Besar (Lihat Bab 6) yang tersedia di internet membuktikan pengujian yang sangat bermanfaat

dan menyediakan dasar bagi pembelajaran mesin.Kita menggunakan pembelajaran mesin

setiap hari, tetapi tidak mengenalinya. Setiap pencarian dengan Google yang dipecahkan
dengan menggunakan algoritme yang memeringkatkan iaran aman web yang didasarkan pada
query Anda, dan mengubah hasil didasarkan pada perubahan yang Anda lakukan dalam
pencarian Anda. semuanya dalam beberapa mili per detik. lpencarian juga sangat disesuaikan
dengan pencarian Anda sebelumnya dan hal-hal yang Anda tiap kali Anda membeli sesuatu
di Amazon, maka mesin pemberi rekomendasinya akan menyarankan barang lainnya yang
mungkin dapat membuat Anda tertarik didasarkan pada pola dalam pengeluaran Anda
sebelumnya, perilaku pada situs web, dan pembelian lainnya yang mirip dengan Anda. Setiap
saat Anda mengunjungi Netflix, maka sistem pemberi rekomendasi akan muncul dengan
film-film yang mungkin dapat membuat Anda tertarik dengan didasarkan pada serangkai
faktor-faktor yang hampir sama.

JARINGAN NEURAL

Jaringan Neural ( neuralnetworks) digunakan untuk memecahkan permasalahan yang rumit,

sangat sulit untuk dipahami dimana sejumlah besar data telah dikumpulkan. Jaringan neural
menemukan pola – pola dan hubungan dalam sejumlah data yang sangat besar yang
menjadikan terlalu rumit dan sulit bagi manusia untuk menganalisisnya. Jaringan neural akan
menemukan pengatahuan ini dengan menggunakan perangkat keras dan perangkat lunak yang
memperbandingkan pemrosesan dari pola - pola biologis atau otak manusia. Jaringan neural
"mempelajari” pola – pola dari kuantitas data yang besar dengan menyaring melalui data-
data, mencari hubungan, membangun model,dan mengoreksi kesalahan model itu sendiri
berkali kali.

Jaringan neural memiliki sejumlah besar simpul yang merasakan dan memproses
secara terus menerus berinteraksi satu sama lain. Gambar 11.9 merepresentasikan salah satu
tipe dari jaringan neural yang terdiri atas suatu lapian input, dan suatu lapisan pemrosesan
yang tersembunyi, Manusia “melatih” jaringan dengan mengumpankan serangkaian data
pelatihan yang mana input akan memproduksi suatu rangkaian output yang diketahui atau
kesimpulan. Hal ini membantu komputer dalam mempelajari pemecahan yang tepat dengan
contoh. Sebagaimana komputer dimasukan lebih banyak data, setiap kasus akan
dibandingkan dengan hasil yang diketahui. Jika ini berbeda, maka korelasi akan dihitung dan
diterapkan pada simpul simpul di dalam lapisan yang tersembunyi. Langkah-langkah ini akan
diulang hingga suatu kondisi, misalnya koreksi menjadi lebih kurang daripada jumlah
tertentu, akan tercapai. Jaringan neural dalam Gambar 11.9 telah mempelajari bagaimana
mengidentifiikasi pembelian kartu kredit palsu. Juga, jaringan neural yang mampu
mengorganisasikan diri sendiri dapat dilatih dengan memaparkan kepada mereka sejumlah
besar data dan memungkinkan mereka untuk menemukan pola – pola dan hubungan didalam
data.

Tim penelitian Google yang dipimpin oleh ilmuwan bidang komputer dari stanford
University, Andrew Y. Ng dan rekan dari Google, Jeff Dean baru-baru ini menciptakan suatu
jaringan neural dengan lebih dari satu miliar koneksi yang dapat mengidentifkasi kucing.
Jaringan menggunakan serangkaian 16.000 prosesor dan dimasukkan gambar kecil dari
gambar-gambar secara acak, masing-masing diekstrak dari kumpulan 10 juta video
YouTuBe. Jaringan neural mengajarkan dirinya sendiri untuk mengenali kucing-kucing,
tanpa bantuan dari manusia dalam mengidentifikasi fitur-fitur yang spesifik selama proses
pembelajaran. Google meyakini bahwa jaringan neural ini memiliki aplikasi yang
menjanjikan dalam pencarian gambar pengenalan suara dan mesin penerjemahan bahasa
(Markoff, 2012).
Sementara itu, sistem ahli berupaya untuk menandingi atau model cara manusia dalarn
memecahkan permasalahan, para perancang jaringan neural menyatakan bahwa mereka tidak
memprogram pemecahan dan tidak bertujuan untuk memecahkan permasalahan-
permasalahan tertentu. Alih-alih, para perancang jaringan neural berupaya untuk
menempatkan kecerdasan kedalam perangkat keras dalam bentuk kemampuan untuk
mempelajari yang telah digeneralisasikan. Secara kontras, sistem ahli sangat spesifik terhadap
suatu permasalahan tertentu dan tidak dapat dilatih kembali dengan mudah.

