PEMETAAN STRUKTUR ORGANISASI DAN MODEL PROSES BISNIS

BERDASARKAN KEMIRIPAN MAKNA KALIMAT MENGGUNAKAN

ALGORITMA PATH

SEMINAR HASIL

Oleh:
MUHAMMAD RIZAL MUSTHOFA
NIM. 15650048

HALAMAN JUDUL

JURUSAN TEKNIK INFORMATIKA

FAKULTAS SAINS DAN TEKNOLOGI
UNIVERSITAS ISLAM MAULANA MALIK IBRAHIM
MALANG
2022
LEMBAR PERSETUJUAN

2
 DAFTAR ISI

HALAMAN JUDUL..............................................................................................1
LEMBAR PERSETUJUAN..................................................................................2
DAFTAR ISI...........................................................................................................3
DAFTAR GAMBAR..............................................................................................5
DAFTAR TABEL..................................................................................................6
BAB I PENDAHULUAN.......................................................................................7
1.1 Latar Belakang................................................................................................7
1.2 Masalah Penelitian........................................................................................14
1.3 Tujuan Penelitian..........................................................................................14
1.4 Manfaat Penelitian........................................................................................14
1.5 Batasan Penelitian.........................................................................................15
BAB II LANDASAN TEORI..............................................................................16
2.1 Organisasi.....................................................................................................16
2.2 Struktur Organisasi.......................................................................................17
2.3 SOP...............................................................................................................19
2.4 Job Description.............................................................................................19
2.5 Proses Bisnis.................................................................................................20
2.6 Pemodelan Proses Bisnis..............................................................................21
2.7 Text Mining..................................................................................................23
2.8 Text Preprocessing..........................................................................................23
2.8 TF (Term Frequency)...................................................................................26
2.9 IDF (Inverse Document Frequency).............................................................27
2.10 Kemiripan Makna Kalimat...........................................................................27
2.11 Pengertian Graph..........................................................................................28
2.12 Graph Database...........................................................................................29
2.13 Kelebihan Graph Database..........................................................................30
2.14 Algoritma Kemiripan Makna Kalimat..........................................................31
2.15 Penelitian Terkait..........................................................................................34
BAB III METODOLOGI PENELITIAN..........................................................37
3.1 Gambaran Umum.............................................................................................37

3
3.2 Sumber Data.....................................................................................................37
3.3 Prosedur Penelitian..........................................................................................38
3.3.1. Identifikasi Struktur Organisasi dan Proses Bisnis.......................................39
3.3.2. Pemodelan Struktur Organisasi dan Model Proses Bisnis............................43
3.3.3. Parsing Data.................................................................................................45
3.3.4. Penyusunan Dataset Sinonim Kata...............................................................47
3.3.3 Preprocessing................................................................................................49
3.3.4 Menghitung Kemiripan Semantic.................................................................55
3.3.5. Mapping........................................................................................................66
DAFTAR PUSTAKA............................................................................................67

4
 DAFTAR GAMBAR

Gambar 2 1 Proses Case Folding...........................................................................24

Gambar 2 2 Proses TokenizingText Transformation.............................................24
Gambar 2 3 Proses Stopward.................................................................................25
Gambar 2 4 Proses Stemming................................................................................26
Gambar 2 5 Perpaduan Antara Edge dan...............................................................29
Gambar 3 1 Prosedur Penelitian.............................................................................39
Gambar 3 2 Struktur Organisasi PP. Anshofa Malang..........................................44
Gambar 3 3 Model Proses Bisnis Kesantrian........................................................45
Gambar 3 4 Flowchart proses parsing XML struktur organisasi (semantic).........46
Gambar 3 5 Flowchart proses parsing XML struktur organisasi (semantic).........47
Gambar 3 6 Sinonimkata.com................................................................................48
Gambar 3 7 Visual sinonimkata.com.....................................................................48
Gambar 3 8 Dataset sinonim kata..........................................................................49
Gambar 3 9 skrip proses case folding....................................................................50
Gambar 3 10 Skrip proses Tokenizing...................................................................51
Gambar 3 11 Skrip stopward removal...................................................................52
Gambar 3 12 Skrip stemming................................................................................54
Gambar 3 13 Flowchart mencari nilai kemiripan sematic.....................................56
Gambar 3 14 Leventhstein Calculator...................................................................60
Gambar 3 15 Chyper mencari jalur terpendek.......................................................61
Gambar 3 16 Chyper mencari jalur terpanjang......................................................61

5
 DAFTAR TABEL
Tabel 2 1 Notasi Flow pada BPMN.....................................................................22
Tabel 2 2 Penelitian Terkait...................................................................................36
Tabel 3 1 Job Description Organisasi PP. Anshofa Malang..................................39
Tabel 3 2 Repository Proses Bisnis........................................................................41
Tabel 3 3 Contoh dokumen untuk pencarian.........................................................49
Tabel 3 4 Hasil case folding...................................................................................50
Tabel 3 5 Hasil stopward removal.........................................................................52
Tabel 3 6 Hasil stemming......................................................................................55
Tabel 3 7 Perhitungan TF IDF job description......................................................57
Tabel 3 8 Perhitungan TF IDF model proses bisnis...............................................57
Tabel 3 9 Hasil sorting kata pada model job description dengan bobot tertinggi..58
Tabel 3 10 Hasil sorting kata pada model proses bisnis dengan bobot tertinggi...58
Tabel 3 11 Kata kunci hasil pembobotan...............................................................58
Tabel 3 12 Hasil perhitungan leventhstein.............................................................60
Tabel 3 13 Hasil pencarian jalur kata ‘laksana’ dan ‘rencana’..............................61
Tabel 3 14 Hasil pencarian jalur kata ‘jadwal’ dan ‘kegiatan’..............................62
Tabel 3 15 Hasil pencarian jalur kata ‘laporan’ dan ‘kegiatan’.............................62
Tabel 3 16 Hasil kemiripan kata............................................................................64
Tabel 3 17 Nilai kemiripan kata.............................................................................65
Tabel 3 18 Hasil mapping......................................................................................66

6
 BAB I
PENDAHULUAN
1.1 Latar Belakang

Organisasi dapat diartikan sebagai suatu kesatuan yang dijadikan wadah

atau sarana untuk mencapai berbagai tujuan bersama1. Organisasi memiliki

komponen seperti banyaknya anggota, tata hubungan kerja, spesialis pekerjaan

serta kesadaran rasional dari anggota sesuai dengan kemampuan dan spesialisasi

mereka masing-masing.

Organisasi ini juga dipandang sebagai proses yang menyoroti interaksi

diantara orang-orang seperti para anggota organisasi. Pada dasarnya organisasi ini

memiliki keberhasilan yang ditentukan oleh kualitas sumber daya manusia yang

saling berinteraksi dan juga mengembangkan organisasi yang akan bersangkutan.

Lalu dalam meningkatkan sumber daya manusia, organisasi mengoptimalkan

kinerja pegawai yang tidak terlepas dari pemberdayaan potensi yang ada.

Kemudian dalam hal oraganizing ini adalah sebuah proses penyusunan

dalam struktur organisasi sesuai dengan tujuan dan organisasinya dilakukan

melalui sumber daya yang telah dimiliki, serta lingkungan yang melingkupinya2.

Pengorganisasian dilakukan guna mencapai tujuan strategis dari suatu organisasi

yang mesti diawali dengan sejumlah tahapan, salah satunya proses mendesain

organisasi. Pola hubungan spesifik dalam proes ini dinamakan sturktur organisasi.

Struktur organisasi juga dapat diartikan sebagai suatu mekanisme formal dengan

organisasi yang dikelola. Pada struktur organisasi menetapkan mengenai tugas

7
dalam pekerjaan serta dibagi secara dikelompokkan, dan dikoordinasikan secara

formal3.

Struktur organisasi memperlihatkan kondisi dan pelaksanaan pola tetap

hubungan-hubungan di antara fungsi-fungsi, bagian-bagaian atau posisi-posisi

maupun orang-orang yang menunjukkan kedudukan, tugas, wewenang dan

tanggung jawab yang berbeda-beda dalam suatu organisasi. Struktur organisasi

mengandung unsur-unsur spesialis kerja, standardisasi, koordinasi, sentralisasi

atau desentralisasi dalam pembuatan keputusan dan besaran (ukuran) satuan kerja.

Bahwasannya struktur organisasi ini akan menimbulkan pengaruh terhadap

kinerja karyawan pada suatu perusahaan, tetapi juga tergantung pada bentuk

struktur organisasi yang dipakai oleh perusahaan tersebut. Struktrur organisasi

perusahaan cenderung berbeda dengan struktur yang lainnya. Pada umumnya

struktur organisasi yang lazim digunakan adalah struktur yang sederhana,

birokrasi dan struktur matriks. Secara spesifik, struktur hendaknya mengikuti

strategi. Ketika manajemen telah membuat suatu perubahan yang penting dalam

strategi organisasinya, maka struktur akan perlu dimodifikasikan untuk

mengakomodasi dan mendukung perubahan ini. Bentuk struktur organisasi yang

beraneka cenderung mempengaruhi dimana tiap-tiap bentuk struktur organisasi

mempunyai kelemahannya masing-masing.

Selanjutnya pada prespektif graph ini memiliki bentuk suatu struktur

organisasi. Bentuk struktur graph yang dimaksud ini terdiri atas edge dan node4.

Edge dalam struktur organisasi digambarkan sebagai bentuk garis yang

mempunyai fungsi-fungsi tertentu. Pada umumnya edge dalam struktur organisasi

8
menjelaskan garis wewenang, tanggung jawab, dan pertangggung jawaban. Selain

itu, fungsi edge juga menjelaskan bagaimana garis komunikasi, garis koordinasi

dalam usaha peningkatan efesiensi, efektivitas dan produktivitas.

Node dalam organisasi pada umumnya dapat dijumpai berupa kotak-kotak

aktivitas atau kotak jabatan yang saling terhubung oleh edge yang berupa garis

tata hubungan. Secara umum, node pada organisasi menjelaskan mengenai job

description. Menurut Hasibuan bahwa job description merupakan gambaran

tertulis yang menguraikan tugas dan tanggung jawab, kondisi pekerjaan,

hubungan pekerjaan dan aspek-aspek pekerjaan pada suatu jabatan tertentu dalam

organisasi5.

Pada Job description sendiri yang terdapat dalam struktur organisasi

diimplementasikan ke bentuk SOP (Standar operasional prosedur). Standar dan

prosedur (SOP) ini digunakan sebagai acuan dalam bekerja, selain itu juga untuk

mengukur kinerja atau sebagai tolok ukur dalam menilai kinerja pegawai di suatu

perusahaan swasta maupun di suatu instansi pemerintahan agar pekerjaan dapat

berjalan sesuai dengan standard prosedur yang ada6. Ketika Standar Operasional

Prosedur (SOP) telah diterapkan dengan baik oleh suatu instansi pemerintahan

maka dapat mencapai tujuannya atau sukses.

Pembentukan struktur organisasi hanya menyajikan kerangka bangunan

organisasi, akan tetapi pada suatu subsistem sangatlah penting dari suatu

organisasi. Dengan adanya struktur organisasi semua kegiatan dalam bentuk job

description maupun SOP akan terbentuk ataupun terstruktur dengan menggunakan

model proses bisnis. Model proses bisnis atau Business Process Modeling

9
diartikan sebagai kegiatan yang menggambarkan proses bisnis pada perusahaan

dengan proses yang bisa dipahami, dianalisis, serta ditingkatkan. Kemudian pada

model proses bisnis ini berkaitan dengan kegiatan bisnis seperti input, control,

output dan resource. Bahwasannya dengan memanfaatkan Business Process

Modeling ini, sebuah organisasi maupun perusahaan bisa mengidentifikasi bagian-

bagian mana saja yang masih perlu diperbaiki dengan melakukan pengelompokan

pekerjaan dan berkas lebih dari satu lembaga dalam sebuah institusi, perusahaan

maupun organisasi7.

Pada proses bisnis ini dapat dipahami sebagai kumpulan aktivitas yang

dapat mendefinisikan mengenai pekerjaan yang dilakukan oleh sebuah sistem

untuk mengubah input menjadi output sesuai dengan pengguna. Model proses

bisnis juga dapat digunakan dalam hal mengidentifikasi kebutuhan pengguna

seperti bagian utama pengembangan sistem informasi (SI). Dapat diartikan bahwa

model proses bisnis ini adalah bagian dari aktivitas bisnis yang disusun secara

spesifik, lalu bergantung pada aturan bisnis yang diterapkan oleh setiap

perusahaan8. Proses bisnis sangat berguna untuk menganalisis suatu organisasi,

dalam hal ini mengatur setiap departemen dan aktivitas operasional dengan

pendekatan sistematik untuk mencapai kualitas yang diinginkan.

