Sim Wini
Sim Wini
GAMBAR 10.32
yang diusulkan.
.......................
Fwml
162 I MODUL III I APLIKASI BISNIS ELEKTRONIK
diberikan oleh pengguna. Ketika dasar pengetahuan telah dibangun, dasar pengetahuan itu’ J
digunakan dalam mesin penarik kesimpulan dan unit antarmuka pengguna di dalam shell "1
sebagai sebuah sistem pakar yang lengkap pada area pokok tertentu. Peralatan perangkat
lunak lainnya mungkin memerlukan ahli IT untuk mengembangkan sistem pakar. Lihatlah
Gambar 10.33.
Perekayasaan Pengetahuan
Perekayasa pengetahuan (knowledge engineer) adalah seorang profesional yang bekerja dengan
para ahli. Tujuannya adalah untuk mempelajari pengetahuan (berbagai fakta dan peraturan
praktis) yang dimiliki oleh para ahli. Perekayasa pengetahuan kemudian membangun dasar
pengetahuan (dan sisa dari sistem pakar) menggunakan sebuah pengulangan dan membuat
prototipe proses hingga sistem pakar jadi. Perekayasa pengetahuan menjalankan peran layaknya
analis sistem dalam pengembangan sistem informasi konvensional.
Sebuah sistem pakar dibentuk dari sebuah tim. Tim ini berisi satu orang ahli atau lebih dan
seorang perekayasa pengetahuan. Seseorang yang mahir menggunakan expert system shell dapat
pula mengembangkan sistem pakar mereka sendiri. Ketika sebuah shell digunakan, berbagai
fakta dan peraturan praktis tentang sebuah domain tertentu dapat ditentukan dan dimasukkan
ke dalam dasar pengetahuan. Caranya adalah dengan menggunakan penyuntingan peraturan
atau perangkat penambahan pengetahuan lainnya. Sebuah prototipe kerja yang berisi dasar
pengetahuan tertentu kemudian dibuat, diuji, dan dievaluasi menggunakan mesin penarik
kesimpulan dan program antarmuka pengguna dari shell. Perekayasa pengetahuan dan sang
ahli dapat memodifikasi dasar pengetahuan, menguji ulang sistem, dan mengevaluasi hasilnya.
Proses ini diulang hingga dasar pengetahuan dan shell menghasilkan sebuah sistem pakar.
;
JARINGAN Jaringan neural adalah sistem komputasi yang dibentuk dari jaringan layaknya jala otak
NEURAL yang terdiri atas elemen-elemen pemrosesan yang terhubung, yang disebut neuron. Tentunya,
TP 10-6 jaringan neural jauh lebih sederhana dibandingkan jaringan otak manusia (otak manusia sendiri
diperkirakan memiliki lebih dari 100 miliar sel otak neuron!). Namun, seperti halnya otak,
prosesor yang saling terhubung dalam jaringan neural beroperasi dalam bentuk paralel dan
berinteraksi secara dinamis. Interaksi ini membuat jaringan dapat “belajar” dari data yang sedang
memproses itu. Artinya, jaringan belajar mengenali pola dan hubungan dalam data-data ini.
Semakin banyak contoh data yang diterima sebagai masukan, akan semakin baik pula jaringan
dalam mempelajari dan menduplikasi contoh-contoh tersebut. Intinya, jaringan neural akan
mengubah kekuatan hubungan di antara elemen-elemen pemrosesan sesuai perubahan pola
dalam data yang diterima dan hasil yang terjadi. Lihatlah Gambar 10.34.
Contohnya, jaringan neural dapat dilatih untuk mempelajari karakteristiklcredit mana yang
menghasilkan pinjaman yang baik. Pengembang jaringan neural evaluasi kredit dapat mengambil
data dari banyak contoh aplikasi kredit dan hasil pinjaman untuk diproses. Kekuatan sinyal pun
disesuaikan di antara neuron-neuronnya. Jaringan neural akan melanjutkan pelatihannya sampai
pendemonstrasian dengan akurasi tinggi tercapai dalam penduplikasian secara benar hasil dari
kasus yang ada. Di titik itu, jaringan neural akan cukup terlatih unt-pk mulai membuat evaluasi
kredit sendiri. G
%
.i
SISTEM Meskipun namanya terdengar sedikit unik, sistem logika fu zzy termasuk salah satu aplikasi;!
