Modul ke:
Fakultas
Program Studi
TEKNOLOGI INFROMASI DAN
SISTEM INFORMASI MANAJEMEN
(SIM)
Manajemen Pengetahuan dan Program-Program Manajemen Pengetahuan Dalam Bisnis
Prof. Dr. Ir. H. Hapzi Ali, MM
12
Pasca Sarjana
Magister Akuntansi
Manajemen Pengetahuan dan Program-Program
Manajemen Pengetahuan Dalam Bisnis
1. Bidang Manajemen Pengetahuan
2. Sistem Manajemen Pengetahuan Keseluruhan
Perusahaan
3. Sistem Kerja Pengetahuan
4. Teknik Cerdas
1.
Bidang Manajemen Pengetahuan
Dimensi Pengetahuan Yang Penting
• Sistem manajemen pengetahuan di antara daerah yang paling
cepat berkembang dari investasi perangkat lunak
• ekonomi informasi
– 55% angkatan kerja AS: pengetahuan dan informasi pekerja
– 60% PDB AS dari sektor pengetahuan dan informasi
• Substansial bagian dari nilai pasar saham perusahaan yang
terkait dengan aset tidak berwujud: pengetahuan, merek, reputasi, dan proses bisnis yang unik
• Proyek berbasis pengetahuan dilaksanakan dengan baik dapat
Dimensi Pengetahuan Yang Penting
• Dimensi penting dari pengetahuan
– Pengetahuan adalah aset perusahaan
• berwujud
• Penciptaan pengetahuan dari data, informasi,
membutuhkan sumber daya organisasi
• Seperti yang dibagikan, mengalami efek jaringan
– Pengetahuan memiliki bentuk yang berbeda
• Mungkin eksplisit (didokumentasikan) atau tacit (yang
berada dalam pikiran)
• Tahu-bagaimana, kerajinan, keterampilan
• Cara mengikuti prosedur
Dimensi Pengetahuan Yang Penting
• Dimensi penting dari pengetahuan (cont.)
– Pengetahuan memiliki lokasi
• acara kognitif
• Baik sosial dan individu
• "Sticky" (sulit untuk bergerak), yang terletak (terjerat dalam budaya perusahaan), kontekstual (bekerja hanya dalam situasi tertentu)
– Pengetahuan adalah situasional
• Bersyarat: Mengetahui kapan harus menerapkan
prosedur
• Kontekstual: Mengetahui keadaan untuk menggunakan
Dimensi Pengetahuan Yang Penting
• Untuk mengubah informasi menjadi pengetahuan, perusahaan
harus mengeluarkan sumber daya tambahan untuk
menemukan pola, aturan, dan konteks di mana karya-karya pengetahuan
• kebijaksanaan:
– Pengalaman kolektif dan individu menerapkan pengetahuan untuk memecahkan masalah
– Melibatkan mana, kapan, dan bagaimana menerapkan pengetahuan
• Mengetahui bagaimana melakukan hal-hal secara efektif dan
efisien dengan cara-cara lain tidak dapat menduplikasi adalah sumber utama dari keuntungan dan keunggulan kompetitif
Dimensi Pengetahuan Yang Penting
•
pembelajaran organisasi
–
Proses di mana organisasi belajar
•
Mendapatkan
pengalaman
melalui
pengumpulan data, pengukuran, trial and error,
dan umpan balik
•
Menyesuaikan perilaku untuk mencerminkan
pengalaman
–
Buat proses bisnis baru
–
Perubahan pola pengambilan keputusan
manajemen
Dimensi Pengetahuan Yang Penting
• Pengetahuan manajemen: Mengatur proses bisnis yang
dikembangkan dalam suatu organisasi untuk membuat, menyimpan, mentransfer, dan menerapkan pengetahuan
• Pengetahuan manajemen rantai nilai:
– Setiap tahap menambah nilai data mentah dan informasi
yang mereka berubah menjadi pengetahuan yang dapat digunakan
1. akuisisi pengetahuan
2. penyimpanan pengetahuan 3. diseminasi pengetahuan 4. aplikasi pengetahuan
Rantai Nilai Manajemen Pengetahuan
• Pengetahuan rantai nilai manajemen
1. akuisisi pengetahuan
• Mendokumentasikan pengetahuan tacit dan eksplisit
– Menyimpan dokumen, laporan, presentasi, praktik
terbaik
– Dokumen tidak terstruktur (misalnya, e-mail)
– Mengembangkan jaringan pakar secara online
• menciptakan pengetahuan
Rantai Nilai Manajemen Pengetahuan
• Nilai manajemen pengetahuan rantai (cont.)