Dari uraian tersebut, dapat ditarik suatu pengertian bahwasannya struktur

organisasi mempunyai keterkaitan yang erat dengan model proses bisnis. Untuk

menemukan keterkaitan antara struktur organisasi dan model proes bisnis

diperlukan suatu pemetaan. Pemetaan tersebut berfungsi untuk menemukan suatu

10
model proses bisnis yang tepat dan memiliki kemiripan dengan struktur

organisasi.

Salah satu cara untuk memetakan struktur organisasi dengan model proses

bisnis yakni dengan mengukur kemiripannya. Pengukuran kemiripan antara

struktur organisasi dengan model proses bisnis dilakukan untuk mendapatkan satu

standar model proses bisnis yang diambil dari repository yang dapat memudahkan

dalam proses pengembangan organisasi. Permasalahan proses bisnis ini diukur

seberapa tingkat kemiripan struktur organisasi dengan model proses bisnis yang

diperoleh dari repository.

Pada kemiripan antar model proses bisnis ini terdapat beberapa kemiripan

yang digunakan yaitu kemiripan struktural (structural similarity), kemiripan

perilaku (behavioral similarity), kemiripan semantik (semantic similarity)9. Pada

model proses bisnis yang digunakan ini menggunakan kemiripan semantik.

Kemiripan semantik pada struktur organisasi bahwasannya terdapat banyak kata

didalamnya dan yang memiliki kemiripan makna kata. Semantik sendiri

merupakan cabang dari linguistik (ilmu bahasa) yang mempelajari arti atau makna

yang terkandung pada suatu bahasa, kode, atau jenis representasi lain, atau yang

lebih dikenal dengan pembelajaran tentang makna kata. Kata semantik itu sendiri

menunjukkan berbagai ide dari popular yang sangat teknis. Hal ini sering

digunakan dalam bahasa. Kemudian pada kesamaan semantik ini terdapat tujuan

yaitu untuk mengidentifikasi sebuah konsep yang memiliki kesamaan dari

karakteristik tersebut. Kesamaan semantik ini dapat menilai keterkaitan antara

mereka. Kesamaan semantik diartikan, bahwa terdapat seperangkat dokumen atau

11
kata dimana gagasan jarak antara keduanya didasarkan pada kemiripan makna

atau konten semantiknya dibandingkan dengan kesamaan yang dapat diperkirakan

mengenai representasinya. Selain itu juga kesamaan semantik ini dapat

memperkirakan kekuatan hubungan semantik antara unit bahasa, dan konsep

melalui deskripsi numerik, serta diperoleh hasil dengan perbandingan informasi

yang mendukung maknanya atau menggambarkan sifatnya.

Ketika memulai membandingkan kemiripan dari kata yang satu dengan

yang lain harus terlebih dahulu disesuaikan masing-masing jenis kelas katanya.

Kemudian perbandingan antar kata ini hanya dapat dilakukan pada jenis kelas kata

yang sama. Sedangkan kemiripan makna kalimat ini adalah gabungan dari

kemiripan antar kata. Agar dapat mengetahui kedekatan makna antar kalimat ini,

maka dapat dilakukan dengan cara menghitung nilai kemiripan makna antar

kalimat tersebut. Dalam pemetaan struktur organisasi dengan model proses bisnis

menggunakan kata melalui tahapan seperti pengumpulan data, preproses dan

menghitung persamaan kata.

Dalam Islam bahwasannya mengajarkan mengenai perbuatan atau akhlak

yang dapat dilakukan dengan baik ataupun secara efektif. Islam sendiri merupakan

agama yang sempurna dengan segala ketentuan-ketentuan yang telah diatur di

dalam Al-Quran dan Sunnah Rasulullah SAW. Kemudian sebagai seorang yang

beragama Islam atau muslim yang taat dan beriman kepada Allah hendaknya

memiliki akhlak yang sesuai dengan Al-Quran dan Sunnah, karena Al-Quran

merupakan petunjuk bagi umat manusia dalam mengarungi hidup di dunia ini agar

12
selamat menuju kehidupan akhir yang sesungguhnya. Ada beberapa bentuk akhlak

yang telah disebutkan dalam Quran Surat Al Mu’minun ayat 3:

ِ
ُ ‫﴾ َوالَّذيْ َن ُه ْم َع ِن اللَّ ْغ ِو ُم ْع ِر‬
۳ : ‫ض ْو َن ۙ ﴿املؤمنون‬

“Dan orang-orang yang menjauhkan diri dari (perbuatan dan perkataan) yang
tiada berguna.” (QS. Al Mu’minun: 3).
Dalam QS. Al-Mu’minun di atas menunjukkan bahwa sebagai seorang

muslim yang beriman dan taat kepada Allah seharusnya menjauhi segala

perbuatan atau perkataan yang sia-sia tidak manfaatnya baik untuk dirinya

ataupun orang lain10. Ayat tersebut mengarahkan agar manusia mampu berpikir

mengenai perbuatan yang akan seharusnya dilakukan dan perbuatan mana yang

seharusnya ditinggalkan agar lebih efisien dalam mempergunakan waktu. Dalam

penelitian ini terdapat berbagai macam workflow repository proses bisnis pada

ERP Ponodok Pesantren yang berbeda. Variabel tersebut membuat proses

pencarian kesamaan antara struktur organisasi dan proses bisnis memerlukan

waktu yang tidak sebentar. Jika dilakukan secara manual mencari kesamaan satu

persatu elemen-elemen pada proses bisnis dengan elemen-elemen pada struktur

organisasi akan membutuhkan waktu yang cukup lama dan dapat berpengaruh

pada variabel lainnya, missal biaya pemrosesan. Hal ini dapat mempengaruhi

banyaknya waktu yang dihabiskan oleh orang muslim hanya untuk menyelesaikan

sebuah permasalahan. Kemudian, ketika waktu hanya digunakan dalam

menyelesaikan pemrosesan dengan lebih cepat maka, orang muslim memiliki

waktu yang lebih banyak dan dapat bersungguh-sungguh dalam beribadah dan

pekerjaan-pekerjaan yang lainnya atau kegiatannya lebih bermanfaat.

13
 Proses pengembangan sistem informasi dalam suatu organisasi seringkali

masih ditemukan kelemahan-kelemahan yang mengakibatkan kinerja dari suatu

organisasi tersebut menjadi kurang optimal. Salah satu penyebab terjadinya

kelemahan dalam pengembangan sistem informasi dalam organisasi dikarenakan

lemahnya tingkat kemiripan struktur organisasi dengan model proses bisnis yang

digunakan sebagai bahan dasar untuk mengembangkan sistem informasi dalam

organisasi tersebut. Maka dari itu diperlukan penelitian dengan judul Pemetaan

Struktur Organisasi dengan Model Proses Bisnis Berdasarkan Kemiripan

Makna Kalimat Menggunakan Algoritma Path agar dapat menemukan model

proses bisnis yang memiliki kemiripan dan kesesuaian dengan struktur organisasi.

1.2 Masalah Penelitian

Berdasarkan Latar Belakang di atas, diambil masalah penelitian:

Bagaimana memetakan struktur organisasi dengan model proses bisnis?

1.3 Tujuan Penelitian

Membangun aplikasi pemetaan Struktur Organisasi dengan Model Proses Bisnis.

1.4 Manfaat Penelitian

a. Dihasilkan model proses bisnis yang memiliki kemiripan dengan struktur

organisasi sehingga mampu mempermudah, mempercepat proses

pengembangan sistem informasi dalam organisasi tersebut.

b. Dapat mengetahui standard pemetaan struktur organisasi dengan model

proses bisnis berdasarkan kemiripan makna kalimat

c. Mengurangi dan menekan biaya dari kesalahan penelitian dalam proses

rekayasa perangkat lunak

14
 d. Meningkatkan produktivitas karea kemudahan analisis konfigurasi

e. Mempercepat proses persiapan data dan pengambilan keputusan

1.5 Batasan Penelitian

Untuk menghindari meluasnya permasalahan diatas, maka batasan masalah dalam

penelitian ini adalah:

a. Data pengujian menggunakan Struktur Organisasi pesantren Anshofa dan

repository model proses bisnis yang digunakan yakni proses bisnis pondok

pesantren berdasarkan standard nasional sekolah berasrama.

b. Dataset sinonim kata yang digunakan berdasarkan data struktur organisasi

dan model proses bisnis pondok pesantren yang telah ditentukan.

15
 BAB II

LANDASAN TEORI

2.1 Organisasi

Menurut Robbins organisasi adalah kesatuan sosial yang dikoordinasikan

secara sadar dan dilakukan dengan sebuah batasan yang relative serta dapat

diidentifikasi, lalu juga bekerja atas dasar yang terus menerus untuk mencapi

suatu tujuan bersama atau sekelompok tujuan 11. Selain itu juga pendapat dari

Chester I. Bernard bahwa organisasi ini sistem aktivitas kerja sama yang

dilakukan oleh dua orang atau lebih12. Berdasarkan beberapa pengertian dapat

disimpulkan bahwa organisasi adalah wadah yang terdiri dari unsur manusia yang

saling bekerja sama dan saling menguntungkan untuk kepentingan bersama dalam

pencapaian tujuan organisasi.

Adapun ciri-ciri dari organisasi yang dikemukan oleh Ferland sebagai berikut:

a. Kelompok orang yang dapat dikenal atau diketahui.

b. Adanya kegiatan yang berbeda-beda tetapi satu sama lain saling

berkatian atau interdependent part yang artinya kesatuan usaha.

c. Tiap anggota memberikan sumbangan usaha.

d. Adanya kewenangan, koordinasi dan pengawasan.

e. Adanya suatu tujuan.

Organisasi selain dipandang sebagai wadah kegiatan orang juga dipandang

sebagai proses yang menyoroti interaksi diantara anggota organisasi. Keberhasilan

suatu organisasi ini ditentukan oleh kualitas sumber daya manusia yang saling

berinteraksi dan mengembangkan organisasi yang bersangkutan.

16
2.2 Struktur Organisasi

Pada struktur organisasi ini adalah kesatuan kerangka kerja organisasi yang

ditetapkan untuk proses manajerial, sistem, pola tingkah laku yang muncul dan

terjadi dalam praktek penyelenggaraan organisasi dan manajemen. Struktur

organisasi juga alat untuk membantu manajemen dalam mencapai tujuannya.

Selain itu juga adanya struktur ini dapat memiliki pengaruh yang besar pada

anggotanya. Pengaruh struktur organisasi ini dari adanya kepuasan dan kinerja

karyawan. Adanya struktur organisasi ini akan menunjukkan kerangka dan

susunan perwujudan pola tetap hubungan. Kemudian bahwasannya posisi orang-

orang ini menunjukan kedudukan tugas, wewenang dan tanggung jawab yang

berbeda-beda dalam suatu organisasi. Pada kerangka kerja organisasi ini biasanya

disebut dengan desain organisasi atau dalam bahasa inggris organizational design.

Kerangka kerja organisasi ini memiliki Bentuk spesifik yang dinamakan dengan

struktur organisasi (organizational structure).

Kemudian menurut Ernie terdapat 4 (empat) faktor yang mempengaruhi

struktur organisasi antara lain13:

1. Strategi Organisasi

Strategi organisasi ini tujuannya sebagai upaya pencapaian. Jika struktur

organisasi dibentuk sebagai jalan untuk pencapaian tujuan maka struktur

organisasi selayaknya sejalan dengan strategi organisasi. Kemudian terjadi

perubahan pada strategi organisasi akan berdampak pula pada perubahan struktur

organisasi.

17
2. Skala Organisasi

Organisasi dapat dibedakan skalanya menurut berbagai faktor diantaranya

adalah dari jumlah pendapatan, pangsa pasar hingga jumlah tenaga kerja.

Organisasi yang berskala besar artinya organisasi yang memiliki berbagai cabang

di berbagai daerah dikarenakan pasarnya yang luas, dengan demikian memiliki

tenaga kerja yang juga tidak sedikit. Tapi walaupun tanpa cabang, organisasi

dapat dikatakan berskala besar jika tenaga kerja yang ada berjumlah ribuan seperti

pabrik garmen penghasil produk-produk konveksi. Organisasi yang memiliki

skala besar ini biasanya dikarenakan ruang lingkup aktivitasnya yang luas.

