PENDAHULUAN
1.3. Tujuan
Makalah ini diharapkan dapat memberikan manfaat bagi kami khususnya dan bagi
pembaca pada umumnya. Semoga makalah ini dapat digunakan sebagai referensi bagi
pihak yang ingin mempelajari lebih dalam tentang bagaimana mengelola pengetahuan
suatu perusahaan.
BAB 2
PEMBAHASAN
Kita hidup dalam ekonomi informasi di mna produksi dan distribusi informasi dan
perusahaan telah menjadi salah satu sumber kekayaan dan kemakmuran. Sekitar 55 persen
tenaga kerja di Amerika Serikat bekerja di bidang informasi dan pengetahuan, dan 60
persen penghasilan domestik bruto Amerika Serikat berasal dari sektor informasi dan
pengetahuan, antara lain keuanga dan penerbitan.
1
A. Dimensi Pengetahuan yang Penting
Terdapat perbedaan mendasar antara data, informasi, pengetahuan, dan
kebijaksanaan. Bab 1 mendefinisikan data sebagai aliran kejadian atau transaksi yang
dicatat oleh sistem suatu oganisasi, dan bermanfaat hanya dalam transaksi itu sendiri, dan
tidak untuk yang lainnya. Untuk mengubah data menjadi informasi, perusahaan harus
memanfaatkan sumber daya yang ad untuk menyusun data ke dalam kategori-kategori
yang mudah digunakan. Misalnya, total penjualan dibagi menjadi per bulan, per hari, per
daerah, atau berdasarkan laporan per toko. Untuk mengubah informasi menjadi
pengetahuan (knowledge), perusahaan harus memanfaatkan lebih banyak lagi sumber
daya untuk menemukan pola, aturan, dan konteks dimana pengetahuan tersebut berguna.
Terakhir, kebijaksanaan (wisdom) adalah pemikiran perorangan atau kelompok dalam
menerapkan pengetahuan untuk memecahkan suatu masalah. Kebijaksanaan mencakup
kapan, di mana, dan bagaimana pengetahuan diterapkan.
Pengetahuan merupakan sifat individual sekaligus sifat kolektif dari suatu perusahaan.
Pengetahuan adalah kejadian yang kognitif, bahkan fisiologis, yang terjadi dalam pikiran
manusia. Pengetahuan juga tersimpan dlam perpustakaan dan catatan, diterangkan dalam
kuliah, dan disimpan oleh perusahaan dalam bentuk proses bisnis dan pengetahuan
karyawannya. Pengetahuan yang terekam dalam pikiran karyawan dan belum
terdokumentasikan disebut pengetahuan tersirat (tatic knowledge) dan pengetahuan yang
sudah didokumentasikan disebut pengetahuan eksplisit (explicit knowledge).
Pengetahuan dapat tersimpan dalam e-mail, voice mail, gambar, dan dokumen tak
berstruktur atau terstruktur. Pengetahuan secara umum dianggap memiliki lokasi, baik
dalam pikiran manusia maupun dalam proses bisnis tertentu. Pengetahuan bersifat
“melekat” dan dalam penerapannya tidak bersifat universal, serta tidak mudah
2
dipindahkan. Pengetahuan adalah pemikiran yang bergantung pada situasi dan konteks.
Sebagai contoh, anda harus mengetahui kapan untuk melakukan suatu prosedur dan juga
bagaimana cara melakukannya. Tabel 2-1 memperlihatkan dimensi-dimensi pengetahuan.
Dapat kita lihat bahwa pengetahuan adalah aset perusahaan dalam bentuk yang
berbeda dari aset lainnya, seperti aset bangunan atau keuangan. Pengetahuan adalah
fenomena yang kompleks dan ada banyak aspek dalam proses-proses manajemen
pengetahuan. Kita dapat menyadari juga bahwa kompetensi ini berbasis pengetahuan dari
perusahaan dua atau tiga hal yang dapat dilakukan dengan sangat baik oleh perusahaan
adalah aset-aset organisasional yang sangat penting. Mengetahui bagaimana melakukan
sesuatu secara efektif dan efisien dengan cara yang tidak dapat ditiru perusahaan lain dapat
menjadi keuntungan yang utama, juga merupakan keunggulan yang tidak dapat dibeli oleh
pesaing lainnya di pasar.
Sebagai contoh, memiliki sistem produksi khusus berdasarkan pesanan membutuhkan
pengetahun dan mungkin dan juga aset tersendiri yang tidak dapat ditiru oleh perusahaan
lainnya. Dengan pengetahuan, perusahaan akan lebih efisien dan efektif dalan
3
memanfaatkan sumber dayanya yang terbatas. Tanpa pengetahuan, perusahaan akan
kurang efisien dan kurang efektif dalam memanfaatkan sumber daya dan terancam gagal.
4
Manajemen pengetahuan dimasa kini melibatkan kegiatan sistem informasi dan
sejumlah kegiatan manajemen dan organisasional yang membuatnya menjadi mungkin.
Pemerolehan Pengetahuan
Organisasi memperoleh pengetahuan melalui beberapa cara tergantung pada jenis
pengetahuan yang dicarinya. Sistem manajemen pengetahuan yang pertama mencoba
membangun pusat data yang berisi dokumen, laporan, presentasi dan praktik-praktik
terbaik. Sistem ini kemudian dikembangkan untuk menyertakan dokumen yang tidak
terstruktir seperti e-mail. Dalam kasus lain, organisasi memperoleh pengetahuan dengan
mengembangkan jaringan online agar para karyawannya dapat “menghubungi para pakar”
di perusahaan tersebut yang memiliki pengetahuannya.
Dalam kasus lain lagi, perusahaan harus menciptakan pengetahuan baru dengan
mencari pola dari data perusahaan atau menggunakan pengetahuan yang dimasukkan
dalam workstation sehingga para teknisi dapat mencari pengetahuan baru dengan
mengakses workstation tersebut. Berbagai usaha tersebut akan dijelaskan secara
menyeluruh dalam bab ini. Sistem pengetahuan yang koheren dan teratur juga
membutuhkan data yang sistematis dari sistem pemrosesan transaksi perusahaan tersebut.
Sistem pemrosesan transaksi harus dapat mencatat penjualan, pembayaran, persediaan,
data pelanggan, dan data penting lainnya. Selain itu, sistem pengetahuan juga harus
mencakup data dari luar perusahaan, seperti umpanan berita, laporan industri, opini
hukum, penelitian ilmiah, dan statistik dari pemerintah.
Penyimpanan Pengetahuan
Setelah bergai dokumen, pola, dan aturan pakar terkumpul, data tersebut harus
disimpan sehingga dapat diambil kembali dan digunakan oleh para karyawan.
Penyimpanan pengetahuan umumnya melibatkan proses pembuatan basis data. Sistem
manajemen dokumen mengubah data ke dalam bentuk digital, menyusun indeks, dan
5
menandai dokumen-dokumen yang diperlukan berdasarkan kerangka kerja yang koheren
dengan bentuk akhirnya suatu basis data yang dapat menyimpan berbagai dokumen.
Sistem yang baik juga membantu perusahaan dalam menyimpan pengetahuan yang
diperoleh dengan cara menerapkan pengetahuan tersebut ke dalam proses dan budaya
organisasi. Hal ini akan dibahas lebih lanjut dalam bab ini dan bab 12.
