SISTEM INFORMASI MANAJEMEN

RESUME BAB 11
Dosen Pengampu : Edrick Purnama Putra, SE., MA.

Disusun oleh

Nama : MARVELIN
NIM : 223020303157
Kelas : C (Akuntansi)

UNIVERSITAS PALANGKA RAYA

FAKULTAS EKONOMI DAN BISNIS
PROGRAM STUDI AKUNTANSI
2023
BAB 11
Menegelola Pengetahuan

11.1 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.

Kita hidup dalam suatu perekonomian informasi yang mana sumber utama dari kekayaan dan
kemakmuran adalah produksi serta distribusi informasi dan pengetahuan. Diperkirakan 37% dari tenaga
kerja di AS terdiri atas pekerja bagian pengetahuan dan informasi, yang mana merupakan segmen tenaga
kerja tunggal terbesar. Sekitar 45% dari produk domestik bruto-PDB (gross domestic product-GDP)
Amerika Serikat dihasilkan oleh sektor pengetahuan dan informasi (U.S. Department of Commerce,
2012).

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, reputasi,
dan proses bisnis yang unik. Proyek-proyek yang didasarkan pada 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. (Gu dan
Leev, 2001).

DIMENSI PENGETAHUAN YANG PENTING

Terdapat suatu perbedaan yang penting di antara data, informasi, pengetahuan, dan kebijaksanaan. Untuk
mengubah data menjadi suatu informasi yang bermanfaat, maka perusahaan harus mencurahkan sumber
daya untuk mengorganisasikan data ke dalam kategori-kategori pemahaman. Misalnya, total penjualan
dibagi menjadi per bulan, per hart, per daerah, atau berdasarkan laporan per toko. Untuk mengubah
informasi menjadi pengetahuan (knowledge) maka perusahaan harus mengeluarkan sumber daya
tambahan untuk menemukan pola-pola, aturan, dan konteks di mana pengetahuan dapat bekerja. Terakhir,
kebijaksanaan (wisdom) diartikan sebagai pengalaman kolektif dan individual dalam menerapkan
pengetahuan untuk memecahkan permasalahan-permasalahan. Kebijaksanaan melibatkan di mana, kapan,
dan bagaimana menerapkan pengetahuan.
Pengetahuan merupakan suatu atribut individual dan atribut kolektif dari perusahaan. Pengetahuan
bersifat kognitif, bahkan psikologis, kejadian yang berlangsung di dalam kepala orang- orang.
Pengetahuan juga disimpan dalam perpustakaan dan catatan, dibagikan dalam perkuliahan. dan disimpan
oleh perusahaan dalam bentuk pemrosesan bisnis dan kecakapan karyawan. Pengetahuan yang berada
dalam pikiran karyawan yang belum didokumentasikan disebut dengan pengetahuan tersirat (tacit
knowledge), sedangkan pengetahuan yang telah didokumentasikan dinamakan pengetahuan eksplisit
(explicit knowledge). Pengetahuan dapat tersimpan dalam surel, pesan suara, grafik, serta dokumen-
dokumen tidak terstruktur dan dokumen terstruktur. Pengetahuan pada umumnya diyakini memiliki
sebuah lokasi, baik dalam pikiran manusia atau dalam proses bisnis tertentu. Pengetahuan "melekat" dan
tidak dapat diterapkan secara universal atau dipindahkan dengan mudah. Terakhir, pengetahuan dianggap
lebih bersifat situasional dan kontekstual.

Pembelajaran Organisasional dan Manajemen Pengetahuan

Seperti manusia, organisasi-organisasi menciptakan dan mengumpulkan pengetahuan dengan

menggunakan berbagai macam mekanisme pembelajaran organisasional Melalui pengumpulan data,
pengukuran yang teliti atas aktivitas yang direncanakan, uji coba (percobaan eksperimen). dan umpan
balik dari pelanggan dan lingkungan pada umumnya, maka organisasi akant memperoleh pengalaman.
Organisasi yang belajar untuk menyesuaikan perilaku mereka mencerminkan pembelajaran tersebut
dengan menciptakan proses bisnis yang baru dan dengan mengubah pola dalam pengambilan keputusan
manajemen. Proses perubahan ini disebut dengan pembelajaran organisasional (organizational learning).
Dapat dikatakan, organisasi-organisasi yang dapat merasakan dan memberikan tanggapan terhadap
lingkungan mereka secara cepat akan bertahan hidup lebih lama daripada organisasi-organisasi yang
memiliki mekanisme pembelajaran yang buruk.

RANTAI NILAI MANAJEMEN PENGETAHUAN

Manajemen pengetahuan (knowledge management) mengacu pada serangkaian proses bisnis yang
dikembangkan dalam suatu organisasi untuk menciptakan, menyimpan, memindahkan. dan menerapkan
pengetahuan. Manajemen pengetahuan akan meningkatkan kemampuan dari organisasi unntuk belajar
dari lingkungannya dan untuk memadukan pengetahuan ke dalam proses bisnisnya.