LOGIKA FUZZY Al dalam bisnis. Perannya pun bisa jadi cukup dominan. Logika Fuzzy adalah sebuah metode?!
TP 10-6 penalaran yang menyerupai penalaran manusia dan sistem tersebut mampu menghabilkan nilai:
nilai perkiraan dan kesimpulan (logika fuzzy) dan dapat menerima data yang tidak lengkap atau
BAB 10 | DUKUNGAN PEMBUATAN KEPUTUSAN | 163
GAMBAR 10.34
Mengevaluasi status
pelatihan aplikasi
jaringan neural.
Keamanan komputer adalah tantangan yang tiada habisnya. Tantangan ini'terkait BioPassword:
dengan sejumlah perdagangan penting. Di satu sisi, kita ingin agar informasi dapat
diakses sepanjang waktu dengan mudah. Bisa melalui berbagai sarana^ seperti
Jaringan Neural
•perangkat, aplikasi, dan jaringan bagi karyawan, pengguna, dan pelanggan. Namun, di yang Dijalankan
|isi lain, kita juga ingin tetap mengontrol siapa saja yang mengakses data, memberikan untuk Autentikasi
'autentikasi pengguna, mewujudkan akses yang tepat sasaran, melindungi privasi data,
nematuhi semua hukum dan aturan, serta melindungi perusahaan dari kecurangan
nternal dan eksternal. Tentu saja, semua keinginan ini harus terpenuhi tanpa harus
melumpuhkan bisnis atau membuat pelanggan menjadi tidak nyaman—ibaratnya
Jdta ingin memiliki kue buatan sendiri dan memakannya juga,
f ’ BioPassword melakukannya. BioPassword memelopori sebuah pendekatan
aru untuk autentikasi pengguna. Selain kombinasi nama pengguna dan kata sandi,
......... . .. .. , ............ . . . . . . . . .
f0nart card, dan biometrik sidik jari yang sudah biasa kita ketahui, perusahaan
'tiga menjalankan penggunaan biometrik perilaku (biometrik sendiri artinya
pengidentifikasi individu berdasarkan pengukuran karakteristik fisiologisnya). Dalam
ldsus ini, biometrik perilaku bekerja dengan cara mengamati penggunaan perilaku
pengguna. Jadi, biometrik perilaku akan mempelajari “ritme pengetikan”
pengguna. Biometrik perilaku akan mengukur serangkaian waktu perilaku ketika
pengguna menekan tombol dan melepas tombol saat mengetik sebuah kata di
'keyboard. Pengukuran terbagi menjadi dua: "waktu tinggal” (waktu antara penekanan
dan pelepasan setiap tombol) dan “waktu naik” (waktu antara melepas satu tombol
alan menekan tombol berikutnya). Ketika waktu data tombol diperoleh untuk seorang
-pengguna, algoritme neuron akan menghasilkan sebuah pola unik. Pola ini kemudian
'dapat digunakan untuk perbandingan selanjutnya, yaitu autentikasi.
I
iiif o
166 MODUL III APLIKASI BISNIS ELEKTRONIK
GAMBAR 10.36
>- ^ ^^^ Pr^^M
cÜwfüriSiüi"Cbif^râftîi‘,SsRà'figësütl^ )q'nft: P^ro)'.' 'C W -' ’l
RISKOptimizer Watcher
Ini adalah perangkat
E'ogress | I Log) Position [ ^ S s t y J ] • t
lunak Rlsk Optimlzer.
. || Setting?
¡> ^ :r;:, - -
Perangkat lunak Ini Dfcfinrtlon'il:; ': ! « ! & • f' I' ' ■ ■'-'¿A*: W W jjiS y i'J i
! ;■ Mo-ne!;. ; \ ' Opi-Wbitron
mengom binasikan
algoritme genetika
dengan fungsi Product Mix with Constraints as Ranges
You are a manufacturing plant trying to find the'optimal quantities.of each o f four products
simulasi risiko dalam (Products 1 through 4 in the Produced row) to maximize the mean of total revenues The c
product (Actual Demand in the model) is uncertain, and represented with probability distrib
aplikasi optim alisasi The quantity o f each product produced must meet constraints related to the resources avai
manufacturing each product. Here, all constraints are specified in one step. îgRISKOpi
hasil penerbangan. t&defmis-&fi3tra5nf Bmits'as-iangds. the range o f Raw Material. Labor.-and Machine'Time
less than or aqua) to the AvailaBie amounts Of each resource.
