MENGENAL LEBIH DALAM APLIKASI PRELO

JUAL, SEWA, JASTIP (JASA TITIP)

·       PROFIL PRELO

Prelo adalah aplikasi e-commerce yang bergerak di bidang jual beli barang bekas berkualitas , sewa, dan jasa titip yang dilengkapi dengan fitur-fitur inovatif, sehingga kamu bisa bertransaksi di Prelo dengan aman dan nyaman. Aplikasi Prelo sendiri sudah ada sejak 20 November 2015. Prelo memberikan kamu garansi keamanan berbelanja dan jaminan uang kembali. Semua yang dijual di Prelo adalah barang-barang bekas atau tak terpakai yang asli alias NO KW.

·       Visi

Green Marketplace bertenagakan Teknologi dan Komunitas.

·       Misi

Memudahkan manusia untuk berniaga secara bertanggung jawab di dalam platform yang aman dan interaktif.

·       Logo Prolo

Logo Prelo menyerupai bentuk lingkaran yang diadaptasi dari Universal Recycling Symbol, yaitu simbol yang merepresentasikan inti bisnisnya sebagai suatu e-niaga yang melayani jual beli barang bekas berkualitas.

Lingkaran yang berbentuk anak panah berkelanjutan ini merupakan proses yang tidak henti dari memberi manfaat dan juga menerima keuntungan antara pihak internal Prelo (perusahaan dan karyawan) dengan pihak eksternal (masyarakat, lingkungan, dan ekonomi).

·       Link Video : https://youtu.be/9bhpTA87d0A

·       KEUNGGULAN APLIKASI PRELO

·       Fitur Tawar Menawar di Aplikasi Prelo

Keunggulan yang pertama adalah fitur tawar menawar di Prelo, Prelo menyediakan fitur chat untuk tawar menawar harga produk yang diiklankan secara langsung. Jadi pada setiap barang yang dipromosikan di Prelo, calon pembeli bisa mengajukan penawaran harga dengan fitur ini.

Penjual bisa menolak atau menerima penawaran tersebut dan melanjutkan transaksi. Adanya fitur tawar menawar harga ini menjadikan transaksi jual beli online lebih dekat dengan transaksi real di pasar fisik. Ini membuat pembeli dan penjual nyaman dalam bertransaksi karena mendapatkan harga sesuai dengan kesepakatan.

·       Marketplace Preloved Terlengkap

Jumlah barang second yang diiklankan di Prelo kini telah mencapai ribuan. Kategori barang yang dijual juga sangat lengkap di antaranya kategori fashion men, women, book, gadget, hobby, antique, beauty, baby & kids dan living. Jadi bisa dibilang, Prelo merupakan salah satu marketplace barang bekas terlengkap saat ini.

·       Sistem Pembayaran dengan Rekber

Yang saya paling suka dari Prelo adalah keamanan transaksinya, Pihak Prelo sendiri telah merancang berbagai sistem keamanan, salahsatunya keamanan dalam bertransaksi. Prelo menggunakan sistem rekber atau Rekening Bersama untuk setiap transaksi. Alasan keamanan dalam bertransaksi masih.

Untuk menghindari kecurangan, Prelo memberlakukan rekening bersama. Dalam hal ini, pembeli yang memutuskan untuk membeli barang second akan mentransfer pembayaran ke rekening bank Prelo, bukan ke rekening bank penjual secara langsung.

Sedangkan, penjual baru akan menerima pembayaran dari pembeli, jika pembeli sudah melakukan konfirmasi penerimaan barang dan melakukan review transaksi. Jika pembeli tidak melakukan review, Prelo memberlakukan batas waktu tertentu dan uang akan langsung ditambahkan ke saldo penjual.

Dengan demikian, transaksi dengan menggunakan Prelo dijamin keamanannya. Fitur ini bisa mencegah dan menghindari kecurangan di antara pembeli dan penjual.

·       Garansi uang kembali 100% Apabila Barang tidak Original

Poin Ini yang paling membedakan Prelo dengan marketplace yang lain. Prelo satu-satunya marketplace atau toko online yang berani memberikan garansi uang kembali 100% jika pembeli menerima barang bukan original alias KW atau tidak sesuai dengan deskripsi. Ketentuan ini berlaku pada barang-barang yang telah melalui proses filter oleh pihak Prelo ketika menambahkan barang untuk dijual di prelo.

Dengan adanya kebijakan ini, pembeli tidak  akan tertipu ketika membeli barang bekas dari brand tertentu yang ternyata barang KW atau palsu. Atau tidak perlu lagi ada kekhawatiran barang yang dibeli ternyata bajakan atau tidak sesuai dengan deskripsi pada lapak.

·       Fitur aplikasi yang sangat mendukung penjualan Bagi penjual

Aplikasi Prelo memberikan kemudahan dalam berjualan. Penjual bisa dengan mudah mengupload foto barang second yang akan dijual, memberikan deskripsi dan menetapkan harga jual. Semua aktivitas tersebut bisa dilakukan dengan sangat mudah hanya dengan menggunakan aplikasi prelo di smartphone anda.

Fitur yang sangat membantu bagi para pelapak di Prelo adalah adanya pemberitahuan lewat short message service  (SMS) melalui nomer hp yang terdaftar, jika ada orang yang memesan barang di lapak kita. Jadi kita tidak perlu memantau aplikasi terus menerus, penjual tetap bisa mengetahui adanya pesanan dan bisa segera memproses transaksi.

·       Badge Reputasi bagi Penjual

Pembeli dapat mengetahui reputasi lapak penjual dari barang yang akan dibeli dengan melihat badge. Penjual yang sudah aktif lama di Prelo akan menerima berbagai badge yang dapat dipergunakan untuk mengukur reputasi penjual.