Penguasaan Pengetahuan

Organisasi dapat memperoleh pengetahuan dengan berbagai cara, bergantung pada tipe dari pengetahuan
yang mereka cari. Sistem manajemen pengetahuan yang pertama berupaya untuk membangun gudang
dokumen perusahaan, laporan, presentasi, dan praktik pelaksanaan yang terbaik. Upaya-upaya ini telah
diperluas hingga mencakup dokumen-dokumen yang tidak terstruktur (misalnya, surel). Dalam kasus
lainnya, organisasi dapat memperoleh pengetahuan dengan mengembangkan jaringan ahli secara online
dengan demikian para karyawan tersebut dapat "menemukan ahli" dalam perusahaan yang merupakan
pribadi yang memiliki pengetahuan luas.
Penyimpanan Pengetahuan

Setelah berbagai dokumen, pola, dan aturan pakar terkumpul, data tersebut harus disimpan sehingga dapat
diambil kembali dan digunakan oleh para karyawan. Penyimpanan pengetahuan pada umumnya
melibatkan penciptaan suatu database. Sistem manajemen dokumen yang dibuat dalam bentuk digital,
indeks, dan memberikan label pada dokumen yang disesuaikan dengan kerangka kerja yang jelas
merupakan database yang besar yang mahir dalam menyimpan kumpulan dokumen. Sistem ahli juga
membantu perusahaan dalam menjaga pengetahuannya yang diperoleh dengan menggabungkan
pengetahuan tersebut ke dalam proses dan budaya organisasional.

Penyebarluasan Pengetahuan

Teknologi portal, surel, pesan instan (instant messaging), wiki, alat bantu sosial bisnis, dan mesin pencari
telah ditambahkan pada pengaturan yang ada dari alat bantu kolaborasi untuk berbagi kalender, data
dokumen, dan grafik. Teknologi kontemporer tampaknya telah membanjiri dunia informasi dan
pengetahuan. Bagaimana seorang karyawan atau manajer dapat menemukan sesuatu yang benar-benar
penting dan berguna bagi mereka dari lautan informasi dan pengetahuan yang begitu luas? Di sinilah
program pelatihan, jaringan informal, dan pengalaman manajemen yang dibagikan dapat membantu para
manajer agar tetap dapat memfokuskan perhatian mereka dalam informasi dan pengetahuan yang penting.

Penerapan Pengetahuan

Tanpa memperhatikan apakah tipe dari sistem manajemen pengetahuan yang dilibatkan, tetapi
pengetahuan yang tidak dibagikan dan diterapkan dalam permasalahan praktis yang dihadapi oleh
perusahaan dan para manajer tidak akan menambah nilai dari bisnis. Untuk memberikan tingkat
pengembalian atas investasi, maka pengetahuan organisasional harus menjadi suatu bagian yang
sistematis dari pengambilan keputusan manajemen dan diletakkan dalam sistem untuk mendukung
keputusan. Pada akhirnya, pengetahuan yang baru harus dibangun di dalam proses bisnis suatu
perusahaan dan sistem aplikasi kunci, meliputi penerapan perusahaan untuk mengelola proses bisnis
internal yang utama serta hubungan dengan pelanggan dan pemasok. Pihak manajemen akan mendukung
proses ini dengan menciptakan praktik pelaksanaan bisnis baru yang didasarkan pada pengetahuan baru,
produk dan jasa baru, dan pasar baru bagi perusahaan.

Membangun Modal Organisasional dan Modal Manajemen: Kolaborasi, Komunitas Praktik, dan
Lingkungan Perkantoran

Para manajer dapat membantu dengan cara mengembangkan peranan dan tanggung jawab baru dalam
organisasi untuk memperoleh pengetahuan. Termasuk di dalamnya adalah menciptakan posse posisi baru,
seperti direktur eksekutif manajemen pengetahuan, staf yang ditugaskan untuk membantu manajer
pengetahuan, dan membentuk komuniti praktik Komunitas praktik (community of practice-COP) adalah
jaringan umum informal yang terdiri atas para profesional dan karyawan baik di dalam maupun di luar
perusahaan dengan minat dan kegiatan yang sama. Kegiatan komunitas ini termasuk pendidikan
perorangan atau kelompok, konferensi, newsletter online, serta setiap harinya saling berbagi pengalaman
dan teknik untuk menyelesaikan masalah dalam pekerjaan tertentu. Banyak organisasi, seperti IBM. US
Federal Highway Administration, dan Bank Dunia mendorong penciptaan ribuan komunitas online yang
serupa. Praktik komunitas tersebut sangat bergantung pada lingkungan perangkat Junak (perangkat lunak)
yang memungkinkan terciptanya kolaborasi dan komunikasi.

TIPE SISTEM MANAJEMEN PENGETAHUAN

Terdapat 3 tipe dari sistem manajemen pengetahuan yang sangat penting: sistem manajemen pengetahuan
keseluruhan perusahaan, sistem kerja pengetahuan, dan teknik kecerdasan.

Sistem manajemen pengetahuan keseluruhan perusahaan (enterprise-wide knowledge management

system) merupakan upaya keseluruhan perusahaan yang bertujuan umum untuk mengumpulkan,
menyimpan, mendistribusikan, serta menerapkan isi dan pengetahuan digital. Sistem-sistem ini meliputi
kapabilitas untuk mencari informasi, menyimpan data yang terstruktur dan yang tidak terstruktur, serta
menempatkan keahlian dari karyawan di dalam perusahaan. Sistem manajemen pengetahuan keseluruhan
perusahaan juga termasuk teknologi pendukung, seperti portal, mesin pencari, kolaborasi dan alat bantu
sosial bisnis, dan sistem manajemen pembelajaran.

Perkembangan perangkat lunak dan workstation canggih yang terhubung ke jaringan untuk membantu
teknisi dan ilmuwan dalam menemukan pengetahuan baru telah menciptakan sistem kerja pengetahuan
baru seperti perancangan yang dibantu komputer, visualisasi, simulasi, dan sistem realitas virtual. Sistem
kerja pengetahuan (knowledge work systems-KWS) adalah sistem yang dikembangkan khusus untuk
para teknisi, ilmuwan, dan para pekerja di bidang pengetahuan lainnya yang bertugas memperoleh dan
menciptakan pengetahuan baru bagi perusahaan mereka.

