Review Literatur - Management Information Systems oleh James A. O’Brien

Rifki Irawan - P056120222.41E
Mahasiswa Pascasarjana MB IPB

Chapter 10 Section 1

A.      Pendukung Keputusan Dalam Bisnis

Ketika perusahaan bermigrasi ke model e-business yang responsif, mereka melakukan investasi pada kerangka kerja aplikasi pendukung berdasarkan data yang membantu mereka merespons secara tepat perubahan pada kondisi pasar dan kebutuhan pelanggan. Agar sukses dalam bisnis saat ini, perusahaan membutuhkan sistem informasi yang dapat mendukung kebutuhan pengambilan keputusan dan berbagai informasi dari manajer dan praktisi bisnis. Internet, intranet dan teknoilogi informasi lainnya yang berbasis Web dalam mendukung aktivitas pengambilan keputusan dari setiap manajer dan pekerja yang berpengetahuan dalam bisnis. Infromasi, Keputusan, dan Manajemen.

Jenis informasi yang dibutuhkan oleh pengambil keputusan di dalam suatu perusahaan berhubungan langsung dengan tingkat pengambilan keputusan manajemen dan jumlah struktur dalam situasi keputusan yang mereka hadapi. Kerangka kerja Piramidal Manajerial klasik masih dapat diterapkan saat ini padaorganisasi yang dirampingkan dan didatarkan atau struktur organisasi non-hierarkis. Tingkat pengambilan keputusan manajemen masih ada, namun ukuran, bentuk, dan pesertanya terus berubah seiring dengan evolusi struktur organisasi saat ini. Jadi, tingkat pengambilan keputusan manajemen yang harus didukung oleh teknologi infomasi dalam organisasi yang sukses adalah:

A). Manajemen Strategis. Umumnya, dewan direksi dan komite eksekutif yang  terdiri dari CEO dan eksekutif atas mengembangkan tujuan umum organisasi,  strategi, kebijakan, dan tujuan sebagai bagian dari proses perencanaan strategis.  Mereka juga mengawasi kinerja strategis organisasi dan arah keseluruhannya dalam lingkungan politik, ekonomi, dan bisnis yang kompetitif.

B). Manajemen Taktis. Semakin banyak praktisi bisnis dalam tim mandiri serta manajer unit bisnis yang mengembangkan rencana jangka pendek dan jangka menengah, jadwal, dan anggaran serta menentukan kebijakan, prosedur, dan tujuan bisnis untuk subunit mereka di perusahaan. Mereka juga mengalokasikan sumber daya dan mengawasi kinerja sub unit organisasi mereka, termasuk departemen, divisi, tim proses, tim proyek, dan kelompok kerja lainnya.

C). Manajemen Operasional. Anggota tim mandiri atau manajer operasional mengembangkan rencana jangka pendek seperti jadwal produksi mingguan. Mereka mengarahkan penggunaan sumebr daya dan kinerja tugas berdasarkan prosedur dan sesuai dengan anggaran dan jadwal yang mereka tetapkan untuk tim tersebut dan kelompok kerja di organisasi.

B.      Kualitas Informasi

Apa karateristik yang akan membuat produk informasi bernilai dan bermanfaat bagi Anda? Salah satu cara untuk menjawab pertanyaan penting ini adalah dengan menguji karateristik atau atribut Kualitas Informasi. Informasi yang kuno, tidak akurat, atau sulit dipahami tidak akan sangat berarti, berguna atau bernilai bagi para praktisi bisnis lainnya. Kita memerlukan informasi berkualitas tinggi, yaitu produk informasi yang memiliki karateristik, atribut, atau kualitas yang membuat informasi lebih bernilai. Informasi perlu dipandang memiliki tiga dimensi: waktu, isi, dan bentuk. Gambar dibawah ini meringkas atribut yang penting dari kualitas informasi dan mengelompokkannya ke dalam tiga dimensi tersebut.

C.     Struktur Keputusan

Keputusan yang dibuat pada tingkat manajemen operasional cenderung lebih terstruktur, sedangkan keputusan pada tingkat taktis lebih semiterstruktur, dan keputusan pada tingkat strategis lebih tak terstruktur. Keputusan yang terstruktur melibatkan situsi di mana prosedur yang diikuti ketika keputusan diperlukan, dapat disebutkan lebih awal. Keputusan tak terstruktur melibatkan situasi keputusan di mana tidak mungkin menentukan lebih awal mengenai prosedur keputusan yang harus diikuti. Akan tetapi, kebanyakan keputusan bersifat semiterstruktur.

Maksudnya, beberapa prosedur keputusan dapat ditentukan, namun tidak cukup untuk mengarah ke suatu keputusan yang direkomendasikan. Misalnya, keputusan mengenai peluncuran layanan e-commerce yang baru atau membuat perubahan besar mengnai tunjangan karyawan akan berada pada jangkuan tak terstruktur hinggan semiterstruktur. Gambar berikut menyediakan berbagai contoh keputusan bisnis menurut jenis terstruktur keputusan dan tingkat manajemen.

