SISTEM DUKUNGAN MANAJERIAL

Sebuah sistem dukungan keputusan (DSS) adalah sistem berdasarkan komputer yang hampir selalu interaktif dan dirancang untuk membantu manajer (atau pengambil keputusan lainnya) dalam mengambil keputusan. DSS memadukan data maupun contoh untuk membantu pengambil keputusa mengatasi suatu masalah, khususnya masalah yang tak terstruktur dengan baik. Datanya sering dihali dari sebuah sistem pengolahan transaksi atau gudang data, tetapi hal ini tidak selalu menjadi masalah. Contohnya bisa sederhana, seperti contoh untung dan rugi untuk menghitung laba dengan asumsi tertentu atau kompleks, seperti contoh optimasi untuk mengusulkan penimbunan masin-mesin di sebuah bengkel kerja. DSS dan beberapa sistem yang dibahas pada bagian-bagian berikut ini tidak selalu dibenarkan oleh pendekatan manfaat-kerugian tradisional; untuk sistem ini, beberapa manfaatnya tidak nyata, seperti pengambilan keputusan yang lebih cepat dan pemahaman data dengan lebih baik.

Semua contoh DSS yang dikutip lebih tepat disebut DSS khusus. Ini merupakan aplikasi yang sesungguhnya yang membantu dalam proses pengambilan keputusan. Sebaliknya, sebuah generator sistem dukungan keputusan adalah sebuah paket software yang menyediakan seperangkat kemampuan untuk membuat DSS khusus dengan cepat dan mudah untuk membiarkan DSS berjalan di atas panggung komputer tertentu.

PENGGALIAN DATA

Penggalian data menggunakan berbagai macam teknologi (seperti pohon keputusan dan jaringan syaraf) untuk mencari, atau “menambang” “gumpalan” kecil informasi dari banyaknya data yang tersimpan di gudang data organisasi. Penggalian data, yang kadang-kadang dianggap sebagai sub rangkaian sistem dukungan keputusan, khususnya bermanfaat ketika organisasi memiliki volume data transaksi yang besar di gudangnya. Konsep tentang penggalian data bukanlah hal yang baru, walaupun namanya baru terkenal pada akhir tahun 1990-an. Setidaknya selama dua dekade, beberapa organisasi besar telah menggunakan analis internal maupun eksternal, yang sering disebut sebagai ilmuwan manajemen, untuk mencoba mengidentifikasi trend-trend, atau pola, dalam jumlah data yang sangat besar dengan menggunakan teknik statistik, matematik dan inteligensi buatan. Dengan pengembangan gudang data skala besar dan tersedianya daya pemrosesan yang murah, minat yang diperbaharui pada apa yang akan disebut penggalian data muncul pada tahun-tahun terakhir ini.

Apakah teknik pendekatan keputusan yang digunakan dalam penggalian data? SEEKER (pencari) pengetahuan menggunakan satu teknologi, yaitu pohon keputusan. Sebuah pohon keputusan adalah sebuah struktur berbentuk pohon yang berasal dari data untuk menyatakan rangkaian-rangkaian keputusan yang mendatangkan berbagai hasil – berbagai titik ujung dari pohon tersebut. Ketika rangkaian keputusan baru disajikan, seperti informasi mengenai pembeli tertentu, maka pohon keputusan memprediksikan hasilnya. Jaringan syaraf, sebuah cabang dari inteligensi buatan yang akan dibahas selanjutnya pada bab ini, dipadukan dalam Intelligent Miner dan Darwin (yang juga menggunakan pohon keputusan). Teknologi lain yang populer antara lain regresi linear dan logistik: induksi aturan, ekstraksi dari aturan sebab-akibat berdasarkan pada signifikansi statistik; tetangga terdekat, klasifikasi dari sebuah catatan tentang yang paling mirip dengan hal tersebut dalam database; algoritma genetik, teknik optimasi berdasarkan konsep kombinasi genetik, mutasi dan seleksi alam.

