Proses seleksi mahasiswa baru di Telkom University, yang juga dikenal sebagai SMB Telkom University, telah berjalan selama bertahun-tahun dan sudah memiliki alur prosesnya sendiri. Namun, alur proses yang ada dapat ditingkatkan lebih lanjut agar lebih mencerminkan proses yang sebenarnya terjadi di lapangan dan menjadi lebih akurat. Process Mining dapat meningkatkan alur proses ini dengan membuat alur proses baru berdasarkan Event Log atau proses yang telah dilaksanakan sebelumnya. Salah satu algoritma dalam Process Mining adalah Genetic Process Mining, di mana Process Mining dilakukan beberapa kali selama beberapa generasi, dan algoritma genetik seperti Crossover dan Mutation diterapkan untuk menghasilkan model proses yang lebih akurat dibandingkan dengan algoritma Process Mining lainnya seperti Heuristic dan Inductive Mining.
Setelah melakukan percobaan, model proses terbaik yang dihasilkan terjadi pada generasi ke-100 dengan nilai kecocokan (Fitness) sebesar 0.755910819 dan nilai presisi (Precision) sebesar 0.742857143. Tetapi, walaupun nilai evaluasi bernilai baik setelah Petri Net atau alur proses yang dihasilkan diamati, disimpulkan bahwa model proses yang diperoleh dari penerapan Genetic Process Mining ke SMB Telkom University tidak begitu baik karena Petri Net yang dihasilkan memiliki beberapa aktivitas yang duplikat dan terlihat tidak linear. Ini bisa disebabkan oleh beberapa faktor, seperti data yang tidak kompatibel atau tidak akurat.