Kecerdasan (intelligent techniques) seperti penelusuran data, sistem ahli, jaringan neural, logika fuzzy,
algoritme genetika, dan agen intelegen. Teknik-teknik ini memiliki tujuan yang berbeda- beda, dari yang
menitikberatkan pada penemuan pengetahuan (penelusuran data dan jaringan neural/jaringan syaraf),
hingga penyaringan informasi dalam bentuk aturan untuk suatu program komputer (sistem ahli dan logika
fuzzy), untuk menemukan solusi yang optimal bagi permasalahan (algoritme genetika). Bagian 11.4
menyediakan lebih detail mengenai teknik- teknik kecerdasan tersebut.

11.2 SISTEM MANAJEMEN PENGETAHUAN KESELURUHAN PERUSAHAAN

SISTEM MANAJEMEN KONTEN PERUSAHAAN

Para pebisnis saat ini perlu untuk mengatur dan mengelola aset pengetahuan terstruktur maupun semi
terstruktur. Pengetahuan terstruktur (structured knowledge) merupakan pengetahuan secara eksplisit
ada dalam dokumen-dokumen formal, sama halnya dengan aturan-aturan formal yang diperoleh
organisasi dengan mengamati para ahli dan perilaku mereka dalam pengambilan keputusan. Tetapi,
menurut para ahli, sedikitnya 80% dari konten bisnis organisasi adalah informasi semi terstruktur atau
tidak terstruktur-yang ada dalam folder, pesan, memo, proposal, surel, grafik, slide presentasi elektronik,
dan bahkan video yang diciptakan dalam format yang berbeda dan disimpan dalam banyak lokasi.

Sistem manajemen konten perusahaan (enterprise content management systems) membantu organisasi
untuk mengelola kedua tipe informasi tersebut. Mereka memiliki kapabilitas untuk menangkap
pengetahuan, penyimpanan, pemulihan, distribusi, dan pemeliharaan untuk membantu perusahaan dalam
meningkatkan pemrosesan dan keputusan bisnis mereka. Sistem seperti ini meliputi tempat penyimpanan
dokumen korporat, laporan, presentasi, dan praktik terbaik, demikian halnya dengan kapabilitas untuk
mengumpulkan dan mengorganisasikan pengetahuan semi terstruktur, seperti surel (lihat Gambar 11.3).
Sistem manajemen konten perusahaan yang utama juga memungkinkan bagi para penggunanya untuk
mengakses sumber eksternal dari informasi, seperti kabar berita dan penelitian, dan untuk
mengomunikasikan melalui surel, chat/ pesan instan, kelompok diskusi, dan konferensi video. Mereka
mulai untuk memadukan blog, wiki, dan alat bantu jejaring sosial perusahaan lainnya. Open Text
Corporation, EMC (Documentum), IBM, dan Oracle Corporation merupakan para pemasok terdepan
dalam bidang perangkat lunak manajemen konten perusahaan.

SISTEM JARINGAN PENGETAHUAN

Sistem jaringan pengetahuan (knowledge networks systems) membahas mengenai permasalahan yang
timbul ketika pengetahuan yang tepat tidak dalam bentuk dokumen digital, tetapi sebagai gantinya berada
dalam memori para ahli individual dalam perusahaan. Sistem jaringan pengetahuan memberikan direktori
secara online dari para ahli korporat dan profil mereka, dengan perincian mengenai pengalaman kerja
mereka, proyek, publikasi, dan gelar pendidikan. Alat bantu pencarian mempermudah para karyawan
untuk menemukan para ahli yang tepat dalam suatu perusahaan. Sistem jaringan pengetahuan, seperti
Hivemine's AskMe meliputi tempat penyimpanan konten yang dihasilkan oleh para ahli. Beberapa
kapabilitas jejaring pengetahuan termasuk dalam manajemen konten perusahaan terkemuka, jejaring
sosial, dan produk perangkat lunak kolaborasi.

KOLABORASI DAN ALAT BANTU SOSIAL SERTA SISTEM MANAJEMEN

PEMBELAJARAN

Untuk sumber daya pengetahuan di luar perusahaan, social bookmarking mempermudah untuk mencari
dan berbagi informasi dengan memungkinkan bagi para penggunanya untuk menyelamatkan bookmark
mereka pada laman web di situs wb publik dan menandai bookmark tersebut dengan kata kunci.
Penandaan-penandaan ini dapat digunakan untuk mengatur dan mencari teks dan gambar. Daftar
penandaan dapat dibagikan dengan orang lain untuk membantu mereka dalam menemukan informasi
mengenai ketertarikan. Taksonomi yang diciptakan oleh pengguna dirancang untuk berbagi bookmark
yang disebut dengan folksonomies. Delicious, Slashdot, dan Pinterest merupakan situs social
bookmarking yang terkenal.
Perusahaan memerlukan cara-cara untuk tetap menelusuri dan mengelola pembelajaran karyawan dan
untuk mengintegrasikan sepenuhnya ke dalam manajemen pengetahuan mereka dan sistem korporat
lainnya. Sistem manajemen pembelajaran (learning management systems- LMS) menyediakan alat
bantu bagi manajemen, pengiriman, penelusuran, serta penilaian berbagai macam tipe pembelajaran dan
pelatihan bagi karyawan.