Sebagai pelengkap, biarkan kami memperkenalkan sebuah istilah yang terkait dengan pengalian data, tetapi dengan sebuah perbedaan – online analytical processing atau OLAP. OLAP telah digambarkan sebagai analisis yang dikendalikan oleh manusia, sedangkan penggalian data dapat dianggap dikendalikan oleh teknik. OLAP pada dasarnya mempertanyakan database, dengan menggunakan software OLAP yang memudahkannya untuk mengajukan pertanyaan di sepanjang dimensi ganda, seperti waktu, unit keorganisasian dan geografi. Komponen utama dari OLAP adalah server OLAP, yang berada di antara mesin klien dengan server database. Server OLAP memahami bagaimana data diorganisir dalam database dan memiliki fungsi untuk menganalisa data.

Tabel 6.1 Kegunaan dari Penggalian Data

Aplikasi

Deskripsi

Antar penjualan

Mengidentifikasi produk dan jasa yang paling menyerukan kepada segmen konsumen yang ada dan mengembangkan tawaran cross-sell dan up-sell yang disesuaikan dengan tiap segmen.

Tong susu konsumen

Memprediksikan konsumen mana yang mungkin meninggalkan perusahaan anda dan pergi ke perusahaan saingan dan mentargetkan konsumen-konsumen yang berisiko tinggi.

Ingatan konsumen

Mengidentifikasi ciri-ciri konsumen yang terkait dengan tingkat keawetan paling tinggi dan mengembangkan strategi untuk mempertahankan konsumen-konsumen ini dalam jangka panjang.

Pemasaran langsung

Mengidentifikasi prospek mana yang harus dimasukkan dalam daftar alamat untuk memperoleh nilai tanggapan tertinggi.

Deteksi kecurangan

Mengidentifikasi transaksi mana yang paling curang berdasarkan pola atau trend pembelian.

Pemasaran interaktif

Memprediksikan tipe orang seperti apa yang mengakses sebuah website yang paling tertarik untuk melihat.

Analisis keranjang pasar

Memahami produk dan jasa apa yang biasanya dibeli bersama (contohnya beer dan popok) dan mengembangkan strategi pemasaran yang tepat.

Segmentasi pasar

Mensegmentasikan konsumen dan prospek yang ada ke dalam kelompok-kelompok yangt epat untuk tujuan promosi dan evaluasi dan menentukan bagaimana cara untuk mendekati tiap segmen agar mendapatkan hasil yang maksimal.

Analisis pembayaran atau kelalaian

Mengidentifikasi pola spesifik untuk memprediksikan kapan dan mengapa konsumen lalai dalam pembayaran.

Analisis trend

Meneliti perbedaan antara rata-rata pembelian bulan ini dengan bulan lalu dan bulan-bulan sebelumnya.

SISTEM DUKUNGAN KELOMPOK

Sistem Dukungan Kelompok (GSS) adalah varian yang penting dari DSS dimana sistem ini dirancang untuk membantu sebuah kelompok daripada seorang individu. GSS yang kadang-kadang disebut sistem dukungan keputusan kelompok atau sistem pertemuan elektronik berjuang untuk mendapatkan kekuatan dari sebuah kelompok guna mengambil keputusan yang lebih baik daripada individu-individu yang bertindak sendiri. GSS adalah jenis kelompok (baca bab 5) yang pada dasarnya ditujukan untuk membantu pertemuan. Para manajer mencurahkan sebagian waktu emreka yang signifikan dalam aktivitas kelompok (rapat, komite, konferensi); pada kenyataannya beberapa peneliti menghabiskan waktu ekrja mereka dalam rapat dan bahwa para top manajer menghabiskan 50 sampai 80 persen waktu mereka dalam rapat. GSS menyatakan sebuah usaha untuk membuat waktu kelompok tersebut menjadi lebih produktif.

Karya terakhir dalam bidang GSS telah berferak keluar dukungan dari waktu kelompok tradisional. Fokus yang baru adalah membantu tim kerja pada semua usaha kerasnya, baik tim tersebut bekerja dalam rapat tradisional pada “waktu yang sama, tempat yang sama” maupun “waktu berbeda dan tempat yang berbeda”. Contohnya GroupSystems OnLine memperbolehkan para anggota kelompok menggunakan GroupSystem di World Wide Web da/atau intranet melalui web brower standar, yang memungkinkan anggota kelompok berpartisipasi dalam pembahasan kelompok tidak masalah kapan dan dimana mereka mampu berperan.

