BAB 1

PENDAHULUAN

1.1. Latar Belakang

Banyak organisasi yang ingin membangun Sistem Informasi Manajemennya sendiri,
dan telah menyediakan dana yang cukup, tetapi ternyata usaha tersebut sering kali gagal.
Penyebabnya antara lain ialah: struktur organisasi keseluruhan yang kurang wajar, rencana
organisasi keseluruhan yang belum memadai, personil sistem yang tidak memadai, dan
yang terpenting adalah kurangnya partisipasi manajemen dalam bentuk keikutsertaan para
manajer dalam merancang sistem, mengendalikan upaya pengembangan system dan
memotivasi seluruh personil yang terlibat.
Para perancang sistem apabila akan mengembangkan Sistem Informasi Manajemen
hendaknya mempertimbangkan faktor manusiawi dengan cermat. Apabila tidak demikian,
maka sistem yang dihasilkan tidak efektif. Secara teoritis, komputer bukanlah persyarat
mutlak bagi sebuah Sistem Informasi Manajemen, namun dalam praktek agaknya menjadi
suatu kepercayaan bahwa Sistem Informasi Manajemen yang baik tidak akan berjalan
lancar tanpa bantuan kemampuan dalam mengelola pengetahuan.

1.2. Rumusan Masalah

Dari latar belakang di atas, maka kami dapat menyimpulkan beberapa rumusan
masalah, sebagai berikut :
1. Apa yang dimaksud manajemen pengetahuan?
2. Apa yang dimaksud dengan sistem manajemen pengetahuan keseluruhan perusahaan?
3. Apa itu sistem kerja pengetahuan?
4. Apa yang dimaksud dengan teknik cerdas?

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

2.1. BIDANG MANAJEMEN PENGETAHUAN

Sistem manajemen pengetahuan telah menjadi salah satu bidang yang paling cepat
berkembang dalam investasi peranti lunak perusahaan dan pemerintahan. Figur 2-1
menunjukkan bahwa penjualan peranti lunak manajemen pengetahuan perusahaan pada
tahun 2006 diperkirakan akan tumbuh sebesar 35 persen per tahunnya. Padahal, perkiraan
pertumbuhan seluruh peranti lunak hanya 6 persen per tahunnya pada waktu yang sama.

Peranti lunak manajemen pengetahuan perusahaan yang meliputi penjualan

manajemen isis dan lisensi portal adalah slah satu jenis peranti lunak yang pertubuhannya
palig cepat, yaitu 35 persen pertahunnya.

(eMarketer, 2003). Satu dekade terakhir menunjukkan pertumbuhan pesat dalam

penelitian mengenai pengetahuan dan manajemen pengetahuan di bidang ekonomi,
manajemen, dan sistem informasi (Alavi dan Liedner, 2001; Cole, 1998)

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.

Manajemen pengetahuan telah menjadi aspek penting di banyak perusahaan di mana

para manajernya menyadari bahwa keberhasilan perusahan mereka bergantung pada
kemampuan perusahaan untuk menciptakan dan mengelola pengetahuan. Penelitian
menunjukkan bahwa bagian yang cukup besar dari harga saham perusahaan berhubungan
dengan aset yang tidak kasat mata, di mana pengetahuan adalah salah stu komponen
penting selain merek, reputasi, dan proses bisnis yang unik (Gu dan Lev, 2001). Proyek-
proyek berbasis pengetahuan yang dilaksanakan dengan baik terbukti menghasilkan imbal
balik investasi yang sangat baik sekalipun investasi di bidang pengetahuan sulit untuk
diukur (Blair dan Wallman, 2001).

FIGUR 2-1 PENDAPATAN PERANTI LUNAK MANAJEMEN PENGETAHUAN

PERUSAHAAN DI AMERIKA SERIKAT 2001-2006

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.

TABEL 2-1 DIMENSI PENTING PENGETAHUAN

PENGETAHUAN ADALAH ASET PERUSAHAAN

Pengetahuan adalah aset yang tidak terwujud.
Perubahan data menjadi pengetahuan dan informasi yang berguna memerlukan
penggunaan sumber daya organisasional.
Pengetahuan tidak mengikuti hukum hasil yang semakin berkurang (law of diminishing
returns) yang berlaku untuk aset fisik, tetapi justru mengalami dampa jaringan; nilainya
akan terus bertambahseiring dengan semakin banyaknya pengetahuan tersebut digunakan
oleh semakin banyak orang.

PENGETAHUAN ADA DALAM BERBAGAI BENTUK

Pengetahuan dapat bersifat tersirat tetapi juga bersifat eksplisit (dikondifikasikan).
Pengetahuan meliputi cara melakukan sesuatu, keterampilan, dan keahlian.
Pengetahuan meliputi cara mengikuti suatu prosedur.
Pengetahuan meliputi alasan mengapa, bukan sekedar kapan, sesuatu terjadi (kausalitas)
PENGETAHUAN MEMILIKI LOKASI
Pengetahuan adala peristiwa kognitif yang melibatkan model dan pemetaan pemikiran
orang.
Pengetahuan memiliki basis sosial dan individual.
Pengetahuan bersifat “melekat” (sulit digerakkan), letaknya pasti (menyatu dengan budaya
perusahaan tertentu), dan kontekstual (hanya tepat digunakan pada situasi tertentu)
PENGETAHUAN BERSIFAT SITUASIONAL
Pengetahuan bersifat kondisional: mengetahui kapan saat menerapkan suatu prosedur sama
pentingnya dengan mengetahui prosedur itu sendiri(kondisional).
Pengetahuan berkaitan dengan konteks: anda harus tahu bagaimana menggunakan
perangkat tertentu dan pada situasi seperti apa anda dapat menggunakan perangkat
tersebut.

