BAB 1. PENDAHULUAN

BAB 1. PENDAHULUAN
1.1 Latar Belakang
Sejalan dengan tuntutan persaingan bisnis, banyak perusahaan menyadari bahwa
keunggulan teknologi dan produk yang dihasilkan semata tidak lagi dapat diandalkan
menjadi sumber keunggulan dalam bersaing. Karena itu, untuk memenangkan
persaingan pasar berbagai perusahaan mengembangkan diferensiasinya melalui unsur
service yang semakin memanjakan konsumennya. Kepuasan dan loyalitas konsumen
menjadi fokus perhatian dalam memenangkan persaingan.
Proses bisnis adalah kombinasi dari aktivitas di dalam suatu perusahaan untuk
menghasilkan pelayanan tertentu kepada klien (Leyman et al. 1994). Proses bisnis
merupakan pemicu dan benang merah yang secara langsung mempengaruhi dan
memberi ciri dari suatu organisasi. Struktur dari suatu proses bisnis yang dapat
memenuhi kebutuhan klien-kliennya secara efisien dan efektif akan dapat memberikan
keuntungan bagi pihak perusahaan untuk bersaing dengan perusahaan lain, sebaliknya
struktur proses bisnis yang buruk seperti pelayanan yang lambat dan tidak memuaskan
kepada klien akan menyebabkan klien berpindah ke perusahaan lain secara cepat.
Terdapat tiga perspektif dalam analisis proses bisnis yaitu organisasi, proses, dan orang
di dalam proses itu sendiri. Orientasi yang tinggi terhadap konsumen dapat menjamin
keunggulan bersaing organisasi, sehingga memperbaiki proses bisnis juga merupakan
hal yang penting bagi bisnis sebuah organisasi agar tetap kompetitif.
Perbaikan proses bisnis atau Business Process Improvement (BPI) merupakan
sebuah metode yang sistematik yang dikembangkan untuk membantu sebuah
perusahaan memperoleh keuntungan yang signifikan dalam caranya menjalankan proses
bisnisnya (Harrington, 1991). Perlu adanya usaha perbaikan proses secara terus
menerus, sehingga proses bisnis mampu menghasilkan output yang memuaskan kepada
konsumen. Oleh karena itu, banyak perusahaan saat ini menyadari bahwa perancangan
dan pengaturan proses bisnis yang optimal adalah suatu key factor bagi perusahaan
1
untuk secara efektif bersaing di dalam lingkungan bisnis yang berubah-rubah. Untuk itu,
maka diperlukan optimisasi dan perbaikan yang berkelanjutan dari proses bisnis itu
sendiri.
Reengineering proses bisnis adalah merupakan pemikiran ulang secara
fundamental dan desain ulang radikal suatu proses bisnis organisasi yang mengarahkan
organisasi untuk mencapai peningkatan kinerja bisnis secara dramatis (Hammer and
Champy,1993). Beberapa perusahaan telah menerapkan paradigm inovasi baru ini untuk
mencapai berbagai perbaikan dalam biaya, kualitas dan efisiensi. Bahkan makin banyak
perusahaan yang mencari peluang untuk menerapkan proyek reengineering dan
metodologi-metodologi yang membantu mereka dalam mencapai usaha-usaha perbaikan
tersebut. Contohnya pada bisnis maskapai penerbangan AWAIR pada beberapa tahun
yang lalu masih menggunakan sistem pemesanan secara manual melalui beberapa
agent penjualan tiket penerbangan. Pada awal tahun 2004, AWAIR diambil alih oleh PT.
Indonesia Air Asia dan mengalihkan orientasi pasarnya ke penerbangan berbiaya
rendah. Dengan adanya pengambil alihan ini, pihak Air Asia melakukan perbaikan
struktur proses pemesanan tiket tidak hanya dilakukan di agen penerbangan, akan tetapi
dapat dilakukan secara on line oleh pelanggan melalui internet dan begitu juga halnya
dalam sistem pembayarannya yang dapat dilakukan tanpa harus datang langsung ke
tempat agen penjualan tiket Air Asia. Dengan adanya perbaikan proses bisnis yang
fundamental ini tentu saja pihak Air Asia dapat memperoleh keuntungan yang lebih
signifikan dalam menjalankan proses bisnisnya.