SISTEM INFORMASI GEOGRAFIS

Sistem informasi geografis (GIS), sistem dukungan keputusan spasial (SDSS) geodemografik, pemetaan komputern dan pengarahan perjalanan otomatis adalah nama-nama untuk kerabat dari aplikasi yang didasarkan pada manipulasi hubungan di ruang. Teknologi geografis seperti GIS menangkap, menyimpan, memanipulasi, memperlihatkan dan menganalisa data yang berhubungan dengan bumi secara spasial.

Bisnis Menganut Teknologi Geografis

Teknologi geografis dalam bisnis adalah rahasia yang tersimpan dengan baik selama bertahun-tahun; para penganut GIS bisnis jaman dulu jarang berbicara tentang hal ini karena nilai saingnya. Perusahaan-perusahaan seperti Arby’s dan McDonald’s – yang kemampuannya untuk sukses tergantung pada lokasi yang lebih baik daripada pesaingnya – adalah perusahaan pertama yang mengakui manfaat bisnis dari GIS. Sedangkan lokasi tempat adalah salah satu kegunaan GIS bisnis yang umum dan kuat, aplikasi lainnya mencakup analisis dan perencanaan pasar, logistik dan pengarahan perjalanan, perencanaan lingkungan dan analisis pola geografis yang digunakan para banker untuk menunjukkan bahwa mereka tidak “menggarismerahi” daerah, yaitu mengigkari pinjaman dengan lokasi secara tidak adil.

Pada permukaannya, pelacakan geografis tampaknya penting bagi aktivitas transportasi daripada untuk perawatan kesehatan. Akan tetapi, aplikasi GIS yang terkait dengan kesehatan telah melibatkan analisis angka masuknya pasien adn kemauan untuk mengadakan perjalanan untuk berobat, epidemiologi (penelitian tentang pola-pola penyakit), perencanaan untuk lokasi, pelayanan dan kepegawaian di pusat pasien luar dan darurat, perkiraan jangka panjang tentang kebutuhan jasa perawatan kesehatan dan pengiriman ambulance.

Apa yang ada di balik Teknologi Georafis

Dua pendekatan terhadap penggambaran data spasial telah digunakan secara luas, yaitu pendekatan raster dan pendekatan vektor. Kedua jenis data biasanya telah diatur dalam sebuah contoh data yang menyimpan data-data terkait dalam lapisan-lapisan yang dikenal sebagai cakupan atau tema. Akhir-akhir ini, model baru, model geodatabase telah muncul berdasarkan pada konsep data yang berorientasi pada objek.

Pendekatan raster mengandalkan pembagian ruang menjadi sel-sel kecil yang ukurannya sama yang disusun dalam sebuah jaring. Dalam sebuah GIS, sel-sel ini (raster) dapat berupa jangkauan nilai dan kesadaran akan lokasi yang berhubungan dengan sel-sel lain. Seperti pixel pada layar komputer, ukuran sel tersebut berhubungan dengan tampilan pada landscape menentukan resolusi data. Aplikasi satellite imagery dan indera jauh lainnya mempergunakan kemampuan pendekatan raster untuk mengidentifikasi pola antara bidang-bidang yang besar. Ketika pendekatan ini menawarkan data yang kontinu, objek kepentingan harus ditarik atau digali dari raster, dengan membaut ketepatan pengumpulan data awal yang penting.

Pendekatan raster telah mendominasi aplikasi usaha dalam sumber daya alam. Analisis data raster dengan menggunakan teknik statistik dan model matematika memungkinkan para ahli meteorologi membedakan hujan dengan salju dan rimbawan mengidentifikasi daerah-daerah yang sakit di dalam hutan. Pertanian yang seksama adalah aplikasi terakhir yang menggunakan GIS berdasarkan raster dengan GPS.