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.

Pembelajaran Organisasi dan Manajemen Pengetahuan

Seperti halnya manusia, organisasi menciptakan dan mengumpulkan pengetahuan
menggunakan beberapa mekanisme pembelajaran organisasional. Melalui sekumpulan
data, kegiatan terencana dengan pengukuran yang teliti, percobaan, dan masukan dari
pelanggan maupun lingkungan sekitar, organisasi mendapatkan pengalaman. Organisasi
yang mempelajari hal-hal di atas akan mengubah perilakunya dengan membuat proses
bisnis baru dan mengubah pola manajemen pengambilan keputusannya. Proses perubahan
ini di sebut pembelajaran organisasi (organizational learning). Organisasi yang dapat
merasakan dan merespon lingkungannya secara cepat akan bertahan lebih lama
dibandingkan organisasi yang mekanisme pembelajarannya kurang baik.

B. Rantai Nilai Manajemen Pengetahuan

Manajemen pengetahuan (knowledge management) adalah seperangkat proses
bisnis yang dikembangkan dalam organisasi untuk menciptakan, menyimpan,
memindahkan dan menerapkan pengetahuan. Manajemen pengetahuan meningkatkan
kemampuan perusahaan dalam mempelajari lingkungan sekitar dan menerapkan
pengetahuan tersebut dalam proses bisnisnya. Figur 2-2 menunjukkan 5 langkah yang
memberi nilai tambah dalam rantai nilai manajemen pengetahuan. Setiap langkah dalan
rantai tersebut memberikan nilai tambah kepada data mentah dan informasi ketika diubah
menjadi pengetahuan yang bermanfaat.
Dalam figur 2-2, kegiatan sistem informasi dan kegiatan manajemen atau
organisasional yang terkait dipisahkan oleh suatu garis. Kegiatan sistem informasi terletak
di bagian atas, kegiatan manajemen dan perusahaan terletak dibawahnya.salah satu slogan
yang tepat dalam manajemen pengetahuan adalah “dalam manajemen pengetahuan yang
efektif, 80 persennya ada di sisi manajerial dan organisasional, sedangkan 20 persenny
sisanya teknologi”.
Di bab 1 modal organisasional dan modal manajemen didefinisikan sebagai
serangkaian proses bisnis, budaya, dan perilaku yang dibutuhkan untuk mendapatkan nilai
investasi di bidang sistem informasi. Dalam kasus manajemen pengetahuan, seperti halnya
investasi di bidang sistem informasi lainnya, harus dibangun pola-pola nilai, struktur, dan
perilaku untuk memaksimalkan imbal balik investasi dalam proyek manajemen
pengetahuan. Dalam figur 2-2, kegiatan manajemen dan organisasional pada bagian bawah
melmbangkan investasi dalam modal organisasional yang dibutuhkan untuk mendapatkan
imbal balik atas modal yang cukup besar dalam sistem dan investasi TI yang berada di
bagian atas.

FIGUR 2-2 RANTAI NILAI MANAJEMEN PENGETAHUAN

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.

Membangun Modal Organisasi dan Modal Manajemen: Kolaborasi, Komunitas

Praktik, dan Lingkungan Perkantoran
Selain aktivitas yang telah dijelaskan, para manajer dapat membantu dengan cara
pengembangan peranan dan tanggung jawab baru dalam organisasi untuk memperoleh
pengetahuan. Yang termasuk didalamnya adalah menciptakan posisi-posisi baru, seperti
direktur eksekutif manajemen pengetahuan, staf yang ditugaskan untuk membantu

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.

C. Jenis-Jenis Manajemen Pengetahuan

Secara mendasar, terdapat tiga jenis sistem manajemen pengetahuan yang umum
digunakan: sistem manajemen pengetahuan keseluruhan perusahaan, sistem kerja
pengetahuan, dan teknik cerdas. Figur 1103 menunjukkan aplikasi yang digunakan bagi
setiap sistem manajemen pengetahuan tersebut.
Sistem manajemen pengetahuan perusahaan adalah sistem serba guna yang digunakan
oleh perusahaan untuk mengumpulkan, menyimpan, mendistribusikan, dan menerapkan
pengetahuan dan muatan digital. Sistem ini menyediakan basis data berikut perangkatnya
untuk menyusun dan menyimpan dokumen terstruktur dan tidak terstruktur beserta objek
pengetahuan lainya, direktori dan perangkat untuk mencari karyawan yang berpengalaman
dibidang tertentu, dan perangkat berbasis web untuk kolaborasi dan komun ikasi. Bagian
2-2 membahas sistem manajemen pengetahuan perusahaan secara lebih terperinci.
FIGUR 2-3 JENIS SISTEM MANAJEMEN PENGETAHUAN YANG UMUM

7
 Terdapat tiga kategori umum dalam sistem manajemen pengetahuan, dan masing-
masing dapat dipecah menjadi jenis-jenis sistem manajemen pengetahuan yang lebih
khusus.