Vergidis et al. (2007) menyatakan bahwa tidak adanya representasi proses bisnis
yang berkaitan secara langsung dengan pemodelan secara kuantitatif . Secara umum
teknik pemodelan proses bisnis seperti flowchart dan IDEF (Integrated Definition
Methodology) hanya menggambarkan dengan menggunakan simbol yang standar untuk
menganalisis proses bisnis tanpa mampu menganalisis secara kuantitatif dan
mengoptimisasi
struktur proses bisnis secara nyata. IDEF merupakan tools untuk
membuat model. Optimisasi proses bisnis biasanya hanya mencoba-coba segala
kemungkinan dengan cara manual, sederhana, dan tidak memberikan kemampuan
generalisasi secara keseluruhan untuk beberapa kasus. Di samping itu tidak terdapat
optimisasi proses bisnis dengan multiple criteria.
2
Optimisasi permasalahan yang berisi lebih dari satu fungsi tujuan dikenal
sebagai masalah multi-objective optimization. Seperti halnya bahwa terdapat banyak
tujuan yang ingin dicapai oleh suatu perusahaan secara simultan dan mungkin beberapa
di antara fungsi tujuan yang ingin dicapai itu berlawanan, sehingga tidak
memungkinkan adanya solusi tunggal dalam penyelesaiannya, tetapi lebih kepada
sekumpulan solusi yang mungkin memiliki kualitas yang sepadan. Seperti halnya dalam
mendesain mobil yang otomatis, tujuan yang mungkin ingin dicapai adalah meminimasi
harga, memaksimumkan kecepatan, dan meminimasi pemakaian bahan bakar. Tujuan
ini tentu saja berlawanan satu sama lain, sehingga tidak mungkin akan ada solusi
tunggal diperoleh. (Sbzarini,2000). Multi-objective optimization dari proses bisnis dapat
memberikan cara yang lebih efisien bagi perbaikan proses bisnis dengan memilih
kriteria optimisasi apa saja yang akan dipilih dan dicukupi secara bersamaan dalam
perusahaan. (Deb, 2001)
Kusiak (1999) menjelaskan bahwa terdapat dua tipe analisis yang dapat
dilakukan dalam rangka melakukan perbaikan proses dari “as is model” yang akan di
transfer ke “to be model” yaitu analisis observasi (manual) dan analisis computational.
Analisis kualitatif dilakukan berdasarkan model dari proses bisnis sehingga analisis ini
membutuhkan gambaran detil dari sasaran proses dengan cara observasi. Analisa
kualitatif merupakan analisis structural yang mengevaluasi proses pada setiap
aktivitasnya berdasarkan kualitasnya seperti dari aktivitas pertama dipilih mana
alternatif yang lebih berkualitas, setelah itu dilanjutkan pada pilihan alternatif pada
aktivitas 2 dan seterusnya. Hasil dari analisis kualitatif dapat digunakan untuk
mendeteksi aktivitas-aktivitas mana yang mungkin dapat tereliminasi, yang dapat
diparalel, dapat digabungkan, dapat disederhanakan, di tambah nilai prosesnya ataupun
diotomasikan proses aktivitasnya. Sedangkan analisis kuantitatif merupakan analisis
performance yang mengevaluasi proses berdasarkan nilai numerik seperti lamanya
durasi dan besarnya biaya, serta jumlah aktivitas yang terjadi. Analisis kuantitatif
memerlukan informasi yang dapat diandalkan secara statistik, maka untuk mendapatkan
informasi seperti itu diperlukan analisis computational untuk identifikasi proses seperti
adanya pengembangan algoritma dalam optimisasi proses bisnis. Menurut Kusiak et al.
(2000) bahwa kebanyakan metodologi pemodelan proses di dasarkan pada simbol yang
tidak formal dan dilakukan secara kualitatif sehingga sulit untuk dianalisis.
3
Berdasarkan uraikan di atas, maka penelitian ini akan mengembangkan model
evaluasi analitik perbaikan proses bisnis menggunakan algoritma NSGA-II (Non
Dominated Sorting in Genetic Algorithm). Model analitik adalah model yang
kesimpulannya dapat dinyatakan dalam bentuk analitik untuk masalah yang lebih
khusus atau penelitian yang sebagian besar penyelesaiannya dilakukan dengan bantuan
suatu algoritma (http://www.sipoel.unimed.in/file.php/44/COURSE). Sebelum dilakukan uji
21H
coba algoritma yang akan dikembangkan, maka akan digambarkan model proses dengan
menggunakan metode IDEF3 agar hasil yang diperoleh dapat menjadi lebih baik lagi.