Dengan demikian, sistem informasi harus dirancang untuk menghasilkan berbagai produk informasi untuk memenuhi kebutuhan pengambil keputusan yang berubah-ubah di dalam organisasi. Misalnya, pengambil keputusan pada tingkat manajemen strategis dapat menggunakan sistem keputusan (detection support system-DSS) untuk mendapatkan laporan yang tak terjadwal, adalah hoc, dan lebih ringkas, peramalan, dan kecerdasan eksternal untuk mendukung perencanaan mereka yang lebih tak terstruktur dan tanggung jawab pembuatan kebijakan. Di sisi lain, pengambil keputusan pada tingkat manajemen operasional dapat bergantung pada sistem informasi manajemen untuk menyediakan laporan internal yang telah ditentukan sebelumnya dengan penekan pada perbandingan data yang lama dan yang sekarang guna mendukung tanggung jawab mereka yang lebih terstruktur untuk operasional sehari-hari.

D.     Tren Pendukung Keputusan

Penggunaan sistem informasi untuk mendukung pengambilan keputusan bisnis telah menjadi alah satu tujuan utama dari penggunan teknologi. Akan tetapi, selama tahun 1990-an, baik peneliti akademik maupun praktisi bisnis melaporkan bahwa fokus manajerial tradisional yang berasal dari sistem informasi manajemen yang klasik (1960-an), sistem pendukung keputusan (1970-an), sistem informasi eksekutif (1980) terus meluas. Kecepatan perkembangan teknologi informasi seperti hardware komputer, dan paket software DSS/EIS membuat pendukung keputusan tersedia bagi manajemen tingkat bawah, serta bagi individu non-manajerial dan tim mandiri dari praktisi bisnis. Tren ini telah mengalami percepatan seiring dengan pertumbuhan yang sangat cepat dari Internet serta intranet dan ekstranet dari perusahaan yang menggunakan Internet dan  pemilik kepentingannya.

Inisiatif e-business dan ecommerce yang sedang diimplementasikan oleh banyak perusahaan juga memperluas ekspektasi serta penggunaan informasi dan pendukung keputusan dari karyawan, manajer, pelanggan, pemasok, dan mitra bisnis lainnya. Pertumbuhan ekstranet dan intrnet korporat, serta Internet, telah mempercepat pengembangan dan penggunaan pengiriman informasi “kelas eksekutif” dan alat software pendukung keputusan oleh manajemen dari tingkat yang lebih rendah dan oleh individu dan tim praktisi bisnis. Selain itu, ekspansi yang dramatis ini telah membuka pintu ke penggunaan alat seperti kecerdasan bisnis (business intellegence-BI) oleh pemasok, pelanggan, dan pemilik kepentingan bisnis lainnya dari suatu perusahaan untuk manajemen hubungan pelanggan, manajemen rantai pasokan, dan aplikasi e-business lainnya. Beberapa teknologi informasi utama yang dibuat secara khusus, pribadi, dan berbasis Web untuk menyediakan infomasi bisnis utama dan alat analisis untuk manajer, praktisi bisnis, dan pemilik kepentingan bisnis.

E.      Sistem Informasi Manajemen

Sistem Informasi Manajemen adalah jenis awal dari sistem informasi yang dikembangkan untuk mendukung pengambilan keputusan manajerial . SIM mengahsilkan prosuk informasi yang mendukung banyak kebutuhan pengambilan keputusan harian dari para manajer dan praktisi bisnis. Laporan, tampilan, dan respons yang dihasilkan oleh sistem informasi manajemen menyediakan informasi yang telah ditetapkan oleh para pengambil keputusan pada tingkat operasional dan taktis di organisasi yang dihadapi dalam situsi keputusan yang lebih terstruktur. Misalnya, amajer penjualan sangat bergantung pada laporan analisis penjualan untuk mengevaluasi perbedaaan kinerja antartenaga penjual yang menjual jenis produk yang sama ke jenis pelanggan yang sama. Mereka memiliki ide yang cukup baik untuk informasi mengenai hasil penjualan seperti lini produk, wilayah penjualan, pelanggan, tenaga penjual dll, agar mereka dapat mengelola kinerja penjualan dengan efektif. Manajer dan pengambilan keputusan bisnis lainnya menggunakan SIM untuk memeproleh informasi mengenai tempat kerja mereka yang berjaringan yang mendukung aktivitas pengambilan keputusan mereka.

Informasi ini dapat berbentuk laporan periodik, pengecualian, dan permintaan. Browser Web, program aplikasi, dan software manajemen database menyediakan akses ke informasi di intranet dan database operasional lainnya di dalam organisasi. Database operasional dipertahankan oleh sistem pemrosesan informasi. Data mengenai lingkungan bisnis diperoleh dari Intranet atau database ekstranet jika dieprlukan.  Alternatif Pelaporan Manajemen SIM menyediakan berbagai produk informasi bagi para manajer. Ada empat alternatif pelaporan utama yang disediakan oleh sistem ini.

