Sistem Pendukung

Manajerial
sistem pendukung manajerial adalah topik kedua ini tiga bab yang ditujukan untuk survei kami informasi teknologi (IT) area aplikasi. sistem
pendukung manajerial dirancang untuk memberikan dukungan kepada manajer tertentu atau sekelompok kecil manajer, dan mereka termasuk
aplikasi untuk mendukung pengambilan keputusan manajerial seperti sistem pendukung kelompok, sistem informasi eksekutif, dan sistem
pakar. Sebaliknya, bab sebelumnya ditangani dengan sistem perusahaan yang dirancang untuk mendukung seluruh organisasi atau sebagian
besar dari itu, seperti sistem pemrosesan transaksi, data warehousing, groupware, dan intranet. Bersama dua pasal ini memberikan gambaran
yang relatif komprehensif tentang aplikasi TI dalam satu organisasi ( intraorganizational sistem). Untuk melengkapi survei aplikasi TI, Bab 7 akan
fokus pada aplikasi e-bisnis yang mencakup batas-batas organisasi, termasuk B2C dan B2B aplikasi yang menggunakan Internet. Diambil
sebagai satu set, tiga bab ini mencakup sebagian besar aplikasi TI yang digunakan saat ini.

Sistem perusahaan yang dibahas dalam bab sebelumnya sangat penting untuk menjalankan bisnis atau jenis lain dari organisasi, dan Anda akan
berhadapan dengan banyak sistem perusahaan tersebut, terutama sistem pemrosesan transaksi dan groupware. Namun demikian, sistem perusahaan
ini telah dirancang untuk mendukung organisasi secara keseluruhan, bukan khususnya atau bahkan sekelompok manajer. sistem pendukung manajerial,
sebaliknya, dimaksudkan untuk langsung mendukung Anda dan manajer lain seperti Anda membuat keputusan strategis dan taktis untuk organisasi
Anda. Sebagai contoh, sistem pendukung keputusan (DSS) yang dirancang untuk membantu manajer dan profesional lainnya menganalisis data internal
dan eksternal. Dengan menangkap keahlian ahli manusia, sistem pakar menyarankan nonexperts di daerah keputusan tertentu. sistem pendukung
kelompok dirancang untuk membuat kerja kelompok, terutama pertemuan, lebih produktif. sistem informasi eksekutif (EIS) menyediakan data ringkasan
mudah menavigasi bagi para pengelola organisasi. Bab ini akan mengeksplorasi sistem pendukung manajerial ini dan lainnya yang semakin penting
dalam menjalankan organisasi modern.

SISTEM PENDUKUNG KEPUTUSAN

SEBUAH sistem pendukung keputusan (DSS) adalah sistem berbasis komputer, hampir selalu interaktif, yang dirancang untuk membantu manajer
(atau pembuat keputusan lain) dalam membuat keputusan. Sebuah DSS menggabungkan kedua data dan model untuk membantu pembuat keputusan
memecahkan masalah, terutama masalah yang tidak terstruktur dengan baik. Data sering diekstrak dari sistem pemrosesan transaksi atau data
warehouse, tapi itu tidak selalu terjadi. model mungkin sederhana, seperti model keuntungan-dan-kerugian laba menghitung diberikan asumsi tertentu,
atau kompleks, seperti model optimasi untuk menyarankan beban untuk setiap mesin di toko pekerjaan. DSS dan banyak dari sistem yang dibahas
dalam bagian berikut tidak selalu dibenarkan oleh pendekatan biaya-manfaat tradisional; untuk sistem tersebut, banyak manfaat yang tidak berwujud,
seperti membuat keputusan lebih cepat dan lebih baik memahami data.

Gambar 6.1 menunjukkan bahwa DSS membutuhkan tiga komponen utama: model manajemen untuk menerapkan model yang sesuai, manajemen data
untuk memilih dan menangani data yang sesuai, dan manajemen dialog untuk memudahkan pengguna

223

Lainnya Berbasis
Komputer
sistem
Data: Eksternal
dan internal
Sistem Pendukung Keputusan
Manajemen Manajemen
data Model
(User Interface)
Manajemen Dialog
Manager (User)
GAMBAR 6.1 Sistem Pendukung Keputusan Komponen
antarmuka untuk DSS. The berinteraksi pengguna dengan DSS melalui
komponen manajemen dialog, mengidentifikasi model dan data tertentu set
yang akan digunakan, dan kemudian DSS hadiah hasilnya ke pengguna
melalui komponen manajemen dialog ini sama. Manajemen Model dan
manajemen data komponen sebagian besar bertindak di belakang layar, dan
mereka bervariasi dari yang relatif sederhana untuk model spreadsheet yang
khas untuk cukup kompleks untuk model penjadwalan berbasis pemrograman
matematika.
Jenis yang sangat populer dari DSS adalah generator laporan
keuangan pro forma. Menggunakan paket spreadsheet seperti Microsoft
Excel, manajer membangun sebuah model untuk memproyeksikan berbagai
elemen organisasi atau laporan keuangan divisi ke masa depan. Data yang
digunakan adalah angka keuangan historis untuk organiza- yang
tion. Awal (base) Model menggabungkan berbagai asumsi tentang tren
masa depan dalam kategori penghasilan dan beban. Setelah melihat hasil
dari model dasar, manajer melakukan serangkaian “apa-jika” analisis
dengan memodifikasi satu atau lebih asumsi untuk menentukan
dampaknya pada bottom line. Sebagai contoh, manajer mungkin
menyelidiki dampak pada profitabilitas jika penjualan produk baru tumbuh
sebesar 10 persen per tahun, daripada 5 persen tergabung dalam model
dasar. Atau manajer mungkin menyelidiki dampak dari peningkatan yang
lebih tinggi dari yang diperkirakan dalam harga bahan baku, seperti 7
persen per tahun bukan 4 persen per tahun. Jenis generator laporan
keuangan adalah DSS sederhana namun kuat untuk membimbing
pengambilan keputusan keuangan.
Bab 6 • Manajerial Dukungan Sistem 224
Sebuah contoh dari DSS didorong oleh data yang transaksi adalah sistem
alokasi polisi-beat yang digunakan oleh sebuah kota California. Sistem ini
memungkinkan seorang perwira polisi untuk menampilkan garis besar peta dan
memanggil data dengan zona geografis, yang panggilan menunjukkan polisi untuk
layanan, jenis layanan, dan kali layanan. Sistem interaktif kemampuan grafis
memungkinkan petugas memanipulasi peta, zona, dan data untuk
mempertimbangkan berbagai alternatif polisi-beat cepat dan mudah dan mengambil
keuntungan maksimum dari penghakiman petugas.
Contoh DSS lainnya termasuk sistem interaktif untuk perencanaan kapasitas
dan penjadwalan produksi di sebuah perusahaan kertas besar. Sistem ini
mempekerjakan rinci data historis dan peramalan dan penjadwalan model untuk
mensimulasikan kinerja perusahaan secara keseluruhan di bawah berbeda asumsi
perencanaan. Sebuah perusahaan minyak utama mengembangkan DSS untuk
mendukung pengambilan keputusan investasi modal. Sistem ini menggabungkan
berbagai rutinitas keuangan dan model untuk menghasilkan rencana masa depan;
rencana ini dapat ditampilkan baik dalam bentuk tabel atau bentuk grafis untuk
membantu dalam pengambilan keputusan. Sebuah maskapai penerbangan utama
menggunakan DSS untuk membantu pengendali pesawat menangani masalah
kekurangan pesawat yang mungkin timbul di bandara karena ditunda atau dibatalkan
masuk ke atau masalah mekanik untuk pesawat di tanah. DSS, yang menggunakan
jaringan teknik pemodelan optimasi, membantu pengendali menggunakan pesawat
cadangan lebih efektif serta mengevaluasi pilihan yang mungkin delay-dan-swap.
Selama periode 18 bulan, DSS ini disimpan maskapai penerbangan lebih dari $
500.000 dalam biaya keterlambatan.
Semua contoh DSS dikutip lebih tepat disebut
DSS spesifik. Ini adalah aplikasi aktual yang membantu dalam proses
pengambilan keputusan. Sebaliknya, DSS Generator adalah paket
perangkat lunak yang menyediakan satu set kemampuan untuk
membangun DSS spesifik dengan cepat dan mudah (Sprague dan Carlson,
1982). Pada sebelumnya pro forma contoh laporan keuangan, Microsoft
Excel dapat dilihat sebagai generator DSS, sedangkan model Excel khusus
untuk proyek laporan keuangan untuk sebuah divisi khusus dari perusahaan
adalah DSS spesifik.
DATA MINING
Dalam Bab 5 kami memperkenalkan Data pergudangan-ide perusahaan
menarik data dari sistem operasional dan menempatkan data dalam data
warehouse yang terpisah sehingga pengguna dapat mengakses dan
menganalisis data tanpa mengganggu sistem operasional. Dalam diskusi yang
kita menyentuh pada berbagai perangkat lunak yang tersedia untuk analisis
data di gudang tapi ditangguhkan diskusi yang lebih lengkap sampai bab ini.
Argumen kami adalah bahwa penciptaan dan pemeliharaan data warehouse
adalah sebuah sistem perusahaan, dalam data warehouse mendukung seluruh
organisasi dengan
 Bab 6 • Manajerial Dukungan Sistem 225

Sebuah Potpourri dari DSS Contoh

Hampir setiap masalah interface, jurnal yang ditujukan untuk menggambarkan aplikasi praktis dari ilmu manajemen dan operasi penelitian,
berisi diskusi dari satu atau lebih baru DSS. Untuk menggambarkan, kita secara singkat menjelaskan tiga sistem pendukung keputusan
sangat berbeda disajikan dalam tiga isu terbaru dari Interface.
Continental Airlines mempekerjakan DSS untuk meminimalkan biaya gangguan jadwal yang disebabkan oleh peristiwa tak
terduga seperti cuaca buruk, masalah mekanis pesawat, dan kru tidak tersedianya (Yu, et al., 2003). Karena gangguan tersebut,
awak mungkin tidak benar diposisikan layanan penerbangan terjadwal tersisa mereka untuk. CALEB Technologies telah
mengembangkan CrewSolver DSS untuk menghasilkan solusi yang optimal atau dekat-optimal kru-recovery untuk menutupi
terbuka penerbangan dan kru kembali ke jadwal semula mereka dengan cara yang hemat biaya sementara menghormati
peraturan pemerintah, peraturan kontrak, dan kualitas-of-hidup persyaratan . CrewSolver adalah real-time DSS dioperasikan oleh
koordinator kru menggunakan antarmuka pengguna grafis. CrewSolver menggunakan data operasi langsung dari database kontrol
sistem operasi serta file kru lengkap. Ketika suatu peristiwa yang mengganggu terjadi, koordinator kru meminta solusi pemulihan,
dan CrewSolver mempekerjakan model pemrograman matematika (diselesaikan dengan algoritma pencarian berbasis heuristik)
untuk menghasilkan hingga tiga solusi, dari mana koordinator awak memilih salah satu. Solusi terdiri dari reassigning kru dari satu
penerbangan ke yang lain, deadheading kru untuk menutupi penerbangan atau kembali ke dasar, memegang kru di lokasi mereka
saat ini, menugaskan awak periode tugas tambahan, bergerak singgah kru ke kota yang berbeda, dan menggunakan kru
cadangan untuk penerbangan penutup kiri ditemukan oleh kru aktif. Hasil dari penggunaan CrewSolver telah mengesankan.
Continental Airlines memperkirakan bahwa itu disimpan $ 40 juta pada tahun 2001 dari penggunaan CrewSolver untuk pulih dari
empat gangguan utama: badai salju yang melanda Newark, New Jersey,

Jenis cukup berbeda dari DSS telah dikembangkan untuk membantu Schlumberger, perusahaan jasa ladang minyak
terkemuka, dalam penawaran untuk dan melaksanakan survei seismik darat (Mullarkey, et al., 2007). Salah satu layanan
yang ditawarkan oleh Schlumberger adalah survei seismik, proses pemetaan formasi batuan bawah tanah dengan
gelombang suara yang dipantulkan, yang merupakan langkah awal yang penting dalam identifikasi dan pemulihan cadangan
minyak dan gas. Melaksanakan survei seismik operasi logistik rumit berlangsung hingga enam bulan, meliputi ratusan mil
persegi, dan melibatkan banyak orang. Schlumberger harus tawaran untuk proyek survei seismik, dan dengan demikian
harus mampu dengan cepat dan akurat memperkirakan biaya survei. Mullarkey et al. mengembangkan alat simulasi untuk
mengevaluasi dampak dari ukuran kru, jumlah peralatan yang digunakan, daerah survei, desain survei, wilayah geografis,
dan kondisi cuaca pada biaya survei dan durasi. simulator melibatkan elemen stokastik untuk menggabungkan faktor-faktor
seperti kegagalan peralatan dan kecepatan yang berbeda-beda dari kendaraan dan kru yang digunakan dalam survei.
Karena hasilnya stokastik, simulator dijalankan beberapa kali untuk masing-masing skenario, yaitu, untuk setiap set faktor
input. Skenario bervariasi untuk tiba pada biaya angka terbaik untuk jangka waktu survei diterima; Schlumberger kemudian
dapat menggunakan biaya dalam mempersiapkan tawaran untuk proyek tersebut. Pada empat survei, penggunaan DSS
menghasilkan penghematan sekitar $ 2 juta, sehingga simulator harus menyimpan Schlumberger $ 1,5 menjadi US $ 3 juta
setiap tahun. Meskipun simulator dibangun untuk estimasi penawaran, juga telah digunakan untuk perencanaan produksi
pada pekerjaan yang ada,

Sebuah kompleks, DSS multi bernama RealOpt telah dibangun untuk memungkinkan infrastruktur kesehatan masyarakat di
Amerika Serikat untuk merespon dengan cepat dan efektif untuk keadaan darurat kesehatan masyarakat, seperti serangan bioteroris atau
pandemik (Lee, et al., 2009). Fokus RealOpt adalah pada dispensing massa penanggulangan medis untuk perlindungan masyarakat umum.
RealOpt terdiri dari empat berdiri sendiri DSS, yang kami akan menyebutkan secara singkat. RealOpt-Regional membantu dalam
penentuan lokasi untuk point-of-dispensing (POD) fasilitas di suatu daerah, mengingat kepadatan penduduk dan demografis daerah. Ini
termasuk alat visualisasi interaktif untuk membantu pengguna dengan pemahaman spasial daerah serta prosedur matematika khusus
berbasis heuristik untuk sampai pada solusi layak yang baik untuk masalah POD lokasi, yang merupakan program mixed-integer nonlinear
yang sangat kompleks. RealOpt-POD adalah DSS untuk tata letak fasilitas dan alokasi sumber daya untuk fasilitas POD. Menggunakan alat
grafik-gambar otomatis,

( terus)

Sebuah Potpourri dari DSS Contoh ( terus)
simulasi, dan tepat dan algoritma heuristik, itu desain lantai rencana efisien untuk fasilitas POD dan menentukan staf yang dibutuhkan
dan penempatan mereka dalam fasilitas. RealOpt-RSS adalah DSS untuk manajemen yang efisien logistik penerimaan, panggung,
dan penyimpanan (RSS) fasilitas dan node distribusi regional untuk penanggulangan medis. Akhirnya, RealOpt-CRC berkaitan
dengan perencanaan darurat radiologi dan respon. Sejak tahun 2005, RealOpt telah berhasil digunakan dalam perencanaan latihan
untuk merespon peristiwa pandemi simulasi dan serangan bioteroris di berbagai lokasi di Amerika Serikat.
membuat data tersedia untuk semua orang, sedangkan analisis data yang
dilakukan oleh dan / atau untuk seorang manajer tunggal atau sekelompok
kecil manajer dan, oleh karena itu, sistem pendukung manajerial. Tanpa
secara eksplisit menyebutkan itu, kami sudah mulai pembahasan yang lebih
rinci dari alat-alat ini untuk menganalisis data di gudang, untuk DSS
dijelaskan di bagian sebelumnya sering menarik data mereka perlu langsung
dari organisasi gudang data.
Data mining mempekerjakan berbagai teknologi (seperti
pohon keputusan dan jaringan saraf) untuk mencari, atau “milikku,”
“nugget” informasi dari luas
jumlah data yang disimpan dalam gudang data organisasi. Data
mining, yang kadang-kadang dianggap sebagai bagian dari sistem
pendukung keputusan, sangat berguna ketika organisasi memiliki volume
besar data transaksi di gudang. Konsep data mining tidak baru, meskipun
istilah menjadi populer hanya dalam akhir 1990-an. Selama lebih dari dua
dekade, banyak organisasi besar telah menggunakan analis internal atau
eksternal, sering disebut para ilmuwan manajemen, untuk mencoba untuk
mengidentifikasi tren, atau pola, di sejumlah besar data dengan
menggunakan statistik, matematika, dan kecerdasan buatan (AI) teknik.
Dengan perkembangan data warehouse skala besar dan ketersediaan
kekuatan pemrosesan murah, minat baru dalam apa yang kemudian
disebut data mining muncul dalam beberapa tahun terakhir.
Seiring dengan minat baru ini datang berbagai relatif mudah
digunakan produk perangkat lunak pertambangan bertenaga tinggi dan
data komersial. Di antara produk-produk ini IBM SPSS Modeler
profesional, Oracle Data Mining, Salford prediktif Miner, SAS Enterprise
Miner dan Text Miner, TIBCO Spotfire Miner, XLMiner untuk Windows
(add-in untuk Microsoft Excel
dari Resampling Statistik), dan
KnowledgeSEEKER, KnowledgeSTUDIO, dan
StrategyBUILDER dari Angoss Software (berbasis di Kanada). Diantara
produk data mining lebih menarik adalah produk pertambangan teks, seperti
SAS Text Miner, yang memiliki kemampuan untuk menangani informasi
tekstual, menarik data dari surat-surat, memo, catatan medis, blog, wiki,
tweet, dan dokumen dari semua jenis dan menemukan tema dan pola dalam
dokumen-dokumen ini. Produk data mining sangat bervariasi dalam biaya,
mulai dari di bawah $ 1.000 untuk beberapa produk desktop untuk lebih dari
$ 100.000 untuk beberapa produk perusahaan yang dijalankan pada server
besar.
Bab 6 • Manajerial Dukungan Sistem 226
Konsultan sering diperlukan untuk sepenuhnya memanfaatkan kemampuan
produk yang lebih komprehensif.
Apa saja teknik keputusan atau pendekatan yang digunakan dalam
data mining? Salah satu teknik kunci, pohon keputusan, tertanam di
banyak paket. Sebuah pohon keputusan adalah struktur pohon berbentuk
yang berasal dari data untuk mewakili set keputusan yang menghasilkan
berbagai outcomes- pohon berbagai titik akhir. Ketika satu set baru
keputusan disajikan, seperti informasi pembelanja tertentu, pohon
keputusan kemudian memprediksi hasilnya. jaringan saraf, cabang dari
kecerdasan buatan yang akan dibahas kemudian dalam bab ini,
digabungkan dalam sebagian besar produk high-end. Teknik populer
lainnya termasuk regresi linier dan logistik; aturan asosiasi untuk
menemukan pola-pola peristiwa co-terjadi; mengelompokkan untuk
segmentasi pasar; aturan induksi, ekstraksi aturan jika-maka berdasarkan
signifikansi statistik; tetangga terdekat, klasifikasi rekor berdasarkan
mereka yang paling mirip dengan itu dalam database; dan algoritma
genetika, teknik optimasi berdasarkan pada konsep kombinasi genetik,
mutasi, dan seleksi alam.
Untuk kelengkapan, mari kita memperkenalkan istilah yang
berhubungan dengan data mining, tapi dengan perbedaan-a pengolahan
analisis online (OLAP). OLAP telah digambarkan sebagai
humandriven analisis, sedangkan data mining mungkin dipandang
sebagai teknik-driven. OLAP pada dasarnya query terhadap database,
menggunakan perangkat lunak OLAP yang membuatnya mudah untuk
menimbulkan pertanyaan kompleks bersama beberapa dimensi, seperti
waktu, unit organisasi, dan geografi. Komponen utama dari OLAP
adalah server OLAP, yang duduk di antara mesin klien dan server
database. OLAP Server mengerti bagaimana data diatur dalam
database dan memiliki fungsi khusus untuk menganalisis data.
Sebaliknya, data mining menggabungkan teknik seperti pohon
keputusan, jaringan saraf, dan algoritma genetika. Sebuah program
OLAP ekstrak data dari database dan struktur dengan dimensi individu,
seperti wilayah atau dealer. software data mining mencari database
untuk pola dan hubungan,
Tentu saja, apa yang dapat Anda lakukan dengan data mining adalah
lebih penting bagi Anda sebagai manajer daripada teknik keputusan yang
digunakan. aplikasi khas dari data mining diuraikan pada Tabel 6.1. Apapun
sifat dari bisnis Anda,
 Bab 6 • Manajerial Dukungan Sistem 227

