MAKALAH

MENGELOLA PENGETAHUAN DAN MENINGKATKAN PROSES

PENGAMBILAN KEPUTUSAN

Makalah ini disusun untuk memenuhi tugas Mata Kuliah Sistem Informasi Manajemen
Dosen pengampu: Hapsari Dyah Herdiany, S. E., M. M.

Disusun Oleh:

Rizma Nur Aisyah 19133200076

Zakky Hadiansyah 19133200143

PROGRAM SARJANA MANAJEMEN

FAKULTAS BISNIS
UNIVERSITAS PGRI YOGYAKARTA
2021
 KATA PENGANTAR

Puji syukur kami panjatkan atas ke hadirat Allah SWT yang telah memberikan
kesehatan pada kita semua, sehingga kelompok kami dapat menyelesaikan makalah ini yang
berjudul “Mengelola Pengetahuan dan Meningkatkan Proses Pengambilan Keputusan”.
Adapun makalah ini kami buat untuk memenuhi tugas dari dosen ibu Hapsari Dyah Herdiany,
S. E., M. M. terkait mata kuliah Sistem Informasi Manajemen. Kami juga berterima kasih
kepada pihak – pihak yang terkait dalam pembuatan makalah ini sehingga dapat selesai
dengan tepat waktu. Dan dengan adanya tugas makalah ini sehingga dapat menambah
wawasan kami untuk Mengelola Pengetahuan dan Meningkatkan Proses Pengambilan
Keputusan. Kami menyadari sepenuhnya bahwa makalah ini masih jauh dari sempurna. Oleh
karena itu kami butuh kritik dan saran dari banyak pihak untuk dapat menyempurnakan
makalah ini.
Dengan adanya makalah ini kami sangat harapkan makalah ini dapat bermanfaat dan
mampu menambah wawasan bagi semua semua orang yang membacanya.

Yogyakarta, 9 Mei 2021

Penulis

ii
 DAFTAR ISI

COVER.....................................................................................................................i

KATA PENGANTAR..............................................................................................ii

DAFTAR ISI.............................................................................................................iii

BAB I

PENDAHULUAN

A. Latar Belakang.............................................................................................1
B. Rumusan Masalah........................................................................................1
C. Tujuan...........................................................................................................1

BAB II

PEMBAHASAN

A. Lanskap Manajemen Pengetahuan ...........................................................

B. Sistem Manajemen Pengetahuan Keseluruhan Perusahaan....................
C. Sistem Kerja Pengetahuan..........................................................................
D. Teknik Kecerdasan .....................................................................................
E. Pengembalian Keputusan dan Sistem Informasi......................................
F. Intelijen Bisnis di dalam Perusahaan.........................................................
G. Constituencies Intelijen Bisnis....................................................................

BAB III

PENUTUP

Daftar Pustaka .........................................................................................................

iii
 BAB I

PENDAHULUAN

A. LATAR BELAKANG.
Banyak organisasi yang ingin membangun Sistem Informasi Manajemennya
sendiri, dan telah menyediakan dana yang cukup, tetapi ternyata usaha tersebut sering
kali gagal. Penyebabnya antara lain ialah: struktur organisasi keseluruhan yang
kurang wajar, rencana organisasi keseluruhan yang belum memadai, personil sistem
yang tidak memadai, dan yang terpenting adalah kurangnya partisipasi manajemen
dalam bentuk keikutsertaan para manajer dalam merancang sistem, mengendalikan
upaya pengembangan system dan memotivasi seluruh personil yang terlibat.
Para perancang sistem apabila akan mengembangkan Sistem Informasi
Manajemen hendaknya mempertimbangkan faktor manusiawi dengan cermat. Apabila
tidak demikian, maka sistem yang dihasilkan tidak efektif. Secara teoritis, komputer
bukanlah persyarat mutlak bagi sebuah Sistem Informasi Manajemen, namun dalam
praktek agaknya menjadi suatu kepercayaan bahwa Sistem Informasi Manajemen
yang baik tidak akan berjalan lancar tanpa bantuan kemampuan sebuah komputer
B. RUMUSAN MASALAH
1. Apa saja Lanskap Manajemen Pengetahuan ?
2. Bagaimana Sistem Manajemen Pengetahuan Keseluruhan Perusahaan ?
3. Bagaimana Sistem Kerja Pengetahuan ?
4. Bagaimana Teknik Kecerdasan ?
5. Apa saja teknik Pengembalian Keputusan dan Sistem Informasi ?
6. Bagaiaman Intelijen Bisnis di dalam Perusahaan ?
7. Apa itu Constituencies Intelijen Bisnis ?
C. TUJUAN
1. Untuk mengetahui Lanskap Manajemen Pengetahuan.
2. Paham Sistem Manajemen Pengetahuan Keseluruhan Perusahaan.
3. Paham Sistem Kerja Pengetahuan.
4. Untuk mengetahui Teknik Kecerdasan.
5. Untuk mengetahui Pengembalian Keputusan dan Sistem Informasi.
6. Paham Intelijen Bisnis di dalam Perusahaan.
7. Paham Constituencies Intelijen Bisnis.

1
 BAB II
PEMBAHASAN
A. Lanskap Manajemen Pengetahuan.

Manajemen pengetahuan dan sistem kolaborasi di antara pertumbuhan yang tercepat

dari area investasi perangkat lunak korporat dan pemerintah. Pada dekade yang lalu telah
memperlihatkan lonjakan pertumbuhan dalam penelitian mengenai pengetahuan dan
manajemen pengetahuan dalam bidang ekonomi, manajemen, dan sistem informasi.
Manajemen pengetahuan dan kolaborasi sangat erat terkait. Pengetahuan yang tidak dapat
dikomunikasikan dan dibagikan dengan orang lain menjadi hampir tidak berguna,
Pengetahuan menjadi bermanfaat dan ditindaklanjuti ketika dibagikan ke seluruh perusahaan.
Kita telah menggambarkan alat bantu yang utama bagi kolaborasi dan bisnis sosial dalam
Bab 2 Dalam bab ini. kita akan menitikberatkan pada sistem manajemen pengetahuan, dan
perlu disadari bahwa mengomunikasikan dan membagi pengetahuan menjadi sangat penting.

Manajemen pengetahuan telah menjadi suatu tema yang penting pada banyak perusahaan
bisnis besar, sebagaimana para manajer menyadari bahwa banyak dari nilai perusahaan
mereka bergantung pada kemampuan perusahaan untuk menciptakan dan mengelola
pengetahuan. Penelitian-penelitian telah menemukan bahwa bagian yang cukup besar dari
nilai pasar saham perusahaan terkait dengan aset tak berwujud, yang mana pengetahuan
merupakan salah satu unsur penting seiring dengan merek, tepatas, dan proses bisnis yang
unik. Proyek proyek yang didasarkan pola pengetahuan yang diselenggarakan dengan baik
telah diketahui akan menghasilkan tingkat pengembalian atas investasi yang luar biasa,
meskipun dampak dari investasi berdasar pengetahuan tersebut sangat sulit untuk
mengukurnya.

1. Dimensi Pengetahuan yang Penting

Ada perbedaan penting antara data, informasi, pengetahuan, dan kebijaksanaan. Bab 1
mendefinisikan data sebagai arus peristiwa atau transaksi yang dicatat oleh sistem organisasi
yang, dan hanya bermanfaat dalam transaksi itu sendiri, dan tidak untuk yang lainnya. Untuk
mengubah data menjadi informasi yang berguna, perusahaan harus mengeluarkan sumber
daya untuk mengatur data ke dalam kategori pemahaman, seperti laporan penjualan total
bulanan, harian, regional, atau penyimpanan. Untuk mengubah informasi menjadi
pengetahuan (knowledge), perusahaan harus mengeluarkan sumber daya tambahan untuk
menemukan pola, aturan, dan konteks di mana pengetahuan itu bekerja. Terakhir,

2
kebijaksanaan (wisdom) dianggap sebagai pengalaman kolektif dan individual untuk
menerapkan pengetahuan terhadap pemecahan masalah. Kebijaksanaan melibatkan di mana,
kapan, dan bagaimana menerapkan pengetahuan. Pengetahuan yang berada di benak
karyawan yang belum didokumentasikan disebut pengetahuan diam-diam, sedangkan
pengetahuan yang telah didokumentasikan disebut pengetahuan eksplisit. Seperti manusia,
organisasi menciptakan dan mengumpulkan pengetahuan dengan menggunakan berbagai
mekanisme pembelajaran organisasi. Melalui pengumpulan data, pengukuran aktivitas
terencana yang cermat, trial and error, dan umpan balik dari pelanggan dan lingkungan pada
umumnya, pengalaman mendapatkan organisasi. Organisasi yang belajar menyesuaikan
perilaku mereka untuk mencerminkan pembelajaran itu dengan menciptakan proses bisnis
baru dan dengan mengubah pola pengambilan keputusan manajemen. Proses perubahan ini
disebut pembelajaran organisasi.

2. Rantai Nilai Manajemen Pengetahuan.

Manajemen pengetahuan mengacu pada serangkaian proses bisnis yang dikembangkan

dalam sebuah organisasi untuk menciptakan, menyimpan, mentransfer, dan menerapkan
pengetahuan. Manajemen pengetahuan meningkatkan kemampuan organisasi untuk belajar
dari lingkungannya dan untuk menggabungkan pengetahuan ke dalam proses bisnisnya.
Gambar 11-1 mengilustrasikan lima langkah penambahan nilai dalam rantai nilai manajemen
pengetahuan. Setiap tahap dalam rantai nilai menambahkan nilai pada data dan informasi
mentah mereka berubah menjadi pengetahuan yang dapat digunakan.

3
 Penguasaan Pengetahuan.

Organisasi memperoleh pengetahuan dengan berbagai cara, tergantung dari jenis

pengetahuan yang mereka cari. Sistem manajemen pengetahuan yang pertama
berusaha membangun gudang dokumen, laporan, presentasi, dan praktik terbaik
perusahaan. Upaya ini telah diperluas untuk memasukkan dokumen tidak terstruktur
(seperti e-mail).

 Penyimpanan Pengetahuan.

Setelah mengumpulkan dokumen, pola, dan aturan pakar, data tersebut harus
disimpan agar bisa diambil dan digunakan oleh karyawan. Penyimpanan pengetahuan
umumnya melibatkan pembuatan database. Sistem pengelolaan dokumen yang
mendigitalkan, mengindeks, dan memberi label dokumen sesuai kerangka kerja yang
koheren merupakan database besar yang mahir menyimpan koleksi dokumen. Sistem
ahli juga membantu perusahaan mempertahankan pengetahuan yang diperoleh dengan
memasukkan pengetahuan tersebut ke dalam proses dan budaya organisasi.

 Penyebarluasan pengetahuan.

