطناعية (Synthetic Event Logs). وتشمل المنهجية المستخدمة معالجة البيانات المسبقة (Preprocessing)، واكتشاف العمليات باستخدام خوارزمية Inductive Miner لتشكيل نموذج BPMN، بالإضافة إلى التنقيب في القرارات باستخدام شجرة القرار (Decision Tree) لإنتاج قواعد اتخاذ القرار. وتغطي بيانات الدراسة عمليات الحجز، وتسجيل الدخول (Check-in)، وخدمات التدبير الفندقي (Housekeeping)، وخدمة الغرف، وخدمات الطعام والشراب (F&B)، وتسجيل المغادرة (Check-out). وأظهرت نتائج الدراسة أن شجرة القرار نجحت في إنتاج قواعد قرار تفسر أنماط اختيار مسارات العمليات بناءً على الظروف التشغيلية، بإجمالي 17 قاعدة من نوع If-Then. كما أظهرت نتائج فحص المطابقة (Conformance Checking) أن إجراءات التشغيل القياسية الخاصة بالفندق (Hotel SOP) حققت متوسط Fitness بنسبة 100.00%، وPrecision بنسبة 73.91%، وAccuracy بنسبة 85.00%، وEfficiency بنسبة 85.00%. في المقابل، حققت إجراءات Forbes Travel Guide نسبة Fitness بلغت 33.33%، وPrecision بنسبة 21.32%، وEfficiency بنسبة 34.28%، بينما حققت إجراءات ISO نسبة Fitness بلغت 25.00%، وPrecision بنسبة 35.71%، وEfficiency بنسبة 31.25%. وتشير هذه النتائج إلى أن إجراءات التشغيل القياسية الخاصة بالفندق هي الأكثر توافقًا مع خصائص البيانات التشغيلية للفندق التي تم تحليلها، كما تثبت هذه الدراسة أن الجمع بين التنقيب في العمليات، والتنقيب في القرارات، وفحص المطابقة يمكن أن يساعد في تحديد نقاط اتخاذ القرار بشكل منهجي لدعم تحليل الكفاءة التشغيلية للفنادق.