MANAJEMEN KOMPUTER & SISTEM INFORMASI

BAB 10 & BAB 11

Oleh :
Kelompok II Kelas JX
Nathanael Christiano / 115220295
Sabrina Layman Tjandra / 115220298
Madella Tehra Lyon / 115220306
Yiu Yiu Shinta / 115220309
Janice Callista / 115220310
Felicia Sanjaya Sjim / 115220315
Cecilia Vinli Nugroho / 115220323
Naswa Aulia Badriyana / 115220506

FAKULTAS EKONOMI DAN BISNIS

UNIVERSITAS TARUMANAGARA
2023
Nathanael Christianto / 115220295
E-commerce Baru: Sosial, Seluler, Lokal
Salah satu perubahan terbesar adalah sejauh mana e-commerce menjadi lebih sosial,
mobile, dan lokal. Pemasaran online dulunya sebagian besar terdiri dari pembuatan situs web
perusahaan, membeli iklan display di Yahoo, membeli kata kunci di Google, dan mengirim
pesan email. Pekerja keras dari pemasaran online adalah tampilan iklan. Sampai sekarang,
namun semakin digantikan oleh iklan video, yang jauh lebih efektif. Iklan display sejak awal
Internet didasarkan pada iklan televisi, di mana pesan-pesan merek ditayangkan di hadapan
jutaan pengguna yang tidak diharapkan untuk segera merespons, mengajukan pertanyaan,
atau melakukan pengamatan. Jika tidak berhasil, solusinya sering kali adalah mengulang
iklan tersebut. Ukuran utama ukuran utama keberhasilan adalah berapa banyak bola mata
(pengunjung unik) yang dihasilkan situs web dan bagaimana berapa banyak tayangan yang
dihasilkan kampanye pemasaran. (Sebuah impresi adalah satu iklan yang ditunjukkan kepada
satu orang). Kedua ukuran ini merupakan pengalihan dari dunia televisi, yang mengukur
pemasaran dalam hal jumlah penonton dan penayangan iklan.

Perdagangan melalui percakapan

Setelah tahun 2007, semua ini berubah dengan pesatnya pertumbuhan Facebook dan
situs sosial lainnya, pertumbuhan eksplosif ponsel pintar yang dimulai dengan Apple iPhone,
dan meningkatnya minat terhadap pemasaran lokal. Apa yang berbeda dari dunia e-commerce
sosial-mobile-lokal adalah konsep ganda dan terkait percakapan dan keterlibatan. Dalam
literatur populer, hal ini sering disebut sebagai perdagangan percakapan. Pemasaran dalam
periode baru ini didasarkan pada perusahaan terlibat dalam berbagai percakapan online
dengan pelanggan, calon pelanggan, dan bahkan pelanggan, dan bahkan kritikus.

Dari Desktop ke Smartphone

Pemasaran online tradisional (berbasis browser, pencarian, iklan display, iklan video,
e-mail, dan game) masih merupakan mayoritas (63 persen) dari semua pemasaran online
online ($77 miliar), namun pertumbuhannya jauh lebih lambat dibandingkan pemasaran lokal.
Uang pemasaran mengikuti pelanggan dan pembeli dari PC ke perangkat seluler.
E-commerce sosial, mobile, dan lokal saling terhubung. Saat perangkat seluler menjadi lebih
kuat, mereka lebih berguna untuk mengakses Facebook dan situs sosial lainnya. Seiring
dengan semakin luasnya adopsi perangkat seluler, pelanggan dapat menggunakan mereka
untuk menemukan pedagang lokal, dan pedagang dapat menggunakannya untuk memberi
tahu pelanggan di lingkungan mereka tentang penawaran khusus.

Mengapa E-commerce Berbeda

Mengapa e-niaga berkembang begitu pesat? Jawabannya terletak pada sifat unik dari
Internet dan web. Sederhananya, teknologi Internet dan e-commerce lebih jauh lebih kaya dan
lebih kuat daripada revolusi teknologi sebelumnya sebelumnya, seperti radio, televisi, dan
telepon.

Sabrina Layman Tjandra / 115220298

Pemasaran E-Commerce
Meskipun e-commerce dan Internet telah mengubah seluruh industri dan
memungkinkan model bisnis baru, tidak ada industri yang lebih terpengaruh oleh e-commerce
daripada pemasaran dan komunikasi pemasaran. Internet menyediakan cara-cara baru bagi
para pemasar untuk mengidentifikasi dan berkomunikasi dengan jutaan pelanggan potensial
dengan biaya yang jauh lebih rendah daripada media tradisional. Internet memungkinkan
pemasaran yang panjang. Sebelum adanya Internet, menjangkau audiens dalam jumlah besar
sangatlah mahal dan pemasar harus fokus untuk menarik jumlah konsumen terbesar dengan
produk populer. Namun, setelah adanya Internet memungkinkan pemasar untuk menemukan
pelanggan potensial dengan biaya yang murah untuk produk yang permintaannya sangat
rendah.
Banyak perusahaan pemasaran e-commerce menggunakan teknik penargetan perilaku
untuk meningkatkan efektivitas spanduk, media kaya, dan iklan video. Penargetan perilaku
mengacu pada pelacakan aliran klik (riwayat perilaku mengklik) individu di ribuan situs web
dengan tujuan untuk memahami minat dan niat mereka, dan mengekspos mereka pada iklan
yang secara unik sesuai dengan perilaku mereka. Para pendukungnya percaya bahwa
pemahaman yang lebih tepat mengenai pelanggan ini akan menghasilkan pemasaran yang
lebih efisien (perusahaan membayar iklan hanya kepada pembeli yang paling tertarik dengan
produk mereka) dan penjualan serta pendapatan yang lebih besar.

Perdagangan Sosial dan Pemasaran Jaringan Sosial

Perdagangan sosial adalah perdagangan yang didasarkan pada ide grafik sosial digital.
Grafik sosial digital adalah pemetaan semua hubungan sosial online yang signifikan. Grafik
sosial identik dengan ide "jaringan sosial" yang digunakan untuk menggambarkan hubungan
offline. Anda dapat memetakan grafik sosial (jaringan) Anda sendiri dengan menarik garis
dari diri Anda sendiri ke 10 orang terdekat yang Anda kenal. Jika mereka saling mengenal,
tariklah garis-garis di antara orang-orang tersebut. Jika Anda ambisius, mintalah 10 teman ini
untuk membuat daftar dan menggambar nama 10 orang terdekat mereka. Apa yang muncul
dari latihan ini adalah peta awal dari jaringan sosial Anda. Kumpulan dari semua jaringan
sosial pribadi ini disebut "grafik sosial." Jika Anda memahami keterhubungan antar manusia,
Anda akan melihat betapa pentingnya konsep ini dalam e-commerce: Produk dan layanan
yang Anda beli akan mempengaruhi keputusan teman-teman Anda, dan keputusan mereka
pada gilirannya akan mempengaruhi Anda.