Aplikasi Deskripsi

Cross selling Mengidentifikasi produk dan layanan yang akan paling menarik bagi segmen pelanggan yang sudah ada dan mengembangkan cross-sell

dan up-sell penawaran yang disesuaikan dengan masing-masing segmen

churn pelanggan Memprediksi kemungkinan pelanggan meninggalkan perusahaan Anda dan pergi ke pesaing dan target para pelanggan yang berisiko
paling tinggi

Retensi pelanggan Mengidentifikasi karakteristik pelanggan terkait dengan nilai tertinggi seumur hidup dan mengembangkan strategi untuk

mempertahankan pelanggan tersebut dalam jangka panjang

Pemasaran langsung Mengidentifikasi prospek harus dimasukkan dalam sebuah mailing list untuk mendapatkan tingkat respons tertinggi

deteksi penipuan Mengidentifikasi transaksi yang paling mungkin penipuan berdasarkan pola pembelian dan tren; mengidentifikasi klaim
asuransi yang paling mungkin penipuan berdasarkan klaim masa lalu yang sama

pemasaran interaktif Memprediksi apa yang setiap individu mengakses situs Web yang paling mungkin tertarik seeing

analisis keranjang pasar Mengerti apa produk atau jasa yang biasa dibeli bersama-sama (misalnya, bir dan popok) dan
mengembangkan strategi pemasaran yang tepat

Segmentasi pasar Segmen yang ada pelanggan dan prospek ke dalam kelompok yang sesuai untuk tujuan promosi dan evaluasi dan
menentukan bagaimana pendekatan setiap segmen untuk hasil yang maksimal

Analisis pembayaran atau bawaan Mengidentifikasi pola-pola tertentu untuk memprediksi kapan dan mengapa pelanggan default pada pembayaran

analisis kecenderungan Menyelidiki perbedaan antara pembelian rata-rata bulan ini dibandingkan bulan lalu dan bulan sebelumnya

kemungkinan besar bahwa beberapa dari aplikasi ini bisa berarti
keuntungan meningkat. Kebanyakan aplikasi ini fokus pada menggali
informasi berharga tentang pelanggan Anda.
Banyak contoh operasi data mining yang sukses telah dilaporkan dalam
majalah IT. Xerox menggunakan data mining untuk meningkatkan perkiraan penjualan
dan membebaskan tenaga penjualan untuk menghabiskan lebih banyak waktu dengan
pelanggan. Xerox menginstal perangkat lunak cepat Insight Analytics dari Rapid
Insight, Inc., untuk tambang pesanan pelanggan, prospek penjualan, dan data rantai
pasokan untuk mengembangkan perkiraan penjualan bulanan dan triwulanan untuk
Xerox Amerika Utara (Whiting, 2006). Petani Insurance Group, penyedia berbasis di
Los Angeles dari mobil dan asuransi pemilik rumah, menggunakan data mining untuk
mengembangkan harga yang bersaing pada produk asuransi. Misalnya, petani
menggunakan perangkat lunak DecisionEdge IBM data tambang pada pemilik mobil
sport. Biasanya, driver ini dikategorikan sebagai berisiko tinggi dan
memiliki belajar dapat ditingkatkan dengan mengidentifikasi eselon atas
dari pelanggan dan mailing mereka katalog yang lebih besar,”menurut
Erin McCarthy, Manager Layanan Statistik dan Penelitian di VCS. VCS
juga menggunakan data mining untuk menentukan milis yang akan
digunakan untuk kampanye khusus. Misalnya, VCS menggunakan
Kewirausahaan Miner untuk penelitian pola membeli Natal dan membuat
daftar kampanye khusus Natal, memilih hanya pelanggan yang memesan
selama liburan. Para pelanggan dapat lebih jauh tersegmentasi oleh
tingkat pembelian dan jenis produk yang mereka beli, dengan katalog
terfokus dikirim ke masing-masing kelompok yang terpisah. “Enterprise
Miner adalah bagian besar dari mengapa kita sudah mampu secara
konsisten menemukan cara yang lebih baik untuk email kepada
pelanggan kami,” menurut Larry Shaw, VCS Wakil Presiden Pemasaran
dan Kreatif. “Ketika Anda mengirimkan 50 juta katalog per tahun,

dengan demikian membayar premi asuransi yang tinggi. Namun, petani

menemukan bahwa kelompok yang cukup besar dari pemilik mobil sport menikah,
berusia 30 sampai 50 tahun, sendiri dua mobil, dan melakukan tidak memiliki risiko
tinggi kecelakaan. Petani disesuaikan premi untuk kelompok ini ke bawah dan percaya
bahwa perusahaan memperoleh keunggulan kompetitif di segmen pasar ini (Davis,
1999). Vermont Country Store (VCS), sebuah katalog pengecer berdasarkan Weston,
Vermont pakaian tradisional, barang-barang pribadi, dan peralatan rumah tangga,
menggunakan perangkat lunak Perusahaan Miner SAS untuk segmen pelanggan untuk
membuat yang sesuai pemasaran langsung milis. “Kami berkonsentrasi pada
profitabilitas, yang kami
American Honda Motor Co mengumpulkan sejumlah besar
data-termasuk klaim garansi, Data call center teknisi, umpan balik pelanggan,
dan bagian penjualan-tentang masalah dengan kendaraan, dan kemudian
menggunakan SAS data mining dan pertambangan teks SAS untuk
mengidentifikasi masalah dan menyelidiki isu-isu yang tidak jelas di permukaan.
Menggunakan SAS, American Honda telah mengembangkan sistem peringatan
dini yang membantu mobil menemukan dan potensi tekad masalah. Sebagai
contoh, selama penggunaan awal SAS, analis mengidentifikasi masalah dengan
tiga kendaraan yang berbeda
 Bab 6 • Manajerial Dukungan Sistem 228

ditujukan untuk mendukung pertemuan-adalah jenis khusus dari groupware disebut

model yang tidak muncul sebelumnya, dan isu-isu ini diselesaikan dengan cepat.
sistem pendukung kelompok (GSS).
SAS Text Miner memungkinkan analis untuk nol dalam pada masalah kinerja
GSSS merupakan varian penting dari DSS di mana sistem ini dirancang untuk
tunggal yang dapat diidentifikasi berdasarkan teks (situs SAS Web, 2010).
mendukung kelompok daripada individu. GSSS, kadang-kadang disebut kelompok DSS
atau sistem pertemuan elektronik, berusaha untuk mengambil keuntungan dari kekuatan
Selama lebih dari satu dekade, rumah sakit telah menggunakan data
kelompok untuk membuat keputusan yang lebih baik daripada individu bertindak sendiri.
mining dalam upaya untuk mengidentifikasi hubungan dalam data pasien mereka.
Manajer menghabiskan sebagian besar waktu mereka dalam kegiatan kelompok (yaitu,
Sebagai contoh, salah satu rumah sakit sistem yang digunakan data mining untuk
pertemuan, komite, konferensi); pada kenyataannya, beberapa peneliti telah
memprediksi pasien yang menderita gagal jantung kongestif yang paling mungkin,
memperkirakan bahwa manajer menengah menghabiskan 35 persen dari minggu kerja
setelah dirawat dan dirilis, akan diterima kembali atau, lebih buruk lagi, mati. Data
mereka dalam pertemuan-pertemuan dan bahwa manajer puncak menghabiskan 50
mining mengidentifikasi kelompok terduga dari data yang melibatkan perawatan
sampai 80 persen dari waktu mereka di pertemuan. GSSS merupakan upaya untuk
pasien rumah sakit yang digunakan sebagai titik awal untuk membuat perubahan
membuat sesi kelompok ini lebih produktif.
dalam prosedur klinis. Baru-baru ini, rumah sakit menggunakan data mining untuk
mengurangi infeksi didapat di rumah sakit, yang menyelamatkan nyawa dan
memendek rumah sakit tetap serta menghemat uang. Blue Cross dan Blue Shield
asuransi telah meluncurkan program pengendalian infeksi di rumah sakit yang
GroupSystems, pemimpin pasar dalam perangkat lunak
dipilih di Alabama, New Jersey, New York, Pennsylvania, dan Texas
GSS, memberikan contoh yang sangat baik bagi kita untuk
menggunakan perangkat lunak data mining MedMined dari Cardinal Health, yang
mempertimbangkan. Perangkat lunak GroupSystems GSS pada
berbasis di Dublin, Ohio. Perusahaan asuransi membayar banyak biaya perangkat
awalnya dikembangkan di University of Arizona; pada tahun 1989,
lunak, dan itu adalah membayar off untuk mereka dalam hal mengurangi
Ventana Corporation dibentuk untuk menawarkan GroupSystems
penggantian biaya untuk infeksi didapat di rumah sakit. Penggunaan perangkat
GSS sebagai produk komersial. Ventana Perusahaan kemudian
lunak data mining data dari laboratorium dan admissiondischarge transfer sistem
berubah nama menjadi GroupSystems, Inc., dan versi terbaru dari
rumah sakit untuk mengembangkan Scorecard infeksi untuk setiap unit rawat inap
GroupSystems GSS sekarang disebut thinktank. GroupSystems
dan mengidentifikasi pola-pola perubahan statistik yang telah terjadi. personil
perkiraan bahwa “basis pelanggan mewakili sekitar pangsa pasar
pengendalian infeksi di rumah sakit menggunakan data ini untuk menilai tren di
75 persen dari kelompok segmen kecerdasan komputasi
tingkat unit dan memeriksa proses dengan staf unit. Karena data mining, personil
kolaboratif” (situs GroupSystems Web, 2010a). GroupSystems
pengendalian infeksi tidak lagi menghabiskan waktu mendeteksi pola mereka;
pelanggan termasuk perusahaan besar seperti Agilent
sebagai gantinya, mereka secara otomatis mendapatkan data yang mereka
Technologies, IBM, Procter & Gamble, Southern California Edison,
butuhkan untuk mendukung keputusan pada mengubah proses di tingkat unit
Verizon, dan Wellpoint dan organisasi pemerintah seperti Badan
untuk infeksi menghindari. Sejauh ini, 14 rumah sakit di New Jersey telah
Perlindungan Lingkungan (EPA),
disimpan sekitar $ 6. 4 juta dengan mencegah infeksi didapat di rumah sakit,
menurut Horizon Blue Cross dan Blue Shield of New Jersey (Anderson, 2008).
penawaran data mining kemungkinan menarik untuk belajar tentang pelanggan,
terutama bagi perusahaan yang telah mapan gudang data. Dalam khas di-orang pelaksanaan asli GroupSystems GSS (lihat
Gambar 6.2), ruang pertemuan yang didukung komputer diatur mengandung
PC untuk setiap peserta, semua dihubungkan oleh sebuah jaringan area
lokal (LAN). Sebuah layar besar publik memfasilitasi melihat umum informasi
saat ini yang diinginkan. GroupSystems, yang dipasang pada setiap mesin di
jaringan, menyediakan terkomputerisasi dukungan untuk generasi ide,
pengorganisasian ide, memprioritaskan (seperti voting), dan pengembangan
kebijakan (seperti identifikasi stakeholder).

GROUP DUKUNGAN SISTEM

Setiap peserta dalam sesi kelompok (misalnya, sesi brainstorming)
Dalam diskusi kami groupware dalam Bab 5, kami mencatat bahwa istilah kolaborasi
memiliki kesempatan untuk memberikan masukan secara anonim dan secara
atau frase lingkungan kolaboratif sering digunakan sebagai sinonim untuk
bersamaan melalui keyboard PC. Hal ini dapat mendorong berpikir kreatif karena
groupware. Kolaborasi, tentu saja, dapat dibantu oleh banyak alat,
tidak ada yang bisa ditertawakan untuk “ide yang bodoh.” Setiap ide atau
termasuk e-mail, IM, telepon VoIP, videoconference, ruang kerja bersama,
komentar dievaluasi pada manfaatnya bukan oleh yang ditawarkan itu. Demikian
dan penyimpanan dokumen bersama. Tapi tak satu pun dari sistem
pula, dalam sesi voting peserta tidak akan terpengaruh oleh bagaimana orang
groupware utama termasuk alat kolaborasi dirancang untuk memberikan
orang lain. Dengan demikian, GSS seperti GroupSystems harus menghasilkan
dukungan yang komprehensif untuk pertemuan, apakah pertemuan ini
lebih banyak ide berkualitas tinggi serta keputusan yang benar-benar mewakili
di-orang atau pertemuan virtual. Alat-satu kolaborasi seperti yang khusus
kelompok.