Perkembangan peranti lunak dan workstation canggih yang terhubung ke jaringan

untuk membantu teknisi dan ilmuan dalam menemukan pengetahuan baru telah
menciptakan sistem kerja pengetahuan baru seperti perancangan yang dibantu komputer,
visualisasi, simulasi, dan sistem realitas virtual. Sistem kerja pengetahuan (knowledge
work systems-KWS) adalah sistem yang dikembangkan khusus untuk para teknisi, ilmuan,
dan para pekerja di bidang pengetahuan lainnya yang bertugas memperoleh dan
menciptakan pengetahuan baru bagi perusahaan mereka. Beberapa aplikasi pengetahuan
kerja akan dibahas secara lebih terperinci pada bagian 2.3.
Manajemen pengetahuan juga meliputi berbagai kelompok teknik cerdas (intelligent
tecgniques) seperti penggalian data, sistem canggih, jaringan sarf, logika fuzzy, algoritme
genetik, dan agen intelegen. Teknik-teknik ini memiliki tujuan yang berbeda, mulai dari
pada fokus menemukan pengetahuan baru (penggalian data dan jaringan saraf),
pengolahan pengetahuan dalam membentuk aturan bagi program komputer (sistem ahli
dan logika fuzzy), sampai pada bagian mendapatkan solusi optimal untuk suatu masalam
(algoritme genetik). Bagian 2.4. menjelaskan teknik-teknik cerdas secara lebih terperinci.

D. Peran Manajemen Pengetahuan

Implementasi knowledge management atau manajemen pengetahuan akan

memberikan pengaruh positif terhadap proses bisnis perusahaan baik secara langsung
maupun tidak langsung, beberapa peran knowledge management atau manajemen
pengetahuan bagi perusahaan antara lain:

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.

2.2 SISTEM MANAJEMEN PENGETAHUAN KESELURUHAN PERUSAHAAN

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).

FIGUR 2-4 SISTEM MANAJEMEN PENGETAHUAN KESELURUHAN

PERUSAHAAN

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:

1. Sistem Pengelolaan Rantai Pasokan

Sistem ini berarti melakukan otomatisasi terhadap sistem yang mengalirkan informasi
dari perusahaan kepada pemasoknya dan sebaliknya. Otomatisasi itu dilakukan dalam
usaha untuk mengoptimalkan perencanaan, persediaan bahan baku, produksi, pengiriman
produk dan jasa. Jika aliran informasi ini berlangsung dengan lancar dan cepat, maka
perusahaan tidak perlu memiliki gudang sendiri untuk menyimpan bahan baku. Hal ini
disebabkan kebutuhan itu dapat dipenuhi oleh pemasok dala waktu yang sinkat, karena
pemasok dapat memperoleh informasi dari perusahaan secara cepat. Boleh jadi, sudah
terbentuk sistem terintegrasi antara perusahaan dan pemasok. Dengan melakukan
komputerisasi sistem pengelolaan rantai pasokan maka perusahaan dapat menghemat
investasi, sehingga lebih kompetitif dalam memasarkan produk jadinya.

2. Sistem Pengelolaan Relasi Pelanggan

Perusahaan tidak dapat menjaga kelangsungan hidupnya tanpa adanya pelanggan,
maka pelanggan merupakan faktor penting yang harus dikelola dengan baik. Untuk
membangun hubungan yang terintegrasi antara perusahaan dengan pelanggan, maka harus
dibentuk suatu sistem informasi yang dapat memfasilitasi komunikasi dan hubungan
antara kedua belah pihak. Penyelenggaraan fasilitas chatting atau e-mail bahkan suatu
sitem database untuk menampung umpan balik dari pelanggan merupakan suatu bentuk
minimal yang perlu disediakan, sehingga informasi itu dapat mengalir dengan lancar.

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.

4. Sistem Pengelolaan Pengetahuan

Indikator keempat merupakan puncak dari gelombang inovasi teknologi informasi
dalam suatu perusahaan digital, yaitu dengan membangun sistem yang mendukung untuk
menciptakan kreasi solusi, mencatat, menyimpan dan menyebarkan pengetahuan dan
keahlian. Salah satu bentuk sistem ini sering disebut dengan Sistem Pendukung Keputusan
(SPK) dan Sistem Pakar