E-COMMERCE B2B: EFISIENSI BARU DAN KONEKSI

Perdagangan antar perusahaan bisnis (perdagangan bisnis ke bisnis atau B2B)
merupakan pasar yang sangat besar. Jumlah total perdagangan B2B di Amerika Serikat pada
tahun 2012 diperkirakan mencapai sekitar $16 triliun, dengan e-commerce B2B (online B2B)
berkontribusi sekitar $4,1 triliun dari jumlah tersebut. Proses pelaksanaan perdagangan di
antara perusahaan-perusahaan bisnis sangat kompleks dan membutuhkan campur tangan
manusia yang signifikan, karenanya, hal ini menyita sumber daya yang signifikan. Beberapa
perusahaan memperkirakan bahwa setiap pesanan pembelian perusahaan untuk produk
pendukung membutuhkan biaya rata-rata setidaknya $100 untuk biaya administrasi. Biaya
overhead administrasi termasuk memproses kertas, membuat keputusan pembelian,
menghabiskan waktu menggunakan telepon dan mesin faks untuk mencari produk dan
mengatur pembelian, mengatur pengiriman, dan menerima barang. Jika hanya sebagian dari
perdagangan antar perusahaan diotomatisasi dan sebagian dari seluruh proses pengadaan
dibantu oleh Internet, maka secara harfiah triliunan dolar dapat dilepaskan untuk penggunaan
yang lebih produktif, harga konsumen secara potensial akan turun, produktivitas akan
meningkat, dan kekayaan ekonomi negara akan berkembang.
E-commerce bisnis-ke-bisnis mengacu pada transaksi komersial yang terjadi di antara
perusahaan-perusahaan bisnis, semakin banyak transaksi ini mengalir melalui berbagai
mekanisme yang diaktifkan oleh internet. Sekitar 80 persen e-commerce B2B online masih
didasarkan pada sistem eksklusif untuk pertukaran data elektronik (ED).
Perusahaan menggunakan EDI untuk mengotomatiskan transaksi untuk e-Commerce
B2B dan pengisian ulang inventaris yang berkelanjutan. Pemasok dapat secara otomatis
mengirim data tentang pengiriman ke perusahaan pembelian. Perusahaan pembelian dapat
menggunakan EDI untuk menyediakan kebutuhan produksi dan inventaris serta data
pembayaran kepada pemasok.
Jaringan industri swasta, juga dikenal sebagai pertukaran swasta, menghubungkan
perusahaan dengan pemasok, distributor, dan mitra bisnis utama lainnya untuk manajemen
rantai pasokan yang efisien dan kolaborasi lainnya. Jaringan industri swasta biasanya terdiri
dari perusahaan besar yang menggunakan situs Web yang aman untuk terhubung dengan
pemasok dan mitra bisnis utama lainnya. Jaringan ini dimiliki oleh pembeli, dan
memungkinkan perusahaan dan supplier yang ditunjuk, distributor, dan mitra bisnis lainnya
untuk berbagi desain dan pengembangan produk, pemasaran, penjadwalan produksi,
manajemen inventaris, dan komunikasi yang tidak terstruktur, termasuk grafik dan e-mail.
Istilah lain untuk jaringan industri swasta adalah pertukaran swasta.
 Ada banyak jenis pasar Net yang berbeda dan cara mengklasifikasikannya. Beberapa
pasar Net menjual barang langsung dan beberapa menjual barang tidak langsung. Barang
langsung adalah barang yang digunakan dalam proses produksi, seperti produksi bodi mobil
dari baja lembaran. Barang tidak langsung adalah semua barang lain yang tidak terlibat
langsung dalam proses produksi, seperti perlengkapan kantor atau produk untuk pemeliharaan
dan perbaikan. Beberapa pasar Net melayani pasar vertikal untuk industri tertentu, seperti
mobil, telekomunikasi, atau peralatan mesin, sedangkan yang lain melayani pasar horizontal
untuk barang dan jasa yang dapat ditemukan di banyak industri yang berbeda, seperti
peralatan kantor atau transportasi. Pasar bersih adalah pasar online di mana banyak pembeli
dapat membeli dari banyak penjual.
Exostar adalah contoh pasar Net yang dimiliki oleh industri, yang berfokus pada
hubungan pembelian kontrak jangka panjang dan menyediakan jaringan umum dan platform
komputasi untuk mengurangi inefisiensi rantai pasokan. Pasar Net yang disponsori industri
kedirgantaraan dan pertahanan ini didirikan bersama oleh BAE Systems, Boeing, Lockheed
Martin, Raytheon, dan Rolls-Royce plc untuk menghubungkan perusahaan-perusahaan ini
dengan pemasok mereka dan memfasilitasi kolaborasi. Lebih dari 70.000 mitra dagang di
sektor komersial, militer, dan pemerintahan menggunakan alat bantu pengadaan, pengadaan
elektronik, dan kolaborasi Exostar baik untuk barang langsung maupun tidak langsung.
Bursa adalah pasar Net pihak ketiga yang dimiliki secara independen yang
menghubungkan ribuan pemasok dan pembeli untuk pembelian spot. Banyak bursa
menyediakan pasar vertikal untuk satu industri, seperti makanan, elektronik, atau peralatan
industri, dan mereka terutama berurusan dengan input langsung. Sebagai contoh, Go2Paper
memungkinkan pasar spot untuk kertas, papan, dan kraft di antara pembeli dan penjual di
industri kertas dari lebih dari 75 negara.

Yiu Yiu Shinta / 115220309

E-COMMERCE : BUSINESS AND TECHNOLOGY
TYPE OF E-COMMERCE
E-commerce atau perdagangan elektronik adalah kombinasi menarik antara model
bisnis dan teknologi informasi baru. Terdapat beberapa kategori e-commerce antara lain:
- Business-to-consumer (B2C)
Perdagangan elektronik bisnis ke konsumen, melibatkan penjualan eceran produk dan
layanan kepada pembeli individu. Contoh B2C: BarnesandNoble.com, yang menjual
buku, perangkat lunak, dan musik kepada konsumen individu.
- Business–to-business (B2B)
Perdagangan elektronik bisnis ke bisnis, melibatkan penjualan barang dan jasa antar
bisnis. Contoh B2B: Situs ChemConnect untuk membeli dan menjual bahan kimia
dan plastik.
 - Consumer-to-consumer (C2C)
Perdagangan elektronik konsumen ke konsumen, melibatkan konsumen menjual
langsung ke konsumen. Contoh C2C: eBay, situng lelang raksasa yang
memungkinkan orang menjual barang mereka ke konsumen lain dengan melelang
barang dagangan mereka kepada penawar tertinggi, atau dengan harga tetap.
Cara lain untuk mengklasifikasikan transaksi perdagangan elektronik adalah
berdasarkan platform yang digunakan oleh peserta dalam suatu transaksi. Sampai saat ini,
sebagian besar transaksi perdagangan elektronik dilakukan dengan menggunakan komputer
yang terhubung ke internet melalui jaringan kabel. Beberapa alternatif seluler nirkabel telah
muncul seperti telepon pintar, tablet atau ipad, dan sebagainya yang menggunakan jaringan
nirkabel Wi-Fi.

E-COMMERCE BUSINESS MODEL

Perubahan dalam perekonomian informasi telah menciptakan kondisi model bisnis
yang baru, dan menghancurkan model bisnis yang lama. Menggunakan internet memberikan
nilai ekstra pada produk dan layanan yang sudah ada atau untuk memberikan landasan untuk
produk baru.
- Portal
Portal adalah pintu gerbang menuju web, dan sering kali didefinisikan sebagai situs
yang digunakan pengguna ditetapkan sebagai halaman beranda. Portal menyediakan
akses awal masuk ke website bersama dengan konten khusus dan jasa lainnya.
Contoh: Yahoo, Google.
- E-tailer
Toko ritel online atau sering disebut e-tailer, tersedia dalam berbagai ukuran, mulai
dari raksasa seperti Amazon dengan memiliki pendapatan $48 miliar pada tahun 2011,
hingga toko lokal kecil yang memiliki situs web. E-tailer mirip dengan etalase toko
fisik pada umumnya, hanya saja pelanggan hanya perlu terhubung ke internet untuk
memeriksa inventaris dan melakukan pesanan. Proporsi nilai e-tailer adalah
menyediakan belanja yang nyaman dan berbiaya rendah 24/7, menawarkan banyak
pilihan dan pilihan bagi konsumen.
- Content Provider
 Menciptakan pendapatan dengan menyediakan konten digital, seperti berita, music,
foto, atau video melalui website. Pelanggan dapat membayar untuk mengakses
konten, atau pendapatan dapat dihasilkan dengan menjual ruang iklan. Proporsi nilai
dari penyedia konten online adalah konsumen dapat menemukan berbagai macam
konten online dan dengan dengan mudah membeli konten untuk diputar atau dilihat.
Penyedia tidak harus menjadi pembuat konten, contohnya Apple membuat trek musik
di iTunes store, namun Apple tidak membuat musik baru.
- Transaction Broker
Proporsi nilai utama transaction broker adalah penghematan waktu dan uang dengan
pengolahan transaksi penjualan secara online dan menghasilkan biaya setiap kali
transaksi. Contoh: ETrade.com
- Market Creator
Market creator membangun lingkungan digital dimana pembeli dan penjual dapat
dengan mudah memajang produk, menjual produk, mencari produk dan menetapkan
harga. Nilai proporsi pencipta pasar online adalah mereka yang menyediakan
platform agar penjual dengan mudah memajang dagangannya dan pembeli bisa
langsung membeli dari penjual. Contoh: eBay.
- Service Provider
Menyediakan aplikasi seperti berbagi foto, video dan sinkronikasi konten sebagai
layanan: menyediakan layanan seperti penyimpanan data online dan backup. Contoh:
Google Apps dan Dropbox.
- Community Provider
Menyediakan tempat pertemuan online dengan orang yang memiliki minat yang sama.
Pengguna dapat saling berkomunikasi dan bertukar mengenai informasi berguna.
Contoh: Facebook, Twitter.