Beberapa jenis badge di Prelo di antaranya adalah “The Inspector” yang diberikan kepada mereka yang melaporkan barang bermasalah, “The Authentic Club” yang mengupload barang autentik atau original, “Top Seller” yang mendapatkan predikat penjualan barang terbanyak, “Super Active User” yang aktif menggunakan aplikasi Prelo, “The Winner” yang memenangkan kompetisi yang diselenggarakan oleh Prelo.

·       Fitur Filter Barang Ketika Barang Hendak Dijual

Kelebihan lain aplikasi Prelo adalah sistem filter barang yang akan dijual, fitur ini dikhususkan bagi para penjual atau pelapak di Prelo. Ketika kita membuat unit barang baru untuk dijual maka akan ada sistem filter, apakah barang layak diiklankan di Prelo atau sebaliknya.

Prelo mengharuskan pelapak menggunakan gambar asli untuk setap barang yang akan dijualnya, selain itu barang juga harus original alias non KW. Ini yang melebihkan Prelo dari yang lainnya. Jual beli barang bekas berkualitas secara online.

·       Aplikasi Prelo yang Ringan dan Elegant

Yang terakhir, yang menjadi kelebihan aplikasi Prelo yaitu mempunyai kinerja yang baik dan ringan tidak seperti aplikasi toko online lainnya yang terkadang suka loading berat. Walaupun ringan di smarthphone aplikasi Prelo juga tidak kalah cantik dari segi design aplikasi, design fitur dan warna.

Aplikasi Prelo menggunakan warna hijau alpukat sebagai warna dominannya, hal ini membuat Aplikasi Prelo sangat nyaman digunakan.

·       KELEMAHAN APLIKASI PRELO

·       Aplikasi Masih Sering Mengalami Eror

Aplikasi prelo terkdang mengalami ganguan server seperti system ekspedisinya yang eror dan penjual sulit untuk mengupload gambar barang yang akan di jualnya dan beberapa eror system yang lain.

·       Pencairan Dana untuk Penjual yang membutuhkan Waktu yang Lama

Prelo mencairkan dana untuk penjual apabila barang yang di jual sudah sampai di tangan pembeli sehingga apabila penjual harus sabar untuk menerima pencairan dana tersebut.

·       Masih Sepi Pengguna

Aplikasi Prelo masih belum mempunyai nama atau belum terlalu terkenal dengan aplikasi jual beli barang bekas lainnya. Oleh karena itu masyarakat masih ragu untuk bertransaksi di prelo.

·       Adanya Biaya yang di Bebankan kepada Penjual dan Pembeli

Adanya peraturan penetapan charge sebesar 1% (Berdasarkan harga barang) yang di bebankan ke penjual dan pembeli di setiap transaksi.

·       Masih adanya Kecurangan yang dilakukan Pembeli maupun Penjual

Meskipun prelo menyebutkan 100% aman tetapi pada kenyataannya masih terdapat kecurangan yang beragam, dari mulai penjual yang tidak mengirim barang ataupun kecurangan yang dilakukan oleh pembeli yang melakukan return tetapi sudah di tukar.

Sumber :

·       https://prelo.co.id/

·       https://riswan.net/hariku-bersama-prelo-jual-beli-barang-bekas-berkualitas/

·       https://www.facebook.com/Prelo.ID/

JURNAL RESUME "Defining Information System Success in Canada"

Jurnal yang diresume:

Defining Information Systems Success In Canada

·       Hafid Agourram, Bishop’s University, Lennoxville, Canada

·       Bill Robson, Bishop’s University, Lennoxville, Canada

RESUME

Latar Belakang

Salah satu topik penelitian yang paling bertahan lama di bidang sistem informasi adalah keberhasilan sistem informasi (kesuksesan IS) (Markus dan Tanis, 2000). DeLone dan McLean (1992) berpendapat bahwa jika penelitian sistem informasi memberikan kontribusi di dunia praktik, ukuran hasil yang terdefinisi dengan baik sangat penting. Sukses IS sudah sebagian besar telah didokumentasikan di Amerika Utara di mana para peneliti telah mengembangkan beberapa model kesuksesan IS integratif tentatif (DeLone dan McLean, 1992, 2003; Seddon, 1997; Robey dan Boudreau, 2000). Model-model ini dikembangkan oleh Amerika Utara peneliti yang ide dan proposisinya mencerminkan, dengan cara, nilai-nilai Utara Budaya Amerika. Apalagi model ini umumnya diuji dengan Amerika Utara mata pelajaran. Namun, para peneliti lintas-budaya sebagian besar menyatakan bahwa itu tidak benar mungkin untuk mengambil model dan teori buatan AS ini dan menerapkannya konteks atau budaya yang berbeda (Hofstede, 1980; Laurent, 1983; Maurice, 1979; Tayeb, 1994; Trompenaars, 1993). Masalah ini menjadi jelas di organisasi besar atau organisasi multinasional yang melakukan kegiatan bisnis dalam budaya yang berbeda karena “makna informasi dan efektivitas suatu sistem informasi dapat bervariasi secara substansial dalam budaya yang berbeda "(Jordan, 1996, hal. 2). Sistem informasi merupakan sekumpulan komponen yang saling berhubungan, mengumpulkan, memproses, menyimpan, dan mendistribusikan informasi untuk menunjang pengambilan keputusan dan pengawasan dalam suatu organisasi. (Laudon, Kenneth C. dan Jane P, Laudon. 2008).

Perumusan Masalah

1.     Bagaimana arti sukses IS dalam budaya yang spesifik?

2.     Bagaimana pendekatan kualitatif yang di pekerjakan?

Tujuan Riset

Riset ini bertujuan untuk mengeksplorasi dan untuk menemukan arti sukses IS dalam budaya nasional yang spesifik, pendekatan kualitatif yang dipekerjakan.

