digilib@itb.ac.id +62 812 2508 8800

Process mining dapat digunakan untuk melakukan analisis proses pada sistem berbasis service. Salah satu caranya adalah dengan melakukan discovery model proses dari event log pada service. Hanya saja model proses seperti workflow-net dan algoritma discovery model proses yang digunakan oleh process mining tidak dapat menggambarkan interaksi antar proses pada service. Oleh karena itu, tesis ini bertujuan untuk memberikan solusi agar process mining dapat memodelkan proses dengan interaksi pada sistem berbasis service dengan menggunakan proclet sebagai bahasa pemodelan proses. Tahap pertama untuk menjawab persoalan ini adalah dengan melakukan analisis model data event log yang dapat memenuhi karakteristik proclet. Lalu tahap kedua adalah melakukan analisis untuk melakukanidentifikasi relasi proses dari data model data event log yang diajukan pada tahap pertama. Lalu tahap ketiga adalah melakukan perancangan perangkat lunak yang dinamakan Procship Finder untuk dapat mengimplementasikan metode yang dihasilkan pada tahap kedua. Ada dua studi kasus untuk melakukan pengujian terhadap metode yang diajukan. Studi kasus pertama adalah melakukan reverse engineering terhadap model proses proclet Meeting dan Personal Entry yang sudah ada sebelumnya. Tujuan dari studi kasus ini adalah untuk membuktikan bahwa metode dapat memodelkan ulang secara identik dengan menggunakan model data event log yang di ajukan. Sedangkan pada studi kasus kedua, akan menggunakan data pada proses interview dengan menggunakan rekaman video. Sistem pada studi kasus kedua akan menggunakan tiga buah service, yaitu Recruiter, Candidate dan Server. Event log pada masing-masing service diambil dari berbagai macam sumber seperti log email, data transaksi dan data event log. Tujuan dari studi kasus kedua adalah untuk menguji ProcshipFinder dengan data pada lingkungan nyata. Dari hasil penelitian ini, maka dapat disimpulkan bahwa Proclet dapat digunakan untuk memodelkan interaksi proses pada service karena komponen port pada Proclet memiliki kapabilitas untuk memodelkan kardinalitas dan multiplicity proses, kesimpulan selanjutnya adalah identifikasi relasi proses dengan kardinalitas port (*), (+) dan (1) dapat ditentukan dengan melihat jumlah penerima performative yang unik pada seluruh instance proses. Sedangkan kardinalitas port dengan relasi dengan notasi (?) pada tesis ini tidak bisa teridentifikasi karena metode yang diajukan pada tesis tidak melakukan pengecekan terhadap event yang tidak memiliki interaksi. Kesimpulan terakhir adalah terdapat banyak tantangan dalam melakukan korelasi event antar proclet. Hal ini disebabkan karena setiap sistem informasi memiliki struktur yang berbeda dalam menyimpan informasi event dan dibutuhkan pengetahuan pada domain permasalahan yang akan dilakukan process mining.