1.      Laporan Terjadwal secara Periodik (Periodic Scheduled Reports). Bentuk tradisional penyediaan informasi bagi manajer dengan menggunakan format yang telah ditentukan dan menyediakan informasi secara rutin kepada manajer. Contoh laporan terjadwal secara periodik adalah laporan analisis penjualan harian dan mingguan dan laporan keuangan bulanan.

2.       Laporan Pengecualian (Exeption Reports). Dalam beberapa kasus, laporan dibuat hanya jika terjadi kondisi pengecualian. Dalam kasus lainnya, laporan dibuat secara periodik namun hanya berisi informasi mengenai kondisi pengecualian tersebut. Misalnya, manajer kredit dapat diberi laporan yang hanya berisi informasi mengenai pelanggan yang melewati batas kreditnya. Pelaporan pengecualian mengurangi kelebihan informasi, sehingga tidak perlu memberikan seluruh laporan aktivitas bisnis secara rinci bagi pengambil keputusan.

3.      Laporan Permintaan dan Tanggapan (Demand reports and Renponses). Informasi tersedia kapanpun manajer menginginkannya. Misalnya, browser Web dan bahasa permintaan DBMS serta penghasil laporan (reports generator) memungkinkan manajer di tempat kerja komputer untuk memperoleh tanggapan langsung atau menemukan dan mendapatkan laporan tertentu sebagai hasil dari permintaan informasi yang mereka butuhkan. Jadi, manajer tidak harus menunggu laporan periodik untuk tiba sesuai yang dijadwalkan.

4.      Pelaporan Dorong (Push Reporting). Informasi didorong ke manajer di tempat kerja berjaringan. Jadi, banyak perusahaan sedang menggunakan software penyiaran Web (webcasting) untuk menyiarkan laporan secara selektif dan informasi lainnya ke komputer berjaringan milik para manajer atau pakar melalui intranet perusahaan

F.      Pemrosesan Analitis Online

Pemrosesan Analitis Online atau Online Analytical Processing-OLAP memungkinkan manajer dan analis untuk secara interakfit menguji dan memanipulasi sejumlah besar data yang rinci danterkonsolidasi dari banyak perspektif. OLAP mencakup analisis hubungan yang rumit antara ribuan atau bahkan jutaan data yang disimpan dalam data mart, gudang data, dan database

Multidimensi lainnya untuk menemukan pola, tren, dan kondisi pengecualian. Sesi OLAP dilakukan secara online dan langsung, dengan respons yang cepat ke permintaan manajer dan analis, sehingga proses analisis atau pengambilan keputusan tidak terganggu. Pemrosesan analitis online melibatkan beberapa operasional analitis dasar, termasuk konsolidasi, drill down (penggalian), slicing and dicing (pengirisan dan pemotongan)

a)      Konsolidasi. Konsolidasi melibatkan pengumpulan data. Hal ini dapat melibatkan pengumpulan sederhana atau pengelompokan yang rumit dengan melibatkan data yang saling berhubungan. Misalnya data kantor penjualan dapat dikumpulkan ke wilayah, dan wilayah ke regional.

b)     Penggalian. OLAP dapat bergerak ke arah kebalikan dan secara otomatis menampilkan rincian data yang telah dikonsolidasikan. Ini disebut penggalian. Misalnya, penjualan menurut prduk individual atau staf penjualan yang menghasilkan total penjualan regional dapat dengan mudah diakses.

c)      Pengirisan dan Pemotongan. Pengirisan dan pemotongan merujuk pada kemampuan untuk melihat database dari penjualan dapat menunjukkan semua penjualan dari satu jenis prosuk secara regional. Irisan yang lain dapat menunjukkan semua penjualan menurut saluran penjualan dari setiap produk. Pengirisan dan pemotongan sering dilakukan sejalan dengan sumbu waktu untuk menganalisis tren dan menemukan pola berbasis waktu pada data.

G.     Sistem Pendukung Keputusan

Sistem Pendukung Keputusan (Decision Support System-DSS) adalah sistem informasi berbasis komputer yang menyediakan dukungan informasi yang inetraktif bagi manajer dan praktisi bisnis selama proses pengambilan keputusan. Sistem pendukung keputusan menggunakan:

1.      Model analitis

2.      Database khusus

3.      Penilaian dan pandangan pembuat keputusan

4.      Proses pemodelan berbasis komputer yang interaktif untuk mendukung pembuatan keputusan bisnis yang semiterstruktur dan tak terstruktur.

Contoh:

Manajer penjualan biasanya bergantung pada sistem informasi manajemen untuk membuat laporan analisis penjualan. Laporan ini berisi angka kinerja penjualan menurut lini produk, tenaga penjual, wilayah penjualan, dll. Di lain pihak, sistem pendukung keputusan juga akan secara interaktif menunjukkan kepada manajer penjualan pengaruh berbagai faktor seperti pengeluaran promosi dan kompensasi tenaga penjualterhadap kinerja penjualan. DSS dapat menggunakan beberapa kriteria seperti margin kotor yang diharapkan dan pangsa pasar untuk mengevaluasi dan mengurutkan beberapa kombinasi alternatif dari faktor-faktor kinerja penjualan.