Manfaat Riset

Membantu manajemen dalam mengukur organisasi apakah sudah Sukses dalam IS (sukses jangka panjang) di tingkat sistem, tingkat individu dan tingkat organisasi dengan terus mengembangkan kuesioner yang mencakup kategori yang muncul serta konsep yang sesuai.

Teori

            Teori Beralas analisis yang bertujuan untuk mengembangkan theory yang Beralas data (Myers, 1997) digunakan dalam kajian ini. Teori Beralas adalah metode di mana peneliti berusaha untuk memperoleh teori dengan menggunakan beberapa tahapan pengumpulan data dan perbaikan dan antar-hubungan kategori informasi (Strauss and Corbin, 1990). Ini adalah persis tujuan dari penelitian ini.

Relevan karena Dalam pendekatan ini, peneliti bertanggung jawab untuk mengembangkan teori-teori lain yang muncul dari pengamatan terhadap suatu kelompok. Teori-teori itu bersifat grounded dalam pengalaman-pengalaman kelompok yang diamati; tetapi peneliti menambahkan pemahamannya sendiri ke dalam pengalaman-pengalaman itu. Esensinya, teori inicberusaha mencapai suatu teori atau pemahaman konseptualcmelalui proses bertahap dan induktif.

Data-data yang dianalisis merupakan emik karena data-data itu diperoleh berdasarkan penuturan, tindakan, dan pengalaman para partisipan. Data- data itu kemudian diidentifikasi, diberi kode, dikategorikan, dan secara konstan dibandingkan satu dengan yang lain. Jika analisis dilakukan dengan baik, teori yang diperoleh akan sangat sesuai dengan fenomena yang diteliti (atau dijadikan sebagai sumber data). Dengan kata lain, ide pokok pendekatan ini adalah analisis kualitatif data lapangan yang dilakukan dengan membaca seperangkat teks (catatan lapangan, transkrip wawancara, atau dokumen-dokumen yang relevan) secara seksama (bila perlu berulang-ulang) untuk menemukan konsep-konsep atau kategori-kategori dan hubungan antar konsep maupun kategori. Tujuan teori ini adalah merekonstruksi teori-teori yang digunakan untuk memahami fenomena tersebut yangmana relevan untuk digunakan di sini.

Konsep

            Tiga elemen dasar dari teori beralas adalah: konsep, kategori dan proposisi. Konsep adalah tingkat terendah abstraksi data mentah seperti yang ditekankan oleh Corbin dan Strauss (1990). Kategori yang lebih tinggi teoritis abstraksi dari konsep. Perbedaan antara konsep-konsep dan kategori adalah tingkat teoritis abstraksi.

            Dua-tahap proses dilakukan dalam studi ini. Tahap satu keprihatinan analisis data oleh peneliti. Tahap dua, kami meminta dua ahli dalam sistem informasi dari sebuah universitas terkenal untuk memverifikasi temuan kami. Mereka diminta untuk memverifikasi bahwa masing-masing konsep milik kategori dan bahwa nama kategori secara akurat mewakili makna.

            Kasus fokus penelitian ini adalah suatu lembaga multinasional yang memiliki anak perusahaan di berbagai negara dan yang mempekerjakan sekitar 80, 000 karyawan. Kasus kami telah bergeser ke IS Standardisasi untuk mencapai tujuannya. Tujuan dari penelitian kami adalah untuk membangun makna adalah sukses di Kanada. Hal ini memungkinkan pelaksana proyek ERP standar paket untuk mempertimbangkan temuan kami dalam upaya pelaksanaan mereka dapat mengukur keberhasilan sistem dengan menggunakan kami adalah kesuksesan kategori dan konsep. Unit analisis yang responden di anak perusahaan Kanada.

Riset Sebelumnya

1.     DeLone dan McLean (1992) berpendapat bahwa jika penelitian sistem informasi memberikan kontribusi di dunia praktik, ukuran hasil yang terdefinisi dengan baik sangat penting

2.     Para peneliti lintas-budaya sebagian besar menyatakan bahwa model dan teori buatan AS ini susah diterapkannya pada konteks atau budaya yang berbeda (Hofstede, 1980; Laurent, 1983; Maurice, 1979; Tayeb, 1994; Trompenaars, 1993).

3.     Nilai-nilai dari orang-orang dalam budaya tertentu paling banyak digunakan dalam konsep atau variabel dalam lintas budaya studi (Glenn dan Glenn, 1981; Geert Hofstede, 1980; Triandis, 1982).

4.     Baligh (1994) juga berpendapat bahwa ada banyak cara untuk menggambarkan dan mendefinisikan budaya yang satu dapat memahami budaya bagiannya dan komponennya, dan keduanya terkait.

5.     Shing-Kao (1997), Kedia dan Bhagat (1988), dan Robichaux dan Cooper (1998) menambahkan bahwa mayoritas teori manajemen memiliki perspektif Barat dan, oleh karena itu, secara umum, Amerika didasarkan pada nilai-nilai yang tertanam yang mempengaruhi cara orang Amerika memandang dan pikirkan tentang dunia.

Kerangka Pemikiran

            Budaya adalah istilah yang awalnya dikembangkan di bidang Antropologi dan baru-baru ini telah menjadi area penelitian yang lazim dalam organisasi penelitian. Sayangnya, definisi yang konsisten dari konsep ambigu ini sangat sulit untuk mengisolasi (Lammers dan Hickson, 1979). Kompleksitas dari konsep budaya kemudian berasal dari banyaknya perspektif yang menyelidikinya. Satu hal yang semua peneliti setuju atas adalah kenyataan bahwa budaya berhubungan dengan orang. Namun, para peneliti berbeda pendapat bagaimana harus dipahami dan bagaimana itu dibuat.