Fasilitator
Workstation /
Tampilan Layar Umum LAN Server
Local Area Network
Workstation peserta
GAMBAR 6.2 Support Group Sistem Tata Letak
Hari ini, sebuah di-orang pelaksanaan thinktank akan terlihat sama
seperti Gambar 6.2. Perbedaannya adalah bahwa PC masing-masing
peserta hanya menggunakan perangkat lunak browser Web; perangkat
lunak thinktank disimpan pada server, yang mungkin terletak di ruangan
yang sama atau di mana pun dapat diakses melalui intranet atau internet.
Para peserta login ke situs thinktank Web terletak di server, dan hasil sesi
seperti dijelaskan sebelumnya.
Mari kita pertimbangkan beberapa contoh penggunaan GSS.
Beberapa penulis buku ini adalah bagian dari sekelompok anggota fakultas
yang digunakan GSS untuk tiba di rekomendasi untuk nama departemen
akademik yang baru terbentuk. Para anggota fakultas di departemen baru
bertemu di ruang pertemuan yang didukung komputer dan pergi melalui
proses menghasilkan nama-nama yang mungkin untuk departemen baru
(lebih dari 20 nama yang diusulkan), kemudian mengatur dan
menggabungkan nama untuk mendapatkan total turun ke lebih masuk akal
nomor, dan akhirnya suara pada set berkurang nama. Kami senang untuk
melaporkan bahwa dekan menerima rekomendasi.
Eastman Chemical menggunakan GroupSystems untuk mendukung
kreatif sesi pemecahan masalah untuk menghasilkan ide-ide untuk lebih
memenuhi kebutuhan pelanggan. Dalam sesi GroupSystems baru-baru ini, 400
ide-ide yang dihasilkan selama sesi dua jam dengan sembilan orang. Selama
sesi GSS yang sama, ide yang sama digabungkan dan suara tertimbang
dipekerjakan untuk memilih ide-ide atas untuk implementasi. Menurut Dr Henry
Gonzalez, Manager Teknologi Polimer di Eastman, “Kami menemukan bahwa
dengan GroupSystems, kami memiliki lebih banyak ide yang tidak biasa, kolam
kaya untuk memilih dari, dan kami sampai ke titik jauh lebih cepat.” Berdasarkan
perusahaan GSS keberhasilan, Eastman membeli GroupSystems kedua
Bab 6 • Manajerial Dukungan Sistem 229
lisensi dan upgrade fasilitas lain sehingga lebih banyak orang dapat
menggunakan teknologi (situs GroupSystems Web, 2010b). Konsumen-produk
raksasa Procter & Gamble incor- porates
yang thinktank GSS dalam “Inovasi Gym” di West Chester, Ohio, di mana
orang-orang di seluruh perusahaan berkumpul untuk bertukar pikiran produk
baru, memecahkan masalah, atau membangun tim yang lebih baik. “Thinktank
adalah alat kunci dalam kotak peralatan interaktif saya,” menurut Rick Gregory,
Kepala Seksi, Inovasi Penginjil. Bekerja dengan fasilitator, kelompok bertemu di
Gym sering menggunakan thinktank untuk ide-ide brainstorming, kelompok
mereka ke umum “ember,” membangun konsensus
dengan diskusi, dan akhirnya mempekerjakan voting berulang. P & G telah
menemukan bahwa ada manfaat bisnis yang signifikan untuk menggunakan GSS:
Anonimitas memperkaya kualitas dan kuantitas ide, pertemuan menghasilkan hasil
yang lebih dalam periode waktu yang lebih singkat, dan fasilitator menghemat waktu
yang signifikan pada postmeeting dokumentasi (GroupSystems situs Web, 2010c).
karya terbaru di daerah GSS telah bergerak di luar dukungan
dari sesi kelompok tradisional. Fokus baru untuk mendukung tim kerja
dalam semua usaha nya, apakah
Tim beroperasi dalam “waktu yang sama, tempat yang sama” pertemuan
tradisional atau dalam “waktu yang berbeda, tempat yang berbeda”
mode-yaitu, sebagai Tim virtual. Karena fakta bahwa perangkat lunak
thinktank disimpan di server dan diakses melalui intranet atau Internet
melalui browser Web, thinktank juga menyediakan dukungan yang kaya
untuk “waktu yang berbeda, tempat yang berbeda” pertemuan (atau “saat
yang sama, tempat yang berbeda” pertemuan) di mana anggota kelompok
dapat berpartisipasi dalam sesi kelompok mana pun mereka berada atau
ketika mereka mampu berkontribusi. GroupSystems juga menawarkan versi
host dari Thinktank, disebut ThinkSpace, untuk organisasi kecil dan tim.
Organisasi kecil atau tim dapat menggunakan model lisensi sesi lulus di
mana setiap peserta dalam sesi membutuhkan sesi lulus untuk hari.
Thinktank terintegrasi dengan platform IBM Lotus Sametime, sehingga
kelompok dapat bergerak mulus dari grup chat untuk sesi kolaborasi yang
terorganisir; baru-baru ini, Thinktank juga terintegrasi dengan Microsoft
Office SharePoint Server. Singkatnya, sesi kelompok manfaat dari
kesadaran kehadiran thinktank ini (mengetahui siapa yang online),
manajemen agenda, kontribusi anonim, beberapa alat voting, dan
dokumentasi otomatis proses kelompok.
GEOGRAFIS SISTEM INFORMASI
sistem informasi geografis (GIS), spasial sistem pendukung keputusan
(SDSS), lokasi intelijen, geodemographics, pemetaan komputer, dan
routing otomatis adalah nama untuk keluarga aplikasi berbasis pada
manipulasi hubungan dalam ruang. teknologi Geographic seperti capture
GIS, menyimpan, memanipulasi, display, dan menganalisis data spasial
direferensikan ke Bumi. Seperti Gambar 6.3 menunjukkan,
230 Bagian II • Teknologi Informasi
GAMBAR 6.3 Ternyata Culver untuk GIS untuk Toko Lokasi Keputusan (Data di angka ini courtesy of Culver ini. The ArcMap / ArcView antarmuka pengguna grafis adalah
kekayaan intelektual dari Esri dan digunakan dengan izin. Copyright © 2010 Esri. All rights reserved.)
GIS-istilah umum untuk setiap sistem yang mengkhususkan diri dalam data
geografis-fitur layar pengguna yang kaya dan lingkungan interaktif yang
sangat menarik untuk para pembuat keputusan manusia.
Bidang beragam seperti manajemen sumber daya alam,
administrasi publik, NASA, militer, dan perencanaan kota telah
menggunakan GIS selama lebih dari empat dekade. Para ilmuwan,
perencana, penjelajah minyak dan gas, kehutanan, tentara, dan
pembuat peta telah matang teknologi ini, mengembangkan
kemampuan canggih untuk menciptakan, menampilkan, dan
memanipulasi informasi geografis. Pada 1990-an teknologi
geografis datang ke perhatian dari pengguna bisnis sebagai
kekuatan komputasi desktop yang digabung dengan akses yang
luas terhadap data geografis. Hari ini teknologi geografis yang
pindah ke fungsi bisnis utama diaktifkan oleh teknologi seperti
identifikasi frekuensi radio (RFID) tag, tertanam Global Positioning
System (GPS) kemampuan, dan analisis spasial fitur dalam sistem
manajemen database utama (DBMS). Lebih penting,
Bisnis mengadopsi Geographic Teknologi
teknologi Geographic dalam bisnis adalah rahasia baik selama
bertahun-tahun; pengadopsi awal bisnis
GISs jarang berbicara tentang hal itu karena nilai kompetitif.
Perusahaan-perusahaan seperti Arby dan McDonald-yang memiliki
kemampuan untuk sukses tergantung pada berada di lokasi yang lebih
baik daripada GISs pesaing-bekas lokasi situs untuk menjadi yang
pertama untuk mengakui keunggulan bisnis teknologi geografis.
Culver, sebuah berbasis Wisconsin cepat-layanan jaringan restoran
terkenal ButterBurgers dan custard beku, menggunakan perangkat
lunak GIS ESRI untuk membantu franchisee memilih lokasi yang
mungkin terbaik untuk restoran mereka. Menurut Dave O'Brien, Real
Estate Manager di Culver ini, “Menggunakan ArcGIS Business
Analyst, kita dapat dengan mudah membandingkan dan kontras situs
baru dengan menganalisis demografi dari restoran kami yang ada dan
kemudian penentuan daerah-daerah baru yang mirip.” Sebagai salah
satu langkah dalam proses ini, Gambar 6.
aplikasi bisnis lainnya termasuk analisis pasar dan perencanaan, logistik
dan routing, real estate, teknik lingkungan, dan analisis pola geografis yang bankir
hipotek gunakan untuk menunjukkan bahwa mereka tidak “redline” daerah-yang,
tidak adil menyangkal pinjaman oleh lokasi. Saat ini, banyak sumber menyediakan
berkualitas tinggi Data geografis dikodekan; Beberapa perusahaan perlu untuk
mendigitalkan peta mereka sendiri atau foto.
Banyak bidang fungsional dalam bisnis menggunakan teknologi spasial
untuk mengenali dan mengelola geografis mereka
 Bab 6 • Manajerial Dukungan Sistem 231

Apa Dibalik Geographic Teknologi

dependensi. Federasi Department Store, Inc., (Macy dan Bloomingdale)
memberikan contoh: Dimulai pada akhir 1990-an, federasi menggunakan
GIS untuk produksi peta sederhana dan analisis. Puluhan proprietary,
industri, dan sumber data publik termasuk informasi penjualan internal
kurang dimanfaatkan karena sulitnya menghubungkan mereka.
Kemampuan merana sampai tim lima analis mengidentifikasi GIS
terintegrasi sebagai alat utama organisasi. Sistem yang dihasilkan datang
bersama-sama tepat pada waktunya untuk mendukung inisiatif bisnis
utama untuk menemukan situs untuk jenis baru toko kecil di pasar yang
ada. GIS federasi ini memungkinkan perbandingan antara potensi dan
kinerja aktual dalam ratusan pasar yang ada; pemetaan data jelas
menunjukkan potensi yang belum dimanfaatkan dan pengembangan pasar
didukung (ESRI, 2003).
Dua pendekatan untuk mewakili data spasial yang banyak digunakan:
pendekatan raster dan pendekatan vektor. Kedua jenis data yang umumnya
dikelola dengan model data yang menyimpan data dalam lapisan dikenal sebagai
pertanggungan atau tema terkait.
GIS berbasis raster mengandalkan membagi ruang ke dalam, sel-sel
yang sama-berukuran kecil diatur dalam grid. Dalam GIS, sel-sel ini (raster)
dapat mengambil berbagai nilai dan menyadari lokasi mereka relatif terhadap
sel lainnya. Seperti piksel pada televisi atau layar komputer, ukuran sel relatif
terhadap fitur dalam lanskap menentukan resolusi data. citra satelit dan
aplikasi penginderaan jauh lainnya mengeksploitasi kemampuan pendekatan
raster untuk mengidentifikasi pola di daerah yang luas. Meskipun pendekatan
penawaran data kontinu ini, obyek yang menarik harus disimpulkan atau
diekstrak dari raster, membuat ketepatan pengumpulan data asli yang penting.

Sulit untuk menemukan agen industri atau pemerintah yang tidak memiliki
kebutuhan analisis spasial. perawatan kesehatan, transportasi, telekomunikasi,
keamanan tanah air, penegakan hukum, sumber daya alam, utilitas, real estate,
perbankan, dan media semua kebutuhan untuk mencari orang atau aset, atau
keduanya, dalam ruang dan untuk memprediksi perilaku mereka. Misalnya, Pusat
Pengendalian dan Pencegahan Penyakit (CDC) menggunakan GIS untuk
menganalisis dan memahami masalah kesehatan masyarakat mulai dari tingkat
penyakit kronis seperti penyakit jantung untuk identifikasi sumber penyakit menular
wabah-dan kemudian menggunakan asosiasi ini antara data dan geografi untuk
membantu membuat keputusan kesehatan masyarakat (CDC, 2007).
pendekatan raster telah mendominasi aplikasi dalam sumber daya alam.
Analisis data raster menggunakan teknik statistik dan model matematika
memungkinkan ahli meteorologi untuk membedakan hujan dari salju, rimbawan
untuk mengidentifikasi area yang sakit dalam hutan, dan petani untuk lebih tepat
menerapkan herbisida ke ladang mereka. The Nature Conservancy
membandingkan genggam “ground truth” data yang dikumpulkan dengan
perangkat GPS data penginderaan jauh berbasis raster untuk membantu dalam
deteksi dini dan pemantauan tanaman invasif di wilayah Hells Canyon dari Idaho
dan Oregon (Karl, 2007).

Hari ini, Anda tidak perlu menjadi raksasa atau global untuk menggunakan GIS. Monkeytown, Inc, sebuah perusahaan pasokan kantor
kecil dengan nama funky dan pemilik yang menyebut dirinya sebagai “Top Banana,” menggambarkan dirinya sebagai “perusahaan
peralatan kantor Wildest di dunia.” Monkeytown, yang melayani Waterloo, Cedar Rapids, dan sekitar 110 lebih kecil masyarakat di Iowa
timur, berjalan lima rute pengiriman (masing-masing mencakup radius 50 mil) dan membuat rata-rata 200 pengiriman per hari. Dapat
teknologi geografis tetap Monkeytown depan pesaing lokal dan nasional?

Monkeytown memilih software ArcLogistics Route Esri ini. Perangkat lunak ini mendefinisikan rute semalam untuk pesanan
besok; di pagi hari, driver Monkeytown ini memuat truk mereka dengan urutan pengiriman. Dilengkapi dengan faktur, arah
pengiriman, dan waktu, driver cenderung kecepatan dan total waktu drive telah berkurang sekitar 7 persen.

“ArcLogistics Route telah merumuskan kembali bagaimana bisnis kami proses kerja,” kata Kurt Karr, “Top Banana” dari Monkeytown. “Kami
lebih efisien dari sebelumnya.” penggunaan bahan bakar mengalami penurunan sebesar lebih dari 4 persen, jam kerja turun 18 persen, dan
perusahaan mempertahankan adaptasi, tingkat layanan yang tinggi, dan

GIS Monkeytown dapat dengan mudah mengubah rute pengiriman hari berikutnya untuk menyertakan pengiriman tertunda dan memenuhi harapan pelanggan. Karr

menambahkan, “Kami menggunakan ArcLogistics Route untuk lebih dari sekedar Routing pengiriman. ArcLogistics memungkinkan kita untuk menggunakan routing

dinamis, mengubah konfigurasi pengiriman setiap hari untuk pertandingan terbaik sumber daya yang tersedia. Kami juga menggunakannya untuk panggilan penjualan

dengan begitu kita dapat mengoptimalkan penjualan bekerja kita lakukan. Saya pikir itu adalah alat yang hebat dan saya tidak bisa membayangkan operasi bisnis ini

tanpa itu.”

[Berdasarkan Esri, 2006; Esri, 2010; dan Karr, 2010]

 Bab 6 • Manajerial Dukungan Sistem 232

high-end workstation, aplikasi-sekarang GIS maju pada desktop atau tugas

GIS berbasis vektor yang banyak digunakan dalam administrasi
pendukung keputusan canggih palmtop-mengotomatisasi seperti menemukan
publik dan utilitas dan, bisa dibilang, yang paling pendekatan yang umum
terpendek / tercepat / rute paling aman dari A ke B atau pengelompokan penjualan
digunakan dalam bisnis. sistem vektor fitur asosiasi dalam lanskap
atau wilayah layanan untuk meminimalkan jarak perjalanan internal potensial
dengan baik titik, garis, atau poligon. Poin sering digunakan untuk
menyamakan, atau menghilangkan prospek paling sedikit.
mewakili fitur kecil seperti ATM, alamat pelanggan, tiang listrik, atau
barang bergerak, seperti truk. Garis untuk fitur linear seperti jalan dan
sungai dan dapat dihubungkan bersama untuk rute bentuk dan jaringan.
Poligon mewakili daerah dan permukaan, termasuk danau, bidang tanah, Isu untuk Sistem Informasi Organisasi
dan daerah-seperti wilayah penjualan, kabupaten, dan zip kode.
Hubungan antara unsur-unsur vektor disebut topologi mereka; topologi
aplikasi bisnis GISs sering awalnya diperkenalkan ke perusahaan untuk
menentukan apakah fitur tumpang tindih atau berpotongan. sistem vektor
mendukung fungsi tunggal seperti riset pasar atau layanan lapangan.
dapat membedakan, misalnya, sebuah pulau di danau, dua jalan
Pengalaman menunjukkan bahwa GISs segera menyebar di dalam dan
melintasi, dan pelanggan dalam radius 2 mil dari situs ritel. Namun, data
di kelompok. Berkat kematangan alat GIS, organisasi dapat memperoleh
vektor tidak kontinu; tumpang tindih dan kesenjangan yang dihasilkan
off-the-rak teknologi geografis dengan bahasa scripting, program aplikasi
antara fitur mempengaruhi penyajian dan analisis dan dengan demikian
antarmuka dengan paket perangkat lunak desktop populer, dan paket
dapat memerlukan perhatian spesialis ini.
pemetaan interaktif berbasis internet (seperti Microsoft MapPoint Web
Service). Sebagai biaya teknologi GIS telah menurun dan kecanggihan
teknis telah meningkat, bahkan komputasi menuntut fungsi seperti
optimisasi rute dan wilayah tugas yang banyak tersedia (melakukan
Model data yang paling umum untuk kedua vektor dan data raster
pesaing Anda sudah memiliki fungsi ini?).
adalah Model cakupan di mana lapisan atau tema yang berbeda mewakili jenis
yang sama dari fitur geografis di daerah yang sama dan ditumpuk di atas satu
sama lain (lihat Gambar 6.4). Seperti bekerja dengan overlay peta transparan,
Mengelola pilihan teknologi geografis, sekarang mereka tersedia
lapisan memungkinkan data geografis yang berbeda untuk dilihat
pada platform akrab, mungkin kurang menantang untuk sebuah organisasi
bersama-sama, dan mereka memfasilitasi manipulasi geografis dan analisis.
IS khas dari pengelolaan data spasial. Data geografis jelas (yang Anda akan
ingin membeli, tidak membangun) termasuk peta dasar, zip peta kode,
jaringan jalan, dan peta iklan pasar media. Data lain dengan unsur-unsur
Kebanyakan teknologi GIS saat ini secara efektif menggabungkan kedua
spasial tersebar di dalam database internal perusahaan, termasuk lokasi
jenis data, sering menggunakan data raster set untuk realisme dan data vektor
pelanggan, lokasi gudang perusahaan dan pusat distribusi, dan lokasi aset
untuk jalan, batas administrasi, dan lokasi. Dengan menggunakan kedua jenis
tetap dan bergerak. Baru-baru ini, sebuah gagasan baru dalam pengelolaan
data, analisis geografis dapat menjawab pertanyaan-pertanyaan seperti berikut ini:
data spasial telah muncul: perangkat genggam GPS sekarang
memungkinkan pengguna untuk mengumpulkan data mereka sendiri dan
• Apa yang berdekatan dengan fitur ini? men-download ke PC.
• situs yang merupakan salah satu terdekat, atau berapa banyak berada dalam

jarak tertentu?
• Apa yang terkandung dalam area ini, atau berapa banyak yang terkandung Karena nilai bisnis di “akan spasial” berasal dari membawa data
dalam area ini? internal dan eksternal bersama-sama, IS personil dapat mengharapkan untuk
• Yang menampilkan melakukan elemen lintas ini, atau berapa banyak mendapatkan pendidikan dalam biaya dan kualitas masalah untuk data
jalan yang tersedia? geografis. Sebagai contoh, meskipun file geografis untuk kode pos sering
• Apa yang bisa dilihat dari lokasi ini? termasuk tanpa biaya tambahan dalam paket perangkat lunak GIS desktop,
update US Postal Service zip kode secara berkelanjutan, sehingga
Jika Anda telah mencari rumah di Google Earth, Anda telah
pembusukan dalam akurasi data yang ada. Untuk cakupan geodata di luar
menggunakan fitur zoom serta panning dan berpusat tampilan Anda
Amerika Serikat, seseorang dapat mengharapkan lebih sedikit pilihan dalam
berdasarkan peta overlay-ini adalah kemampuan dasar dari GIS
hal data yang tersedia, dan data yang tersedia cenderung kurang akurat,
apapun. kemampuan dasar lainnya termasuk menemukan jarak antara
lebih sulit untuk mendapatkan, dan lebih mahal.
dua titik, mencari dan pelabelan fitur khusus, dan berbalik simbol dan
lapisan dan mematikan pada permintaan. Fungsi-fungsi ini mendasari
manipulasi spasial seperti persimpangan dan serikat, penugasan
Banyak orang telah terkena teknologi pemetaan melalui rumah
referensi geografis ke alamat melalui geocoding, dan dukungan bahasa
tangga-nama situs internet seperti Yahoo! Maps atau Google Earth. The
query standar untuk berinteraksi dengan deskriptif (atribut) data.
“mesin GIS” di balik situs tersebut berasal dari kolam yang kurang
Setelah terbatas
terkenal dari vendor
 Bab 6 • Manajerial Dukungan Sistem 233

Penjualan

Pelanggan

jalan raya

Counties

Negara

GAMBAR 6.4 Peta Lapisan dalam GIS

termasuk Lingkungan Systems Research Institute (ESRI), Pitney Bowes
(dengan produk MapInfo nya), Autodesk, Tactician Corp, dan Intergraph Corp.
perkembangan yang sedang berlangsung dalam teknologi geografis antara
lain sebagai berikut:
• pemodelan tiga dimensi dan dinamis untuk gerakan simulasi
melalui ruang dan waktu, seperti merekonstruksi jalan Badai
Katrina
• geografi di tangan-proliferasi terus Anda dari teknologi spasial seperti
GPS ke dalam perangkat genggam untuk digunakan konsumen
dalam layanan berbasis lokasi
(Lihat kotak berjudul “Lokasi Cerdas atau Lokasi
Intelligence?”)
• menghubungkan kemampuan spasial dengan kemampuan nirkabel untuk
penyebaran dan pemindahan hak assets- baik manusia dan bukan
manusia-ke tempat yang tepat, secara real time, terutama untuk
keselamatan publik atau layanan pelanggan
• model peramalan yang mencakup geografi sebagai variabel untuk
memprediksi, misalnya, tanggapan dari konsumen untuk program
kartu loyalitas berdasarkan
 Bab 6 • Manajerial Dukungan Sistem 234

Cerdas Lokasi atau Lokasi Intelijen?