4
 Portal, e-mail, instant messaging, wiki, jaringan sosial, dan teknologi mesin telusur
telah menambahkan serangkaian teknologi kolaborasi dan sistem perkantoran yang
ada untuk berbagi kalender, dokumen, data, dan grafik (lihat Bab 7). Teknologi
kontemporer tampaknya telah menciptakan banjir informasi dan pengetahuan.
Bagaimana para manajer dan karyawan dapat menemukan, dalam lautan informasi
dan pengetahuan, apa yang benar-benar penting untuk keputusan dan pekerjaan
mereka? Di sini, program pelatihan, jaringan informal, dan pengalaman manajemen
bersama yang dikomunikasikan melalui budaya yang mendukung membantu para
manajer memusatkan perhatian mereka pada pengetahuan dan informasi penting.

 Penerapan pengetahuan.

Terlepas dari jenis sistem manajemen pengetahuan yang dilibatkan, pengetahuan yang
tidak dibagi dan diterapkan pada masalah praktis yang dihadapi perusahaan dan
manajer tidak menambah nilai bisnis. Untuk memberikan laba atas investasi,
pengetahuan organisasi harus menjadi bagian sistematis dari pengambilan keputusan
manajemen dan berada di dalam sistem pendukung keputusan.

 Membangun Modal Organisasi dan Manajemen: Kolaborasi, Praktik Komunitas, dan

Lingkungan Kantor

Selain kegiatan yang baru saja kami jelaskan, para manajer dapat membantu dengan
mengembangkan peran dan tanggung jawab organisasi baru untuk mengakuisisi
pengetahuan, termasuk pembentukan posisi eksekutif kepala eksekutif, posisi staf
yang berdedikasi (knowledge manager), dan komunitas praktik. Komunitas praktik
(Community of practice - COP) adalah jaringan sosial informal para profesional dan
karyawan di dalam dan di luar perusahaan yang memiliki kegiatan dan minat terkait
pekerjaan serupa. Kegiatan komunitas ini meliputi pendidikan dan konferensi
mandiri, konferensi, buletin online, dan berbagi pengalaman dan teknik sehari hari
untuk memecahkan masalah pekerjaan tertentu.

3. Tipe dari Sistem Manajemen Pengetahuan.

Pada dasarnya ada tiga jenis sistem manajemen pengetahuan utama: sistem
manajemen pengetahuan perusahaan, sistem kerja pengetahuan, dan teknik cerdas. Gambar

5
dibawah ini menunjukkan aplikasi sistem manajemen pengetahuan untuk masing-masing
kategori utama ini.

Sistem manajemen pengetahuan menyeluruh adalah upaya umum untuk mengumpulkan,

menyimpan, mendistribusikan, dan menerapkan konten serta pengetahuan digital. Sistem ini
mencakup kemampuan untuk mencari informasi, menyimpan data terstruktur dan tidak
terstruktur, serta menemukan keahlian karyawan di dalam perusahaan. Sistem kerja
pengetahuan (KWS) adalah sistem khusus yang dibangun untuk para insinyur, ilmuwan, dan
pekerja pengetahuan lainnya yang ditugaskan untuk menemukan dan menciptakan
pengetahuan baru bagi sebuah perusahaan. Manajemen pengetahuan juga mencakup beragam
jenis teknik cerdas, seperti data mining, sistem pakar, jaringan syaraf tiruan, logika fuzzy,
algoritma genetika, dan agen cerdas.

B. Sistem Manajemen Pengetahuan Keseluruhan Perusahaan.

Perusahaan harus berurusan dengan setidaknya tiga jenis pengetahuan. Beberapa

pengetahuan ada di dalam perusahaan berupa dokumen teks terstruktur (laporan dan
presentasi). Pengambil keputusan juga membutuhkan pengetahuan yang semistructured,
seperti e-mail, voice mail, chat room exchange, video, gambar digital, brosur, atau papan
buletin. Dalam kasus lain, tidak ada informasi formal atau digital dalam bentuk apa pun, dan
pengetahuan berada di kepala karyawan. Sebagian besar pengetahuan ini adalah pengetahuan
diam-diam yang jarang dituliskan. Sistem manajemen pengetahuan menyeluruh perusahaan
menangani ketiga jenis pengetahuan tersebut.

6
 1. Sistem Manajemen Konten Perusahaan.

Bisnis saat ini perlu mengatur dan mengelola aset pengetahuan terstruktur dan
semistructured. Pengetahuan terstruktur adalah pengetahuan eksplisit yang ada dalam
dokumen formal, dan juga peraturan formal yang diturunkan organisasi dengan mengamati
para ahli dan perilaku pengambilan keputusan mereka. Sistem manajemen konten perusahaan
membantu organisasi mengelola kedua jenis informasi. Mereka memiliki kemampuan untuk
menangkap, penyimpanan, pengambilan, distribusi, dan pelestarian pengetahuan untuk
membantu perusahaan memperbaiki proses bisnis dan keputusan mereka. Masalah utama
dalam mengelola pengetahuan adalah penciptaan skema klasifikasi yang tepat, atau
taksonomi, untuk mengatur informasi ke dalam kategori yang bermakna sehingga mudah
diakses. Perusahaan dalam penerbitan, periklanan, penyiaran, dan hiburan memiliki
kebutuhan khusus untuk menyimpan dan mengelola data digital tidak terstruktur seperti foto,
gambar grafis, video, dan konten audio. Sistem manajemen aset digital membantu perusahaan
mengklasifikasikan, menyimpan, dan mendistribusikan benda digital ini.

2. Sistem Jaringan Pengetahuan.

Sistem jaringan pengetahuan, juga dikenal sebagai lokasi keahlian dan sistem manajemen,
mengatasi masalah yang timbul saat pengetahuan yang tepat tidak dalam bentuk dokumen
digital melainkan berada dalam memori individu ahli di perusahaan. Sistem jaringan
pengetahuan menyediakan direktori pakar korporat online di domain pengetahuan yang
terdefinisi dengan baik dan menggunakan teknologi komunikasi untuk mempermudah
karyawan menemukan pakar yang tepat di perusahaan.

3. Kolaborasi dan Alat Bantu Sosial Serta Sistem Manajemen Pembelajaran.

Sistem pengelolaan konten perusahaan utama mencakup teknologi portal dan kolaborasi
yang hebat. Portal pengetahuan perusahaan dapat menyediakan akses ke sumber informasi
eksternal, seperti umpan berita dan penelitian, serta sumber pengetahuan internal bersama
dengan kemampuan untuk e-mail, obrolan / pesan instan, kelompok diskusi, dan konferensi
video. Social bookmarking mempermudah pencarian dan berbagi informasi dengan
mengizinkan pengguna menyimpan bookmark mereka ke halaman Web di situs Web publik
dan menandai bookmark ini dengan kata kunci. Tag ini bisa digunakan untuk mengatur dan

7
mencari dokumen. Daftar tag dapat dibagi dengan orang lain untuk membantu mereka
menemukan informasi yang menarik. Taksonomi buatan pengguna yang dibuat untuk
bookmark bersama disebut folksonomies. Delicious dan Digg adalah dua situs bookmark
sosial yang populer. Sistem manajemen pembelajaran (Learning Management System - LMS)
menyediakan alat untuk manajemen, pengiriman, pelacakan, dan penilaian berbagai jenis
pembelajaran dan pelatihan karyawan.

C. Sistem Kerja Pengetahuan

Sistem pengetahuan perusahaan secara luas yang baru saja djelaskan memberikan
berbagai kemampuan yang dapat digunakan oleh banyak orang jika tidak semua pekerja dan
kelompok dalam sebuah organisasi. Perusahaan juga memiliki sistem khusus untuk pekerja
pengetahuan dalam membantu mereka menciptakan pengetahuan baru dan untuk memastikan
bahwa pengetahuan ini terintegrasi dengan benar ke dalam bisnis.

1. Pekerja Pengetahuan dan Kerja Pengetahuan.

Pekerja pengetahuan mencakup periset, perancang, arsitek, ilmuwan, dan insinyur yang
terutama menciptakan pengetahuan dan informasi untuk organisasi. Pekerja pengetahuan
biasanya memiliki tingkat pendidikan dan keanggotaan yang tinggi dalam organisasi
profesional dan sering diminta untuk melakukan penilaian independen sebagai aspek rutin
pekerjaan mereka. Misalnya, pekerja pengetahuan menciptakan produk baru atau menemukan
cara untuk memperbaiki produk yang sudah ada. Pekerja pengetahuan melakukan tiga peran
penting yang penting bagi organisasi dan manajer yang bekerja di dalam organisasi:

 Menjaga pengetahuan organisasi saat ini dalam pengetahuan saat berkembang di

dunia luar – dalam teknologi, sains, pemikiran sosial, dan seni
 Melayani konsultan internal mengenai bidang pengetahuan mereka, perubahan yang
terjadi, dan peluang.
 Bertindak sebagai agen perubahan, evaluasi, inisiasi, dan promosi proyek perubahan

2. Kebutuhan Sistem Kerja Pengetahuan.

Sebagian besar pekerja pengetahuan bergantung pada sistem perkantoran, seperti

pengolah kata, voice mail, e-mail, konferensi video, dan sistem penjadwalan, yang dirancang

8
untuk meningkatkan produktivitas pekerja di kantor. Namun, pekerja pengetahuan juga
memerlukan sistem kerja pengetahuan yang sangat terspesialisasi dengan grafis, alat analisis,
dan komunikasi serta kemampuan manajemen dokumen yang hebat.

3. Contoh Sistem Kerja Pengetahuan.

Aplikasi kerja pengetahuan utama mencakup sistem CAD, sistem virtual reality untuk
simulasi dan pemodelan, dan workstation keuangan. Computer aided design (CAD)
mengotomatisasi penciptaan dan revisi desain, menggunakan komputer dan perangkat lunak
grafis yang canggih. Sistem virtual reality memiliki kemampuan visualisasi, rendering, dan
simulasi yang jauh melampaui sistem CAD konvensional. Mereka menggunakan perangkat
lunak grafis interaktif untuk membuat simulasi yang dihasilkan komputer yang sangat dekat
dengan kenyataan sehingga pengguna hampir yakin bahwa mereka berpartisipasi dalam
situasi dunia nyata. Augmented reality (AR) adalah teknologi terkait untuk meningkatkan
visualisasi. AR menyediakan pandangan langsung atau tidak langsung tentang lingkungan
dunia nyata fisik yang elemennya diperkuat oleh citra buatan komputer virtual. Pengguna
beralasan di dunia fisik yang sebenarnya, dan gambar virtual digabungkan dengan tampilan
nyata untuk membuat tampilan yang disempurnakan. Aplikasi virtual reality yang
dikembangkan untuk Web menggunakan standar yang disebut Virtual Reality Modelling
Language (VRML). VRML adalah seperangkat spesifikasi untuk pemodelan 3 dimensi
interaktif di World Wide Web yang dapat mengatur beberapa jenis media, termasuk animasi,
gambar, dan audio untuk menempatkan pengguna di lingkungan dunia nyata yang
disimulasikan. VRML adalah platform independen, beroperasi di atas komputer desktop, dan
membutuhkan sedikit bandwidth. Industri keuangan menggunakan workstation investasi
khusus untuk memanfaatkan pengetahuan dan waktu dari broker, pedagang, dan manajer
portofolio.