Penerapan jaringan neural dalam pengobatan, ilmu pengetahuan, dan bisnis akan membahas
mengenai permasalahan dalam pola klasifikasi, prediksi, analisis keuangan, dan pengendalian
serta optimalisasi. Dalam dunia pengobatan, penerapan jaringan neural digunakan untuk
menyaring para pasien yang terkena penyakit arteri koroner, untuk mendiagnosis para pasien
yang menderita penyakit epilepsi dan Alzheimer, serta untuk melakukan pengenalan pola dari
gambar patologi. Industri keuangan menggunakan jaringan neural untuk memahami pola-pola
dalam sekumpulan data yang sangat banyak yang dapat membantu dalam memprediksikan
kinerja dari ekuitas, pemeringkatan obligasi dari korporat, atau kepailitan korporat. Visa
International menggunakan jaringan neural untuk membantu dalam mendeteksi penipuan
kartu kredit dengan memonitor semua transaksi visa yang mengalami perubahan mendadak
dalam pola pembelian dari para pemegang kartunya.

Terdapat banyak aspek yang membingungkan dari jaringan neural. Tidak sepert sistem ahli,
yang umumnya memberikan penjelasan atas pemecahan mereka, jaringan neural tidak selalu
dapat menjelaskan mengapa mereka sampai pada suatu pemecahan tertentu. Lebih lanjut lagi,
mereka tidak selalu dapat menjamin suatu pemecahan yang benar-benar pasti, sampai pada
pemecahan yang sama lagi dengan input data yang sama, atau selalu menjamin pemecahan
yang terbaik. Mereka sangat sensitif dan tidak dapat bekerja dengan baik jika jangkauan
pelatihan mereka terlalu kecil atau terlalu sedikit data. Dalam penerapan penerapan yang
terbaru, maka jaringan neural sangat baik digunakan sebagai bantuan bagi para pengambil
keputusan manusia dan bukannya menggantikan mereka.

ALGORITME GENETIKA

Algoritme genetika (genetic algoritms) bermanfaat untuk menemukan pemecahan yang

optimal atas suatu permasalahan tertentu dengan memeriksa sejumlah besar kemungkinan
pemecahan permasalahan tersebut. Mereka didasarkan pada teknik teknik yang diinspirasikan
dengan biologi yang evolusioner, seperti misalnya turunan, mutasi, seleksi, dan persilangan
(digabungkan kembali).

Algoritme genetika bekerja dengan merepresentasikan informasi sebagai suatu

deretan dari 0s dan ls. Algoritme genetika mencari populasi dari deretan yang dihasilkan
secara acak dari angka biner untuk mengidentifikasi deretan yang tepat yang
merepresentasikan kemungkinan pemecahan terbaik bagi permasalahan. Sebagaimana
pemecahan akan berubah dan bergabung, maka yang terburuk akan disingkirkan dan yang
lebih baik akan bertahan untuk dilanjutkan dalam menghasilkan pemecahan-pemecahan yang
lebih baik.

Dalam Gambar 11.10, tiap-tiap deretan akan terhubung pada salah saru peubah
(variabel) dalam permasalahan. Salah satu menerapkan ujian bagi kesesuaian, dengan
memeringkatkan deretan dalam populasi disesuaikan dengan tingkat keinginan mereka
sebagai kemungkinan pemecahan. Setelah populasi awal telah dievaluasi kesesuaiannya,
maka algoritme kemudian menghasilkan generasi berikutnya dari deretan, yang terdiri atas
deretan - deretan yang melewati ujian kesesuaian ditambah keturunan deretan yang
dihasilkan dari menyilangkan pasangan deretan, dan menguji kesesuaian mereka, proses
tenebut terus - menerus berlanjut hingga suatu pemecahan dapat dicapai.

Algoritme genetika digunakan untuk memecahkan permasalahan yang sangat dinamis

dan rumit, yang melibatkan ratusan atau ribuan peubah atau formula. Permasalahan harus
berupa salah satu di mana kisaran kemungkinan pemecahan dapat direpresentasikan secara
genetik dan kriteria dapat ditentukan untuk mengevaluasi kesesuaian. Algoritme genetika
mempercepat pemecahan karena mereka dapat mengevaluasi banyak alternatif pemecahan
dengan cepat untuk menemukan salah satu yang terbaik. Sebagai contoh, para insinyur pada
General Electric menggunakan algoritme genetika untuk membantu dalam mengoptimalkan
desain untuk mesin pesawat terbang turbin jet, yang mana setiap perubahan desain diperlukan
perubahan sampai dengan 100 peubah. Perangkat lunak manajemen rantai pasokan dari 12
Technologies menggunakan algoritme genetika untuk mengoptimalkan model penjadwalan
produksi yang memadukan ratusan ribu rincian mengenai pesanan pelanggan, ketersediaan
bahan material dan sumber daya, kapabilitas manufaktur dan distribusi, serta tanggal
pengiriman.
AGEN INTELIGEN

Teknologi agen inteligen akan membantu pebisnis untuk membuat navigasi melalui sejumlah
besar untuk menempatkan dan bertindak atas informasi yang dianggap penting. Agen
inteligen (intelligent agents) merupakan program perangkat lunak yang bekerja tanpa
intervensi secara langsung dari manusia untuk melaksanakan tugas tertentu bagi seorang
pengguna individual, proses bisnis, atau aplikasi perangkat lunak. Agen menggunakan basis
pengetahuan yang dipelajari atau dibangun untuk menyelesaikan tugas - tugas atau
mengambil keputusan dalam kepentingan pengguna, seperti e-mail sampah, menjadwalkan
janji pertemuan, atau bepergian dengan menggunakan jaringan yang saling terhubung untuk
menemukan tarif pesawat yang paling murah ke California.