E-COMMERCE REVENUE MODELS

Model ini menggambarkan bagaimana suatu perusahaan memperoleh pendapatan,
menghasilkan keuntungan dan menghasilkan laba atas investasi yang unggul.
- Advertising Revenue Model
Dalam model pendapatan iklan, situs web menghasilkan pendapatan dengan menarik
sejumlah besar pengunjung yang kemudian dapat melihat iklan. Dalam lima tahun
 terakhir, pengiklanan meningkatkan belanja online dan memotong pengeluaran pada
saluran tradisional seperti surat kabar dan radio.
- Sales Revenue Model
Model pendapatan dari penjualan diperoleh dengan menjual barang, informasi atau
layanan kepada pelanggan. Penyedia konten menghasilkan uang dengan menagih dan
mengunduh seluruh file seperti music track (iTunes Store).
- Subscription Revenue Model
Dalam model pendapatan pelanggan, website menawarkan konten atau layanan biaya
berlangganan untuk akses ke beberapa atau semua layanan yang berkelanjutan.
Misalnya pelanggan memiliki pilihan berbayar berlangganan bulanan atau per tahun.
- Free/Freemium Revenue Model
Pada model pendapatan bebas, perusahaan menawarkan layanan atau konten dasar
gratis sambil mengenakan biaya premium untuk fitur lanjutan atau khusus. Misal
Google menawarkan aplikasi gratis tetapi memungut biaya untuk layanan premium.
- Transaction Fee Revenue Model
Dalam model pendapatan transaksi, perusahaan menerima biaya untuk mengaktifkan
atau melaksanakan suatu transaksi. Model pendapatan transaksi diterima secara luas
karena biaya sebenarnya dari penggunaan platform tidak terlihat langsung oleh
pengguna.
- Affiliate Revenue Model
Dalam model pendapatan afiliasi, website mengirim pengunjung ke website lainnya
sebagai imbalan untuk biaya rujukan atau presentase dari pendapatan dari penjualan
yang dihasilkan. MyPoints mendapatkan uang dengan menghubungkan pengrajin
untuk pelanggan potensial dengan menawarkan penawaran khusus kepada para
anggotanya.

SOCIAL MARKETING AND THE WISDOM OF CROWDS

Situs jejaring sosial menghubungkan orang-orang melalui bisnis atau koneksi pribadi,
memungkinkan mereka untuk mencari teman-teman mereka untuk mendapatkan petunjuk
penjualan, tips mencari pekerjaan, atau teman baru. Komunitas online menjadi tempat yang
ideal untuk menerapkan teknik pemasaran viral. Pemasaran online sama dengan pemasaran
dari mulut ke mulut secara tradisional, hanya saja beritanya dapat menyebar ke seluruh
komunitas dengan kecepatan cahaya, dan menjangkau lebih jauh secara geografis.
- The Wisdom of Crowds
Membuat situs dimana ribuan bahkan jutaan orang dapat berinteraksi menawarkan
cara baru bagi perusahaan bisnis untuk memasarkan dan mengiklankan produk untuk
mengetahui siapa yang menyukai dan membenci produk mereka. Dalam pemasaran,
perusahaan harus berkonsultasi dengan pelanggannya untuk menjalin hubungan dan
memahami bagaimana produk dan layanan dijualkan dapat diterima, digunakan dan
dihargai.

Janice Callista / 115220310

LAYANAN DAN APLIKASI BERBASIS LOKASI
Layanan berbasis lokasi meliputi layanan geo sosial, geo iklan, dan layanan geo
informasi. Tujuh puluh empat persen pemilik ponsel pintar menggunakan layanan berbasis
lokasi. Layanan peta yang diaktifkan oleh sistem pemosisian global (GPS) menyatukan
semua aktivitas ini dan menjadi fondasi bagi perdagangan seluler. Layanan geo sosial
memberitahukan tempat pertemuan dengan orang lain. Layanan geo iklan memberitahukan
letak restoran terdekat. Layanan geo informasi memberitahukan harga dan tempat yang
dilihat atau tentang pameran khusus di sebuah museum yang dilalui.
Wikitude.me adalah contoh layanan pembentukan geo informasi. Wikitude.me
menyediakan jenis peramban khusus untuk telepon pintar yang dilengkapi dengan GPS dan
kompas bawaan yang dapat mengidentifikasi lokasi secara tepat dan kemana telepon
diarahkan. Menggunakan informasi dari lebih dari 800.000 tempat menarik yang tersedia di
Wikipedia, ditambah ribuan situs lokal lainnya, browser ini melapisi informasi tentang tempat
menarik yang dilihat, dan menampilkan informasi tersebut di layar ponsel, ditumpangkan
pada peta atau foto yang baru saja diambil. Misalnya, pengguna dapat mengarahkan kamera
ponsel cerdasnya ke arah pegunungan dari bus wisata dan melihat nama serta ketinggian
gunung yang ditampilkan di layar. Wikitude.me juga memungkinkan pengguna untuk
memberi tag geografis pada dunia di sekitar mereka, dan kemudian mengirimkan tag tersebut
ke Wikitude untuk berbagi konten dengan pengguna lain.
Foursquare, Gowalla (sekarang dimiliki oleh facebook), Loopt, dan penawaran baru
dari Facebook dan Google adalah contoh layanan geososial. Layanan geo sosial membantu
Anda menemukan teman, atau ditemukan oleh teman Anda, dengan "melapor masuk ke
layanan, mengumumkan kehadiran Anda di restoran atau tempat lain. Teman Anda langsung
diberi tahu. Sekitar 20 persen pemilik smartphone menggunakan layanan geososial.
Popularitasnya jumlah situs khusus seperti Foursquare telah berkurang karena Facebook dan
Google+ beralih ke layanan geo sosial dan mengubahnya menjadi perluasan jaringan sosial
mereka yang lebih besar.
 Loopt memiliki 5 juta pengguna pada tahun 2012. Layanan ini tidak menjual
informasi kepada pengiklan, tetapi memasang iklan berdasarkan pengguna lokal. Target
Loopt adalah menangani pengiklan pada tingkat berjalan (dalam 200 hingga 250 metem),
Foursquat menyediakan layanan jejaring sosial berbasis lokasi serupa di 22 juta pengguna
terdaftar, yang dapat terhubung dengan teman dan memperbarui lokasi mereka. Poin
diberikan untuk check-in di tempat yang ditentukan. Pengguna memilih agar check-in mereka
diteruskan ke akun mereka di Twitter, Facebook, atau keduanya. Pengguna juga mendapatkan
lencana dengan memasukkan Incasions dengan tag tertentu untuk frekuensi check-in, untuk
waktu check-in. Lebih dari satu pedagang lokal di seluruh dunia menggunakan platform
pedagang untuk penandaan.
Menghubungkan masyarakat ke pedagang lokal dalam bentuk geo advertising dalam
landasan ekonomi untuk mobile commerce Periklanan seluler pada tahun 2012 akan
mencapai $2,6 miliar pada tahun 2012. Geo advertising mengirimkan iklan kepada pengguna
berdasarkan lokasi GPS mereka. Ponsel pintar melaporkan lokasinya diretas ke Google dan
Apple. Pedagang membeli akses ke konsumen ini ketika mereka berada dalam jangkauan
pedagang. Misalnya, Toko Kichl, toko kosmetika, mengirimkan penawaran khusus dan
pengumuman kepada pelanggan yang datang dalam jarak 100 meter dari toko mereka.