2. penyimpanan pengetahuan
• database
• Dokumen sistem manajemen
• Peran manajemen:
– Pengembangan dukungan sistem penyimpanan
pengetahuan direncanakan
– Mendorong pengembangan skema
perusahaan-lebar untuk dokumen pengindeksan
– Karyawan hadiah untuk mengambil waktu untuk
memperbarui dan menyimpan dokumen dengan benar
Rantai Nilai Manajemen Pengetahuan
•
Nilai manajemen pengetahuan rantai (cont.)
3. diseminasi pengetahuan
•
portal
•
Mendorong laporan e-mail
•
search engine
•
alat kolaborasi
•
Sebuah banjir informasi?
–
Program pelatihan, jaringan informal, dan
berbagi pengalaman manajemen bantuan
manajer
memusatkan
perhatian
pada
informasi penting
Rantai Nilai Manajemen Pengetahuan
•
Nilai manajemen pengetahuan rantai (cont.)
4. aplikasi pengetahuan
•
Untuk memberikan pengembalian investasi,
pengetahuan organisasi harus menjadi bagian
yang sistematis dari manajemen pengambilan
keputusan dan menjadi terletak di sistem
pendukung keputusan
–
Praktek bisnis baru
–
Produk dan layanan baru
–
pasar baru
Rantai Nilai Manajemen Pengetahuan
• Manajemen pengetahuan hari ini melibatkan kedua kegiatan sistem informasi dan sejumlah memungkinkan manajemen dan kegiatan organisasi.
Rantai Nilai Manajemen Pengetahuan
• Peran organisasi baru dan tanggung jawab
– Kepala eksekutif perwira pengetahuan
– Dedicated staf / manajer pengetahuan
– Masyarakat dari praktek (COP)
• Jaringan sosial informal profesional dan karyawan di
dalam dan di luar perusahaan yang memiliki kegiatan yang berhubungan dengan pekerjaan yang sama dan kepentingan
• Kegiatan meliputi pendidikan, newsletter online,
berbagi pengalaman dan teknik
• Memfasilitasi penggunaan kembali pengetahuan, diskusi
Jenis Sistem Manajemen Penegtahuan
• 3 jenis utama dari sistem manajemen pengetahuan:
1. Sistem manajemen pengetahuan perusahaan-lebar
• Tujuan umum upaya perusahaan-lebar untuk mengumpulkan, menyimpan, mendistribusikan, dan menerapkan konten digital dan pengetahuan
2. Sistem kerja pengetahuan (KWS)
• Sistem khusus dibangun untuk insinyur, ilmuwan, pekerja
pengetahuan lainnya didakwa dengan menemukan dan
menciptakan pengetahuan baru 3. teknik cerdas
• Berbagai kelompok teknik seperti data mining yang digunakan untuk berbagai tujuan: menemukan pengetahuan, pengetahuan penyulingan, menemukan solusi optimal
Jenis Sistem Manajemen Penegtahuan
• Ada tiga kategori utama dari sistem manajemen pengetahuan, dan masing-masing dapat dibagi lebih lanjut ke jenis yang lebih khusus dari sistem manajemen pengetahuan.
2.
Sistem Manajemen Pengetahuan
Keseluruhan Perusahaan
Sistem Pengetahuan Terstruktur
• Tiga jenis utama dari pengetahuan dalam perusahaan
1. dokumen terstruktur
• Laporan, presentasi
• aturan formal
2. dokumen semiterstruktur
• E-mail, video
3. Terstruktur, pengetahuan tacit
• 80% dari konten bisnis organisasi adalah semistructured atau
Sistem Pengetahuan Terstruktur
•
Sistem manajemen konten perusahaan
–
Bantuan menangkap, menyimpan, mengambil,
mendistribusikan, melestarikan
• Dokumen, laporan, praktik terbaik
• Pengetahuan semiterstruktur (e-mail)
–
Membawa sumber eksternal
• Feed berita, penelitian
Sistem Pengetahuan Terstruktur
• Sebuah sistem manajemen konten perusahaan memiliki kemampuan untuk mengklasifikasi, mengatur, dan mengelola pengetahuan terstruktur dan semi terstruktur dan membuatnya tersedia di seluruh perusahaan.