B. Sistem Pengetahuan Terstruktur

11
 Masalah mendasar dalam mengelola pengetahuan terstruktur adalah membuat skema
klasifikasi yang sesuai untuk menyusun informasi dalam basis data pengetahuan menjadi
kategori yang bermanfaat dan mudah diakses oleh seluruh karyawan. Setelah kategori
dibuat untuk menggolongkan pengetahuan, setiap dokumen harus ditandai atau diberi kode
sehingga mesin pencari dapat menemukan dokumen tersebut dan meningkatkan kualitas
pencarian. Sistem pengetahuan terstruktur melakukan fungsi implementasi penandaan
dokumen, antarmuka dengan basis data perusahaan yang dapat digunakan oleh karyawan
yang memerlukan pengetahuan perusahaan.
Semua perusahaan akuntansi dan konsultasi besar telah mengembangkan
penyimpanan dokumen terstruktur dan laporan dan berbasis kasus yang dari para konsultan
yang menangani klien mereka. Laporan tersebut umumnya dibuat setelah proses konsultasi
dengan klien selesai dilakukan. Laporannya berisi tujuan konsultasi ,siapa saja yang
berperan serta, dana pa yang di lakukan untuk memenuhi kebutuhan klien. Laporan ini
kemudian disimpan dalam basis data besar untuk digunakan di kemudian hari, baik untuk
pelatihan konsultan baru maupun untuk pembekalan konsultan yang akan bergabung
dengan tim yang sedang mengerjakan proyek sejenis.
Salah satu sistem pengetahuan terstruktur terbesar di dunia adalah KWorld milik
KPMG. KPMG International adalah perusahaan internasional di bidang akuntansi dan
perpajakan dengan 97000 orang karyawan profesional dan memiliki 1.100 kantor di 144
negara. Dengan klien dan karyawan berskala global seperti itu , KPMG menghadapi
maslah dalam berbagai pengetahuan , mencegah agar jangan ada pengetahuan yang hilang
ketika ada konsultan yang pensiun atau keluar dari perusahaan , mendistribusikan contoh
pekerjaan , dan mencegah kebocoran informasi yang tiidak diperlukan ke konsultan –
konsultan perorangan.
KWorld menangani masalah ini dengan menggunakan perangkat kolaborasi dan
sistem muatan pengetahuan terpadu untuk digunakan di seluruh dunia. Walaupun fungsi
sesungguhnya adalag sebagai pusat dokumen ,Kworld juga memiliki kemampuan
kolaborasi online dan pelaporam internal bagi para konsultan . Kworld menyimpan laporan
resmi, presentasi,proposal pekerjaan, artikel , hasil diskusi internal, bahan pemasaran ,
riwayat pekerjaan , masukan , penelitian industri dari pihak lain,dan data intelektual yang
penting lainnya .
Isi pengetahuan dibagi menjadi tiga tingkat , sesuai dengan produk dan pangsa pasar
KPMG . Setiap tingkat terdiri atas banyak aubkategori. Sebagai contoh, bagian
pengetahuan mengenai klien meliputi kwuanhan,dinamika industri, perubahan
dinamis,organisasi klien,produk dan pelanggan klien dan sejarah pekerjaan yang telah
dilakukan KWorld . Para konsultan menggunakan Kworld untuk melakukan koordinasi
tim dengan para klien dan para klien juga dapat mengakses lingkungan kolaborasi tersebut.
KPMG telah melakukan investasi besar-besaran dalam melakukan organisasi dan
manajemen modal agar dapat menggunakan jutaan dokuem yang terismpan di KWorld.
KPMG membuat divisi manajemen pengetahuan , yang dikepalai oleh seorang direktur
pengetahuan. Staf analis dan pustakawan dalam jumlah besar menelaah informasi yang
masuk , memastikan bahwa informasi tersebut telah dimasukkan ke dalam kategori yang
tepat dan memberikan analisis mengenai seberapa pentingnya informasi 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.

FIGUR 2-5 RANAH PENGETAHUAN KWORLD

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.

FIGUR 2- 6 SISTEM MANAJEMEN PENGETAHUAN TERIBTEGRASI OPENTEXT

LIVELINK ECM

Mengorganisasikan Pengetahuan : Taksonomi dan Penandaan

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.

D. Sistem Jaringan Pengetahuan

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 2-7 SISTEM JARINGAN PENGETAHUAN ASK ME ENTERPRISE

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.