Sehingga organisasi tersebut memerlukan pendelegasian wewenang dan

pekerjaan, ketika mendesain struktur organisasi perlu mempertimbangkan

berbagai faktor yang terkait dengan aktifitas yang luas tersebut. Selanjutnya,

ketika organisasi yang memiliki skala kecil maka biasanya memiliki jumlah

tenaga kerja yang sedikit hal itu karena pangsa pasar yang mungkin masih sedikit,

jumlah penjualan atau produksi yang juga sedikit. Pada organisasi yang berskala

kecil ini memiliki struktur organisasi yang lebih sederhana dan tidak terlalu

banyak dalam hal pekerjaan.

3. Teknologi

Faktor teknologi ini adalah terkait dengan cara bagaimana suatu pekerjaan itu

dilakukan. Kemudian adanya teknologi ini dikatakan sebagai alat-alat bantu dalam

sebuah organisasi.

4. Lingkungan

18
 Lingkungan yang dinamis menuntut organisasi agar dapat menyesuaikan

dirinya. Proses penyesuaian yang dilakukan oleh organisasi juga termasuk dalam

penentuan struktur organisasi lainnya. Lalu lingkungan yang dinamis juga akan

mendorong organisasi untuk selalu menyesuaikan struktur organisasi. Sebaliknya,

lingkungan yang cenderung statis ini tidak akan terlalu banyak mengubah struktur

organisasinya.

2.3 SOP

Menurut Tjipto Atmoko bahwa Standar Operasional Prosedur merupakan

suatu acuan yang bertujuan untuk melaksanakan tugas pekerjaan sesuai dengan

fungsi dan alat penilaian kinerja instansi pemerintah berdasarkan indikator-

indikator teknis, administrative dan procedural sesuai tata kerja, prosedur kerja

dan sistem kerja pada unit kerja bersangkutan14.

Selain itu juga menurut Istyadi Insani, SOP ini yaitu dokumen yang berisi

serangkaian instruksi tertulis. Kemudian bentuk tulisannya dibakukan yang

mengenai berbagai proses penyelenggaraan administrasi perkantoran seperti cara

melakukan pekerjaan, waktu pelaksanaan, tempat penyelenggaraan, serta aktor

yang berperan dalam kegiatan15.

2.4 Job Description

Menurut Hasibuan bahwa, Job description ini diartikan sebagai bentuk untuk

menganalisis atau mendesain pekerjaan apa saja yang harus dikerjakan,

bagaimana mengerjakannya dan mengapa pekerjaan itu harus dilakukan 16. Pada

analisis ini tujuannya untuk mendapatkan kualitas dan kuantitas pegawai yang

tepat yang diperlukan, selain itu dengan analisis dapat mencapai tujuan organisasi,

19
pelatihan, organisasi, perkenalan, penyuluhan, hubungan ketenagakerjaan, serta

perencanaan kembali jabatan. Dengan perancangan pekerjaan yang jelas, maka

akan semakin produktif dan berprestasi sehingga keuntungan ekonomis dari

deskripsi pekerjaan akan diperoleh.

2.5 Proses Bisnis

Pada proses bisnis ini berdasarkan sebuah urutan logis dan sumber daya

terkait dan juga dapat menciptakan nilai bagi pelanggan. Proses bisnis dapat

dibagi menjadi beberapa sub-proses. Dalam beberapa sub-proses memiliki

atributnya yang dapat membantu untuk mencapai tujuan dari proses induk.

Kemudian tujuan dari proses bisnis yang baik adalah mampu membuatnya

efisien, efektif, dan lebih mudah beradaptasi dengan proses-proses di dalamnya.

Proses bisnis tersebut merupakan proses bisnis yang menggunakan sumber daya

untuk kuantitas dan kualitas produk yang dihasilkan, serta mudah disesuaikan

dengan kebutuhan bisnis dan pasar. Adapun ciri-ciri dari proses bisnis antara lain:

a. Adanya pemilik proses, yaitu orang yang ditunjuk langsung oleh

manajemen yang bertanggungjawab atas pelaksanaan proses, sehingga

proses tersebut efektif dan efisien.

b. Memperjelas batasan-batasan proses bisnis yang ada.

c. Kejelasan hubungan internal dan akuntabilitas.

d. Prosedur, tugas, dan persyaratan pelatihan semuanya harus dicatat secara

rinci.

e. Ada sistem pengukuran dan sistem umpan balik untuk setiap kegiatan.

f. Memiliki metrik dan tujuan yang berkaitan dengan kepuasan pengguna.

20
 g. Waktu siklus setiap aktivitas sudah sesuai dengan baik.

h. Mempunyai perkembangan atau perubahan langkah-langkah prosedur

2.6 Pemodelan Proses Bisnis

Satu cara merepresentasikan suatu aktivitas proses bisnis menjadi bentuk

diagram maupun grafis yang saat ini berkembang cukup pesat. Pemodelan sendiri

secara umum, dipahami sebagai proses merepresentasikan objek nyata atau realita

sebagai seperangkat persamaan matematika, grafis ataupun bagan agar mudah

dipahami oleh pihak berkepentingan17. Pemodelan ini tujuannya untuk

mempermudah dalam interpretasi suatu proses bisnis yang akan dibuat.

Pemodelan proses bisnis dalam perkembangannya membawa tantangan baru dan

dapat juga memberikan peluang-peluang baru. Salah satu peluang yang dimaksud

ini adalah peluang untuk merangkum pengetahuan pada proses bisnis. Setiap

pemodelan proses bisnis memiliki tantangan-tantangan yang sewaktu-waktu

dijumpai. Saat ini representasi dari model proses bisnis telah banyak berkembang

dan banyak jenisnya. Jenis dari model bisnis ini yaitu mulai dari UML, BPEL,

Business Process Modeling Notation (BPMN), Event-Driven Process Chain

(EPC), Petri Net Markup Language (PNML) dan masih banyak lagi.

BPMN (Business Process Modeling Notation) merupakan salah satu notasi

untuk memodelkan business process. BPMN menggambarkan suatu proses bisnis

diagram yang mana didasarkan kepada teknik diagram alur, dirangkai untuk

membuat model-model grafis dari operasi-opeasi bisnis dimana terdapat aktivitas-

aktivitas, dan control-kontrol alur yang mendefnisikan urutan kerja. Notasi ini

telah didesain secara khusus untuk mengkoordinasikan urutan proses dan pesan

21
yang mengalir antara peserta dalam kegiatan yang berbeda. Dalam BPMN

terdapat beberapa flow object yang merupakan elemen grafis utama untuk

menentukan perilaku dalam proses bisnis. Event adalah flow object yang

merupakan sesuatu yang terjadi selama jalannya proses atau koreografi. Aliran ini

dipengaruhi dari model yang terdiri dari input dan output. Kemudian terdapat dua

event yaitu event start dan event end. Task adalah flow object yang merupakan

notasi yang menunjukkan aktivitas suatu proses bisnis. Gateway adalah flow

object yang merupakan notasi yang digunakan untuk mengontrol perbedaan dan

konvergensi dari urutan arus dalam proses koreografi.

Dengan demikian akan menentukan percabangan, forking, penggabungan

dan bergabung dengan jalur. Transition merupakan notasi yang digunakan untuk

menghubungkan antar flow dalam model proses BPMN. Berikut ini merupakan

notasi utama pada BPMN:

Tabel 2 1 Notasi Flow pada BPMN

Notasi Keterangan

Event Start

Event End

Task

Gateway

22
 Transition

2.7 Text Mining

Definisi dari text mining ini yaitu penambangan data yang berupa teks dimana

sumber data biasanya didapatkan dari dokumen. Tujuan dari text mining untuk

mendapatkan informasi yang berguna dari sekumpulan dokumen. Kemudian

sumber data yang digunakan text mining ini adalah data yang memiliki format

tidak atau kurang terstruktur, seperti dokumen Word, PDF, kutipan teks, dll. Text

Mining dapat memberikan solusi dari permasalahan seperti pemrosesan,

pengorganisasian dan menganalisa unstructured text dalam jumlah besar. Solusi

yang diberikan dalam penggunakan text mining yaitu mengadopsi dan

mengembangkan banyak teknik dari bidang lain seperti data mining, information

retrieval, statistic dan mathematic, machine learning, visualization, linguistic, dan

natural language processing.

Lalu permasalahan pada text mining sama dengan permasalahan yang

dihadapi oleh data mining, yaitu jumlah data yang besar, dimensi yang tinggi, data

dan struktur yang terus berubah, dan data noise. Namun keduanya memiliki

perbedaan yaitu pada data mining data yang digunakan adalah structured data,

sedangkan pada text mining data yang digunakan adalah unstructured data, atau

minimal semistructured. Hal ini menyebabkan adanya tantangan tambahan pada

text mining yaitu berupa struktur teks yang kompleks dan tidak lengkap, arti yang

tidak jelas dan tidak standar, serta bahasa yang berbeda ditambah translasi yang

tidak akurat. Tahapan yang dilakukan secara umum yaitu ektraksi dokumen.

23
2.8 Text Preprocessing

Pada Text Preprocessing ini merupakan tahapan dari proses awal terhadap

teks untuk mempersiapkan teks menjadi data yang akan diolah lebih lanjut.

Dokumen ini memiliki tahapan yang dapat dipecah menjadi bab, sub-bab,

paragraf, kalimat. Sehingga dokumen tersebut berubah menjadi potongan kata

atau token. Selain itu angka, huruf kapital, atau karakter-karakter lainnya

dihilangkan dan diubah. Berikut tahap text preprocessing yang dilakukan secara

umum dalam text mining18:

1. Case Folding

Case Folding adalah mengubah semua huruf dalam dokumen menjadi huruf

kecil, hanya huruf kecil, hanya huruf ‘a’ sampai ‘z’ yang diterima. Karakter selain

huruf dihilangkan dan dianggap delimeter. Proses case folding seperti gambar

berikut:

Pasar modal merupakan Pasar modal merupakan

sebuah fasilitator yang sebuah fasilitator yang
mempertemukan antara mempertemukan antara
BADAN (usaha) badan usaha

Gambar 2 1 Proses Case Folding

2. Tokenizing

Tahap selanjutnya adalah tokenizing. Tokenizing ini disebut dengan tahap

pemotongan string input yang berdasarkan tiap kata yang menyusunnya.

Pasar
modal
merupakan
Sebuah
Pasar modal merupakan fasilitator
yang
sebuah fasilitator yang mempertemukan
24 antara
mempertemukan antara badan
badan
usaha usaha
 Pada tahap Text Transformation ini dipergunakan untuk kata-kata ke dalam

bentuk dasar, sekaligus untuk mengurangi jumlah kata tersebut. Pendekatan yang

dapat dilakukan pada tahap pengurangan jumlah kata ini dengan penghapusan

stopwords dan stemming.

3. Stopwords Removal / Filtering

Filtering adalah tahap mengambil kata-kata penting dari hasil term. Dapat

menggunakan algoritma stoplist (membuang kata yang kurang penting) atau

wordllist (menyimpan kata penting). Stoplist / stopword adalah kata-kata yang

tidak deskriptif yang dapat dibuang dalam pendekatan bag-of-word. Contoh

stopwords adalah “di”, “dan”, “dari”, “yang”, dan sebagainya. Proses filtering

seperti pada gambar berikut:

Pasar
Modal
pasar
merupakan
modal
sebuah
fasilitator
fasilitator
mempertemukan
yang mempertemukan
badan
antara
usaha
badan
usaha

25

Gambar 2 3 Proses Stopward

4. Stemming

Tahap terakhir yang akan dilakukan adalah tahap mencari root kata dari tiap

kata hasil filtering atau disebut dengan tahap stemming. Pada tahap merupakan

proses pengembalian berbagai bentukan kata ke dalam suatu representasi yang

sama. Proses tahapan stemming seperti gambar berikut:

pasar pasar

modal modal

fasilitator fasilitator

mempertemukan temu

badan badan

Gambar 2 4 Proses Stemming

2.8 TF (Term Frequency)

Salah satu metode yang digunakan untuk menghitung bobot term dalam teks

biasanya disebut term frequency. Dalam metode ini, memiliki kepentingan yang

sebanding dengan jumlah kemunculan tiap term pada teks. Sehingga bobot term

(t) pada sebuah teks dirumuskan dalam persamaan berikut:

W ( d , t )=TF (d , t)

26
 Dimana TF (d, t) adalah term frequency dari term (t) di teks (d.) Term

frequency ini dapat memperbaiki nilai recall pada information retrival. Namun hal

itu tidak selalu memperbaiki nilai precision. Karena term frequent cenderung

muncul di banyak teks, sehingga term-term tersebut memiliki kekuatan keunikan

yang sangat kecil. Maka, dalam memperbaiki permasalahan ini khususnya term

dengan nilai frekuensi yang tinggi yaitu sebaiknya dibuang dari set term.