United Distillers: United Distillers (sekarang bagian dari Diageo PLC) adalah perusahaan alkohol
yang paling besar dan menguntungkan di dunia. Dua pabrik penyulingan biji United
Memindahkan Distillers terhitung lebih dari sepertiga total biji produksi wiski, dan perusahaan'
Tong dengan merek Johnnie Walker adalah wiski peringkat teratas di dunia, mencapai penjualan
Algoritme hingga 120 juta botol per tahun.
Meskipun demikian, Christine Wright, Manager Persediaan dan Pemasok di
Genetika United Distillers, menunjukkan bahwa beberapa bagian dari aktivitas dalam bisnis) I
ini kurang diperhatikan dibandingkan bagian yang lain: “Setiap minggu, 20.000 tor.fi
dipindahkan ke dalam dan ke luar dari 49 gudang kami di sepanjang Skotlandia unti
menyediakan wiski yang diperlukan bagi program pencampuran. Penggudangan acali
sebuah proses yang memerlukan kekuatan fisik dan banyak tenaga serta cenderufi
menjadi sisi yang terlupakan dari aktivitas dalam bisnis ini.” Namun, pengenal?
teknologi komputer algoritme genetika di sepanjang tahun lalu telah memoenka?
sebuah rangsangan ke dalam proses seleksi pencampuran di United Distillers.
“Kami ingin memaksimalkan efisiensi operasional l?ami tanpa kompromi tentang
kualitas,” kata Wright. Gudang Blackgrange United Distillers'^erisilbampir 3 juta tong;
hal itu menunjukkan besarnya tantangan. Dari. 2^0.000 tong yang dipindahkan setiafjj
minggu, 10.000 tidak digunakan, tetapi dipindahkan hanya untuk memungkink;
akses pengidentifikasian oleh proses seleksi. “Walaupun kami mempunyai informas
posisi yang 100 persen akurat tentang stok tersebut, tong harus diseleksi secat
numerik. Dengan tantangan praktis yang melibatkan manajemen gudang*tong jafai|
disimpan secara numerik.” »si
BAB 10 I DUKUNGAN PEMBUATAN KEPUTUSAN | 167
I- formasi yang ada pada sistem, yaitu tentang resep, kendala tempat, dan program United Distillers:
- r. campuran, diberikan pada paket XpertRule, yang mengerjakan kombinasi terbaik
: : k untuk memproduksi campuran. Informasi ditambahkan dengan informasi posisi
Memindahkan Tong
: ong. Sistem kemudian mengoptimalkan seleksi tong yang dibutuhkan, menjaga jumlah dengan Algoritme
minimum dari “pintu” (bagian gudgng) tong mana yang harus diambil dan sejumlah tong Genetika
yang perlu dipindahkan ke tempat aman. Kendala lainnya yang harus dipenuhi, seperti
kapasitas kerja yang sidang berjalan dari masing-masing gudang, serta pemeliharaan
(lanjutan)
dan pengisian stok ulang yang mungkin dalam progres. Ahli sistem pakar berbasis
Lancashire XpertRule Software Limited telah bekerja sama dengan United Distillers
untuk mengembangkan aplikasi perangkat lunak yang menggunakan XpertRule. Sistem
tersebut berdasarkan penggunaan algoritme genetika dan mengadopsi prinsip Darwin
tentang seleksi alam untuk mengoptimalkan proses seleksi.
“Insiden perpindahan tong yang tidak produktif telah menurun dari sekitar 50
persen ke tingkat yang bisa dikatakan tidak terlalu berarti, yaitu 4 persen, dan tingkat
penanganan tong kami telah mencapai hampir dua kali lipat.” Wright menambahkan:
“Teknologi baru memungkinkan staf untuk berkonsentrasi pada apa yang ingin mereka
capai, dibandingkan mekanisme cara menjalankannya. Mereka dapat berkonsentrasi
pada kendala-kendala yang mungkin ada untuk membuat sistem melakukan kerja
keras bagi pencarian skenario terbaik dalam kendala-kendala tersebut. Artinya,
■bisnis dapat dijalankan sesuai tujuan utama.” “Tidak hanya berkurangnya upaya sia-
sia yang memungkinkan staf gudang untuk melanjutkan pekerjaan mereka, tetapi
:ini memungkinkan mereka untuk merencanakan dan mengatur program-program
pemeliharaan jangka panjang. Ini mendorong pola pikir yang strategis, dibandingkan
reaktif, dan memberdayakan manajer-manajer untuk mengatur kerja mereka
sendiri.”