CVM Solutions, LLC (CVM) menggunakan sistem manajemen pembelajaran Digitec's Knowledge Direct
untuk menyediakan pelatihan mengenai bagaimana mengelola pemasok bagi klien, seperti Procter &
Gamble, Colgate-Palmolive, dan Delta Airlines. Knowledge Direct akan menyediakan suatu portal untuk
mengakses program konten secara online, sejalan dengan kelengkapan administrasi yang bebas dari
kesulitan, seperti pendaftaran siswa dan alat bantu penilaian, dukungan Bantuan dan Penghubung
(Kontak)yang dilengkapi, surel secara otomatis yang menggerakkan untuk mengingatkan mengenai
program-program atau tenggat waktu kepada pengguna, surel secara otomatis yang memberitahukan
selesainya program, dan pelaporan berbasis web untuk program-program yang diakses. Knowledge Direct
juga menyediakan login masuk bertanda perusahaan bagi klien perusahaan dan memungkinkan bagi CVM
untuk menciptakan dan menugaskan seorang administrator perusahaan yang memiliki akses pada alat
bantu pelaporan siswa bagi perusahaan tersebut.

11.3 SISTEM KERJA PENGETAHUAN

PEKERJA PENGETAHUAN DAN KERJA PENGETAHUAN

Pekerja pengetahuan biasanya memiliki tingkat pendidikan yang tinggi, memiliki keanggotaan di
organisasi profesional, dan kerap diminta untuk melakukan penilaian sebagai aspek rutin dari pekerjaan
mereka. Sebagai contohnya, pekerja pengetahuan menciptakan produk baru atau mencari cara untuk
meningkatkan kualitas produk yang sudah ada. Pekerja pengetahuan melakukan tiga peran kunci yang
sangat penting bagi organisasi dan untuk manajer yang bekerja dalam organisasi:

• Menjaga aliran pengetahuan dalam perusahaan seiring dengan perkembangan perusahaan- dalam
teknologi, sains, pemikiran sosial, dan seni.

• Bertugas melayani sebagai konsultan internal mengenai pengetahuan khusus mereka, berbagai
perubahan yang terjadi, dan kesempatan yang muncul.

• Bertindak sebagai agen perubahan, mengevaluasi, merintis, dan mendukung proyek-proyek

perubahan.

KEBUTUHAN SISTEM KERJA PENGETAHUAN

Kebanyakan pekerja pengetahuan mengandalkan sistem perkantoran, seperti pengolah kata, voice mail, e-
mail, konferensi video, dan sistem penjadwalan yang dirancang untuk meningkatkan produktivitas di
kantor. Pekerja pengetahuan juga memerlukan sistem kerja pengetahuan yang sangat spesifik dengan
grafis, alat bantu analisis, dan kemampuan komunikasi dan manajemen dokumen yang canggih.

Sistem ini memerlukan kekuatan komputasi mendasar untuk menangani grafik-grafik yang rumit atau
perhitungan yang kompleks yang dibutuhkan oleh pekerja pengetahuan, seperti peneliti ilmiah, perancang
produk, dan analis keuangan. Karena pekerja pengetahuan sangat fokus pada pengetahuan di dunia
eksternal, sistem ini juga harus memberikan kemudahan dan kecepatan mengakses database eksternal.
Umumnya antarmukanya mudah digunakan dan memungkinkan pengguna untuk melakukan pekerjaan
tanpa harus membuang waktu terlalu lama mempelajari cara kerja sistem. Pekerja pengetahuan dibayar
mahal, karenanya pemborosan waktu pekerja akan memakan biaya yang terlalu mahal.

CONTOH SISTEM KERJA PENGETAHUAN

Penerapan kerja pengetahuan yang utama meliputi sistem CAD, sistem realitas virtual untuk simulasi dan
permodelan, serta sentra kerja keuangan. Desain berbantuan komputer (computer aided design-CAD)
akan mengotomatisasi penciptaan dan revisi dari desain, dengan menggunakan komputer dan perangkat
lunak grafik yang canggih. Menggunakan metodologi desain fisik yang tradisional, maka tiap-tiap
modifikasi desain memerlukan cetakan yang akan dibuat dan sebuah prototipe untuk diuji secara fisik.
Proses tersebut harus diulang berkali-kali, yang mana merupakan proses yang sangat mahal dan
memerlukan banyak waktu. Dengan menggunakan suatu sentra kerja CAD, maka perancang hanya
memerlukan untuk membuat suatu prototipe fisik menjelang akhir dari proses desain karena desain dapat
dengan mudah diuji dan diubah dengan komputer. Kemampuan dari perangkat lunak CAD untuk
menyediakan spesifikasi desain bagi pemrosesan alat bantu dan manufaktur juga akan menghemat
sejumlah besar waktu dan uang, sementara itu memproduksi proses manufaktur dengan permasalahan
yang jauh lebih sedikit. Sesi Interaktif: Teknologi mengilustrasikan beberapa dari manfaat-manfaat
tersebut, dan memperlihatkan bagaimana mereka dapat menjadi suatu sumber dari keunggulan kompetitif.

Sistem CAD dapat memasok data untuk pencetakan 3-D (3-D printing) juga diketahui dikenal sebagai
manufaktur aditif, yang menggunakan mesin untuk membuat benda padat, lapisan demi lapisan, dari
spesifikasi dalam suatu file digital. Pencetakan 3-D saat ini telah digunakan untuk memproduksi prototipe
dan barang-barang yang ukurannya kecil, seperti perhiasan dan implan pinggul, demikian pula suku
cadang pesawat. Pada masa mendatang, mungkin akan digunakan untuk pabrikasi suku cadang khusus
bagi mobil dan perlengkapan militer.

