PERBANDINGAN MODEL LEAN PROCESS ANALYSIS DENGAN BINARY CLASSIFICATION UNTUK OPTIMASI CYCLE TIME DAN PREDIKSI KEGAGALAN ORDER FULFILLMENT

Abstract

Tingginya variabilitas waktu proses dan tingginya angka kegagalan dalam pemenuhan pesanan layanan konektivitas internet merupakan tantangan operasional utama yang berdampak signifikan terhadap efisiensi biaya dan kepuasan pelanggan. Penelitian ini membandingkan efektivitas pendekatan Lean Process Analysis dan Binary Classification dalam mengoptimalkan proses order fulfillment menggunakan data historis dari perusahaan penyedia layanan internet (ISP). Metode Lean Process Analysis diterapkan untuk mendiagnosis inefisiensi proses dengan menganalisis Cycle Time dan menghitung Process Efficiency Ratio, dengan fokus identifikasi pada variasi performa antar unit kerja. Secara paralel, model Binary Classification dikembangkan menggunakan algoritma machine learning untuk memprediksi status akhir pesanan berdasarkan pola karakteristik transaksional. Integrasi dari kedua pendekatan ini menghasilkan Critical Cycle Time (T_crit) sebagai ambang batas peringatan dini dan seperangkat rekomendasi perbaikan proses yang terukur. Hasil analisis menunjukkan bahwa pendekatan Lean berhasil mengungkap ketidakseragaman proses yang signifikan antar berbagai unit kerja, sementara model klasifikasi memberikan kemampuan prediktif yang kuat dalam mengidentifikasi pesanan berisiko gagal. Simulasi implementasi mengindikasikan potensi peningkatan kinerja proses yang substansial melalui intervensi proaktif berbasis model terintegrasi ini. Temuan penelitian mengonfirmasi bahwa kombinasi pendekatan process-centric dan data-driven menawarkan solusi komprehensif untuk transformasi digital operasional layanan konektivitas, memungkinkan organisasi tidak hanya memprediksi kegagalan tetapi juga memahami dan menangani akar penyebabnya secara sistematis.