Manajemen harus mendukung pengembangan sistem penyimpanan pengetahuan,
mendukung pengembangan skema yang dapat digunakan di seluruh perusahaan dalam
membuat indeks dokumen, dan memberikan penghargaan kepada karyawan yang telah
meluangkan waktu untuk memperbarui dan menyimpan dokumen tersebut dengan cara
yang benar. Sebagai contoh, manajemen harus memberikan penghargaan kepada bagian
penjulan yang memasukan nama calon pelanggan ke dalam basis data perusahaan dimana
seluruh petugas penjualan dapat mengidentifikasi data dari setiap calon yang tersimpan
dan mengulasnya.
Penyebaran Pengetahuan
Portal, e-mail, pesan instan, dan teknologi mesin pencari telah ditambahkan kedalam
serangkaian teknologi kolaborasi dan sistem perkantoran yang digunakan untuk berbagai
agenda, dokumen, data dan grafik. Teknologi kontemporer tampaknya telah membanjiri
dunia informasi dan pengetahuan. Bagaimana seorang karyawan atau manajer dapat
menemukan sesuatu yang benar-benar penting dan berguna bagi mereka dari lautan
informasi dan pengetahuan yang begitu luas? Disinilah program pelatihan, jaringan
informal, dan pengalaman manajemen yang dibagikan dapat membantu para manajer agar
tetap dapat memfokuskan perhatian mereka dalam informasi dan pengetahuan yang
penting.
Penerapan Pengetahuan
Pengetahuan yang tidak dibagikan dan tidak diterapkan dalam kejadian nyata oleh
para manajer atau perusahaan tidak akan memberikan nilai tambah bagi bisnis, apa pun
jenis sistem manajemen pengetahuannya. Agar investasi yang ditanamkan tidak terbuang
sia-sia, pengetahuan organisasional harus menjadi bagian sistematis dari manajemen
pengambilah keputusan dan menjadi sistem yang dapat mendukung keputusan (akan
dijelaskan lebih lanjut pada bab 12). Jelasnya pengetahuan baru harus dimasukkan ke
dalam proses bisnis dan sistem aplikasi yang penting, termasuk aplikasi perusahaan yang
mengelola proses bisnis internal dan hubungan dengan pihak luar, yitu pelanggan dan
pemasok. Manajemen mendukung proses ini dengan cara menciptakan jenis usaha, produk
jasa, dan pangsa pasar baru bagi perusahaan berdasarkan pengetahuan yang baru.
6
manajer pengetahuan, dan membentuk komunitas praktik. Direktur pengetahuan (chief
knowledge officer-CKO) adalah eksekutif senior yang bertanggung jawab dalam program
manajemen pengetahuan perusahaan. CKO turut serta dalam merancang sistem dan
program untuk mendapatkan sumber-sumber pengetahuan baru atau membuat
pengetahuan yang sudah ada dalam proses manajemen dan organisasi digunakan dengan
lebih baik.
Komunitas praktik (commynity of practice-COP) adalah jaringan umum yang
informal yang terdiri atas para profesional dan karyawan baik di dalam maupun di luar
perusahaan dengan minat dan kegiatan yang sama. Ternyata minat dan kegiatan tersebut
harus berkaitan dengan pekerjaan. Kegiatan komun itas ini termasuk pendidikan
perorangan atau kelompok, konferensi, newsletter online, dan setiap harinya saling berbagi
pengalaman dan teknik untuk menyelesaikan masalah dalam pekerjaan tertentu. Bnyak
organisasi, seperti IBM, US Federal Highway Administration, dan Bank Dunia menolong
penciptaan ribuan komunitas online yang serupa.
COP dapat memudahkan orang dalam menggunakan kembali pengetahuan yang telah
digunakan sebelumnya dengan cara mengarahkan anggota komunitasnya kepada dokumen
tertentu, menciptakan tempat penyimpanan dokumen, dan menyaring informasi untuk para
anggota baru. Anggota COP bertindak sebagai fasilisator yang mendorong kontribusi dan
diskusi di antara para anggotanya. COP juga dapat mengurangi waktu yang diperlukan
dalam proses pembelajaran karyawan baru dengan memberikan nama-nama pakar, judul
pembahasan materi tertentu, dn akses ke metode dan perangkat komunitas tersebut. Yang
terakhir COP dapat berfungsi sebagai tempat bertumbuhnya banyak ide, teknik, dan
perilaku pengambilan keputusan yang baru.
7
Terdapat tiga kategori umum dalam sistem manajemen pengetahuan, dan masing-
masing dapat dipecah menjadi jenis-jenis sistem manajemen pengetahuan yang lebih
khusus.
1. Penghematan waktu dan biaya. Dengan adanya sumber pengetahuan yang terstruktur
dengan baik, maka perusahaan akan mudah untuk menggunakan pengetahuan tersebut
8
untuk konteks yang lainnya, sehingga perusahaan akan dapat menghemat waktu dan
biaya.
2. Peningkatan aset pengetahuan. Sumber pengetahuan akan memberikan kemudahaan
kepada setiap karyawan untuk memanfaatkannya, sehingga proses pemanfaatan
pengetahuan di lingkungan perusahaan akan meningkat, yang akhirnya proses
kreatifitas dan inovasi akan terdorong lebih luas dan setiap karyawan dapat
meningkatkan kompetensinya.
3. Kemampuan beradaptasi. Perusahaan akan dapat dengan mudah beradaptasi dengan
perubahan lingkungan bisnis yang terjadi.
4. Peningkatan produktfitas. Pengetahuan yang sudah ada dapat digunakan ulang untuk
proses atau produk yang akan dikembangkan, sehingga produktifitas dari perusahaan
akan meningkat.
Figur 2-4 memberikan gambaran mengenai kemampuan dan teknologi yang biasa
dijumpai dalam sistem manajemen pengetahuan perusahaan. Termasuk di dalam nya
adalah kemampuan untuk menyimpan dokumen terstruktur dan tidak terstruktur ,
perangkat untuk menemukan karyawan berkemampuan khusus dalam perusahaan tersebut,
dan kemampuan mengambil data dan informasi dari sistem transaksi utama seperti aplikasi
perusahaan dan juga dari situs-situs Internet. Sistem tersebut juga harus mendukung
teknologi seperti portal,mesin pencari, dan perangkat kolaborasi (termasuk e-mail,pesan
instan, groupware, blog, wiki dan social bookmark) untuk membantu karyawan
memperoleh pengetahuan, saling berkomunikasi di dalam dan di luar perusahaan, dan
menerapkan pengetahuan yang tersimpan dalm situasi-situasi baru. Sistem untuk
mengelola proses pembelajaran bagi karyawan telah menjadi teknologi pendukung bagi
sistem manajemen pengetahuan perusahaan.
Para manajer dan perusahaan harus menghadapi berbagia bentuk pengetahuan. Dalam
sistem manajemen pengetahuan perusahaan terdapat tiga kategori utama yang digunakan
dalam mengelola berbagai pengetahuan tersebut . Sebagian pengetahuan telah ada di
perusahaan dalam bentuk dokumen teks terstruktur dan laporan atau presentasi. Masalah
yang utama dihadapi adalah menyusun pengetahuan terstruktur tersebut ke dalam
perpustakaan dan membuat pengetahuan tersebut dapat diakses di seluruh perusahaan.