IDEF3 merupakan tool pemodelan dengan representasi terstruktur dari sebuah sistem
dengan cara meng-capture perilaku dari sistem yang dibahas mengenai urut-urutan
terjadinya proses, proses apa yang menyebabkan proses apa, dan bagaimana keputusan
diambil. Alasan menggunakan IDEF3 adalah dikarenakan kemampuannya dalam
deskripsi proses bisnis yang semakin dapat dipertajam melalui dekomposisi proses yaitu
dengan cara menyederhanakan proses melalui tingkatan abstraksi modul yang berbedabeda. Pada dasarnya pada setiap tingkatan dekomposisi diperoleh deskripsi proses yang
lebih rinci, sehingga dengan menggunakan metode IDEF3 kita dapat mencari lokalisasi
masalah yang lebih rinci dari proses bisnis yang besar. Dengan adanya lokalisasi
masalah dalam proses bisnis yang memiliki ruang lingkup yang besar, kita dapat
memperbaiki secara fokus keterkaitan antara satu jenis proses dengan jenis proses
dalam proses bisnis yang memiliki masalah.
Setelah menggambarkan model proses bisnis, maka akan dikembangkan
algoritma NSGA-II untuk keperluan desain proses bisnis yang memiliki sejumlah
alternatif dalam setiap aktivitasnya. NSGA-II merupakan bagian dari evolutionary
algorithms. Evolutionary algorithms merupakan metode pencarian stokastik yang
mencoba untuk menirukan sifat evolusi biologis dari makhluk hidup yang bekerja
dengan prinsip bahwa suatu individu yang baik akan akan bertahan dan menghasilkan
individu-individu yang semakin baik pada setiap generasi. Elemen-elemen yang ada
pada metode ini diambil dari proses alam seperti seleksi,kombinasi, mutasi, migrasi, dan
perpindahan secara lokal. Evolutionary algorithms bekerja lebih banyak pada sejumlah
individu dalam satu populasi daripada hanya pada satu individu saja. Metode ini sangat
cocok sekali digunakan dalam penelitian ini dikarenakan desain proses bisnis yang ada
terdiri dari beberapa alternatif untuk setiap aktivitasnya, sehingga apabila setiap
4
aktivitas dengan masing-masing alternatifnya digabung menjadi suatu set aktivitas
dalam proses bisnis maka akan membutuhkan waktu yang lama untuk memilih urutan
set alternatif aktivitas mana yang optimal dalam fungsi tujuan yang multi-objective.
Evolutionary algorithms terbukti lebih efisien bila digunakan dalam menyelesaikan
permasalahan multi-objective yang memiliki banyak pembatas (constraints) dalam area
yang relevan seperti scheduling, supply chain optimization, dan yang lainnya. (Vergidis
et al. ,2007). NSGA-II adalah algoritma genetika yang sangat popular untuk digunakan
pada permasalahan optimisasi multiobjective yang dikembangkan oleh Kalyanmoy Deb
di Srinivas. NSGA-II dapat menghasilkan solusi yang lebih baik dengan perhitungan
yang lebih sedikit, pendekatan elitist, dan pembagian parameter yang lebih sedikit
(Deb,2001). Dengan desain proses bisnis yang kompleks, secara umum kemampuan
dari NSGA-II dapat dikarakteristikkan baik dan memiliki elitism yang dimana NSGA-II
menyimpan solusi optimum dari setiap generasi dan membandingkan solusi tersebut
dengan solusi antar setiap generasi, sehingga memungkinkan untuk mengidentifikasikan
feasible solutions. (Vergidis et al. ,2007). Jumlah aktivitas dan waktu mulai untuk setiap
aktivitas akan dipertimbangkan dalam pengembangan model ini. Penelitian ini juga
akan menyediakan kemampuan generalisasi pada beberapa kasus dan memberikan
analisis secara kualitatif dan kuantitatif sehingga dapat diperoleh alternatif pemilihan
solusi terbaik dari set alternatif aktivitas desain proses bisnis bagi pihak pengambil
keputusan dari feasible solution yang dihasilkan dari algoritma yang multi-objective.
1.2 Perumusan Masalah
Berdasarkan uraian yang diberikan pada bagian “latar belakang”, pertanyaan yang ingin
dijawab dalam penelitian ini adalah sebagai berikut:
1. Bagaimana merepresentasikan secara
matematis model
proses bisnis yang
digambarkan dengan metode IDEF3 (Integrated Definition Methodology 3) untuk
keperluan evaluasi usulan perbaikan proses bisnis?
2. Bagaimana mengevaluasi usulan perbaikan proses bisnis yang dengan pendekatan
analitik dengan memperhatikan kriteria tujuan yang telah ditetapkan?
5
3. Bagaimana karakteristik-karakteristik dari pendekatan analitik yang diusulkan untuk
mengevaluasi usulan perbaikan proses bisnis ?