•
Sistem manajemen konten perusahaan
–
Key masalah - Mengembangkan taksonomi
• Objek pengetahuan harus dengan kategori untuk
pengambilan tag
–
Sistem manajemen aset digital
• Sistem manajemen konten khusus untuk
mengklasifikasikan, menyimpan, mengelola data digital tidak terstruktur
Sistem Jaringan Pengetahuan
•
Sistem jaringan pengetahuan
– Menyediakan direktori online ahli perusahaan di terdefinisi domain pengetahuan
– Gunakan teknologi komunikasi untuk memudahkan bagi
karyawan untuk menemukan ahli yang tepat dalam sebuah perusahaan
– Mungkin sistematisasi solusi yang dikembangkan oleh para
ahli dan menyimpannya dalam database pengetahuan • -Praktek terbaik
Sistem Jaringan Pengetahuan
• Sebuah jaringan pengetahuan memelihara database ahli perusahaan, serta solusi diterima untuk masalah yang dikenal, dan kemudian memfasilitasi komunikasi antara karyawan mencari pengetahuan dan ahli yang memiliki pengetahuan itu. Solusi diciptakan dalam komunikasi ini kemudian ditambahkan ke database solusi dalam bentuk FAQ, praktik terbaik, atau dokumen lainnya.
Teknologi Pendukung
•
Portal dan kolaborasi teknologi
–
Portal pengetahuan perusahaan: Akses informasi
eksternal dan internal
1. Feed berita, penelitian
2. Kemampuan untuk e-mail, chat, konferensi video, diskusi
–
Penggunaan teknologi Web konsumen
1. blog 2. wiki
Manajemen Pembelajaran
•
Belajar sistem manajemen
–
Menyediakan
alat-alat
untuk
manajemen,
pengiriman, pelacakan, dan penilaian berbagai
jenis pembelajaran dan pelatihan karyawan
–
Mendukung beberapa mode pembelajaran
• CD-ROM, kelas berbasis web, forum online, instruksi
langsung, dll
–
Mengotomatisasi seleksi administrasi kursus
–
Merakit dan memberikan konten pembelajaran
–
Tindakan efektivitas belajar
3.
Sistem Kerja Pengetahuan
Sistem Kerja Pengetahuan
• Sistem kerja pengetahuan
– Sistem bagi pekerja pengetahuan untuk membantu menciptakan pengetahuan baru dan mengintegrasikan pengetahuan dalam bisnis • pekerja pengetahuan
– Para peneliti, desainer, arsitek, ilmuwan, insinyur yang menciptakan pengetahuan bagi organisasi
– Tiga peran kunci:
1. Menjaga organisasi saat ini dalam pengetahuan
2. Melayani konsultan sebagai internal mengenai bidang keahlian mereka
3. Bertindak sebagai agen perubahan, mengevaluasi, memulai, dan mempromosikan proyek-proyek perubahan
Persyaratan Sistem Kerja Pengetahuan
• Persyaratan sistem kerja pengetahuan
– Daya komputasi yang besar untuk grafis, perhitungan yang
rumit
– Grafis yang kuat dan alat analisis
– Komunikasi dan manajemen dokumen
– Akses ke database eksternal
– Interface yang user-friendly
– Dioptimalkan untuk tugas-tugas yang akan dilakukan
Sistem Kerja Pengetahuan
• Sistem kerja pengetahuan memerlukan hubungan yang kuat dengan basis
Contoh Sistem Kerja Pengetahuan
• Contoh sistem kerja pengetahuan
– CAD (Computer Aided Design):
• Penciptaan teknik atau arsitektur desain – Virtual reality sistem:
• Mensimulasikan lingkungan kehidupan nyata
• 3-D model medis untuk dokter bedah
• Augmented reality (AR) sistem
• VRML
– Workstation Investasi:
• Merampingkan proses investasi dan
mengkonsolidasikan internal data eksternal untuk broker, pedagang, manajer portofolio
4.