E. Teknologi Pendukung: Portal, Perangkat Kolaborasi, Dan Sistem Manajamen

Pembelajaran
Vendor sistem manajemen pengetahuan komersial besar telah mengintegrasikan isi
dan kemampuan manajemen dokumennya dengan portal dan teknologi kolabrorasi yang
canggih. Portal pengetahuan perusahaan dapat memberikan akses pada informasi sumber
daya eksternal, seperti umpanan berita dan riset, chat/pesan instan, diskusi kelompok, dan
konferensi video.
Bab 7 menjelaskan kemampuan groupware dalam mengorganisasikan informasi
berbagi dan kolabrorasi. Perusahaan-perusahaan sekarang mulai menggunakan teknologi
web umum seperti blog, wiki, dan social bookmarking dalam pengunaan internal untuk
memfasilitasi pertukaran informasi antarindividu dan tim.
CEO Intel, Paul Ottelini, menggunakan blog untuk menyampaikan pemikirannya
kepada para karyawan dan untuk berkolabrorasi dan berbagi pengetahuan mengenai klien
dan proyek, sementara perusahaan farmasi Prancis Ipsen menggunakan blog untuk
mengelola reputasi dan untuk mengumpulkan kecerdasan kompetitif.
Wiki (diperkenalkan pada Bab 7), relatif tidak mahal, mudah diimplementasikan dan
digunakan, dan tidak memerlukan penerapan peranti lunak besar-besaran. Wiki ditujukan
untuk merangsang kolaborasi. Para pengguna menentukan isinya, menghilangkan
kebutuhan akan pusat distribusi sentral dengan manajemen yang luas. Wiki dapat
memusatkan semua jenis data perusahaan yang dapat ditampilkan dengan browser Web,
termasuk dokumen Microsoft Word, spreadsheet, slide Microsoft Power Point, dan
halaman-halaman elektronik dari dokumen, dan dapat ditempelkan pada e-mail, dan pesan
instan. Wiki heavy-duty mampu secara langsung tersambung dengan basis data perusahaan
untuk mengimpor arsip-arsip audio dan gambar. Walaupun pengguna dapat memodifikasi
isi wiki yang disumbangkan oleh pengguna lain, wiki memiliki beberapa fungsi kontrol
versi yang sifatnya bawaan. Tidak ada perubahan yang dapat dibuat tanpa mencatat siapa
pelaku dari perubahan tersebut dan suatu informasi dapat saja dikembalikan ke versi
sebelumnya.
Fitur-fitur wiki ini membuat wiki sangat menonjol bagi bisnis kecil dengan dana dan
staf teknologi yang terbatas, tapi juga digunakan oleh perusahaan besar. Nokia telah
menggunakan peranti lunak wiki Social text untuk memfasilitasipertukaran informasi
dalam Insight and Foresight Group-nya. Intel Corp. Membuat wiki yang disebut intelpedia
yang memungkinkan karyawan mengumpulkan informasi dan berkolaborasi dalam proyek
tanpa harus mengirim e-mail yang sangat banyak (Vara, 2006). Socialtext, Jotspot, dan

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.

Sistem Manajemen Pembelajaran

Perusahaan memerlukan cara untuk selalu melacak dan mengatur pembelajaran
karyawan dan untuk mengintegrasikannya secara lebih menyeluruh ke dalam manajemen
pengetahuannya dan sistem perusahaan lainnya. Sistem manajemen pembelajaran
(learning management system – lms) menyediakan alat bantu untuk manajemen,
pengiriman, pelacakan, dan penilaian berbagai jenis pembelajaran dan pelatihan karyawan.
Sistem manajemen pembelajaran yang sifatnya kontemporer mendukung banyak
mode, termasuk CD-ROM, video yang dapat diunduh, kelas berbasis web, pengajaran
langsung dalam kelas atau online, dan kelompok belajar dalam forum-forum online dan
sesi chat. Sistem manajemen pembelajaran menggabungkan pelatihan dengan beragam
media, mengotomatisasi pemilihan dan administrasi kursus, menggabungkan dan
mengirimkan bahan pembelajaran, dan mengukur efektivitas proses belajar.
Sebagai contoh, Naval Education Training Command (NETC) menggunakan THINQ
Training Server Learning Manajemen System untuk mengatur pelatihan elektronik yang
dipandu pengajar untuk 47.000 petugas dan orang yang terdaftar dalam 3.600 kursus yang
berbeda. Sistem ini menyediakan alat bantu untuk menilai keahlian dan kompetensi
perorangan, mengelola rencana pembelajaran pribadi, dan mencari sertifikasi yang
diperlukan. Dengan sistem iniAngkatan Laut AS menghemat sekitar $40 juta dari ongkos
perjalanan setiap tahunnya dan juga mengurangi jumlah waktu yang diperlukan untuk
pelatihan (Hollis, 2004).

2.3. SISTEM KERJA PENGETAHUAN

Sistem pengetahuan perusahaan yang baru saja digambarkan menyediakan kapabilitas
luas yang dapat digunakan oleh banyak, jika tidak semua, pekerja, dan kelompok dalam
organisasi. Perusahaan juga memiliki sistem khusus bagi pekerja pengetahuan untuk
membantu membuat pengetahuan baru dan menjamin bahwa pengetahuan ini terintegrasi
secara tepat dalam bisnis.

A. Pekerja Pengetahuan dan Kerja Pengetahuan

Pekerja pengetahuan, yang diperkenalkan dalam Bab 1 meliputi peneliti, perancang,
arsitek, ilmuwan, dan insinyur yang bertugas menciptakan pengetahuan dan informasi bagi
organisasi. Pekerja pengetahuan biasanya memiliki tingkat pendidikan yang tinggi,

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.