LAYANAN PERDAGANGAN SELULER LAINNYA

Bank dan perusahaan kartu kredit meluncurkan layanan yang memungkinkan
pelanggan mengelola akun mereka dari perangkat seluler. Pelanggan JPMorgan Chase dan
Bank of America dapat menggunakan ponsel mereka untuk memeriksa saldo rekening,
mentransfer uang, dan membayar tagihan. Diperkirakan 134 juta orang melakukan perbankan
online setidaknya sebulan sekali.
Meskipun pasar periklanan seluler saat ini kecil, tetapi pasar ini tumbuh pesat
dibandingkan tahun lalu dan diperkirakan akan semakin tumbuh. Hal ini dikarenakan
semakin banyak perusahaan yang mencari cara untuk memanfaatkan peluang baru. Penyedia
iklan tampilan seluler terbesar adalah platform Iklan Apple dan platform AdMon Google
(keduanya dengan pangsa pasar 21 persen) diikuti oleh Millonial Media. Facebook berada di
urutan keempat tetapi bergerak cepat untuk mengejar ketinggalan.
Yahoo menampilkan iklan di halaman beranda selulernya untuk perusahaan seperti
Pepsi, Procter & Gamble, Hilton, Nissen, dan Intel. Google menampilkan iklan yang tertaut
dalam pencarian telepon seluler oleh pengguna mesin pencari versi mobile, sementara
Microsoft menawarkan iklan banner dan teks pada hukuman MSN Mobile di Amerika
Serikat. Iklan disematkan di game, video, dan aplikasi seluler lainnya.

Permainan dan Hiburan

Ponsel pintar dan tablet telah berkembang menjadi platform hiburan portabel. Ponsel
pintar seperti IPhone dan perangkat berbasis Android menawarkan permainan digital, film,
acara TV, musik, dan nada dering yang dapat diunduh dan streaming. Pengguna layanan
broadband dari vendor nirkabel besar dapat melakukan streaming klip video, klip berita, dan
port cuaca sesuai permintaan. Perusahaan film mulai memproduksi film pendek yang secara
eksplisit dirancang untuk diputar di ponsel.

MEMBANGUN KEHADIRAN E-COMMERCE

Membangun kehadiran e-commerce yang sukses memerlukan pemahaman yang tajam
terhadap isu-isu bisnis, teknologi, dan sosial, serta pendekatan yang sistematis. Pada tahun
2012, kehadiran e-commerce tidak hanya mencakup situs Web perusahaan, namun juga dapat
mencakup situs jejaring sosial di Facebook, postingan perusahaan Twitter, dan aplikasi ponsel
cerdas tempat pelanggan dapat mengakses layanan. Dua tantangan manajemen terpenting
dalam membangun kehadiran e-commerce yang sukses adalah mengembangkan pemahaman
yang jelas tentang tujuan bisnis dan mengetahui cara memilih teknologi yang tepat untuk
mencapai tujuan tersebut.

BAGIAN DARI PEMBANGUNAN SITUS

Tahap membangun situs adalah harus menyadari area utama lokasi dimana akan
mengambil keputusan. Dalam hal organisasi dan sumber daya manusia, harus mengumpulkan
tim yang terdiri dari individu-individu yang memiliki keahlian yang diperlukan untuk
membangun dan mengelola situs e-commerce yang sukses. Hal ini akan menjadi titik acuan
utama tentang teknologi, desain situs, dan kebijakan sosial dan informasi yang akan
diterapkan di situs tersebut. Seluruh upaya pengembangan lokasi harus dikelola dengan
cermat jika ingin menghindari bencana yang pernah terjadi di beberapa waktu.
Selain itu, perlu membuat keputusan tentang perangkat keras, perangkat lunak, dan
infrastruktur telekomunikasi situs tersebut. Pelanggan pasti menginginkan teknologi canggih
yang memungkinkan mereka menemukan apa yang mereka inginkan dengan mudah, melihat
produk, membeli produk, dan kemudian menerima produk dari gudang dengan cepat. Maka,
desain situs harus dipertimbangkan dengan cermat. Setelah selesai mengidentifikasi area
pengambilan keputusan utama, rencana untuk proyek tersebut perlu dipikirkan.

TUJUAN BISNIS, FUNGSIONALITAS SISTEM, DAN KEBUTUHAN INFORMASI

Hal utama yang bisa dipelajari adalah membiarkan keputusan bisnis yang mendorong
teknologi, bukan sebaliknya. Hal ini akan memastikan bahwa platform teknologi selaras
dengan bisnis. Perencanaan harus mengidentifikasi tujuan bisnis spesifik untuk situs tersebut
dan kemudian harus mengembangkan daftar fungsi dan informasi sistem persyaratan. Fungsi
sistem adalah jenis kemampuan sistem informasi yang diperlukan untuk mencapai tujuan
bisnis. Persyaratan informasi untuk suatu sistem adalah elemen informasi yang harus
dihasilkan oleh sistem tersebut untuk mencapai tujuan bisnis.

Felicia Sanjaya Sjim / 115220315

Apa peran sistem manajemen pengetahuan dalam bisnis?
Pada bab ini, kita akan fokus pada sistem manajemen pengetahuan dan perlu diingat
bahwa berkomunikasi dan berbagi pengetahuan menjadi semakin penting. Manajemen
pengetahuan telah menjadi tema penting di banyak besar karena para manajer menyadari
bahwa sebagian besar nilai perusahaan mereka bergantung pada kemampuan perusahaan
untuk menciptakan dan mengelola pengetahuan. Penelitian telah menemukan bahwa sebagian
besar dari nilai pasar saham perusahaan terkait dengan aset tak berwujudnya, dimana
pengetahuan merupakan salah satu komponen penting, bersama dengan merek, reputasi, dan
proses bisnis yang unik. Proyek-proyek berbasis pengetahuan yang dijalankan dengan baik
yang dijalankan dengan baik telah dikenal menghasilkan pengembalian investasi yang luar
biasa, meskipun dampak dari investasi berbasis pengetahuan sulit untuk diukur (Gu dan Lev,
2001).

Dimensi-dimensi Penting dari Pengetahuan

Ada perbedaan penting antara data, informasi, pengetahuan, dan kebijaksanaan.
Bab 1 mendefinisikan data sebagai aliran peristiwa atau transaksi yang ditangkap oleh sistem
organisasi yang, dengan sendirinya, berguna untuk bertransaksi tetapi sedikit lain. Untuk
mengubah data menjadi informasi yang berguna, perusahaan harus mengeluarkan sumber
daya untuk mengatur data ke dalam kategori pemahaman, seperti laporan bulanan, harian,
regional, atau bulanan, harian, regional, atau laporan total penjualan berbasis toko. Untuk
mengubah informasi menjadi pengetahuan, sebuah perusahaan harus mengeluarkan sumber
daya tambahan untuk menemukan pola, aturan, dan konteks di mana pengetahuan itu bekerja.
Akhirnya, kebijaksanaan dianggap sebagai pengalaman kolektif dan pengalaman individu
dalam menerapkan pengetahuan untuk memecahkan masalah.
Pengetahuan adalah atribut individu dan atribut kolektif perusahaan.
Dimensi penting dari pengetahuan :
● Pengetahuan adalah aset perusahaan.
● Pengetahuan memiliki bentuk yang berbeda.
● Pengetahuan memiliki lokasi.
● Pengetahuan bersifat situasional.
Mengetahui cara melakukan sesuatu secara efektif dan efisien dengan cara yang tidak dapat
ditiru oleh orang lain adalah sumber utama keuntungan dan keunggulan kompetitif.
Contoh: Memiliki sistem produksi build-to-order yang unik
Dengan pengetahuan, perusahaan menjadi lebih efisien dan efektif dalam penggunaan sumber
daya yang langka. Tanpa pengetahuan, perusahaan menjadi kurang efisien dan kurang efektif
dalam penggunaan sumber daya dan pada akhirnya gagal.

Pembelajaran Organisasi dan Manajemen Pengetahuan

Seperti halnya manusia, organisasi menciptakan dan mengumpulkan pengetahuan
dengan menggunakan berbagai mekanisme pembelajaran organisasi. Melalui pengumpulan
data, pengukuran yang cermat terhadap aktivitas yang direncanakan, trial and error
(percobaan), dan umpan balik dari pelanggan dan lingkungan secara umum, organisasi
mendapatkan pengalaman. Organisasi yang belajar menyesuaikan perilaku mereka untuk
mencerminkan pembelajaran tersebut dengan menciptakan proses bisnis baru dan dengan
mengubah pola manajemen pengambilan keputusan. Proses perubahan ini disebut
pembelajaran organisasi. Dapat dikatakan, organisasi yang dapat merasakan dan merespon
lingkungannya dengan cepat akan bertahan lebih lama daripada organisasi yang memiliki
mekanisme pembelajaran yang buruk.