1.3 Tujuan Penelitian
Adapun tujuan yang ingin dicapai dalam penelitian adalah:
1. Menganalisis model proses bisnis secara kuantitatif sehingga mendapatkan
perbaikan proses bisnis yang lebih terukur dibandingkan dengan perbaikan
secara kualitatif.
2. Mengembangkan tools untuk membantu proses analisis yang lebih formal bagi
model perbaikan sebuah proses bisnis yang multi-objective.
3. Menganalisis model kuantitatif optimisasi proses bisnis dengan mengunakan
contoh numerik untuk mengetahui karakteristik dari model bisnis.
1.4 Ruang lingkup Penelitian
Ruang lingkup penelitian ini adalah sebagai berikut :
1.
Contoh numerik yang diuji coba dalam penelitian ini menggunakan data
hipotetik dan contoh numerik 1 menggunakan contoh pada jurnal penelitian
Vergidis et al. (2007).
2.
Model yang dikembangkan dalam penelitian ini adalah permasalahan yang
telah didekomposisikan sampai pada level yang paling bawah.
1.5 Posisi Penelitian
Gambar di bawah ini adalah merupakan rangkaian penelitian terdahulu menjadi
dasar pengembangan penelitian ini. Rangkaian penelitian ini dibuat berdasarkan
pemahaman peneliti mengenai : pemodelan proses bisnis, model IDEF3 (Integrated
6
Definition Methodology 3), pendekatan algoritma single-objective & multi-objective,
dan algoritma NSGA-II (Non Dominated Sorting in Genetic Algorithm II).
Gambar 1. 3 Rangkaian Penelitian
Beberapa penelitian yang berkaitan dengan desain proses bisnis baik yang
single-objective maupun multi-objective telah dilakukan. Untuk menggambarkan
keterkaitan penelitian ini dengan model-model sebelumnya, maka akan diuraikan
penjelasan singkat tentang penelitian-penelitian yang telah dilakukan. Tabel 1.1
memperlihatkan penelitian-penelitian yang berhubungan dengan model yang telah
dikembangkan. Tabel 1.1 berikut ini mengklasifikasikan penelitian-penelitian yang telah
dilakukan berdasarkan jumlah dari fungsi tujuan yang dilakukan, analisis apa saja yang
dilakukan, metodologi yang digunakan, metoda pendekatan pencarian solusinya dan
output yang dihasilkan dari penelitian tersebut.
Hofacker dan Vetschera (2001) menjelaskan single-objective optimization yang
tidak menggambarkan efek sinergi yang kuat antara aktivitas individual yang mendasari
suatu desain proses dan mengusulkan pengembangan pemodelan proses bisnis yang
optimal dengan menggunakan mathematical programming, branch and bound method,
dan genetic algorithms tanpa menggunakan metodologi pemodelan proses. Penelitian
7
ini memperkenalkan model formal untuk permasalahan desain proses bisnis yang dapat
digunakan untuk menganalisis desain optimal dengan memperhatikan kriteria fungsi
tujuannya.
Kusiak et al. (1999) memperkenalkan bahwa terdapat dua tipe analisis untuk
perbaikan model proses yaitu menggunakan analisis observasional dan komputasional.
Analisis observasi dapat dilakukan dengan cara menurunkan durasi proses, eliminasi
aktivitas redundant, membagi aktivitas (partitioning), menggabungkan aktivitas serial
(merging), dan eliminasi siklus. Sedangkan analisis komputasional menggambarkan
model proses bisnis dengan menggunakan IDEF0 (Integrated Definition Methodology
0)dan IDEF3 (Integrated Definition Methodology 3), kemudian merepresentasikan
IDEF3 ke dalam bentuk matriks untuk mengidentifikasikan struktur dari model. IDEF0
merupakan pemodelan fungsional suatu sistem
dimana fungsi-fungsi tersebut
menjelaskan apa yang dikerjakan oleh sistem, apa yang mengendalikannya, apa yang
diproses, apa sarana untuk memproses, dan apa yang dihasilkan. IDEF3 merupakan tool
pemodelan dengan representasi terstruktur dari sebuah sistem dengan cara mengcapture perilaku dari sistem yang dibahas mengenai urut-urutan terjadinya proses,
proses apa yang menyebabkan proses apa, dan bagaimana keputusan diambil. Selain itu,
Kusiak et al. juga memperkenalkan triangularization algorihtm yang lebih efisien
dibandingkan topological sorting algorithm untuk menganalisis struktur model proses
yang memiliki siklus. Tujuan dari analisis ini adalah mendapat sifat hubungan antar
aktivitas dan mendapatkan susunan atau urutan dependency path suatu desain proses.