D. Teknik Kecerdasan

Kecerdasan buatan dan teknologi basis data memberikan sejumlah teknik cerdas yang
dapat digunakan organisasi untuk menangkap pengetahuan individu dan kolektif serta untuk
memperluas basis pengetahuan mereka. Sistem pakar, penalaran berbasis kasus, dan logika
fuzzy digunakan untuk menangkap pengetahuan tersembunyi. Jaringan syaraf tiruan dan data
mining digunakan untuk penemuan pengetahuan. Teknik cerdas lainnya yang dibahas di

9
bagian ini didasarkan pada teknologi kecerdasan buatan (artificial intelligence / AI), yang
terdiri dari sistem berbasis komputer (perangkat keras dan perangkat lunak) yang mencoba
meniru perilaku manusia.

1. Memperoleh Pengetahuan : Sistem Ahli.

Sistem ahli(expert systems) adalah teknik cerdas untuk menangkap pengetahuan

tersembunyi dalam domain keahlian manusia yang sangat spesifik dan terbatas. Sistem ini
menangkap pengetahuan karyawan yang terampil dalam bentuk seperangkat aturan dalam
sistem perangkat lunak yang dapat digunakan oleh orang lain dalam organisasi. Kumpulan
aturan dalam sistem pakar menambah ingatan, atau pembelajaran tersimpan dari perusahaan.
Pengetahuan manusia harus dimodelkan atau diwakili sedemikian rupa sehingga komputer
bisa memprosesnya. Sistem pakar memodelkan pengetahuan manusia sebagai seperangkat
aturan yang secara kolektif disebut basis pengetahuan. Strategi yang digunakan untuk
mencari melalui basis pengetahuan disebut inference engine. Dua strategi yang umum
digunakan: forward chaining dan backward chaining. Dalam forward chaining, mesin
inferensi dimulai dengan informasi yang dimasukkan oleh pengguna dan mencari basis aturan
untuk sampai pada sebuah kesimpulan. Strateginya adalah menembak, atau melakukan
tindakan aturan saat kondisi benar. Dalam strategi backward chaining, strategi untuk mencari
basis aturan dimulai dengan sebuah hipotesis dan dilanjutkan dengan mengajukan pertanyaan
kepada pengguna tentang fakta-fakta yang dipilih sampai hipotesis tersebut dikonfirmasi atau
dibantah.

2. Kecerdasan Organisasional : Penalaran Berbasis Kasus.

Sistem pakar terutama menangkap pengetahuan tersembunyi para ahli individual, namun
organisasi juga memiliki pengetahuan dan keahlian kolektif yang telah mereka bangun
selama bertahun-tahun. Pengetahuan organisasi ini dapat ditangkap dan disimpan dengan
menggunakan penalaran berbasis kasus. Dalam kasus berbasis penalaran (Case Based
Reasoning - CBR), deskripsi pengalaman  spesial masa lalu manusia, yang digambarkan
sebagai kasus, disimpan dalam database untuk pengambilan nanti saat pengguna menemukan
kasus baru dengan parameter serupa.

3. Sistem Logika Fuzzy.

10
 Kebanyakan orang tidak berpikir dalam hal aturan tradisional jika-kemudian atau angka
yang tepat. Manusia cenderung mengkategorikan hal-hal yang tidak tepat dengan
menggunakan peraturan untuk membuat keputusan yang mungkin memiliki banyak nuansa
makna. Misalnya, pria atau wanita bisa kuat atau cerdas. Sebuah perusahaan bisa berukuran
besar, menengah, atau kecil. Suhu bisa panas, dingin, sejuk, atau hangat. Kategori ini
mewakili berbagai nilai. Logika fuzzy adalah teknologi berbasis aturan yang dapat mewakili
ketidaktepatan seperti itu dengan membuat aturan yang menggunakan nilai perkiraan atau
subyektif. Ini bisa menggambarkan fenomena atau proses tertentu secara linguistik dan
kemudian mewakili deskripsi itu dalam sejumlah kecil peraturan fleksibel. Organisasi dapat
menggunakan logika fuzzy untuk menciptakan sistem perangkat lunak yang menangkap
pengetahuan tersembunyi dimana terdapat ambiguitas linguistik.

4. Jaringan Syaraf Tiruan

Jaringan syaraf digunakan untuk memecahkan masalah kompleks dan kurang dipahami di
mana sejumlah besar data dikumpulkan. Mereka menemukan pola dan hubungan dalam
jumlah besar data yang akan terlalu rumit dan sulit bagi manusia untuk dianalisis. Jaringan
saraf menemukan pengetahuan ini dengan menggunakan perangkat keras dan perangkat lunak
yang paralel dengan pola pengolahan otak biologis atau otak manusia. Sesi Interaktif pada
Organisasi menggambarkan aplikasi perdagangan saham terkomputerisasi berdasarkan
teknologi AI terkait yang disebut pembelajaran mesin. Pembelajaran mesin berfokus pada
algoritma dan metode statistik yang memungkinkan komputer “belajar” dengan
mengekstraksi aturan dan pola dari kumpulan data masif dan membuat prediksi tentang masa
depan.

5. Algoritma Genetika

Algoritma genetika berguna untuk menemukan solusi optimal untuk masalah tertentu
dengan memeriksa sejumlah besar kemungkinan solusi untuk masalah itu. Mereka didasarkan

11
pada teknik yang diilhami oleh biologi evolusioner, seperti pewarisan, mutasi, seleksi, dan
crossover (rekombinasi).

6. Sistem AI Hibrid

Algoritma genetika, logika fuzzy, jaringan syaraf tiruan, dan sistem pakar dapat
diintegrasikan ke dalam satu aplikasi untuk memanfaatkan fitur terbaik dari teknologi ini.
Sistem semacam itu disebut sistem hibrida.

7. Agen Cerdas

Teknologi agen cerdas membantu bisnis menavigasi melalui sejumlah besar data untuk
mencari dan bertindak berdasarkan informasi yang dianggap penting. Agen cerdas adalah
program perangkat lunak yang bekerja di latar belakang tanpa intervensi langsung manusia
untuk melaksanakan tugas spesifik, berulang, dan dapat diprediksi untuk pengguna
individual, proses bisnis, atau aplikasi perangkat lunak. Banyak fenomena kompleks dapat
dimodelkan sebagai sistem agen otonom yang mengikuti aturan interaksi yang relatif
sederhana. Aplikasi pemodelan berbasis agen telah dikembangkan untuk memodelkan
perilaku konsumen, pasar saham, dan rantai pasokan dan untuk memprediksi penyebaran
epidemi.

E. Pengembalian Keputusan dan Sistem Informasi.

Pengambilan keputusan dalam bisnis biasanya terbatas pada manajemen. Saat ini, para
karyawan yang tingkat terendah bertanggung jawab atas beberapa dari pengambilan
keputusan tersebut, sebagaimana sistem informasi akan membuat informasi menjadi tersedia
bagi para karyawan yang tingkatannya lebih rendah di dalam bisnis.

1. Nilai Bisnis yang Meningkatkan Pengambilan Keputusan.

Perusahaan telah mengidentifikasikan sejumlah keputusan yang penting di mana investasi

atas sistem yang baru akan meningkatkan kualitas dari pengambilan keputusan. Bahwa
keputusan-keputusan yang diambil pada semua level dalam perusahaan dan bahwa beberapa
dari keputusan-keputusan tersebut sifatnya umum, rutin, dan sangat banyak jumlahnya.
Meskipun nilai dari meningkatkan keputusan tunggal yang kecil, tetapi bila meningkatkan

12
ratusan ribu keputusan-keputusan yang "kecil" akan bertambah menjadi suatu nilai tahunan
yang besar bagi bisnis.

2. Tipe Keputusan.

Bab 1 dan 2 telah memperlihatkan bahwa terdapat perbedaan atas tingkatan-tingkatan dalam
suatu organisasi. Tiap-tiap level tersebut memiliki kebutuhan informasi yang berbeda-beda
untuk mendukung keputusan dan bertanggung jawab atas tipe keputusan yang berbeda.
Keputusan-keputusan diklasifikasikan menjadi keputusan terstruktur, semi terstruktur, dan
tidak terstruktur.

 Keputusan tidak terstruktur (unstructured decisions)

adalah keputusan yang pengambil keputusan harus memberikan pertimbangan, evaluasi,

dan wawasan untuk memecahkan permasalahan. Setiap keputusan tersebut adalah baru,
penting, dan tidak rutin, serta tidak ada pengertian yang dipahami benar atau prosedur yang
disetujui bersama dalam pengambilannya.

 Keputusan terstruktur (structured decisions)

Sebaliknya, keputusan terstruktur sifatnya berulang dan rutin, dan melibatkan prosedur
yang jelas dalam menanganinya, sehingga tidak perlu diperlakukan seakan akan masih baru.
Banyak keputusan memiliki elemen-elemen dari kedua jenis keputusan ini, dan keputusan
semi terstruktur (semistructured decision), yaitu yang hanya sebagian masalahnya
mempunyai jawaban yang jelas tersedia dengan prosedur yang disetujui bersama. Secara
umum, keputusan terstruktur lebih umum dijumpai pada tingkat organisasi rendah, sedangkan
masalah yang tidak terstruktur lebih umum dijumpai pada tingkat tinggi. Para eksekutif

13
senior menghadapi banyak situasi keputusan yang tidak terstruktur, seperti misalnya
menetapkan tujuan perusahaan untuk 5 atau 10 tahun mendatang atau memutuskan pasar
yang baru untuk dimasuki. Dalam menjawab pertanyaan mengenai "Haruskah kita memasuki
suatu pasar yang baru?" akan mensyaratkan akses terhadap berita, laporan pemerintah, serta
pandangan industri dan juga meringkaskan level yang lebih tinggi dari kinerja perusahaan.
Namun, jawaban juga mensyaratkan para manajer senior untuk menggunakan pertimbangan
terbaik mereka sendiri dan menanyai para manajer atas opini-opini mereka.

Manajemen menengah menghadapi lebih banyak skenario keputusan yang terstruktur,

tetapi keputusan mereka dapat meliputi komponen-komponen yang tidak terstruktur. Suatu
keputusan manajemen level menengah pada umumnya akan berupa "Mengapa laporan
pemenuhan pesanan yang dilaporkan memperlihatkan suatu penurunan selama 6 bulan yang
lalu pada suatu sentra distribusi di Minneapolis"? Manajer menengah ini akan memperoleh
suatu laporan dari sistem perdagangan perusahaan atau sistem manajemen distribusi atas
suatu aktivitas pesanan dan dari keputusan. Akan tetapi, sebelum sampai pada suatu jawaban,
manajer menengah ini akan i operasional pada sentra distribusi Minneapolis. Ini merupakan
bagian yang terstruktur efisiensi mewawancarai para karyawannya dan mengumpulkan lebih
banyak informasi yang tidak terstruktur dari sumber-sumber eksternal mengenai kondisi
perekonomian setempat atau kecenderungan penjualan

Manajemen operasional dan para karyawan biasa cenderung untuk mengambil lebih
banyak keputusan yang terstruktur. Sebagai contoh, seorang supervisor pada lini perakitan
harus memutuskan apakah karyawan yang dibayar per jam berhak mendapatkan gaji lembur
ataukah tidak. Jika karyawan tersebut bekerja lebih dari 8 jam dalam satu hari tertentu, maka
supervisor akan secara rutin memberikan gaji lembur untuk sejumlah waktu yang telah
melewati 8 jam yang dicatat pada hari itu.