B. Persyaratan Sistem Kerja Pengetahuan

Kebanyakan pekerja pengetahuan mengandalkan sistem perkantoran, seperti pengolah
kata, voice mail, e-mail, konferensi video, dan sistem penjadwalan yang dirancang untuk
meningkatkan produktivitas di kantor. Pekerja pengetahuan juga memerlukan sistem kerja
pengetahuan yang sangat spesifik dengan gratis, alat bantu analisis, dan kemampuan
komunikasi dan manajemen dokumen yang canggih.
Sistem ini memerlukan kekuatan komputasi mendasar untuk menangani grafik-grafik
yang rumit atau perhitungan yang kompleks yang dibutuhkan oleh pekerja pengetahuan,
seperti peneliti ilmiah, perancang produk, dan analis keuangan. Karena pekerja
pengetahuan sangat fokus pada pengetahuan di dunia eksternal, sistem ini juga harus
memberikan kemudahan dan kecepatan mengakses basis data eksternal. Umumnya
antarmukanya mudah digunakan dan memungkinkan pengguna untuk melakukan
pekerjaan tanpa harus membuang waktu terlalu lama memperlajari cara kerja sistem.
Pekerja pengetahuan dibayar mahal, karenanya pemborosan waktu pekerja akan memakan
biaya yang terlalu mahal. Figur 2-8 menggambarkan kebutuhan sistem kerja pengetahuan.

FIGUR 2-8 KEBUTUHAN SISTEM KERJA PENGETAHUAN

19
 Peranti lunak

Grafik Visualisasi
Basis Pengetahuan Eksternal
Pemodelan Simulasi

Pengelolaan Dokumen Komunikasi

Antarmuka

Pengguna

Workstation pengetahuan sering kali dirancang dan dioptimalkan untuk melakukan

tugas yang spesifik. Contohnya, seorang perancang teknik membutuhkan workstation
dengan spesifikasi lebih tinggi dibandingkan kebutuhan seorang analis keuangan.
Perancang teknik membutuhkan kemampuan grafis tinggi agar dapat menggunakan sistem
perancangan tiga dimensi. Akan tetapi seorang analis keuangan membutuhkan akses lebih
baik terhadap basis data dan teknologi eksternal agar dapat menyimpan dan mengakses
data keuangan yang besar secara lebih efisien.

C. Contoh Sistem Kerja Pengetahuan

Aplikasi sistem kerja pengetahuan secara umum dibagi menjadi tiga, yaitu sistem
perancangan dibantu komputer, sistem realitas virtual untuk simulasi dan pemodelan, dan
workstation keuangan. Desain berbantuan komputer (computer-aided design-CAD)
membuat proses penciptaan dan revisi rancangan menjadi otomatis, dengan menggunakan
komputer dan peranti lunak grafis yang rumit. Untuk melakukan modifikasi rancangan
dengan metode rancangan yang lebih tradisional, dibutuhkan cetakan dan purwarupa

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

2.4. TEKNIK CERDAS

Kecerdasan buatan dan teknologi basis data memberikan sejumlah teknik cerdas yang
dapat digunkana oleh berbagai organisasi untuk ‘’menangkap’’ pengetahuan perorangan
dan pengetahuan kolektif, serta mengembangkan pengetahuan tersebut. System-sistem
ahli, penalaran berbasis kasus, dan logika fuzzy digunakan untuk menangkap pengetahuan
yang tersembunyi. Jaringan saraf tiruan dan penggalian digunakan untuk penemuan
pengetahuan (knowledge discovery). Mereka dapat menemukan pola, kategori, dan
tingkah laku dasar dalam kumpulan data yang besar yang tidak mungkin ditemukan oleh
manajer seorang diri atau berdasarkan pengalaman semata. Algoritme genetic digunakan
untuk memberikan solusi untuk permasalahan yang lebih besar dan kompleks untuk dapat
dianalisis oleh manusia. Agen-agen intelijen dapat secara otomatis melakukan pekerjaan-
pekerjaan rutin untuk membantu perusahaan mencari dan menyaring informasi utnuk
digunakan dalam iklan elektronik, manajemen rantai pasokan, dan aktivitas lainnya.
Penggalian data, yang telah dibahas dalam bab , membantu organisasi menangkap
pengetahuan yang belum ditemukan yang berada dalam basis data yang besar, memberikan
wawasan baru untuk mengembangkan kinerja bisnis kepada para manajer. Ini telah
menjadi perangkat penting dalam pengambilan keputasan telah dibahas secara teperinci
pada Bab 12.
Teknik cerdas lainnya yang dibahas pada bagian ini didasarkan pada teknologi
kecerdasan buatan (artificial intelligence-AI) yang terdiri dari system berbasis compute
(baik perangkat keras maupun perangkat lunak) yang berusaha untuk menyemai tingkah
laju manusia. System semacam ini mampu mempelajari bahasa, menyelesaikan pekerjaan
fisik, dan menyemai keahlian dan cara pengambilan keputusan manusia. Walaupun
apliaksi kecerdasan buatan tidak dapat menyemai kecerdasan manusia dalam hal keluasan,

23
kompleksitas, keaslian, dan generalitas pemikiran, kecerdasan buatan ini memiliki peranan
penting dalam manajemen pengetahuan.