Pengetahuan seperti itu disebut pengetahuan terstruktur (structured knowledge), dan
sistemnya disebut sistem pengetahuan terstruktur (structured knowledge system).
9
Kadangkala manajer memerlukan informasi berbentuk dokumen yang tidak benar
benar terstruktur , seperti e-mail,voice mail, rekaman percakapan di chat
room,video,gambar digital ,brosur , atau bulletin. Pengetahuan semacam ini disebut
pengetahuan semiterstruktur (semistructured knowledge), dan sistemnya disebut sistem
pengetahuan semiterstruktur(semistructured knowledge system), nama industrinya
adalah sistem manajemen asset digital.
Sistem untuk pengetahuan terstruktur dan tidak terstruktur berfungsi sebagai pusat
penyimapanan pengetahuan. Pusat penyimpanan pengetahuan (knowledge repository)
adalah kumpulan pengetahuan internal dan eksternal yang berada dalam satu lokasi untuk
efisiensi pengeloaannya dan penggunaannya. Pusat penyimpana pengetahuan memberikan
askes melalui portal perusahaan dan teknologi mesin pencari. Biasanya juga tersedia
perangkat untuk mengakses informasi dari basis data perusahaan.
Dalam kasus lain mungkin sama sekali tidak ada dokumen digital maupun resmi, dan
pengetahuan tersimpan dalam kepala para karyawan perusahaan tersebut. Banyak dari
pengetahuan ini bersifat tersirat dan jarang tertulis . Disini, masalah yang dihadapi para
manajer adalah membangun jarigan penghubung antara permintaan dan pasokan
pengetahuan . Sistem Jaringan pengetahuan (knowledge network system), yang juga
dikenal sebagai sistem manajemen dan lokasi keahlian , memiliki fungsi sebagai
penghubung antara pasokan permintaan pengetahuan. Sistem jaringan pengetahuan
memberikan direktori online mengenai para pakar bidang-bidang tertentu di perusahaan
menggunakan teknologi komunikasi untuk memudahkan karyawan dalam mencari pakar
yang tepat . Beberapa sistem jaringan perusahaan telah melangkah lebih jauh dengan
membuat solusi yang sedang dikembangkan para pakar disusun secara sistematis dan
disimpan dalam basis data pengetahuan sebagai praktik terbaik atau pertanyaan yang
sering diajukan (frequently asked questions – FAQ).
10
A. Indikator Perusahaan Digital
Untuk membentuk suatu perusahaan digital tidak hanya sekedar melakukan
komputerisasi di bagian penjualan, pembelian, persediaan barang atau keuangan saja,
karena hal itu baru sebagian kecil dari suatu rencana induk pembentukan perusahaan
digital. Ada 4 indikator yang harus dipenuhi dalam perusahaan digitalyaitu:
3. Sistem Perusahaan
Indikator ketiga ini biasanya sudah lebih dahulu dibangun oleh perusahaan, misalnya
dengan membuat aplikasi sistem informasi penjualan, pembelian, persediaan barang,
keuangan dan akuntansi. Ada perusahaan yang sudah lengkap mendigitalkan sistem
perusahaannya, namun juga banyak yang melakukan secara parsial, bagian per bagian
secara bertahap. Kunci keberhasilan dari proses komputerisasi ini terletak pada
kemampuan pimpinan perusahaan dalam merumuskan suatu rencana induk pembangunan
sistem informasi yang terpadu antar bagian manajemen perusahaan tersebut.
12
C. Sistem Pengetahuan Semiterstruktur
Informasi yang semiterstruktur(terstruktur sebagian) adalah seluruh informasi digital
dalam suatu perusahaan yang tidak terdapat dalam dokumen atau laporan formal.
Diperkirakan setidaknya 80% isi bisnis suatu organisasi berisfatsemiterstruktur-informasi
dalam arsip, pesan,memo,proposal,e-mail,grafik,slide presentasi dan bahkan video, dibuat
dalam format yang berbeda beda dan disimpan di banyak tempat.
Perusahaan-perusahaan di AS diharuskan untuk melacak dan mengelola informasi
yang semiterstruktur ini agar dapat memenuhi persyaratan undang undang Sarbanes –
Oxley tahun 2002 dan badan legislatif pemerintah AS lainnya , juga untuk mengelola aset
informasi mereka secara lebih efisien . Perusahaan yang harus mematuhi Sarbanes –
Oxley,sebagai contohnya,harus menyimpan catatan digital e-mail karyawan dan
percakapan telepon karyawan selama minimal 5 tahun. Perusahaan besar seperti coca-cola
harus menyimpan catatan semua gambar dari merk Coca-cola yang telah dibuag di masa
lampau di semua kantornya di seluruh dunia. Hal tersebut bertujuan untuk menghindari
usaha menduplikasi dan untuk menghindari variasi dari gambar merek yang standar.
Sejumlah vendor telah merespons kebutuhan ini dengan sistem pengetahuan
semiterstruktur yang mamph melacak,menyimpan , dan menata dokumen – dokumen
semiterstruktur dan dokumen -dokumen tradisional lainnya yang lebih terstruktur .
Sebagai contoh , OpenText Livelink ECM melakukan spesialisasi dalam “sistem
manajemen pengetahuan terintegrasi” (Lihat figur 2-6) Selain menyediakan tempat
penyimpanan terpusat ubtuk manajemen dokumen , OpenText Livelink ECM juga
menyediakan program manajemen e-mail berbasis aturan yang secara otomatis
membedakan profil e-mail masuk san keluar menggunakan peraturan yang dibuat oleh
manajer lini.
13
Salah satu pengguna sistem manajemen pengetahuan Hummingbird adalah
perusahaan hukum Kanada, Stikeman Elliot, yang di jelaskan dalam Sesi Interaktif
Organisasi. Seperti perusahaan hukum lainnya, Stikeman Elliot adalah perusahaan dengan
pengetahuan yang sangat luas, tetapi karyawan, kantor, dan sumber pengetahuannya
tersebar di beberapa lokasi yang berbeda . Perusahaan tersebut mengiplementasikan alat
bantu Hummingbird untuk membantu meningkatkan pengetahuan yang dimiliki dan
menggunakannya secara lebih efisien.
14
Salah satu tantangan pertama yang dihadapi perusahaan saat membangun pusat
pengetahuan adalag mengidentifikasi kategori-kategori yang tepat untuk digunakan saat
mengklasifikasikan dokumen. Perusahaan menggunakan kombinasi antara taksonomi
yang dikembangkan sendiri dengan teknik-teknik program pencarian . Taksonomi
(takxonomy) adalah skema untuk mengklasifikasikan informasi dan pengetahuan
sedemikian rupa hingga informasi dan pengetahuan tersebut mudah di akses. Taksonomi
adalah seperti daftar isi sebuah buku atau sepperti sistem perpustakaan untuk
mengklasifikasikan informasi dan pengetahuan sedemikian rupa hingga informasi dan
pengetahuan tersebut mudah di akses. Taksonomi adalah seperti daftar isi sebuah buku
atau seperti sistem perpustakaan untuk mengklasifikasikna informasi menjadi kategori-
kategori. Semakin tepat taksonomi tersebut, semakin relevan hasil pencarian yang
diberikan oleh program pencarian. Jika taksonomi pengetahuan telah dibuat,seluruh
dokumen akan ditabdau dengan klasifikasi yang sesuai
Produk-produk seperti Autonomy Taxonomy berupaya mengurangi ebban pada
pengguna dengab mengategorisasikan dokumen menggunakan taksonomi perusahaan
yanv telah dibuat. Produk-produk seperti ini memerhatikan pencarian sebelumbya,konteks
pencarian dalam dokumen (hubungan antara kata-kata dalam sebuah dokumen), konsep
yang berhubungan dan mungkin tidak dimasukkan oleh pengguna, frekuensi kata kunci,
dan popularitas dokumen.