Orang selalu tempat di ruang angkasa, apakah di rumah, bekerja, berbelanja, bermain, atau bepergian. Hari-hari ini, mereka
cenderung memiliki portabel,, lokasi-sadar, perangkat audio visual nirkabel dengan mereka: ponsel mereka. Dan, jika
mereka berada di Oregon dalam radius tertentu dari sebuah toko es krim waralaba dari jenis yang mereka sering, mereka
mungkin menerima kupon diskon pada ponsel mereka. Dan, franchisee es krim tertentu mungkin melihat dorongan 10%
dalam penjualan. Atau, mereka mungkin Anda 16 tahun, baru berlisensi, remaja pengemudi ngebut (?) Rumah
(AccuTracking, 2010). Atau, mereka mungkin awak di perahu layar balap multimilliondollar di head-to-head kompetisi untuk
Piala didambakan Amerika. Atau, mereka mungkin terdampar pendaki gunung, atau anjing berkeliaran, atau palet salah di
gudang. (Dua contoh terakhir tidak orang dengan ponsel,

Penerapan teknologi spasial untuk mengidentifikasi di mana seseorang atau sesuatu dalam real time disebut Lokasi
intelijen. teknologi yang paling bertanggung jawab atas pergeseran teknologi geografis dari menjadi tentang peta untuk tentang lokasi
adalah Global Positioning System (GPS).
GPS, dibuat dan dioperasikan oleh Angkatan Udara AS, adalah sistem berbasis satelit-di seluruh dunia di mana penerima kecil
dapat menentukan bujur, lintang, dan ketinggian. Beroperasi penuh pada 1990-an, 24 satelit asli ditawarkan akurasi belum pernah terjadi
sebelumnya militer AS dalam navigasi dan penargetan mana saja di dunia. Sinyal dienkripsi memberikan akurasi personil militer dalam
waktu 3 kaki; sinyal umum gratis yang ditawarkan akurasi dalam waktu 30 sampai 50 kaki. Potensi GPS dalam aplikasi non-militer, baik
pelayanan publik (seperti navigasi dan pencarian dan penyelamatan) dan komersial (seperti menemukan potongan es krim), dengan cepat
membangun sebuah pasar bernilai miliaran dolar.

Pentingnya lokasi untuk militer, pemerintahan, komersial, dan upaya pribadi di belakang dua inisiatif satelit baru: GPS III dan
Galileo. Tidak mengherankan, GPS III adalah GPS baru dan lebih baik yang didanai oleh pemerintah AS. satelit lebih dalam pola
yang berbeda orbital, frekuensi hati-hati dirancang, dan penambahan “beam” antena akan meningkatkan baik militer dan komersial
aplikasi ketika GPS III sepenuhnya dikerahkan kadang-kadang setelah 2016. Kurang dramatis adalah pola upgrade biasa dan
penggantian ada armada satelit (disebut GPS II), yang dirancang untuk menjaga kesiapan dan akurasi operasional dan meningkatkan
kemampuan untuk lokal mengganggu sinyal untuk kekuatan musuh (sementara tidak menghambat penggunaan sipil).

Galileo adalah nama untuk sistem navigasi satelit sedang dikembangkan oleh Uni Eropa dan European Space Agency. Dipahami
sebagai alternatif terutama sipil ke AS militarycontrolled GPS, Galileo akan memberikan akurasi yang lebih tinggi dan cakupan sinyal yang
lebih baik di lintang lebih dekat ke kutub. Galileo akan menawarkan, lebih rendah presisi layanan terbuka bebas; biaya berbasis, dienkripsi
layanan komersial dengan akurasi yang lebih tinggi; keselamatan-of-kehidupan pelayanan terbuka untuk aplikasi di mana akurasi dijamin
sangat penting; layanan pencarian dan penyelamatan; dan dienkripsi, layanan navigasi diatur untuk digunakan pemerintah. Pada musim
semi 2010, dua satelit eksperimental telah diluncurkan, dengan empat satelit operasional (dari 30 satelit yang direncanakan) dijadwalkan
akan diluncurkan pada tahun 2011. penyebaran penuh diharapkan tidak lebih awal dari 2015.

[Berdasarkan AccuTracking, 2010; European Space Agency, 2010; Global Positioning System, 2010; Wikipedia, 2010a; dan Wikipedia, 2010b]

kedekatannya dengan pengadopsi lain dan untuk iklan

billboard
• penggunaan teknologi spasial dalam berbagai pengaturan
baru, seperti penjinakan out-of-control gudang data dan
point-of-sale (POS) data, visualisasi serangan keamanan
jaringan, dan mengidentifikasi negara asal dari penyedia
layanan Internet (ISP ) untuk dapat kembali halaman Web
khusus untuk negara itu
EXECUTIVE SISTEM INFORMASI /
BISNIS KECERDASAN SISTEM
Konsep utama di balik Sistem informasi eksekutif (EIS) adalah bahwa
sistem tersebut memberikan informasi secara online saat ini tentang kondisi
bisnis dalam bentuk agregat mudah diakses untuk eksekutif senior dan
manajer lainnya. EIS dirancang untuk digunakan secara langsung oleh
manajer ini
 Bab 6 • Manajerial Dukungan Sistem 235

bisnis bernama Infor PM Bisnis Edition. Klien untuk Infor PM hanyalah

tanpa bantuan perantara. EIS menggunakan state-of-the-art grafis,
sebuah browser Web.
komunikasi, dan metode penyimpanan data untuk memberikan
Infor PM memungkinkan kustomisasi sejumlah besar mudah digunakan
eksekutif akses online mudah untuk informasi terkini tentang status
dan mudah-untuk-menafsirkan menampilkan informasi kunci hadir untuk
organisasi.
manajer; paket perangkat lunak memungkinkan pengguna bisnis untuk melihat
Kencan hanya untuk akhir 1980-an dalam banyak kasus, EIS mewakili
informasi dengan cara apa pun masuk akal bagi mereka, termasuk grafik,
upaya nyata pertama untuk menyampaikan ringkasan informasi yang relevan
dashboard, scorecard, alat pengukur, spreadsheet, dan bahkan awal peringatan
dengan manajemen dalam formulir online. Awalnya, EIS dikembangkan untuk
peringatan ketika hasil menyimpang dari kinerja yang diharapkan. Selain itu, ia
hanya dua atau tiga tingkat eksekutif puncak di perusahaan, tetapi yang
menyediakan cerdas “drill-down” kemampuan untuk mengidentifikasi informasi
menyebabkan banyak masalah kesenjangan data antara lapisan manajemen.
rinci yang relevan, berbagai perspektif bisnis (seperti wilayah atau produk),
Data-berurusan internal yang paling penting dengan pemasok, produksi, dan
beberapa skenario untuk perencanaan ( “apa-jika” analisis), dan charting sebab /
pelanggan-yang dihasilkan di bawah kendali manajer tingkat yang lebih rendah,
efek hubungan antara unsur-unsur rencana. Contoh menampilkan Infor PM
dan mereka perlu tahu apa yang dilaporkan lebih tinggi dalam organisasi.
ditunjukkan pada Gambar 6.5.
Akibatnya, saat ini basis pengguna di sebagian besar perusahaan telah
diperluas untuk mencakup semua tingkatan manajemen di perusahaan-dan
kadang-kadang bahkan manajer dalam organisasi pelanggan dan pemasok.
Terutama karena perluasan ini dari basis pengguna, hari ini label EIS sering
EIS produk lainnya / PM termasuk Executive

diganti dengan istilah yang lebih luas

Dashboard dari QUALITECH Solutions, Oracle Enterprise Sistem
Manajemen Kinerja, SAP BusinessObjects Manajemen Strategi, SAS
/ EIS, dan SymphonyRPM dari Symphony Metreo. platform intelijen

manajemen kinerja (PM) perangkat lunak.

bisnis, yang tumpang tindih dengan produk EIS / PM tapi
kadang-kadang memiliki fokus yang lebih luas (termasuk, misalnya,
data transaksi mempekerjakan EIS yang telah disaring dan
data mining) dan (fitur manajemen kinerja tidak termasuk pelaporan)
diringkas menjadi bentuk yang berguna bagi para eksekutif dalam
kadang-kadang sempit fokus, termasuk IBM Cognos Business
organisasi. Selain itu, banyak EIS sukses menggabungkan data kualitatif
Intelligence, MicroStrategy Intelijen Server, Oracle Business
seperti informasi kompetitif, penilaian, dan wawasan. Penekanan pada
Intelligence Suite, SAP BusinessObjects BI Solusi
informasi kompetitif telah menjadi begitu penting dalam beberapa tahun
terakhir bahwa banyak organisasi sekarang menyebut EIS mereka intelijen
(Termasuk Lanjutan Visualisasi,
bisnis (BI) sistem atau sistem intelijen kompetitif. Singkatnya, EIS
Dashboard Builder, dan Voyager), dan SAS Business Intelligence.
adalah tangan-alat yang fokus, filter, dan mengatur informasi eksekutif
sehingga ia dapat membuat lebih efektif menggunakan itu.
Mungkin awal EIS dijelaskan dalam cetak adalah informasi
manajemen dan pengambilan dukungan (MIDS) sistem di
Lockheed-Georgia Perusahaan (Houdeshel dan Watson, 1987). Sponsor
Mari kita mempertimbangkan Infor PM sebagai contoh sebuah
untuk MIDS adalah Presiden Lockheed-Georgia, dan staf khusus
platform perangkat lunak untuk mengembangkan sistem intelijen
melaporkan kepada Wakil Presiden Keuangan dikembangkan sistem.
manajemen kinerja / bisnis. Infor PM berakar pada produk sebelumnya
Pendekatan evolusioner digunakan dalam mengembangkan MIDS,
bernama Komandan EIS, tetapi sekarang telah bergerak di luar sebuah
dengan hanya sejumlah terbatas display dikembangkan awalnya untuk
EIS yang relatif sederhana yang merangkum data untuk manajer puncak
sejumlah eksekutif. Misalnya, layar mungkin menunjukkan calon
untuk perencanaan manajemen full-blown dan sistem kontrol. Infor PM
pelanggan untuk jenis tertentu dari pesawat atau mungkin grafis
menggabungkan enam komponen inti: manajemen strategis, perencanaan,
menggambarkan kedua perkiraan dan penjualan aktual selama tahun
penganggaran, peramalan, konsolidasi keuangan, dan pelaporan dan
lalu.
analisis. Pelaporan dan analisis, pada gilirannya, terdiri dari tiga
modul-Infor PM Aplikasi Studio, yang menyediakan intelijen bisnis dengan
Seiring waktu, lebih banyak menampilkan dikembangkan dan lebih eksekutif
mengakses, menyaring, menganalisis, dan mendistribusikan informasi di
ditambahkan ke sistem. Versi awal MIDS pada tahun 1979 hanya 31 menampilkan
seluruh organisasi; Infor PM OLAP, yang izin-izin query terhadap database
dikembangkan untuk kurang dari selusin eksekutif senior. Pada tahun 1985, 710
multidimensi; dan Infor PM OfficePlus, yang merupakan Microsoft Excel
menampilkan telah dikembangkan, 30 eksekutif senior dan 40 manajer operasi
add-in yang dirancang untuk analis yang membutuhkan pelaporan dan
menggunakan sistem, dan rata-rata jumlah tampilan yang dilihat per pengguna per
analisis keuangan lanjutan kemampuan. Semua komponen inti dan modul
hari naik menjadi 5,5. Banyak faktor yang harus datang bersama-sama untuk MIDS
dapat digunakan secara individual atau sebagai bagian dari suite penuh.
untuk menjadi sukses, tapi mungkin yang paling penting adalah bahwa sistem
Juga tersedia dari Infor adalah solusi manajemen kinerja yang dirancang
menyampaikan informasi (berdasarkan data kuantitatif dan kualitatif) yang eksekutif
untuk kecil untuk menengah
senior diperlukan untuk mereka dan perusahaan mereka untuk menjadi sukses.
236 Bagian II • Teknologi Informasi

GAMBAR 6.5 Contoh Infor PM Menampilkan (Courtesy of Infor. Copyright © 2010 Infor Global Solutions.)

Baru-baru ini, EIS telah dibuat dan digunakan dengan sukses CIGNA Corporation. Mari kita pertimbangkan beberapa contoh lain EIS / PM.
di banyak perusahaan besar lainnya seperti Phillips Petroleum, Dun
& Bradstreet Software, CocaCola Company, Fisher-Price, Conoco, Berbasis di Calgary, Alberta, Petro-Canada adalah pemimpin dalam
Inc., dan industri perminyakan Kanada. minyak Petro-Canada dan
236 Bagian II • Teknologi Informasi

Proses-menghilangkan anggaran spreadsheet dan manual kerja-dan

Divisi gas yang digunakan Comshare Keputusan untuk membuat
mampu mencukur lebih dua bulan off siklus anggaran. Pelaporan juga
suatu sistem informasi yang terintegrasi dengan lebih mudah, lebih
menjadi lebih efisien, dengan laporan yang lebih tepat waktu dan akurat.
konsisten, dan tepat waktu akses informasi bagi pengambilan
Selanjutnya, pengguna memiliki kemampuan untuk akses data secara
keputusan bisnis proses-EIS. Petro-Canada panggilan sistem baru
online dan, jika mereka mau, menelusuri ke tingkat data yang rinci.
“The Dashboard Project”, yang berarti memiliki ukuran kinerja kunci
Dashboard eksekutif memberikan statistik harian manajemen, termasuk
dan data analitis yang tersedia untuk tampilan pada dashboard
pendapatan, di berbagai unit di UHCS serta statistik penting lainnya seperti
sehingga manajer dapat berharap melalui “kaca depan
pendaftaran ruang gawat darurat. Manajer bisa menelusuri ke angka
kesempatan.” Dengan menggunakan solusi Comshare Keputusan
pendapatan harian dan com- pare dengan anggaran mereka, jika mereka
terintegrasi untuk analisis dan pengukuran kinerja, semua tingkat
mau. “Kesuksesan kami di merampingkan operasi dan mendapatkan
pengambil keputusan memiliki akses ke nomor yang sama dan
kontrol yang lebih baik dalam waktu singkat telah fenomenal,” menurut Lisa
pandangan dan memiliki keyakinan bahwa data yang saat ini,
Ritch, UHCS Direktur Akuntansi Keuangan (Infor situs Web, 2010).
benar, dan dapat diverifikasi. Sistem baru menyediakan antarmuka
pengguna tunggal untuk semua informasi yang diperlukan dalam
cara yang fleksibel intuitif, termasuk pandangan eksekutif, grafik,
diagram, kemampuan drill-down, alarm, dan alert. DM Ulasan, 2000).

PENGETAHUAN MANAGEMENT SYSTEMS

sistem manajemen pengetahuan (KMSS) adalah sistem yang memungkinkan individu

dan organisasi untuk meningkatkan pembelajaran, meningkatkan kinerja, dan,
Grand Rapids, Michigan berbasis Meijer, Inc, adalah salah satu pengecer
mudah-mudahan, menghasilkan keunggulan kompetitif jangka panjang yang
swasta terbesar di Amerika Serikat, operat- ing lebih dari 175 Supercenters ritel di
berkelanjutan. Secara sederhana, sebuah KMS adalah sistem untuk mengelola
Michigan, Illinois, Indiana, Ohio, dan Kentucky. Berdasarkan umpan balik dari area bisnis
pengetahuan organisasi. Sebuah KMS biasanya dirancang untuk mendukung salah satu
dalam Meijer, perusahaan tahu bahwa ada proses pelaporan keuangan perlu diubah.
dari tiga
Perusahaan diperlukan untuk memiliki sebuah repositori pusat untuk data, untuk
Strategi koneksi: koneksi dari orang ke orang (misalnya, direktori
menyingkirkan beberapa spreadsheet itu telah menggunakan, memiliki laporan yang
ahli), koneksi dari orang-orang untuk pengetahuan (misalnya,
tersedia melalui Web, dan untuk dapat melakukan analisis tambahan pada data.
repositori pengetahuan), dan koneksi dari orang-orang untuk alat
Singkatnya, Meijer diperlukan suatu sistem manajemen kinerja. Setelah evaluasi hati-hati
(misalnya, kalender masyarakat, forum diskusi). Di sisi lain, KMS
produk alternatif, Meijer dipilih Menginformasikan PM, dan perusahaan telah sangat
dapat terdiri dari penataan rumit konten pengetahuan
senang dengan hasilnya. Pengguna sekarang dapat pergi ke Web untuk informasi yang
(misalnya,
mereka butuhkan. Ketika mereka menandatangani di situs Web, mereka melihat pesan
taksonomi), hati-hati dikemas dan disebarluaskan kepada orang-orang. Oleh
tentang ketersediaan laporan keuangan, Scorecard, dan informasi terkait lainnya. “Kami
karena itu, KMSS memberikan organisasi kemampuan untuk leverage dan nilai
pengguna lebih dari 200 senang bisa pergi ke tempat pusat, tarik informasi, memilikinya
ekstrak dari aset intelektual atau pengetahuan mereka.
segera pergi ke Excel jika mereka ingin bekerja dengan itu, dan dapat menarik sejarah
masa lalu,” melaporkan Jeff Powers, Direktur Pelaporan Keuangan di Meijer. “Mereka
dapat halaman melalui laporan laba rugi dan bor ke detail lebih lanjut bahwa mendukung
KMSS menggunakan berbagai perangkat keras dan perangkat lunak

P & L individu garis, dan mereka dapat flip antara aktual dan anggaran” (Infor situs Web,
aplikasi untuk memfasilitasi dan dukungan manajemen pengetahuan (KM) kegiatan.