Terdapat banyak penerapan agen inteligen saat ini dalam sistem operasi, perangkat
lunak aplikasi, sistem e-mail, perangkat lunak komputas mobile, dan alat bantu jaringan.
Sebagai contoh wizard yang ditemukan dalam alat bantu perangkat lunak Microsoft Office
memiliki kapabilitas yang telah ada untuk menunjukkan kepada para pengguna bagaimana
menyelesaikan tugas-tugas yang beraneka macam, seperti memformat dokumen atau
membuat grafik, dan untuk mengantisipasi ketika para pengguna memerlukan bantuan. Bab
10 menggambarkan bagaimana agen inteligen robot belanja dapat membantu pelanggan
untuk menemukan produk yang mereka inginkan dan membantu mereka dalam
membandingkan harga dan fitur-fitur lainnya.
 Meskipun beberapa agen inteligen diprogram untuk mengikuti suatu rangkaian aturan
yang sederhana, tetapi yang lainnya dapat belajar dari pengalaman dan menyesuaikan
perilaku mereka. Siri, suatu aplikasi dari sistem Ios untuk iPhone dan iPad, merupakan suatu
contoh. Siri merupakan asisten pribadi yang cerdas yang menggunakan teknologi pengenalan
suara untuk menjawab pertanyaan, membuat rekomendasi, dan melakukan tindakan.
Perangkat lunak ini menyesuaikan diri dengan pilihan individual dari penggunanya dari
waktu ke waktu dan mempersonalisasikan hasil, mengerjakan tugas seperti menemukan
restoran - restoran yang dekat, membeli tiket bioskop, memperoleh petunjuk arah,
menjadwalkan janji pertemuan, dan mengirimkan pesan. Siri memahami suara yang alamiah,
dan mengajukan pertanyaan kepada penggunanya jika memerlukan lebih banyak informasi
untuk menyelesaikan suatu tugas. Siri tidak memproses input suara setempat pada perangkat
penggunanya. Sebaliknya, dia mengirimkan perintah melalui server jarak jauh sehingga para
penggunanya harus terhubung dengan Wi-Fi atau sinyal 3G.

Banyak fenomena yang rumit yang dapat dimodelkan sebagai sistem dari agen - agen
yang mandiri yang mengikuti aturan sederhana untuk berinteraksi. Aplikasi permodelan
berbasis agen dikembanguan untuk meniru perilaku dari pelanggan, pasar saham, dan rantai
pasokan, serta untuk memprediksi penyebaran dari epidemic.

Procter & Gamble (P&G) menggunakan permodelan berbasis agen untuk

meningkatkan di antara para anggota yong berbeda dari rantai pasokannya dalam menanggapi
perubahan dalam kondisi bisnis (lihat Gambar 11.11). Membuat model rantai pasokan yang
rumit sebagai suatu kelompok dari agen yang semi mandiri merepresentasikan komponen-
komponen rantai pasokan individual seperti truk, fasilitas produksi, distributor, dan gerai
pengecer. Perilaku dari tiap-tiap agen akan diprogram untuk mengikuti aturan yang meniru
perilaku yang sebenarmya, seperti “melakukan pesanan barang ketka kehabisan persediaan”.
Simulasi dengan menggunakan agen akan memungkinkan bagi perusahaan untuk
menyelenggarakan analisis “bagaimana – jika” terhadap tingkat persediaan, kehabisan
persediaan di dalam gerai, dan biaya transportasi.

Dengan menggunakan model agen, P&G menemukan bahwa truk-truk akan sering
diberangkatkan sebelum terisi penuh. Meskipun biaya transportasi menjadi lebih tinggi
dengan menggunakan yang hanya terisi sebagian saja, tetapi simulasi menunjukkan bahwa
gerai pengecer yang kehabisan persediaan tidak sering terjadi, dengan demikian akan
menurunkan jumlah penjualan yang hilang, yang mana akan lebih besar daripada menutup
biaya distribusi yang lebih tinggi. Pemodelan berbasis agen telah membantu P&G
menghemat $300 juta setiap tahunnya atas investasi yang nilainya hanya kurang dari l persen
dari jumlah tersebut.

SISTEM AI HIBRIDA

Algoritme genetika, logika fuzy, jaringan neural, dan sistem ahli dapat diintegrasikan ke
dalam aplikasi tunggal untuk memperoleh keunggulan dari fitur teknologi yang terbaik.
Sistem - sistem seperti itu disebut dengan sistem AI hibrida (hybridArsystems). Aplikasi
hibrida dalam bisnis terus bertumbuh. Di Jepang, Hitachi, Mitsubishii. Ricoh, Sanyo, dan
yang lainnya mulai memadukan Al hibrida dalam produk - produk seperti misalnya peralatan
rumah tangga, mesin pabrik, dan peralatan kantor. Matsushita telah mengembangkan mesin
cuci "neurofuzzy” yang memadukan logika fuzzy dengan Jaringan neural. Nikko Securities
telah menjalankan sistem neurofuzzy untuk meramalkan pemeringkatan obligasi yang dapat
dikonversi.