SUMBER; ‘ per,- - 5 Case Study, 'A Break from Tradition in Blend Selectiorrat United Distillers & Vintners" http://www.xpertrule.
:•£— caaes/case_ud-htmr diakses 23 April 2008.
GAMBAR 10.37
Arsitek lanskap
menggunakan sistem
realitas virtual untuk
m elihat dan bergerak
di dalam desain
Seattle Commons
(sebuah proposal
untuk pusat kota
Seattle).
168 MODUL III APLIKASI BISNIS ELEKTRONIK
t
Salah satu bentuk realitas virtual adalah kehadiran jarak jauh (telepresence). Telepresence |
terdiri atas seperangkat teknologi yang membuat seseorang tampak hadir di suatu tempat padahal \
ia sesungguhnya tidak berada di tempat itu. Telepresence memberikan tampilan nyata dalam ■
sebuah ruangan pertemuan padahal pihak yang bertemu sesungguhnya tidak berada di tempat •
yang sama. Pengguna akan diberikan atau dihadapkan pada stimulus-stimulus yang sesuai,dengan 1
masing-masing indranya (penglihatan, pendengaran, dll.) agar ia merasa tidak sedang berada di
tempatnya sekarang dan merasa sedang berada di tempat lain. Contoh tanda-tanda stimulus yang J
diberikan oleh sistem telepresence antara lain gambar ukuran nyata, kontak mata, dan suara. Dilihat
dari sisi teknologi, sistem telepresence dan video konferensi lama sebenarnya hampir sama. Kedua ;
sistem ini menggunakan teknologi yang sama. Namun, perbedaannya terletak pada pemasangan f
dan konfigurasinya. Stimulus telepresence harus dipasang secara permanen dan tertuju: Sebuah I
ruangan yang dirancang dan digunakan secara khusus untuk sistem telepresence. Pemasangan I
telepresence sebenarnya lebih seperti sebuah studio. Kamera-kamera harus diposisikan dengan ]
cara-cara khusus agar mampu menghadirkan gambar orang seukuran badannya dan kontak mata j
penuh di antara para peserta yang jauh.
Selain kamera, posisi masing-masing peserta rapat juga harus tepat. Telepresence membatasi
jumlah peserta yang ada di dalam ruangan. Contohnya, Cisco Telepresence 3000 menggunakan
tiga layar 65 inci, dengan dua orang untuk tiap layar (jadi, total enam orang tiap lokasi). Faktor
penting lainnya dalam telepresence adalah pencahayaan dan barang-barang. Hal ini juga menjadi
bagian komponen yang disediakan oleh Telepresence Cisco. Selain itu, salah satu komponen yang
paling penting dari sistem telepresence adalah ketersediaan bandwidth. Telepresence memerlukan
bandwidth yang besar, dengan minimum 2 hingga 3 mbps bandwidth per layar. Hal ini dilakukan ;
untuk menghasilkan efek yang bagus. Studio telepresence juga harus menggunakan akses Internet i
yang memang ditujukan untuk kepentingan telepresence. Akses Internet yang mumpuni dapat
menghindarkan pengguna dari adanya audio jitter dan penundaan yang akan merusak jalannya '
telepresence. Sebenarnya, banyak perusahaan yang tertarik dengan kemampuan sistem telepresence.
Namun, biayanya tergolong mahal (terutama untuk perancangan studio konferensi dan jaringan).
Hanya perusahaan besar dan kaya saja yang mampu untuk menjangkau telepresence. Meskipun
demikian, tetap saja ada yang menerapkan telepresence walaupun tidak memiliki ruangan khusus.
Kalau pun memiliki ruang, ukuran ruangan tersebut biasanya kurang memenuhi syarat yang
diperlukan untuk telepresence. Untuk saat ini, standar yang biasanya digunakan adalah video
conference (VC) dan VC desktop konvensional.