2010). ”Melaporkan Jeff Powers, Direktur Pelaporan Keuangan di Meijer. “Mereka dapat
Lalu apakah KM? KM adalah seperangkat praktek manajemen yang praktis dan

halaman melalui laporan laba rugi dan bor ke detail lebih lanjut bahwa mendukung P & L
actionoriented. Dengan kata lain, KM melibatkan strategi dan proses
mengidentifikasi, menciptakan, menangkap, mengatur, mentransfer, dan
individu garis, dan mereka dapat flip antara aktual dan anggaran” (Infor situs Web, 2010).
memanfaatkan pengetahuan untuk membantu individu dan perusahaan
”Melaporkan Jeff Powers, Direktur Pelaporan Keuangan di Meijer. “Mereka dapat
bersaing (O'Dell dan Grayson, 1998). KM berkaitan dengan perubahan perilaku
halaman melalui laporan laba rugi dan bor ke detail lebih lanjut bahwa mendukung P & L
untuk mencerminkan pengetahuan dan wawasan baru. KM bukan tentang
individu garis, dan mereka dapat flip antara aktual dan anggaran” (Infor situs Web, 2010).
mengandalkan teknologi untuk meningkatkan proses; bukan, KM
mengandalkan mengakui pengetahuan yang dimiliki oleh individu dan
perusahaan. Oleh karena itu, KMS adalah teknologi atau kendaraan yang
Sistem Universitas Perawatan Kesehatan (UHCS) dari Augusta, Georgia,
memfasilitasi berbagi dan mentransfer pengetahuan untuk tujuan menyebarkan
merupakan terintegrasi, penyedia layanan kesehatan
dan menggunakan kembali pengetahuan yang berharga bahwa, sekali
tidak-untuk-keuntungan operasi jaringan fasilitas-berlabuh oleh University
diterapkan, meningkatkan pembelajaran dan meningkatkan kinerja.
Hospital-melayani 25 kabupaten di Georgia dan Carolina Selatan. UHCS
dilaksanakan Infor PM untuk mengotomatisasi nya proses penganggaran, make
pelaporan manajemen dan analisis yang lebih efisien dan efektif, dan
memberikan para eksekutif dengan dashboard disesuaikan untuk melacak
Mengapa KM menerima begitu banyak perhatian baru-baru ini, dan
langkah-langkah kinerja utama. UHCS mulai dengan mempersatukan
mengapa begitu banyak proyek berlabel proyek KM? Sana
 Bab 6 • Manajerial Dukungan Sistem 238

Business Intelligence Bergerak untuk Pemasaran

intelijen bisnis (BI) telah menjadi alat penting dalam penjualan dan pemasaran. Misalnya, rantai restoran telah menjadi pengguna besar BI
untuk pemasaran. Wendy memutuskan untuk menerima kartu kredit di restoran yang berdasarkan hasil dari sistem BI-nya. Dalam
menganalisis data dari penerimaan percobaan perusahaan kartu kredit di toko-toko pilih, Wendy menemukan bahwa pelanggan yang
menggunakan kartu kredit menghabiskan rata-rata 35 persen lebih per pesanan dibandingkan mereka yang menggunakan uang tunai. CKE
Restaurants, perusahaan induk dari Hardee, membuat keputusan untuk pergi nasional dengan over-the-top Rakasa nya Thickburger (dua
sepertiga roti daging sapi pound, tiga iris keju olahan, dan empat strip bacon) berdasarkan analisis BI dari Thickburger uji pemasaran. CKE
dikhususkan $ 7 juta dalam iklan untuk mempromosikan Thickburger peluncuran nasional, dan penjualan di toko-toko Hardee yang telah
terbuka untuk setidaknya satu tahun naik 5,8 persen di bulan berikutnya peluncuran tersebut. “The Rakasa Thickburger langsung
bertanggung jawab untuk banyak dari kenaikan itu,” kata Brad Haley, Hardee Executive Vice President of Marketing.

BI telah berhasil digunakan untuk membantu perusahaan menargetkan surat mereka dalam kampanye pemasaran langsung. pemasaran
langsung menggunakan brosur, selebaran, katalog, dan bahan promosi lainnya untuk meyakinkan pelanggan potensial untuk membeli apa pun
yang sedang dipasarkan, yang mungkin menjadi pesiar, kartu kredit, pakaian, dan sebagainya. Jika BI digunakan untuk mengidentifikasi
pelanggan yang paling mungkin untuk produk (mengatakan kapal pesiar), dan kemudian materi pemasaran dikirim ke hanya 10 persen dari basis
model besar, laba atas surat tersebut akan rata-rata 2,34 kali lebih banyak daripada jika mailing itu dikirim ke 10 persen acak dari base model,
menurut Peter Harvey, Chief Executive Officer Intellidyn, sebuah perusahaan konsultan yang membantu klien merancang dan melaksanakan
kampanye pemasaran langsung. Dalam contoh lain dari penggunaan BI dalam pemasaran, sekitar 50 orang pemasaran di StubHub, pasar online
untuk tiket acara (sekarang dimiliki oleh eBay), membuat laporan BusinessObjects mereka sendiri untuk membuat keputusan tentang di mana
untuk menargetkan promosi dan iklan online. Misalnya, mereka menganalisis pola belanja konsumen dan data demografis untuk menentukan
kapan pembelian untuk acara tertentu cenderung puncak sehingga mereka tahu waktu yang tepat untuk beriklan.

[Berdasarkan Kelly, 2008; Levinson, 2007; dan Weier, 2007]

empat penjelasan. Pertama, organisasi berinvestasi di KMSS karena mereka
percaya bahwa nilai yang diperoleh oleh individu yang menggunakan sistem
akan melebihi biaya (Santhanam dan Hartoro, 2003).
Kedua, salah satu pemicu yang mengarah ke pengembangan proyek
KM berkaitan dengan valuasi perusahaan. Sebagai contoh, nilai bersih Microsoft
diperkirakan dengan memeriksa nilai pasar berdasarkan harga saham dikurangi
aktiva bersih. Perbedaan besar ini disebabkan oleh pengetahuan yang dimiliki
oleh individu dan organisasi (misalnya, rutinitas, praktik terbaik). Dalam kerangka
waktu yang sama, “pengetahuan aset” mulai muncul pada neraca beberapa
perusahaan dalam laporan tahunan mereka. Oleh karena itu, ada kesadaran dan
konsensus bahwa “pengetahuan,” atau modal intelektual, akan memungkinkan
perusahaan untuk membedakan diri dari orang lain dan untuk bersaing secara
efektif di pasar berkembang, dan ini telah menyebabkan proliferasi KMSS untuk
mengelola aset pengetahuan. Ketiga, pandangan berbasis sumber daya dari
teori perusahaan menyarankan
bahwa “aset pengetahuan,” ketika dianggap sebagai sumber
daya organisasi, dapat menjadi sumber keunggulan kompetitif. Dengan kata
lain, aset pengetahuan organisasi yang berharga, langka, ditiru, dan
nonsubstitutable dapat memungkinkan perusahaan untuk membedakan diri
dari pesaing.
Keempat, manfaat nyata diperoleh dari pelaksanaan inisiatif KM
dan KMS. Meskipun manfaat khusus untuk sebuah perusahaan tertentu,
ada baik perbaikan operasional
dan perbaikan pasar. perbaikan operasional fokus pada kegiatan internal dan
termasuk penghematan biaya (misalnya, lebih cepat dan penyebaran yang lebih
baik pengetahuan), proses yang efisien (misalnya, praktik terbaik), proses
manajemen perubahan (misalnya, perubahan perilaku), dan penggunaan kembali
pengetahuan (misalnya, standar kualitas tinggi) . Sebaliknya, perbaikan pasar
fokus pada kegiatan eksternal seperti kinerja (misalnya, peningkatan penjualan),
penghematan biaya (misalnya, biaya yang lebih rendah dari produk dan jasa), dan
kepuasan pelanggan (misalnya, lebih cepat penyelesaian masalah pelanggan).
Tujuan dari KMS adalah untuk memanfaatkan pengetahuan dari individu
dan organisasi dan menyebarkannya di seluruh perusahaan untuk memperoleh
perbaikan operasional dan pasar. Selain itu, KMS secara fundamental berbeda
dari sistem lain karena (1) itu menganggap isi yang terkandung dalam sistem-yang
adalah, sistem ini hanya sebagai baik sebagai apa yang di dalamnya! -Dan (2)
sistem ini tidak digunakan untuk pekerjaan pada tugas, melainkan untuk
memperoleh pengetahuan yang dibutuhkan untuk melakukan tugas-oleh karena
itu, penggunaan KMS adalah salah satu langkah dihapus dari tugas itu sendiri.
Berdasarkan studi dari
 Bab 6 • Manajerial Dukungan Sistem 239

manfaat yang diperoleh dari memanfaatkan karyawan mereka dan pengetahuan

lebih dari dua lusin sukses KMSS baru-baru ini dilaksanakan di
organisasi. Selain itu, mereka menemukan kebutuhan strategis untuk melanjutkan
berbagai perusahaan, ada tiga KMS karakteristik yang perlu
upaya mereka untuk mengungkap harta tersembunyi di dalam dan di luar
diperhatikan dalam menggambarkan KMS: pertama, sejauh mana ada
batas-batas organisasi mereka.
manajemen formal dan kontrol dari KMS; kedua, fokus dari proses
KM, seperti penciptaan pengetahuan, menangkap, organisasi dan
kemasan, akses, pencarian dan diseminasi, dan aplikasi; dan ketiga, Dua KMS Inisiatif Terbaru dalam Firm
sejauh mana usabilitas pengetahuan dianggap (misalnya, aturan Farmasi
80-20, atau 20 persen dari konten pengetahuan yang berpotensi
KMS PERUSAHAAN Tim A KM dibentuk untuk mengembangkan KMS
terkandung dalam KMS cenderung menjadi yang paling nilai 80
persen dari pengguna) (Dennis dan Vessey, 2005). organisasi-lebar melayani beberapa praktek masyarakat. Operasi
dari sebuah komunitas praktek melibatkan kombinasi perangkat
lunak dan proses. Setiap komunitas memiliki koordinator yang
ditunjuk yang tugasnya adalah untuk memastikan bahwa tumbuh
Sebuah KMS mungkin memiliki sedikit manajemen formal
subur masyarakat (beberapa komunitas memiliki dua atau tiga
dan kontrol, seperti dalam kasus “praktek masyarakat” (COP).
koordinator). Koordinator relawan dan menerima kompensasi tidak
Dirancang untuk individu dengan minat yang sama, COP KMS
ada tambahan; Namun, mereka cenderung untuk menjadi anggota
menyediakan kendaraan untuk memungkinkan anggota komunitas
sangat terlihat dari komunitas mereka. Koordinator melakukan
suatu tersebut untuk bertukar ide, tips, dan pengetahuan lain yang
banyak fungsi tertentu seperti menyambut anggota baru,
mungkin berharga bagi anggota masyarakat. Tidak ada
mengembangkan dan memelihara standar perilaku dan standar
manajemen atau kontrol dari KMS tersebut formal; bukan, anggota
untuk pengetahuan dalam masyarakat, menjaga kalender
bertanggung jawab untuk memvalidasi dan penataan pengetahuan
masyarakat, memantau forum diskusi, memastikan bahwa
mereka untuk digunakan dalam KMS. Setiap anggota COP
pengetahuan di masyarakat sesuai,
bertanggung jawab atas isi pengetahuan, dengan kemungkinan
besar bahwa pengetahuan tersebut akan berlaku untuk hanya
beberapa anggota. Dengan kata lain, ada sangat sedikit, jika ada,
mengatur dan kemasan pengetahuan, membuat pencarian dan Perangkat lunak ini Portal yang digunakan untuk mendukung

penerapan bahkan lebih sulit. Semoga, masyarakat dari praktik menyediakan sekitar 150 alat yang hanya
segelintir secara teratur digunakan. Tiga alat yang paling umum
digunakan adalah forum diskusi, tips, dan kalender. Seperti namanya,
forum diskusi adalah alat yang memungkinkan diskusi tanya-jawab
antara anggota masyarakat. Setiap anggota kaleng masyarakat

Sebaliknya, KMS mungkin memiliki manajemen formal yang luas dan

menimbulkan pertanyaan atau permintaan di forum diskusi; demikian juga,
kontrol. Mungkin ada tim KM untuk mengawasi proses validasi pengetahuan
semua anggota dapat menanggapi item yang diposting di
sebelum penyebaran. tim tersebut menyediakan struktur, organisasi, dan
Diskusi. Setiap item diskusi di forum biasanya dimulai
kemasan untuk bagaimana pengetahuan adalah untuk disampaikan kepada
sebagai thread sendiri, dan sering ada dua
pengguna. Sumber daya dedicated memastikan bahwa konten pengetahuan
atau tiga thread diskusi aktif, tergantung pada ukuran
masuk ke dalam KMS telah diperiksa secara menyeluruh dan bahwa hal itu
masyarakat. Koordinator masyarakat biasanya ulasan item dalam
akan memenuhi aturan 80-20.
forum diskusi dan arsip diskusi yang lebih tua. Kadang-kadang
koordinator akan memutuskan bahwa item tertentu berguna dan
Diskusi ini tidak berarti bahwa KMS harus ditandai sebagai
relevan dalam jangka panjang dan harus pindah ke daerah tips.
biner-yaitu, memiliki salah sedikit atau luas manajemen formal dan kontrol,
Dalam hal ini,
pengolahan pengetahuan, atau usabilitas pengetahuan. Sebaliknya, ada
Koordinator atau kontributor untuk diskusi akan menyiapkan versi
spektrum dari KMSS yang dirancang untuk memenuhi kebutuhan spesifik
yang lebih formal untuk disimpan di daerah tips.
dari perusahaan tertentu. Dalam kasus KMS COP, tidak jelas apakah
Alat kiat memungkinkan setiap anggota masyarakat untuk menulis
fokusnya adalah baik operasional atau pasar perbaikan. Di sisi lain,
catatan singkat bahwa dokumen beberapa saran praktek terbaik yang
pendekatan tim KM upaya untuk mencapai kedua perbaikan operasional dan
kontributor percaya mungkin menarik untuk masyarakat secara keseluruhan.
pasar. Meskipun KMSS masih tumbuh dengan banyak ruang untuk
Teks lengkap dari semua tips yang dicari, sehingga anggota masyarakat dapat
kemajuan, banyak perusahaan mengamati KMS mereka berkembang dari
menemukan tips yang menarik.
satu bentuk ke bentuk lainnya karena mereka belajar dari pengalaman
mereka dan sebagai kebutuhan strategis dan sumber daya perubahan.
evolusi seperti menunjukkan bahwa perusahaan sedang menikmati
Koordinator mempertahankan kalender masyarakat. Anggota
komunitas biasanya e-mail koordinator dengan item kalender yang
disarankan, yang koordinator
 Bab 6 • Manajerial Dukungan Sistem 240

Meskipun ada beberapa iterasi dari antarmuka pengguna untuk

posting. Khas item kalender mencakup pertemuan tatap muka yang
menyelaraskan terbaik dengan mengubah taksonomi, struktur
diselenggarakan oleh sebagian atau seluruh masyarakat, seminar dan lokakarya
pengetahuan untuk sistem saat ini dirancang dalam apa tim yang disebut
yang ditawarkan oleh anggota komunitas, dan presentasi yang lebih formal
“T-struktur,” yang memiliki dua bagian yang berbeda. Di bagian atas dari
mungkin menarik bagi masyarakat.
“T” (dan disajikan secara horizontal di dekat bagian atas layar Lotus
Notes) adalah pengetahuan penjualan umum dirancang untuk menjadi
FIELD SALES KMS Sebuah tim KM yang berbeda dibentuk untuk memimpin
relevan untuk semua divisi penjualan. Ini terkandung pengetahuan tentang
pengembangan KMS penjualan lapangan. Berbeda dengan KMS perusahaan,
topik-topik seperti aturan dan pedoman untuk promosi penjualan, template
misi tim KMS ini adalah untuk merancang dan membangun kedua konten dan
untuk proses penjualan, bentuk untuk fungsi penjualan, dan direktori
struktur KMS. Oleh karena itu, taksonomi pengetahuan dikembangkan sehingga
dengan nomor telepon ahli kunci dalam unit bisnis AS. Di tengah “T” (dan
pengetahuan tentang masing-masing obat yang dijual oleh perusahaan ini
disajikan secara vertikal dekat tepi kiri layar Lotus Notes) itu pengetahuan
diselenggarakan secara terpisah. perwakilan penjualan akan memiliki akses ke
divisi khusus, yang biasanya tergolong obat yang dijual oleh divisi itu. Ini
pengetahuan hanya tentang obat mereka menjual.
berisi informasi seperti informasi penjualan mendasar pada obat yang
dijual oleh perwakilan penjualan, analisis kompetitif, hasil dalam uji coba
operasi penjualan dan manajemen merek akan mengembangkan
obat baru-baru ini, dan surat dari dokter ahli. Tips dan praktik terbaik yang
draft awal dari konten pengetahuan, yang mereka akan memberikan
diajukan oleh perwakilan penjualan lapangan baik akan cocok di bagian
kepada tim KM. Tim KM akan memformat dokumen dan menempatkan
atas atau bawah sisi layar tergantung pada apakah mereka difokuskan
mereka di lokasi yang tepat di KMS menurut taksonomi. Sistem ini
pada pengetahuan penjualan umum atau pengetahuan khusus produk.
dirancang untuk menjadi repositori pengetahuan utama yang digunakan
oleh perwakilan penjualan lapangan dan manajer penjualan. Selain itu,
semua komunikasi pengetahuan dengan perwakilan penjualan lapangan
diharapkan dapat dilakukan melalui KMS penjualan lapangan. Alih-alih
mailing bahan kertas pemasaran dan nasihat, misalnya, manajer akan
sekarang membuat mereka di Word dan PowerPoint dan mempostingnya
ke dalam KMS penjualan lapangan. KMS Sukses

