adityaputra813266362.wordpress.com/2017/12/15/chapter-11-sistem-informasi-manajemen
Ada perbedaan penting antara data, informasi, pengetahuan, dan kebijaksanaan. Bab 1
mendefinisikan data sebagai arus peristiwa atau transaksi yang ditangkap oleh sistem
organisasi yang, dengan sendirinya, berguna untuk bertransaksi tapi sedikit lain. 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, perusahaan harus mengeluarkan sumber daya tambahan untuk
menemukan pola, aturan, dan konteks di mana pengetahuan itu bekerja. Akhirnya,
kebijaksanaan 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.
1/9
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.
Akuisisi Pengetahuan
Penyimpanan Pengetahuan
Begitu mereka menemukan dokumen, pola, dan aturan ahli harus disimpan agar bisa
diambil dan digunakan oleh karyawan. Penyimpanan pengetahuan umumnya melibatkan
pembuatan database. Sistem pengelolaan dokumen yang mendigitalkan, mengindeks, dan
memberi tag dokumen sesuai kerangka koheren adalah database besar yang mahir
menyimpan koleksi dokumen. Sistem pakar juga membantu perusahaan
mempertahankan pengetahuan yang diperoleh dengan memasukkan pengetahuan
tersebut ke dalam proses dan budaya organisasi.
Diseminasi pengetahuan
2/9
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.
Aplikasi 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.
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 praktik komunitas. Praktik komunitas (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.
Pada dasarnya ada tiga jenis sistem manajemen pengetahuan utama: sistem manajemen
pengetahuan perusahaan, sistem kerja pengetahuan, dan teknik cerdas. Gambar 11-2
menunjukkan aplikasi sistem manajemen pengetahuan untuk masing-masing kategori
utama ini.
3/9
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.
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
4/9
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.
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.
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. Bookmark sosial 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 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
(LMS) menyediakan alat untuk manajemen, pengiriman, pelacakan, dan penilaian
berbagai jenis pembelajaran dan pelatihan karyawan.
Sistem pengetahuan perusahaan secara luas yang baru saja kami jelaskan 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.
5/9
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:
Aplikasi kerja pengetahuan utama mencakup sistem CAD, sistem virtual reality untuk
simulasi dan pemodelan, dan workstation keuangan. Computeraided 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 Modeling 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.
6/9
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 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.
Sistem pakar 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 inferensi 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.
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
7/9
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.
Jaringan syaraf digunakan untuk memecahkan masalah kompleks dan kurang dipahami
dimana 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.
ALGORITMA GENETIKA
Algoritma genetika berguna untuk menemukan solusi optimal untuk masalah tertentu
dengan memeriksa sejumlah besar kemungkinan solusi untuk masalah itu. Mereka
didasarkan pada teknik yang diilhami oleh biologi evolusioner, seperti pewarisan, mutasi,
seleksi, dan crossover (rekombinasi).
SISTEM AI HYBRID
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.
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.
Sumber : Laudon, Kenneth C., & Jane, P. Laudon. (2010). Manajemen Information
System: Managing the Digital Firm.
8/9
9/9