'.produksi sesuatu dan dalam produksi tersebut kita bisa menambahkan hal yang kita
teknologi manufakturing aditif). Contohnya, kita bisa membuat objek tiga dimensi
- rr.encobakan beberapa lapisan material (seperti plastik atau damar) secara berturut-
. encetak 3-D menawarkan kemampuan untuk “mencetak” prototipe 3-D. Jadi, dalam
:: rrcses perakitan, kita dapat mencobakan beberapa material dan properti fisik lainnya ke
produk (untuk mengetahui mana yang tepat). Teknologi pencetakan 3-D pada masa
: in akan menghasilkan model yang mendekati dan menyamai penampakan, rasa, dan fungsi
.. -. rrototipe produk. Sebuah pencetak 3-D bekerja dengan cara mengambil berkas komputer
' -T. seperti berkas CAD> dan menggunakannya untuk membuat rangkaian potongan-potongan
V.
: idan. Masing-masing potongan kemudian dicetak satu di atas yang lainnya untuk membuat
: : ek 3-D. Sejak 2003, penjualan pencetak 3-D naik dan harganya semakin murah (terutama
¿alam beberapa tahun terakhir). Pencetak 3-D juga bisa digunakan untuk mendesain perhiasan,
Las kaki, rancangan industri, arsitektur, rekayasa dan konstruksi (architecture, engineering and
construction—AEC), otomotif, pesawat, juga diterapkan untuk kepentingan dokter gigi dan
industri medis.
Aplikasi realitas virtual paling populer saat ini adalah Second Life dari Linden Lab. Di Second
Life pengguna dapat membuat avatar diri mereka dan melakukan teleport ke ribuan lokasi mana
pun di Second Life. Pengguna juga bisa membangun wilayah pribadi mereka, “membeli” tanah, dan
menjalani fantasi kehidupan mereka yang paling liar. Second Life pun terus berkembang (meskipun
statistik ukuran dan jumlah pengguna yang sebenarnya masih terus menjadi perdebatan). Saat
ini, Second Life adalah rumah bagi individu, perusahaan komersial, universitas, pemerintah,
gereja, hiburan olahraga, pertunjukan seni, musik live, teater, dan kedutaan (Maladewa adalah
negara pertama yang membuka kedutaan dalam Second Life). Pada masa depan, bahkan bisa jadi
kita tidak bisa membedakan lagi, mana kehidupan kita yang asli dan mana kehidupan kita yang
kedua di dunia virtual (akibat kecanggihan teknologi yang luar biasa!)
Teknologi realitas virtual pun telah memunculkan dampak sosial. Realitas virtual dipercaya
akan membawa banyak perubahan dalam kehidupan dan aktivitas manusia. Di antaranya:
• Realitas virtual akan diintegrasikan ke'dalam kehidupan dan aktivitas sehari-hari manusia
dan digunakan selayaknya kegiatan manusia sehari-hari.
• Teknik realitas virtual akan dikembangkan untuk memengaruhi tingkah laku manusia,
komunikasi interpersonal, dan kognisi (contoh, genetika virtual).
• Dengan banyaknya waktu yang kita habiskan dalam ruang virtual, akan ada “migrasi ke ruang
virtual” secara perlahan. Hal ini tentu menghasilkan perubahan penting dalam ekonomi,
pandangan, dan budaya.
• Desain lingkungan virtual bisa jadi dapat digunakan untuk memperluas hak asasi manusia
ke dalam ruang virtual, untuk mewujudkan kebebasan dan kesejahteraan manusia, atau
mewujudkan stabilitas sosial seperti kita bergerak dari satu tahapan dalam sosiopolitik ke
tahapan berikutnya.
Realitas virtual akan segera melibatkan semua indra, termasuk penciuman, rasa, dan
sentuhan.
170 MODUL III APLIKASI BISNIS ELEKTRONIK
<
AGEN Agen inteligensi kian populer seiring maraknya penggunaan perangkat lunak inteligensi buatan, i
INTELIGENSI Para pengguna menggunakan inteligensi buatan tersebut untuk membantu mereka menyelesaikan j
banyak tugas, terutama yang terkait dengan bisnis elektronik dan perdagangan elektronik. Agen
TP 10-6
inteligensi adalah pengganti perangkat lunak untuk sebuah tugas/aktivitas bagi pengguna akhir. •
Agen inteligensi menggunakan dasar pengetahuan yang ditapamkan ke dalamnya (built-in) tentang i
seseorang atau proses. Agen inteligensi digunakan untuk membuat keputusan dan menyelesaikan -j
tugas sesuai keinginan pengguna. Agen inteligensi juga mampu membelikan representasi grafik
atau personal, layaknya seorang Einstein untuk penasihat sains, seorang sherlock Holmes untuk i
agen pencari informasi, dan sebagainya. Agen inteligensi (juga disebut sebagai robot perangkat \
lunak atau bot) merupakan sistem informasi berbasis pengetahuan dengan tujuan khusus. Jadi, :
agen inteligensi akan mengerjakan tugas khusus untuk kepentingan pengguna. Gambar 10.38 j
merangkum tipe agen inteligensi yang umumnya banyak digunakan.