Beberapa alat bantu melakukan penandaan secara otomatis dan mengurangi keharusan
bagi manajer nengembangkan taksonominya sendiri . Peranti lunak Semio Tagger Entrieva
adalah peranti lunak untuk mengelompokkan dan membuat indeks yang mengidentifikasi
kata kata kunci dalam dokumen , memberikan faktor relevansi untuk kata-kata tersebut ,
menyusun dokumen ke dalam kategori-kategori , dan melakukan penandaan dokumen
berbasis XML menggunakan aturan-aturan yang dapat dilihat dan di modifikasi oleh
pengguna . Pengguna dapat menambahkan,menghapus, atau menggabungkkan kategori
kategori setelah memeriksa bagaimana respons dari sistem.
Satu pengguna sari alat vantu penanda otomatis Semio adalah HighWare Press di
Stanford University, yang menerbitkan 324 jurnal online yang berisi lebuh dari 12 juta
artikel. HighWare memerlukan cara untuk mengotomatisasi dan mengembangkan proses
pembuatan indeks. Mereka juga harus menyediakan kemampuan mencari dan menjelajah
yang lebih baij bagi para peneliti untuk mendukung penemuan hubungan yang tidak
terdugaa ,menghubungkan artikel-artikel dari berbagai disiplin ilmu,mengidentifikasi
konsep dalam artikel, dan menghubungkan konsep-konsep ini dalam kategori logis.
Sekarang ini,sistem ini telah menciptakan 22.000 kategori dan lebih dari 300.000 konsep.
Sistem ini mendukung 84 juta hit tiap minggunya dengan basis data sebesar 6 terabyte
(Semio, 2006). Sistem ini memerlukan manajemen aktif. HighWire Press meninjau skema
klasifikasinya setiap kuartal dan melakukan perrubahan berdasarkan masukan dari
pengguna dan manajemen.
15
Sistem jaringan pengetahuan mengatasi masalah yang muncul saat pengetahuan yang
tepat adalah pengetahuan tersirat dan tersimpan dalam ingatan para pakar dalam
perusahaan. Karena pengetahuan seperti ini tidak dapat ditemukan dengan mudah,
karyawan menghabiskan sumber daya yang cukup besar untuk mendapatkan kembali
pengetah7an tersebut. Penelitian International Data Corporation (IDC) memperkirakan
bahwa rara-rata biaya yang di keluarkan untuk usaha yang sebenarnya tak perlu dilakukan
oleh perusahaan – perusahaan Fortune 500 menghabiskan lebih dari $60 juta per tahun per
perusahaan (AskMe, 2003a).
Sistem jaringan pengetahuan menyediakan suatu direktori online mengenai
keberadaan pakar dalam bidang pengetahuan tertenru dan menggunakan teknologi
komunikasi untuk memudahkan karyawan menemukan pakar yang tepat. Beberapa sistem
jaringan pengetahuan lebih jauh lahi menyusun solusi yang dikembangkan oleh para pakar
secara sistematis kemudian menyimpan solusi tersebut dalam basis data pengetahuan
sebagai praktik terbaik atau pertanyaan yang sering dilontarkan (FAQ).
AskMe,Inc., menawarkan sebuah sistem jaringan pengetahuan perusahaan yang
banyak digunakan. Penggunaannya antara lain Procter & Gamble dan Intec Engineering
Partnership, perusahaan manajemen proyek dengan jumlah karyawan lebih dari 500 orang
di seluruh duni yang menangani industri minyak dan gas. Peranti lunak AskMe Enterprise
memungkinkan perusahaan membuat basis dara keahlian karyawan , cara kerja, dokumen,
praktik terbaik, dan FAQ, kemudian membagi informasi tersebut ke seluruh perusahaan
menggunakan teknologi portal yang telah digunakan perusahaan. Informasi dapat
dikategorikan lebih lanjut mmelalui komunitas yaang menyusun keahlian dan pengetahuan
seputar satu disiplin ilmu yang umum. Kemampuaan pencarian yang dikelompomkan ini
menjamin penggunaan ulang pengetahuan yang ada dari pusat informasi internal, pusat
informasi pihak ketiga, dan sumber data eksternal di Web. Pengguna dapat berlangganan
RSS untuk mendapatkan pemberitahyan mengenai informasi terbaru.
Figur diatas mengilustrasikan cara kerja AskMe Enterprise. Seoeang teknisi Intec
dengan sebuah pertanyaan, misalnya, dapat mengakses dokumen, link Web, dan jawaban
yang relevan untuk pertanyaan yang verkaitan dengan pertanyaan sebelumnya dengan cara
16
memasukkan kata kunci pencarian. Jika tidak ada jawaban yang ditemukan , ia dapat
mengirimkan peetanyaan pada halaman Web untuk kategori-kategori , misalnya Pipeline
atau Subsea,agar teknisi lain yang mengakses halamaan tersebut dapat menjawabnya.
Alternatif lainnya adalah orang tersebut dapat melihat profil-profil dari semua teknisi
perusahaan yang memiliki keahlian relevan san mengirimkan pertanyaan terperinci
melalui e-mail kepada para pakar yang mungkin memiliki jawabannya. Semua pertanyaan
dan jawaban secara otomatis disimpan dalam basis data pengetahuan.
17
Atlassian adalah vendor peranti lunak wiki yang terbesar, sementara Twiki dan Perspective
adalah alat bantu open-source nonkomersial.
Social bookmarking mempermudah pencarian, dan juga untuk berbagi informasi
dengan memungkinkan para pengguna menyimpan bookmark mereka untuk halaman Web
dalam situs Web publik dan menandai bookmark ini dengan kata kunci. Tag atau tanda ini
dapat digunakan untuk mengorganisasikan dan mencari dokumen, dan daftar-daftar tag
dapat dibagi dengan orang lain untuk membantu mereka mencari informasi tertentu. Sesi
Interaktif Teknologi menggambarkan cara kerja teknologi ini dan manfaatnta bagi
manajemen pengetahuan.
18
memiliki keanggotaan di organisasi profesional, dan kerap diminta untuk melakukan
penilaian sebagai aspek rutin dari pekerjaan mereka. Sebagai contohnya, pekerja
pengetahuan menciptakan produk baru atau mencari cara untuk meningkatkan kualitas
produk yang sudah ada. Pekerja pengetahuan melakukan tiga peran kunci yang sangat
pentiing bagi organisasi dan untuk manajer yang bekerja dalam organisasi :
Menjaga aliran pengetahuan dalam perusahaan seiring dengan perkembangan
perusahaan dalam teknologi, sains, pemikiran sosial, dan seni.
Bertugas melayani sebagai konsultan internal mengenai pengetahuan khusus
mereka, berbagai perubahan yang terjadi, dan kesempatan yang muncul.