Seorang representatif akun penjualan sering kali harus mengambil keputusan

mengenai memperpanjang waktu kredit para pelanggan dengan memberikan konsultasi
berdasarkan database pelanggan perusahaan yang berisi informasi kredit. Jika pelanggan
memenuhi kriteria yang telah ditentukan sebelumnya oleh perusahaan untuk pemberian
kredit, maka petugas ini akan memberikan kredit kepada pelanggan tersebut untuk melakukan
pembelian. Dalam kedua contoh, keputusan-keputusan akan sangat terstruktur dan secara
rutin diambil sebanyak ribuan kali setiap harinya dalam sebagian besar perusahaan besar.

14
Jawaban telah diprogramkan sebelumnya ke dalam sistem penggajian dan piutang
perusahaan.

3. Proses Pengambilan Keputusan.

Mengambil suatu keputusan merupakan suatu proses yang melibatkan banyak langkah.
Simon (1960) menggambarkan 4 langkah berbeda dalam mengambil keputusan: kecerdasan,
rancangan, pilihan, dan implementasi.

 Intelijen (intelligence) terdiri atas menemukan, mengidentifikasi, dan memahami

masalah yang terjadi pada organisasi-mengapa masalah itu terjadi, di mana, dan
akibat apa yang dialami perusahaan.
 Rancangan (design) melibatkan identifikasi dan pencarian berbagai solusi masalah.
 Pilihan (choice) adalah tentang memilih alternatif solusi yang ada.
 Implementasi (implementation) adalah tentang membuat alternatif yang dipilih dapat
bekerja, dan tetap mengawasi seberapa baik kerja solusi tersebut.

Sebagai contoh, dalam menghadapi penurunan penjualan, tim manajemen penjualan mungkin
memutuskan untuk memberikan komisi yang lebih tinggi pada petugas penjualan apabila
berhasil melakukan penjualan lebih banyak untuk memacu upaya penjualan. Apabila hal ini
tidak meningkatkan penjualan, manajer perlu menyelidiki apakah akar masalahnya adalah
buruknya rancangan produk, pelayanan pelanggan yang tidak memadai, atau adanya kasus
lain yang membutuhkan solusi yang berbeda.

4. Manajer dan Pengambilan Keputusan dalam Dunia Nyata.

Premis dari buku ini dan bab ini adalah mengenai sistem untuk mendukung pengambilan
keputusan agar menghasilkan pengambilan keputusan yang lebih baik yang dilakukan oleh
manajer dan karyawan, agar memperoleh tingkat pengembalian atas investasi di atas rata-rata
bagi perusahaan, dan pada akhirnya menghasilkan tingkat profitabilitas yang lebih tinggi.
Namun, sistem informasi

 Peran Manajerial

Para manajer memainkan peran penting dalam organisasi. Tanggung jawab mereka
adalah mengambil keputusan, membuat laporan, menghadiri rapat, hingga merencanakan

15
pesta ulang tahun. Kita dapat memahami fungsi manajer dan perannya dengan lebih baik
dengan cara mengkaji perilaku manajer gaya klasik dan kontemporer.

Model manajemen klasik (classical model of management), yang menggambarkan

apakah yang dilakukan oleh para manajer, yang umumnya tidak dipertanyakan pada lebih
dari 70 tahun sejak tahun 1920-an. Henri Fayol dan para tokoh pada masa awal lainnya yang
pertama kali menggambarkan 5 fungsi klasik dari para manajer, yaitu merencanakan,
mengatur, mengoordinasi. memutuskan, dan mengendalikan. Gambaran mengenai aktivitas
manajemen tersebut mendominasi pemikiran manajemen dalam waktu yang lama, dan masih
terkenal hingga saat ini.

Model manajemen klasik menjelaskan fungsi manajerial secara formal, tetapi tidak
menunjukkan apa yang dilakukan para manajer secara terperinci saat mereka merencanakan,
memutuskan sesuatu, dan mengendalikan pekerjaan orang lain. Dalam hal ini, kita harus
kembali pada karya-karya para pakar perilaku kontemporer yang mempelajari para manajer
dalam aktivitasnya sehari-hari. Model perilaku (behavioral models) menyatakan bahwa
ketika perilaku yang sebenarnya dari para manajer terlihat menjadi kurang sistematis. lebih
informal, kurang reflektif, lebih reaktif, dan kurang terorganisasi dengan baik daripada model
klasik yang telah kita yakini.

Para pengamat mendapati bahwa perilaku manajer sebenarnya mempunyai lima

atribut yang berbeda dari penjelasan model klasik: Pertama, manajer melakukan banyak
pekerjaan dengan luar biasa sibuknya-penelitian mendapati bahwa para manajer menangani
lebih dari 600 aktivitas yang berbeda setiap harinya, tanpa istirahat. Kedua, aktivitas
manajerial terpecah-pecah: kebanyakan aktivitas bertahan kurang dari sembilan menit, dan
hanya 10 persen dari aktivitas tersebut yang melebihi durasi satu jam. Ketiga, manajer lebih
menyukai informasi terkini, spesifik, dan ad hoc (informasi yang tercetak sering kali sudah
usang). Keempat, mereka menyukai bentuk komunikasi lisan daripada tulisan, karena media
lisan memberikan fleksibilitas yang lebih tinggi, membutuhkan upaya yang lebih sedikit, dan
memberikan respons yang lebih cepat. Kelima, manajer memberikan prioritas yang tinggi
dalam mempertahankan hubungan yang bermacam-macam dan rumit yang bertindak sebagai
sistem informasi informal dan membantu mereka melaksanakan agenda personal mereka
serta sasaran-sasaran jangka pendek dan jangka panjang.

Dalam menganalisis perilaku para manajer dari hari ke hari, Henry Mintzberg
menemukan bahwa hal itu dapat diklasifikasikan ke dalam 10 peran manajerial. Peran

16
manajerial (managerial roles) merupakan ekspektasi dari aktivitas yang harus dikerjakan oleh
para manajer di dalam suatu organisasi. Mintzberg mendapati bahwa peran manajerial ini
dibagi menjadi tiga kategori: antarpribadi, informasi, dan pengambil keputusan.

 Peran Antarpribadi.

Dalam peran antarpribadi (interpersonal role), para manajer bertindak sebagai figur
utama dalam organisasi ketika mereka mewakili perusahaan mereka kepada dunia luar dan
melakukan tugas-tugas simbolik, seperti memberikan penghargaan kepada karyawan.
Manajer bertindak sebagai pemimpin, memberikan motivasi, nasihat, dan mendukung
bawahannya. Manajer juga bertindak sebagai penghubung antara berbagai tingkatan dalam
organisasi; pada setiap tingkatan tersebut, manajer bekerja sebagai penghubung antar anggota
tim manajemen. Manajer memberikan waktu dan bantuan, yang diharapkan akan dibalas.

 Peran Informasi.

Dalam peran informasi (informational role), manajer bertindak sebagai pusat saraf dari
organisasi, menerima informasi terkini yang paling konkret dan mendistribusikannya kembali
kepada mereka yang memerlukannya. Manajer adalah penyebar informasi dan juru bicara
dalam organisasinya.

 Peran Pengambil Keputusan.

Manajer mengambil keputusan. Dalam peran pengambil keputusan (decisional role),

mereka bertindak sebagai wirausahawan dalam mengusulkan jenis-jenis aktivitas baru,
menangani gangguan-gangguan yang muncul dalam organisasi: mengalokasikan sumber daya
kepada para staf yang membutuhkan; dan menegosiasikan konflik dan menjadi penengah
antara kelompok-kelompok yang bertikai.

5. Pengambilan Keputusan dalam Dunia Nyata.

Kini kita dapat melihat bahwa sistem informasi tidak dapat membantu semua peran
manajerial. Dan dalam peran manajerial di mana sistem informasi dapat membantu
mengambil keputusan, investasi dalam teknologi informasi tidak selalu menghasilkan hasil
yang positif. Ada tiga alasan utama: kualitas informasi, penyaringan manajemen, dan budaya
organisasi.

17
  Kualitas Informasi.

Keputusan yang berkualitas tinggi memerlukan informasi yang berkualitas tinggi.

menggambarkan dimensi kualitas informasi yang memengaruhi kualitas dari keputusan.

 Penyaring Manajemen.

Walaupun dengan informasi yang tepat waktu dan akurat, tetapi beberapa manajer
mengambil keputusan yang buruk. Para manajer (seperti halnya semua manusia) menyerap
informasi melalui serangkaian penyaringan untuk memahami dunia di sekitar mereka. Para
manajer memiliki perhatian yang selektif, menitikberatkan pada jenis permasalahan dan
pemecahan tertentu, dan memiliki bias-bias sesuai dengan konsepsi mereka sebelumnya.
yang bervariasi yang menolak informasi yang tidak. Sebagai contoh, perusahaan Wall Street
seperti misalnya Bear Stearns dan Lehman Brothers "meledak" pada tahun 2008 karena
mereka meremehkan risiko dari investasi-investasi mereka dalam sekuritas hipotek kompleks,
banyak yang didasarkan pada pinjaman kredit perumahan yang lebih cenderung tidak mampu
melunasi utang-utangnya. Model-model komputer mereka dan lembaga keuangan lainnya
digunakan untuk mengelola risiko yang didasarkan pada asumsi asumsi yang terlalu
optimistik dan terlalu menyederhanakan data mengenai apa yang mungkin terjadi kesalahan.
Manajemen menginginkan untuk memastikan bahwa modal perusahaan mereka tidak
semuanya terikat sebagai bantalan terhadap risiko gagal bayar dari investasi-investasi yang
berisiko, mencegah mereka dari menanamkan modalnya untuk menghasilkan keuntungan.
Sehingga para perancang dari sistem manajemen risiko tersebut terdorong untuk mengukur
risiko dalam suatu cara yang meminimalkan pentingnya mereka. Beberapa meja perdagangan
juga terlalu menyederhanakan informasi yang dipertahankan mengenai sekuritas hipotek
untuk membuat mereka terlihat seperti obligasi yang sederhana dengan peringkat yang lebih
tinggi daripada yang dijaminkan oleh komponen-komponen yang mendasari mereka.

DIMENSI DESKRIPSI
KUALITAS
Akurasi Apakah data merepresentasikan kenyataan?
Integritas Apakah struktur data dan hubungan antarkeadaan dan antaratributnya
konsisten!
Konsistensi Apakah elemen-elemen datanya terdefinisi secara konsisten?
Kelengkapan Apakah semua data yang penting tersedia?
Validitas Apakah nilai data ada dalam kisaran yang telah ditentukan?
Ketepatan waktu Apakah data tersedia ketika diperlukan?
Kemudahan akses Apakah data tersebut dapat diakses, komprehensif, dan dapat digunakan?
18
Tabel 12.2 Dimensi Kualitas Informasi.