Vergidis et al. (2007) dalam penelitiannya mengusulkan kerangka desain proses
bisnis untuk optimisasi multi-objective yaitu dengan membangun model matematis dan
menggunakan pendekatan algoritma dalam penyelesaiannya. Algoritma yang digunakan
untuk menyelesaikan masalah multi-objective adalah NSGA-II (Non Dominated Sorting
in Genetic Algorithm II), SPEA2 (Strength Pareto Evolutionary Algorithm 2), dan
MOPSO
(Multi-Objective Particle Swarm Optimisation) dengan penyelesaiannya
menggunakan
KEA-Software.
Ketiga
algoritma
ini
digunakan
karena
dapat
mengoptimisasi model proses bisnis yang multi-objective. NSGA-II dan SPEA2 lebih
popular dibandingkan dengan algoritma MOPSO. NSGA-II banyak diaplikasikan dalam
berbagai penelitian karena menggunakan pendekatan elitist, sedikit parameter dan
8
memberikan perkembangan solusi yang signifikan.
SPEA2 juga merupakan
evolutionary algorithms yang menggunakan pendekatan elitist yang lain. MOPSO
memberikan hasil yang lebih baik apabila digunakan dalam permasalahan yang
membutuhkan pencarian solusi yang kontinu. Dari hasil analisis secara umum diketahui
bahwa algoritma NSGA-II memberikan solusi yang lebih optimal dibandingkan dengan
algoritma SPEA2 dan MOPSO. Dengan desain proses bisnis yang kompleks, secara
umum kemampuan dari NSGA-II dapat dikarakteristikkan baik dan memiliki elitism
yang dimana NSGA-II menyimpan solusi terbaik dari setiap generasi dan
membandingkan solusi tersebut dengan solusi antar setiap generasi, sehingga
memungkinkan untuk mengidentifikasikan feasible solutions.
Penelitian ini (2008) merupakan kelanjutan dari penelitian-penelitian di atas
dengan menggabungkan beberapa pendekatan dari penelitian di atas. Pada penelitian ini
mengusulkan pemodelan proses bisnis dengan metodologi IDEF3 (Integrated Definition
Methodology 3), membuat model matematis, menganalisis proses bisnis secara kualitatif
dan kuantitatif dan mencari alternatif solusi proses bisnis dengan pendekatan algoritma
NSGA-II (Non Dominated Sorting in Genetic Algorithm II). Penelitian ini juga
memberikan alternatif pemilihan solusi terbaik bagi pihak pengambil keputusan dari
feasible solution yang dihasilkan dari algoritma yang multi-objective yang optimal.
Penelitian yang dilakukan oleh Vergidis et al. (2007) tidak menggunakan metodologi
pemodelan proses dalam kerangka pengembangan modelnya, sedangkan penelitian ini
dengan menggunakan suatu metodologi pemodelan proses dan menyediakan
kemampuan generalisasi untuk beberapa kasus dalam desain proses bisnis lainnya.
Tabel 1.1 berikut ini menunjukkan posisi penelitian yang dibandingkan dengan
beberapa penelitian terdahulu yang berkaitan dengan penelitian ini, yaitu :
9
Tabel 1.1 Posisi Penelitian Yang Terkait
Bentuk
Tujuan
Pemodelan
Proses
Analisis
Formulasi
Cara Penyelesaian
Hasil
Mathematical
Menggunakan
ready
Alternatif
Solusi
Model
Pendekatan
to use
Solusi
Terpilih
Proses
Penelitian
bisnis
Jumlah
Ket
IDEF0
IDEF3
Lainnya
Kualitatif
Kuantitatif
Ada
Tidak
methodology
Ada
Hofacker and
Branch and Bound
Vetschera
(2001)
Serial dan paralel
Kusiak et al.
Serial, paralel,siklus
(1999)
Serial, paralel,bottleneck,tanpa siklus
Vergidis et al.
Serial, paralel dengan pilihan
(2007)
alternatif untuk setiap aktivitas
Penelitian ini
(2008)
Single
Biaya
Single
Durasi
v
v
v
v
v
v
Multi
Genetic Algorithms
v
Biaya
Serial, paralel
bottleneck dengan pilihan
v
v
Triangularization Algorithms
v
Topological sorting
algorithms
NSGA-II
v
Durasi
v
v
SPEA-II
v
v
v
v
MOPSO
Biaya
Multi
Durasi
v
v
alternatif untuk setiap aktivitas
10
v
v
NSGA-II