Nilai-nilai dari orang-orang dalam budaya tertentu paling banyak digunakan dalam konsep atau variabel dalam lintas budaya studi (Glenn dan Glenn, 1981; Geert Hofstede, 1980; Triandis, 1982). Alasan untuk popularitas nilai sebagai variabel Antarbudaya penelitian adalah lapisan lebih dalam budaya; asumsi dasar yang preconscious (diambil untuk diberikan) dan kuat karena mereka kurang diperdebatkan daripada mendukung nilai-nilai (Lachman et al., 1994). Trompenaars dan Hampden-Turner (1998) menyarankan pembeda antara norma-norma dan nilai-nilai mengklaim bahwa nilai-nilai langsung perasaan kita baik dan jahat, dan norma-norma yang dasar yang sekelompok orang yang menilai sesuatu sebagai benar atau salah

Berdasarkan penelitiannya pada budaya bangsa, Geert Hofstede (1993) mengembangkan berbagai jenis organisasi model. Dari lima dimensi yang dia berkembang, "kekuatan jarak" dan "ketidakpastian penghindaran" dianggap sebagai yang paling penting dalam mempelajari organisasi budaya nasional yang berbeda. Kombinasi dimensi ini menghasilkan empat-kuadran kerangka kerja, yang mewakili profil organisasi di masing-masing organisasi model: mesin, pasar, Piramida dan keluarga. Setiap bagian dari model organisasi termasuk semua negara yang berbagi gelar umum dimensi budaya nasional.

Desain Riset

            Proses induktif diikuti dalam studi ini. Itu adalah, dari data yang didasarkan pada konteks sendiri, kami membangun IS keberhasilan model. Sejak itu, penelitian ini bertujuan untuk mengeksplorasi dan untuk menemukan arti IS sukses dalam budaya nasional yang spesifik, pendekatan kualitatif dipekerjakan. Teori yang muncul akan dikembangkan dari kata-kata dan makna mereka terkait seperti yang dijelaskan oleh para peneliti peserta

            Teori Beralas analisis yang bertujuan untuk mengembangkan theory yang Beralas data (Myers, 1997) adalah digunakan dalam kajian ini. Teori Beralas adalah metode di mana peneliti berusaha untuk memperoleh teori dengan menggunakan beberapa tahapan pengumpulan data dan perbaikan dan antar-hubungan kategori informasi (Strauss and Corbin, 1990). Ini adalah persis tujuan dari penelitian ini. Model kami yang didasarkan dari para peserta data seperti yang dikumpulkan dan dianalisis dalam konteks peserta. Tiga elemen dasar dari teori beralas adalah: konsep, kategori dan proposisi. Konsep adalah tingkat terendah abstraksi data mentah seperti yang ditekankan oleh Corbin dan Strauss (1990). Kategori yang lebih tinggi teoritis abstraksi dari konsep. Perbedaan antara konsep-konsep dan kategori adalah tingkat teoritis abstraksi.

            Dua-tahap proses dilakukan dalam studi ini. Tahap satu keprihatinan analisis data oleh peneliti. Tahap dua, kami meminta dua ahli dalam sistem informasi dari sebuah universitas terkenal untuk memverifikasi temuan kami. Mereka diminta untuk memverifikasi bahwa masing-masing konsep milik kategori dan bahwa nama kategori secara akurat mewakili makna.

Definisi dan Pengukuran Variabel

Tabel I menunjukkan jumlah data mentah keberhasilan IS di setiap tingkat: tingkat sistem, pengguna dan organisasi. Sel "lainnya" mencakup semua data yang tidak digunakan dalam analisis karena data ini tidak dapat dianggap sebagai atribut keberhasilan IS. Elemen data mentah adalah pernyataan yang diberikan oleh peserta penelitian kepada peneliti dalam menanggapi pertanyaan penelitian. Elemen data mentah juga merupakan pernyataan yang memberikan detail atau cara berbeda untuk menggambarkan fenomena yang sama. Berikut ini adalah contoh data mentah: "laporan mudah dibaca" "presentasi ini intuitif" "akses cepat ke data" "dampak pada hubungan dengan pemasok" dan "dampak pada metode kerja."

Sebanyak 356 data mentah diperoleh selama wawancara, seperti yang ditunjukkan pada Tabel I. Dari 356 ini, 227 data mentah digunakan dalam analisis kami.

Tabel II memberikan jumlah data mentah per kategori keberhasilan IS di tingkat sistem.

Populasi, Sample, dan Sampling

Populasi adalah objek yang secara keseluruhan digunakan untuk penelitian. Populasi pada penelitian ini adalah karyawan pada lembaga multinasional di kanada.

Sampel adalah bagian dari populasi sebagai contoh untuk dikenali penelitian. Sampel pada penelitian ini tertuju pada 356 karyawan.

Sampling adalah cara pengambilan sampel. Sampling pada penelitian ini menggunakan purposive sampling atau judgement sampling. Elemen sampel dipilih karena diyakini sebagai perwakilan dari populasi yang diminati dan diharapkan dapat menyediakan jawaban dari penelitian.

Metode Pengumpulan data

Pengumpulan data berlangsung dalam konteks nyata, itulah, di tempat kerja peserta penelitian. Pengumpulan data terutama didasarkan pada wawancara terbuka. Catatan dari wawancara yang diambil di atas kertas dan kebanyakan dari mereka direkam. Setelah setiap wawancara, catatan dan kaset ditinjau untuk memastikan bahwa tidak ada informasi yang relevan tidak terjawab. Setiap wawancara ditranskripsi pada komputer yang menggunakan paket pengolah kata. Itu kemudian dicetak dengan versi komputer kami catatan dan data mentah yang dihasilkan meletakkan pada kartu. Masing-masing kartu memiliki kode. Mekanisme pengkodean terstruktur sebagai berikut: tiga karakter untuk mewakili negara, angka dua digit untuk mewakili jumlah peserta dan satu karakter untuk menandakan tingkat analisis. Sebagai contoh, CAN06O, merupakan data mentah tentang IS sukses di tingkat organisasi mendefinisikan informasi sistem sukses 303 nomor Kanada enam peserta. Sembilan manajer dari berbagai daerah diwawancarai. Panjang rata-rata wawancara adalah sekitar dua jam.