 Politik dan Inersia Organisasional.

Organisasi adalah birokrasi dengan kemampuan dan kompetensi terbatas untuk

melakukan tindakan-tindakan yang bersifat menentukan. Ketika lingkungan berubah dan
perusahaan perlu mengadopsi model bisnis baru untuk bertahan, kekuatan yang besar dalam
organisasi menolak pengambilan keputusan untuk perubahan besar. Keputusan yang diambil
perusahaan sering menunjukkan penyeimbangan dari kelompok-kelompok yang berbeda
dalam perusahaan dan bukan solusi yang terbaik atas masalah yang dihadapi. Kajian-kajian
mengenai merestrukturisasi bisnis menemukan bahwa perusahaan cenderung untuk
mengabaikan kinerja yang buruk hingga terancam oleh pihak luar yang ingin mengambil alih,
dan mereka secara sistematis menyalahkan kinerja yang buruk dari kekuatan eksternal yang
melampaui kendali mereka seperti misalnya kondisi perekonomian (ekonomi), persaingan
asing, dan kenaikan harga, daripada menyalahkan manajemen senior atau menengah atas
pertimbangan bisnis yang buruk.

6. Pengambilan Keputusan Otomatis yang Berkecepatan Tinggi.

Saat ini, banyak keputusan yang diambil oleh organisasi tidak dibuat oleh para manajer,
atau beberapa manusia. Sebagai contoh, ketika Anda memasukkan suatu query ke dalam
mesin pencari Google, Coogle telah memutuskan URL yang manakah yang menampilkan
dalam waktu rata-rata sekitar setengah detik (500 mili detik). Google membuat indeks atas
lebih dari 50 miliar laman web, meskipun tidak mencari keseluruhan indeks bagi semua
query yang diterimanya. Hal yang sama benar-benar terjadi dalam mesin pencari lainnya.
Bursa Saham New York menghabiskan lebih dari $450 juta dalam tahun 2010-2011 untuk
membangun platform perdagangan yang menjalankan pesanan-pesanan yang masuk dalam
waktu kurang dari 50 mili detik. Frekuensi yang tinggi dari para pedagang pada bursa saham
elektronik melaksanakan perdagangannya dalam waktu di bawah 30 mili detik. Kelas-kelas
dalam keputusan yang sangat terstruktur dan otomatis mengalami pertumbuhan yang sangat
cepat. Apakah yang membuat jenis dari keputusan otomatis yang berkecepatan tinggi
dimungkinkan adalah algoritme komputer yang secara tepat mendefinisikan langkah-langkah
yang harus diikuti untuk menghasilkan suatu keputusan. database yang sangat besar, prosesor
yang berkecepatan sangat tinggi, dan perangkat lunak yang dioptimalkan atas tugas. Dalam
keadaan keadaan tersebut, manusia (meliputi para manajer) dihapuskan dari rantai keputusan
karena mereka terlalu lamban.

19
 F. Intelijen Bisnis di dalam Perusahaan.
1. Apakah yang dimaksud dengan intelijen Bisnis?

“Business intelligence” adalah istilah yang digunakan oleh vendor perangkat keras dan
perangkat lunak serta konsultan teknologi informasi untuk mendeskripsikan infrastruktur
pergudangan, mengintegrasikan, melaporkan, dan menganalisis data yang berasal dari
lingkungan bisnis. Infrastruktur fondasi mengumpulkan, menyimpan, membersihkan, dan
membuat informasi yang relevan tersedia bagi para manajer. Penting untuk diingat bahwa
kecerdasan dan analisis bisnis adalah produk yang didefinisikan oleh vendor teknologi dan
perusahaan konsultan. Mereka terdiri dari perangkat keras dan perangkat lunak yang dijual
terutama oleh vendor sistem besar ke perusahaan Fortune 500 yang sangat besar. Lima
penyedia terbesar produk ini adalah SAP, Oracle, IBM, SAS Institute, dan Microsoft.

2. Lingkungan Intelijen Bisnis.

Gambar 12-3 memberikan gambaran umum tentang lingkungan intelijen bisnis, menyoroti
jenis perangkat keras, perangkat lunak, dan kemampuan manajemen yang ditawarkan oleh
vendor utama dan perusahaan berkembang dari waktu ke waktu. Ada enam elemen dalam
lingkungan intelijen bisnis ini:

20
  Data dari lingkungan bisnis.
Bisnis harus menangani data terstruktur dan tidak terstruktur dari berbagai sumber,
termasuk perangkat seluler dan Internet. Data perlu diintegrasikan dan diorganisasikan
sehingga bisa dianalisis dan digunakan oleh pengambil keputusan.
 Infrastruktur intelijen bisnis.
Landasan dasar intelijen bisnis adalah sistem basis data yang kuat yang menangkap
semua data yang relevan untuk menjalankan bisnis. Data dapat disimpan dalam database
transaksional atau digabungkan dan disatukan ke dalam gudang data perusahaan atau
serangkaian data data yang saling terkait.
 Alat analisis bisnis.
Satu set perangkat lunak digunakan untuk menganalisis data dan menghasilkan
laporan, menanggapi pertanyaan yang diajukan oleh manajer, dan melacak kemajuan bisnis
dengan menggunakan indikator kinerja utama.
 Metode dan pengguna manajerial.
Perangkat keras dan perangkat lunak intelijen bisnis hanya secerdas manusia yang
menggunakannya. Manajer menerapkan perintah pada analisis data dengan menggunakan

21
berbagai metode manajerial yang menentukan tujuan bisnis strategis dan menentukan
bagaimana kemajuan akan diukur. Ini mencakup pendekatan manajemen kinerja bisnis dan
pendekatan balanced scorecard yang berfokus pada indikator kinerja utama dan analisis
strategis industri yang berfokus pada perubahan lingkungan bisnis secara umum, dengan
perhatian khusus pada pesaing. Tanpa pengawasan manajemen senior yang kuat, analisis
bisnis dapat menghasilkan banyak informasi, laporan, dan layar online yang berfokus pada
masalah yang salah dan mengalihkan perhatian dari masalah sebenarnya. Anda perlu ingat
bahwa, sejauh ini, hanya manusia yang bisa mengajukan pertanyaan cerdas.
 Platform pengiriman – MIS, DSS, ESS.
Hasil dari business intelligence and analytics disampaikan kepada para manajer dan
karyawan dengan berbagai cara, tergantung pada apa yang perlu mereka ketahui untuk
melakukan pekerjaan mereka. MIS, DSS, dan ESS, yang kami perkenalkan di Bab 2,
menyampaikan informasi dan pengetahuan kepada orang dan tingkatan yang berbeda pada
karyawan operasional perusahaan, manajer menengah, dan eksekutif senior. Dulu, sistem ini
tidak bisa berbagi data dan dioperasikan sebagai sistem independen. Saat ini, satu perangkat
keras dan perangkat lunak dalam bentuk paket intelijen bisnis dan analisis dapat
mengintegrasikan semua informasi ini dan membawanya ke platform desktop atau mobile
manager.
 Antarmuka pengguna.
Orang bisnis tidak lagi terikat dengan meja kerja dan desktop mereka. Mereka sering
belajar lebih cepat dari representasi data visual daripada dari laporan kering dengan kolom
dan baris informasi. Perangkat lunak analisis bisnis hari ini menekankan teknik visual seperti
dashboard dan kartu skor. Mereka juga mampu menyampaikan laporan tentang Blackberry,
iPhone, dan perangkat genggam mobile lainnya serta portal perusahaan Web. Perangkat
lunak BA menambahkan kemampuan untuk mengirim informasi di Twitter, Facebook, atau
media sosial internal untuk mendukung pengambilan keputusan dalam pengaturan grup
online daripada dalam pertemuan tatap muka.

PANGSA PASAR PEMASOK PERANGKAT LUNAK INTELIJEN BISNIS

19,3% Oracle Oracle Business Intelligence Foundation Suite
14,5% SAP SAP BusinessObjects Bl
13,8% IBM IBM Cognos
7,4% Microsoft Microsoft Excel, PowerPivot, SQL Server
2012 Business Intelligence
7,1% SAS Institute SAS Enterprise Business Intelligence

22
Tabel 12.3 Para Pemimpin Pasar dan Bagian Saham dari Para Pemasok Intelijen Bisnis.

3. Intelijen Bisnis dan Kapabilitas Analitis.

Intelijen bisnis dan analitis bisnis menjanjikan untuk mengirimkan informasi dengan
tepat, hampir mendekati real-time kepada para pengambil keputusan, dan alat bantu analitis
membantu mereka dengan cepat memahami informasi dan mengambil tindakan. Terdapat 6
fungsionalitas analitis yang sistem BI kirimkan untuk mencapai hasil akhir tersebut:

GAMBAR 12.3 INTELIJEN BISNIS DAN ANALITIS BISNIS UNTUK MENDUKUNG KEPUTUSAN

 Laporan produksi: Ini merupakan laporan yang telah didefinisikan sebelumnya yang
didasarkan pada kebutuhan spesifik dari industri (lihat Tabel 12.5).
 Laporan yang memiliki parameter: Para pengguna memasuki beberapa parameter
seperti yang terdapat pada tabel pivot untuk menyaring data dan mengisolasi dampak
dari parameter. Sebagai contoh, Anda ingin memasuki wilayah dan waktu dalam hari
untuk memahami bagaimana penjualan dari suatu produk bervariasi berdasarkan
wilayah dan waktu. Jika Anda berbisnis Starbucks, maka Anda mungkin menemukan
bahwa para pelanggan di wilayah Timur akan membeli hampir sebagian besar kopi
pada pagi hari, sedangkan para pelanggan di wilayah Barat Laut akan membeli kopi
pada sepanjang hari. Hasil temuan ini akan mengarahkan pada kampanye pemasaran
dan iklan yang berbeda-beda dalam tiap-tiap wilayah. (Lihat pembahasan mengenai
tabel pivot dalam Bagian 12.3).

23
  Dashboard/scorecard: Ini merupakan alat bantu visual untuk menyajikan data kinerja
yang didefinisikan oleh para pengguna.
 Ad hoc query/pencarian/penciptaan laporan: Ini memungkinkan bagi para pengguna
untuk menciptakan laporan mereka sendiri berdasarkan pada query dan pencarian.
 Penelusuran: Ini merupakan kemampuan untuk berpindah dari tingkat ringkasan yang
tinggi ke pandangan yang lebih terperinci.
 Peramalan, skenario, model: Ini meliputi kemampuan untuk melaksanakan peramalan
linear. analisis skenario bagaimana-jika, dan menganalisis data dengan menggunakan
alat bantu statistik yang standar.

Siapa yang Menggunakan intelijen Bisnis dan Analitis Bisnis?