Rantai Nilai Manajemen Pengetahuan

Manajemen pengetahuan mengacu pada serangkaian proses bisnis yang
dikembangkan dalam sebuah organisasi untuk menciptakan, menyimpan, mentransfer, dan
menerapkan pengetahuan. Pengetahuan Manajemen pengetahuan meningkatkan kemampuan
organisasi untuk belajar dari lingkungannya dan memasukkan pengetahuan ke dalam proses
bisnisnya. Gambar 11. 1 mengilustrasikan empat langkah penambahan nilai dalam rantai nilai
manajemen pengetahuan. Setiap tahap dalam rantai nilai menambah nilai pada data mentah
dan informasi diubah menjadi pengetahuan yang dapat digunakan.
Akuisisi pengetahuan
Mendokumentasikan pengetahuan tacit dan eksplisit
● Menyimpan dokumen, laporan, presentasi, praktik terbaik
● Dokumen tidak terstruktur (misalnya, email)
● Mengembangkan jaringan pakar online
Sistem pengetahuan yang koheren dan terorganisir juga membutuhkan data sistematis dari
sistem pemrosesan transaksi perusahaan yang melacak penjualan, pembayaran, inventaris,
pelanggan, dan data penting lainnya serta data dari sumber eksternal seperti umpan berita,
laporan industri, pendapat hukum, penelitian ilmiah, dan statistik pemerintah.

Penyimpanan pengetahuan
Sistem manajemen dokumen yang mendigitalkan, mengindeks, dan menandai
dokumen menurut kerangka kerja yang koheren adalah basis data yang besar dan mahir
dalam menyimpan koleksi dokumen. Sistem pakar juga membantu perusahaan melestarikan
pengetahuan yang diperoleh dengan memasukkannya pengetahuan ke dalam proses dan
budaya organisasi.

Penyebaran Pengetahuan
Portal, email, pesan instan, wiki, alat bantu bisnis sosial, dan teknologi mesin pencari
mesin pencari telah ditambahkan ke berbagai alat kolaborasi yang sudah ada untuk berbagi
kalender, dokumen, data, dan grafik (lihat Bab 2). 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 bagi
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 yang
penting.

Penerapan Pengetahuan
Terlepas dari jenis sistem manajemen pengetahuan yang digunakan, pengetahuan
yang tidak dibagikan dan diterapkan pada masalah praktis yang dihadapi perusahaan dan
manajer tidak akan menambah nilai bisnis. Untuk memberikan laba atas investasi,
pengetahuan organisasi harus menjadi bagian sistematis dari pengambilan keputusan
manajemen dan ditempatkan dalam sistem untuk mendukung keputusan (dijelaskan dalam
Bab 12). Pada akhirnya, pengetahuan baru harus dibangun ke dalam proses bisnis perusahaan
dan sistem aplikasi utama, termasuk aplikasi perusahaan untuk mengelola proses bisnis
internal utama dan hubungan dengan pelanggan dan pemasok. Manajemen mendukung proses
ini dengan menciptakan - berdasarkan pengetahuan baru-praktik bisnis baru, produk dan
layanan baru, dan pasar baru bagi perusahaan.

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

Lingkungan Kantor
Banyak organisasi, seperti IBM, U.S. Federal Highway Administrasi Jalan Raya
Federal AS, dan Bank Dunia, telah mendorong pengembangan ribuan komunitas praktik
online. Komunitas-komunitas praktik ini sangat bergantung pada lingkungan perangkat lunak
yang memungkinkan kolaborasi dan komunikasi.
Komunitas praktik (COP)
● Jaringan sosial informal para profesional dan karyawan
● Kegiatannya meliputi pendidikan, buletin online, berbagi pengetahuan
● Mengurangi kurva pembelajaran karyawan baru

Cecilia Vinli Nugroho - 115220323

Jenis sistem apa yang digunakan untuk manajemen pengetahuan perusahaan, dan
bagaimana sistem tersebut memberikan nilai bagi bisnis?
Berikut adalah poin-poin penting yang disederhanakan dari artikel tersebut:
1. Perusahaan harus mengelola tiga jenis pengetahuan: terstruktur (misalnya dokumen
dan presentasi), semi terstruktur (misalnya email dan video), dan pengetahuan tak
tersurat yang ada dalam pikiran karyawan.
2. Sistem Manajemen Konten Perusahaan (ECM) membantu dalam mengelola dan
mengatur kedua jenis informasi terstruktur dan semi terstruktur.
3. ECM memungkinkan penangkapan, penyimpanan, pengambilan, distribusi, dan
pelestarian pengetahuan, yang pada akhirnya membantu perusahaan memperbaiki
proses dan keputusan bisnis mereka.
 4. ECM juga memberikan akses ke sumber informasi eksternal dan memfasilitasi
komunikasi melalui berbagai platform.
5. Tantangan dalam manajemen pengetahuan adalah menciptakan skema klasifikasi yang
tepat untuk mengorganisir informasi agar mudah diakses.
6. Setelah kategori dibuat, setiap objek pengetahuan harus diberi label atau
diklasifikasikan, sehingga bisa dengan mudah ditemukan kembali.
7. Perusahaan di bidang penerbitan, iklan, penyiaran, dan hiburan memiliki kebutuhan
khusus untuk menyimpan dan mengelola data digital yang tidak terstruktur.
8. Sebagai contoh, Coca-Cola perlu melacak semua gambar merek mereka yang telah
dibuat sebelumnya di seluruh dunia untuk mencegah pekerjaan yang berulang dan
variasi dari citra merek standar.
9. Sistem manajemen aset digital membantu perusahaan dalam mengklasifikasikan,
menyimpan, dan mendistribusikan objek digital.

ECM di Cloud Memberdayakan Departemen Konservasi Selandia Baru.

Departemen Konservasi Selandia Baru (DOC) bertanggung jawab atas perlindungan
taman nasional, satwa liar yang terancam punah, dan cagar laut besar. Mereka menjalankan
program pendidikan untuk meningkatkan pengetahuan masyarakat tentang perlindungan
lingkungan. Karena keterbatasan sumber daya, DOC bekerja sama dengan berbagai kelompok
konservasi, universitas, dan ilmuwan.
Seiring waktu, DOC menyadari perlunya sistem manajemen konten yang lebih baik
untuk mengelola dokumen mereka yang jumlahnya mencapai 2,3 juta. Maka dari itu, mereka
mengembangkan sistem yang disebut ContentWorX. Sistem ini dibuat oleh TEAM Asparona,
yang merupakan kemitraan antara dua perusahaan teknologi. ContentWorX memungkinkan
lembaga pemerintah untuk mengelola dan mendistribusikan konten web dan aset digital
mereka dengan lebih efisien.
Lembaga pemerintah bisa mendapatkan ContentWorX, sebuah layanan cloud, dari
katalog. Meski belum siap penuh untuk cloud publik, DOC melihat keuntungan dari konsep
dan harga cloud. Cloud pribadi ini bisa terhubung ke cloud publik nanti, dan sistem otentikasi
sedang disiapkan untuk akses eksternal.
ContentWorX, yang menggunakan teknologi Oracle, bisa menyimpan 2,3 juta
dokumen, dari risalah rapat hingga laporan ilmiah. Sekarang, 80% dari dokumen ini bisa
diakses dan dicari, naik dari hanya 7,4%. Jaringan DOC juga ditingkatkan untuk mendukung
sistem ini, memungkinkan akses dari 137 kantor di seluruh negara.
DOC sekarang menggunakan perangkat lunak untuk mengelola dan mengatur
dokumen mereka secara otomatis. Sistem ini membuatnya lebih mudah bagi staf untuk
menemukan dan melacak dokumen. Selain itu, sistem ini juga memastikan bahwa DOC
mematuhi hukum arsip Selandia Baru. Sekarang, staf dapat mengakses dokumen dalam
hitungan detik, bahkan dari lokasi yang jauh. Untuk membagikan lebih banyak informasi
dengan organisasi lain, DOC sedang mencari cara untuk memverifikasi identitas pengguna
dari luar.
Bisnis memiliki pengetahuan yang ada dalam pikiran para ahlinya, bukan hanya
dalam dokumen. Sistem modern membantu menemukan ahli ini dan menggunakan
pengetahuannya. Ada alat yang membantu karyawan menemukan ahli yang tepat di
perusahaan dan alat sosial untuk membagikan halaman web yang menarik. Perusahaan perlu
mengatur dan melacak pembelajaran karyawan. Sistem Manajemen Pembelajaran (LMS)
adalah alat yang mengelola dan menilai pembelajaran karyawan. LMS modern mendukung
berbagai cara belajar, seperti video streaming dan webinar.
Perusahaan menjalankan LMS mereka sendiri, tetapi juga menggunakan Kursus
Online Terbuka Masif (MOOCs) untuk mendidik karyawan. MOOCs adalah kursus online
yang terbuka untuk banyak orang dan dianggap sebagai cara baru untuk merancang dan
menyampaikan pembelajaran online. Beberapa perusahaan membuat MOOCs mereka sendiri,
sementara yang lain menggunakan MOOCs yang tersedia umum. Di masa depan,
penggunaan MOOCs diharapkan akan meningkat. Sistem pengetahuan di perusahaan
memberikan banyak kemampuan yang bisa digunakan oleh semua pekerja. Ada juga sistem
khusus untuk pekerja yang menciptakan pengetahuan baru untuk bisnis.