Instrumen Penelitian

Dua-tahap proses dilakukan dalam studi ini. Tahap satu keprihatinan analisis data oleh peneliti. Tahap dua, kami meminta dua ahli dalam sistem informasi dari sebuah universitas terkenal untuk memverifikasi temuan kami. Mereka diminta untuk memverifikasi bahwa masing-masing konsep milik kategori dan bahwa nama kategori secara akurat mewakili makna.

Pengumpulan data terutama didasarkan pada wawancara terbuka.

Uji Kualitas data

Berikut ini adalah kategori yang muncul di tingkat sistem:

·       Kualitas data: dinyatakan dalam hal kualitas data intrinsik, kualitas data kontekstual, kualitas data representasional, dan aksesibilitas. Kategori-kategori ini dipinjam dari model Wang dan Strong (1996) yang ditunjukkan dalam lampiran;

·       Kualitas interaksi pengguna-sistem: menekankan kualitas interaksi antara pengguna dan sistem; dan

·       Kualitas sistem pemrosesan data: menekankan pada perangkat keras, jaringan, dan

·       memproses atribut dari sistem informasi yang sukses.

Teknik Analisis data

Dua-tahap proses dilakukan dalam studi ini. Tahap satu keprihatinan analisis data oleh peneliti. Tahap dua, kami meminta dua ahli dalam sistem informasi dari sebuah universitas terkenal untuk memverifikasi temuan kami. Mereka diminta untuk memverifikasi bahwa masing-masing konsep milik kategori dan bahwa nama kategori secara akurat mewakili makna.

Hasil Riset

1.     Penelitian ini bertujuan untuk mengeksplorasi dan untuk menemukan arti IS sukses dalam budaya nasional yang spesifik, pendekatan kualitatif yang dipekerjakan.

·       Ada 62 data mentah yang disajikan dalam analisis keberhasilan IS di tingkat pengguna. Diskusi berikut memberikan informasi tentang arti kategori yang muncul di tingkat pengguna.

·       Kami menemukan bahwa orang Kanada percaya bahwa IS yang baik harus memungkinkan mereka untuk mendapatkan keunggulan kompetitif dan meningkatkan hubungan dengan pelanggan, pemasok dan investor. Inovasi juga muncul di model Kanada. Ini berarti bahwa pengguna mendorong inovasi untuk mendapatkan keunggulan kompetitif. Karakteristik "individualistis" dari budaya Kanada mendukung dan membenarkan "dampak pada keterampilan dan pengetahuan individu" dan "dampak pada kategori pengguna sebagai pribadi ". Orang-orang dalam budaya "individualistis" mencari pengakuan dan promosi dan jaga diri mereka alih-alih lebih menekankan pada kelompok yang menjadi ciri budaya "kolektivis". “Kemudahan kinerja pengguna evaluasi "adalah kategori lain yang didukung oleh dimensi" individualisme ".Bahkan, karena pencapaian, promosi, dan pengakuan pribadi adalah penting, manajerperlu mencari cara mudah untuk membantu mereka memutuskan karakteristik ini.

·       Skor rendah pada "penghindaran ketidakpastian" (46) berarti bahwa orang Kanada tidak merasa terancam oleh situasi ambigu. Mereka suka berinovasi dan menghasilkan produk baru. Mereka lebih suka pendekatan kreatif. Ini terbukti dengan kategori “dampak pada keterampilan dan pengetahuan yang mengarah pada" inovasi.

·       Penulis berpendapat bahwa internasionalisasi manajemen penelitian sains yang menyangkut sistem sosial-teknis dan sosial tidak mungkin terutama karena variabel, pengukuran variabel, dan hubungan antara variabel semua dipengaruhi oleh nilai-nilai orang yang menggunakannya. Dari perspektif ini, kita menemukan bahwa keberhasilan IS, sebuah konsep yang menyangkut sistem sosial-teknis, memang terpengaruh oleh budaya nasional.

·       Penelitian kami mendukung argumen dan pernyataan ini dengan menunjukkan bahwa kesuksesan SI adalah tidak dianggap sama dalam budaya yang berbeda

Implikasi (Teoritis Atau Praktis)

Penelitian ini memiliki sifat teoritis, hasil penelitian ini akan membantu manajemen dalam mengukur kasus organisasi Sukses IS (sukses jangka panjang) di tingkat sistem, tingkat individu dan tingkat organisasi dengan terus mengembangkan kuesioner yang mencakup kategori yang muncul serta konsep yang sesuai. Selama pengukuran tugas, jika skala 1-5 digunakan, peserta pengguna akan diminta untuk melingkari nomor tersebut yang paling mencirikan persepsi nya, 1 menjadi "tidak sama sekali" dan 5 menjadi "sangat baik." Kategori serta konsepnya adalah yang kami sediakan secara terperinci dibagian analisis. Di sisi lain, penelitian kami dapat dianggap sebagai titik awal penelitian program di bidang sistem informasi. Menurut tinjauan literatur kami, penelitian kami adalah yang pertama dari jenisnya yang mencari kesuksesan SI di organisasi multinasional.

Keterbatasan Riset

Peneliti tidak mempertanyakan apakah teori yang ada valid atau tidak di tempat lain, bagaimana orang-orang di tempat berbeda memahami dan mendefinisikan objek pertanyaan penelitian.