MODEL PENELUSURAN PEMBELAJARAN

Dalam modul penelusuran pembelajaran akan menyediakan konten yang relevan dengan
topik yang dibahas dalam bab ini:

l. Tantangan bagi Sistem Manajemen Pengetahuan

RANGKUMAN

1. Apakah peranan dari manajemen pengetahuan dan program manajemen

pengetahuan dalam bisnis?
Manajemen pengetahuan merupakan suatu rangkaian dari proses untuk
menciptakan, menyimpan, memindahkan dan menerapkan pengetahuan dalam
organisasi. Banyak dari nilai suatu perusahaan bergantung pada kemampuannya untuk
menciptakan dan mengelola pengetahuan. Manajemen pengetahuan mempromonikan
pembelajaran organisasional dengan meningkatkan kemampuan organisasi untuk
belajar dari lingkungannya dan memadukan pengetahuan ke dalam proses bisnis.
Terdapat 3 tipe utama dari sistem manajemen pengetahuan: sistem manajemen
pengetahuan keseluruhan perusahaan, sistem kepengetahuan, dan teknik kecerdasan.
2. Apakah tipe dari sistem yang digunakan bagi manajemen pengetahuan
keseluruhan perusahaan bagaimana mereka memberikan nilai bagi bisnis?
Sistem manajemen pengetahuan keseluruhan perusahaan merupakan upaya
keseluruhan perusahaan untuk mengumpulkan, menyimpan, mendistribusikan, dan
menerapkan konten digital dan pengetahuan. Sistem manajemen konten perusahaan
menyediakan database dan alat bantu untuk mengorganisasikan dan menyimpan
dokumen terstruktur dan alat bantu untuk mengatur dan menyimpan pengetahuan
semi terstruktur, seperti misalnya e-mail atau rich media. Sistem jaringan
pengetahuan menyediakan direktori dan alat bantu untuk menempatkan karyawan
perusahaan dengan keahlian khusus yang merupakan sumber yang penting dari
pengetahuan tersirat. Sering kali sistem-sistem tersebut meliputi alat bantu kolaborasi
kelompok (termasuk wiki dan bookmark social), portal-portal untuk
menyederhanakan akses terhadap informasi, alat bantu pencarian, dan alat bantu
untuk mengklasifikasikan informasi berdasarkan pada taksonomi yang tepat bagi
suatu organisasi. Sistem manajemen pengetahuan manajemen keseluruhan
perusahaan dapat menyediakan nilai yang tinggi jika mereka dirancang dengan baik
dan memungkinkan bagi karyawan untuk menempatkan, membagi, dan
memanfaatkan pengetahuan dengan lebih efisien.
3. Apakah tipe utama dari sistem kerja pengetahuan dan bagaimana mereka dapat
memberikan nilai bagi perusahaan?
Sistem kerja pengetahuan (knowdedge work sytems - Kws) mendukung
penciptaan dari pengetahuan yang baru dan mengintegrasikannya ke dalam organisasi.
 KWS memerlukan akses yang mudah pada basis pengetahuan eksternal ; perangkat
keras computer yang luar biasa yang dapat mendukung perangkat lunak dengan
grafik intensif, analisis, manajemen dokumen, dan kapabilitas komunikasi ; serta antar
muka yang mudah dipahami. Sistem desain berbantuan komputer (computer-aided
design-CAD), aplikasi realitas yang ditambahkan, dan system realitas virtual, yang
menciptakan simulasi secara interaktif yang berperilaku seperti dalam dunia nyata,
memerlukan grafik dan kapabilitas permodelan yang luar biasa. KWS bagi para
profesional keuangan menyediakan akses pada database dan kemampuan untuk
menganalisis sejumlah data keuangan yang sangat banyak dengan sangat cepat.
4. Apakah manfaat bagi bisnis dengan teknik kecerdasan bagi manajemen
pengetahuan?
Kecerdasan artifisial, kurangnya fleksibilitas, luasnya, dan generalitas dari
kecerdasan manusia, tetapi dapat digunakan untuk menangkap, mengkodifikasikan,
dan memperluas pengetahuan organisasional. Sistem ahli menangkap pengetahuan
tersirat dari wilayah keahlian manusia yang terbatas dan mengekspresikan
pengetahuan tersebut dalam bentuk aturan. Sistem ahli sangat bermanfaat bagi
permasalahan-permasalahan klasifikasi atau tersebut dalam bentuk resentasikan
pengetahuan sebagai suatu database kasus diagnosis. Penalaran berbasis kasus
merepresentasikan pengetahuan organisasional sebagai suatu database kasus yang
dapat secara terus – menerus diperluas dan disempurnakan.
Logika fuzzy merupakan suatu teknologi perangkat lunak untuk
mengekspresikan pengetahuan dalam bentuk aturan yang menggunakan nilai
perkiraan atau subjektif. Logika fuzzy telah digunakan untuk mengendalikan
perangkat fisik dan mulai digunakan untuk penerapan dalam pengambilan keputusan
yang terbatas. Pembelajaran mesin mengacu pada kemampuan dari program komputer
untuk secara otomatis mempelajari dan meningkatkan dengan pengalaman. Jaringan
neural terdiri atas perangkat keras dan perangkat lunak yang berupaya untuk meniru
proses dari otak manusia. Jaringan neural sangat penting bagi kemampuan mereka
untuk mempelajari ranpa pemograman dan untk mengenali pola yang tidak dapat
dengan mudah digambarkan oleh manusia. Mereka telah digunakan dalam bidang
ilmu pengetahuan, pengobatan, dan bisnis untuk memiliah – milah pola dalam
sejumlah data yang sangat besar.
Algoritme genetika mengembangkan pemecahan atas permasalahan tertentu
dengan menggunakan pemrosesan yang didasarkan secara genetika seperti misalnya
 kesesuaian, persilangan, dan mutase. Algoritme genetika mulai diterapkan terhadap
permasalahan yang melibatkan optimalisasi, desain produk, dan memonitor system
industrial dimana banyak alternatif atau perubah harus dievaluasi untuk menghasilkan
suatu pemecahan yang optimal.
Agen inteligen merupakan program perangkat lunak dengan basis pengetahuan
yang telah ada atau dipelajari yang dapat melaksanakan tugas – tugas tertentu bagi
seorang pengguna individual, proses bisnis, atau aplikasi perangkat lunak. Agen
inteligen dapat deprogram untuk menavigasi melalui sejumlah data yang besar untuk
menempatkan informasi yang bermanfaat dan dalam beberapa kasus dapat bertindak
dalam informasi tersebut atas kepentingan dari pengguna.

