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.