Apa saja jenis utama sistem kerja pengetahuan, dan bagaimana sistem tersebut
memberikan nilai bagi perusahaan?
Pekerja pengetahuan adalah orang-orang seperti peneliti dan insinyur yang membuat
pengetahuan dan informasi untuk organisasi. Mereka biasanya memiliki pendidikan tinggi
dan sering membuat keputusan sendiri. Mereka memiliki tiga peran utama: menjaga
organisasi tetap up-to-date, memberikan konsultasi internal, dan mempromosikan perubahan.
Pekerja pengetahuan menggunakan sistem kantor seperti pengolah kata dan email. Namun,
mereka juga membutuhkan sistem khusus dengan grafik kuat, alat analitis, dan kemampuan
manajemen dokumen. Sistem ini harus mudah diakses dan mudah digunakan.

Stasiun kerja pengetahuan biasanya dirancang khusus untuk tugas yang akan
dilakukan. Misalnya, insinyur desain membutuhkan setup yang berbeda dari analis keuangan.
Insinyur desain membutuhkan grafik yang kuat, sedangkan analis keuangan membutuhkan
akses ke banyak database.
Sistem Kerja Pengetahuan, seperti Desain Bantu Komputer (CAD), membantu dalam
membuat dan memperbarui desain dengan komputer dan perangkat lunak grafis. Dengan
CAD, desainer tidak perlu membuat prototipe fisik sampai akhir proses desain karena desain
dapat diuji dan diubah di komputer. Sebagai contoh, firma desain arsitektur Dieguez Fridman
menggunakan perangkat lunak AutoCAD untuk membuat desain 3D. Mereka berbagi ide,
memilih ide terbaik, dan memperbaiki desain di AutoCAD. Kemudian, mereka mentransfer
desain ke perangkat lunak lain untuk membuat gambar yang mirip foto.
Sistem CAD juga dapat digunakan untuk pencetakan 3D, yang membuat objek lapis
demi lapis dari spesifikasi dalam file digital. Berbeda dengan teknik tradisional, di mana
objek dipotong atau dibor dari cetakan dan menghasilkan material yang terbuang, pencetakan
3D memungkinkan pekerja untuk memodelkan objek di komputer dan mencetaknya dengan
plastik, logam, atau bahan komposit. Pencetakan 3D saat ini digunakan untuk membuat
prototipe, manufaktur khusus, dan membuat barang dengan produksi skala kecil. Printer 3D
saat ini dapat menangani bahan termasuk plastik, titanium, dan tulang rawan manusia dan
menghasilkan komponen yang sepenuhnya fungsional termasuk baterai, transistor, perangkat
prostetik, LED, dan mekanisme kompleks lainnya. Sekarang juga ada layanan pencetakan 3D
yang berjalan melalui cloud, seperti yang ditawarkan oleh Staples.

Naswa Aulia Badriyana - 115220506

Apa saja manfaat bisnis dari penggunaan teknik - teknik cerdas untuk management
pengetahuan?
Kecerdasan buatan dan teknologi basis data menyediakan sejumlah teknik cerdas yang
dapat digunakan organisasi untuk menangkap pengetahuan individu dan kolektif serta
memperluas basis pengetahuan mereka. Sistem pakar, penalaran berbasis kasus, dan logika
fuzzy digunakan untuk menangkap pengetahuan tacit. Jaringan syaraf dan penggalian data
digunakan untuk penemuan pengetahuan. Mereka dapat menemukan pola, kategori, dan
perilaku yang mendasari dalam kumpulan data yang besar yang tidak dapat ditemukan oleh
manajer sendiri atau hanya melalui pengalaman. Algoritma genetika digunakan untuk
menghasilkan solusi untuk masalah yang terlalu besar dan kompleks bagi manusia untuk
dianalisis sendiri. Agen cerdas dapat mengotomatiskan tugas-tugas rutin untuk membantu
perusahaan mencari dan menyaring informasi untuk digunakan dalam perdagangan
elektronik, manajemen rantai pasokan, dan aktivitas lainnya.
Penambangan data, yang kami perkenalkan pada Bab 6, membantu organisasi untuk
mendapatkan pengetahuan yang belum ditemukan yang ada di dalam basis data yang besar,
sehingga memberikan wawasan baru bagi para manajer untuk meningkatkan kinerja bisnis.
Hal ini telah menjadi alat penting untuk pengambilan keputusan manajemen, dan kami
menyediakan diskusi rinci tentang penambangan data untuk dukungan keputusan manajemen
di Bab 12.
Teknik-teknik cerdas yang dibahas dalam bab ini didasarkan pada teknologi
kecerdasan buatan (artificial intelligence/AI), yang terdiri dari sistem berbasis komputer (baik
perangkat keras maupun perangkat lunak) yang berusaha meniru perilaku manusia. Sistem
tersebut dapat mempelajari bahasa, menyelesaikan tugas-tugas fisik (robotika), menggunakan
alat perseptual yang menginformasikan perilaku fisik dan bahasa, serta meniru keahlian dan
pengambilan keputusan manusia.
Aplikasi AI memainkan peran penting dalam manajemen pengetahuan kontemporer,
tetapi mereka tidak menunjukkan luasnya, kompleksitas, orisinalitas, dan keumuman
kecerdasan manusia. Sistem AI yang ada tidak menghasilkan solusi baru dan baru untuk
masalah. Sistem AI memperluas kekuatan manusia, tetapi sama sekali tidak menggantikannya
atau menangkap sebagian besar kecerdasan mereka. Secara singkat, sistem yang ada saat ini
tidak memiliki akal sehat dan keumuman manusia yang cerdas secara alami. Kecerdasan
manusia jauh lebih kompleks daripada program komputer yang paling canggih dan mencakup
berbagai aktivitas yang jauh lebih luas daripada yang saat ini dimungkinkan dengan apa yang
disebut perangkat cerdas buatan. Sesi Interaktif tentang Teknologi pada robot di bidang
manufaktur membahas beberapa masalah ini, seperti halnya studi kasus di akhir bab tentang
Watson dari IBM.
Menangkap Pengetahuan: Sistem Pakar
Sistem pakar adalah teknik cerdas untuk menangkap pengetahuan tacit dalam
domain keahlian manusia yang sangat spesifik dan terbatas. Sistem ini menangkap
pengetahuan dari karyawan yang ahli dalam bentuk seperangkat aturan dalam sistem
perangkat lunak yang dapat digunakan oleh orang lain dalam organisasi. Kumpulan aturan
dalam sistem pakar menambah memori, atau pembelajaran yang tersimpan, perusahaan.
Sistem pakar tidak memiliki luasnya pengetahuan dan pemahaman prinsip-prinsip dasar dari
seorang pakar manusia. Sistem pakar biasanya melakukan tugas-tugas yang sangat terbatas
yang dapat dilakukan oleh para profesional dalam beberapa menit atau jam, seperti
mendiagnosa mesin yang tidak berfungsi atau menentukan apakah akan memberikan kredit
untuk sebuah pinjaman. Masalah yang tidak dapat diselesaikan oleh pakar manusia dalam
waktu yang sama terlalu sulit untuk sistem pakar. Namun, dengan menangkap keahlian
manusia dalam bidang yang terbatas, sistem pakar dapat memberikan manfaat, membantu
organisasi membuat keputusan berkualitas tinggi dengan jumlah orang yang lebih sedikit.
Saat ini, sistem pakar digunakan dalam bisnis dalam situasi pengambilan keputusan yang
terpisah dan sangat terstruktur.