ISTILAH – ISTILAH PENTING

Agen inteligen (intelligent agents)

Algoritme genetika (genetic algoritms)
Bahasa pemodelan realitas virtual (virtual reality modeling language-vrml)
Basis pengetahuan (knowledge base)
Data
Desain berbantuan komputer (computer-aided design CAD)
Folksonomies
Jaringan neural (neuralnetworks) kebijaksanaan (wisdom)
Kecerdasan buatan (artificial intelligience-ai)
Komunitas praktik (community of practice-cop)
Logika fuzzy (fuzzy logic)
Manajemen pengetahuan (knowledge management)
Mesin inferensi (inference engine)
Pembelajaran mesin (machine learning)
Pembelajaran organisasional (organizational learning)
Penalaran berbasis kasus (case-based reasoning CBR)
Penalaran maju (forward chaining)
Penalaran mundur (backward chaining) pencetakan 3-d (3-d printing)
Penemuan pengetahuan (knowledge discovery)
Pengetahuan (knowledge)
Pengetahuan eksplisit (explicit knowledge) pengetahuan tersirat (tacit knowledge)
pengetahuan terstruktur (structured knowledge)
Permodelan berbasis agen (agent-based modeling)
Realitas yang ditambahkan (augmented reality-ar)
Sentra kerja investasi (investment workstation)
Sistem ahli (expert systems)
Sistem ai hibrida (hybrid systems systems)
Sistem jaringan pengetahuan (knowledge networks systems)
Sistem kerja pengetahuan (knowledge work systems - KWS)
Sistem manajemen aset digital (digital asset managemen systems)
Sistem manajemen konten perusahaan (enterprise content management systems) sistem
manajemen pembelajaran (learning management systems – LMS)
Sistem manajemen pengetahuan keseluruhan perusahaan (enterprise-wide knowledge
management systems)
Sistem realitas virtual (virtual reality sytems) Social bookmarking
Taksonomi (taxonomy)
Teknik kecerdasan (intelligent techniques)

EVALUASI

1. Apakah peranan dari manajemen pengetahuan dan program manajemen pengetahuan

dalam bisnis?
 Definisikan manajemen pengetahuan dan jelaskan nilainya bagi bisnis.
 Gambarkan dimensi penting dari pengetahuan.
 Bedakan antara data, pengetahuan dan kebijaksanaan dengan antara
pengetahuan tersirat, dan pengetahuan eksplisit.
 Gambarkan langkah-langkah dalam rantai nilai manajemen pengetahuan.
2. Apakah tipe dari sistem yang digunakan bagi manajemen pengetahuan keseluruhan
perusahaan dan bagaimana mereka memberikan nilai bagi bisnis?
 Definisikan variasi tipe dari sistem manajemen pengetahuan keseluruhan
perusahaan dan jelaskan bagaimana mereka memberikan nilai bagi bisnis
 Gambarkan peranan berikut ini dalam memfasilitasi manajemen pengetahuan:
portal, wiki, bookmark sosial, dan sistem manajemen pembelajaran
3. Apakah tipe utama dari sistem kerja pengetahuan dan bagaimana mereka memberikan
nilai bagi perusahaan?
 Definisikan sistem kerja pengetahuan dan gambarkan kebutuhan generik dari
sistem kerja pengetahuan.
 Gambarkan bagaimana sistem- sistem berikut ini mendukung kerja
pengetahuan : CAD, realitas manajemen pengetahuan, realitas virtual, realitas
yang ditambahkan, dan sentra kerja investasi.
4. Apakah manfaat bisnis dengan menggunakan teknik kecerdasan bagi manajemen
pengetahuan?
 Definisikan sistem ahli, gambarkan bagaimana bekerjanya, dan jelaskan
nilainya bagi bisnis
 Definisikan penalaran berbasis kasus dan jelaskan bagaimana hal ini berbeda
dari sistem ahli
  Definisikan jaringan neural, serta gambarkan bagaimana bekerjanya dan
bagaimana manfaatnya bagi bisnis
 Definisikan dan gambarkan logika fuzzy, algoritme genetika, dan agen
inteligen. Jelaskan bagaimana cara bekerjanya dan untuk persoalan seperti
apakah mereka cocok digunakan

PERTANYAAN DISKUSI

1. Manajemen pengetahuan adalah suatu proses bisnis, bukan suatu teknologi. Bahaslah.
2. Gambarkan berbagai macam cara yang mana sistem manajemen pengetahuan dapat
membantu perusahaan dengan penjualan dan pemasaran atau dengan manufaktur dan
produksi
3. Perusahaan Anda ingin melakukan lebih dengan manajemen pengetahuan.
Gambarkan langkah – langkah yang harus dilakukan untuk mengembangkan suatu
program manajemen pengetahuan dan pilihlah penerapan manajemen pengetahuan.