Saran untuk Riset Selanjutnya

              Di sisi lain, penelitian kami dapat dianggap sebagai titik awal penelitian.  Ada banyak pertanyaan menarik yang bisa dipelajari oleh para sarjana lain. Pertama kita mengundang peneliti lain untuk memvalidasi temuan penelitian ini dengan memberikan survei dalam budaya nasional yang sama dan kedua, melakukan penelitian lain di nasional lain budaya. Permintaan penelitian pertama akan memuaskan siklus kedua dari setiap ilmiah penelitian. Kami puas dengan siklus pertama. Artinya, model kesuksesan IS dikembangkan menggunakan tipe pendekatan induktif. Siklus kedua akan menambah kredibilitas temuan kami dan akan meningkatkan mereka. Permintaan penelitian kedua sangat penting karena kami lakukan tidak tahu bagaimana orang-orang dalam budaya nasional lain memandang kesuksesan IS

Jika topik artikel ini akan anda jadikan topik skripsi, judul apa yang sesuai?

“Mengeksplorasi dan untuk menemukan arti IS sukses dalam budaya Indonesia”

RESUME

SISTEM INFORMASI MANAJEMEN

MANAGING KNOWLEDGE

Disusun Oleh :

1.     Heru Rubianto                    C1C016065

2.     M Fajri NP                         C1C017022

3.     Fayed Rahman Mahendra  C1C017067

4.     M Wahyu Panindra                        C1C017006

KEMENTERIAN RISET, TEKNOLOGI DAN PENDIDIKAN TINGGI

UNIVERSITAS JENDERAL SOEDIRMAN

FAKULTAS EKONOMI DAN BISNIS

2019

A.    Dimensi Pengetahuan

Manajemen pengetahuan mengacu pada serangkaian proses bisnis yang dikembangkan dalam suatu organisasi untuk membuat, menyimpan, mentransfer, dan menerapkan pengetahuan. Dengan membuat pengetahuan lebih terorganisir dan lebih mudah tersedia, maka performa bisnis juga akan turut meningkat. Memfasilitasi akses ke pengetahuan, meningkatkan kualitas dan peredaran pengetahuan serta menggunakan pengetahuan tersebut untuk meningkatkan proses bisnis sangat penting untuk keberhasilan dan keberlangsungan bisnis. Keterlambatan dalam mengakses informasi produk mengganggu efisiensi pelayanan, sementara proses serta alat yang rumit untuk mengaksees informasi yang digunakan karyawan juga menghambat operasional internal. Pengetahuan yang tidak bisa dikomunikasikan dan dibagikan ke yang lain bisa dibilang tidak berguna.

            Berdasarkan penelitian, sebagian besar nilai saham perusahaan terkait dengan aset tidak berwujudnya, dimana pengetahuan merupakan salah satu hal yang penting, bersama dengan merek, reputasi dan proses bisnis yang unik.

            Seperti manusia, organisasi menciptakan dan mengumpulkan pengetahuan menggunakan berbagai mekanisme pembelajaran organisasi. Melalui pengumpulan data, pengukuran yang cermat atas aktivitas yang direncanakan, eksperimen, dan umpan balik dari pelanggan dan lingkungan secara umum. Sistem pengetahuan yang koheren dan terorganisir juga membutuhkan data sistematis dari sistem pemrosesan transaksi perusahaan yang melacak penjualan, pembayaran, inventaris, pelanggan, dan data vital lainnya, serta data dari sumber eksternal seperti umpan berita, laporan industri, pendapat hukum, ilmiah penelitian, dan statistik pemerintah. Dapat dikatakan, organisasi yang dapat merasakan dan merespons lingkungan mereka dengan cepat akan bertahan lebih lama daripada organisasi yang memiliki mekanisme belajar yang buruk.

Ada perbedaan antara data, informasi, dan pengetahuan. Data adalah aliran peristiwa atau transaksi yang ditangkap oleh sistem organisasi yang, dengan sendirinya, berguna untuk bertransaksi tetapi hanya sedikit. Untuk mengubah data menjadi informasi yang berguna, perusahaan harus mengeluarkan sumber daya untuk mengatur data ke dalam kategori pemahaman, seperti laporan bulanan dari total penjualan berdasarkan bulanan, harian, regional, atau toko. Untuk mengubah informasi menjadi pengetahuan, perusahaan harus mengeluarkan sumber daya tambahan untuk menemukan pola, aturan, dan konteks tempat pengetahuan itu bekerja.

Setelah ditemukan, pengetahuan harus disimpan sehingga dapat diambil dan digunakan oleh karyawan sewaktu diperlukan. Penyimpanan pengetahuan biasanya melibatkan pembuatan database. Sistem manajemen dokumen yang mendigitalkan, mengindeks, dan menandai dokumen berdasarkan kerangka kerja yang koheren adalah basis data besar yang mahir menyimpan koleksi dokumen. Sistem yang mahir juga membantu perusahaan melestarikan pengetahuan yang diperoleh dengan memasukkan pengetahuan itu ke dalam proses dan budaya organisasi. Manajemen harus mendukung pengembangan sistem penyimpanan pengetahuan yang direncanakan, mendorong pengembangan skema korporasi untuk pengindeksan dokumen, dan memberi penghargaan kepada karyawan karena meluangkan waktu untuk memperbarui dan menyimpan dokumen dengan benar. Sebagai contoh, itu akan menghargai tenaga penjualan untuk mengirimkan nama-nama prospek ke database perusahaan dimana semua tenaga penjualan dapat mengidentifikasi setiap prospek dan meninjau pengetahuan yang tersimpan.

Dengan banyaknya informasi dan pengetahuan yang tersimpan, para manajer dan karyawan  menemukan yang benar-benar penting bagi keputusan dan pekerjaan mereka dengan program pelatihan, jaringan informal, dan berbagi pengalaman manajemen yang dikomunikasikan melalui budaya yang mendukung membantu para manajer memusatkan perhatian mereka pada pengetahuan dan informasi penting.