Bertindak sebagai agen perubahan, mengevaluasi, merintis, dan mendukung
proyek-proyek perubahan.
19
Peranti lunak
Grafik Visualisasi
Basis Pengetahuan Eksternal
Pemodelan Simulasi
Antarmuka
Pengguna
20
(prototipe) dari setiap modifikasi agar dapat diuji secara fisik. Langkah-langkah ini harus
diulangi beberapa kali, sehingga menghabiskan banyak waktu dan biaya. Dengan
menggunakan workstation perancangan, para perancang hanya perlu membuat puwarupa
fisik saat proses perancangan hampir selesai, karena rancangannya dapat dengan mudah
diuji dan diubah-ubah oleh komputer. Kemampuan peranti lunak perancangan dalam
menyediakan spesifikasi rancangan untuk penggunaan peralatan dan proses produksi juga
menghemat waktu dan uang dalam jumlah yang cukup besar. Selain itu, masalah yang
timbul dalam proses produksi akan menjadi jauh lebih sedikit.
Sebagai contoh, arsitek dari Skidmore, Owings & Merril LLP menggunakan program
perancangan 3-D bernama Revit untuk membuat perincian kreatif dan teknis pada
rancangan Freedom Tower di lokasi yang dulunya berdiri World Trade Center. Peranti
Lunak tersebut memungkinkan arsitek untuk melepas lapisan luar rancangan untuk
memanipulasi bentuk lantai. Perubahan yang dibuat akan langsung tampak pada seluruh
bagian model, dan peranti lunaknya secara otomatis akan menghitung ulang perincian
teknis cetak birunya (Frangos, 2004).
Sistem realitas virtual (virtual reality system) memiliki kemampuan visualisasi,
penerjemahan, dan simulasi yang jauh melebihi sistem desain dengan bantuan komputer.
Sistem ini menggunakan peranti lunak grafis interaktif untuk menciptakan simulsi buatan
komputer yang sangat mirip dengan kenyataan hingaa bahkan para pengguna hampir
memercayai bahwa mereka berada dalam dunia nyata. Dalam kebanyakan sistem realitas
virtual, pengguna mengenakan pakaian, perlengkapan kepala, dan peralatan khusus
gerakan pengguna dan segera mengirimkan informasi ke komputer. Sebagai contohnya,
untuk berjalan dalam realitas virtual sebuah rumah, anda juga memerlukan kaca mata
khusus yang memiliki layar video, dan terkadang diperlukan juga peralatan untuk
menghasilkan suara dan sarung tangan perasa, sehingga anda dapat benar-benar merasa
berada dalam rumah sungguhan.
Realitas virtual baru saja dimulai memberikan keuntungan dalam bidang pendidikan,
sains, dan bisnis. Sebagai contoh, dokter ahli saraf di New York Beth Israel Medical Center
dapat menggunakan Siemens Medical System 3D Virtuoso System untuk melihat kondisi
sambungan pembuluh darah yang kecil atau menjelajahi pembuluh aorta. Dokter bedah di
New York University School of Medicine dapat menggunakan model tiga dimensi untuk
menandai tumor otak dengan lebih tepat sehingga dapat mengurangi pendarahan dan
trauma saat operasi dilakukan.
21
Aplikasi-aplikasi realitas virtual untuk Web dikembangkan menggunakan standar
yang disebut bahasa pemodelan realitas virtual (Virtual Reality Modeling Language-
VRML). VRML adalah seperangkat spesifikasi untuk model interaktif tiga dimensi dalam
World Wide Web yang dapat menangani berbagai jenis media, termasuk animasi, gambar,
dan audio, untuk menempatkan pengguna dalam lingkungan dunia nyata yang
disimulasikan. VRML tidak memerlukan platform tertentu, bekerja pada komputer
desktop dan membutuhkan bandwidth yang kecil.
DuPont, perusahaan kimia dari Wilmington, Delaware, menciptakan aplikasi VRML
yang disebut HyperPlant, yang memungkinkan pengguna mengakses data tiga dimensi
melalui Internet menggunakan peranti lunak browser Web. Para insinyur dapat melihat
model tiga dimensi seolah-olah seperti mereka sedang berjalan dalam pabrik dan melihat
objek dengan mata mereka langsung. Tingkat ketelitian setinggi ini dapat mengurangi
jumlah kesalahan yang mereka buat dalam membangun pengeboran minyak, pabrik
minyak, dan bangunan lainnya.
Industri keuangan menggunakan workstation investasi (investment workstation)
khusus untuk mendayagunakan pengetahuan dan waktu dari para pialang, pedagang, dan
manajer portofolio. Perusahaan seperti Merrill Lynch dan UBS Financial Services telah
memasang workstation investasi yang menggabungkan cakupan data yang luas, baik dari
sumber internal maupun dari sumber eksternal, termasuk data kontak manajemen, data
real-time, riwayat pasar, dan laporan penelitian. Sebelum adanya workstation investasi,
para profesional keuangan harus menghabiskan cukup banyak waktu untuk mengakses
data dari sistem yang terpisah dan menggabungkan kembali informasi yang mereka
perlukan. Dengan menyediakan informasi di satu tempat secara lebih cepat dan lebih
sedikit kesalahan yang dihasilkan, workstation investasi mempersingkat keseluruhan
proses investasi mulai dari pemilihan saham sampai memperbaharui catatan klien. Tabel
2-3 merangkum jenis-jenis sistem kerja pengetahuan yang umum.
TABEL 2-3 CONTOH SISTEM KERJA PENGETAHUAN
SISTEM KERJA PENGETAHUAN FUNGSI DALAM ORGANISASI
Computer-aided design (CAD)/Computer- Memberikan ketepatan kontrol atas
aided manufacturing (CAM) rancangan dan manufaktur industri bagi
insinyur, perancang, dan manajer pabrik
22
Sistem realitas virtual Memberikan ketepatan simulasi
fotorealistik dari objek bagi arsitek,
insinyur, dan pekerja medis
Workstation investasi PC berkualitas terbaik dalam sektor
keuangan untuk menganalisis situasi
perdagangan secara instan dan
memfasilitasi manajemen portofolio
23
kompleksitas, keaslian, dan generalitas pemikiran, kecerdasan buatan ini memiliki peranan
penting dalam manajemen pengetahuan.
24
Dalam penalaran maju (forward chaining), mesin inferensi mulai dengan informasi
yang dimasukan oleh pengguna dan mencari informasi dalam basis pengetahuan untuk
akhirnya mencapai suatu keputusan. Strateginya adalah untuk emnajlankan suatu tindakan
sesuai aturan saat sebuah kondisi dipenuhi. Dalam figur 2-10, mulai dari kiri, jika
pengguna memasukan nama klien dengan pendapatan lebih besar dari $100.000, mesin
akan menggunakan semua aturan secara berurutan dari kiri ke kenan. Jika pengguna
kemudian memasukan informasi yang menyatakan bahwa klien tersebut memiliki real
estat, nilai nlain dari basis pengetahuan akan muncul dan lebih banyak aturan akan
diterapkan. Proses ini berlanjut terus sampai tidaka da lagi yang dapat digunakan.
Dalam penalaran mundur (backward chaining), strategi untuk emncari dalaqm basis
pengetahuan dimulai dengan hipotesus dan berlanjut dengan menanyakan pengguan
pertanyaan tentang fakta0fakta tertentu sampai hipotesisnya disetujui atau tidak disetujui.