Sistem DSS didesain sebagai sistem respons cepat dan ad hoc yang diawali dan dikendalikan oleh pengambil keputusan bisnis. Sistem pendukung keputusan dapat secara langsung mendukung jenis keputusan khusus dan gaya pengambilan keputusan pribadi serta kebutuhan eksekutif, manajer, dan praktisi bisnis secara individual.

Komponen DSS

Berbeda dengan SIM, Sistem Pendukung Keputusan bergantung pada Model Bases (basis model) dan database sebagai sumber daya sistem yang vital. Basis model dss adalah komponen software yang trdiri dari model-odel yang digunakan dalam rutinitas komputasional dan analitis yang secara matematis menyatakan hubungan antarvariabel. Misalnya, program Spreadsheet berisi model yang menyatakan hubungan akuntansi sederhana antara berbagai variabel, seperti Pendapatan – Beban = Laba. Atau basis model DSS dapat mencakup model-model dan teknik analitis yang digunakan untuk menyatakan hubungan yang jauh lebih kompleks. Misalnya, DSS dapat mencakup model pemrograman linear, model peramalan regresi ganda, dan model nilai sekarang penganggaran modal. Model-model seperti ini dapat disimpan dalam bentuk Template atau model Spreadsheet, atau program statistik dan matematis serta modul program.

Paket software DSS dapat mengombinasikan komponen model untuk membuat model terpadu yang mendukung jenis keputusan tertentu. Software DSS biasanya terdiri atas rutinitas pemodelan analitis yang telah dibangun dan juga memungkinkan Anda untuk membangun odel Anda. Banyak paket DSS yang saat ini tersedia dalam mikrokomputer dan versi berbasis Web. Tentu saja, paket Spreasheet elektronik juga menyediakan beberapa bangunan model spreasheet dan pemodelan analitis yang ditawarkan oleh software DSS yang berdaya lebih tinggi.

Sistem Visualisasi dan Informasi Geografis

Geographic Information System-GIS (sistem informasi geografis) dan Data Visualization System-DVS (sistem visalisasi data) adalah kategori khusus dari DSS yang memadukan grafis komputer dengan fitur DSS lainnya. Sistem informasi geografis adalah DSS yang menggunakan database geografis untuk membuat dan menampilkan peta dan tampilan grafis lainnya yang mendukung keputusan mengenai distribusi geografis orang-orang an sumber daya lainnya.

Global Positioning

System-GPS (sistem penempatan global) untuk membantu mereka memilih lokasi toko ritel yang baru, mengoptimakan rute disribusi, atau menganalisis demografi pasar sasaran mereka. Misalnya, perusahaan seperti Levi Strauss, Arby’s, Consolidated Rail, dan Federal Expresss menggunakan paket GIS untuk memadukan peta, grafik, dan data geografis lainnya dengan data bisnis dari spreasheet dan paket statistik. Software GIS seperti MapInfo dan GIS Atlas digunakan dalam banyak aplikasi GIS bisnis. DVS menunjukkan data yang rumit dengan menggnakan bentuk grafis tiga dimensi yang inetraktif, seperti bagan, grafik, dan peta. Alat DVS membantu pemakai untuk secara interaktif mengurutkan, membagi, menggabungkan, dan mengatur data dalam bentuk grafis. Hal ini membantu pemakai untuk menemukan pola, hubungan, dan anomali dalam data ilmiah atau bisnis dalam penemuan pengetahuan secara interaktif dan proses pendukung keputusan. Aplikasi bisnis seperti penambangan data biasanya menggunakan grafik inetraktif yang memungkinkan pemakai menggali data secara langsng dan memanipulasi data model bisnis untuk membantu menjelaskan maknanya untuk pengambilan keputusan bisnis.

Penggunaan Sistem Pendukung Keputusan

Penggunaan Decision Support System-DSS (sistem pendukung keputusan) melibatkan proses Analytical Modelling (pemodelan analitis) yang interaktif. Misalnya, penggunaan paket software DSS untuk pendukung keputusan dapat menghasilkan berbagai tampilan sebagai respons terhadap alternatif perubahan jika-maka yang dimasukkan oleh manajer. Hal ini berbeda dari respons permintaan dari sistem informasi manajemen, karena pengambil keputusan tidak meminta infomasi yang telah ditentukan sebelumnya. Sebaliknya, mereka mengeksplorasi alternatif yang memungkinkan. Jadi, mereka tidak perlu menentukan kebutuhan informasi mereka di depan. Melainkan, mereka menggunakan DSS untuk menemukan informasi yang mereka butuhkan untuk membantu mereka membuat keputusan. Itu adalah inti dari konsep sistem pendukung keputusan. Penggunaan sistem pendukung keputusan melibatkan empat jenis dasar aktivitas pemodelan analitis:

1. Analisi jika-maka

2. Analisis sensitivitas

3. Analisis pencarian sasaran

4. Analisis optimisasi

Analisis Jika-Maka

Analisis What-if (jika-maka), seorang pemakai akhir membuat perubahan etrhadap variabel, atau hubungan antarvariabel, dan mengamati perubahan yang dihasilkan dalam nilai variabel lainnya. Misalnya, jika Anda menggunakan spreasheet, anda mungkin mengubah jumlah pendapatan (variabel) atau rumus tarif pajak (hubungan antravariabel) dalam model spreasheet keuangan sederhana. Kemudian anda dapat meminta program spreasheet untuk secara instan menghitung ulang semua variable yang terpengaruh di dalam spreasheet. Pemakai manajerial akan sangat tertarik dalam mengamati dan mengevaluasi perubahan yang terjadi terhadap nilai di spreasheet, khususnya variabel seperti laba bersih. Bagi banyak manajer, laba bersih adalah contoh bottom-line (garis dasar), yaitu faktor kunci dalam membuat keputusan apapun. Analisis seperti ini akan diulangi hingga manajer pusat dengan apa yang ditunjukkan oleh hasilnya mengenai pengaruh berbagai keputusan yang mungkin dilakukan.

Analisis Sensitivitas

Analisis Sensitivitas adalah kasus khusus dari analisis jika-maka. Umumnya, nilai dari satu variabel diubah berulang-ulang dan hasil perubahan pada variabel lainnya diamati. Jadi, analisis sensitivitas sebenarnya adalah kasus analisis jika-maka yang melibatkan perubahan yang berulang-ulang terhadap satu variabel. Beberapa pkaet DSS secara otomatis membuat perubahan kecil ke satu variabel ketika diminta melakukan analisis sensitivitas. Umumnya, analisis sensitivitas digunaka ketika pengambil keputusan tidak yakin dengan asumsi yang dibuat dalam memperkirakan nilai beberapa variabel utama. Dalam contoh spreasheet, nilai pendapatan dapat diubah secara berulang-ulang dengan peningkatan kecil, dan pengaruhnya terhadap variabel spreasheet lainnya diamati dan dievaluasi. Hal ini akan membantu manajer memahami dampak berbagai tingkat pendapatan etrhadap faktor-faktor lain yang terlibat dalam keputusan yang dipertimbangkan.

Analisis Pencarian Sasaran

Goal Seeing (analisis pencarian sasaran) membalikkan arah analisis yang dilakukan dalam jika-maka dan sensivitas. Analisis ini tidak mengamati bagaimana perubahan satu variabel mempengaruhi variabel lainnya. Analisis pencarian sasaran yang juga disebut How Can (bagaimana bisa) menetapkan nilai sasaran (tujuan umum) untuk satu variabel dan kemudian secara berulang-ulang mengubah variabel lainnya hingga nilai sasarn tercapai. Mislanya, anda dapat menentukan nilai sasaran $2 juta untuk laba bersih bagi suatu bisnis. Kemudian Anda dapat secara berulang-ulang mengubah nilai pendapatan dan pengeluaran dalam model spreasheet hingga hasil $2 juta tercapai. Jadi, Anda akan menemukan berapa jumalh pendapaatan atau tingkat pengeluaran yang perlu dicapai oleh suatu bisnis untuk mencapai sasaran laba bersih $2 juta. Dengan demikian, bentuk pemodelan analisis ini akan membantu menjawab pertanyaan, “Bagaimana kita bisa mencapai laba bersih $2 juta?”, bukan pertanyaan, “Apa yang terjadi jika kita mengubah pendapatan dan pengeluaran?” Jadi, analisis pencarian sasaran adalah salah satu metode penting dari pendukung keputusan.

Analisis Optimisasi

Analisis optimisasi adalah perluasan yang lebih rumit dari analisis pencarian sasaran. Sasarannya bukan nilai sasaran etrtentu untuk suatu variabel, melainkan untuk mencari nilai optimium untuksatu atau beberapa variabel diubah secara berulang-ulang, berdasarkan batasan tertentu, hingga nilai terbaik untuk variable sasaran ditemukan. Misalnya, anda dapat mencoba menentukan tingkat laba tertinggi yang dapat dicapai dengan mengubah nilai sumber pendapatan tertentu dan kategori pengeluaran. Perubahan pada variabel tersebut dapat terikat pada batasan seperti kapasitas proses produksi atau batasan pembiayaan yang tersedia.

Optimisasi umumnya dicapai dengan menggunakan software seperti Solver dalam Microsoft Excel dan paket software lainnya untuk teknik optimisasi seperti pemrograman linear.