B.    Jenis Sistem Manajemen Pengetahuan

Pada dasarnya terdapat tiga jenis utama sistem manajemen pengetahuan: sistem enterprise-wide knowledge management, sistem knowledge work, dan teknik intelligent. Sistem enterprise-wide knowledge management adalah upaya yang bertujuan untuk mengumpulkan, menyimpan, mendistribusikan, dan menerapkan konten dan pengetahuan digital. Sistem ini mencakup kemampuan untuk mencari informasi, menyimpan data terstruktur dan tidak terstruktur, dan menempatkan keahlian karyawan dalam perusahaan.

Pengembangan workstation dan perangkat lunak jaringan yang kuat untuk membantu insinyur dan ilmuwan dalam penemuan pengetahuan baru telah mengarah pada penciptaan sistem knowledge work seperti computer-aided design (CAD), visualisasi, simulasi, dan sistem realitas virtual. Sistem knowledge work adalah sistem khusus yang dibangun untuk insinyur, ilmuwan, dan pekerja pengetahuan lainnya yang ditugaskan untuk menemukan dan menciptakan pengetahuan baru untuk sebuah perusahaan.

Manajemen pengetahuan juga mencakup beragam kelompok teknik intelligent, seperti data mining, expert systems, neural networks, fuzzy logic, genetic algorithms, and intelligent agents. Teknik-teknik ini memiliki tujuan yang berbeda, dari fokus menemukan pengetahuan (data mining dan neural networks), hingga menyaring pengetahuan dalam bentuk aturan untuk program komputer (expert systems and fuzzy logic), hingga menemukan solusi optimal untuk masalah (genetic algorithms) .

     Sistem manajemen pengetahuan luas perusahaan

Perusahaan harus berurusan dengan setidaknya tiga jenis pengetahuan beberapa pengetahuan berbentuk laporan dan presentasi. Pembuat keputusan juga membutuhkan pengetahuan yang terstruktur seperti email, video, gambar, dan lain-lain.

     Sistem manajemen konten perusahaan

Perusahaan saat ini perlu mengatur dan mengelola aset pengetahuannya secara terstruktur dan semi terstruktur. Pengetahuan terstruktur adalah pengetahuan yang jelas yang ada didalam dokumen formal serta aturan formal perusahaan yang diperoleh melalui pengamatan ahli prilaku dan pengambil keputusan.

Sistem manajemen konten perusahaan membantu dalam mengelola kedua jenis informasi tersebut. Sistem ini memiliki kemampuan untuk menangkap pengetahuan, penyimpanan, pengambilan distribusi, dan membantu perusahaan dalam meningkatkan proses dan keputusan bisnis. Sistem ini juga memungkinkan pengguna untuk mengakses sumber informasi eksternal.

     Sistem jaringan pengetahuan

Sistem jaringan pengetahuan menyediakan online direktori pakar korporat dalam domain dan pengetahuan yang baik, teknologi ini memudahkan karyawan dalam mendapatkan persetujuan ahli priate dalam suatu perusahaan.

     Alat kolaborasi dan manajemen pembelajaran siatem

Sistem manajemen konten perusahaan utama termasuk portal yang kuat dan teknologi kolaborasi portal pengetahuan dapat menyediakan akses ke sumber informasi eksternal serta sumber informasi internal.

     SISTEM AI HYBRID

Algoritma genetika, logika fuzzy, jaringan saraf, dan sistem pakar dapat diintegrasikan ke dalam satu aplikasi untuk memanfaatkan fitur terbaik dari teknologi ini. Sistem seperti ini disebut sistem AI hibrid. Aplikasi hibrida dalam bisnis sedang berkembang. Di Jepang, Hitachi, Mitsubishi, Ricoh, Sanyo, dan yang lainnya mulai memasukkan AI hibrida dalam produk.

     AGEN CERDAS

Teknologi agen cerdas membantu bisnis menavigasi melalui sejumlah besar data untuk mencari dan bertindak berdasarkan informasi yang dianggap penting. Cerdas agen adalah program perangkat lunak yang bekerja di latar belakang tanpa manusia langsung intervensi untuk melakukan tugas-tugas spesifik, berulang, dan dapat diprediksi untuk individu Pengguna, proses bisnis, atau aplikasi perangkat lunak.

     KNOWLEDGE WORKERS AND KNOWLEDGE WORK

Perusahaan juga memiliki sistem khusus untuk pekerja pengetahuan untuk membantu mereka menciptakan pengetahuan baru dan memastikan bahwa pengetahuan ini terintegrasi dengan baik ke dalam bisnis.

Pekerja pengetahuan melakukan tiga peran kunci yang sangat penting kepada organisasi dan para manajer yang bekerja di dalam organisasi:

• Mempertahankan organisasi saat ini dalam pengetahuan saat berkembang di eksternal dunia dalam teknologi, sains, pemikiran sosial, dan seni

• Berfungsi sebagai konsultan internal mengenai bidang pengetahuan mereka, the perubahan yang terjadi, dan peluang

• Bertindak sebagai agen perubahan, mengevaluasi, memulai, dan mempromosikan proyek perubahan

     REQUIREMENTS OF KNOWLEDGE WORK SYSTEMS

Sistem ini membutuhkan daya komputasi yang cukup untuk menangani grafik canggih atau perhitungan rumit yang diperlukan untuk pekerja pengetahuan tersebut sebagai peneliti ilmiah, perancang produk, dan analis keuangan. Karena pekerja pengetahuan sangat fokus pada pengetahuan di dunia luar, ini sistem juga harus memberi pekerja akses cepat dan mudah ke basis data eksternal. Mereka biasanya menampilkan antarmuka yang ramah pengguna yang memungkinkan pengguna untuk melakukan tugas-tugas yang dibutuhkan tanpa harus menghabiskan banyak waktu untuk belajar cara menggunakan sistem. Pekerja berpengetahuan tinggi dibayar menyia-nyiakan pekerja berpengetahuan waktu terlalu mahal.