Dalam contoh pada Figur 11-10, diajuakn sebuah pertanyaan, “apakah kita harus
memasukan orang ini dalam basis data calon potensial kita?’’ Dimulai dari diagram
sebelah kanan dan bergerak kearah kiri. Anda dapat melihat bahwa orang tersebut harus
dimasukan dalam basis data kearah kiri. Anda dapat melihat bahwa orang tersebut harus
dimasuakn dalam basis data tersebut jika petugas telah ditugaskan, asuransi berjangka
dikabulkan, atau penasihat keuanagn mengunjungi klien tersebut.
Untuk mengembangkan system ahli diperlukan masukan dari seorang pakar atau lebih
yang meguasai sepenuhnya basis pengetahuan dan satu teknisi pengetahuan ataun lebih
yang dapat menerjemahkan pengetahuan tersebut ( seperti yang dijelaskan oleh pakar)
menjadi serangkaian aturan. Teknisi pengetahuan (knowledge engineer) hamper sama
dengan analis system yang tradisional, tetapi memiliki keahlian khusus dalam
mendapatkan informasi dan keahlian dari pihak profersional lain.
FIGUR 2-9 ATURAN DALAM SISTEM AHLI
25
System ahli berisi berisi sejumlah aturan yang harus diikuti. Aturan-aturan tersebut
saling terhubung; jumlah keluarannya terbatas dan telah diketahui sebelumnya; ada
beberapa jalur yang menghasilkan keluaran yang sama; dan system dapat menggunakan
beberapa aturan sekaligus pada saat yang sama. Aturan yang diilustrasikan diatas adalah
system ahli untuk memproses permohonan pengajuan kartu kredit.
26
Mesin inferensi bekerja dengan mencari melalui aturan-aturan dan ‘’membuang’’
aturan sesuai dengan fakta-fakta yang dikumpulkan dan dimasukan oleh pengguna.
27
Penalaran berbasis kasus mempresentasikan pengetahuan sebagai basis data kasus-
kasus dimasa lalu beserta setiap solusinya. System ini menggunakan proses enam langkah
untuk menciptakan solusi bagi masalah-masalah baru yang dihadapi oleh pengguna.
28
menggunakan logika fuzzy untuk menciptakan system peranti lunak yang menangkap
pengetahuan yang mengandung ambiguitas linguistik.
Lihat bagaimana logika fuzzy merepsentasiakn temperature yang bervariasi dalam
aplikasi computer untuk mengendalikan temperature ruangan secara otomatis. Istilah-
istilahnya (dikenal dengan fungsi keanggotaan) didefinisikan secara tidak presisi, sehingga
misalnya, dalam figure 2-12, sejuk adalah antara 50 derajat dan 70 derajat (Fahrenheit),
padahal ytemperatur sejuk lebih tepatnya berkisar antara 60 dan 67 derajat. Ingatlah bahwa
kategori sejuk bertumpang tindih dnegan kategori dingin atau normal. Untuk
mengendalikan lingkungan ruangan menggunakan logika fuzzy, programmer juga perlu
mengembangkan definisi ketidakpresisisan yang serupa untuk kelembapan dan factor-
faktor lainnya, seperti misalmnya angina dan temperature diluar ruangan.
Aturan-aturan tersebut mungkin mencakup satu pernyataan berikut: ‘’Jiak
temperature sejuk atau dingin dan kelembapan rndah, naikkan panas dan kelembapan
dalam ruangan.’’ Komputer akan mengombinasikan pembacaan fungsi keanggotaan
dengan melakukan pembobotan dan, menggunakan semua aturannya, emnaikkan atau
menurunkan temperature dan kelembapan.
Logika fuzzy meneydiakan solusi bagi masalah-masalah yang sulit dipecahkan hanya
dengan menggunakan aturan IF-THEN. Di jepang, sitem kereta bawah tanah Sendai
menggunakan control logika fuzzy untuk mengatur percepatan kereta dengan mulus
sehingga Heavy Industries di Tokyo telah berhasil mengurangi pemakaian listrik untuk
penyejuk ruangan sampai dengan 20 persen dengan mengimplementasikan program-
program control logika fuzzy. Perangkat focus otomatis pada kamera hanya mungkin
dibuat dengan menggunakn logika fuzzy. Pada contoh tersebut, logika fuzzy telah
memungkinkan perubahan setahap demi setahap pada masuakn mengahsilkan prubahan
yang mulus pada keliuaran, dan bukan keluaran yang putus-putus. Hal tersebut membuat
logika fuzzy sangat bermanfaat bagi konsumen aplikasi elektronik dan rekayasa,
Logika fuzzy juga dapat bermanfaat dibidang manajemen untuk pengambilan
keputusan dan control organisasional. Sebuah perusahaan di Wall Street menciptakan
system yang memilih perusahaan-perusahaan yang berpotensi untuk diakuisisi dengan
menggunakan bahasa yang dimengerti oleh para pedagang saham. System logika fuzzy
juga telah dikembangkan untuk mendeteksi kemungkinan kebohongan dalam klaim
kesehatan yang diajukan oleh penyedia perawatan kesehatan di Amerika Serikat.
29
FIGUR 2-12 MENGIMPLEMENTASIKAN ATURAN LOGIKA FUZZY DALAM
PERANTI LUNAK
Berbagai fungsi keanggotaan untuk masukan yang disebut temperature berada dalam
system logika thermostat yang digunakan untuk mengendalikan temperature ruangan.
Fungsi keanggotaan ini membantu menerjemahkan ekspresi linguistic, seperti misalnya
‘’hangat’’ menjadi angka yang dapat dimanipulasi computer.
30
dirinya sendiri dan dapat dilatih dengan memberikan sejumlah besar data dan membiarkan
jaringan saraf tiruan itu sendiri mencari berbagai pola dan hubungan dalam data tersebut.
Lain halnya dengan sistem ahli, yang berusaha memodelkan cara seorang pakar
memecahkan masalah, para pengembang jaringan saraf tiruan mengklaim bahwa mereka
tidak memprogram solusi dan tidak bertujuan menyelesaikan masalah tertentu. Para
perancang jaringan saraf tiruan berusaha untuk menyimpan kecerdasan pada perangkat
keras dalam bentuk kemampuan umum untuk belajar. Ini sangat berbeda dengan sistem
ahli, yang sangat spesifik untuk masalah tertentu saja dan tidak dapat dilatih ulang dengan
mudah.
Aplikasi jaringan saraf tiruan dalam kedokteran, sains, dan bisnis dapat mengatasi
masalah-masalah dalam klasifikasi pola, prediksi, analis keuangan, kontrol, dan
optimalisasi. Dalam pengobatan, aplikasi jaringan saraf tiruan digunakan untuk memeriksa
pasien apakah memiliki penyakit arteri koroner, untuk mendiagnosis pasien pengidap
epilepsi dan Alzheimer, dan untuk melakukan pengenalan pola dari gambar-gambar
patologis. Industri keuangan menggunakan jaringan saraf tiruan untuk melihat perbedaan
dalam cakupan data yang amat luas yang mungkin membantu memprediksi kinerja ekuitas,
penilaian surat utang perusahaan, atau kepailitan perusahaan. Visa international
menggunakan jaringan saraf tiruan untuk membantu mendeteksi penipuan kartu kredit
dengan memantau semua transaksi Visa terhadap perubahan mendadak dalam perubahan
pola pembelian para pemegang Visa.