N
BAB10J r,
Contoh agen inteligensi yang paling, populer adalah Wizard yang ada di Microsoft Office.
Wizard adalah kemampuan built in yang dapat menganalisis cara pengguna akhir menggunakan
paket perangkat lunak dan menawarkan saran untuk menyelesaikan berbagai tugas. Wizard
bisa membantu Anda mengubah margin dokumen, membuat format sel spreadsheet, meminta
basis data, atau membuat grafik. Wizard dan agen perangkat lunak lainnya juga didesain untuk
menyesuaikan cara Anda dalam menggunakan paket perangkat lunaksehingga bisa mengantisipasi
kapan Anda akan membutuhkan bantuan. Lihatlah Gambar 10.39.
GAMBAR 10.39
;8*«ch' BM
M Perangkat agen
inteligensi, seperti
18 motchina öocum«rVb
il “ flk» vit ferm)
Copem ic ini, dapat
teaKaoL Ait&ftm.dil&iitn. ; m embantu Anda
fc*ï4/24.iS£ia<5W
'A Sß J»1 =*> twaftait «ywft&tfi jjï55îj?b *
m engakses informasi
ösakad
$ dari berbagai kategori
|j BQd*wuiri*» CjupKfta sß^ooK-ntif^m 1
tè&eapsiti ■ ^¿*i«çe.-iii.«îai i*t dan sumber.
iihfà&ttiiiisnfrr i
P.teje\ 9tefîé»dîfSifflî#f i
1 g w ^ * p » jD jq j 4 à tVpÜCHMîM ^ tp â » l1 U 0 3 ^
P
i: "ifioraw»«» . ùsfiïljfe ieif J&ihli
ijriwijaÄ*
J,
j SUMBER: Dari Copemic.
173
BAB 10 I DUKUNGAN PEMBUATAN KEPUTUSAN | 171
Contoh agen inteligensi yang paling-populer adalah Wizard yang ada di Microsoft Office.
Wizard adalah kemampuan built in yang dapat menganalisis cara pengguna akhir menggunakan
paket perangkat lunak dan menawarkan saran untuk menyelesaikan berbagai tugas. Wizard
bisa membantu Anda mengubah margin dokumen, membuat format sel spreadsheet, meminta
basis data, atau membuat grafik. Wizard dan agen perangkat lunak lainnya juga didesain untuk
menyesuaikan cara Anda dalam menggunakan paket perangkat lunak sehingga bisa mengantisipasi
kapan Anda akan membutuhkan bantuan. Lihatlah Gambar 10.39.
GAMBAR 10.39
Perangkat agen
inteligensi, seperti
15frioîchlngtk>K*nflrtfc> fjlxfa
Copem ic ini, dapat
&HM30L
fgj Ctfîria/iBitii «xSSttarlîl^irrf.ictjiSdUTjt.
membantu Anda
fifi CT?/*<»Jï WJMijbWj *
FM m engakses informasi
<§críft./«j7jae»iífi_>»iiiccíxDj*^s)jM>r takari,
dari berbagai kategori
w jcw w uF i/jw
I g jT ^ w H S I «i dan sumber.
ggraes ft* t***,*»* «erizi.tu r*t (Airfifiigéi.
►V: ...
HrDtiçiS(Mffcri, .S;Upt¿e!1UO:T^
pif-Co¿*M^V^!Íf *;T|ríHw<M:
£ ^SÓBUÍptlhi;^ :Ú fc » Í^ C » ^ ¿ ^ ’Íi^JJ5K..
nüíaaííiiSáim'
p st1 ^.yZ 3 T& m .
ilrJWiJÎit*.