Sistem Informasi Eksekutif

Executive Information Systems-EIS adalah sistem informasi yang menggabungkan berbagai fitur sistem informasi manajemen dan sistem pendukung keputusan. Ketikapertama kali dikembangkan, fokusnya adalah untuk memenuhi kebutuhan informasi strategis manajemen tingkat atas. Jadi, tujuan pertama dari sistem informasi eksekutif adalah untuk menyediakan akses informasi yang mudah dan cepat kepada eksekutif tingkat atas mengenai Critical Success Factors-CSF (faktorfaktor penentu keberhasilan) perusahaan, yaitu faktor-faktor utama yang penting untuk mencapai tujuan strategis organisasi. Misalnya, para eksekutif di jaringan toko ritel akan memepertimbangkan faktor-faktor seperti hasil penjualan ecommerce dan tradisional, atau bauran lini produksinya sebagi faktor penentu untuk tetap bertahan dan sukses.

Sistem Manajemen Pengetahuan

Knowledge Management Systems-KMS (sistem manajemen pengetahuan) sebagai penggunaan teknologi informasi untuk membantu mengumpulkan, mengatur, dan saling berbagi pengetahuan bisnis di dalam organisasi. Di banyak organisasi, database hipermedia di situs Web intranet korporat telah menjadi basis pengetahuan untuk penyimpanan dan penyebaran pengetahuan bisnis. Pengetahuan ini sering berbentuk best practise, kebijakan, dan solusi bisnis di tingkat proyek, tim, unit bisnis, dan tingkat perusahaan.

Chapter 10 Section 2

Kecerdasan Buatan dan Teknologi dalam Bisnis

Kecerdasan buatan (Artificial Inteligence/AI) dipraktekkan dalam bisnis dengan berbagai cara. Kecerdasan Buatan /AI sendir merupakan ranah teknologi dan sains yang berasal dari ilmu komputer, biologu, psikologi, ilmu bahasa, matematika dan ke-teknikan (enginering).Dengan kehadiran kecerdasan buatan tersebut komputer diharapkan memiliki kemampuan untuk berfikir sebaik mungkin seperti halnya manusia. Komputer juga didorong mampu berfungsi layaknya kecerdasan manusia sebagaimana digambarkan dalam tabel berikut:

Kehadiran teknologi kecerdasan buatan sempat diragukan kemampuannya ketika pertama kali dicetuskan pada tahun 1950an. Banyak pakar dengan berbagai latar belakan mempertanyakan kemampuan dari kecerdasan buatan tersebut. Alan Turing, sebagai pelopor kecerdasan buatan kala itu mengajukan metode untuk mengetahui sejauhmana kemampuan komputer dalam berfikir layaknya manusia. Walaupun penelitian serupa terus dikembangkan, hal tersebut belum dapat meredam berbagai kritik dan keraguan atas teknologi kecerdasan buatan. Salah satu metode turunan dari Turin adalah CAPTCHA (Completely Automated Public Turing test to tell Computer and Human Apart). Test CAPTCHA tersebut pada mulanya berupa serangkaian proses yang diciptakan oleh manusia untuk mengetes komputer, namun saat ini digunakan sebaliknya yaitu diciptakan (create) oleh komputer untuk mengetes manusia. Karena komputer pada umumnya  tidak dapat lolos dari tes CAPTCHA, sehingga bisa dipastikan bahwa yang bisa melalui ter tersebut adalah manusia. Praktek semacam ini banyak diimplementasikan pada transaksi melalui Web.

Ruang Lingkup Kecerdasan Buatan

Gambar diatas menjelaskan ruang lingkup utama dari kecerdasan buatan yang terdiri dari tiga aspek utama yaitu kognitif, robotik dan natural interface, walaupun dimungkinkan adanya aspek lain dan adanya tumpang tindih antar aspek. Untuk itu diperlukan pembahasan terperinci dari tiga aspek tersebut sebagai berikut:

1.   Kognitif, merupakan area kecerdasan buatan yang bersumber dari ilmu biologi, neurologi, psikologi matematik dan berbagai disiplin lainnya. Aspek ini berfokus pada upaya bagaimana otak manusia bekerja untuk berfikir dan belajar serta berbasis pada penelitian tentang bagaimana manusia memproses informasi. Penggunaan kecerdasan buatan dalam aspek ilmu kognitif dapat dicontohkan sebagai berikut:

•      penggunaan  expert system dan knowledge based system

•      sistem logika fuzzy, untuk memproses data yang tidak lengkap, ambigu dan permasalahan yang bersifat semi struktural

•      Jaringan saraf tiruan mampu bekerja dengan mengenali pola dan mencari solusi dengan pola tersebut

•       Algoritma genetika bekerja layaknya teori Darwin yang dapat mensimulasikan proses evolusi

•       Inteligence Agent, menggunakan expert system dan berbagai teknologi dalam kecerdasan buatan untuk menggantikan peran manusia dalam bidang tertentu 

2.     Robotik, berdasar pada ilmu keteknikan, psikologi dan kecerdasan buatan sehingga memungkinkan robot memiliki  daya melihat, menilai sesuatu, meraba dan ketangkasan dalam menangani atau memanipulasi. Juga dimungkinkan dalam aktivitas lokomosi dan pergerakan suatu barang dari area satu ke area lain atau menentukan tujuan pergerakan.

