51¶¯Âþ

Proses mining telah menjadi alat yang sangat penting dalam menganalisis pelaksanaan proses bisnis di berbagai industri. Teknik ini memungkinkan organisasi untuk mengoptimalkan efisiensi, memastikan kepatuhan, dan meningkatkan proses berdasarkan data peristiwa aktual. Namun, tantangan utama dalam proses mining adalah format data yang digunakan oleh perusahaan sering kali tidak langsung sesuai dengan format log data yang dibutuhkan.

Penelitian ini menyoroti pentingnya transformasi data perusahaan ke dalam format log data standar untuk proses mining. Studi ini berfokus pada bagaimana data dalam format CSV dari Terminal Operating System (TOS) di terminal kontainer pelabuhan dapat dikonversi menjadi log data yang lebih terstruktur dan siap digunakan untuk analisis proses bisnis.

Penelitian ini menggunakan pendekatan sistematis dalam mengubah basis data perusahaan menjadi format log data yang dapat dianalisis dengan teknik proses mining. Langkah-langkah utama dalam metode ini meliputi:

1. Pengumpulan Data. Data yang digunakan berasal dari sistem TOS (Terminal Operating System) terminal kontainer pelabuhan, mencakup catatan proses dari Januari hingga Maret 2020 dengan total 157.965 kasus.
2. Transformasi Data. Data dalam bentuk CSV yang diambil dari TOS mengandung atribut seperti Container Key, Tipe Kontainer, Waktu Berlabuh Kapal, Tanggal Pembuangan, Proses Karantina, Waktu Masuk & Keluar Truk, serta informasi tambahan lainnya. Proses transformasi data dilakukan dengan:
   1. Identifikasi atribut log data, seperti Case ID, Aktivitas, Waktu, Pelaku, Input/Output, Biaya, dan Lampiran.
   1. Mengubah format waktu dari database asli menjadi format yang lebih terstruktur.
   1. Menyaring aktivitas dan pesan, memastikan hanya aktivitas yang relevan yang disertakan dalam log data.
3. Filtering dan Pemisahan Aktivitas. Peneliti menggunakan algoritma pemrosesan data berbasis Python (pandas & pm4py) untuk membedakan antara aktivitas bisnis yang nyata dan pesan administratif yang tidak diperlukan. Contohnya, jika kolom CTR TYPE berisi DRY, maka kontainer dikategorikan sebagai kontainer kering, sedangkan RFR menunjukkan kontainer berpendingin. Selain itu, sistem karantina juga diklasifikasikan berdasarkan jumlah pemeriksaan bea cukai, menentukan apakah sebuah kontainer masuk ke dalam kategori Green Line (bebas pemeriksaan) atau Red Line (memerlukan pemeriksaan lebih lanjut).
4. Pembuatan Log Data dengan Waktu Tunggal dan Ganda. Studi ini menghasilkan dua versi log data:
   1. Log Data dengan Waktu Tunggal: Menggunakan metode distribusi normal kumulatif atau berdasarkan pendapat ahli untuk menentukan waktu aktivitas.
   1. Log Data dengan Waktu Ganda: Menambahkan informasi durasi aktivitas dengan pendekatan sojourn time atau distribusi PERT-Beta.
5. Evaluasi dan Validasi. Untuk menguji efektivitas metode ini, data dibagi menjadi 70% untuk pelatihan dan 30% untuk pengujian. Log data yang dihasilkan dibandingkan dengan Standar Operasional Prosedur (SOP) perusahaan menggunakan metrik proses mining seperti:
   1. Fitness: 0,844 (seberapa baik model cocok dengan data asli)
   1. Precision: 0,830 (seberapa akurat model dalam menangkap aktivitas sebenarnya)
   1. Generalization: 0,973 (kemampuan model untuk menangani data baru)
   1. Simplicity: 0,878 (kesederhanaan model dalam menggambarkan proses)

Adapun beberapa temuan utama dari penelitian ini yaitu:

1. Konversi Database Menjadi Log Data Standar. Metode ini berhasil mengubah data dari sistem TOS ke dalam format yang sesuai untuk proses mining. Ini memungkinkan analisis yang lebih mudah dan meningkatkan pemahaman tentang operasional terminal kontainer.
2. Kemampuan untuk Menggunakan Waktu Tunggal atau Ganda. Dengan menghasilkan dua jenis log data, perusahaan memiliki fleksibilitas dalam memilih pendekatan yang paling sesuai dengan kebutuhan analisis mereka.
3. Peningkatan Efisiensi dalam Analisis Proses. Dengan mengotomatiskan proses transformasi data, waktu dan usaha manual dalam menyiapkan data untuk analisis dapat dikurangi secara signifikan.
4. Kesesuaian dengan Standar Operasional Perusahaan. Model proses yang dihasilkan sangat mendekati prosedur operasional yang diterapkan di terminal kontainer, yang menunjukkan bahwa log data yang dibuat akurat dan dapat diandalkan untuk keperluan analisis lebih lanjut.

Penelitian ini menunjukkan bahwa dengan metode yang sistematis, data dari sistem TOS dapat dikonversi secara otomatis ke dalam format log data standar untuk keperluan proses mining. Hasil yang diperoleh tidak hanya meningkatkan efisiensi dalam analisis bisnis, tetapi juga membuka peluang untuk mengoptimalkan proses logistik di terminal kontainer.

Keberhasilan penerapan metode ini di Terminal Kontainer Pelabuhan menjadi langkah awal yang penting. Studi selanjutnya dapat mengeksplorasi penerapan metodologi ini di berbagai terminal pelabuhan atau sistem basis data perusahaan lain untuk menguji skalabilitas dan keandalan pendekatan yang diusulkan.

Dengan temuan ini, diharapkan perusahaan dapat memanfaatkan proses mining secara lebih optimal dalam meningkatkan efisiensi operasional, mengurangi biaya, dan mempercepat proses pengambilan keputusan di lingkungan yang semakin kompetitif.

AIP untuk E-IPKI

Detail artikel:

Judul : TRANSFORMING EVENT LOG WITH DOMAIN KNOWLEDGE: A CASE STUDY IN PORT CONTAINER TERMINALS

Authors: Yutika Amelia Effendi, Minsoo Kim

ICIC Express Letters, Volume 19, Number 3, March 2025

DOI: 10.24507/icicel.19.03.291

Teknik Robotika dan Kecerdasan Buatan, FTMM UNAIR

Email/Kontak: yutika.effendi@ftmm.unair.ac.id/ 082301787770