Pada bab-bab sebelumnya, kita telah membahas pengguna informasi yang berbeda dalam
perusahaan Bisnis-dari manajer senior hingga manajer menengah, analis, dan karyawan
operasional Hal ini juga berlaku bagi sistem BI dan BA (lihat Gambar 12.4). Lebih dari 80%
audience Bl terdiri atas para pengguna santai yang sangat mengandalkan pada laporan
produksi. Para eksekutif senior cenderung untuk menggunakan BI untuk memonitor aktivitas-
aktivitas perusahaan dengan menggunakan antar muka visual seperti misalnya dashboard dan
kartu nilai (scorecard). Para manajer menengah dan para analis cenderung untuk tenggelam
dalam data dan perangkat lunak, memasukkan query dan memilah-milah serta membagi data
seiring dengan dimensi yang berbeda. Para karyawan operasional akan sejalan dengan para
pelanggan dan para pemasok, sebagian besar mencari laporan-laporan yang telah dikemas.

Laporan Produksi

Output yang paling banyak digunakan dari alat bantu BI adalah laporan produksi yang telah
dikemas. Tabel 12.5 mengilustrasikan beberapa laporan yang umumnya telah ditetapkan dari
alat bantu BI Oracle.

Analitis Prediktif

Kemampuan terpenting dari analitis intelijen bisnis adalah kemampuan untuk membuat
model atas peristiwa dan perilaku pada masa mendatang, seperti misalnya probabilitas

24
seorang pelanggan akan memberikan tanggapan atas penawaran untuk membeli suatu produk.
Analitis prediktif (predictive analytical) menggunakan analisis statistik, teknik penelusuran
data, data historis, dan asumsi mengenai kondisi pada masa mendatang untuk memprediksi
kecenderungan masa yang akan datang dan pola perilaku Peubah-peubah yang dapat diukur
untuk memprediksikan perilaku pada masa mendatang telah teridentifikasi. Sebagai contoh,
sebuah perusahaan asuransi akan menggunakan peubah seperti misalnya umur, gender, dan
catatan mengemudi sebagai predictors untuk keselamatan dalam mengemudi ketika
mengeluarkan kebijakan asuransi mobil. Kumpulan dari predictors tersebut digabungkan ke
dalam suatu model prediktif untuk meramalkan probabilitas pada masa mendatang dengan
tingkat keandalan yang dapat diterima.

FedEx telah menggunakan analitis prediktif untuk mengembangkan model yang

memprediksikan bagaimana para pelanggan akan memberikan tanggapan atas perubahan
harga dan jasa yang baru, di mana para pelanggan sebagian besar berisiko beralih kepada
para pesaing, dan berapa banyak pendapatan yang akan dihasilkan dengan etalase yang baru
atau lokasi drop box. Tingkat keakuratan dari sistem analitis prediktif FedEx berkisar dari 65
hingga 90%.

Analitis prediktif digabungkan ke dalam sejumlah penerapan intelijen bisnis yang sangat
banyak untuk penjualan, pemasaran, keuangan, deteksi penipuan, dan perawatan kesehatan.
Salah satu dari penerapan yang sangat terkenal adalah penilaian kredit, yang digunakan di
seluruh industri jasa keuangan. Ketika Anda mengajukan permintaan atas kartu kredit yang
baru, maka model penilaian akan memproses riwayat kredit Anda, pengajuan pinjaman, dan
data pembelian untuk menentukan kemungkinan Anda dalam melakukan pembayaran kredit
pada masa mendatang dengan tepat waktu. Perusahaan-perusahaan dalam bidang
telekomunikasi menggunakan analitis prediktif untuk mengidentifikasi yang mana pelanggan
yang paling menguntungkan, yang mana yang paling cenderung untuk pergi, dan yang mana
jasa dan rencana yang sangat cenderung untuk mempertahankan pelanggan. Para penjamin
asuransi atas perawatan kesehatan telah menganalisis data selama bertahun-tahun untuk
mengidentifikasi yang mana pasien yang sangat cenderung menghasilkan biaya tinggi.

Banyak perusahaan yang menerapkan analitis prediktif untuk memprediksikan

tanggapan terhadap kampanye pemasaran secara langsung. Dengan mengidentifikasi
pelanggan yang kurang cenderung untuk memberikan tanggapan, maka perusahaan dapat
menurunkan biaya pemasaran dan penjualan mereka dengan mengelilingi kelompok ini dan

25
menitikberatkan pada sumber daya mereka atas pelanggan yang telah teridentifikasi sebagai
yang lebih menjanjikan. Sebagai contoh, Body Shop pls divisi AS menggunakan analitis
prediktif dan membuat database atas katalognya, web dan pelanggan gerai ritel untuk
mengidentifikasi pelanggan yang sangat mungkin melakukan pembelian melalui katalog.
Informasi tersebut membantu perusahaan untuk membangun daftar mailing secara lebih tepat
dan ditargetkan atas katalognya, meningkatkan tingkat tanggapan atas mailing katalog dan
pendapat yang dihasilkan dari katalog.

GAMBAR 12.4 PENGGUNA INTELIJEN BISNIS

TABEL 12.5 CONTOH DARI INTELIJEN BISNIS ATAS LAPORAN PRODUKSI

YANG TELAH DITETAPKAN :

AREA FUNGSIONAL LAPORAN PRODUKSI

BISNIS
Penjualan Peramalan penjualan; kinerja tim penjualan; penjualan silang;
siklus waktu penjualan
Jasa/Sentra Panggilan Kepuasan konsumen; biaya jasa; tingkat resolusi; tingkat
penurunan.
Pemasaran Keefektifan kampanye; loyalitas dan pengurangan; analisis
keranjang pasar.
Pengadaan dan Pengeluaran langsung dan tidak langsung; pembelian tanpa
26
Dukungan kontrak; kinerja pemasok.
Rantai Pasokan backlog; status pemenuhan: siklus waktu pemesanan; analisis
tagihan bahan baku
Keuangan Jurnal umum; piutang dan utang; arus kas; profitabilitas.
Sumber Daya Manusia Produktivitas karyawan; kompensasi; demografis tenaga kerja;
retensi.

Analisis Data Besar

Banyak peritel online yang memiliki kapabilitas untuk membuat rekomendasi atas produk
yang diwujudkan melalui online pada para pengunjung situs web mereka untuk membantu
dalam menstimulasi pembelian dan membimbing keputusan mereka mengenai barang
dagangan yang disediakan. Namun, sebagian besar dari rekomendasi produk tersebut
didasarkan pada perilaku dari kelompok-kelompok yang hampir sama dengan pelanggan,
seperti misalnya mereka dengan tingkat pendapatan di bawah $50.000 atau yang berusia di
antara 18-25 tahun. Sekarang beberapa telah memulai untuk menganalisis jumlah pelanggan
online dan dalam gerai yang sangat besar yang telah mereka kumpulkan seiring dengan data
pada media sosial untuk membuat rekomendasi tersebut menjadi lebih individual.

Perusahaan-perusahaan online yang besar seperti misalnya Walmart, Netflix, dan eBay
menganalisis data yang besar dari transaksi-transaksi pelanggan mereka dan aliran media
sosial untuk menciptakan pengalaman berbelanja yang diwujudkan secara real-time. Upaya
upaya tersebut diterjemahkan ke dalam pengeluaran pelanggan dan tingkat pengulangan
pelanggan yang lebih besar.

EBay menggunakan Hunch.com, yang diambil alih pada tahun 2011, untuk
mengirimkan rekomendasi yang disesuaikan kepada para pengguna individual yang
didasarkan pada serangkaian pilihan cita rasa mereka yang spesifik. Hunch telah membangun
suatu database yang sangat besar yang meliputi data dari pembelian pelanggan, jejaring
sosial, dan tanda-tanda dari sekitar web. Hunch dapat menganalisis data untuk menciptakan
"grafik pilihan cita rasa" yang memetakan para pengguna dengan prediksi persamaan mereka
atas produk, jasa, situs web, dan orang lainnya. dan memanfaatkan informasi ini untuk
menciptakan rekomendasi yang disesuaikan.

"Grafik pilihan cita rasa" Hunch meliputi prediksi terhadap sekitar 500 juta orang,
200 juta objek (misalnya video, gadget, atau buku), serta 30 miliar koneksi di antara orang
dan objek. Untuk menghasilkan prediksi yang akurat dalam hampir secara real-time, Hunch

27
telah mengubah pilihan cita rasa dari tiap-tiap orang ke dalam "sidik jari pilihan cita rasa"
yang diekstrak dari grafik pilihan cita rasa yang lebih besar.

Teknologi prediksi dari Hunch.com membantu eBay dalam mengembangkan

rekomendasi barang yang mungkin tidak langsung terlihat jelas bagi para pengguna untuk
membeli dari pasar online-nya. Sebagai contoh, seorang pengumpul yang koin akan
melakukan pembelian pada situs eBay, maka Hunch akan merekomendasikan mikroskop
yang sangat bermanfaat untuk melakukan analisis terhadap uang kom. Hunch juga dapat
menjadi suatu alat bantu yang penting bagi para penjual eBay jika profil pelanggannya
membantu mereka mengambil keputusan yang lebih baik mengenai barang-barang yang
manakah yang akan ditawarkan, konten yang mereka gunakan untuk menggambarkan
persediaan mereka, dan mungkin bahkan periklanan yang mereka pakai untuk
mempromosikan daftar barang mereka pada eBay (Grau, 2012).

Visualisasi Data, Analitis Visual, dan Sistem Informasi Geografis

Dengan menyajikan data dalam bentuk visual, maka visualisasi data (data visualization) dan
alat bantu analitis visual dapat membantu para pengguna untuk melihat pola dan hubungan
dalam sejumlah besar data yang sulit untuk dipahami jika data disajikan dalam bentuk daftar
teks tradisional atau angka-angka. Data disajikan dalam berbagai macam bentuk grafik,
diagram. dashboard, dan peta. Orang-orang menjadi lebih terlibat ketika mereka menyaring
informasi yang disajikan secara visual dan mengembangkan wawasan mereka sendiri.

Sistem informasi geografis (geographic information systems-GIS) adalah suatu

kategori khusus dari alat bantu untuk membantu para pengambil keputusan
memvisualisasikan permasalahan yang memerlukan pengetahuan mengenai distribusi secara
geografis atas orang atau sumber daya lainnya. Perangkat lunak GIS mengikat data lokasi
terhadap titik-titik, garis, dan area pada suatu peta. Beberapa GIS memiliki kapabilitas
permodelan untuk mengubah data dan secara otomatis akan memperbaiki skenario bisnis GIS
akan digunakan untuk membantu pemerintah negara bagian dan setempat dalam menghitung
waktu tanggapan terhadap bencana alam dan keadaan darurat lainnya atau untuk membantu
bank-bank dalam mengidentifikasi lokasi yang terbaik untuk mendirikan cabang-cabang yang
baru atau terminal ATM.