Apa yang dibutuhkan untuk KMS untuk menjadi sukses? Satu aliran
penelitian menunjukkan bahwa baik pasokan (yaitu, kontribusi pengetahuan)
Tim KM juga menyadari bahwa penting untuk mengaktifkan perwakilan
dan permintaan (yaitu, reuse pengetahuan) sisi KM harus dipertimbangkan
penjualan lapangan sendiri untuk berkontribusi kiat penjualan dan saran praktis untuk
secara bersamaan. Dengan kata lain, faktor dukungan organisasi pada
digunakan oleh perwakilan penjualan lainnya. Namun, karena kontrol peraturan
pasokan sisi-yang melibatkan komitmen kepemimpinan, manajer dan rekan
pemerintah yang ketat atas komunikasi dengan dokter, semua tips tersebut diperlukan
dukungan untuk inisiatif KM, dan kualitas pengetahuan kontrol dan
pertama yang disetujui oleh departemen hukum perusahaan. Oleh karena itu Sebuah
permintaan sisi-yang melibatkan insentif dan sistem reward, relevansi
proses empat langkah resmi dikembangkan untuk memvalidasi semua konten yang
pengetahuan, kemudahan menggunakan KMS , dan kepuasan dengan
dikirim dalam dari perwakilan penjualan lapangan. Tips pertama kali diperiksa oleh tim
penggunaan KMS-yang sama pentingnya dengan KMS sendiri dan bahwa
KM sendiri untuk memastikan konten yang koheren dan lengkap. Berikutnya, ujung
faktor-faktor ini harus dikelola dengan hati-hati dan secara bersamaan
diserahkan kepada kelompok hukum untuk memastikan bahwa konten itu konsisten
(Kulkarni, Ravindran, dan Freeze, 2006-2007).
dengan semua aturan, peraturan, dan pedoman praktek promosi yang baik. Kemudian
ujung dikirim ke tim manajemen merek untuk memastikan bahwa itu adalah konsisten
dengan strategi pemasaran untuk obat. Terakhir, ujung dikirim ke kelompok operasional
penjualan untuk peer review oleh panel lima perwakilan penjualan untuk memastikan
Aliran kedua penelitian menunjukkan pentingnya modal sosial

bahwa kontribusi memiliki nilai riil. Akhirnya, setelah ujung telah disetujui, itu masuk ke
dalam menentukan apakah manfaat dapat direalisasikan. KMS sukses

dalam KMS penjualan lapangan. Meskipun ini terdengar seperti sebuah proses yang
terjadi ketika individu termotivasi untuk berpartisipasi dalam inisiatif KM,

panjang, paling kiat diproses dalam waktu dua minggu dari penerimaan. Bidang
ketika individu memiliki kemampuan kognitif untuk memahami dan

perwakilan penjualan dihargai dengan menerima poin penjualan untuk setiap ujung yang
menerapkan pengetahuan, dan ketika individu memiliki hubungan yang

akhirnya diterima (titik-titik ini adalah bagian dari struktur komisi yang biasa diterima oleh
kuat dengan satu sama lain (Wasko dan Faraj, 2005). Namun lain aliran

semua perwakilan penjualan; poin yang diterima untuk setiap ujung setara dengan sekitar
penelitian menunjukkan pentingnya waktu

$ 60). ujung dikirim ke kelompok operasional penjualan untuk peer review oleh panel lima
dan pengalaman dalam mewujudkan manfaat dari KM dan KMSS. individu
perwakilan penjualan untuk memastikan bahwa kontribusi memiliki nilai riil. Akhirnya,
yang lebih berpengalaman memiliki daya serap untuk manfaat langsung dari
setelah ujung telah disetujui, itu masuk ke dalam KMS penjualan lapangan. Meskipun ini
penggunaan KMS. Namun, seiring waktu, pengalaman memainkan peran
terdengar seperti sebuah proses yang panjang, paling kiat diproses dalam waktu dua
berkurang dalam hal keuntungan kinerja dari KMS penggunaan-yaitu, individu
minggu dari penerimaan. Bidang perwakilan penjualan dihargai dengan menerima poin
yang kurang berpengalaman akhirnya diturunkan kinerja yang sama
penjualan untuk setiap ujung yang akhirnya diterima (titik-titik ini adalah bagian dari
struktur komisi yang biasa diterima oleh semua perwakilan penjualan; poin yang diterima untuk setiap ujung setara dengan sekitar $ 60). ujung dikirim ke kelompok operasional penjualan untuk peer
 Bab 6 • Manajerial Dukungan Sistem 241

bola dan dukungan satelit lengan dengan bentuk novel yang mencegah
manfaat sebagai orang-orang dari rekan-rekan yang lebih berpengalaman mereka (Ko
getaran dari yang ditransmisikan sepanjang truss.
dan Dennis, 2009). Secara kolektif, faktor-faktor individual dan institusional memfasilitasi
Final dua cabang AI adalah yang paling relevan untuk dukungan manajerial.
keberhasilan sebuah KMS.
Itu sistem pakar cabang yang bersangkutan dengan sistem yang
menggabungkan logika pengambilan keputusan dari manusia ahli bangunan.

KECERDASAN BUATAN Sebuah cabang baru dari AI adalah jaringan saraf, yang dinamai studi
tentang bagaimana sistem saraf manusia bekerja, tetapi yang sebenarnya
Ide kecerdasan buatan (AI), studi tentang bagaimana membuat komputer
melakukan hal-hal yang saat ini dilakukan baik oleh orang-orang, berusia lebih menggunakan analisis statistik untuk mengenali pola dari sejumlah besar
dari 50 tahun, tetapi hanya dalam 30 tahun terakhir memiliki komputer menjadi informasi dengan proses pembelajaran adaptif.
cukup kuat untuk membuat aplikasi AI menarik secara komersial. Penelitian AI Kedua cabang ini AI dijelaskan dalam
telah berkembang menjadi enam wilayah yang terpisah namun berhubungan; ini
lebih rinci dalam bagian berikut.
adalah bahasa alam, robotika, sistem tanggap (penglihatan dan pendengaran),
pemrograman genetik (juga disebut desain evolusioner), sistem pakar, dan
jaringan saraf. SISTEM PAKAR

Bagaimana seseorang menangkap logika seorang ahli dalam sistem komputer?

Pekerjaan di bahasa alam, terutama dalam ilmu komputer
Untuk merancang sistem pakar, spesialis dikenal sebagai insinyur pengetahuan
departemen di universitas, dan di penjual laboratorium, bertujuan untuk
(analis sistem yang terlatih khusus) bekerja sangat erat dengan satu atau lebih ahli
menghasilkan sistem yang menerjemahkan instruksi manusia biasa
di bidang yang diteliti. insinyur pengetahuan mencoba untuk mempelajari segala
menjadi bahasa yang komputer dapat memahami dan melaksanakan.
sesuatu yang mereka dapat tentang cara di mana ahli membuat keputusan. Jika
Robotika dianggap dalam bab sebelumnya. sistem perseptif
seseorang mencoba untuk membangun sebuah sistem pakar untuk perencanaan
perumahan, misalnya, insinyur pengetahuan bekerja dengan perencana real
Penelitian melibatkan menciptakan mesin yang memiliki kemampuan persepsi
berpengalaman untuk melihat bagaimana mereka melakukan pekerjaan mereka.
visual dan / atau aural yang mempengaruhi perilaku fisik mereka. Dengan kata
Apa insinyur pengetahuan telah belajar kemudian dimuat ke dalam sistem komputer,
lain, penelitian ini bertujuan untuk menciptakan robot yang bisa “melihat” atau
dalam format khusus, dalam modul yang disebut basis pengetahuan (lihat Gambar
“mendengar” dan bereaksi terhadap apa yang mereka lihat atau dengar. Dengan pemrograman
6.6). basis pengetahuan ini berisi baik aturan inferensi yang diikuti dalam
genetik atau desain evolusioner, masalah dibagi menjadi beberapa segmen,
pengambilan keputusan dan parameter, atau fakta, yang relevan dengan keputusan.
dan solusi untuk segmen ini terkait bersama-sama dalam cara yang berbeda
untuk berkembang biak baru “anak” solusi. Setelah beberapa generasi
pemuliaan, pemrograman genetik mungkin menghasilkan hasil yang lebih unggul
dari yang dibuat oleh manusia. pemrograman genetik telah paling berguna dalam
Potongan-potongan besar lainnya dari sistem pakar adalah
desain produk-produk inovatif seperti bola lampu halogen hemat energi yang jauh
mesin inferensi dan user interface. Mesin inferensi adalah kerangka logis
lebih terang dari halogen standar
yang secara otomatis mengeksekusi garis penalaran bila diaktifkan
dengan aturan inferensi

Pengetahuan
Workspace
Subsystem Mendasarkan

Penjelasan

Interface

pemakai
User inference
Mesin
Subsystem
Akuisisi
pengetahuan
Insinyur
Pengetahuan

GAMBAR 6.6 Arsitektur Sistem Pakar


dan parameter yang terlibat dalam keputusan; dengan demikian, mesin inferensi
yang sama dapat digunakan untuk banyak sistem pakar yang berbeda,
masing-masing dengan basis pengetahuan yang berbeda. User interface adalah
modul yang digunakan oleh pengguna akhir-misalnya, perencana real
berpengalaman. Idealnya, antarmuka yang sangat user-friendly. Modul lain
mencakup subsistem penjelasan untuk menjelaskan alasan bahwa sistem diikuti
dalam mencapai keputusan, subsistem akuisisi pengetahuan untuk membantu
knowledge engineer dalam pencatatan aturan inferensi dan parameter dalam
basis pengetahuan, dan ruang kerja bagi komputer untuk digunakan sebagai
keputusan sedang dibuat.
Memperoleh Sistem Pakar
Apakah perlu untuk membangun semua potongan-potongan ini setiap kali
organisasi Anda ingin mengembangkan dan menggunakan sistem pakar?
Benar-benar tidak. Ada tiga pendekatan umum untuk memperoleh sistem
pakar, dan hanya satu dari mereka membutuhkan pembangunan semua
potongan-potongan ini. Pertama, sebuah organisasi dapat membeli sistem
sepenuhnya dikembangkan yang telah dibuat untuk aplikasi tertentu. Sebagai
contoh, pada akhir 1980-an, Syntelligence, Inc, mengembangkan sistem
pakar disebut Pinjaman Advisor untuk membantu dalam membuat keputusan
pemberian kredit komersial untuk bank dan lembaga keuangan lainnya.
Pinjaman Advisor memasukkan banyak faktor yang terlibat dalam menyetujui
atau menolak pinjaman komersial, dan itu dipasang di beberapa bank. Secara
umum, bagaimanapun, keadaan yang menyebabkan keinginan untuk sistem
pakar yang unik untuk organisasi, dan dalam kebanyakan kasus,
Kedua, organisasi dapat mengembangkan sistem pakar itu sendiri
menggunakan buatan shell kecerdasan ( juga disebut sistem pakar
shell). Shell, yang dapat dibeli dari sebuah perusahaan perangkat lunak,
menyediakan kerangka dasar diilustrasikan pada Gambar 6.6 dan bahasa
terbatas tetapi userfriendly khusus yang dapat digunakan untuk
mengembangkan sistem pakar. Dengan fungsi sistem pakar dasar sudah
di tempat di shell, sistem pembangun dapat berkonsentrasi pada rincian
keputusan bisnis yang dimodelkan dan pengembangan
basis pengetahuan. Ketiga,
organisasi dapat memiliki internal atau eksternal insinyur pengetahuan
custom-membangun sistem pakar. Dalam hal ini, sistem ini biasanya
diprogram dalam bahasa tujuan khusus-seperti Prolog atau Lisp.
Pendekatan akhir ini adalah jelas yang paling mahal, dan dapat
dibenarkan hanya jika potensi hasil dari sistem pakar cukup tinggi dan
tidak ada cara lain yang mungkin.
Contoh Sistem Pakar
Mungkin contoh klasik dari sistem pakar adalah MYCIN, yang
dikembangkan di Stanford University di
Bab 6 • Manajerial Dukungan Sistem 242
pertengahan 1970-an untuk mendiagnosa dan pengobatan meresepkan untuk
meningitis dan penyakit darah. General Electric Co menciptakan sebuah
sistem pakar disebut CATS-1 untuk mendiagnosa masalah mekanik di
lokomotif diesel, dan AT & T mengembangkan ACE untuk menemukan
kesalahan dalam kabel telepon. Schlumberger, Ltd, sebuah perusahaan
minyak internasional, mengembangkan sistem pakar bernama Dipmeter
untuk memberikan nasihat ketika bor mendapat terjebak sementara
pengeboran sumur. Contoh-contoh dan lain-lain prihatin dengan situasi
masalah ing diagnos- dan resep tindakan yang tepat, karena para ahli tidak
selalu hadir ketika terjadi masalah.
Diagnosis dari jenis yang berbeda dilakukan dengan sistem
pakar di Bursa Efek Amerika yang telah dibangun untuk membantu
mendeteksi insider trading di bursa.
sistem pakar ini, bernama Market Surveillance, dirancang untuk
mendukung analis dalam membuat rekomendasi tentang apakah akan
membuka penyelidikan dugaan insider trading. Database yang relevan
aktivitas harga saham yang dimasukkan ke dalam sistem pakar, dan
merespon analis untuk serangkaian pertanyaan dari sistem. output terdiri
dari dua nilai-yang pertama adalah probabilitas bahwa penyelidikan harus
dibuka dan yang kedua adalah probabilitas bahwa penyelidikan tidak
boleh dibuka (EXSYS Inc., 2010).
Sebelumnya kami menyebutkan bahwa sistem pakar yang digunakan
untuk membantu dalam membuat keputusan pemberian kredit komersial pada
awal tahun 1980-an. Hari ini, lebih dari sepertiga dari 100 bank komersial di
Amerika Serikat dan Kanada penggunaan CEPAT (Teknik Analisis Dukungan
Keuangan) perangkat lunak untuk analisis kredit. Sistem pakar CEPAT
memberikan akses analis kredit kepada keahlian analis yang lebih
berpengalaman, mempercepat proses pelatihan dan peningkatan produktivitas.
CEPAT juga menyediakan rangkaian lengkap laporan analisis tradisional pada
kedua sejarah dan secara proforma dasar (EXSYS Inc., 2010).
sistem pakar sering melayani dalam peran penasehat kepada para
pembuat keputusan dari semua jenis. Misalnya, IDP (rencana pengembangan
individu) Goal Advisor adalah sistem pakar yang membantu seorang supervisor
dan karyawan dalam menetapkan jarak pendek dan jangka panjang tujuan karir
karyawan dan tujuan pembangunan untuk mencapai tujuan tersebut. Nestlé
Foods telah mengembangkan sistem pakar untuk memberikan informasi kepada
karyawan mengenai status dana pensiun mereka. Menggunakan sistem pakar,
seorang karyawan dapat melakukan pribadi “wawancara” dengan ahli dana
pensiun dan bertanya apa-jika pertanyaan tentang manfaat. Sistem pakar
memungkinkan karyawan untuk membuat keputusan perencanaan keuangan
pribadi lebih luas tanpa memerlukan personil yang luas konsultasi departemen.
EXNUT adalah sistem pakar yang dikembangkan oleh National Laboratory
Peanut Penelitian dan AS Departemen Pertanian untuk membantu petani kacang
tanah mengelola produksi kacang tanah irigasi. Berdasarkan data yang ekstensif
 Bab 6 • Manajerial Dukungan Sistem 243

Sistem pakar Go Mobile

sistem tradisional pakar telah dijalankan di PC atau server (sering melalui antarmuka Web), tapi itu berubah. vendor perangkat
lunak EXSYS Inc sekarang membuat corvid software sistem pakar yang tersedia untuk dijalankan pada berbagai komputer
genggam. mobilitas sistem pakar ini bisa menjadi sangat berguna untuk perwakilan penjualan, teknisi lapangan, dan perbaikan
pekerja-dan orang lain yang bekerja di luar lingkungan kantor.