Sistem realitas virtual (virtual reality sytems) memiliki kemampuan visualisasi, pengubahan, dan
simulasi yang jauh melampaui sistem CAD konvensional. Mereka memanfaatkan perangkat lunak grafik
yang interaktif untuk menciptakan simulasi yang dihasilkan dengan komputer yang sangat mendekati
realitas yang para penggunanya hampir meyakini bahwa mereka sedang berperan serta dalam situasi
dunia nyata. Dalam banyak sistem realitas secara virtual, pengguna akan menggunakan pakaian, penutup
kepala, dan perlengkapan yang khusus, bergantung pada aplikasinya. Pakaian berisi sensor-sensor yang
merekam pergerakan dari pengguna dan dengan segera mengirimkan informasi tersebut kembali ke
komputer. Sebagai contoh, untuk berjalan melalui simulasi realitas secara virtual dari sebuah rumah.
Anda perlu mengawasi monitor tersebut untuk menggerakkan kaki, tangan, dan kepala Anda. Anda juga
akan memerlukan kacamata yang berisikan layar video dan kadang kala lampiran audio serta sarung
tangan perasaan sehingga Anda dapat tenggelam dalam umpan balik komputer.

Realitas yang ditambahkan (augmented reality-AR) merupakan teknologi terkait untuk mendorong
visualisasi. AR menyediakan suatu pandangan secara live baik langsung ataupun tidak langsung dari
lingkungan fisik dunia nyata yang memiliki elemen yang ditambahkan oleh pencitraan yang dihasilkan
oleh komputer virtual. Pengguna didasarkan dalam dunia fisik yang nyata, dan citra virtual dipadukan
dengan pandangan nyata untuk menciptakan tampilan yang ditambahkan. Teknologi digital menyediakan
informasi tambahan untuk mendorong persepsi dari realita, membuat di sekitar dunia nyata dari pengguna
menjadi lebih interaktif dan bermakna. Penanda kuning yang turun pertama pada pertandingan sepakbola
yang disiarkan di televisi merupakan contoh dari realitas yang ditambahkan sebagaimana dalam prosedur-
prosedur medis, seperti pembedaan yang dibantu dengan gambar, di mana data diperoleh dari tomografi
terkomputerisasi (computerized tomography-CT) dan pemindai pencitraan resonansi magnetik (magnetic
resonance imaging-MRI) atau dari pencitraan ultrasound yang dilapiskan di atas pasien dalam ruang
operasi. Industri-industri lainnya di mana AR telah ditangkap meliputi pelatihan Penerapan realitas virtual
yang dikembangkan untuk web akan menggunakan suatu standar kemiliteran, desain rekayasa teknik,
robotik, dan desain pelanggan.

Bahasa Pemodelan Realitas Virtual (Virtual Reality Modeling Language-VRML). VRML merupakan
serangkaian spesifikasi untuk permodelan 3-D, yang interaktif pada World Wide Web yang dapat
mengorganisasi berbagai tipe media, meliputi animasi, gambar, dan audio untuk menempatkan
penggunanya di dalam suatu lingkungan dunia nyata yang disimulasikan. VRML merupakan platform
independen, beroperasi melalui komputer desktop, dan memerlukan bandwidth yang kecil.

Industri keuangan menggunakan sentra kerja investasi (investment workstation) yang terspesialisasi
seperti misalnya Bloomberg Terminal untuk memengaruhi pengetahuan dan waktu dari para pialangnya,
para pedagang, dan para manajer portofolio. Perusahaan-perusahaan, seperti Merrill Lynch dan UBS
Financial Services telah memasang sentra kerja investasi yang mengintegrasikan suatu kisaran data yang
luas baik dari sumber internal maupun eksternal, meliputi data manajemen penghubung, real-time dan
data pasar historis, serta laporan penelitian. Sebelumnya, para profesional keuangan harus menghabiskan
waktu yang cukup lama untuk mengakses data dari sistem-sistem yang terpisah dan merangkai informasi
yang mereka perlukan. Dengan menyediakan informasi satu atap yang lebih cepat dan dengan tingkat
kesalahan yang lebih sedikit, maka sentra kerja akan mempersingkat keseluruhan proses investasi dari
pemilihan saham hingga memperbarui pencatatan klien. Tabel 11.2. akan meringkaskan tipe utama dari
sistem kerja pengetahuan.

11.4 TEKNIK KECERDASAN

MEMPEROLEH PENGETAHUAN: SISTEM AHLI

Sistem ahli (expert systems) merupakan suatu teknik kecerdasan untuk memperoleh pengetahuan tersirat
dalam wilayah yang sangat spesifik dan terbatas dari keahlian manusia. Sistem-sistem ini memperoleh
pengetahuan dari karyawan terampil dalam bentuk serangkaian aturan dalam sistem perangkat lunak yang
dapat digunakan oleh pihak lainnya dalam organisasi. Serangkaian aturan dalam sistem ahli akan
ditambahkan ke dalam memori, atau pembelajaran yang disimpan. pada perusahaan.

Bagaimana Sistem Ahli Bekerja

Pengetahuan manusia dapat dibuat model atau direpresentasikan dalam suatu cara yang dapat diproses
oleh komputer. Sistem ahli model pengetahuan manusia merupakan suatu rangkaian aturan yang secara
kolektif disebut dengan basis pengetahuan (knowledge base). Sistem ahli yang memiliki 200 hingga
ribuan aturan tersebut, akan bergantung pada kerumitan dari permasalahan. Aturan-aturan tersebut lebih
jauh saling berkaitan dan bersarang daripada dalam suatu program perangkat lunak tradisional.