Teknik Cerdas
Sistem Ahli
• Teknik cerdas: Digunakan untuk menangkap pengetahuan
individu dan kolektif dan untuk memperluas basis
pengetahuan
– Untuk menangkap pengetahuan tacit: Sistem pakar,
penalaran berbasis kasus, logika fuzzy
– Penemuan pengetahuan: Jaringan saraf dan data mining
– Menghasilkan solusi untuk masalah yang kompleks:
algoritma genetika
– Tugas mengotomatisasi: agen Cerdas
• Artificial intelligence (AI) teknologi:
Sistem Ahli
• Sistem pakar:
– Menangkap pengetahuan tacit dalam domainnya sangat
spesifik dan terbatas keahlian manusia
– Menangkap pengetahuan karyawan yang terampil
sebagaimana aturan dalam sistem perangkat lunak yang dapat digunakan oleh orang lain dalam organisasi
• Biasanya melakukan tugas-tugas tertentu yang mungkin
memakan waktu beberapa menit atau jam, misalnya:
• Mendiagnosis mesin rusak
– Menentukan apakah untuk memberikan kredit untuk
pinjaman
Sistem Ahli
• Sistem pakar berisi sejumlah aturan yang harus diikuti. Aturan saling berhubungan; jumlah hasil dikenal di muka dan terbatas; ada beberapa jalur untuk hasil yang sama; dan sistem dapat mempertimbangkan beberapa aturan pada satu waktu. Aturan digambarkan adalah untuk sistem pakar kredit pemberian sederhana.
Sistem Ahli
• Sistem pakar Bagaimana kerja
– Pengetahuan dasar: Set ratusan atau ribuan aturan
– Mesin inferensi: Strategi yang digunakan untuk mencari
basis pengetahuan
• Forward chaining: mesin inferensi dimulai dengan
informasi yang dimasukkan oleh pengguna dan
pencarian basis pengetahuan untuk sampai pada kesimpulan
• Backward chaining: Dimulai dengan hipotesis dan
mengajukan pertanyaan-pertanyaan pengguna sampai hipotesis dikonfirmasi atau disangkal
Sistem Ahli
• Sebuah mesin inferensi bekerja dengan mencari melalui aturan dan "menembak"
aturan-aturan yang dipicu oleh fakta yang dikumpulkan dan dimasukkan oleh pengguna. Pada dasarnya, koleksi aturan mirip dengan serangkaian bersarang IF pernyataan dalam program perangkat lunak tradisional; Namun, besarnya pernyataan dan tingkat bersarang jauh lebih besar dalam sistem pakar.
Sistem Ahli
• Sistem pakar sukses
– Con-Way Transportasi dibangun sistem pakar untuk
mengotomatisasi dan mengoptimalkan perencanaan rute pengiriman semalam untuk bisnis angkutan truk-nasional
• Kebanyakan sistem pakar menangani masalah klasifikasi
– Memiliki relatif sedikit hasil alternatif
– Hasil yang mungkin dikenal di muka
• Banyak sistem pakar membutuhkan pengembangan dan
pemeliharaan upaya besar, panjang, dan mahal
– Mempekerjakan atau pelatihan lebih ahli mungkin lebih
Penalaran Berbasis Kasus
• Penalaran berbasis kasus (CBR)
– Deskripsi dari pengalaman masa lalu spesialis manusia
(kasus), disimpan dalam basis pengetahuan
– Pencarian sistem untuk kasus dengan karakteristik masalah
yang sama dengan yang baru, menemukan cocok terdekat, dan berlaku solusi dari kasus lama ke kasus baru
– Aplikasi sukses dan berhasil dikelompokkan dengan kasus
– Menyimpan kecerdasan organisasi: Pengetahuan dasar
terus diperluas dan disempurnakan oleh pengguna
– CBR ditemukan di
• Sistem diagnostik medis
Sistem Ahli
• Penalaran berbasis kasus merupakan pengetahuan sebagai database kasus masa
lalu dan solusi mereka. Sistem ini menggunakan proses enam-langkah untuk menghasilkan solusi untuk masalah baru yang dihadapi oleh pengguna.
Sistem Logika Fuzzy
• Sistem logika fuzzy
– Teknologi berbasis aturan yang mewakili ketidaktepatan
digunakan dalam kategori linguistik (misalnya, "dingin", "keren") yang mewakili rentang nilai
– Menggambarkan fenomena tertentu atau proses bahasa
dan kemudian menyatakan bahwa deskripsi dalam sejumlah kecil aturan yang fleksibel
– Memberikan solusi untuk masalah yang memerlukan
keahlian yang sulit untuk mewakili dengan IF-THEN aturan
• Autofocus di kamera
• Mendeteksi kemungkinan penipuan medis
Sistem Logika Fuzzy
• Fungsi keanggotaan untuk suhu masukan disebut dalam logika termostat untuk mengontrol suhu kamar. Fungsi keanggotaan membantu menerjemahkan ekspresi linguistik seperti hangat ke nomor yang komputer dapat memanipulasi.