PERMASALAHAN DALAM KEPUTUSAN MANAJEMEN

1. US. Pharma Corporation berkantor pusat di New Jersey, tetapi memiliki lokasi
penelitian di Jerman, Inggris Raya, swiss, dan Australia. Penelitian dan
pengembangan dari farmasi baru adalah kunci untuk melanjutkan dan Us. Pharma
meneliti dan menguji ribuan kemungkinan obat-obatan. Para peneliti di perusahaan
keuntungan, lain di dalam dan di luar perusahaan, melip U.S. Food and Drug perlu
membagi informasi dengan orang Administration, World Health organization, dan
International Federation of Pharmaceutical Manufacturers & Associations. Juga yang
sangat penting adalah untuk mengakses situs informasi kesehatan, seperti misalnya
U.S. National Library of Medicine dan konferensi industri jurnal-jurnal profesional.
Rancanglah suatu portal pengetahuan bagi para peneliti U.S.Pharma. Termasuk dalam
spesifikasi rancangan Anda yang relevan dengan internal dan database, sumber
eksternal atas informasi, komunikasi internal dan eksternal serta alat bantu kolaborasi.
Rancanglah laman beranda pada portal Anda.
2. Canadian Tire merupakan salah satu dari perusahaan terbesar di Canada, dengan
57.000 karyawan dan 1.200 gerai serta gas bars (pompa bensin) di seluruh Canada
yang menjual perlengkapan olahraga, perlengkapan santai, perlengkapan rumah
 tangga, pakaian; serta jasa keuangan sama halnya dengan otomotif dan produk
petroleum. Gerai pengecer dimiliki secara independen dan dioperasionalkan.
Canadian Tire menggunakan mailing harian dan katalog produk yang mahal untuk
menginformasikan kepada para dilernya mengenai produk baru, pengaturan
merchandise, praktik pelaksanaan yang terbaik, pemesanan produk, dan resolusi
permasalahan serta sedang mencari suatu cara yang lebih baik untuk menyediakan
karyawan dengan sumber daya manusia dan dokumen administratif. Gambarkan
permasalahan yang diciptakan Canadian Tire dalam cara menjalankan usahanya dan
bagaimana sistem manajemen pengetahuan dapat membantu.

Meningkatkan Pengambilan Keputusan: Membangun Sistem Ahli Sederhana untuk

Perencanaan Pensiun

Kemampuan perangkat lunak: Formula dalam kertas kerja dan fungsi IF atau alat bantu
sistem ahli Keahlian bisnis: Penentuan kelayakan manfaat

Sistem ahli pada umumnya menggunakan sejumlah besar aturan, Proyek ini telah
disederhanakan untuk mengurangi jumlah aturan, tetapi akan memberikan Anda
pengalaman bekerja dengan serangkaian aturan untuk mengembangkan aplikasi. Ketika
karyawan di perusahaan Anda akan pensiun, mereka akan diberikan bonus uang tunai.
Bonus uang tunai tersebut didasarkan pada lamanya mereka bekerja di perusahaan dan
usia dari pensiun. Untuk menerima uang bonus, seorang karyawan harus sedikitnya
berusia 50 tahun dan telah bekerja di perusahaan selama lebih dari 5 tahun. Tabel berikut
ini meringkaskan kriteria untuk menentukan uang bonus.

Dengan menggunakan informasi yang disediakan, bangunlah suatu sistem ahli yang
sederhana. Temukan salinan demontrasi dari alat bantu perangkat lunak sistem ahli pada
web yang dapat Anda unduh. Alternatif lainnya, gunakan perangkat lunak kertas kerja
Anda untuk membangun sistem ahli. (Jika Anda menggunakan perangkat lunak kertas
kerja, kami sarankan menggunakan fungsi IF sehingga Anda dapat melihat bagaimana
aturan tersebut dibuat.)

Meningkatkan Pengambilan Keputusan: Dengan Menggunakan Agen Intelijen

untuk Melakukan Perbandingan dalam Berbelanja

Kemampuan perangkat lunak: Browser web dan perangkat lunak bot berbelanja
Keahlian bisnis: Evaluasi Produk dan pemilihan
Proyek ini akan memberikan Anda pengalaman dengan menggunakan bot berbelanja
untuk mencari produk secara online, temukan informasi atas produk, dan temukan harga
dan pemasok yang terbaik. Pilihlah kamera digital yang Anda inginkan untuk membeli
seperti misalnya Canon Powershot S100 atau olympus Toug TG-820. Kunjungi MySimon
(www.mysimon.com), BizRate.com (www.bizrate.com), dan Google Product untuk
melakukan dalam perbandingan harga bagi Anda. Evaluasi berbelanja tersebut dalam hal
kemudahan menggunakannya, angka yang ditawarkan, kecepatan dalam memperoleh
informasi, ketelitian atas informasi yang ditawarkan mengenai produk dan penjual serta
seleksi harga. Situs situs-situs manakah yang manakah yang akan akan Anda gunakan dan
mengapa? Kamera yang manakah yang akan Anda pilih dan mengapa? Seberapa
bermanfaatkah situs-situs tersebut bagi pengambilan keputusan Anda?