Dalam penalaran maju (forward chaining), mesin inferensi mulai dengan informasi yang dimasukkan oleh
pengguna dan mencari informasi dalam basis pengetahuan untuk akhirnya mencapai suatu keputusan.
Strateginya adalah untuk menjalankan suatu tindakan sesuai aturan saat sebuah kondisi dipenuhi.

Dalam penalaran mundur (backward chaining), strategi untuk mencari dalam basis pengetahuan dimulai
dengan hipotesis dan berlanjut dengan menanyakan pengguna pertanyaan tentang fakta-fakta tertentu
sampai hipotesisnya disetujui atau tidak disetujui. Dalam contoh pada Gambar 11.6, diajukan sebuah
pertanyaan, "Apakah kita harus memasukkan orang ini dalam database calon potensial kita?" Dimulai dari
diagram sebelah kanan dan bergerak ke arah kiri. Anda dapat melihat bahwa orang tersebut harus
dimasukkan dalam database tersebut jika petugas penjualan telah ditugaskan, asuransi berjangka
dikabulkan, atau penasihat keuangan mengunjungi klien tersebut.

Contoh Sistem Ahli yang Berhasil

Sistem ahli menyediakan pebisnis dengan serangkaian manfaat meliputi pengambilan keputusan yang
lebih baik, pengurangan kesalahan, menurunkan biaya, mengurangi waktu pelatihan, dan tingkat kualitas
serta pelayanan yang lebih tinggi. Con-Way Transportation membangun sistem ahli yang dinamakan
Line-haul untuk mengautomatisasikan dan mengoptimalkan perencanaan rute pengiriman dalam semalam
untuk bisnis truk bermuatannya ke seluruh wilayah. Sistem ahli menangkap aturan bisnis yang pusat akan
mengikuti ketika menugaskan para pengemudi, truk. dan trailer untuk mengangkut 50.000 pengiriman
yang muatannya berat setiap malam ke seluruh 25 negara bagian dan Canada serta ketika merencanakan
rute-rute mereka. Line-haul berjalan pada suatu platform komputer Sun dan menggunakan data pada
permintaan pengiriman pelanggan sehari-hari, para pengemudi yang tersedia, truk, ruang trailer, dan berat
yang disimpan dalam suatu database Oracle. Sistem ahli akan menggunakan ribuan aturan dan 100.000
kode lini program yang ditulis dalam C untuk mengetatkan angka-angka dan menciptakan rencana-
rencana rute yang optimal bagi 95% dari pengiriman muatan harian. Pusat Con-Way akan melakukan
rencana rute yang disediakan oleh sistem ahli dan menyampaikan spesifikasi rute kepada para petugas di
lapangan yang bertanggung jawab untuk mempersiapkan paket muatan ke dalam trailer untuk operasional
mereka pada malam hari. Con-Way memperoleh kembali biaya investasinya sebesar $3 juta dalam sistem
tersebut dalam waktu 2 tahun dengan mengurangi jumlah para pengemudi, mempersiapkan paket dengan
lebih banyak muatan per trailer, dan mengurangi kerusakan dari penanganan kembali. Sistem juga
mengurangi tugas malam yang sulit dari pusat (operator).

Meskipun sistem ahli kurang kuat dan kecerdasan umum manusia, mereka dapat mendatangkan manfaat
bagi organisasi jika keterbatasan mereka dapat dipahami dengan sangat baik. Hanya jenis-jenis
permasalahan tertentu yang dapat diatasi dengan menggunakan sistem ahli. Pada hakikatnya semua sistem
ahli yang berhasil dalam berurusan dengan klasifikasi permasalahan dalam wilayah pengetahuan yang
terbatas di mana terdapat secara keseluruhan beberapa alternatif hasil dan kemungkinan hasil tersebut
semuanya dapat diketahui di awal. Sistem ahli sangat kurang bermanfaat dalam berhadapan dengan
permasalahan-permasalahan yang tidak terstruktur yang biasanya dihadapi oleh para manajer.

KECERDASAN ORGANISASIONAL: PENALARAN BERBASIS KASUS

Tugas utama sistem ahli adalah menangkap pengetahuan tersirat dari seorang pakar, namun organisasi
juga harus memiliki pengetahuan dan keahlian kolektif yang telah dikembangkan selama beberapa tahun.
Pengetahuan organisasional ini dapat ditangkap dan disimpan dengan menggunakan penalaran berbasis
kasus. Dalam penalaran berbasis kasus (case-based reasoning-CBR), deskripsi dari pengalaman masa
lalu seorang spesialis yang direpresentasikan sebagai contoh kasus disimpan dalam database untuk
digunakan kembali di suatu waktu pada saat seorang pengguna berhadapan dengan kasus baru dengan
parameter yang serupa. Sistem ini mencari dalam database kasus yang memiliki karakteristik masalah
yang serupa dengan kasus baru, menemukan kasus yang paling tepat, dan menerapkan solusi kasus lama
pada kasus baru. Solusi yang sukses diberi tanda untuk digunakan kembali pada kasus baru, dan keduanya
disimpan bersama dengan kasus-kasus lainnya dalam basis pengetahuan. Solusi yang gagal juga dicatat
pada database kasus bersamaan dengan penjelasan mengapa solusi tersebut tidak dapat digunakan.

Sistem ahli bekerja dengan menerapkan serangkaian aturan IF-THEN-ELSE yang diambil dari para pakar
(manusia). CBR, sebaliknya, merepresentasikan pengetahuan sebagai sederetan kasus, dan pengetahuan
ini terus-menerus dikembangkan dan diperbaiki oleh pengguna. Anda. akan menemukan penalaran
berbasis kasus dalam sistem diagnosis di bidang pengobatan atau dukungan pelanggan, di mana pengguna
dapat mengambil data kasus di masa lalu yang memiliki karakteristik serupa dengan kasus yang baru.
Sistem ini memberikan usulan solusi atau diagnosis berdasarkan kasus paling mirip yang diperoleh dari
database.