Jaringan saraf tiruan menggunakan aturan yang “dipelajari” dari pola-pola data untuk
membangun lapisan logika tersembunyi. Lapisan tersembunyi ini kemudian memproses
masukan-masukan dan mengklasifikasikannya berdasarkan pengalaman dari model
tersebut. Pada contoh ini, jaringan saraf tiruan telah dilatih untuk membedakan pembelian
kartu kredit yang sah dengan yang tidak sah.
Ada banyak aspek yang membingungkan dari jaringan saraf tiruan. Tidak seperti
sistem ahli, yang biasanya memberikan penjelasan bagi solusi yang diberikan, jaringan
saraf tiruan tidak selalu dapat menjelaskan mengapa jaringan tersebut memilih keputusan
tertentu. Terlebih lagi, mereka tidak selalu dapat menjamin solusi yang benar-benar pasti,
solusi yang diberikan mungkin berbeda untuk sebuah masukan yang sama. Jaringan saraf
tiruan juga tidak dapat menjamin solusi yang terbaik. Jaringan saraf tiruan sangat sensitif
dan tidak dapat bekerja dengan baik apabila data untuk latihannya terlalu sedikit atau
bahkan terlalu banyak. Dalam kebanyakan aplikasi dewasa ini, jaringan saraf tiruan paling
sesuai untuk membantu pengambilan keputusan oleh manusia, bukan sebagai pengganti
manusia dalam mengambil keputusan.
31
E. Algoritme Genetik
Algoritme genetik (genetic algorithm) berguna untuk mendapatkan solusi optimal
untuk masalah spesifik dengan memeriksa sejumlah besar kemungkinan solusi untuk
masalah tersebut. Teknik pemecahan masalah dengan algoritme ini secara konsep berbasis
pada metode bagaimana organisme hidup beradaptasi dengan lingkungannya-proses
evolusi. Algoritme genetik diprogram untuk bekerja sesuai dengan bagaimana suatu
populasi memecahkan masalah-dengan mengubah dan mengorganisasikan ulang bagian
koponen mereka dengan menggunakan proses seperti reproduksi, mutasi, dan seleksi alam.
Jadi, algoritme genetik mendukung evolusii berbagai solusi untuk masalah tertentu,
mengendalikan penciptaan, variasi, adaptasi, dan pemilihan kemungkinan solusi
menggunakan proses-proses genetik. Solusi-solusi tersebut mengalami perubahan dan
penggabungan. Solusi yang buruk dibuang, sedangkan proses yang lebih baik bertahan
untuk terus berlanjut menghasilkan solusi yang semakin baik lagi.
Algoritme genetik bekerja dengan merepresentasikan informasi sebagai deretan 0 dan
1. Kemungkinan solusi dapat dipresentasikan dengan deretan 0 dan 1 yang panjang.
Algoritme genetik memberikan metode untuk mencari semua kombinasi digit yang
mungkin untuk mengidentifikasi deretan yang tepat yang merepresentasikan struktur
terbaik untuk masalah tertentu.
Dalam salah satu metode, programer secara acak membuat populasi deretan yang
terdiri atas kombinasi digit biner (Lihat figur 2-14) Setiap deretan berhubungan dengan
satu variabel dalam masalahnya. Selanjutnya adalah melakukan pengujian kecocokan,
setiap deretan kemudia diberi peringkat berdasarkan tingkat kemungkinan deretan tersebut
menjadi solusi terbaik. Setelah populasi awal dievaluasi kecocokannya, algoritme
kemudian membuat generasi deretan digit berikutnya yang teridiri atas deretan-deretan
yang bertahan setelah melalui pengujian kecocokan ditambah dengan keturunannya yang
dihasilkan dari perkawinan pasangan deretan, dan menguji kecocokannya. Proses ini
berlanjut sampai solusi ditemukan.
Banyak persoalan bisnis memerlukan optimalisasi karena berurusan dengan hal-hal
seperti minimalisasi biaya, maksimalisasi keuntungan, efisiensi jadwal, dan penggunaan
sumber daya. Jika situasi ini sangat kompleks dan dinamis, melibatkan ratusan atau ribuan
32
variabel atau rumus, algoritme genetik dapat mempercepat penentuan solusi karena
algoritme ini dapat mengevaluasi banyak alternatif solusi yang berbeda dengan cepat untuk
menemukan solusi yang terbaik.
Sebagai contoh teknisi General Electric menggunakan algoritme genetik untuk
membantu optimalisasi perancangan perancangan mesin turbin jet pesawat, setiap kali
rancangan diubah, diperlukan perubahan sampai 100 variabel. Peranti lunak manajemen
rantai pasokan dari i2 Technologies menggunakan algoritme genetik untuk
mengoptimalkan model penjadwalan produksi yang melibatkan ratusan dari ribuan
perincian mengani pesanan pembeli, ketersediaan bahan baku dan sumber daya,
kemampuan produksi dan distribusi, dan tanggal pengiriman. Internasional Truck dan
Engine menggunakan peranti lunak ini untuk menghilangkan kelemahan-kelemahan
dalam produksi, mengurangi gangguan jadwal yang merugikan sampai 90 persen di lima
pabriknya. Algoritme genetik telah membantu para peneliti pasar melakukan analisi
segmentasi pasar (Kuo, Chang, dan Chien, 2004; Burtka, 1003; Wakefield 2001).
F. Sistem Al Hibrida
Algoritme genetik, logika fuzzy, jaringan saraf tiruan, dan sistem ahli dapat
diintegrasikan menjadi aplikasi tunggal untuk mengambil manfaat dari fitur-fitur terbaik
teknologi tersebut. Sistem seperti ini disebut sistem kecerdasan buatan hibrida (hybrid
Al system). Aplikasi hibrida dalam bisnis sedang berkembang. Di Jepang, Hitachi,
mitsubishi, Ricoh, Sanyo, dan perusahaan lainnya mulai memasukan sistem Al hibrida
dalam produk-produk seperti peralatan rumah tangga, mesin pabrik, dan perlengkapan
kantor. Matsuhita telah mengembangkan sebuah mesin cuci “neurofuzzy” yang
menggabungkan logika fuzzy dengan jaringan saraf tiruan. Nikko Securities telah
mengembangkan sistem neurofuzzy untuk meramalkan peringkat obligasi.
G. Agen Inteligen
33
Teknologi agen inteligen dapat membantu para pebisnis menjelajahi data yang besar
untuk menemukan dan mengambil tindakan terhadap informasi yang dianggap penting.
Agen inteligen (intelligent agent) adalah program peranti lunak yang bekerja di latar
belakang tanpa intervensi manusia secara langsung untuk menjalankan tugas-tugas yang
spesifik, berulang, dan dapat diprediksi. Tugas-tugas tersebut dilakukan bagi pengguna
perorangan, proses bisnis, atau aplikasi peranti lunak. Agen Inteligen menggunakan basis
pengetahuan bawaan yang terbatas atau basis pengetahuan yang dipelajari untuk
menyelesaikan tugas atau untuk membuat keputusan atas nama pengguna, seperti
menghapus e-mail yang tidak berguna, menjadwalkan janji, atau menjelajahi melalui
jaringan untuk menemukan biaya perjalanan termurah ke California.