Pengetahuan manajemen dan kolaborasi di jasa konsultasi Tata

STUDI KASUS
Tata Consultancy Services (TCS) adalah sebuah IT-services, business-solutions dan
outsourcingorganisasi yang menawarkan portofoliolayanan IT dan IT-enabled untuk
semua klien di atas dunia horizontal, vertikal, dan domain geografis. Bagian dari Tata
Group, terbesar di India adalah konglomerat industri, TCS memiliki lebih dari 108.000 IT
konsultan di 47 negara. Konsep knowledge management (KM) diperkenalkan di TCS
pada tahun 1995 dan sebuah KM yang berdedikasi tim yang disebut "Corporate
Groupware" dibentuk pada tahun 1998. Kelompok ini meluncurkan KM-pilot pada
pertengahan- 1999, yang kemudian diimplementasikan oleh tim yang terdiri dari steering
committee, corporate GroupWare implanters, cabang juara, pemilik aplikasi, dan
kelompok infrastruktur.
Saat itu KM di TCS hampir tutup setiap fungsi, dari penjaminan mutu hingga manajemen
SDM. Sementara 50 kantor di India terhubung jalur komunikasi khusus, kantor luar
negeri terhubung melalui Net dan Lotus Notes Server Domino. Karyawan dapat
mengakses repositori pengetahuan yang berada pada perusahaan dan server cabang
melalui intranet, dengan sebuah browser front-end atau klien Notes. Pengetahuan
repositori, juga disebut KBases berisi berbagai macam informasi tentang proses, lini
bisnis, baris teknologi, dan proyek. Padahal upaya KM formal dimulai di TCS di
Indonesia akhir 1990-an, komunitas informal yang sangat erat praktik (CoPs) telah ada di
TCS sejak 1980-an, saat itu ada sekitar seribu karyawan. "Kelompok" paling awal
didasarkan pada migrasi teknologi. Kemudian, tim dibentuk untuk mainframe, Unix, dan
database. Kelompok yang terdiri dari satu atau dua ahli di bidangnya masing-masing,
dimulai praktik dokumentasi formal dengan anggota menuliskan praktik terbaik
Mengenai kelompok berlatih di hari-hari awal, K. Ananth Krishnan, seorang konsultan
teknologi saat itu, menceritakan bahwa di pertengahan tahun delapan puluhan, masalah
dan Solusi didokumentasikan dan sudah selesai 1.500 studi kasus mainframe. Demikian
pula untuk kualitas daerah, 40 studi kasus ditinjau sejak awal 1993.
Langkah selanjutnya adalah membuat Process Asset Libraries (PAL) yang berisi
informasi yang berkaitan dengan teknologi, proses, dan studi kasus untuk pemimpin
proyek ang tersedia untuk semua pembangunan pusat melalui intranet. Lalu Ultimatix,
sebuah ilmu elektronik berbasis web manajemen (EKM), yang membuat Pengetahuan
yang tersedia secara global, dikembangkan. yaitu Perpustakaan PAL dan KBases, yang
diselenggarakan di Intranet, digabungkan dengan Ultimatix, yang memiliki sub-portal
untuk sistem manajemen mutu, perangkat lunak peningkatan produktivitas, materi
pelatihan, dan alat informasi. Ada administrator EKM untuk setiap latihan dan kelompok
subjek dengan definisi tanggung jawab, seperti mengedit dokumen dan menyetujui
mereka untuk publikasi Mengomentari keberhasilan CoP, Krishnan mempertahankan
bahwa antara Januari 2003 dan Juni 2003, anggota CoP memiliki bertukar sekitar 10.000
transaksi dokumen berkaitan dengan praktik industri dan 21.000 layanan praktek melalui
Ultimatix. CoP telekomunikasi saja 6.000 transaksi, tidak termasuk komunitas berbasis
intranet kegiatan. Untuk mendorong percakapan karyawan, TCS mengambil sangat peduli
dengan arsitektur perkembangannya pusat, yang terletak di seluruh negeri. Mencerminkan
pada desain baru dari salah satu pusat pengembangannya di Sholinganallur, Chennai,
CFO S. Mahalingam berkomentar bahwa pusat terdiri dari modul, masing-masing
didedikasikan untuk satu teknologi tertentu atau klien atau sebuah praktik industri.
Struktur ini mengarah ke kebun teras, tempat para karyawan berkumpul saat istirahat
untuk percakapan informal dan brainstorming solusinya untuk banyak masalah TCS juga
meluncurkan sejumlah program pelatihan seperti Program Pembelajaran Awal, yang
ditargetkan pada karyawan baru, Continuous Learning Program untuk karyawan
berpengalaman, dan Kepemimpinan Program Pengembangan untuk karyawan dengan
pengalaman lebih dari lima tahun. Kompetensi yang terintegrasi dan sistem manajemen
pembelajaran (iCALMS) yang disebarkan secara global ke seluruh kantor TCS yang
dipromosikan budaya pembelajaran dan pertumbuhan dalam organisasi. Dilengkapi