SISTEM LOGIKA FUZZY

Logika fuzzy (fuzzy logic) merupakan teknologi yang berbasis pada aturan yang dapat merepresentasikan
ketidaktepatan tersebut dengan menciptakan aturan yang menggunakan perkiraan atau nilai yang subjektif.
Ini dapat menggambarkan suatu fenomena tertentu atau proses secara linguistik dan kemudian
merepresentasikan gambaran tersebut di dalam sejumlah kecil aturan yang fleksibel. Organisasi dapat
menggunakan logika fuzzy untuk menciptakan system-sistem yang dapat menangkap pengetahuan tersirat
di mana terdapat ketidakjelasan linguistic.
Logika fuzzy menyediakan pemecahan atas permasalahan-permasalahan yang memerlukan keahlian yang
sulit untuk merepresentasikan dalam bentuk aturan yang ketat IF-THEN. Di Jepang. sistem kereta api
bawah tanah Sendai menggunakan kendali logika fuzzy untuk mempercepat dengan sangat lancar di mana
penumpang yang berdiri tidak perlu mencari pegangan untuk bertahan. Mitsubishi Heavy Industries di
Tokyo telah dapat menurunkan pemakaian daya pada pendingin udaranya sebesar 20% dengan
mengimplementasikan program kendali dalam logika fuzzy. Perangkat autofokus dalam kamera hanya
dimungkinkan karena logika fuzzy. Dalam contoh- contoh tersebut, logika fuzzy akan memungkinkan
perubahan yang bertahap dalam input untuk menghasilkan perubahan yang lancar dalam output dan tidak
terputus-putus, yang membuatnya menjadi berguna bagi elektronik konsumen dan aplikasi rekayasa
teknik.

Manajemen juga telah menemukan logika fuzzy yang berguna bagi pengambilan keputusan dan
pengendalian organisasional. Perusahaan Wall Street menciptakan suatu sistem yang memilih
perusahaan-perusahaan untuk proses pengambilalihan (akuisisi) yang potensial, dengan menggunakan
pemahaman bahasa para pedagang saham. Suatu sistem logika fuzzy telah dikembangkan untuk
mendeteksi kemungkinan penipuan dalam klaim pengobatan yang diserahkan oleh para penyedia
perawatan kesehatan di manapun di Amerika Serikat.

PEMBELAJARAN MESIN

Pembelajaran mesin (machine learning) merupakan suatu kajian mengenai bagaimana program komputer
dapat meningkatkan kinerja mereka tanpa pemrogaman secara eksplisit. Mengapa hal ini merupakan
pembelajaran? Suatu mesin pembelajaran tersebut adalah mesin yang, menyerupai manusia, dapat
mengenali pola-pola dalam data, dan mengubah perilakunya yang didasarkan pada pengenalan pola-
polanya, pengalaman, atau pembelajaran sebelumnya (database). Sebagai contoh, robot yang
mengemudikan mobil dapat mengenali kehadiran dari mobil lainnya dan objek (orang), serta dengan
demikian mengubah perilakunya (berhenti, berjalan, perlahan, percepat, atau berbelok). Gagasan
mengenai program komputer yang belajar sendiri, memperbaiki sendiri, bukanlah hal baru, dan telah
menjadi bagian dari bidang kecerdasan artifisial setidaknya sejak tahun 1970-an. Hingga tahun 1990-an,
namun, pembelajaran mesin sangat kurang mampu untuk memproduksi perangkat yang berguna atau
memecahkan permasalahan yang menarik, dalam dunia bisnis.

Jaringan Neural

Jaringan neural (neuralnetworks) digunakan untuk memecahkan permasalahan yang rumit, sangat sulit
untuk dipahami di mana sejumlah besar data telah dikumpulkan, Jaringan neural menemukan pola-pola
dan hubungan dalam sejumlah data yang sangat besar yang menjadikan terlalu rumit dan sulit bagi
manusia untuk menganalisisnya, Jaringan neural akan menemukan pengetahuan ini dengan menggunakan
perangkat keras dan perangkat lunak yang memperbandingkan pemrosesan dari pola-pola biologis atau
otak manusia. Jaringan neural "mempelajari" pola-pola dari kuantitas data yang besar dengan menyaring
melalui data-data, mencari hubungan, membangun model, dan mengoreksi kesalahan model itu sendiri
berkali-kali.
Jaringan neural memiliki sejumlah besar simpul yang merasakan dan memproses secara terus -menerus
berinteraksi satu sama lain. Manusia "melatih" jaringan dengan mengumpankannya serangkaian data
pelatihan yang mana input akan memproduksi suatu rangkaian output yang diketahui atau kesimpulan.
Hal ini membantu komputer dalam mempelajari pemecahan yang tepat dengan contoh. Sebagaimana
komputer dimasukkan lebih banyak data, setiap kasus akan dibandingkan dengan hasil yang diketahui.
Jika ini berbeda, maka korelasi akan dihitung dan diterapkan pada simpul-simpul di dalam lapisan yang
tersembunyi. Langkah-langkah ini akan diulang hingga suatu kondisi, misalnya koreksi menjadi lebih
kurang daripada jumlah tertentu, akan tercapai. Juga, jaringan neural yang mampu mengorganisasikan diri
sendiri dapat dilatih dengan memaparkan kepada mereka sejumlah besar data dan memungkinkan mereka
untuk menemukan pola-pola dan hubungan di dalam data.