Sekarang ini ada banyak aplikasi agen inteligen dalam sistem operasi, aplikasi peranti
lunak, sistem e-mail, peranti lunak komputasi bergerak, dan perjalanan jaringan. Sebagai
contohnya, wizard yang terdapat di peranti lunak Microsoft Office memiliki kemampuan
untuk menunjukkan kepada pengguna bagaimana cara menyelesaikan bermacam
pekerjaan, seperti memformat dokumen atau membuat grafik, dan mengantisipasi kapan
pengguna membutuhkan bantuan.
Agen inteligen yang menjadi perhatian dalam bisnis adalah agen inteligen untuk
menelusuri jaringan, termasuk internet untuk mencari informasi. Bab 7 menjelaskan
bagaimana agen inteligen dapat membantu para konsumen menemukan produk yang
mereka inginkan dan membantu mereka membandingkan harga dan fitur lainnya.
Banyak fenomena kompleks dapat dimodelkan sebagai sistem dari agen yang
memiliki otonomi yang mengikuti aturan yang relatif sederhana untuk interaksi. Aplikasi
pemodelan berbasis agen (agent-based modeling) telah dikembangkan untuk
memodelkan tingkah laku konsumen, pasar saham, dan rantai pasokan serta untuk
memprediksi penyebaran wabah penyakit.
Procter & Gamble (P&G) menggunakan pemodelan berbasis agen untuk
meningkatkan koordinasi antar anggota dalam rantai pasokan sebagai respons atas kondisi
bisnis yang berubah-ubah (Sadeh, Hildum, dan Kjenstad 2003;Cavalieri, Cesarotti, dan
Introna 2003). Figur 2-15 mengilustrasikan penerapan agen inteligen di jaringan rantai
pasokan Procter & Gamble. Jaringan tersebut memodelkan rantai pasokan yang kompleks
sebagai kelompok “agen” semiotonom yang merepresentasikan komponen-komponen
rantai pasokan, misalnya “berangkatkan truk jika telah penuh”. Simulasi menggunakan
agen memungkinkan perusahaan untuk melakukan analisis “bagaimana jika” dalam
persediaan, batas persediaan toko, dan biaya transportasi.
Dengan menggunakan model agen inteligen, P & G menemukan bahwa truk-truk
harus sering diberangkatkan sebelum terisi penuh. Walaupun ongkos transportasi akan
menjadi lebih tinggi jika menggunakan truk yang tidak terisi penuh karena waktu sopir
dan bahan bakar untuk mengantarkan barang-barang yang lebih sedikit jumlahnya,
simulasi menunjukkan bahwa kehabisan stok di toko eceran akan lebih jarang terjadi,
sehingga akan mengurangi kesempatan penjualan yang hilang. Hal tersebut akan lebih dari
sekadar menutupi biaya distribusi yang lebih mahal. Pemodelan berbasis agen telah
membantu P & G menghemat $300 juta setiap tahunnya atas investasi yang nilainya hanya
kurang dari 1 persen dari jumlah tersebut.
34
FIGUR 2-5 AGEN INTELIGEN DALAM JARINGAN RANTAI PASOKAN P&G
Proyek ini menyediakan kesempatan bagi anda untuk mengidentifikasi aplikasi untuk
manajemen pengetahuan pada bisnis di dunia nyata dan untuk mengusulkan aplikasi-
aplikasi manajemen pengetahuan yang menambahkan nilai bagi perusahaan.
Pihak manajemen senior telah membaca mengenai manajemen pengetahuan dan
meminta anda mengeksplorasi kesempatan-kesempatan pengembangan manajemen
pengetahuan di Dirt Bikes. Tulis laporan yang menjawab pertanyaan-pertanyaan berikut :
Apa saja aset pengetahuan yang terpenting di Dirt Bikes? Fungsi dan posisi
karyawan apakah yang bertanggung jawab menciptakan, mendistribusikan, dan
menggunakan aset pengetahuan ini? Apakah semua aset ini adalah pengetahuan
eksplisit?
Pengetahuan di luar organisasi apakah yang diperlukan oleh perusahaan?
35
Bagaimana kelompok karyawan berikut memperoleh manfaat dari adanya
manajemen pengetahuan : perancang dan insinyur, spesialis pengembangan
produk, spesialis pemasaran, staf dan petugas penjualan, dan manajer?
Gunakan peranti lunak presentasi elektronik untuk merangkum temuan anda untuk
disampaikan pada pihak manajemen.
Sistem ahli biasanya menggunakan aturan dalam jumlah yang besar. Proyek ini telah
disederhanakan untuk mengurangi jumlah aturannya, tetapi proyek ini akan memberi anda
pengalaman kerja dengan serangkaian aturan untuk mengembangkan sebuah aplikasi.
Saat para karyawan di perusahaan anda pensiun, mereka diberikan bonus uang tunai.
Bonus uang tunai ini didasarkan pada lamanya seseorang bekerja dan umurnya. Untuk
mendapatkan bonus, karyawan harus berusia minimal 50 tahun dan telah bekerja di
perusahaan minimal selama lima tahun.
Dengan menggunakan informasi yang tersedia, buatlah sistem ahli yang sederhana.
Carilah salinan dari versi demo sebuah perangkat peranti lunak sistem ahli di web yang
dapat anda unduh. Alternatif lainnya adalah menggunakan peranti lunak spreadsheet anda
untuk membuat sistem ahli.
Proyek ini akan memberi anda pengalaman menggunakan bot belanja untuk mencari
produk secara on-line, menemukan informasi produk, dan menemukan harga dan vendor
terbaik.
Anda ingin membeli kamera digital terbaru. Pilihlah kamera digital yang ingin anda
beli, seperti misalnya Canon Powershot SD700 atau Fuji Finepix E900. Untuk membeli
kamera dengan harga semurah mungkin, cobalah beberapa situs bot belanja yang dapat
membantu anda melakukan perbandingan harga. Kunjungilah My Simon
(www.mysimon.com), BizRate.com (www.bizrate.com), dan Froogle.com.
Bandingkanlah ketiga situs belanja tersebut dari segi kemudahan penggunaan, jumlah
penawaran, kecepatan mendapatkan informasi, kelengkapan informasi mengenai produk
yang ditawarkan dan penjualnya, dan pilihan harganya. Situs manakah yang akan anda
gunakan dan mengapa? Kamera maan yang akan anda pilih dan mengapa? Seberapa
besarkan bantuan situs-situs tersebut bagi anda dalam mengambil keputusan?
36
BAB 3
PENUTUP
3.1. KESIMPULAN
37
SKP adalah system yang dikembangkan khusus untuk para teknisi, ilmuwan dan
para pekerja di bidang pengetahuan lainnya yang betugas memperoleh dan menciptakan
pengetahuan baru bagi perusahaan mereka.
Kecerdasan Tiruan (atau artificial intelligence [AI]) adalah upaya untuk
mengembangkan system berbasis computer (baik perangkat keras maupun perangkat
lunak) yang berperilaku seperti manusia. Teknik kecerdasan lainnya terdiri atas jaringan
sistem saraf, fuzzy logic, algoritma genetik dan intelegent agent.
DAFTAR PUSTAKA
38