A. Menangkap Pengetahuan: Sistem Ahli

System ahli (expert system) adalah teknik cerdas untuk menangkap pengetahuan yang
tersembunyi dalam keahlian manusia yang sangat spesifik dan terbatas cakupannya.
System ini menangkap pengetahuan dari pekerja pakar dalam bentuk serangkaian aturan
dalam system peranti lunak yang dapat digunakan oleh orang lain dalam organisasi
tersebut. Serangkaian aturan dalam sitem ahli ditambahkan kedalam memori atau
pembelajaran perusahaan.
System ahli tidak memiliki pengetahuan yang luas dan juga mempunyai pemahaman
prinsip dasa yang memiliki oelh seorang pakar. System ini biasanya hanya dapat
melakukan pekerjaan yang sangat terbatas yang dapat dilakukan oleh seorang pakar dalam
beberapa menit atau jam, seperti misalnya menganalisis kegagalan fungsi mesin atau
menentukan apakah seorang layak mendapatkan kredit pinjaman. Masalah-masalah yang
tidak dapat diselesaikan oleh manusia dalam waktu singkat seperti yang disebutkan
sebelumnya tidak akan mampu diselesaikan oleh system ahli. Meskipun demikian, dengan
menangkap keahlian manusia dalam beberapa bidang terbatas, system ahli dapat
memberikan keuntungan, membantu organisasi membuat keputusan berkualitas tinggi
dengan jumlah orang yang lebih sedikit. Dewasa ini, system ahli digunakan secara luas
didunia bisnis dalam situasi-situasi pengambilan keputusan tertentu.

Bagaimana Sistem Ahli Bekerja

Pengetahuan manusia harus dimodelkan atau dipresentasikan sedemikian rupa
sehingga dapat diprose oleh computer. System ahli membuat model pengetahuan manusia
menjadi serangkaiaan aturan yang secara kolektif disebut basisi pengetahuan (knowledge
base). System ahli memiliki jumlah aturan mulai dari 200 sampai beberapa ribu,
bergantung pada kompleksitas permasalahannya. Aturan-aturan tersebut jauh lebih
mengaakr dan saling terhubung satu sama lain dibangingkan program peranti lunak yang
biasa (lihat Figur 2-10).
Strategi yang digunakan untuk melakukan dalam basis pengetahuan disebut mesin
inferensi (inference engine). Dua strategi yang umumnya digunakan: penalaran maju dan
penalaran mundur.

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.

FIGUR 2-10 MESIN INFERENSI DALAM SISTEM AHLI

Jika petugas penjualan

atau asuransi berjangka
Jika Jika asuransi jiwa maka atau penasihat keuangan
pendapatan > kirim petigas penjualan maka cari di basis data
$100.000
maka
Jika
pendapatan Jika asuransi berjangka
>$50.000 dan maka kirim brosur
Jika tidak dalam
≤$100.000 basis data, maka
maka tambahkan file
Jika Resi Jika Real Estat > prospek
Estat maka $1.000.000 maka kirim
kontak lebih penasihat keuangan Jika penasihat
keuangan maka
siapakn kit
penjualan

26
 Mesin inferensi bekerja dengan mencari melalui aturan-aturan dan ‘’membuang’’
aturan sesuai dengan fakta-fakta yang dikumpulkan dan dimasukan oleh pengguna.

B. Kecerdasan Organisasial: Penalaran Berbasis Kasus

Tugas utama system ahli adalah menangkap pengetahuan tersirat dari seorang pakar,
namun organisasi juga harus memiliki pengetahuan dan keahlian kolektif yang telah
dikembangkan selama beberapa tahun. Pengetahuan organisasional ini dapat ditangkap
dan disimpan dengan menggunkan penalaran berbasis kasus (case-based reasoning-CBR).
Dalam penalaran berbasis kasus, deskripai dari pengalaman masa lalu seorang spesialis
yang diprepresentasikan sebagai contoh kasus disimpan dalam basisi data untuk digunakan
kembali disuatu waktu pada saat seorang pengguna berhadapan dengan kasus baru dengan
parameter yang seberupa. System kini mencari dalam basis data kasus yang memilki
karakteristik masalah yang serupa engan kasus baru, menemukan kasus yang paling tepat,
dan menerapkan solusi kasus lama pada kasus baru. Solusi yang sukses diberi tanda untuk
digunakan kmbali pada kasus baru, dan kedua nya disimpan bersama dengan kasus-kasus
lainnya dalam basis pengetahuan. Solusi yang gagal juga dicatat pada basisi data kasus
bersamaan dengan penjelasan mengapa solusi tersebut tidak dapat digunakan (lihat figure
2-11).
System ahli bekerja dengan menerapkan serangkaian aturan IF-THEN-ELSE yang
diambil dari para pakar (manusia). CBR, sebaliknya, merepresentasikan pngetahuan
sebagai sederetan kasus, dan pengetahuan ini terus-menerus dikembangkan dan diperbaiki
oleh pengguna. Anda akan menemukan penalaran berbasis kasus dalam system diagnosis
dibidang pengobatan atau dukungan pelanggan, dimana pengguna dapat diambil data
kasus dimasa lalu yang memiliki karakteristik serupa dengan kasus yang baru. System ini
memberikan usulan solusi atau diagnosis berdasarkan kasus paling mirip yang diperoleh
dari basis data.

FIGUR 2-11 CARA KERJA PENALARAN BERBASIS KASUS

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.

