Pemantauan Proses Preskriptif (PresPM) adalah area yang berkembang dalam dunia Process Mining. Tujuannya sederhana namun powerful: menggunakan data dan kecerdasan buatan (AI) untuk memprediksi hasil dari sebuah proses bisnis yang sedang berjalan, dan kemudian merekomendasikan tindakan atau “intervensi” secara real-time untuk memastikan hasil terbaik tercapai. Bayangkan sebuah bank yang memproses aplikasi pinjaman, sebuah pabrik yang memproduksi barang, atau rumah sakit yang merawat pasien. Dalam setiap skenario ini, ada serangkaian langkah (proses) yang diikuti. PresPM memungkinkan perusahaan untuk campur tangan di tengah proses tersebut berdasarkan data yang ada untuk mengoptimalkan variabel target, seperti meningkatkan tingkat persetujuan pinjaman, mengurangi cacat produk, atau mempercepat waktu pemulihan pasien.
Potensi PresPM untuk meningkatkan kinerja operasional bisnis di Indonesia sangat besar. Dengan sistem preskriptif, perusahaan dapat meningkatkan kualitas produk dan layanan, menghemat biaya, dan bahkan meningkatkan kepuasan karyawan. Namun, adopsi PresPM dihadapkan pada tantangan signifikan, terutama dalam hal pengujian dan evaluasi metode yang ada.
Mengapa Benchmarking dan Evaluasi PresPM Sulit?
Ada dua keterbatasan utama dalam literatur dan praktik PresPM saat ini. Pertama, kurangnya perbandingan komprehensif antara berbagai teknik PresPM. Sebagian besar penelitian hanya menguji satu atau dua metode, sehingga sulit bagi praktisi untuk mengetahui metode mana yang paling efektif untuk kasus penggunaan spesifik mereka. Industri di Indonesia membutuhkan panduan yang jelas dalam memilih solusi teknologi yang tepat.
Kedua, tantangan terbesar terletak pada evaluasi yang akurat. Sebagian besar evaluasi mengandalkan dataset historis dari “event log” (rekaman aktivitas proses bisnis). Masalahnya, dataset historis tidak memiliki “hasil kontrafaktual” (counterfactual outcomes). Artinya, kita hanya tahu apa yang terjadi ketika satu tindakan (intervensi) diambil, tetapi kita tidak tahu apa yang akan terjadi jika tindakan lain yang diambil pada kasus yang sama.
Evaluasi berbasis data historis juga rentan terhadap “variabel perancu” (confounding). Ini terjadi ketika faktor lain yang tidak terkait langsung dengan intervensi memengaruhi baik keputusan intervensi maupun hasilnya. Misalnya, dalam data pinjaman, nasabah dengan skor kredit tinggi mungkin lebih sering ditawarkan pinjaman (intervensi) dan juga lebih kecil kemungkinannya gagal bayar (hasil). Tanpa alat yang tepat, sulit membedakan apakah hasil positif disebabkan oleh intervensi itu sendiri atau oleh faktor perancu (skor kredit tinggi). Hal ini membuat estimasi kinerja metode AI menjadi tidak akurat dan menyesatkan.
Mengenal SimBank: Simulator untuk Uji Coba PresPM
Untuk mengatasi keterbatasan dalam benchmarking dan evaluasi PresPM, diperkenalkan SimBank. SimBank adalah “simulator” atau generator data sintetis pertama yang dirancang khusus untuk riset PresPM. SimBank mensimulasikan kasus-kasus yang terinspirasi dari proses aplikasi pinjaman di bank, sebuah proses yang umum dan kompleks.
Keunggulan utama SimBank adalah kemampuannya untuk menyediakan lingkungan yang terkontrol di mana mekanisme dasar pembuatan proses diketahui secara eksplisit. Ini memungkinkan perhitungan yang tepat mengenai hasil dari setiap kemungkinan tindakan preskriptif. Dengan kata lain, untuk setiap kasus simulasi, SimBank tahu apa yang akan terjadi jika tindakan A diambil, tindakan B diambil, atau tidak ada tindakan sama sekali. Ini menghilangkan ketergantungan pada data historis yang tidak lengkap dan memungkinkan evaluasi metode yang jauh lebih akurat.
SimBank memfasilitasi perbandingan komprehensif antar metode PresPM. Peneliti dan praktisi dapat menyesuaikan parameter proses dalam simulator untuk menciptakan berbagai skenario yang beragam. Ini mendukung pengujian metode baik dalam mode “offline training” (menggunakan log kejadian yang sudah dihasilkan sebelumnya) maupun “online training” (dalam lingkungan yang dinamis dan real-time).
Fitur Utama SimBank dan Relevansinya
Simulator SimBank dirancang untuk mereplikasi kompleksitas proses bisnis nyata. Ini mencakup aktivitas paralel dan “loop” (pengulangan), yang sering ditemukan dalam log kejadian di dunia nyata. Fitur-fitur utamanya mencakup:
- Simulasi Berbagai Jenis Intervensi: SimBank memungkinkan pengujian metode PresPM pada berbagai jenis masalah optimasi intervensi, dengan tingkat kompleksitas yang berbeda. Ini ditentukan oleh “action width” (jumlah pilihan tindakan) dan “action depth” (jumlah titik waktu yang memungkinkan untuk intervensi). Ini sangat relevan untuk bisnis yang memiliki berbagai titik kritis dalam proses mereka di mana intervensi dapat dilakukan.