2.9 IDF (Inverse Document Frequency)

Jumlah dokumen yang mengandung suatu term ini disebut dengan IDF

(Inverse Document Frequency). Tiap term dihitung dengan nilai document

frequency-nya (DF). Document frequency sendiri disebut dengan metode feature

selection, artinya metode yang paling sederhana dengan waktu komputasi yang

rendah. Kemudian term akan diseleksi berdasarkan jumlah nilai DF. Ketika nilai

DF telah berada di bawah threshold yang telah ditentukan, maka term dibuang.

Bahwasannya memiki sebuah asumsi adalah term yang lebih jarang muncul tidak

memiliki pengaruh besar dalam proses pengelomppokan dokumen. Pembuangan

term dapat mengurangi dimensi fitur pada text mining. Adapun perbaikan yang

dilakukan dalam pengelompokan dokumen, perbaikan tersebut yaitu noise term.

2.10 Kemiripan Makna Kalimat

Kalimat diartikan sebagai kata yang memiliki jenis struktur dasar dan dapat

disusun. Bahwasannya kata ini dapat disebut dengan kalimat apabila minimal

dapat memiliki susunan struktur dasar yaitu noun, dan verb. Kemudian selain dua

struktur dasar tersebut, terdapat beberapa kelas lain yang menyusun suatu kalimat

seperti adjective, adverb, conjunction, modal, to, preposition, pronoun,

27
determiner, dan particle. Adapun penjelasan dari perbendaharaan bahasa yaitu

kumpulan data yang didalamnya ada berbagai jenis kata yang memiliki kemiripan

makna atau sering disebut dengan sinonim. Membandingkan sebuah kemiripan

antar kata yang satu dengan yang lain disesuaikan dengan masing-masing jenis

kelasnya dan memiliki jenis kelas kata yang sama. Sedangkan kemiripan pada

makna kalimat yaitu gabungan dari kemiripan antar kata. Bahwasannya kedekatan

makna dapat diketahui dengan antar kalimat, maka dari itu dapat dilakukan

dengan cara menghitung nilai kemiripan antar kata. Pada dasarnya untuk

mengetahui sebuah kedekatan makna antar kalimat, maka dapat dilakukan dengan

cara menghitung makna antar kalimat tersebut. Kemudian pada perhitungan

sentence similarity diartikan sebagai metric dasar yang bertujuan untuk mengukur

tingkat kemiripan antar sepasang kalimat. Sentence similarity termasuk dalam

perhitungan semantic similarity. Terdapat dua kategori dalam perhitungan

sentence similarity yaitu pengukuran berdasarkan syntactical dan lexical.

Pendekatan syntactic ini untuk menghitung semantic similarity menggunakan

hubungan ketergantungan sintaksis untuk membangun gambaran yang lebih

komperehensif tantang makna teks yang dibandingkan, dan mengidentifikasi

apakah ada kata benda adalah dianggap subjek atau objek dari kata kerja. Lalu

untuk pendekatan lexical ini bertujuan untuk menghitung semantic similarity pada

term.

2.11 Pengertian Graph

Kumpulan simpul (node) dan tepi (edge) yang menghubungkannya disebut

dengan Graph. Pada graph ini mewakili entitas sebagai simpul dan cara dimana

28
entitas tersebut berhubungan dengan dunia. Kemudian struktur eskpresif tujuan

umum ini memungkinkan kita untuk memodelkkan semua jenis, mulai dari

konstruksi roket ruang angkasa, hingga sistem jalan, dan dari rantai pasokan atau

asal makanan, riwayat medis untuk populasi, dan seterusya.

Bahwasannya menurut Jonathan L. Gross, Graph dengan rumus G = (V, E)

ini merupakan struktur matematika yang konsisten antara Vertices (atau Nodes)

dan Edge yang terbatas dan setiap edge memiliki satu atau dua kumpulan node

yang saling terhubung dan disebut dengan endpoints19.

Gambar 2 5 Perpaduan Antara Edge dan

Node Dalam Graph

Pada Gambar 2.5 adalah sebuah Graph yang berisi 3 buah node dan 3 buah

edge. Dengan G= (V, E) dapat dijabarkan bahwa V A ={ p , q , r } dan

E A ={ pq , qr , rp }. Graph A memiliki 3 buah node (atau vertice) dan juga 3 buah

edge yang saling menghubungkan antarar satu vertices ke vertices yang lain. Edge

ini memiliki tugas yaitu untuk menghubungkan setiap vertices dan menentukan

apakah maju atau mundur dari setiap vertices dalam penggambarannya

menggunakan tanda panah di ujung edge tersebut.

29
2.12 Graph Database

Sistem manajemen basis data online dengan metode Create, Read, Update,

dan Delete (CRUD) yang mengekspos model data grafik pengertian dari Graph

Database Management System. Database grafik umumnya dibuat untuk

digunakan dengan sistem transaksional (OLTP). Dengan demikian graph

database ini biasanya dioptimalkan untuk kinerja transaksional, dan direkayasa

dengan integritas transaksional dan operasional20.

Kemudian selain itu graph database diartikan sebagai teknologi database yang

cara penyimpanan datanya seperti pada graph yang terdiri atas kumpulan edge

dan vertex yang dapat diakses secara langsung melalui aplikasi yang mendukung

OLTP. Graph database ini menggunakan sebuah struktur Graph seperti node,

edge, dan property untuk menampilkan dan menyimpan data.

Kebanyakan graph database menggunakan penyimpanan database native

yang dirancang khusus untuk skalabilitas dan performa, namun masih terkendala

dengan jarangnya yang sudah memahami konsep dan penerapannya. Berbeda

dengan database non-native dan juga non-graph database seperti Relational

Databases Management System (RDBMS) yang memiliki karakteristik atau

bahasa query yang mudah difahami oleh kebanyakan pengembang. Dalam bahsa

lainnya, bahwa graph database memiliki performa yang jauh lebih baik, tetapi

memiliki tingkat pemahaman query yang lebih sulit.

2.13 Kelebihan Graph Database

Kelebihan dari graph database menurut Ian Robinson diantaranya21:

a) Performa

30
 Graph Database mempunyai peningkatan kinerja dibandingkan dengan

relational database apalagi dalam memproses data yang begitu banyak dan saling

berhubungan. Graph database memproses hanya untuk node dan edge yang

terhubung dan tidak memproses keseluruhan data graph yang ada.

b) Fleksibilitas

Graph databse sangat berperan dalam sebuah industri IT yang terus

berkembang. Hal ini dikarenakan bahwa graph database bisa dikelola dan

dikembangkan dengan leluasa, menambah node, edge, relasi dan lain sebagainya

dengan tanpa mengganggu setiap data, fungsi, serta kueri yang sudah ada.

c) Ketangkasan Mengolah Data

Graph database memungkinkan integrasi dan berbagai aplikasi yang lebih

terkendali dan tertata. Sifatnya yang bebas skema, hal itu sangat berbeda dengan

relational database membuatnya mudah dalam penggunaan data dalam sistem

yang berbeda.

2.14 Algoritma Kemiripan Makna Kalimat

a. Metode Leventhstein

Leventhstein atau algoritma edit distance merupakan suatu metode

pencocokan string yang ditemukan oleh Vladimir Leventhstein dari Rusia tahun

196322. Pengukuran edit distance diperoleh dari matriks yang digunakan untuk

mengukur variasi antar dua buah string. Algoritma leventhstein ini banyak

digunakan pada beberapa cabang ilmu, seperti mesin pencarian, pengecekan

pelafalan (speech reviewing), identifikasi dialog (speech recognition), pelafalan

31
gaya bahasa, penguraian DNA, deteksi plagiarisme. Metode ini mengukur banyak

aktivitas string paling sedikit yang dibutuhkan sebagai syarat melakukan

transformasi string sebagai string lainnya. Algoritma leventhstein ini dapat

mengukur nilai terkecil transformasi sebuah string dengan yang lain

menggunakan beberapa operasi berikut ini:

1. Proses penambahan huruf (insertion)

Proses penambahan huruf digunakan untuk menambahkan huruf pada sebuah

string. Contohnya string pertama 'disrit' menjadi string kedua 'diskrit'. Pada string

kedua dilakukan penyisipan karakter 'k' pada tengah-tengah string. Proses

penambahan huruf tidak hanya dikerjakan pada awal sebuah string, tetapi mampu

dikerjakan pada akhir dan tengah string.

2. Proses pembersihan huruf (deletion)

Proses pembersihan huruf dikerjakan untuk menghapus suatu huruf pada string.

Sebagai contoh proses menghilakangkan karakter 'n' pada string 'mtematikan'

menjadi string 'matematika'.

3. Proses substitusi huruf (substitution)

Proses penukaran karakter atau substitusi adalah proses penukaran sebuah

huruf atas huruf lain. Contoh penerapan operasi karakter dari string 'gimpunan'

menjadi string 'himpunan'.

Bahwasannya algoritma yang dapat pencocokan string dan bekerja pada sebuah

matriks m x n juga disebut dengan algoritma leventhstein. Algoritma ini dimulai

dari pojok kiri atas sebuah array yang diisi beberapa karakter string asal dan string

sasaran. Setiap masukan pada matriks merupakan representasi peringkat paling

32
kecil dari perubahan string asal menjadi string sasaran. Masukan yang terletak di

akhir matrik m x n merupakan nilai distance yang mengilustrasikan ukuran ragam

dari dua string. Berukut ini diuraikan kerja metode leventhstein dalam

memperoleh ukuran distance.

Langkah 1: inisialisasi

a. Hitung panjang string awal S dan target T

b. Buat matrik berukuran 0..m baris dan 0..n kolom
c. Inisialisasi baris pertama dengan 0..n
d. Inisialisasi kolom pertama dengan 0..m
Langkah 2: Proses
a. Periksa S[i] untuk i< i < n
b. Periksa T[j] untuk i < j < m
c. Jika S[i] = T[j], maka entrinya adalah nilai yang
terletak tepat pada diagonal atas sebelah kiri d[i, j]
= d[i=1,j=1]
d. Jika S[i ] != T[j], maka entri adalah d[i, j]
minimum dari:
- Nilai yang terletak tepat diatasnya ditambah satu,
d[i, j-1] + 1
- Nilai yang terletak tepat disebelah kirinya ditambah
satu d[i-1, j] + 1
- Terletak tepat pada diagonal atas sebelah kiri
ditambahkan satu, d[i-1, j-1] + 1

Langkah 3: hasil

- entri matriks pada baris ke I dan kolom ke 3 yaitu

d [i, j]
- Langkah 2 diulang hingga entri memenuhi d [m, n]

b. Metode Path

Metode path merupakan metode penghitungan kemiripan kata yang

digunakan pada World similarity. Metode ini pada dasarnya dirancang untuk

33
bekerja dalam struktur hierarki. Metode path dapat dihitung dengan rumus

kemiripan kata menggunakan metode path.

¿ ( C 1 ,C 2 )=2 × Max ( C 1 ,C 2 )−SP

1
path=
path length

Kemudian Max sendiri adalah panjang jalur maksimal antara C1 dan C2

dalam taksonomi, dan SP adalah jalur terpendek yang menghubungkan (jumlah

minimum tautan) antara C1 dan C2.

2.15 Penelitian Terkait

Ada beberapa penelitian yang berkaitan dengan penelitian yang akan

dilakukan penulis yang membahas pengukuran kemiripan. Penelitian mengenai

dari tujuan yaitu untuk menganalisa studi kasus yang telah diterapkan dan

dijadikan sebagai acuan antara penelitian sebelumnya dengan penelitian yang

akan dirancang.

Penelitian yang dilakukan oleh L.Y. Banowosari, dan I. W. S. Wicaksana,

"Pengembangan Aplikasi Antar-muka Pemakai untuk Perhitungan Similaritas

Semantik Berbasis String dan Wordnet" bahwasannya dalam keterkaitan dengan

penelitian ini adalah dari penggunakan metode wu palmer. Metode wu palmer ini

juga menentukan nilai kemiripan artinya antar kata dalam perhitungan semantik.

Namun dalam penelitian ini menggunakan pembobotan kata untuk kemudian

diperoleh nilai kemiripan antar kalimat.

Penelitian yang dilakukan oleh Makhfud Zamhari berjudul "Questionnaire

Driven Untuk Menentukan Konfigurasi Model Proses Bisnis" bahwa keterkaitan

34
dalam penelitian ini adalah menggunakan preprocessing dan metode leventsthein

untuk menentukan nilai kemiripan makna antar kata dalam perhitungan

semantik23. Sedangkan dalam penelitian ini melakukan kombinasi metode antara

leventsthein dan metode path agar dapat memperoleh nilai kemiripan antar

kalimat yang lebih optimal.