28
 Sebagai contoh, Columbia, Bank First Citizen yang bertempat di Carolina Selatan,
memanfaatkan perangkat lunak GIS dari MapInfo untuk menentukan yang manakah pasar
untuk menitikberatkan pada mempertahankan pelanggan dan yang mana untuk
menitikberatkan pada

memperoleh pelanggan yang baru. MapInfo juga memungkinkan bank untuk menelusuri
perincian-perincian pada level cabang individual dan tujuan individual untuk tiap-tiap cabang
Masing-masing cabang dapat melihat apakah peluang untuk pendapatan yang terbesar dari
penelusuran database-nya atas pelanggan yang telah ada atau dari mendapatkan pelanggan
yang baru.

4. Strategi Manajemen untuk Mengembangkan Kemampuan BI dan BA.

Terdapat dua strategi yang berbeda dalam mengadopsi kapabilitas B1 dan BA bagi suatu
organisasi: satu solusi yang integrasi secara menyeluruh versus berbagai macam solusi yang
disediakan oleh para pemasok yang terbaik. Perusahaan penghasil perangkat keras (IBM, HP,
dan sekarang Oracle, yang mana memiliki Sun Microsystem) ingin menjual kepada
perusahaan Anda solusi dengan perangkat keras/perangkat lunak yang terintegrasi, yang
cenderung untuk menjalankan hanya pada perangkat keras mereka (solusi yang terintegrasi
sepenuhnya). Ini dinamakan "belanja satu tempat". Perusahaan-perusahaan penghasil
perangkat lunak (SAP, SAS, dan Microsoft) mendorong perusahaan untuk mengadopsi
perangkat lunak "mutu yang terbaik" dan hanya dapat dijalankan pada mesin yang mereka
inginkan. Dalam strategi ini, Anda mengadopsi database terbaik dan solusi gudang data, serta
memilih intelijen bisnis dan paket analitis yang terbaik dari pemasok mana pun yang Anda
yakini merupakan yang terbaik.

Solusi yang pertama membawa risiko di mana pemasok tunggal yang menyediakan
kepada perusahaan Anda solusi total baik perangkat keras maupun perangkat lunak, membuat
perusahaan Anda menjadi bergantung pada wewenang penetapan harganya. Ini juga
menawarkan keuntungan dalam berurusan dengan satu pemasok tunggal yang dapat
mengirimkan dalam skala global. Solusi yang kedua menawarkan fleksibilitas yang lebih
besar dan kemandirian, tetapi dengan risiko yang berpotensi menyulitkan dalam
mengintegrasikan platform perangkat lunak terhadap perangkat keras, maupun perangkat
lunak lainnya. Para pemasok selalu menyatakan bahwa perangkat lunak mereka "dapat sesuai

29
dengan perangkat lunak yang lain, tetapi pada kenyataannya dapat menjadi sangat sulit untuk
mengintegrasikan perangkat lunak dari para pemasok yang berbeda. Microsoft secara khusus
menekankan pada membangun desktop antar muka dan sistem operasinya (Windows), yang
mana sangat akrab bagi banyak penggunanya, dan mengembangkan aplikasi server yang
bekerja pada jaringan lokal area Microsoft. Akan tetapi, data dari perangkat keras dan
perangkat lunak yang dihasilkan oleh para pemasok yang berbeda dapat mengalir dengan
lancar ke dalam sentra kerja Microsoft untuk membuat strategi tersebut dapat berjalan. Hal
ini tidak memadai bagi perusahaan Fortune 500 yang memerlukan jaringan solusi secara
global. Tanpa memerhatikan yang manakah strategi yang akan diambil oleh perusahaan
Anda, semua sistem BI dan BA akan mengunci perusahaan ke dalam serangkaian pemasok
dan untuk menggantinya sangat mahal biayanya. Ketika Anda melatih ribuan karyawan di
seluruh dunia dengan menggunakan serangkaian alat bantu tertentu, akan sangat sulit untuk
menggantinya. Ketika Anda mengambil sistem-sistem tersebut, maka Anda pada dasarnya
mengambil rekan yang baru. Kondisi pasar sangat kompetitif dan menjadi hiperbola. Sebagai
seorang manajer, Anda harus melakukan evaluasi dengan kritis seperti klaim-klaim, sangat
memahami bagaimana sistem-sistem tersebut dapat meningkatkan bisnis Anda, dan
menentukan apakah pengeluaran dapat memberikan manfaat ataukah tidak.

G. Constituencies Intelijen Bisnis.

Terdapat banyak constituencies yang berbeda-beda yang terdiri atas suatu perusahaan
bisnis yang modern. Pada bagian yang lebih awal dalam buku teks ini dan dalam bab ini telah
kita identifikasikan mengenai 3 level dari manajemen: manajemen supervisor yang terendah
(operasional). manajemen menengah, dan manajemen senior (wakil presiden dan di atasnya,
meliputi eksekutif atau manajemen "level C", seperti misalnya direktur eksekutif, direktur
keuangan, dan direktur operasional). Masing-masing dari kelompok manajemen tersebut
memiliki tanggung jawab yang berbeda dan kebutuhan yang berbeda atas informasi dan
intelijen bisnis, dengan keputusan yang menjadi kurang terstruktur di antara level manajemen
yang lebih tinggi.

1. Dukungan Keputusan Bagi Manajemen Operasional dan Manajemen Menengah.

Manajemen operasional dan manajemen menengah pada umumnya dibebankan dengan

memonitor kinerja dari aspek-aspek yang penting atas bisnis, berkisar dari penghentian mesin
dari divisi pabrik, hingga penjualan harian atau bahkan per jam pada gerai makanan
franchise, hingga lalu lintas harian pada situs web perusahaan. Sebagian besar keputusan-

30
keputusan yang mereka ambil cukup terstruktur. Sistem informasi manajemen (SIM)
biasanya digunakan oleh para manajer menengah untuk mendukung tipe dari pengambilan
keputusan tersebut, dan output utama mereka adalah serangkaian laporan produksi rutin yang
didasarkan pada data yang diekstrak dan diringkaskan dari sistem pemrosesan transaksi
(transaction processing systems -TPS) yang mendasar. Apalagi. para manajer menengah
menerima laporan-laporan tersebut secara online pada portal perusahaan, dan dapat
melakukan query data secara interaktif untuk mencari tahu mengapa peristiwa-peristiwa
dapat terjadi. Untuk menghemat waktu lebih atas analisis, maka para manajer beralih pada
laporan pengecualian, yang mana hanya menyoroti kondisi pengecualian semata, seperti
misalnya ketika kuota penjualan untuk suatu wilayah tertentu jatuh di bawah level yang
diantisipasi atau para karyawan melebihi batas pengeluaran mereka dalam program
perawatan gigi. Tabel 12.6 akan menyediakan beberapa contoh dari penerapan SIM.

 Dukungan bagi Keputusan Semi Terstruktur

Beberapa manajer "merupakan pengguna yang super" dan para analis bisnis yang tajam
yang ingin menciptakan laporan-laporan mereka sendiri, dan menggunakan analitis-analitis
yang lebih canggih dan model- model untuk mencari pola dalam data, untuk merancang
model alternatif skenario bisnis, atau untuk menguji hipotesis-hipotesis tertentu. Sistem
pendukung keputusan (decision-support systems-DSS) merupakan platform pengiriman BI
untuk kategori para pengguna tersebut, dengan kemampuan untuk mendukung pengambilan
keputusan yang semi terstruktur.

PERUSAHAAN PENERAPAN SIM

California Pizza Kitchen Aplikasi Inventory Express "mengingat" setiap pola pemesanan
restoran dan membandingkan jumlah bahan yang digunakan
setiap menu makanan dengan ukuran porsi yang telah
ditetapkan oleh pihak manajemen. Sistem ini mengidentifikasi
restoran dengan porsi yang melebihi batas dan mengingatkan
manajernya agar segera mengambil langkah perbaikan.
PharMark SIM ekstranet mengidentifikasi pasien dengan pola penggunaan
obat yang berpotensi membahayakan kesehatannya.
Black & Veatch SIM intranet melacak hiaya-biaya konstruksi untuk berbagai
proyek di seluruh Amerika Serikat.
Taco Bell Sistem Total Automation of Company Operations (TACO)
memberikan informasi tentang makanan, tenaga kerja, dan

31
 biaya dalam periode terkini untuk setiap restoran.
Tabel 12.5 Contoh Penerapan SIM

DSS sangat mengandalkan pada permodelan daripada SIM, dengan menggunakan model
matematika atau analitis untuk mengerjakan analisis bagaimana jika atau jenis analisis
lainnya Analisis "bagaimana jika," bekerja ke depan dari kondisi yang diketahui atau
diasumsikan, yang memungkinkan bagi pengguna atas variasi nilai tertentu terhadap nilai
yang diujikan untuk memprediksikan hasil jika perubahan terjadi dalam nilai-nilai tersebut.
Apakah yang akan terjadi jika kita menaikkan harga produk sebesar 5% atau meningkatkan
anggaran iklan sebesar $1 juta? Model analisis sensitivitas (sensitivity analysis) mengajukan
pertanyaan bagaimana secara berulang ulang untuk memprediksikan kisaran hasil ketika
salah satu atau lebih peubah-peubah akan diubah beberapa kali (lihat Gambar 12.5). Analisis
sensitivitas mundur ke belakang membantu para pengambil keputusan dengan pencarian
tujuan: Jika saya ingin menjual unit produk sebanyak 1 juta pada tahun berikutnya, berapa
banyak harga dari suatu produk yang harus saya turunkan?

Menggambarkan analisis data multi dimensi dan OLAP sebagai salah satu dari teknologi
intelijen bisnis yang utama. Kertas kerja memiliki fitur yang hampir sama untuk analisis
multi dimensi yang dinamakan dengan tabel pivot (pivot table) yang mana manajer "para
pengguna yang super" dan para analis akan melaksanakan untuk mengidentifikasi dan
memahami pola-pola dalam informasi bisnis yang bermanfaat bagi pengambilan keputusan
yang semi terstruktur.

Pada masa sebelumnya, banyak dari permodelan ini diselesaikan dengan kertas kerja dan
database yang berdiri sendiri yang berukuran kecil. Saat ini kapabilitas tersebut digabungkan
ke dalam sistem perusahaan BI yang besar di mana mereka dapat menganalisis data dari
database korporat besar. Analitis BI meliputi alat bantu untuk permodelan secara intensif,
beberapa dari yang telah kita gambarkan pada bagian awal. Kapabilitas-kapabilitas tersebut
membantu Progressive Insurance dalam mengidentifikasi pelanggan yang terbaik bagi
produk-produknya. Dengan menggunakan data industri asuransi yang tersedia, Progressive
menetapkan kelompok kecil pelanggan, atau "cell" seperti misalnya para pengendara sepeda
bermotor yang berusia 30 tahun atau lebih dengan pendidikan perguruan tinggi, skor kredit
atas suatu level tertentu, dan tidak ada kecelakaan. Untuk tiap-tiap "cell," Progressive akan
melaksanakan analisis regresi untuk mengidentifikasi faktor-faktor yang paling mendekati
untuk berkorelasi dengan kerugian asuransi yang umum bagi kelompok ini. Kemudian

32
menetapkan harga untuk tiap-tiap cell, dan menggunakan perangkat lunak stimulasi untuk
menguji apakah pengaturan harga akan memungkinkan perusahaan untuk mendapatkan
keuntungan ataukah tidak. Teknik-teknik analitis ini, memungkinkan bagi Progressive untuk
mengasuransikan para pelanggannya secara menguntungkan dalam kategori berisiko tinggi
yang tradisional yang mana para penjamin asuransi lainnya akan menolaknya.