Beberapa sistem pakar ponsel paling awal telah dikerahkan dalam aplikasi medis. Epocrates, Inc, bekerja sama
dengan Laboratorium Rumah Sakit Umum Massachusetts ini Ilmu Komputer, telah mengembangkan diagnosis penyakit dan
referensi pengobatan alat mobile bernama Epocrates SxDx. sistem pakar ponsel ini memungkinkan dokter untuk
memasukkan jumlah yang tidak terbatas gejala, hasil lab, dan demografi pasien dan kemudian menghasilkan daftar
diagnosis yang masuk akal. Selanjutnya, Epocrates SxDx dapat meminta dokter untuk memperbaiki daftar masukan mereka
berdasarkan kemungkinan gejala pasien dan temuan. SxDx kemudian menggunakan diagnosa potensial untuk
mengidentifikasi pilihan pengobatan. “Integrasi ini dari indeks diagnosis dan konten referensi medis ponsel Epocrates dapat
membantu untuk mendukung keputusan klinis di mana pun mereka dibuat,” kata Octo Barnett, MD,

ponsel dan sistem pakar yang digunakan untuk membantu mengendalikan malaria di Kenya sebagai bagian dari Desa Proyek
Milenium. Dalam pendekatan baru untuk malaria pengendalian, pekerja kesehatan masyarakat mengunjungi rumah tangga pada
mencari demam yang dapat menunjukkan malaria. Para pekerja kesehatan membawa cepat pengujian bahan diagnostik yang
memeriksa setetes darah untuk kehadiran patogen malaria. Menggunakan ponsel, mereka mengirim pesan teks dengan identifikasi
dan tes pasien hasil untuk sistem pakar, yang terletak pada komputer remote. Dalam hitungan detik, respon teks otomatis dari sistem
pakar menginformasikan petugas kesehatan dari program yang tepat pengobatan, jika ada. Sistem ini juga dapat mengirim pengingat
tentang perawatan tindak lanjut atau dijadwalkan kunjungan klinik untuk pasien. Selain prosedur sistem telepon-pakar
pengujian-mobile yang cepat, pendekatan baru untuk mengendalikan malaria termasuk insektisida kelambu dibuat untuk terakhir
selama lima tahun dan generasi baru obat kombinasi dibangun di sekitar pengobatan herbal tradisional Cina. Pendekatan gabungan
ini telah terbukti menjadi sistem malaria kontrol sangat efektif.

[Berdasarkan Chabrow, 2006; Epocrates, 2006; dan Sachs, 2010]

dikumpulkan dari bidang kacang individu sepanjang musim tanam, EXNUT
membuat rekomendasi untuk irigasi, pengobatan fungisida, dan
manajemen hama. Hasilnya cukup positif: Bidang dikelola oleh EXNUT
telah secara konsisten menghasilkan hasil yang lebih tinggi dan kacang
berkualitas tinggi menggunakan air kurang dan kurang fungisida daripada
yang berhasil tanpa sistem pakar (EXSYS Inc., 2010).
Penjadwalan merupakan daerah penting untuk sistem pakar. Sistem
pakar yang sedang digunakan termasuk truk routing yang dan sistem
penjadwalan yang menentukan urutan berhenti pada rute untuk memberikan
pelayanan yang terbaik dan sistem desain pabrik yang mesin Mengorganisir
dan operator untuk memberikan aliran yang efisien bahan melalui pabrik dan
menggunakan sumber daya efisien. Sebagai contoh lain, General Motors
menciptakan Expert Penjadwalan Sistem, atau ESS, untuk menghasilkan
jadwal manufaktur yang layak. ESS menggabungkan heuristik yang telah
dikembangkan oleh sebuah pabrik scheduler berpengalaman ke dalam
sistem, dan juga link langsung ke GM komputer terpadu
manufaktur (CIM) lingkungan sehingga informasi tanaman real-time
digunakan untuk menghasilkan jadwal lantai pabrik. Beberapa sistem pakar
spesialis dalam memilah-milah besar
set aturan atau data lainnya. Sebagai contoh, sistem pakar penasihat
online telah dibuat selama lebih dari selusin
bidang kompleks Keselamatan dan peraturan Administrasi
Kesehatan (OSHA). Salah satunya penasihat secara online adalah Asbes
Advisor, yang tersedia untuk download gratis oleh pemilik bangunan,
manajer, dan kontraktor
mempertahankan sifat berpotensi terkontaminasi dengan asbes.
Berdasarkan masukan pengguna, sistem menyediakan panduan tentang
bagaimana standar asbes mungkin berlaku untuk bangunan. Pada tahun
pertama itu ditempatkan di Internet, hampir
80.000 usaha menggunakan asbes Advisor. Lain
Contohnya adalah kasus Pekerja Advisor, yang telah opment
OpEd untuk mendukung Bantuan Sementara Tribal Navajo Nation
untuk Keluarga Miskin (TANF) program kesejahteraan. sistem pakar ini
menangkap keahlian pekerja kasus di
membuat keputusan tentang manfaat untuk Navajo klien. Itu
 Bab 6 • Manajerial Dukungan Sistem 244

jaringan, dan pola sekali lagi disesuaikan. Jaringan saraf belajar

Kasus Pekerja Advisor menggabungkan aspek budaya dan filosofi dari
lebih banyak tentang pola sebab-akibat dari data tambahan ini, dan
para pekerja kasus Navajo, arus metode penilaian sebelumnya, dan
kemampuan prediktif biasanya membaik sesuai.
membantu pekerja kasus yang kurang berpengalaman. “Dalam
pemrograman sistem otomasi pengetahuan kita menyumbang warisan
program jaringan saraf komersial (sebenarnya, ini adalah kerang)
budaya yang unik, saat mengikuti kompleks federal, negara bagian, dan
yang tersedia untuk harga yang wajar, tetapi bagian yang sulit dari
pedoman suku,” menurut direktur proyek TANF Navajo Nation (EXSYS
membangun aplikasi jaringan saraf adalah
Inc., 2010).
pengumpulan data dan pemeliharaan data. Namun, semakin banyak
aplikasi yang sedang digunakan. jaringan saraf biasanya digunakan baik untuk
memprediksi atau mengkategorikan, tapi
JARINGAN SYARAF TIRUAN untuk melakukannya secara induktif daripada deduktif. Tabel 6.2
memuat contoh penggunaan saat ini jaringan saraf.
Sedangkan sistem pakar mencoba untuk menangkap keahlian manusia dalam sebuah
Mari kita perhatikan beberapa contoh jaringan saraf. American
program komputer, jaringan saraf mencoba untuk menggoda keluar pola bermakna
Express menggunakan sistem saraf untuk membaca tulisan tangan pada slip
dari data dalam jumlah besar. jaringan saraf dapat mengenali pola terlalu
kartu kredit. Negara bagian Wyoming menggunakan sistem saraf untuk
mengaburkan bagi manusia untuk mendeteksi, dan mereka beradaptasi sebagai
membaca angka tangan-dicetak pada formulir pajak. raksasa minyak seperti
informasi baru yang diterima.
Arco menggunakan jaringan saraf untuk membantu minyak dan gas pinpoint
bawah permukaan bumi. jaringan saraf yang digunakan untuk memprediksi total
Karakteristik utama dari jaringan saraf adalah bahwa mereka
biaya kontingensi pada proyek-proyek konstruksi. Dalam satu aplikasi yang
belajar. Program jaringan saraf awalnya diberikan satu set data yang
sangat menarik, jaringan saraf dirancang untuk memprediksi kisaran
terdiri dari banyak variabel yang berhubungan dengan sejumlah besar
pendapatan yang diharapkan dari film sebelum rilis-dan jaringan saraf yang
kasus, atau peristiwa, di mana hasil diketahui. Program ini
teatrikal menghasilkan prediksi yang lebih baik lebih daripada metode statistik
menganalisis data, bekerja keluar semua korelasi, dan kemudian
lainnya yang saat ini bekerja (NeuroDimension, 2010).
memilih satu set variabel yang sangat berkorelasi dengan hasil yang
diketahui tertentu sebagai pola awal. Pola awal ini digunakan untuk
mencoba untuk memprediksi hasil dari berbagai kasus, dan ini hasil
Banyak bank yang lebih besar di Amerika Serikat menggunakan
prediksi dibandingkan dengan hasil yang dikenal. Berdasarkan
jaringan saraf untuk mengembangkan nilai kredit untuk konsumen dan
perbandingan ini, program mengubah pola dengan menyesuaikan
usaha kecil dan menengah. Kemudian nilai kredit menjadi dasar untuk
bobot yang diberikan kepada variabel atau dengan mengubah variabel.
menyetujui pinjaman atau memutuskan strategi koleksi. Mellon Bank
Program jaringan saraf kemudian mengulangi proses ini
memasang kartu kredit jaringan sistem deteksi penipuan saraf. Ketika
berulang-ulang, terus menerus menyesuaikan pola dalam upaya untuk
kartu kredit digesek melalui pembaca kartu di toko, transaksi tersebut
meningkatkan kemampuan prediktif. Bila tidak ada perbaikan lebih
dikirim ke sistem saraf Mellon. Dengan menganalisis jenis transaksi,
lanjut adalah mungkin dari pendekatan iteratif ini,
jumlah menghabiskan, waktu hari, dan data lainnya, jaringan saraf
membuat prediksi penipuan dalam beberapa detik dan baik menyetujui
atau menolak transaksi atau feed skor prediksi seorang analis manusia
yang membuat
Ini bukan akhir dari cerita. Karena lebih banyak kasus menjadi
tersedia, data ini juga dimasukkan ke saraf

kategorisasi Prediksi / Peramalan

Peringkat kredit dan penilaian risiko perkiraan harga saham

Evaluasi risiko asuransi proyeksi harga komoditas

deteksi penipuan prediksi indikator ekonomi
deteksi Insider trading Pengendalian proses

surat profil langsung prediksi cuaca

diagnosis cacat mesin kinerja obat masa depan
pengenalan karakter persyaratan produksi
Identifikasi Bakteri
diagnosis medis
 Bab 6 • Manajerial Dukungan Sistem 245

Jaringan saraf di Medicine

jaringan saraf telah menjadi semakin penting dalam bidang kedokteran di berbagai bidang seperti pengembangan obat,
diagnosis pasien, dan analisis citra. Dua aplikasi utama dari jaringan saraf terjadi dalam deteksi penyakit jantung koroner dan
pengolahan electroencephalogram (EEG) sinyal.
Mengidentifikasi karakteristik tertentu dalam citra medis adalah jenis masalah pengolahan gambar, dan jaringan saraf dapat
digunakan untuk menangani masalah tersebut. Sebagai contoh, sebuah studi klinis telah menunjukkan bahwa jaringan saraf dapat
memberikan alat yang berguna untuk ahli radiologi bantuan dalam mamografi pengambilan keputusan tugas. Ketika lesi ditemukan
di mammogram, kinerja jaringan saraf dalam membedakan antara lesi jinak dan ganas telah ditemukan untuk menjadi lebih baik
dari rata-rata kinerja ahli radiologi tanpa bantuan jaringan saraf. Kesimpulannya jelas: Kinerja terbaik akan dicapai ketika ahli
radiologi memiliki bantuan dari jaringan saraf.

Di Rumah Sakit Anderson Memorial di South Carolina, jaringan saraf tertanam dalam informasi rumah sakit dan
pasien sistem prediksi telah meningkatkan kualitas perawatan, mengurangi tingkat kematian, dan menyelamatkan jutaan
dolar dalam sumber daya. Menggunakan perangkat lunak BrainMaker California Scientific, jaringan saraf yang terpisah telah
dilatih (dikembangkan) untuk masing-masing 473 diagnosa utama untuk memungkinkan rumah sakit untuk
mengklasifikasikan dan memprediksi tingkat keparahan penyakit dan penggunaan sumber daya rumah sakit sehingga
kualitas dan biaya masalah dapat diatasi cukup . Sebuah jaringan saraf juga telah digunakan untuk memprediksi modus
debit-debit dari rutinitas melalui kematian-untuk setiap diagnosis. Berdasarkan prediksi yang dihasilkan, biaya di rumah sakit
telah berkurang tes lebih sedikit yang tidak perlu dan prosedur, panjang menurunkan dari tetap, dan perubahan prosedural
lainnya.

[Berdasarkan California Ilmiah Software, 2010; NeuroDimension, 2010; dan NeuroXL 2010]

keputusan akhir. jaringan saraf yang digunakan untuk memprediksi probabilitas
kebangkrutan untuk membantu bank-bank membuat pinjaman keputusan.
jaringan saraf juga digunakan dalam investasi dan perdagangan
aplikasi. Dalam beberapa kasus perusahaan besar menggunakan jaringan
saraf untuk mengelola portofolio dana pensiun mereka. Aplikasi lain
mendeteksi karakteristik umum antara saham untuk menentukan apakah
saham adalah di ambang pelarian. jaringan saraf yang digunakan untuk
memprediksi harga penutupan hari berikutnya dari saham dan kelompok
reksa dana berdasarkan ukuran kinerja.
Penggunaan lain dari jaringan saraf adalah dalam pemasaran yang
ditargetkan, di mana kampanye pemasaran yang ditargetkan untuk pelanggan potensial
yang memiliki atribut yang sama yang mengakibatkan penjualan untuk kampanye
sebelumnya. Spiegel Brands, Inc., yang tergantung pada katalog untuk menghasilkan
penjualan untuk bisnis mail-order-nya, menggunakan jaringan saraf sebagai cara
pemangkasan mailing list untuk menghilangkan mereka yang tidak mungkin untuk
pesanan dari Spiegel lagi.
melakukan penilaian real-time dari setiap pengunjung ke jaringan, dan jika
mencatat perilaku yang menunjukkan pelanggaran keamanan berusaha, maka
secara otomatis berakhir akses penyusup (Orzech, 2002).
Pada akhir 1980-an dan 1990-an, sistem pakar dan aplikasi
jaringan saraf menerima banyak hype di pers populer. Aplikasi AI yang
diduga akan memecahkan banyak masalah keputusan yang dihadapi
oleh manajer. Hari ini, industri telah mengadopsi pandangan yang lebih
realistis dari aplikasi AI: AI bukanlah obat mujarab, tetapi ada sejumlah
besar aplikasi berpotensi berharga untuk teknik AI. Setiap aplikasi yang
potensial harus dievaluasi secara hati-hati. Hasil ini evaluasi hati-hati
telah pertumbuhan yang stabil, tapi tidak ledakan, dalam pengembangan
dan penggunaan sistem pakar dan karya net- saraf untuk membantu
bisnis mengatasi situasi masalah dan membuat keputusan yang lebih
baik dan lebih konsisten.

jaringan saraf juga digunakan untuk meningkatkan keamanan. Sebuah
sistem keamanan telah mengembangkan teknologi saraf untuk mengenali wajah
seseorang untuk memberikan orang akses ke daerah aman yang
menggunakan. Sebuah jaringan komputer sistem proteksi intrusi, berdasarkan
jaringan saraf,
REALITAS MAYA
Virtual reality adalah daerah aplikasi yang menarik dengan berkembang pesat
penting. virtual reality (VR) mengacu pada penggunaan sistem berbasis komputer
untuk menciptakan lingkungan yang tampaknya nyata untuk satu atau lebih indera
(biasanya termasuk sight)
 Bab 6 • Manajerial Dukungan Sistem 246

menggabungkan modul bagian sosialisasi, modul operasi, dan

dari pengguna manusia atau pengguna. Contoh utama dari VR adalah
modul pemecahan masalah. Dengan sistem ini, pengguna dapat
holodeck kapal USS Enterprise di Star Trek: The Next Generation, di mana
benar-benar mengeksplorasi peralatan baru dalam dunia maya
data dapat Sherlock Holmes dalam pengaturan realistis dengan karakter yang
desktop yang. “Dengan penggunaan bahwa mouse khusus [ruang
realistis dan di mana Jean-Luc Picard dapat memainkan peran seorang
Magellan tikus], pengguna dapat berjalan di sekitarnya [peralatan],
detektif swasta rebus di awal abad kedua puluh.
mereka bisa mendapatkan di bawahnya, mereka bisa
mendapatkan di atasnya,” kata Neil Silverstein, seorang manajer
VR ada saat ini, tetapi dengan tempat dekat realitas Perusahaan 'S
pelatihan di Duracell . “Mereka bisa terbang ke celah-celah terkecil
holodeck. Anda mungkin telah memainkan video game di mana Anda tidak
dari mesin, sesuatu yang Anda tidak pernah bisa melakukan di
layar komputer kepala-mount dan sarung tangan untuk mendapatkan
dunia nyata karena Anda mungkin kehilangan jari.” Duracell cukup
langsung ke tindakan. Penggunaan VR dalam pengaturan nonentertainment
senang dengan hasilnya. Pelatihan ini standar dan benar-benar
jatuh terutama dalam tiga kategori-pelatihan, desain, dan pemasaran. contoh
aman, dan tidak ada kebutuhan untuk pelatihan on-the-job ( I / S
pelatihan akan disajikan pertama, diikuti oleh contoh-contoh penggunaan VR
Analyzer, 1997). Di sisi desain, beberapa produsen mobil
dalam desain dan pemasaran.
menggunakan VR untuk membantu dalam desain mobil baru.
Sebagai contoh, General Motors menciptakan Envisioning Center,
Angkatan Darat AS menggunakan VR untuk melatih awak tank. Melalui
tiga disaring, teater-seperti ruang di mana desainer dapat melihat
beberapa layar video besar dan suara, para prajurit yang tampaknya
gambar 3-D dari desain mobil. gambar dapat diputar untuk dilihat
ditempatkan di dalam tangki bergulir melintasi gurun Irak, dan mereka harus
dari sudut manapun, dan ditampilkan di seperti skala yang tepat
bereaksi seolah-olah mereka dalam pertempuran tangki nyata. Di bidang
bahwa desainer dapat berjalan ke layar dan penggunaan
kedokteran, mahasiswa kedokteran belajar melalui kolaborasi dan trial-and-error
penguasa untuk mengukur lebar dan tinggi rinci. Seorang desainer
pada mayat virtual, yang jauh lebih murah daripada menggunakan tubuh yang
dapat memanipulasi gambar sampai hampir tampak bahwa ia
sebenarnya. Sebagai contoh, para peneliti telah menciptakan animasi 3D dari
dapat mencapai ke pedalaman dan memanipulasi roda kemudi.
hematoma-perdarahan antara tengkorak dan otak-pasien maya yang telah
“Desainer dapat mempelajari berapa banyak ruang kepala sopir
mengalami kerusakan kepala dalam kecelakaan mobil. Menggunakan virtual-
memiliki, bagaimana ergonomis kontrol dashboard yang, dan
sebuah
benar-benar memastikan bahwa setiap aspek dari kendaraan yang
sempurna,” kata Robert DeBrabant, yang menjalankan Envisioning
- reality display dan virtual-reality sarung tangan kepala-mount, siswa bekerja
Center.
sama untuk mendiagnosa dan mengobati pasien (Hulme, 2002).