3.     Natural Interface, Pengembangan natural interface dilandasi keinginan penggunaan komputer secara alami, sebagai contohnya adalah pengenalan bahasa alami dan pengenalan suara. Kedua hal tersebut menjadi objek pengembangan pada aspek natural interface. Keinginan untuk menjadikan komputer dan robot mampu memahami bahasa manusia menjadikan berbagai riset tentang aspek ini berkembang.

Sistem Pakar (Expert System)

Salah satu penggunaan kecerdasan buatan yang paling populer adalah sistem pakar. Sistem pakar bermula dari sistem informasi pengetahuan (knowledge based), dan digunakan secara spesifik dan pada permasalahan yang kompleks guna berperan layakanya konsultan ahli. Sistem pakar memungkinkan mendukung keputusan karena mampu memberikan sejumlah alasan terhadap suatu permasalahan yang membutuhkan pengetahuan tertentu. Sistem pakar memiliki dua komponen yaitu dasar pengetahuan dan software. Pengetahuan berisi kejadian atau fakta tentang subjek  dan tatacara penilaian terhadap subjek. Sedangkan sofware memuat program-program untuk melakukan pendugaan dan media berkomunikasi dengan pengguna.

Sistem pakar bertindak layaknya konsultan. Menanyakan sejumlah pertanyaan kepada pengguna, melakukan pencarian terhadap pengetahuan dan metode yang berkaitan dengan pertanyaan kemudian menyusun sejumlah argumen dan saran terhadap suatu subjek permasalahan. Penggunaan sistem pakar kini kian meluas ke berbagai bidang profesi seperti mendiagnosa penyakit, menganalisa kandungan bahan, memberi saran rekomendasi atas perbaikan, membimbing konsumen  atau melakukan perencanaan keuangan. Sehingga dari sudut pandang bisnis, sistem pakar dapat dilibatkan dalam proses atau siklus  bisnis.

Sistem pakar mendapatkan pengetahuan dari para ahli, dan bisa melampaui kinerja seorang pakar. Hal tersebut dimungkinkan karena sistem pakar tidak mengenal lelah, dapat menampung informasi dari banyak pakar dengan sekaligus dan bekerja lebih cepat dan konsisten. Sistem pakar mampu melestarikan kepakaran seseorang dan menyimpannya. sehingga perusahaan tidak perlu khawatir kehilangan pakarnya dikarenakan pakar tersebut berhenti dari perusahaan. Terlebih lagi, sistem pakar memungkinkan pengetahuan yang dimiliki dan terekam didalamnya untuk dibagi dan digunakan secara bersama.

Kelemahan dari sistem pakar ada pada ketidakmampuan untuk belajar, tidak fokus, perawatan dan pengembangan. Sistem pakar hanya dapat menyelesaikan permasalahan yang spesifik karena keterbatasan bahan pengetahuan yang dimiliki dan tidak dapat menyelesaikan masalah yang bersifat subjektif. Sistem pakar mampu menghasilkan analisisis tajam terhadap objek yang dikuasainya, namun lemah terhadap penunjangan keputusan yang bersifat subjektif. Secara teknis, perawatan dan pengemabngan dari sistem pakar membutuhkan biaya yang tidak sedikit. Juga sistem pakar tidak dapat belajar dari pengetahuan yang dimilikinya secara mandiri melainkan harus diajarkan.

Pengembangan Sistem Pakar

expert system shell (ESS) digunakan sebagai alat bantu pengembangan sistem pakar. Metode tersebut meruapakan cara termudah untuk mengembangkan sistem tersebut.  ESS merupakan paket software berisis sistem pakar tanpa fasilitas pemrograman, karena inti dari sistem pakar adalah pengetahuan. ESS kadang dilengkapi dengan fitur tambahan seperti editor dan pengolah antar muka.  ESS saat ini semakin mudah digunakan, bahkan pengembang yang tidak memiliki latar belakang teknologi informasi dapat mengembangkan sistem pakar. Kemudahan juga diperoleh dari variasi biaya paket software ESS.

Dalam pengembangan sistem pakar dikenal knowledge engineer, yaotu seseorang yang bertugas memasukkan pengetahuan yang didapat dari para pakar kedalam sistem. Proses pengambilan pengetahuan tersebut memerlukan kepakaran tersendiri, oleh karena itu pengetahuan yang telah dimasukkan kedalam sistem oleh engineer harus dites terlebih dahulu. Posisi knowledge engineer mirip dengan analis sistem informasi.

Ketika suatu perusahaan memutuskan untuk membuat suatu sistem pakar, maka diperlukan knowledge engineer dan para ahli. Knowledge engineer membantu para ahli untuk merancang sistem pakar dengan bantuan ESS. Para ahli juga menentukan modul dan metode apa yang digunakan oleh sistem untuk menilai dan menyelesaikan permasalahan berdasarkan kepakaran. Proses tersebut bisa jadi dilakukan berulang-ulang agar sistem pakar dapat menyamai output yang dihasilkan oleh para ahli.