Pada penelitian yang dilakukan oleh Gandhis Ulta Abriani yang berjudul

“Analisis Kemiripan Model Proses Bisnis pada ERP Pondok Pesantren untuk

Menentukan Common Fragment menggunakan Metode Jaccard Coefficient, Wu

Palmer, dan Analytical Hierarchy Process” bahwa pada kemiripan labelnya

hanya mengacu berdasarkan string similarity, dan penentuan nilai kemiripan

hanya terbatas pada kosa kata berbahasa inggris yang dihitung menggunakan

WS4J24. Penelitian kali ini peneliti merancang sebuah wordnet berbahasa

Indonesia menggunakan graph database.

Kemudian penelitian Yessi Caterina yang berjudul "Pengukuran Kemiripan

Model Proses Bisnis pada beberapa E-Marketplace di Indonesia Menggunakan

Path dan Jaccard Coefficient Similarity" menjelaskan bahwa proses pembobotan

kemiripan makna kata yang diukur dari dataset sinonimkata masih menggunakan

pengukuran secara manual dan belum terdapat proses pencarian kata kunci

sehingga memerlukan waktu yang lebih lama dalam proses perhitungan

kemiripan25. Sedangkan pada penelitian ini dataset sinonim kata diolah

sedemikian rupa menggunakan graph database neo4J sehingga memudahkan

proses pencarian jalur kemiripan antar kata yang digunakan untuk proses

perhitungan kemiripan kalimat dan juga dilakukan preprocessing dan pembobotan

35
TF dan IDF untuk menemukan kata kunci dalam suatu dokumen shingga proses

perhitungan berjalan lebih cepat.

Beberapa penelitian sebelumnya menunjukkan bahwa masih adanya hasil

yang kurang maksimum, sehingga perlu adanya penelitian baru yang bertujuan

untuk melakukan pengembangan dari hasil sebelumnya dengan metode yang

berbeda. Namun, dari penelitian-penelitian tersebut terdapat banyak ulasan yang

diambil sebagai rujukan pada penelitian ini. Dari ringkasan beberapa penelitian

yang telah dilakukan, terdapat beberapa parameter yang diambil dari penelitian

sebelunya, yaitu seperti tabel dibawah ini:

Tabel 2 2 Penelitian Terkait

Semantic Levcnth Prepro Mapping Graph
Parameter
Similrity -stein -cessing TF / IDF Database

Banowosari &
√
Wicaksana, 2007

Makhfud Zamhari,
√ √
2019

Gandhis Ulta, 2019, √

Yessy Caterina, 2020 √

Penelitian ini, 2022 √ √ √ √ √

36
 BAB III

METODOLOGI PENELITIAN

3.1 Gambaran Umum

Sistem yang akan dibangun adalah sistem cerdas yang berfungsi untuk

menemukan model proses bisnis yang sesuai dengan job description yang terdapat

pada struktur organisasi. Model proses bisnis diperoleh dari perhitungan

kemiripan makna kalimat antara label job description pada struktur organisasi

dengan task activity pada model proses bisnis. Setelah mendapatkan perhitungan

kemiripan kemudian dilakukan mapping. Hasil dari mapping tersebut yang

kemudian akan diperoleh hasil akhir model proses bisnis yang sesuai dengan job

description pada struktur organisasi.

3.2 Sumber Data

Data yang diambil dalam penelitian ini adalah struktur organisasi dan proses

bisnis dari pondok pesantren Al Adzkiya’ Nurus Shofa Kota Malang yang

dilakukan selama kurun waktu 2 bulan mulai dari bulan September 2021 hingga

bulan November 2021.

Data struktur organisasi pondok pesantren kemudian diolah menjadi

jobdescription, sedangkan data proses bisnis diolah menjadi proses bisnis

organisasi pesantren. Dalam proses penelitian, data yang dikumpulkan

digolongkan menjadi dua jenis, data primer dan data sekunder. Data primer

diperoleh dengan dua metode, survei ke lapangan dan studi pustaka. Survei ke

37
lapangan dan studi pustaka. Survei dilakuken pada pondok pesantren Al Adzkiya’

Nurus Shofa.

Adapun data primer pertama yang diperoleh adalah data struktur organisasi dan

jobdescription kepengurusan pondok pesantren. Data struktur organisasi akan

direpresentasikan menggunakan yEd Graph Editor, sedangkan data primer kedua

merupakan dataset sinonim kata berbahasa Indonesia yang diperoleh dari situs

sinonimkata.com. Dataset sinonim kata berbahasa Indonesia akan

direpresentasikan menggunakan Graph Database Neo4J yang berfungsi sebagai

dataset dalam metode perhitungan kemiripan semantic.

Data hasil penelitian terdahulu yang telah dilakukan digunakan sebagai data

sekunder. Adapun penelitian yang pernah dilakukan terkait dengan pengelolaan

model proses bisnis. Dalam penelitian ini, data penelitian yang berhubungan

dengan model proses bisnis diambil dari penelitian Abriani. Dalam penelitiannya

yang berjudul "Analisis Kemiripan Model Proses Bisnis Pada ERP Pondok

Pesantren untuk Menentukan Common Fragment Menggunakan Metode Jaccard

Coefficient, Wu Palmer, dan Analytical Hierarchy Process". Adapun bentuk data

sekunder yakni berupa workflow repository model proses bisnis yang

direpresentasikan menggunakan bizagi untuk diolah menjadi file dengan ekstensi

xpdl.

3.3 Prosedur Penelitian

Dalam prosedur penelitian, aktivitas proses penelitian dipaparkan dengan

spesifik dalam hal studi literatur hingga identifikasi untuk menetapkan konfigurasi

mapping model proses bisnis menggunakan pendekatan semantik. Adapun

38
prosedur penelitian dalam studi kasus pondok pesantren ini dijelaskan dalam

gambar 3.1

Gambar 3 1 Prosedur Penelitian

Dalam prosedur penelitian yang direpresentasikan pada gambar 3.1, setiap

subproses akan diuraikan lebih detail ke dalam pembahasan berikut.

3.3.1. Identifikasi Struktur Organisasi dan Proses Bisnis

Identifikasi struktur organisasi dan proses bisnis merupakan tahap untuk

mengidentifikasi aktivitas bisnis yang dilakukan yang berhubungan dengan sistem

yang akan dibangun. Identifikasi struktur organisasi dan proses bisnis didapatkan

dengan melakukan observasi di beberapa lokasi penelitian yang berbeda. Dalam

penelitian ini, identifikasi yang dilakukan mengenai struktur organisasi Pondok

Pesantren Anshofa Malang, dan beberapa model proses bisnis pondok pesantren

berdasarkan standard nasional sekolah berasrama.

Berikut ini merupakan identifikasi Struktur Organisasi Pondok Pesantren

Anshofa Malang:

Tabel 3 1 Job Description Organisasi PP. Anshofa Malang

Devisi Dokumen Job Description
Ketua mengkoordinasikan keputusan dan kebijakan organisasi,
memimpin rapat pengurus, memelihara keutuhan dan

39
 Devisi Dokumen Job Description
kekompakan pengurus, menandatangani surat yang
berhubungan dengan kebijakan organisasi, melakukan
pengontrolan terhadap tugas-tugas pengurus
Sekretaris menyelenggarakan rapat pengurus dan menjadi notulen
rapat, menandatangani surat yang berhubungan dengan
kebijakan organisasi, mengoreksi dan mengarsipkan surat-
menyurat, absen, laporan pertanggung jawaban kegiatan dan
seluruh administrasi organisasi, mengelola database santri,
membuat kartu tanda santri, membuat kalender kegiatan
Bendahara merancang mekanisme keuangan organisasi, mencatat
sirkulasi keuangan organisasi, mengumpulkan iuran,
membuat laporan keuangan organisasi
Devisi Tahfidz Membagi kelompok setoran, Membuat absensi setoran,
Membuat laporan absensi setoran, Melaksanakan perbaikan
bacaan quran, Melaksanakan Khotmil Quran
Devisi Ta’lim Membuat Jadwal Pembelajaran kitab, Membuat laporan
absensi pembelajaran, Melaksanakan kegiatan pengayaan
keilmuan
Devisi Membuat jadwal kegiatan ibadah harian, Kontrol kegiatan
Ubudiyyah ibadah harian, Melakukan Evaluasi Kegiatan Ibadah
Devisi Membuat jadwal piket kebersihan, Mendata inventaris
Kebersihan kebersihan, kontrol kebersihan pondok, Evaluasi kebersihan
Devisi Sosialisasi peraturan keamanan pondok, kontrol perizinan
Keamanan santri, mengontrol kegiatan santri, Memonitor ketertiban
santri
Devisi Minat Membuat jadwal kegiatan minat bakat, mensosialisasikan
Bakat kegiatan minat bakat, melakukan pembinaan pengembangan
minat bakat santrti
Devisi Membuat rencana belanja koperasi, melakukan piket belanja
Kopontren dan piket jaga koperasi, membukukan keuangan koperasi
Devisi Humas Mewakili pondok dalam kegiatan masyarakat, mewakili
pondok dalam kegiatan di luar pondok, mengelola sosial
media pondok, menjaga komunikasi dengan alumni
Devisi Sarana Menginventariskan seluruh sarana prasarana pondok,
Prasarana Mensosialisasikan sarana prasarana kepada santri,

40
 Devisi Dokumen Job Description
memonitoring sarana prasarana
Berikut ini merupakan identifikasi repository model proses bisnis pondok

pesantren:

Tabel 3 2 Repository Proses Bisnis

Nama
Task Activity
Workflow
Kesantrian Al- Perencanaan kegiatan santri harian, Rekap absensi santri
Rifai pondok, Rekap hasil kegiatan agama pagi, Rekap hasil
kegaiatan rutin harian pondok, Rekap hasil kegiatan sore,
Rekap hasil sekolah diniyah
SARPRAS Al- Pendataan dan pengecekan barang, Cek kondisi dan
Rifai pengadaan distribusi, Rekap data perbaikan sarana,
Pembelian sarpras baru
Akademik Al- Daftar ulang santri baru, Daftar ulang santri lama,
Rifai Pendataan jumlah kelas dan pengelompokan, Pendataan
Santri Pondok, Penyesuaian Guru dan Wali, pembuatan
kalender akademik, Proses KBM, Ujian, Kalkulasi nilai
ujian dan proses kelulusan, Wisuda
Akademik Daftar ulang santri baru, Daftar ulang santri lama,
Pesantren Z Pendataan santri pondok, Pendataan jumlah kelas dan
pengelompokan, Penyesuaian guru dan wali kelas,
pembuatan kalender akademik, Rekap data KBM, Rekap
hasil ujian, Kalkulasi nilai ujian dan proses kelulusan,
Pendaftaran wisuda
Kesantrian Z Rekap hasil kegiatan agama pagi, Rekap absensi santri
pondok, Rekap hasil kegiatan rutin harian pondok, Rekap
hasil kegaiatan sore harian, Rekap hasil aktivitas diniyah
SARPRAS Z Pendataan dan pengecekan barang, Perbaikan sarana,
Pembelian sarpras baru
Akademik Daftar ulang santri lama, Daftar ulang santri baru,
Anwarul Huda Pembuatan kegiatan pondok, Pendataan santri pondok,
Rekap pendataan kegiatan diniyah, Rekap data KBM,
Kalkulasi nilai ujian dan proses kelulusan, Pendataan
alumni