Jaringan Saraf Tiruan
• jaringan saraf
– Menemukan pola dan hubungan dalam jumlah besar data terlalu rumit bagi manusia untuk menganalisis
– "Belajar" pola dengan mencari hubungan, membangun model, dan mengoreksi lagi dan lagi
– Manusia "kereta" jaringan dengan memberi makan input data untuk yang output diketahui, untuk membantu jaringan saraf belajar solusi dengan contoh
– Digunakan dalam pengobatan, ilmu pengetahuan, dan bisnis untuk masalah dalam pola klasifikasi, prediksi, analisis keuangan, dan kontrol dan optimasi
– Pembelajaran mesin: terkait teknologi AI memungkinkan komputer untuk belajar dengan penggalian informasi dengan menggunakan perhitungan dan metode statistik
• Sebuah jaringan saraf menggunakan aturan itu "belajar" dari pola dalam data untuk membangun lapisan tersembunyi logika. Lapisan tersembunyi kemudian memproses input, mengelompokkan mereka berdasarkan pengalaman model. Dalam contoh ini, jaringan saraf telah dilatih untuk membedakan antara pembelian kartu kredit yang valid dan penipuan
Algoritma Genetik
• algoritma genetika
– Berguna untuk mencari solusi optimal untuk masalah
khusus dengan memeriksa jumlah yang sangat besar kemungkinan solusi untuk masalah itu
– Konseptual berdasarkan proses evolusi
• Cari di antara variabel solusi dengan mengubah dan
reorganisasi komponen menggunakan proses seperti warisan, mutasi, dan seleksi
– Digunakan dalam masalah optimasi (minimalisasi biaya,
penjadwalan efisien, desain mesin jet optimal) di mana ratusan atau ribuan variabel yang ada
Algoritma Genetik
Sistem AI Hibrida
•
Sistem AI Hybrid
–
Algoritma genetika, logika fuzzy, jaringan saraf, dan
sistem pakar diintegrasikan ke dalam aplikasi
tunggal untuk mengambil keuntungan dari fitur
terbaik dari masing-masing
–
Misalnya, Matsushita "neuro" mesin cuci yang
menggabungkan logika fuzzy dengan jaringan saraf
Agen Inteligen
• agen cerdas
– Bekerja di latar belakang untuk melaksanakan tertentu, berulang-ulang, dan tugas diprediksi untuk pengguna, proses, atau aplikasi
– Gunakan terbatas built-in atau belajar pengetahuan dasar untuk menyelesaikan tugas-tugas atau membuat keputusan atas nama pengguna
• Menghapus junk e-mail
• Menemukan tiket pesawat termurah – Berbasis agen aplikasi pemodelan:
• Sistem agen otonom
• Perilaku model konsumen, pasar saham, dan rantai pasokan; digunakan untuk memprediksi penyebaran epidemi
Kepustakaan
1. Kenneth C Laudon and Jane P. Laudon, 2012, Management Information System : Managing
The Digital Firm.
2. Romney, Marshall B., dan Paul John Steinbart, 2008, Accounting Information System. Global Edition
3. James A. Hall, 2008, Sistem Informasi Akuntansi, edisi 5,Salemba Empat, Jakarta 4. Krismiaji, 2013 Sistem Informasi Akuntansi, edisi 4, YKPN, Yogyakarta.
Anjuran :
1. Hapzi Ali & Tonny Wangdra, 2010, Sistem Informasi Bisnis “SI-Bis” Dalam Prospektif Keunggulan
Kompetitif, Baduose Media
2. Hapzi Ali & Tonny Wangdra, 2010, Techopreneurship, Dalam Perspektif Bisnis Online, Baduose Media.
3. Hapzi Ali, 2009, Sistem Informasi Manajemen, Berbasis Teknologi Informasi, Hasta Cipta
Mandiri, Jogyakarta,.
4. HM. Jogiyanto, 2002, Analisis & Disain Sistem Infromasi : Pendekatan Terstruktur, Teori dan
Praktek Aplikasi Bisnis, Jogyakarta : Penerbit ANDI.
5. James A. Brain, 2005, Introduction to Information System, Perspektif Bisnis dan Managerial (terjemahah), Salemba Empat.