Tim penelitian Google yang dipimpin oleh ilmuwan bidang komputer dari Stanford University, Andrew
Y. Ng dan rekan dari Google, Jeff Dean baru-baru ini menciptakan suatu jaringan neural dengan lebih
dari satu miliar koneksi yang dapat mengidentifikasi kucing. Jaringan menggunakan serangkaian 16.000
prosesor dan dimasukkan gambar kecil dari gambar-gambar secara acak, masing-masing diekstrak dari
kumpulan 10 juta video YouTuBe. Jaringan neural mengajarkan dirinya sendiri untuk mengenali kucing-
kucing, tanpa bantuan dari manusia dalam mengidentifikasi fitur-fitur yang spesifik selama proses
pembelajaran. Google meyakini bahwa jaringan neural ini memiliki aplikasi yang menjanjikan dalam
pencarian gambar, pengenalan suara, dan mesin penerjemahan bahasa (Markoff, 2012).

Algoritme Genetika

Algoritme genetika (genetic algoritms) bermanfaat untuk menemukan pemecahan yang optimal atas
suatu permasalahan tertentu dengan memeriksa sejumlah besar kemungkinan pemecahan atas
permasalahan tersebut. Mereka didasarkan pada teknik-teknik yang diinspirasikan dengan biologi yang
evolusioner, seperti misalnya turunan, mutasi, seleksi, dan persilangan (digabungkan kembali).

Algoritme genetika bekerja dengan merepresentasikan informasi sebagai suatu deretan dari Os dan 1s.
Algoritme genetika mencari populasi dari deretan yang dihasilkan secara acak dari angka biner untuk
mengidentifikasi deretan yang tepat yang merepresentasikan kemungkinan pemecahan terbaik bagi
permasalahan. Sebagaimana pemecahan akan berubah dan bergabung, maka yang terburuk akan
disingkirkan dan yang lebih baik akan bertahan untuk dilanjutkan dalam menghasilkan pemecahan-
pemecahan yang lebih baik.

Algoritme genetika digunakan untuk memecahkan permasalahan yang sangat dinamis dan rumit, yang
melibatkan ratusan atau ribuan peubah atau formula. Permasalahan harus berupa salah satu di mana
kisaran kemungkinan pemecahan dapat direpresentasikan secara genetik dan kriteria dapat ditentukan
untuk mengevaluasi kesesuaian. Algoritme genetika mempercepat pemecahan karena mereka dapat
mengevaluasi banyak alternatif pemecahan dengan cepat untuk menemukan salah satu yang terbaik.
Sebagai contoh, para insinyur pada General Electric menggunakan algoritme pek membantu dalam
mengoptimalkan desain untuk mesin pesawat terbang tarbin je yang mana setiap perubahan dessin
diperlukan perubahan sampai dengan 100 peubah Perangkat Junk maniemen rantal pkan dari 12
Technologies menggunakan algoritme groetika untuk mengoptimalkan model penindesten produksi yang
memadukan ratusan ribu rincian mengu pesanan pelanggan, beterendian bahan material dan mimber daya,
kapabilitas manifaktur dan distrito, sets tanggal pengiriman.

AGEN INTELIGEN

Teknologi agen inteligen skan membantu pebonix untuk membuat navigasi melalui sejumlah besar data
untuk menempatkan dan bertindak atas informasi yang dianggap penting. Agen inteligen Cntelligent
agent) merupakan program perangkat lunak yang bekerja tamps intervensi secar langsung dari manusia
untuk melaksanakan tugas tertentu bagi seorang pengguna individual, proses hints, sta aplikasi perangkat
lunak Agen menggunakan basis pengetahuan yang dipelajari. atau dibangun untuk menyelesaikan tugas-
tugas atau mengambil keputusan dalam kepentingan pengguna, seperti menghapus e-mail sampah,
menjadwalkan janji pertemuan atas bepergian dengan menggunakan jaringan yang saling terhubung untuk
menemukan tarif pesawat yang paling murah ke California.

Terdapat banyak penerapan agen inteligen saat ini dalam sistem operasi, perangkat lunak aplikasi, sistem
e-mail, perangkat lunak komputasi mobile, dan alat bantu jaringan. Sebagai contoh. wizard yang
ditemukan dalam alat bantu perangkat lunak Microsoft Office memiliki kapabilitas yang triah ada untuk
menunjukkan kepada para pengguna bagaimana menyelesaikan tugas-tugas yang beraneka macam,
seperti memformat dokumen atau membuat grafik, dan untuk mengantisipasi ketika para penggana
memerlukan bantuan.

SISTEM AI HIBRIDA

Algoritme genetika, logika fuzzy, jaringan neural, dan sistem ahli dapat diintegrasikan ke dalam aplikasi
tunggal untuk memperoleh keunggulan dari fitur teknologi yang terbaik. Sistem-sistem seperti itu disebut
dengan sistem Al hibrida (hybrid Al systems). Aplikasi hibrida dalam bisnis terus bertumbuh. Di Jepang,
Hitachi, Mitsubishii, Ricoh, Sanyo, dan yang lainnya mulai memadukan Al hibrida dalam produk-produk
seperti misalnya peralatan rumah tangga, mesin pabrik, dan peralatan kantor. Matsushita telah
mengembangkan mesin cuci "neurofuzzy" yang memadukan logika fuzzy dengan jaringan neural. Nikko
Securities telah menjalankan sistem neurofuzzy untuk meramalkan pemeringkatkan obligasi yang dapat
dikonversi.