Amoco (sekarang bagian dari British Petroleum) telah mengembangkan

sistem VR berbasis PC, yang disebut “truk driVR,” untuk digunakan dalam
pelatihan driver nya. Amoco percaya bahwa sistem VR adalah cara yang hemat
biaya pengujian seberapa baik driver 12.000 yang dilakukan di bawah berbagai
kondisi mengemudi berbahaya. Sistem VR ini immersive, yang biaya sekitar $
Arizona State University telah menciptakan Keputusan
50.000 untuk mengembangkan, menggunakan helm yang memegang tampilan
Theater, sebuah 3-D lingkungan visualisasi yang mendalam yang
visual dan auditori dan benar-benar menenggelamkan pengguna di dunia maya.
memiliki banyak kesamaan dengan GM Envisioning Center.
Untuk membuat truk driVR realistis, beberapa tampilan disediakan untuk
Keputusan Theater, bagaimanapun, menawarkan tujuh layar dan
pengguna, termasuk pandangan dari kedua kiri dan cermin spion kanan yang
memiliki tujuan “yang menghubungkan ilmu universitas dengan
ditampilkan hanya ketika pengguna bergerak nya kepala ke kiri atau kanan ( I / S
kebutuhan masyarakat Arizona,” dan dengan demikian sering
Analyzer, 1997). Beberapa produsen menggunakan VR dalam pelatihan untuk
berfungsi sebagai bantuan untuk pembuatan kebijakan (Arizona
pekerjaan khusus. Sebagai contoh, Anda dapat melihat video singkat di www.osc.edu/research/
State University, 2010). Misalnya, rinci model 3-D dari pusat kota
video_library / ford.shtml menunjukkan penggunaan Ford VR dalam pelatihan
Tempe, termasuk Arizona State University, telah dibangun untuk
operator menempa palu (Ohio Supercomputer Center, 2010).
membantu kota dalam membuat keputusan zonasi (terutama untuk
keterbatasan tinggi) dan untuk menggambarkan semua yang
terlibat (misalnya, pengembang, pejabat kota, dan masyarakat
umum) dampak yang membangun kantor bertingkat yang
diusulkan, proyek kondominium, atau bangunan universitas akan
Duracell juga mempekerjakan VR untuk pelatihan. Duracell telah
memiliki pada sifat suatu daerah dan di sightlines.
memasang peralatan baru untuk memproduksi baris baru baterai isi ulang,
dan perusahaan yang dibutuhkan untuk melatih personil pabrik pada peralatan
baru dengan cara yang aman dan costeffective. Sistem Duracell, yang
nonimmersive (tidak ada helm atau kacamata khusus), berjalan pada PC dan
 Bab 6 • Manajerial Dukungan Sistem 247
Bab 6 • Manajerial Dukungan Sistem 247

Sebuah penggunaan yang sangat populer dari teknologi VR-seperti adalah

Sebuah AC / tungku produsen menggunakan VR untuk mengizinkan
penggunaan “wisata virtual” untuk industri real estate, industri perjalanan dan
insinyur untuk berjalan melalui produk yang sudah ada atau yang diusulkan.
perhotelan, dan lembaga pendidikan. Pada wisata ini virtual, pengguna log di situs
Dengan berjalan melalui tungku, misalnya, insinyur mendapat perspektif desain
Web yang tepat dan dapat mengalami pandangan 360 derajat dari lokasi kamera
dari sudut pandang yang sama sekali berbeda. Para insinyur mulai memikirkan
tertentu. Jika Anda berburu rumah, Anda bisa mendapatkan 360 derajat dari ruang
semua cara di mana desain dapat ditingkatkan yang tidak jelas sebelumnya. VR
besar dan dapur di rumah untuk dijual; jika merencanakan liburan, Anda bisa
juga memungkinkan mock-up produk jauh sebelum prototipe fisik diciptakan. Hal
mendapatkan 360 derajat dari dasar dan lobi sebuah hotel resor; jika memilih
ini memungkinkan desainer untuk mendapatkan tampilan nyata dan merasakan
perguruan tinggi, Anda bisa mendapatkan 360 derajat melihat bangunan utama di
produk dan bahkan mendapatkan umpan balik dari kelompok fokus. Bayangkan
kampus. CirclePix.com, LLC, yang berkantor pusat di Springville, Utah, adalah
duduk di taksi dari sebuah peternakan besar menggabungkan sebelum pernah
pemimpin dalam teknologi virtual tour untuk industri real estate. Gambar 6.7
dibangun dan mendapatkan pemahaman tentang garis pandang bahwa operator
menunjukkan tampilan virtual tour dari ruang keluarga rumah dijual di California.
akan memiliki. Apakah roda kemudi menghalangi alat pengukur penting? Di
Dengan menggunakan tombol di bagian bawah gambar, pengguna dapat mengubah
mana harus cermin ditempatkan?
360 derajat penuh, menghentikan gerakan, atau memperbesar dan memperkecil. Di www.campus
Anda dapat menemukan wisata kampus untuk sebagian besar kampus-kampus di
Amerika Serikat; beberapa wisata ini menggabungkan foto 360 derajat. Periksa
VR semakin banyak digunakan untuk pemasaran di Web.
kuliah Anda, dan melihat apakah ia memiliki tur 360 derajat!
Interaktif 3-D gambar produk dan jasa perusahaan mulai muncul di situs
Web perusahaan; gambar-gambar ini memberikan pandangan yang
lebih komprehensif dari produk serta membedakan situs web dari para
pesaing.

GAMBAR 6.7 CirclePix 360-Gelar Tur Virtual dari Family Room (Courtesy of CirclePix.com, LLC. Copyright © 2010 CirclePix.com, LLC)
 Bab 6 • Manajerial Dukungan Sistem 248

banyak vendor yang mengembangkan perangkat keras dan perangkat lunak

Perkembangan VR adalah dalam masa pertumbuhan, dan itu akan
VR, dan berbagai aplikasi VR berharga mulai muncul.
menjadi waktu yang lama sebelum apa pun yang mendekati holodeck
Enterprise adalah mungkin. Namun,

Second Life dan Bisnis

Second Life, dikembangkan dan dioperasikan oleh Linden Lab, adalah 3-D dunia virtual online seluruhnya dibangun dan dimiliki oleh warganya.
Diluncurkan pada tahun 2003, Second Life sekarang memiliki sekitar 650.000 pengguna aktif. Pengguna membuat alter ego, yang disebut avatar, untuk
mewakili diri mereka sendiri. avatar ini, yang dapat terlihat seperti orang biasa atau makhluk bukan manusia yang sangat aneh, bisa berjalan, berlari,
duduk, terbang, membeli properti, membangun rumah, memulai bisnis, konser hadir, dan membeli dan menjual produk dan layanan virtual. Semua suara
ini seperti eskapis menyenangkan-dan itu-tapi mengapa bisnis dunia nyata seperti IBM, Cisco, Nokia, dan Dell pengguna besar Second Life? Bagaimana
organisasi seperti Angkatan Udara AS, Angkatan Laut AS, dan Rumah Sakit Memorial Anak di Chicago penggunaan Second Life?

Ketika Second Life pertama benar-benar berangkat, pada tahun 2005 hingga 2007, banyak bisnis dibuat bangunan di Second Life
yang bisa dikunjungi oleh warga. Bangunan-bangunan ini memamerkan produk yang ditawarkan oleh bisnis-a mensponsori cara baru untuk
menciptakan kesadaran produk ini dan membangun beberapa permintaan realworld. Perusahaan-perusahaan ini percaya bahwa beberapa
desain, pemasaran, dan tantangan penjualan di dunia nyata dapat diselesaikan dengan dunia maya. Untuk sebagian besar yang belum
terjadi, meskipun beberapa bangunan bisnis tetap terbuka untuk kedua Lifers kunjungan. Tampaknya sebagian besar Kedua Lifers tidak ingin
merancang dan berbelanja produk dunia nyata.

Apa kegiatan populer di Second Life? Ada banyak, termasuk belanja-tapi untuk pakaian virtual, furniture, dan bangunan. Obyek
wisata ini sangat populer, dan ada beberapa blog perjalanan Second Life untuk menunjukkan tempat untuk melihat dan hal yang harus
dilakukan. Sering konser musik yang diadakan di Second Life, dan ada klub dansa di mana avatar Anda dapat pindah ke DJ atau musik
hidup. Peran bermain dalam adegan improvisasi populer; kadang-kadang bermain peran terjadi di masyarakat role play berdasarkan
Roma kuno, Deadwood bersejarah, South Dakota, atau kota vampir-dan-monster-bertema. Simulasi berselancar dan berlayar yang
populer, dan, tentu saja, begitu juga cybersex. Dengan semua kegiatan ini, apa peran sisa-sisa di Second Life untuk bisnis dunia nyata
dan organisasi?

Second Life telah terbukti sangat berguna untuk bisnis untuk kolaborasi dan latihan. IBM, misalnya, memiliki lebih dari
50 pulau (sebuah pulau adalah server disewakan) di Second Life, di mana ia mengadakan pertemuan internal dan
menghubungkan dengan pengguna perusahaan. Second Life digunakan oleh 1.400 organisasi untuk pelatihan, pertemuan,
konferensi, dan team building. Organisasi-organisasi ini mengatakan bahwa dunia maya memberi mereka kolaborasi lebih
kaya dari panggilan teleconference atau videoconference. Jumlah organisasi yang menggunakan Second Life pasti akan lebih
besar kecuali untuk pembatasan Second Life: Ini berjalan pada server Linden Lab, sehingga potensi masalah dalam hal
kontrol pengguna dan keamanan. Keterbatasan ini telah dihapus dengan peluncuran terbaru dari Second Life Enterprise, alat
hardware $ 55.000 bahwa bisnis dapat menginstal di pusat-pusat data mereka sendiri,

organisasi non-bisnis juga menemukan tempat di Second Life. Angkatan Udara AS telah menciptakan MyBase di Second Life untuk
merekrut, pelatihan, pendidikan, dan operasi. MyBase terbuka untuk umum, dan pengguna dapat wisata dasar, belajar tentang Angkatan Udara,
mengambil penerbangan virtual dalam P-51 Mustang, dan mendaftar untuk konferensi secara online. Memorial Hospital Chicago Anak menyewa
kontraktor untuk membangun sebuah simulasi Second Life kampus dan bangunan dan kemudian digunakan Second Life untuk melakukan latihan
kesiapsiagaan bencana untuk menunjukkan karyawan bagaimana untuk mengevakuasi pasien dalam keadaan darurat. Sejumlah kelompok
peer-dukungan telah diciptakan di Second Life, dan salah satu yang terbesar dari ini adalah Virtual Kemampuan, yang melayani komunitas sekitar
400 orang dengan berbagai cacat kehidupan nyata. Anggota Kemampuan Virtual, melalui avatar Second Life mereka, memberikan dukungan
emosional bagi orang lain dalam kelompok serta saran praktis saham untuk masalah di dunia nyata. Second Life menyediakan outlet sosial bagi
banyak orang cacat, dan memberikan tinggal di rumah orang kesempatan untuk perjalanan. Second Life memainkan peran utama bagi banyak
perusahaan dan organisasi lainnya, meskipun peran yang tidak sama seperti yang awalnya direncanakan.

[Berdasarkan LaPlante, 2007; dan Wagner, 2008a, 2008b, 2009a, 2009b, dan 2009c]

Ringkasan
Kami sekarang telah menyelesaikan survei dua bab kami intraorganizational
IT area aplikasi. Bab 5 berfokus pada area aplikasi yang mendukung
seluruh organisasi atau sebagian besar dari hal itu, termasuk sistem
pemrosesan transaksi, data warehousing, dan otomatisasi kantor. Pada
akhir Bab 5, kami berpendapat bahwa organisasi modern tidak dapat
melakukan bisnis tanpa enterprise sistem TI. Dalam bab ini, kita telah
berkonsentrasi pada sistem pendukung manajerial seperti sistem
pendukung keputusan, sistem intelijen bisnis, dan jaringan saraf. Ini sistem
pendukung manajerial hanya sebagai penting untuk manajer individu dalam
bisnis sebagai sistem perusahaan harus perusahaan secara keseluruhan.
manajer modern tidak bisa mengelola secara efektif dan efisien tanpa
sistem pendukung IT manajerial.
Beberapa jenis sistem pendukung manajerial dirancang
untuk dukungan individu manajer dalam upaya pengambilan
keputusan mereka tanpa bantuan kecerdasan buatan. sistem
pendukung keputusan (DSS), data mining, sistem informasi
geografis (GIS), sistem informasi eksekutif (EIS), dan sistem intelijen
bisnis semua jatuh ke pengelompokan luas ini. 1 DSS adalah sebuah
sistem interaktif, menggunakan model dari beberapa macam, yang
membantu manajer dalam membuat keputusan dalam situasi yang
tidak terstruktur dengan baik. Contoh prototipikal dari DSS adalah
melaksanakan apa-jika analisis pada model keuangan. Data mining
berkaitan dengan menggali nugget informasi dari data warehouse,
sekali lagi menggunakan model; sehingga data mining dapat
dianggap sebagai bagian dari yang lebih luas DSS membangun.
Sebuah GIS didasarkan pada hubungan spasial; banyak, tapi tidak
semua, GIS menggabungkan model dan digunakan sebagai DSS.
Sebaliknya, EIS biasanya tidak melibatkan model. EIS menyediakan
akses online mudah ke informasi agregat saat ini tentang kondisi
bisnis utama. Sebuah sistem intelijen bisnis adalah varian baru dari
EIS dilengkapi dengan perangkat khusus untuk menangkap dan
menampilkan informasi kompetitif. Secara umum, DSS, data mining,
sistem pendukung kelompok (GSSS) dan sistem manajemen
pengetahuan (KMSS) memberikan dukungan untuk kelompok manajer, meskipun dalam
cara yang sangat berbeda. Sebuah GSS menyediakan dukungan kepada sekelompok
manajer terlibat dalam semacam kegiatan kelompok, paling sering pertemuan,
sedangkan KMS adalah
sistem untuk mengelola pengetahuan organisasi dan
1 generalisasi ini tidak sepenuhnya benar. data mining, khususnya, dapat menggabungkan
jaringan-a saraf cabang buatan intelijen-sebagai teknik yang digunakan untuk tambang data.
Namun demikian, penulis yakin bahwa pengelompokan sistem pendukung manajerial yang
diberikan di sini menyediakan cara yang berguna untuk meringkas bab ini.
Bab 6 • Manajerial Dukungan Sistem 249
berbagi dengan kelompok yang tepat. Sebuah GSS, yang merupakan jenis khusus
dari groupware, terdiri dari perangkat lunak yang berjalan pada server Web yang
memungkinkan semua peserta rapat untuk secara bersamaan dan anonim
memberikan kontribusi pada diskusi kelompok dengan memasukkan ide-ide
mereka dan memiliki mereka ditampilkan pada layar publik yang besar, jika
diinginkan. Perangkat lunak ini memfasilitasi berbagai tugas kelompok, seperti
generasi ide, gagasan mengorganisir, prioritas, dan pengembangan kebijakan.
Dengan KMS, pengetahuan mungkin dibagi dalam komunitas praktek (kelompok
manajer dengan minat yang sama) melalui repositori pengetahuan, forum diskusi,
dan kalender masyarakat, atau dalam yang lebih luas pengelompokan karyawan
melalui paket hati-hati terstruktur konten pengetahuan.
Kecerdasan buatan ( AI) digunakan untuk mendukung
individu manajer dalam pengelompokan ketiga dari sistem pendukung manajerial.
Dengan menangkap logika pengambilan keputusan dari manusia ahli, sistem pakar
memberikan nonexperts dengan saran ahli. Sebuah jaringan saraf menggoda keluar
pola jelas dari data dalam jumlah besar oleh proses pembelajaran adaptif. Dalam
kedua kasus, pengguna menyebabkan keputusan yang lebih baik melalui AI. Terkait
erat dengan AI adalah virtual reality (VR), di mana sistem berbasis komputer
menciptakan lingkungan yang tampaknya nyata untuk satu atau lebih manusia indra.
VR telah terbukti sangat berguna untuk kegiatan pelatihan dan desain, dan semakin
banyak digunakan untuk pemasaran di Web.
Kami berharap bahwa dua pasal ini telah meyakinkan Anda tentang
nilai dari sistem intraorganizational. Tapi bagaimana suatu organisasi, atau
manajer individu, memperoleh salah satu sistem yang berpotensi berharga?
Jawaban lengkap untuk pertanyaan ini akan harus menunggu sampai Bagian
III buku ini, yang berjudul “Mendapatkan Sistem Informasi,” tapi kami sudah
memiliki beberapa petunjuk.
Sistem perusahaan, misalnya, terutama sistem berskala
besar yang akan dibeli dari vendor luar atau kustom yang
dikembangkan oleh organisasi IS internal atau perusahaan
konsultan eksternal. Secara khusus, perusahaan
perencanaan sumber daya, otomatisasi kantor,
groupware, dan otomatisasi pabrik hampir selalu dibeli dari vendor luar. Ini
semua adalah sistem besar yang membutuhkan fungsionalitas yang sama di
berbagai perusahaan. Tentu saja, internal IS departemen atau konsultan
dapat menyesuaikan mereka untuk organisasi. Data pergudangan, sistem
manajemen hubungan pelanggan, intranet, dan manajemen rantai pasokan
sistem sering diimplementasikan dengan perangkat lunak yang dibeli, tetapi
ada juga mungkin pengembangan internal atau konsultan. Secara historis,
organisasi IS internal yang dikembangkan sebagian besar sistem
pemrosesan transaksi, tapi bahkan sistem ini kemungkinan akan dibeli hari
ini, seperti yang ditunjukkan oleh pertumbuhan sistem ERP, kecuali
persyaratan perusahaan yang unik.
Bab 6 • Manajerial Dukungan Sistem 250