C. Sistem Logika Fuzzy

Kebanyakan orang tidak berfikir dengan menggunakan IF-THEN yang tradisional
atau dengan angka-angka yang tepat. Amnesia cenderung mengategorikan hal-hal secara
tidak tepat, dengan menggunakan aturan pengambilan keputusan yang mungkin memiliki
banyak perbedaan pengertian. Sebagai contoh, sorang laki-laki atau peremuan dapat saja
kuat atau cerdas. Sebuah perusahaan dapat digolongkan sebagai besar, sedang atau kecil.
Suatu temperature dapat digolongkan sebagai panas, sejuk, dingin atau hangat. Kategori-
kategori ini mempresentasikamm suatu rentang nilai.
Logika fuzzy (fuzzy logic) adalah teknologi berbasis aturan yang dapat
mempresentasikan ketidakpastian seperti yang tealh disebutkan, dengan menciptakan
aturan yang menggunakan nilai subjektif atau nilai yang mendekati. Logika fuzzy dapat
menjelaskan fenomena atau proses tertentu secara linguistic, kemudian
merepresentasikannya dalam sejumlah kecil aturan yang fleksibel. Organisasi dapat

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.

D. Jaringan Saraf Tiruan

Jaringan saraf tiruan (neural networks) digunakan untuk menyelesaikan masalah-
masalah yang kompleks dan sulit untuk dipahami, di mana sejumlah besar data mengenai
masalah tersebut telah dikumpulkan. Jaringan saraf tiruan mencari pola dan hubungan
dalam data yang sangat besar yang terlalu rumit dan sulit untuk dianalisis manusia.
Jaringan saraf tiruan menemukan pengetahuan ini dengan menggunakan perangkat keras
dan peranti lunak yang menyerupai pola-pola pemrosesan dalam otak manusia. Jaringan
saraf tiruan “mempelajari” pola-pola dari jumlah data yang banyak dengan menyaring
data, mencari hubungan, membangun model, dan mengoreksi kesalahan model itu sendiri
berkali-kali.
Jaringan saraf tiruan memiliki sejumlah besar node perasa dan pemroses yang secara
kontinu berinteraksi satu sama lain. Figur 2-13 merepresentasikan satu jenis jaringan saraf
tiruan yang terdiri atas lapisan masukan, lapisan keluaran, dan lapisan proses yang
tersembunyi. Manusia “melatih” jaringan ini dengan memberikan satu kelompok data
latihan di mana masukan menghasilkan satu kelompok keluaran atau kesimpulan yang
telah diketahui. Hal ini membantu komputer mempelajari solusi yang tepat dari contoh.
Seiring komputer diberikan lebih banyak data, setiap kasus dibandingkan dengan keluaran
yang diketahui. Jika ternyata berbeda, koreksinya dihitung dan diterapkan pada node
dalam lapisan proses yang tersembunyi. Langkah-langkah ini diulang sampai tercapai
suatu kondisi, seperti misalnya jumlah koreksi kurang dari angka tertentu. Jaringan saraf
tiruan dalam figur 2-13 telah mempelajari bagaimana mengidentifikasi kecurangan dalam
pembelian dengan kartu kredit. Selain itu, jaringan saraf tiruan dapat mengorganisasikan

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.

FIGUR 2-13 CARA KERJA JARINGAN SARAF TIRUAN

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).

FIGUR 2-14 KOMPONEN ALGORITME GENETIK

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

2.5. PRAKTIK APLIKASI SIM

Proyek pada bagian ini memberikan pengalaman langsung dalam mengembangkan
strategi sistem manajemen pengetahuan untuk perusahaan di dunia nyata, menggunakan
sistem ahli atau perangkat spreadsheet untuk menciptakan sistem ahli sederhana, dan
menggunakan agen inteligen untuk melakukan riset produk untuk penjualan di Web.

A. Mencapai Kinerja Operasional yang Prima : Mengidentifikasi Peluang

Manajemen Pengetahuan di Dirt Bikes USA.

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.

B. Memperbaiki Proses Pengambilan Keputusan : Membuat Sistem Ahli Sederhana

untuk Perencanaan Pensiun

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.

C. Memperbaiki Proses Pengambilan Keputusan : Menggunakan Agen Inteligen

untuk Membandingkan Pembelanjaan

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

Dalam mengelola pengetahuan, suatu perusahaan harus melengkapi 4 syarat

indikator sebagai perusahaan digital, harus bisa memanajemen pengetahuan dalam suatu
perusahaan, kita bisa menentukan sistem kerja pengetahuan dalam perusahaan, dan harus
tahu mengenai kecerdasan tiruan maupun teknik kecerdasan lainnya yang bisa digunakan
dalam perusahaan.
Indikator yang harus dipenuhi dalam perusahaan digital yaitu Sistem pengelolaan
rantai pasokan, Sistem pengelolaan relasi pelanggan, Sistem perusahaan, dan Sistem
pengelolaan pengetahuan. Manajemen Pengetahuan didefinisikan sebagai setiap proses
atau praktek membuat, memperoleh, menangkap, berbagi dan menggunakan pengetahuan,
di mana pun berada, untuk meningkatkan pembelajaran dan kinerja dalam organisasi.

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

 Laudon, Kenneth C; Jane P. Laudon.2005.Sistem Informasi Manajemen

 http://fuatu2sanah.blogspot.co.id/2016/01/mengelola-pengetahuan-untuk-
perusahaan.html

38