173
172 MODUL III APLIKASI BISNIS ELEKTRONIK
Penggunaan agen inteligensi kian menjadi populer. Agen inteligensi digunakan sebagai cara:
untuk menyederhanakan penggunaan perangkat lunak, sarana pencarian situs di Internet dan;
intranet perusahaan, dan membantu pelanggan melakukan perbandingan di antara banyak situs
perdagangan elektronik di Web. Agen inteligensi akan semakin diminati penggunaannya seiring
kian canggihnya paket perangkat lunak yang ada, meluasnya Internet dan World Wide Web, serta1
makin banyaknya sumber informasi dan alternatif perdagangan elektronik. Beberapa pengamat |
bahkan memperkirakan bahwa masa depan komputasi akan didominasi oleh agen inteligensi
yang melakukan tugasnya untuk pengguna.
Penggunaan Agen Pada 2002, pihak militer tidak lagi menggunakan tenaga orang/manusia, tetapi mulai
menerapkan agen perangkat lunak inteligensi. Agen perangkat lunak inteligensi tersebut
Perangkat Lunak digunakan untuk menelusuri berkas-berkas dari para tentara yang membutuhkan izin
Inteligensi untuk keamanan otoritas yang tepat. Hasilnya, proses yang dulunya membutuhkan waktu
berhari-hari, sekarang hanya memerlukan waktu 24 jam. Pihak militer pun dapat
Kepentingan Pihak menyelesaikan tugas-tugas yang tadinya terbengkalai dan Army Central Clearance facility
Keamanan di Fort Meade, Maryland juga bisa menangani 30 persen lebih permintaan per tahun. Agen
inteligensi bekerja dengan mengambil informasi latar belakang yang dibutuhkan dari
catatan yang ada dan membuat folder elektronik untuk masing-masing kasus. Kemudian,’
agen inteligensi akan memeriksa berkas untuk menentukan apakah kasusnya bersih
atau ada tanda peringatan, seperti masalah keuangan, penangkapan, atau apa pun yang'
menunjukkan bahwa orang tersebut bisa rentan terhadap pengaruh-pengaruh buruk. Para
peneliti sekarang mampu melihat lebih dekat pada kasus-kasus yang berat.
Agen inteligensi adalah sistem perangkat lunak yang bersifat semiotonomi, proaktif,
dan adaptif. Agen inteligensi bisa bertindak atas nama pengguna. Kita tinggal memberikan
sebuah tujuart yang jelas pada agen inteligensi, seperti membantu duta besar Amerika;
Serikat memilih rute evakuasi yang aman setelah serangan teroris di luar negeri. Kita juga
dapat membuat sebuah rencana setelah mengumpulkan berbagai informasi, seperti cuacajj
laporan berita, jadwal pesawat, informasi jalan, dan laporan polisi.
“Agen inteligensi juga bisa membantu peneliti mengidentifikasi pola aktivitas yang;
tidak biasa,” kata Henry Lieberman, ilmuwan dan peneliti serta pemimpin Software Agents
Group di MIT Media Lab di Cambridge, Massachussets. “Pihak berwenang bisa bertani
pada agen inteligensi: ‘Tolong beri tahu kapan seseorang datang dari negara Timur Tengah
yang baru-baru ini terlibat dalam transfer bank dengan jumlah besar.’ Selain itu, agensi
pemerintahan seperti Securities and Exchange Commission pun juga bisa menggunakan:
agen inteligensi untuk mengawasi laporan keuangan terkait penipuan. Mungkin dengan
agen inteligensi, tersangka bisa ditangkap lebih cepat,” tambah Lieberman.
Meskipun begitu, banyak orang yang sebenarnya belum terlalu percaya dengan ageh;
inteligensi. Terutama dalam dunia bisnis. “Orang-orang belum terbiasa menggunakaji:;
agen inteligensi,” kata Lieberman. “Ketika mulai menggunakan agen inteligensi, Anda ju|&
harus melakukan pengawasan yang ketat. Hal itu untuk memastikan agar agen inteli
benar-benar melakukan apa yang Anda inginkaii. Namun, performa agen inteligensi
sendiri cenderung meningkat seiring waktu. Lagi pula, posisi agen inteligensi hanyaial
mengajukan pilihan-pilihan solusi. Selanjutnya, keputusan teta'p di tangan Anda,” uja
Lieberman
: T V'- -j. .V’ -Vk :T' . j ' ';;C ’\ ' •• - : ’A
SUMBER: Stephanie Overby, “ Security Strategy Includes intelligent Software Agents,” CIO Magazine, 1 Januari 2003.