Bagaimana Sistem Pakar Bekerja

Pengetahuan manusia harus dimodelkan atau direpresentasikan dengan cara yang
dapat diproses oleh komputer. Sistem pakar memodelkan pengetahuan manusia sebagai
sekumpulan aturan yang secara kolektif disebut basis pengetahuan. Aturan-aturan tersebut
diperoleh dengan mewawancarai satu atau beberapa "pakar" secara hati-hati yang memiliki
penguasaan menyeluruh atas basis pengetahuan untuk sistem atau dengan
mendokumentasikan aturan-aturan bisnis yang ditemukan dalam manual, buku, atau laporan.
Sistem pakar memiliki 200 hingga ribuan aturan ini, tergantung pada kompleksitas
masalahnya. Aturan-aturan ini jauh lebih saling berhubungan dan tersusun daripada program
perangkat lunak tradisional (lihat Gambar 11.5).
Strategi yang digunakan untuk mencari melalui basis pengetahuan disebut mesin
inferensi. Ada dua strategi yang umum digunakan: forward chaining dan backward chaining
(lihat Gambar 11.6). Pada forward chaining, mesin inferensi dimulai dengan informasi yang
dimasukkan oleh pengguna dan mencari basis aturan untuk sampai pada suatu kesimpulan.
Strateginya adalah untuk menjalankan, atau menjalankan, tindakan dari aturan ketika suatu
kondisi benar. Pada Gambar 11.6, dimulai dari sebelah kiri, jika pengguna memasukkan nama
klien dengan pendapatan lebih dari $100.000, mesin akan menjalankan semua aturan secara
berurutan dari kiri ke kanan. Jika pengguna kemudian memasukkan informasi yang
mengindikasikan bahwa klien yang sama memiliki real estate, maka akan terjadi perpindahan
basis aturan dan lebih banyak aturan yang akan dijalankan. Pemrosesan berlanjut hingga tidak
ada lagi aturan yang dapat dijalankan.
Pada backward chaining, strategi untuk mencari basis aturan dimulai dengan sebuah
hipotesis dan dilanjutkan dengan mengajukan pertanyaan kepada pengguna mengenai
fakta-fakta yang dipilih hingga hipotesis tersebut dikonfirmasi atau dibantah. Dalam contoh
kita, pada Gambar 11.6, ajukan pertanyaan "Haruskah kita menambahkan orang ini ke dalam
prospek database?" Mulailah dari sebelah kanan diagram dan lanjutkan ke sebelah kiri. Anda
dapat melihat bahwa orang tersebut harus ditambahkan ke dalam database jika perwakilan
penjualan dikirim, asuransi berjangka diberikan, atau penasihat keuangan mengunjungi klien.
Contoh-contoh Sistem Pakar yang Berhasil
Sistem pakar memberikan beragam manfaat bagi bisnis termasuk keputusan yang
lebih baik, mengurangi kesalahan, mengurangi biaya, mengurangi waktu pelatihan, dan
tingkat kualitas dan layanan yang lebih tinggi. Con-Way Transportation membangun sistem
pakar yang disebut Line-haul untuk mengotomatiskan dan mengoptimalkan perencanaan rute
pengiriman semalam untuk bisnis angkutan barang nasionalnya. Sistem pakar ini menangkap
aturan bisnis yang diikuti oleh petugas operator ketika menugaskan pengemudi, truk, dan
trailer untuk mengangkut 50.000 pengiriman kargo berat setiap malam di 25 negara bagian
dan Kanada, lalu merencanakan rute mereka. Line haul berjalan pada platform komputer Sun
dan menggunakan data permintaan pengiriman pelanggan harian, pengemudi yang tersedia,
truk, ruang trailer, dan berat yang disimpan dalam database Oracle.
Sistem pakar ini menggunakan ribuan aturan dan 100.000 baris kode program yang
ditulis dalam bahasa C++ untuk menghitung angka-angka dan membuat rencana rute optimal
untuk 95 persen pengiriman kargo harian. Petugas operator Con-Way menyesuaikan rencana
rute yang disediakan oleh sistem pakar dan menyampaikan spesifikasi rute akhir kepada
petugas lapangan yang bertanggung jawab untuk mengemas trailer untuk perjalanan malam
hari.
Con-Way mendapatkan kembali investasi sebesar $3 juta dalam sistem ini dalam
waktu dua tahun dengan mengurangi jumlah pengemudi, mengemas lebih banyak kargo per
trailer, dan mengurangi kerusakan akibat penanganan ulang. Sistem ini juga mengurangi
tugas malam hari yang berat bagi petugas operator.
Meskipun sistem pakar tidak memiliki kecerdasan yang kuat dan umum seperti
manusia, sistem pakar dapat memberikan manfaat bagi organisasi jika keterbatasannya
dipahami dengan baik. Hanya kelas masalah tertentu yang dapat diselesaikan dengan
menggunakan sistem pakar. Hampir semua sistem pakar yang sukses menangani masalah
klasifikasi dalam domain pengetahuan yang terbatas di mana hanya ada sedikit hasil alternatif
dan semua hasil yang mungkin diketahui sebelumnya. Sistem pakar kurang berguna untuk
menangani masalah-masalah yang tidak terstruktur yang biasanya dihadapi oleh para manajer.
Banyak sistem pakar membutuhkan upaya pengembangan yang besar, panjang, dan mahal.
Mempekerjakan atau melatih lebih banyak ahli mungkin lebih murah daripada membangun
sistem pakar. Biasanya, lingkungan tempat sistem pakar beroperasi terus berubah sehingga
sistem pakar juga harus terus berubah. Beberapa sistem pakar, terutama yang besar, sangat
kompleks sehingga dalam beberapa tahun biaya perawatannya sama dengan biaya
pengembangannya.

Kecerdasan Organisasi: Penalaran Berbasis Kasus

Sistem pakar pada dasarnya menangkap pengetahuan tacit dari para ahli individu,
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 penalaran berbasis kasus (CBR), deskripsi
pengalaman masa lalu dari para ahli manusia, yang direpresentasikan sebagai kasus,
didokumentasikan dan disimpan dalam basis data untuk diambil kembali ketika pengguna
menemukan kasus baru dengan parameter yang sama. Sistem mencari kasus-kasus yang
tersimpan dengan karakteristik masalah yang mirip dengan kasus baru, menemukan yang
paling sesuai, dan menerapkan solusi dari kasus lama ke kasus baru. Solusi yang berhasil
ditandai ke kasus baru dan keduanya disimpan bersama dengan kasus-kasus lain dalam
pengetahuan basis data. Solusi yang tidak berhasil juga ditambahkan ke basis data kasus
bersama dengan penjelasan mengapa solusi tersebut tidak berhasil (lihat Gambar 11.7).
Sistem pakar bekerja dengan menerapkan seperangkat aturan JIKA-MAKA-MAKA
yang diekstrak dari pakar manusia. Sebaliknya, penalaran berbasis kasus merepresentasikan
pengetahuan sebagai serangkaian kasus, dan basis pengetahuan ini terus diperluas dan
disempurnakan oleh pengguna. Anda akan menemukan penalaran berbasis kasus dalam
sistem diagnostik di bidang kedokteran atau dukungan pelanggan di mana pengguna dapat
mengambil kasus-kasus sebelumnya yang karakteristiknya mirip dengan kasus baru. Sistem
akan menyarankan solusi atau diagnosis berdasarkan kasus yang paling cocok.