41
 Nama
Task Activity
Workflow
PSB Anwarul Mengisi formulir pendaftaran, Upload berkas pendaftaran
Huda lain, Validasi formulir dan berkas pendaftaran, Mencetak
bukti pendaftaran dan formulir, Registrasi ulang,
Pembayaran ke administrasi keuangan, Validasi
pembayaran, Pendataan kamar santri baru
SARPRAS Pendaftaran SARPRAS, Perbaikan sarana, Pengecekan
Anwarul Huda barang, Rekap data SARPRAS, Pembelian sarana prasana
baru
Akademik Ar Daftar ulang santri baru, Daftar ulang santri lama,
Rohmah Pendataan santri pondok, Pembuatan kalender akademik,
Rekap data KBM, Rekap hasil ujian, Kalkulasi nilai ujian
dan proses kelulusan, Pendataan alumni, Daftar wisuda
Kesantrian Rekap hasil kegiatan agama pagi, Penentuan ustadz tahsin
Luhur dan pendataan santri kuliah, Pembuatan absensi piket
harian, Rekap data santri dan data ustadz pondok, Rekap
hasil kegiatan sore harian, Penentuan jadwal pengajar
diniyah, Rekap hasil kegiatan diniyah
Kesantrian Y Rekap hasil kegiatan pagi, Pembuatan jadwal piket harian
santri, Perencanaan kegiatan santri harian, Rekap hasil
kegiatan rutin harian pondok, Rekap hasil kegiatan sore
harian, Rekap hasil kegiatan diniyah
PSB An Nur Pengisian form pendaftaran, Cetak bukti tanda terima
pendaftaran, Validasi formulir dan bukti tanda terima
pendaftaran, Print out formulir dan bukti yang telah di
validasi, Melakukan pembayaran ke administrasi keuangan,
Penentuan kelompok masa orientasi peserta didik baru
Kepegawaian Ar Calon pegawai baru mengajukan lamaran menjadi pegawai
Rohmah pondok
pesantren, Bagi pegawai yang ingin mengundurkan diri
membuat surat pernyataan
pengunduran diri, Melakukan pendataan pegawai,
Pemecatan pegawai karena alasan dari pihak yang
berwenang, Calon pelamar pegawai melakukan submit
lamaran, Pembuatan SK tidak lagi menjadi bagian dari
pondok pesantren, Melakukan pendataan guna pemberian
gaji bulanan, Calon pegawai melakukan tes kepegawaian,

42
 Nama
Task Activity
Workflow
Calon pegawai melihat hasil pengumuman kelulusan tes
pegawai, Dilakukan pengesahan menjadi pegawai pondok
pesantren

3.3.2. Pemodelan Struktur Organisasi dan Model Proses Bisnis

Struktur organisasi yang telah teridentifikasi kemudian dimodelkan dalam

bentuk diagram dengan ekstensi .xml, sedangkan proses bisnis yang telah
teridentifikasi dimodelkan dalam bentuk BPMN dengan ekstensi.bpm. Proses
pemodelan ini diharapkan dapat dilakukan analisa struktur organisasi maupun
proses bisnis sehingga dapat diketahui elemen-elemen yang dibutuhkan sehingga
mempermudah pengolahan data. Pada bagian proses bisnis yang berekstensi .bpm
kemudian dieksport ke file berekstensi .xpdl agar dapat dilakukan parsing data
dari xml ke dalam bahasa pemrograman java. Struktur organisasi dan model
proses bisnis BPMN diperlukan sebagai data masukan pada sistem yang
dibangun.

43
1. Berikut ini merupakan Struktur Organisasi Pondok Pesantren Anshofa

Malang sebagai data uji.

Gambar 3 2 Struktur Organisasi PP. Anshofa Malang

44
2. Berikut ini merupakan contoh workflow proses bisnis pada pondok pesantren

Gambar 3 3 Model Proses Bisnis Kesantrian

3.3.3. Parsing Data

Tahap parsing adalah proses pemilahan elemen yang terdapat pada file XML
pada dokumen struktur organisasi dan file XPDL pada dokumen model proses
bisnis guna dilakukan pengolahan data. Misalnya dalam bagian task, untuk
mendeklarasikan suatu task dalam file XML atau XPDL terdapat beberapa atribut
yang menyertai deklarasi. Untuk mempermudah dalam pengolahan data, maka
atribut tersebut difilter dan dicari bagian yang memang dibutuhkan dalam proses
parsing.

XPDL merupakan suatu pemodelan berbasis XML, sehingga dapat diolah

dengan melakukan konversi ke dalam multi-programming language dan salah
satunya adalah adalah Bahasa java. File struktur organisasi berekstensi XML dan
model proses bisnis berekstensi XPDL dapat dibaca ke dalam pemrograman java

45
dengan dibantu oleh XMLparser. Salah satu XMLparser yang dapat digunakan
adalah java DOM Parser. Alur tahap parsing menggunakan java DOM Parser
adalah:

1. Import file xml

2. Membuat DocumentBuilder
3. Membuat Document dari file atau stream
4. Mengekstraksi root element
5. Memeriksa atribut dan sub-elemen
Pada tahap parsing ini dilakukan proses pengambilan setiap elemen dari
struktur organisasi dan model proses bisnis.

Gambar 3 4 Flowchart proses parsing XML struktur organisasi (semantic)

46
 Gambar 3 5 Flowchart proses parsing XPDL model proses bisnis (semantic)

3.3.4. Penyusunan Dataset Sinonim Kata

Setelah mengidentifikasi elemen struktur organisasi dan model proses bisnis,

proses berikutnya yakni menyusun dataset sinonim kata ke dalam graph database

Neo4J berdasarkan kata-kata yang terdapat pada data yang telah diparsing

sebelumnya.

Adapun struktur sinonim kata dan turunan-turunannya diperoleh melalui

website sinonimkata.com.

47
 Gambar 3 6 Sinonimkata.com

Sebagai permisalan, peneliti akan mencari struktur sinonim dari kata “data”

pada kolom pencarian kata seperti yang tertera pada Gambar 3.6, maka sistem

akan mencari padanan kata “data” dan akan divisualisasikan dengan relasinya

seperti Gambar 3.7.

Gambar 3 7 Visual sinonimkata.com

Setelah mendapatkan hasil padanan kata dan visualisasi kata dari

sinonimkata.com, langkah terakhir yakni menyusun dan memodelkan hasil

tersebut ke dalam graph database Neo4J. Adapun atribut pada node yang

48
merepresentasikan data yakni berupa nama kata dan jenis kata. Sedangkan relasi

antar node mempunyai label “SINONIM” yang divisualisasikan pada gambar 3.8.

Gambar 3 8 Dataset sinonim kata

3.3.3 Preprocessing

Tahap berikutnya yakni tahapan preprocessing. Tahapan pertama sebelum

data dapat dianalisa yaitu melakukan preprocessing. Data job description dan data

XPDL dari file BPMN yang telah diparsing diolah menggunakan preprocessing.

Preprocessing merupakan tahapan awal dalam text mining yang bertujuan untuk

melakukan seleksi data yang akan diproses pada setiap dokumen.

Adapun data yang akan dianalisa dan diproses adalah sebagai berikut:

Tabel 3 3 Contoh dokumen untuk pencarian

No Data Dokumen
1 Job Description Membuat Jadwal Pembelajaran kitab, Membuat
Struktur Organisasi laporan absensi pembelajaran, Melaksanakan
Devisi Ta’lim PP. kegiatan pengayaan keilmuan
Anshofa Malang

2 Model Proses Merencanakan kegiatan harian siswa, Kegiatan

Bisnis Kesantrian harian pagi, Menentukan guru quran, absensi piket
harian, Mengumpulkan data siswa, Kegiatan sore

49
 hari, Menentukan guru agama, Kegiatan
keagamaan

Proses preprocessing terdiri atas case folding, tokenizing, filtering, dan

stemming. Adapun tahapan preprocessing dijelaskan sebagai berikut:

1. Case folding

Case folding adalah proses untuk mengolah dokumen job description maupun

model proses bisnis dengan mengganti semua karakter atau huruf dari berkas

menjadi karakter atau huruf kecil (lowercase). Dalam penelitian ini case folding

digunakan untuk mengolah job description devisi ta’lim dan sampel model proses

bisnis sebelum digunakan pada proses selanjutnya. Adapun skrip untuk case

folding diilustrasikan dengan gambar 3.9

public function preprocessing ($words) {

$listtanda = array(“.”,”,”,”:”,”;”,”?”,”!”,”|”,”&”);

foreach ($listtanda as $i => $value) {

$words = str_replace($listtanda, “ “, $words);

$words = strtolower($words)

Gambar 3.9 skrip proses case folding

Adapun proses penyaringan kata ditampilkan pada tabel 3.3

Tabel 3 4 Hasil case folding

No Data Dokumen
1 Job Description membuat jadwal pembelajaran kitab membuat
Struktur Organisasi laporan absensi pembelajaran melaksanakan
Devisi Ta’lim PP. kegiatan pengayaan keilmuan

50
 Anshofa Malang

2 Model Proses merencanakan kegiatan harian siswa kegiatan

Bisnis Kesantrian harian pagi menentukan guru quran absensi piket
harian mengumpulkan data siswa kegiatan sore
hari menentukan guru agama kegiatan keagamaan

1. Tokenizing

Setelah melakukan case folding, dokumen akan diolah melalui proses

tokenizing. Tokenizing merupakan proses untuk memotong setiap kata dalam

kalimat menggunakan spasi sebagai delimeter pemisah. Hasil dari tokenizing yang

dilakukan adalah kata-kata yang saling terpisah. Selain proses memecah dokumen

menjadi tiap kata, proses ini juga menghilangkan tanda baca. Dalam praktiknya

proses pemotongan dokumen menjadi kata menggunakan fungsi explode. Adapun

skrip untuk proses tokenizing dijelaskan pada gambar 3.10

$listtanda = array(“.”,”,”,”:”,”;”,”?”,”!”,”|”,”&”);

foreach ($listtanda as $i => $value) {

$words = str_replace($listtanda, “ “, $words);

}
$kata = explode (“ “, $words);
$jumlah_kata = count($kata) – 1;
for ($i = 0; $i <= $jumlah_kata; $i++) {
if (in_array($kata[$i], $stoplist)) {
unset ($kata($i));
}

Gambar 3 10 Skrip proses Tokenizing

51
2. Stopward removal
Stopward removal adalah proses menyaring kata yang diperoleh dari hasil

tokenizing. Penyaringan kata dilakukan dengan tujuan untuk menghapus kata yang

tidak termasuk dalam kelompok kata pada database stopword. Setiap kata hasil

tokenizing akan dicek dengan kamus stopword dalam database. Contoh stopword

yaitu “di”, “dari”, “dan”, “yang”, dan lain-lain. Jika kata tersebut dihapus,

sedangkan kata yang tidak sesuai dengan kamus stopword akan diproses pada

tahap selanjutnya. Dalam aplikasi, implementasi dari proses stopword removal

ditampilkan pada gambar 3.11

$query = $this->db->query(“SELECT * FROM tb_stopwords”);

foreach ($query->result_array() as $rows) {
$stoplist [] = trim($rows[‘stopword’]);
}

$kata = explode(“ “, $words);

$jumlah_kata = count($kata)-1l
for ($i = 0; $i<= $jumlah_kata; $i++) {
if (in_array($kata[$i], $stoplist)) {
unset($kata[i]);
}
}
$words = implode(“ “,array_unique($kata));
$words = strtolower(trim($words));

Gambar 3 11 Skrip stopward removal

dapun hasil proses penyaringan kata ditampilkan dalam tabel 3.4

Tabel 3 5 Hasil stopward removal

No Data Dokumen
1 Job Description membuat jadwal pembelajaran kitab membuat
Struktur Organisasi laporan absensi pembelajaran melaksanakan
Devisi Ta’lim PP. kegiatan pengayaan keilmuan
Anshofa Malang

2 Model Proses merencanakan kegiatan harian siswa kegiatan

Bisnis Kesantrian harian pagi menentukan guru quran absensi piket
harian mengumpulkan data siswa kegiatan sore hari

52
 menentukan guru agama kegiatan keagamaan

3. Stemming

Stemming merupakan suatu proses yang dikerjakan setelah penghilangan kata-

kata serta simbol yang kurang penting. Tahap stemming merupakan suatu proses

mengubah kata-kata yang ada menjadi akar kata sehingga mudah untuk diproses.

Hasil dari stemming dapat diekspansi untuk mendapatkan kata yang sama atau

sinonim. Proses stemming dijelaskan dalam gambar 3.12

53
public function cari($kata_dasar) {

$this->db->where('katadasar', $kata_dasar);

$result = $this->db->get('tb_katadasar');

return $result->row();

public function hapuspartikel($words){

if(count($this->cari($words))!=1){

if((substr($words, -3)=='kah')) || (substr($words, -

3)=='lah') || (substr($words, -3)=='pun'){

$words = substr($words, 0, -3);

return $words;

public function hapuspp($words) {

if(count($this-?cari($words))!=1){

if (strlen($words)>4){

if ((substr($words, -2)=='ku') || (substr($words,

-2)=='mu')) {

$words = substr($words, 0, -2);

}else if (substr($words, -3)=='nya'){

$words = substr($words, 0, -3);

return words;

Gambar 3 42 Skrip stemming

54
Adapun hasil proses stemming kata ditampilkan dalam tabel 3.5

Tabel 3 6 Hasil stemming

No Data Dokumen
1 Job Description buat jadwal belajar kitab buat laporan absensi
Struktur Organisasi belajar laksana kegiatan ilmu
Devisi Ta’lim PP
Anshofa Malang

2 Model Proses Rencana kegiatan hari siswa kegiatan hari pagi

Bisnis Kesantrian tentu guru quran absen piket hari kumpul data
siswa kegiatan sore hari tentu guru agama
kegiatan agama

3.3.4 Menghitung Kemiripan Semantic

Tahap berikutnya yakni mengukur kemiripan semantic. Berikut flowchart

langkah pencarian nilai kemiripan.