dengan data tentang definisi kompetensi, definisi peran, dan pembelajaran online / kelas
Tujuannya membantu para konsultan untuk meningkatkan kemampuan mereka
keterampilan dengan cara yang disesuaikan. Untuk mendapatkan lintas industri
pengalaman, TCS secara teratur memutar orang-orang di berbagai bidang fungsi dan
dalam perusahaan Tata Group lainnya. Karyawan juga didorong untuk bergabung di luar
badan seperti IEEE, dan masuk untuk sertifikasi.
Knowmax, sebuah sistem manajemen pengetahuan, dikembangkan menggunakan server
portal Microsoft sharepoint di Indonesia2007, memberikan akses konsultan TCS sampai
hampir 40 tahun pengalaman dan praktik terbaik, diatur menurut jenisnya keterlibatan
teknologi yang digunakan, dan pelanggan Persyaratan. Ini mendukung lebih dari 60
pengetahuan aset dan dapat diakses melalui Ultimatix ke semua TCS rekan kerja. Setiap
associate dapat berkontribusi pada Pejabat K-Bank dan Knowledge bertanggung jawab
untuk menjaga kualitas konten. Untuk menjaga keseimbangan kehidupan kerja para
pegawainya, TCS memprakarsai sesi Propel yang dibawa bersama karyawan dengan
minat yang sama untuk melakukan berbagai kegiatan seperti membaca buku. Kemudian,
diadakan setiap kuartal melalui konferensi dan kamp, ini Inisiatif juga memacu transfer
pengetahuan antar para karyawan. Berbagi pengetahuan di proyek Tingkat itu dilakukan
melalui aplikasi LiveMeeting, dimana semua rapat proyek dicatat dan disimpan dalam
repositori proyek. Anggota tim yang melewatkan rapat, atau anggota baru di tim, bisa
mendengarkan rekaman sesi dan ini memungkinkan mereka untuk mengejar ketinggalan
dengan anggota tim lainnya. Selanjutnya sesi Knowledge Transition dilakukan mingguan
oleh "Subject Matter Expert" membantu tim belajar dari pengalaman para ahli. Surat "Tip
of the Day", terdiri dari teknik, atau konseptual, atau tip keterampilan manusia juga
dibagikan dalam organisasi, hampir setiap hari. Meski Ultimatix, diluncurkan pada tahun
2002, digitalisasi seluruh organisasi dari ujung ke ujung dan ditingkatkan efisiensi proses
bisnis ', masih belum bisa diketuk pengetahuan karyawan secara efektif. Meningkatkan
kolaborasi antar karyawan, Project Infinity itu diluncurkan pada tahun 2007; ini
melibatkan sejumlah teknologi termasuk IBM Sametime, QuickPlace, Lotus Alat
kolaborasi Domino, telepon VOIP Avaya, dan videoconference Polycom IP. Sebagai
hasil dari adopsi Infinity, kolaborasi kantor luar negeri dan lokal meningkat seketika
pesan (IM) menyingkirkan budaya dan pengucapan Perbedaan itu bisa terjadi pada
ponsel. Selanjutnya, komunikasi korporat pun mampu untuk menjalankan siaran berita
internal 24 jam ke semua TCS kantor di dunia Selain itu, perjalanan dan telekomunikasi
biaya dikurangi sebesar 40 persen dan 6 persen masing-masing. Selain saluran ini,
perusahaan juga menggunakan sistem JustAsk (disematkan ke KM), Platform blog,
IdeaStorm, TIP, dan Situs Saya. Blogging telah tertangkap dengan cepat sejak 2006 saat
pertama kali diperkenalkan. Hampir 40.000-50.000 staf TCS blogged di intranet
Sementara sistem JustAsk diperbolehkan karyawan untuk memposting pertanyaan yang
orang lain bisa Jawab, Idea Storm adalah acara setahun sekali, dimana dua sampai tiga
topik diposkan oleh perusahaan tim di mana gagasan diundang oleh semua orang. TIP,
sebuah portal terbuka untuk inovasi dan potensi produk Gagasan baru diluncurkan untuk
mempromosikan sharing ide ide. MySite, disematkan ke portal KM, diijinkan setiap
associate memiliki halaman pribadi seperti Facebook atau Orkut.

PERTANYAAN STUDI KASUS

1. Analisis menggunakan nilai manajemen pengetahuan
model rantai Alat atau aktivitas apa yang digunakan
untuk mengelola pengetahuan tacit dan yang mana
digunakan untuk pengetahuan eksplisit?
2. Jelaskan pertumbuhan manajemen pengetahuan sistem di TCS. Bagaimana sistem ini
bisa membantu TCS dalam bisnisnya?
3. Jelaskan alat kolaborasi yang digunakan di TCS? Apa manfaat apakah TCS menuai
dari alat ini?
4. Bagaimana alat Web 2.0 membantu TCS mengelola pengetahuan dan kolaborasi antar
karyawannya?
5. Menurut Anda, bagaimana alat KM telah mengubah beberapa proses operasional
utama di TCS, seperti penawaran untuk proyek baru, pengembangan dan
implementasi proyek, layanan pelanggan, dan sebagainya?