2. Dukungan Keputusan Bagi Manajemen Senior : Balanced Scorecard dan Metode

Manajemen Kinerja Perusahaan.

Tujuan dari sistem pendukung eksekutif (executive support systems-ESS), untuk

membantu para manajer eksekutif level C yang menitikberatkan pada informasi atas kinerja
yang benar-benar penting yang memengaruhi keseluruhan profitabilitas dan keberhasilan
suatu perusahaan. Terdapat dua bagian untuk mengembangkan ESS. Pertama, Anda akan
memerlukan suatu metodologi untuk memahami dengan tepat apakah "informasi atas kinerja
yang penting bagi suatu perusahaan tertentu yang diperlukan oleh para eksekutif, dan kedua,
Anda akan perlukan untuk mengembangkan kemampuan sistem untuk mengirimkan
informasi tersebut kepada orang yang tepat dan pada waktu yang tepat. Saat ini, metodologi
yang terdepan untuk memahami informasi yang benar-benar penting yang diperlukan oleh
para eksekutif perusahaan dinamakan metode balanced scorecard (balance scorecard method)
(Kaplan dan Norton, 2004; Kaplan dan Norton, 1992). Balanced scorecard merupakan suatu
kerangka kerja untuk mengoperasionalkan rencana strategis dari perusahaan dengan
menitikberatkan pada hasil yang dapat diukur pada 4 dimensi kinerja perusahaan: keuangan,
proses bisnis, pelanggan, serta pembelajaran dan pertumbuhan

Kinerja pada tiap-tiap dimensi akan diukur dengan menggunakan indikator kinerja utama
(key performance indicators-KPIs) yang mengukur yang diusulkan oleh manajemen senior
untuk memahami seberapa baikkah perusahaan dalam bekerja seiring dengan dimensi tertentu
yang ditetapkan. Sebagai contoh, salah satu indikator kunci atas seberapa baikkah perusahaan
ritel secara online dalam memenuhi tujuan kinerja pelanggannya adalah rata-rata lamanya
waktu yang diperlukan untuk mengirimkan paket kepada pelanggan. Jika perusahaan Anda
adalah bank, maka salah satu KPI dari kinerja proses bisnis adalah lamanya waktu yang
diperlukan untuk mengerjakan suatu fungsi yang mendasar seperti menciptakan akun dari
seorang pelanggan yang baru. Kerangka kerja balanced scorecard dinyatakan menjadi
"berimbang" karena menyebabkan para manajer agar menitikberatkan pada lebih dari sekadar
kinerja keuangan semata. Dalam pandangan ini, kinerja keuangan merupakan cerita masa

33
lalu-hasil dari tindakan-tindakan pada masa yang lalu-dan para manajer harus
menitikberatkan pada hal-hal yang mereka dapat pengaruhi saat ini, seperti misalnya efisiensi
proses bisnis, kepuasan pelanggan, dan pelatihan karyawan. Ketika scorecard telah
dikembangkan oleh para konsultan dan para eksekutif senior, maka langkah yang berikutnya
adalah mengotomatisasikan aliran informasi kepada para eksekutif dan para manajer lainnya
untuk tiap-tiap indikator-indikator utama atas kinerja. Secara harfiah terdapat ratusan
perusahaan konsultasi dan perangkat lunak yang menawarkan kapabilitas-kapabilitas
tersebut, yang mana akan dibahas selanjutnya. Ketika sistem-sistem diimplementasikan,
maka mereka akan sering kali diarahkan sebagai ESS.

Metodologi manajemen terkenal yang sangat erat terkait lainnya adalah manajemen kinerja
bisnis (business performance management-BPM). Semula didefinisikan oleh suatu kelompok
industri pada tahun 2004 (dipimpin oleh perusahaan-perusahaan yang sama yang menjual
sistem perusahaan dan database seperti Oracle, SAP, dan IBM), BPM berupaya untuk secara
sistematis menerjemahkan strategi perusahaan (misalnya, diferensiasi, produsen yang
berbiaya rendah, pertumbuhan dalam pangsa pasar, dan cakupan operasi) ke dalam target-
target operasional. Ketika strategi-strategi dan target-target telah teridentifikasi, maka
serangkaian KPI kemudian diukur dengan informasi yang ditarik dari sistem database bisnis
perusahaan. BPM menggunakan gagasan yang sama seperti balanced scorecard, tetapi
dengan beragam strategi yang lebih kuat (BPM Working Group, 2004).

Data korporat untuk FSS kontemporer dipasok oleh aplikasi bisnis yang telah dimiliki oleh
perusahaan (perencanaan sumber daya perusahaan, manajemen rantai pasokan, dan
manajemen hubungan pelanggan). ESS juga menyediakan akses kepada layanan berita,
database pasar keuangan. informasi perekonomian, dan data eksternal lainnya yang
diperlukan oleh para eksekutif senior. ESS juga memiliki kapabilitas penelusuran (drill-
down) yang signifikan jika para manajer perlu untuk melihat data yang lebih terperinci.

ESS yang telah dirancang dengan baik membantu para eksekutif senior memonitor kinerja
organisasional, menelusuri aktivitas dari para pesaing, mengenali kondisi dari pasar yang
berubah, serta mengidentifikasi permasalahan dan peluang. Para karyawan level yang lebih
rendah ke bawah dalam hierarki korporat juga menggunakan sistem ini untuk memonitor dan
mengukur kinerja bisnis dalam area tanggung jawab mereka. Untuk hal ini dan sistem
intelijen bisnis lainnya menjadi benar-benar bermanfaat, maka informasi harus "dapat
ditindaklanjuti" ini harus siap tersedia dan juga mudah untuk digunakan ketika mengambil

34
keputusan. Jika para pengguna memiliki kesulitan dalam mengidentifikasi matrik-matrik
yang sangat penting di dalam laporan yang mereka terima, maka produktivitas karyawan dan
kinerja bisnis akan terganggu. Sesi Interaktif: Manajemen akan menunjukkan bagaimana
Colgate-Palmolive mengatasi permasalahan ini dan membantu para manajernya untuk
mengambil lebih banyak keputusan yang berbasis pada data dan dapat ditindaklanjuti.

3. Sistem Pendukung Keputusan Kelompok (GDSS)

DSS yang baru saja telah kita bahas secara khusus menitikberatkan pada pengambilan
keputusan individual. Namun, begitu banyaknya pekerjaan yang diselesaikan dalam
kelompok di dalam perusahaan di mana suatu sistem kategori yang khusus dinamakan sistem
pendukung keputusan kelompok (group decisions-support systems-GDSS) telah
dikembangkan untuk mendukung kelompok dan pengambilan keputusan organisasional.
GDSS merupakan sistem berbasis komputer yang interaktif untuk memfasilitasi solusi dari
permasalahan-permasalahan yang tidak terstruktur oleh serangkaian para pengambil
keputusan yang bekerja bersama-sama sebagai sebuah kelompok di dalam lokasi yang sama
atau dalam lokasi yang berbeda. Sistem kolaborasi dan alat bantu berbasis web untuk
konferensi video dan pertemuan secara elektronik yang digambarkan pada bagian awal dalam
teks ini akan mendukung beberapa proses pengambilan keputusan dalam kelompok, tetapi
fokus mereka secara khusus pada komunikasi. Namun, GDSS, menyediakan alat bantu dan
teknologi yang diarahkan secara eksplisit pada pengambilan keputusan dalam kelompok.

Pertemuan yang dipandu dengan GDSS berlangsung dalam suatu ruangan konferensi dengan
alat bantu perangkat keras dan perangkat lunak yang khusus untuk memfasilitasi
pengambilan keputusan kelompok. Perangkat keras meliputi komputer dan perlengkapan
jaringan, overhead proyektor, dan layar tampilan. Perangkat lunak pertemuan secara
elektronik yang khusus mengumpulkan, memeringkatkan, mengedit, dan menyimpan
gagasan-gagasan yang ditawarkan dalam pengambilan keputusan pada pertemuan tersebut.
GDSS yang lebih rumit menggunakan suatu fasilitator profesional dan staf pendukung.
Fasilitator memilih alat bantu perangkat lunak dan membantu untuk mengorganisasi dan
menjalankan pertemuan.

GDSS yang canggih menyediakan kepada setiap hadirin dengan komputer desktop yang
didedikasikan di bawah kendali seseorang secara individual. Tidak ada seorang pun yang
dapat melihat apa yang para individual lakukan dengan komputer mereka hingga para
partisipan tersebut siap untuk membagi informasi. Input mereka ditransmisikan melalui suatu

35
jaringan kepada server pusat yang menyimpan informasi yang dihasilkan oleh pertemuan dan
membuatnya tersedia bagi semuanya pada jaringan pertemuan. Data juga dapat diproyeksikan
pada suatu layar yang besar di dalam ruang pertemuan.

GDSS memungkinkan untuk meningkatkan besaran pertemuan sementara itu pada saat yang
sama meningkatkan produktivitas karena para individual memberikan kontribusi secara
serentak dan bukannya pada suatu waktu. GDSS mempromosikan suatu atmosfer yang
berkolaborasi dengan menjamin kerahasiaan para kontributor sehingga para hadirin dapat
menitikberatkan pada mengevaluasi gagasan-gagasan mereka sendiri tanpa ketakutan akan
dikritik secara pribadi atau gagasan-gagasan mereka ditolak berdasarkan pada kontributor.
Alat bantu perangkat lunak GDSS mengikuti metode yang terstruktur untuk mengorganisasi
dan mengevaluasi gagasan-gagasan serta untuk melindungi hasil dari pertemuan,
memungkinkan bagi bukan para hadirin untuk menempatkan informasi yang diperlukan
setelah pertemuan. Keefektifan dari GDSS bergantung pada keadaan alamiah dari
permasalahan dan kelompok serta seberapa baik pertemuan direncanakan dan dilaksanakan.

BAB III

DAFTAR PUSTAKA

Putra, Aditya. 2017. Chapter 11 Mengelola Pengetahuan. Dikutip dari

https://adityaputra813266362.wordpress.com/2017/12/15/chapter-11-sistem-informasi-
manajemen/ (diakses pada tanggal 10/05/2021)

Putra, Aditya. 2017. Chapter 12 Meningkatkan Proses Pengembalian Keputusan. Dikutip dari
https://adityaputra813266362.wordpress.com/2017/12/15/chapter-12-sistem-informasi-
manajemen/ (diakses pada tanggal 10/05/2021)

Laudon, Kenneth C., & Jane, P. Laudon. (2017). Sistem Informasi Manajemen: Mengelola
Perusahaan Digital. Jakarta: Salemba Empat

36