     Teknologi

               Augmented reality adalah cara baru yang menarik untuk menciptakan pengalaman yang lebih kaya dan lebih interaktif antar pengguna di  masa depan. 

     TEKNIK 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. Mereka bisa temukan pola, kategori, dan perilaku yang mendasari dalam kumpulan data 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 untuk dianalisis manusia sendiri. 

               Teknik kecerdasan lain yang dibahas dalam bagian ini didasarkan pada teknologi kecerdasan buatan (AI), yang terdiri dari sistem berbasis komputer (baik perangkat keras maupun perangkat lunak) yang berupaya meniru perilaku manusia. Sistem seperti itu akan dapat belajar bahasa, menyelesaikan tugas fisik, menggunakan alat persepsi, dan meniru keahlian manusia dan pengambilan keputusan. Meskipun aplikasi AI tidak menunjukkan luasnya, kompleksitas, orisinalitas, dan generalisasi kecerdasan manusia, mereka memainkan peran penting dalam manajemen pengetahuan kontemporer. 

     MENANGKAP PENGETAHUAN : Sistem Pakar

               Sistem pakar adalah teknik cerdas untuk menangkap pengetahuan diam-diam dalam domain keahlian manusia yang sangat spesifik dan terbatas. Sistem ini menangkap pengetahuan karyawan yang terampil dalam bentuk seperangkat aturan dalam sistem perangkat lunak yang dapat digunakan oleh orang lain dalam organisasi. Seperangkat aturan dalam sistem pakar menambah memori, atau pembelajaran tersimpan, dari perusahaan. 

               Sistem pakar tidak memiliki luas pengetahuan dan pemahaman prinsip dasar dari seorang ahli manusia. Mereka biasanya melakukan tugas yang sangat terbatas yang dapat dilakukan oleh para profesional dalam beberapa menit atau jam, seperti mendiagnosis mesin yang rusak atau menentukan apakah akan memberikan kredit untuk pinjaman. Sistem pakar dapat memberikan manfaat, membantu organisasi membuat keputusan berkualitas tinggi dengan lebih sedikit orang. Saat ini, sistem pakar banyak digunakan dalam bisnis dalam situasi pengambilan keputusan yang terpisah dan sangat terstruktur.

     Bagaimana Sistem Pakar Bekerja

               Pengetahuan manusia harus dimodelkan atau diwakili sedemikian rupa sehingga komputer dapat memproses. Sistem pakar memodelkan pengetahuan manusia sebagai seperangkat aturan yang secara kolektif disebut basis pengetahuan. Sistem pakar memiliki 200 hingga ribuan aturan ini, tergantung pada kompleksitas masalahnya.

               Strategi yang digunakan untuk mencari melalui basis pengetahuan disebut mesin inferensi. Dua strategi yang umum digunakan:

·       Forward Chaining

Dalam forward chaining, mesin inferensi dimulai dengan informasi yang dimasukkan oleh pengguna dan mencari basis aturan untuk sampai pada kesimpulan. Strateginya adalah menembak, atau melaksanakan, tindakan aturan ketika suatu kondisi benar

·       Backward Chaining

Dalam backward chaining, strategi untuk mencari basis aturan dimulai dengan hipotesis dan dilanjutkan dengan mengajukan pertanyaan kepada pengguna tentang fakta yang dipilih sampai hipotesis dikonfirmasi atau ditolak.

     KECERDASAN ORGANISASI: ALASAN BERBASIS KASUS

               Sistem pakar terutama menangkap pengetahuan diam-diam dari para ahli individu, tetapi organisasi juga memiliki pengetahuan dan keahlian kolektif yang telah mereka bangun selama bertahun-tahun. Pengetahuan organisasi ini dapat ditangkap dan disimpan menggunakan penalaran berbasis kasus. Dalam case based reasoning (CBR), deskripsi pengalaman masa lalu dari spesialis manusia, yang direpresentasikan sebagai case, disimpan dalam database untuk pengambilan nanti ketika pengguna menemukan case baru dengan parameter yang sama. Sistem mencari case yang disimpan dengan karakteristik masalah yang mirip dengan yang baru, menemukan yang paling cocok, dan menerapkan solusi dari kasing lama ke kasing baru. Solusi yang berhasil ditandai untuk kasus baru dan keduanya disimpan bersama dengan kasus lain di basis pengetahuan.

     JARINGAN SARAF

               Jaringan saraf digunakan untuk memecahkan masalah yang kompleks dan kurang dipahami dimana data dalam jumlah besar telah dikumpulkan. Mereka menemukan pola dan hubungan dalam jumlah besar data yang akan terlalu rumit dan sulit untuk dianalisis manusia. Jaringan saraf menemukan pengetahuan ini dengan menggunakan perangkat keras dan perangkat lunak yang paralel dengan pola pemrosesan otak biologis atau manusia. Jaringan saraf "mempelajari" pola dari sejumlah besar data dengan menyaring data, mencari hubungan, membangun model, dan memperbaiki kesalahan model itu sendiri. Jaringan saraf memiliki sejumlah besar penginderaan dan pemrosesan node yang terus-menerus berinteraksi satu sama lain

     ALGORITMA GENETIKA     

               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 diilhami oleh biologi evolusi, seperti pewarisan, mutasi, seleksi, dan crossover (rekombinasi).

               Algoritma genetik mencari populasi string biner digit yang dihasilkan secara acak untuk mengidentifikasi string yang tepat yang mewakili solusi terbaik untuk masalah tersebut. Saat solusi berubah dan bergabung, yang terburuk dibuang dan yang lebih baik bertahan untuk terus menghasilkan solusi yang lebih baik.