55
 Gambar 3 13 Flowchart mencari nilai kemiripan sematic

Sebagai contoh perhitungan, kali ini peneliti akan mengukur kemiripan

antara dokumen job description devisi ta’lim PP. Anshofa Malang dan model

proses bisnis kesantrian PP. Luhur Malang. Pada tahap ini peneliti akan

melakukan pengukuran kemiripan pada dokumen yang telah dilakukan

preprocessing.

1. Menemukan kata kunci dokumen dengan pembobotan TF IDF

Langkah awal sebelum menghitung kemiripan yakni dengan menentukan

kata kunci pada dokumen yang telah melalui tahap preprocessing. Tahap ini

diperlukan agar proses perhitungan menjadi lebih efisien. Dokumen job

description dan model proses bisnis yang telah melalui tahap preprocessing

dihitung bobotnya menggunakan metode TF IDF sebagai berikut.

56
Tabel 3 7 Perhitungan TF IDF job description

Tabel 3 8 Perhitungan TF IDF model proses bisnis

Langkah berikutnya yakni melakukan perankingan kata noun dan verb yang
memiliki bobot tertinggi.

57
Tabel 3 9 Hasil sorting kata pada model job description dengan bobot tertinggi

Tabel 3 10 Hasil sorting kata pada model proses bisnis dengan bobot tertinggi

Setelah diketahui ranking tertinggi maka diambil masing-masing 2 kata

noun dan verb teratas sebagai kata kunci sebagai berikut:

Tabel 3 21 Kata kunci hasil pembobotan

dokumen kata kunci noun kata kunci verb

jadwal absensi
job description
laporan laksana

kegiatan tentu
model proses bisnis
hari rencana

58
1. Perhitungan kemiripan menggunakan metode leventsthein
Langkah berikutnya yakni megukur kemiripan string menggunakan

metode leventhstein. Metode ini berfungsi untuk mengukur kemiripan berdasarkan

kemiripan string dalam suatu dokumen. Apabila hasil kemiripan perhitungan

bobot similarity = 100%, maka data yang diuji dinyatakan match, namun apabila

bobot similarity < 100%, maka data yang diuji dinyatakan tidak match

dikarenakan makna kata antar data yang diuji tidak ditemukan kemiripan. Untuk

memudahkan. kata kunci yang telah didapatkan disusun menjadi sebuah kalimat

sebagai berikut:

Job Description : absensi jadwal laksana laporan

Model proses bisnis : tentu kegiatan rencana hari

kemudian dilakukan perhitungan menggunakan persamaan berikut:

Bobot Similarity=¿

Keterangan:

d|m,n| : nilai distance¸terletak pada baris ke m dan kolom ke n

S : panjang string awal

T : panjang string target

Untuk menentukan nilai d|m.n| maka dilakukan perhitungan menggunakan

leventhstein calculator sebagai berikut:

59
 Gambar 3 14 Leventhstein Calculator

Bobot Similarity= 1− ( 21
30)×100 %¿ 30 %

Dari perhitungan leventhstein di atas dapat diketahui bahwasannya

kecocokan antar kata kunci job description dan model proses bisnis sebesar 30%.

Tabel 3 12 Hasil perhitungan leventhstein

Nilai kemiripan Keterangan
Dokumen 1 Dokumen 2 Threshold
uji coba Kemiripan
Job Model proses
description bisnis
devisi ta’lim kesantrian 100% 30% Tidak Mirip
PP. Anshofa PP. Luhur
Malang Malang
Hal tersebut menandakan bahwa data yang diuji tidak match atau tidak

memiliki kemiripan sehingga dilanjutkan proses perhitungan berikutnya.

2. Perhitungan kemiripan menggunakan metode path

Untuk menghitung kemiripan menggunakan metode path, maka

diperlukan identifikasi kriteria kelas kata kerja dan kata benda sesuai Kamus

Besar Bahasa Indonesia Kemudian dicari kemiripan kata yang menunjukkan kelas

yang sama, yakni kata kerja dengan kata kerja, dan kata benda dengan kata benda,

menggunakan dataset sinonimkata.com yang telah dimodelkan dalam graph

database Neo4J pada kata kunci jobdescription dan model proses bisnis.

60
Job Description : absensi jadwal laksana laporan

Model proses bisnis : tentu kegiatan rencana hari

Dari kedua kalimat yang berisi kata kunci tersebut dicari kemiripan kata

sesuai kelas yang sama dan dilakukan pencarian chyper pada Neo4J untuk

mengetahui jalur terpendek dan jalur terpanjang.

- Pencarian kata “laksana” (verb) dan “rencana” (verb)

MATCH p=(a:Kata{nama:'laksana'})-
[:SINONIM*1..10]-(b:Kata{nama:'rencana'})
RETURN p, length(p)
ORDER BY length(p) ASC
LIMIT 1

Gambar 3 15 Chyper mencari jalur terpendek

MATCH p=(a:Kata{nama:'laksana'})-
[:SINONIM*1..10]-(b:Kata{nama:'rencana'})
RETURN p, length(p)
ORDER BY length(p) DESC
LIMIT 1

Gambar 3 16 Chyper mencari jalur terpanjang

- Pencarian Kata “laksana” (verb) dan “rencana” (verb)

Tabel 3 33 Hasil pencarian jalur kata ‘laksana’ dan ‘rencana’

Pencarian kata ‘laksana dan rencana’

Panjang
Kategori Visualisasi Graph
Jalur

Terpendek 4

61
 Terpanjan
4
g

- Pencarian Kata “jadwal” (noun) dan “kegiatan” (noun)

Tabel 3 14 Hasil pencarian jalur kata ‘jadwal’ dan ‘kegiatan’

Pencarian kata ‘jadwal dan kegiatan’

Panjang
Kategori Visualisasi Graph
Jalur

Terpendek 3

Terpanjang 3

Tabel 3 45 Hasil pencarian jalur kata ‘laporan’ dan ‘kegiatan’

Pencarian kata ‘laporan dan kegiatan’

Panjang
Kategori Visualisasi Graph
Jalur

62
 Terpendek 9

Terpanjang 9

Tabel 3.13, 3,14 dan Tabel 3.15 merupakan bentuk simpul graf dalam

pencarian kata pada dataset sinonim kata. Dari 2 kalimat di atas dicari kemiripan

antara kata ‘laksana’ dan ‘laku’ ditemukan kata yang mirip dengan jalur terpendek

4 dan jalur terpanjang 4

Pada kata ‘membuat’ dan ‘merencanakan’ ditemukan kata yang mirip

dengan jalur terpendek 3 dan jalur terpanjang 3

Pada kata ‘membuat’ dan ‘merencanakan’ ditemukan kata yang mirip

dengan jalur terpendek 9 dan jalur terpanjang 9

63
Tabel 3 16 Hasil kemiripan kata

Model Proses Bisnis

Job Description
tentu (v) kegiatan (n) rencana (v) hari (n)

absensi (v) - - - -

jadwal (n) - acara - -

laksana (v) menjadwal

- - -
-kan

laporan (n) - perencanaan - -

Nilai kemiripan kata ‘laksana’ dan ‘rencana’

¿ ( C 1 ,C 2 )=2 × Max ( C 1 ,C 2 )−SP

¿ 2 ×4−4

1 1
¿ 4 path= ¿
path length 4

¿ 0,25

Nilai kemiripan kata ‘jadwal dan ‘kegiatan’

¿ ( C 1 ,C 2 )=2 × Max ( C 1 ,C 2 )−SP

¿ 2 ×3−3

1 1
¿ 3 path= ¿ =0,33
path length 3

Nilai kemiripan kata ‘laporan’ dan ‘kegiatan’

¿ ( C 1 ,C 2 )=2 × Max ( C 1 ,C 2 )−SP

¿ 2 ×9−9

1 1
¿ 9 path= ¿ ¿ 0,11
path length 9

64
 Hasil pengelompokan kata dan nilai kemiripan kata dengan kriteria

kalimat masing-masing.

Tabel 3 17 Nilai kemiripan kata

Job Model Proses Bisnis

Description verb noun verb noun
verb - - - -
noun - 0,33 - -
verb - - 0,25 -
noun - 0,11 - -

Perhitungan contextual similarity untuk mencari nilai kemiripan antar kalimat.

Langkah terakhir dalam menentukan nilai kemiripan adalah dengan

menghitung contextual similarity. Perhitungan contextual similarity ditujukan

untuk mencari nilai kemiripan antar kalimat dengan nilai pembobotan noun dan

verb pada job description dan model proses bisnis. Adapun bobot noun sebesar

0,25 dan bobot verb sebesar 0,75. Besaran nilai bobot diperoleh berdasarkan

pembobotan AHP (Analytical Hierarchy Process):

Contextual Similarity=( N ¿ ¿ max× B N )+(V max × BV )¿

¿ ( 0,33 ×0,25 )+ ( 0,25× 0,75 )¿ 0,27

3.3.5. Mapping

Untuk menentukan status match atau tidaknya suatu job description dan

workflow model proses bisnis maka dilakukan pembobotan antara nilai contextual

similarity dengan nilai threshold.

Tabel 3 58 Hasil mapping

Nilai kemiripan Keterangan
Dokumen 1 Dokumen 2 Threshold
uji coba Kemiripan

65
 Job Model proses
description bisnis
devisi ta’lim kesantrian 0,25 0,27 Mirip
PP. Anshofa PP. Luhur
Malang Malang

Mengacu pada penelitian Yessy Caterina, besaran nilai threshold semantic

similarity adalah 0,25, sedangkan nilai contextual similarity pada percobaan di

atas adalah 0,27 dimana contextual similarity > threshold sehingga dapat

disimpulkan bahwa job description devisi ta’lim pada PP. Anshofa Malang match

dengan model proses bisnis kesantrian PP. Luhur Malang.

BAB IV

HASIL DAN PEMBAHASAN

4.1 Job Description dan Model Proses Bisnis Sebagai Data Uji

Job Description yang dijadikan sebagai data uji adalah beberapa job-

description organisasi yang terdapat di PP. Al Adzkiya’ Nurus Shofa Malang.

Sedangkan Model proses bisnis yang dijadikan data uji adalah beberapa proses

bisnis ERP Pondok Pesantren di antaranya adalah proses penerimaan santri baru,

proses akademik, proses kesantrian, proses sarpras, dan proses kepegawaian.

66
4.2 Pencarian Kata Kunci Dokumen

Setelah menentukan keseluruhan data yang akan diuji, proses berikutnya

yakni dengan menentukan kata kunci dari masing-masing dokumen. Baik

dokumen jobdescription organisasi maupun dokumen repository model proses

bisnis. Kata kunci dari job description terdapat pada tabel 4.1 sedangkan kata

kunci dari repository model proses bisnis terdapat pada tabel 4.2 sebagai berikut:

Tabel 4 1 Kata Kunci Devisi Struktur Organisasi

Nomo Kata Kunci Kata Kunci
Dokumen
r Noun Verb
jadwal absensi
1 Devisi Ta'lim laporan laksana
absensi buat
quran buat
2 Devisi Tahfidz kelompok laksana
absensi bagi
jadwal buat
Devisi
3 ibadah kontrol
Ubudiyah
harian evaluasi
jadwal buat
Devisi
4 inventaris piket
Kebersihan
pondok data
aturan sosialisasi
Devisi
5 keamanan monitor
Kemanan
pondok kontrol
jadwal sosialisasi
Devisi Minat kegiatan membina
6
Bakat mengembangka
santri n
uang piket
Devisi
7 belanja membuat
Kopontren
koperasi menjaga
pondok mewakili
8 Devisi Humas masyarakat mengelola
kegiatan menjaga
sarana sosialisasi
9 Devisi Sarpras pondok monitoring
santri intentarisasi

67
 Nomo Kata Kunci Kata Kunci
Dokumen
r Noun Verb
kebijakan koordinasi
10 Ketua organisasi memimpin
rapat memelihara
rapat membuat
11 Sekretaris surat selenggara
tanda hubungan
12 Bendahara mekanisme merancang
iuran mencatat
uang mengumpulkan

Tabel 4 2 Kata Kunci Model Proses Bisnis

Kata kunci Kata kunci
Nomor Dokumen
noun verb
kegiatan absensi
1 Kesantrian Al Rifai harian rencana
pondok rekap
data pengadaan
2 SAPRAS Al Rifai distribusi beli
barang rekap
daftar daftar
3 Akademik Al Rifai jumlah buat
santri ulang
data buat
4 Akademik Pesantren Z hasil ulang
daftar rekap
pondok absensi
5 Kesantrian Z rutin diniyah
harian rekap
pondok absensi
6 Akademik Pesantren Z rutin diniyah
daftar rekap
data beri
7 sarpras Pesantren Z barang baik
sarana cek
daftar diniyah
Akademik Anwarul
8
Huda
data buat
kegiatan rekap
daftar bayar
9 PSB Anwarul Huda data bukti
berkas validasi

68
 Kata kunci Kata kunci
Nomor Dokumen
noun verb
daftar beli
10 Sarpras Anwarul Huda barang rekap
sarana cek
daftar buat
11 Akademik Ar Rahmah data rekap
santri kalkulasi
data rekap
12 Kesantrian PP. Luhur kegiatan buat
harian ajar
rencana buat
13 Kesantrian Y hasil rekap
kegiatan menjadwalkan
14 PSB An Nur validasi bukti
daftar bayar
tanda orientasi
lamaran buat
Kepegawaian Ar
15
Rahmah
surat beri
data mengajukan

4.3 Penghitungan Kemiripan

Perhitungan kemiripan antara dokumen job description dengan model

proses bisnis dihitung melalui dua pendekatan. Pendekatan pertama menggunakan

perhitungan string matching dengan menghitung kemiripan kata kunci noun dan

verb pada setiap dokumen menggunakan metode leventhstein.