Sistem Logika Fuzzy

Kebanyakan orang tidak berpikir dalam hal aturan tradisional JIKA-MAKA atau
angka-angka yang tepat. Manusia cenderung mengkategorikan berbagai hal secara tidak tepat
dengan menggunakan aturan untuk membuat keputusan yang mungkin memiliki banyak arti.
Sebagai contoh, seorang pria atau wanita bisa saja kuat atau cerdas. Sebuah perusahaan bisa
saja besar, sedang, atau kecil

dalam Logika fuzzy adalah teknologi berbasis aturan yang dapat merepresentasikan
ketidakpastian tersebut dengan membuat aturan yang menggunakan nilai perkiraan atau
subyektif. Logika ini dapat mendeskripsikan fenomena atau proses tertentu secara linguistik
dan kemudian merepresentasikan deskripsi tersebut dalam sejumlah kecil aturan yang
fleksibel. Organisasi dapat menggunakan logika fuzzy untuk membuat sistem perangkat lunak
yang menangkap pengetahuan tacit di mana terdapat ambiguitas linguistik.
Mari kita lihat bagaimana logika fuzzy merepresentasikan berbagai suhu dalam
aplikasi komputer untuk mengontrol suhu ruangan secara otomatis. Istilah-istilah (dikenal
sebagai fungsi keanggotaan) didefinisikan secara tidak tepat sehingga, misalnya, pada
Gambar 11.8, sejuk berada di antara 45 derajat dan 70 derajat, meskipun suhu yang paling
jelas sejuk adalah sekitar 60 derajat dan 67 derajat. Perhatikan bahwa sejuk tumpang tindih
dengan dingin atau normal. Untuk mengontrol lingkungan ruangan dengan menggunakan
logika ini, pemrogram akan mengembangkan definisi yang sama tidak tepatnya untuk
kelembapan dan faktor lain, seperti angin luar ruangan dan suhu. Aturannya mungkin
termasuk aturan yang mengatakan: "Jika suhu sejuk atau dingin dan kelembapan rendah
sementara angin luar ruangan tinggi dan suhu luar ruangan rendah, naikkan panas dan
kelembapan di dalam ruangan." Komputer akan menggabungkan pembacaan fungsi
keanggotaan dengan cara berbobot dan, dengan menggunakan semua aturan, menaikkan dan
menurunkan suhu dan kelembapan.
Logika fuzzy memberikan solusi untuk masalah yang membutuhkan keahlian yang
sulit direpresentasikan dalam bentuk aturan IF-THEN yang tegas. Di Jepang, sistem kereta
bawah tanah di Sendai menggunakan kontrol logika fuzzy untuk berakselerasi dengan lancar
sehingga penumpang yang berdiri tidak perlu berpegangan. Mitsubishi Heavy Industries di
Tokyo telah mampu mengurangi konsumsi daya pendingin udara sebesar 20 persen dengan
menerapkan program kontrol dalam logika fuzzy. Perangkat fokus otomatis pada kamera
hanya dimungkinkan karena logika fuzzy. Dalam hal ini, logika fuzzy memungkinkan
perubahan bertahap dalam input untuk menghasilkan perubahan yang halus dalam output,
bukan yang terputus-putus, sehingga berguna untuk elektronik konsumen dan aplikasi teknik.
Manajemen juga menemukan logika fuzzy berguna untuk pengambilan keputusan dan kontrol
organisasi. Sebuah perusahaan di Wall Street menciptakan sebuah sistem yang memilih
perusahaan untuk diakuisisi dengan menggunakan bahasa yang dimengerti oleh para
pedagang saham. Sebuah fuzzy sistem logika telah dikembangkan untuk mendeteksi
kemungkinan penipuan dalam sub-klaim medis yang diajukan oleh penyedia layanan
kesehatan di mana pun di Amerika Serikat.
Madella Tehra Lyon - 115220306
Machine Learning
Machine learning adalah studi tentang bagaimana program komputer dapat
meningkatkan kinerjanya tanpa pemrograman eksplisit. Mengapa ini dianggap sebagai
pembelajaran Mesin yang belajar adalah mesin yang seperti manusia, dapat mengenali pola
dalam data, dan mengubah perilakunya berdasarkan pengenalan pola, pengalaman, atau
pembelajaran sebelumnya basis data. Sebagai contoh, robot pengemudi mobil seharusnya
dapat mengenali keberadaan mobil dan objek lain orang, dan mengubah perilakunya sesuai
berhenti, bergerak, melambat, mempercepat, atau berbelok.

Neural Networks
Jaringan saraf digunakan untuk memecahkan masalah kompleks yang kurang
dimengerti di mana telah dikumpulkan sejumlah besar data. Mereka menemukan pola dan
hubungan dalam jumlah data yang sangat besar yang terlalu rumit dan sulit untuk dianalisis
oleh manusia. Jaringan saraf menemukan pengetahuan ini dengan menggunakan perangkat
keras dan perangkat lunak yang memodelkan pola pemrosesan otak biologis atau manusia.
Jaringan saraf belajar pola dari sejumlah besar data dengan menyaring data, mencari
hubungan, membangun model, dan memperbaiki kesalahan model berulang-ulang. Sebuah
jaringan saraf memiliki sejumlah besar node penginderaan dan pemrosesan yang
terus-menerus berinteraksi satu sama lain. Gambar 11. 9 menggambarkan satu jenis jaringan
saraf yang terdiri dari lapisan masukan, lapisan keluaran, dan lapisan pemrosesan
tersembunyi. Manusia melatih jaringan dengan memberinya serangkaian data pelatihan di
mana masukan menghasilkan sejumlah keluaran atau kesimpulan yang diketahui. Ini
membantu komputer belajar solusi yang benar melalui contoh. Saat komputer diberi lebih
banyak data, setiap kasus dibandingkan dengan hasil yang diketahui.
Genetic Algorithms
Algoritma genetika berguna untuk menemukan solusi optimal untuk masalah tertentu
dengan memeriksa sejumlah besar solusi yang mungkin untuk masalah tersebut. Mereka
didasarkan pada teknik yang terinspirasi dari biologi evolusioner, seperti pewarisan, mutasi,
seleksi, dan persilangan rekombinasi. Algoritma genetika bekerja dengan merepresentasikan
informasi sebagai serangkaian 0 dan 1. Algoritma genetika mencari dalam populasi
serangkaian digit biner yang diperoleh secara acak untuk mengidentifikasi serangkaian yang
tepat yang mewakili solusi terbaik untuk masalah tersebut.

Intelligent Agents
Teknologi agen cerdas membantu bisnis menavigasi melalui sejumlah besar data
untuk menemukan dan bertindak pada informasi yang dianggap penting. Agen cerdas adalah
program perangkat lunak yang bekerja tanpa campur tangan manusia langsung untuk
melaksanakan tugas tertentu untuk pengguna individu, proses bisnis, atau aplikasi perangkat
lunak. Agen menggunakan basis pengetahuan bawaan atau dipelajari untuk menyelesaikan
tugas atau membuat keputusan atas nama pengguna, seperti menghapus e-mail sampah,
menjadwalkan janji, atau bepergian melalui jaringan terhubung untuk menemukan tiket
pesawat termurah ke California. Ada banyak aplikasi agen cerdas saat ini dalam sistem
operasi, perangkat lunak aplikasi, sistem e-mail, perangkat lunak komputasi seluler, dan alat
jaringan. Sebagai contoh, penyihir yang ada dalam alat perangkat lunak Microsoft Office
memiliki kemampuan bawaan untuk menunjukkan kepada pengguna bagaimana
menyelesaikan berbagai tugas, seperti memformat dokumen atau membuat grafik, dan untuk
menduga kapan pengguna memerlukan bantuan. Bab 7 menjelaskan bagaimana bot belanja
agen cerdas dapat membantu konsumen menemukan produk yang mereka inginkan dan
membantu mereka membandingkan harga dan fitur lain.

Hybrid AI Systems
Algoritma genetik, logika fuzzy, jaringan saraf, dan sistem pakar dapat diintegrasikan
ke dalam satu aplikasi untuk memanfaatkan fitur terbaik dari teknologi-teknologi ini. Sistem
seperti itu disebut sistem AI hibrid. Aplikasi hibrid dalam bisnis semakin berkembang. Di
Jepang, Hitachi, Mitsubishi, Ricoh, Sanyo, dan lainnya mulai menggabungkan AI hibrid
dalam produk seperti peralatan rumah tangga, mesin pabrik, dan peralatan kantor. Matsushita
telah mengembangkan mesin cuci "neurofuzzy" yang menggabungkan logika fuzzy dengan
jaringan saraf.