- Pengujian Robustness terhadap Variabel Perancu: SimBank mendukung eksperimen untuk menilai ketahanan metode PresPM terhadap tantangan “causal machine learning”, seperti adanya variabel perancu dalam data. Kemampuan ini krusial untuk memastikan bahwa solusi AI yang diterapkan benar-benar efektif karena intervensi yang direkomendasikan, bukan karena kebetulan terkait dengan faktor lain.
- Dukungan untuk Sekuensi Intervensi: Dengan menggabungkan berbagai jenis intervensi, SimBank memungkinkan pengujian strategi intervensi berurutan (sequential intervention strategies). Area ini masih kurang dieksplorasi dalam riset PresPM, padahal banyak proses bisnis di dunia nyata memerlukan serangkaian tindakan seiring berjalannya waktu.
Dengan fitur-fitur ini, SimBank menjadi alat yang sangat berharga untuk memajukan riset dan praktik PresPM. Ini memungkinkan pengujian yang lebih ketat dan realistis terhadap metode AI yang digunakan untuk optimasi proses.
Dampak SimBank bagi Riset dan Praktik PresPM
SimBank, sebagai generator data sintetis yang tersedia secara publik, memiliki dampak signifikan. Bagi peneliti, ini menyediakan platform standar untuk “benchmarking” yang akurat dan dapat direproduksi, memungkinkan perbandingan metode yang lebih transparan dan bermakna. Ini mendorong pengembangan metode PresPM yang lebih baik dan lebih andal.
Bagi praktisi bisnis di Indonesia, keberadaan alat seperti SimBank secara tidak langsung meningkatkan kualitas solusi PresPM yang akan tersedia di pasar. Pengembang teknologi dapat menggunakan simulator ini untuk menguji solusi mereka secara menyeluruh sebelum diimplementasikan di lingkungan nyata. Ini membantu menjembatani kesenjangan antara lingkungan simulasi dan penerapan di dunia nyata, mendukung penyebaran solusi PresPM yang lebih efektif.
Pengujian yang ketat ini sangat penting di berbagai sektor seperti manufaktur (untuk deteksi cacat produk atau monitoring alat berat), kesehatan (untuk alur pasien atau deteksi dini), atau bahkan smart city (untuk manajemen lalu lintas atau keamanan publik). Setiap sektor memiliki proses unik yang bisa dioptimalkan dengan pendekatan preskriptif berbasis data.
Bagaimana ARSA Technology Dapat Membantu?
Sebagai perusahaan teknologi lokal yang berpengalaman sejak 2018 dalam pengembangan solusi AI dan IoT di Indonesia, ARSA Technology memahami pentingnya optimasi proses bisnis berbasis data. Meskipun SimBank adalah alat riset untuk menguji metode PresPM, prinsip dasar di baliknya — yaitu menggunakan data real-time dan AI untuk pengambilan keputusan yang lebih baik demi hasil yang optimal — sangat relevan dengan layanan yang ditawarkan ARSA.
ARSA Technology menyediakan berbagai solusi yang dapat menjadi komponen kunci dalam membangun sistem yang memungkinkan Pemantauan Proses Preskriptif di berbagai industri:
- Real-time Video Analytics: Dapat memantau aktivitas di lapangan (pabrik, area publik, retail) untuk mendeteksi pola atau anomali yang memerlukan intervensi.
- Otomasi Industri & Monitoring: Menggunakan sensor IoT dan AI untuk memantau kondisi mesin dan jalur produksi, memungkinkan deteksi dini masalah dan intervensi prediktif (predictive maintenance).
- Smart Parking & Vehicle Systems: Mengoptimalkan alur kendaraan dan keamanan, yang bisa melibatkan intervensi otomatis berdasarkan analisis data real-time.
- Self-Check Health Kiosk: Memungkinkan pengumpulan data kesehatan awal yang dapat memicu intervensi perawatan lebih lanjut.
ARSA Technology berfokus pada penyediaan solusi AI dan IoT yang terukur dan berdampak nyata bagi bisnis. Dengan tim ahli yang berlokasi di Surabaya dan Yogyakarta, ARSA siap menjadi mitra teknologi Anda dalam menerapkan sistem cerdas yang didukung data untuk meningkatkan efisiensi, keamanan, dan profitabilitas operasional Anda.
Kesimpulan
Pemantauan Proses Preskriptif (PresPM) menawarkan jalan baru bagi bisnis untuk mengoptimalkan operasional melalui intervensi berbasis AI. Tantangan dalam benchmarking dan evaluasi metode PresPM, terutama terkait hasil kontrafaktual dan variabel perancu, adalah hambatan penting. SimBank hadir sebagai simulator inovatif yang menyediakan lingkungan terkontrol untuk pengujian metode yang akurat dan komprehensif, menjembatani kesenjangan antara riset dan praktik.
Bagi perusahaan di Indonesia yang ingin memanfaatkan kekuatan data dan AI untuk transformasi digital, memahami prinsip di balik PresPM dan pentingnya pengujian yang ketat adalah langkah awal. ARSA Technology, dengan portofolio solusi AI dan IoT yang relevan, siap membantu bisnis Anda membangun fondasi teknologi yang diperlukan untuk implementasi sistem cerdas yang dapat mengoptimalkan proses dan mendorong hasil bisnis yang superior.
Konsultasikan kebutuhan AI Anda dengan tim ARSA Technology. Kunjungi halaman kontak kami atau hubungi via WhatsApp di +62 851-6862-3493 untuk diskusi lebih lanjut.