Hasil perhitungan leventhstein sebagai berukut.

Devisi
MPB Tah Ubu Keber Keama Minat Kopon- Hu Sar Sekre Benda
Ta'lim Ketua
-fidz -diyah -sihan -nan Bakat tren -mas -pras -taris -hara
Kesantrian
Luhur
PSB Luhur
Akademik
Luhur
Kesantrian Al
Rifai
SAPRAS Al

69
Rifai
Akademik Al
Rifai
Akademik
Pesantren Z
Kesantrian Z
Akademik
Anwarul Huda
PSB Anwarul
Huda
Sarpras
Anwarul Huda
Akademik Ar
Rahmah
Kesantrian Y
PSB An Nur
Kepegawaian
Ar Rahmah

Perhitungan kemiripan berikutnya menggunakan pendekatan semantic

similarity dengan menghitung kemiripan kata kunci noun dan verb menggunakan

metode path pada setiap dokumen.

Hasil perhitungan kemiripan contextual diperoleh hasil sebagai berikut:

Struktur Organisasi
MPB Tah Ubu Keber Keama Minat Kopon- Hu Sar Sekre Benda
Ta'lim Ketua
-fidz -diyah -sihan -nan Bakat tren -mas -pras -taris -hara
Kesantrian
0,27 0,15 0,23 0,23 0,02 0,2 0,11 0,12 0,03 0,23 0,2 0,11
Luhur
PSB Luhur 0,075 0,125 0,123 0,125 0 0,0625 0,125 0,15 0 0,125 0,0625 0,125
Akademik
0,02 0,2 0,03 0,27 0,15 0,15 0 0,23 0,12 0,2 0,03 0,27
Luhur
Kesantrian Al
0,83 0,18 0,28 0,22 0 0,37 0,15 0,15 0 0,05 0 0
Rifai
SAPRAS Al
0,088 0,22 0,21 0,25 0 0,06 0,04 0 0,28 0,11 0 0,09
Rifai
Akademik Al 0.64 0.41
0.21 0.80 0.88 0.88 0.31 0.50 0.80 0.44 0.19 0.79
Rifai
Akademik 0,089
0,175 0,175 0,175 0 0,275 0 0 0 0 0 0,16
Pesantren Z

70
Kesantrian Z 0.77 0.15 0.61 0.59 0.18 0.27 0.11 0.03 0.36 0.16 0.03 0.14
Akademik
0,23 0,167 0,8 0,064 0 0,260 0,163 0 0 0,067 0 0,16
Anwarul Huda
PSB Anwarul
0,076 0,092 0,096 0,118 0 0,042 0,107 0 0 0,074 0 0,16
Huda
Sarpras 0.30
Anwarul Huda
0.15 0.29 0.30 0.30 0.13 0.21 0.31 0.33 0.10 0.29 0.20
Akademik Ar
0,237 0,167 0,2 0,064 0 0,260 0,23 0,175 0,101 0 0,26
Rahmah 0,775
Kesantrian Y 0.50 0.12 0.25 0.20 0.18 0.21 0.44 0.17 0.29 0.17 0.13 0.28
PSB An Nur 0.25 0.05 0.31 0.20 0.23 0.25 0.63 0.05 0.14 0.19 0.03 0.67
Kepegawaian
0,23 0,76 0,8 0,77 0 0,26 0 0 0 0,069 0 0,16
Ar Rahmah
Ubudiyah
Keamanan
Kebersihan
Humas
Kesehatan
Ketua
Sekretaris
Bendahara

MPB Devisi
Ta'li Tah Ubu Kebe Keam Minat Kopon Hu Sar Ketu Sekre Bend
m -fidz - r a Bakat -tren - - a -taris a
diya - -nan mas pra -hara

71
 h sihan s
Kesantrian
Luhur
PSB
Anwarul
Huda
Akademik
Anwarul
Huda
Kesantrian
                       
Al Rifai
SAPRAS Al
                       
Rifai
Akademik
                       
Al Rifai
Akademik
                       
Pesantren Z
Kesantrian
                       
Z
Akademik
                       
Pesantren Z
sarpras
                       
Pesantren Z
Sarpras
Anwarul                        
Huda
Akademik
                       
Ar Rahmah
Kesantrian
                       
PP. Luhur
Kesantrian
                       
Y
PSB An Nur                        
Kepegawaia
n Ar                        
Rahmah

4.4 Proses Mapping

Proses mapping untuk mengklasifikasikan apakah suatu dokumen dapat dikatakan

match atau tidak.

Hasil mapping

72
 Devisi
Ubu Kebe Sar
MPB Keam Hu Bend
Ta'li Tah - r Minat Kopon - Ketu Sekre
a - a
m -fidz diya - Bakat -tren pra a -taris
-nan mas -hara
h sihan s
Kesantrian
Luhur
PSB
Anwarul
Huda
Akademik
Anwarul
Huda
Kesantrian
                       
Al Rifai
SAPRAS Al
                       
Rifai
Akademik
                       
Al Rifai
Akademik
                       
Pesantren Z
Kesantrian
                       
Z
Akademik
                       
Pesantren Z
sarpras
                       
Pesantren Z
Sarpras
Anwarul                        
Huda
Akademik
                       
Ar Rahmah
Kesantrian
                       
PP. Luhur
Kesantrian
                       
Y
PSB An Nur                        
Kepegawaia
n Ar                        
Rahmah

73
4.5 Pengukuran Akurasi

Metode yang digunakan untuk mengukur akurasi adalah metode ROC. Metode
ROC adalah suatu cara untuk melakukan analisis pada model classifier yang telah
dibuat. Penggunaan ROC curves adalah untuk menentukan parameter model yang
diinginkan sesuai dengan karakteristik dari model classifier yang diinginkan.
Berikut merupakan rumus untuk pengukuran akurasi:

ΣTP+ Σ TN
Accuracy= × 100 %
ΣTP+ Σ TN + Σ FP+ Σ FN

ΣTP=Jumlah True Possitive Σ FP=Jumlah False Possitive

ΣTN =JumlahTrue Negative Σ FN =Jumlah False Negative

4.6 Perbandingan dengan penelitian terdahulu

4.7 Integrasi Islam

74
 BAB V
KESIMPULAN DAN SARAN

5.1 Kesimpulan

5.2 Saran

75
76
 DAFTAR PUSTAKA

Handoko, T.H., 2002, Manajemen, Edisi 2, BPFE Fakultas Ekonomi UGM,

Yogyakarta.
Barnes et. al, 1984, Organisasi Perusahaan: Teori dan Praktek, Seri Manajemen
No. 12, PT Pustaka Binaman Pressindo, Jakarta.
Gibson, J. L. Donnelly, Jr., James, L. Ivancevich, John, M., 1996, Manajemen,
Edisi Kesembilan, Erlangga, Jakarta.
G. U. Abriani dan M. A. Yaqin, “Implementasi Metode Semantic Similarity untuk
Pengukuran Kemiripan Makna antar Kalimat,” Ilkomnika, vol. 1, p. 2, 2019.
A. W. Prasetya, M. A. Yaqin dan S. Zaman, “Common Process Extraction
pada Scalable Model Proses Bisnis,” STMIK Atma Luhur, 2018.
M. Zamhari, "Questionnaire Driven untuk Menentukan Konfigurasi Model Proses
Binis," Universitas Islam negeri Maulana Malik Ibrahim Malang, Malang,
2019
Y. Caterina, "PENGUKURAN KEMIRIPAN MODEL PROSES BISNIS PADA
BEBERAPA E-MARKETPLACE DI INDONESIA MENGGUNAKAN
PATH DAN JACCARD COEFFICIENT SIMILARITY," Universitas Islam
negeri Maulana Malik Ibrahim Malang, Malang, 2020
Y. Ningsih, "Komposisi Web Service Menggunakan Cosine Similarity untuk
Menyusun Business Process Executing Language (BPEL)," Universitas
Islam negeri Maulana Malik Ibrahim Malang, Malang, 2019
Sunardi, Y. Anton dan L. A. Mukaromah, “Implementasi Deteksi Plagiarisme
menggunakan Metode N-Gram dan Jaccard Similarity terhadap Algoritma
Winnowing,” e-journal transmisi, 2018.
R. Dijkman, M. Dumas, B. V. Dongen, R. Kaarik dan J. Mendling, “Similarity
Bussiness Process Models: Metrics and Evaluation,” vol. 36, pp. 498-516,
2011.
d. Dewi, “Pemodelan Proses Bisnis menggunakan Activity Diagram UML dan
BPMN (Studi Kasus FRS Online),” 2010.
D. R dan F., “Pemodelan Proses Bisnis B2B dengan BPMN (Studi Kasus:
Pengadaan Barang pada Divisi Logistik),” SNATI, no. 1907-5022, 2007.
L. Dewi, U. Indahyanty dan H. Yulius, “Pemodelan Proses Bisnis Menggunakan
Activity Diagram UML dan BPMN (Studi Kasus FRS Online),” 2012.
M. Becker dan R. Laure, “A Comparative Survey of Business Process,”
Information Systems, University of Leipzig, Germany.

77
L. D, “An information-theoretic definition of similarity,” Proceeding of
International, Canada, 1998. [10] M. Dumas, L. Garcuelos dan R. M.
Dijkman, “Similarity Search of Business Process Models,” IEEE Computer
Society Technical Commitee on Data Engineering, pp. 23-28, 2009.

H. Thamrin dan A. Sabardilla, “Efektivitas Algoritma Semantik dengan

Keterkaitan Kata dalam Mengukur Kemiripan Teks Bahasa Indonesia,”
Khazanah Informatika, vol. 1, p. 1, 2015.
A. Ali, F. Alfayez dan H. Alquhayz, “Semantic Similarity Measures Between
Words: A Brief Survey,” Sci. Int (Labore), vol. 30, pp. 907-914, 2018. 76
G. Krisantoso, I. AP dan M. Fajar, “Penerapan BPMN Untuk Memodelkan
Kebutuhan Sistem Proses Penyuntingan Tulisan pada Website Jurnal
JTRISTE,” Seminar Nasional Forum Dosen Indonesia, no. 2460-5271,
2015.
R. Nindyasari, “Pengukuran Similaritas Struktural Pada Model Proses Bisnis
(Studi Kasus Order To Cash dan Procure To Pay dalam Sistem ERP),”
Jurnal Simetris, vol. 6, p. 1, 2015.
T. Slimani, “Description and Evaluation of Semantic Similarity,” International
Journal of Computer Applications, vol. 80, p. 10, 2013. [16] L. Y.
Banowosari dan I. S. Wicaksana, “Wicaksana. Pengembangan Aplikasi
Antar-muka Pemakai untuk Penghitungan Similaritas Semantik Berbasis
String dan Wordnet,” UG Jurnal, vol. 1, no. 1978-4783, pp. 1-6, 2007.
A. C. Fauzan, “Sistem Cerdas Untuk Menemukan Behavioral Similarity Pada
Model Proses Bisnis Menggunakan Algoritma Tars,” E-thesis UIN Maulana
Malik Ibrahim, 2012.

78