Proses persiapan perkuliahan menandai akan dimulainya perkuliahan di semester baru, proses ini mencakup beberapa hal seperti mengelola Program Learning Outcome (PLO), pemetaan Course Learning Outcome (CLO), pengelolaan assessment tools, pengelolaan soal-soal, manajemen input nilai dan mengukur capaian PLO dan CLO. Universitas Telkom sendiri telah memanfaatkan teknologi informasi berbasis online, yaitu Integrated Academic Information System (i-Gracias). Salah satu aplikasi yang ada pada i-Gracias, yaitu Outcome Based Education (OBE), Di mana aplikasi ini dikhususkan untuk Kepala Program Studi (Kaprodi) dan Dosen Koordinator Mata Kuliah yang akan mempersiapkan perkuliahan. Pengguna OBE yang secara signifikan terus meningkat tentunya menghasilkan banyak record data dengan jumlah besar dalam bentuk event logs. Untuk memperoleh pengetahuan dari event log tersebut diperlukan pengolahan data, salah satunya dengan cara process mining. Penelitian ini dimulai dari tahap discovery hingga conformance checking. Sebelum dilakukan process mining akan dilakukan preprocessing data agar menghasilkan kualitas log yang baik dan juga mendefinisiakan case id, activity, dan timestamp. Event log akan diproses menggunakan tools ProM 6.11 dengan menggunakan teknik pemodelan Heuristic Miner bertujuan untuk memodelkan proses dan mencari nilai fitness terbaik. Algoritma Heuristic Miner dipilih karena kemampuannya untuk menangani event log dengan noise, dan dapat menampilkan main behavior dari proses bisnis yang ada. Pada penelitian ini proses persiapan perkuliahan didapatkan berdasarkan input mata kuliah dalam satu semester dalam periode akademik. Kemudian proses tersebut dibagi menjadi tiga sub-log yang terdiri dari persiapan PLO, persiapan CLO, dan persiapan RPS dari periode akademik 1819, 1920, dan 2021. Model proses terbaik yang dihasilkan merupakan hasil pengujian parameter threshold dari algoritma Heuristic Miner yaitu; Relative to Best Threshold, Positive Observation Threshold, dan Dependency Threshold. Setelah mendapatkan model proses dari masing-masing sub-log, kemudian dilakukan conformance checking terhadap model proses dan event log untuk mendapatkan nilai fitness, precision, dan generalization. Plug-in ProM 6.11 yang digunakan untuk menerapkan conformance checking didasarkan pada teknik replay. Tujuan dari replay ini adalah untuk mengukur nilai fitness dari model yang dihasilkan. Saat melakukan replay event log pada model proses, dengan menyimulasikan urutan peristiwa yang diamati dalam event log pada model proses. Dalam penelitian ini rata-rata fitness yang didapatkan dari semua sub-log menunjukkan nilai yang sangat baik, yaitu berkisar antara 0,91 – 0,99, Nilai fitness yang cukup baik tersebut memiliki arti bahwa model proses yang dibuat sangat baik dalam menggambarkan behavior yang ada pada event log. Dengan nilai precision yang masih kurang baik berkisar antara 0,20 – 0,46 menunjukkan hasil yang belum maksimal, hal ini menunjukkan bahwa behavior dari model proses yang dihasilkan tidak menggambarkan behavior yang ada pada event log secara keseluruhan dengan baik. Dan dengan nilai generalization berkisar antara 0,71-0,89. Hal ini berarti model proses yang dihasilkan menggambarkan generalisasi dari contoh proses yang terlihat pada event log. Analisis performance juga dilakukan pada penelitian ini, dengan menganalisis dari pespektif waktu yang berupa detail waiting times antar aktivitas.Aktivitas yang memiliki waiting times yang tinggi diidentifikasi menyebabkan bottleneck terhadap proses persiapan perkuliahan. Penggunaan algoritma Heuristic miner pada penelitian ini dapat menghasilkan nilai fitness yang baik terhadap model proses. Namun, model proses yang dihasilkan oleh algoritma Heuristic Miner masih memiliki kelemahan Di mana pada penelitian ini penulis menemukan bahwa model proses yang dihasilkan masih mengandung unconnected nodes. Analisis yang telah dilakukan diharapkan dapat dimanfaatkan untuk memperbaiki proses persiapan perkuliahan di Universitas Telkom.
Kata kunci—i-Gracias, process mining, discovery, conformance checking