Jaringan Saraf Tiruan (Neural Network)

Neural network merupakan model komputasi yang menyerupai kerja jejaring interkoneksi pada otak manusia yang disebut neuron. Seperti halnya kerja otak manusia, jejaring sarat tiruan dapat belajar dari data-data yang dimasukkan  untuk menghasilkan pola dan hubungan antar data tersebut. Semakin banyak data yang bisa dimasukkan, semakin bagus output yang dihasilkan karena komputer akan terus belajar dari data yang baru diinputkan. Sebagai contoh, dari sejumlah data karakteristik nasabah kredit dan data kualitas pinjaman, memungkinkan bagi sistem yang bekerja dengan jejaring saraf tiruan untuk mengenali karakter peminjam seperti apa yang akan berpotensi masalah, begitu pula sebaliknya. Untuk menghasilkan akurasi yang tinggi, jejaring saraf tiruan harus  terus senantiasa dilatih dengan menginput sejumlah data dengan beragam variasi karakter.

Logika Fuzzy

Walaupun sederhana namun logika fuzzy merupakan aplikasi yang sangat serius digunakan sebagai kecerdasan buatan untuk aplikasi bisnis. Metode fuzzy bekerja layaknya manusia berpendapat, karena seringkali manusia berpendapat yang sifatnya subjektif. Logika fuzzy mampu bekerja dengan data yang sifatnya ambigu, tidak tegas dan menghasilkan keputusan yang sifatnya perkiraan dan berada diantara dua hal yang diperbandingkan.

Bagaimana logika fuzzy dapat menghasilkan output yang sifatnya tidak presisi? Penjelasannya sebagai berikut:

Ketika data yang dinput bersifat ambigu dan tidak sempurnya, metode fuzzy mampu menghasilkan kesimpulan dengan cepat namun dapat diterima dari data tersebut. Sekalipun metode fuzzy bekerja dengan situasi yang tidak presisi, namun logika fuzzy bukanlah suatu yang sifatnya tidak pasti dan tidak presisi, karena logika fuzzy mampu memberi ketepatan yang berguna dalam pengambilan keputusan.

Penggunaan logika fuzzy banyak ditemukan di Jepang namun masih jarang diaplikasikan di Amerika Serikat. Pelaku bisnis di AS lebih banyak menggunakan sistem pakar dan jejaring saraf tiruansebagai implementasi kecerdasan buatan. Jepang telah mampu mengaplikasikan logika fuzzy pada perangkat mikroprosesor, sehingga berbagai produk elektronik asal Jepang yang menggunakan mikroprosesor dilengkapi dengan logika fuzzy.

Algoritma genetika

Penggunaan algoritma genetika saat ini sedang berkembang. Metode algoritma genetik mengikuti teori seleksi alam Darwin, pengacakan dan beberapa fungsi matematis untuk mensimulasikan proses evolusi yanang nantinya dapat berguna bagi keputusan bisnis. Proses ini dapat menyingkat waktu mengingat proses evolusi yang terjadi dialam berlangsung ribuan tahun, sedangkan melalui algoritma genetikaproses tersebut dapat berjalan dengan singkat. Penggunaan algoritma genetika khususnya berguna bagi perusahaan yang telah memiliki sejumlah solusi yang pernah dipraktekkan namun masih dinilai perlu untuk memilih mana yang terbaik dari sekian banyak solusi tersebut. Algoritma genetik menggunakan sejumlah proses matematis untuk memilih secara acak (random) dan menseleksi output mana yang baik dan mana yang lemah sehingga yang tersisa adalah solusi yang paling baik dan optimal.

Realita Virtual

Realita virtual merupakan simulasi dunia nyata via komputer. Realita Virtual mengalami peningkatan pengunaan paling cepat dibanding model kecerdasan buatan lainnya karena lebih natural, realistik dan melibatkan interaksi antara indra manusia dan antarmuka komputer. Realita Virtual juga sering dikenal dengan telepresence. Penggunaan multi sensor dalam realita virtual dan memungkinkan bertinteraksi dengan panca indra lainnya menjadikan pengguna realita virtual memberikan pengalaman tersendiri bagi pengguna. Teknologi realita virtual memungkinkan interaksi dan penyajian data dalam kacamata video, earphone dan sensor-sensor yang mendeteksi pergerakan sejumlah organ tubuh.

Penggunaan teknologi realita virtual sangat luas seperti  teknik CAD (Computer Aided Design), simulasi penerbangan, diagnosa medis, percobaan ilmiah di bidang fisika dan biologi, hiburan, demo produk, dan games. Teknik CAD paling banyak digunakan dalam bisnis. Teknik tersebut memungkinkan desainer atau arsitek melakukan tes terhadap desain yang telah dibuat tanpa harus membuat rancangan fisiknya terlebih dahulu. Visualisasi yang dihasilkan dapat dimanfaatkan oleh praktisi farmasi untuk mengembangkan bahan pengobatan baru atau menjadi model pengganti tubuh manusia.

Teknologi realita virtual dikatakan telepresence apabila digunakan oleh seorang atau banyak orang di berbagai tempat secara bersamaan.

(Irawan, 2013)