GIS berdasarkan vektor telah banyak digunakan dalam administrasi dan kegunaan umum dan merupakan pendekatan yang paling umum digunakan dalam bisnis. Sistem vektor menghubungkan segi-segi dalam landscape dengan titik, garis atau poligon. Titik-titik sering digunakan untuk menggambarkan segi-segi kecil seperti ATM, alamat konsumen, kutub listrik atau barang-barang yang bergerak dalam truk. Garis-garis untuk segi linear seperti jalan dan sungai dapat dihubungkan bersama dalam jaringan. Poligon mewakili bidang dan permukaan termasuk danau, bidang tanah dan wilayah seperti wilayah penjualan, kabupaten dan kode pos. hubungan antara elemen vektor disebut topologinya; topologi menentukan apakah segi tersebut saling mengisi atau bersilangan. Sistem vektor dapat membedakan, misalnya, sebuah pulau di sebuah danau, dua jalan yang berpotongan dan konsumen di tempat retail yang jaraknya dua mil. Akan tetapi data vektor tidak kontinyu; celah dan isian yang dihasilan antara segi-segi mempengaruhi presentasi dan analisis dan sehingga harus ditangani oleh tenaga khusus.

Model data yang paling umum untuk data vektor maupun raster adalah model cakupan dimana lapisan atau tema yang berbeda menyatakan jenis segi geografis yang hampir sama di wilayah yang sama dan ditumpuk satu sama lain (lihat gambar 6.4). Seperti bekerja dengan lembaran peta yang transparan, lapisan-lapisan tersebut memudahkan data geografis yang berbeda untuk dilihat bersama dan mereka memudahkan manipulasi geografis dan analisis. Pertanyaan yang dapat dijawab oleh analisis geografis antara lain :

§ Apa yang berdekatan dengan segi ini ?

§ Tempat mana yang paling dekat ?

§ Apa yang di dalam wilayah ini ?

§ Segi mana yang dipotong oleh elemen ini ?

§ Berapa segi yang ada di dalam jarak tertentu dari suatu tempat ?

Pembesaran tak terbatas, perencanaan dan pemusatan, menemukan jarak antara dua titik, menanyakan dan memberi label pada segi-segi dan mengubah lambang-lambang dan warna pada permintaan adalah kemampuan dasar untuk GIS. GIS desktop juga tersedia bagi manipulasi spasial seperti persimpangan dan gabungan, penetapan referensi geografis untuk ditujukan kepada geocoding dan bantuan pertanyaan bahasa standar untuk berinteraksi dengan data atribut. Aplikasi GIS yang canggih mengotomatisasi tugas dukungan keputusan mutakhir seperti menemukan rute terpendek/tercepat/teraman dari A ke B atau mengelompokkan wilayah penjualan atau layanan untuk memperkecil jarak perjalanan internal, menyamakan potensi atau menghilangkan kemungkinan terkecil.

Ketika model data cakupan memudahkan penggabungan data dari sumber-sumber yang berbeda ke dalam sebuah peta tunggal untuk analisa dan presentasi, hal ini terbatas dalam kemampuannya untuk menghubungkan objek satu sama lain atau menghubungkan objek dalam sistem tersebut menurut perilaku mereka di dunia. Sebuah model baru yang disebt model geodatabase, menggambarkan konsep database yang berorientasi pada objek, yang tidak memerlukan data spasial disimpan dalam indeks yang berbeda dengan atributnya (seperti yang diperlukan oleh data vektor) atau bahwa semua aitem dalam database tersebut memiliki ukuran yang sama seperti yang diperlukan oleh data raster (Zeiler, 1999).

Masalah-masalah untuk Sistem Informasi

Aplikasi bisnis GIS pada awalnya sering diperkenalkan kepada sebuah perusahaan untuk membantu pengguna tunggal seperti peneliti pasar. Akan tetapi kekuatan GIS tidak dapat dimuat dan dengan cepat ia menyebar di dalam dan antar kelompok. Beberapa organisasi GIS berada dalam posisi untuk mengembangkan sebuah aplikasi geografis dari guratan. Berterimakasihlah kepada kesempurnaan dari alat GIS, hal ini jarang diperlukan. Sistem geografis desktop memuat bahasa yang dibuat naskah dan membantu interface program aplikasi dengan paket software desktop yang terkenal seperti halnya perpustakaan objek peta (seperti MapObject dari ESRI dan MapX dari MapInfo) dan paket aplikasi pemetaan interaktif berdasarkan internet.

Sumber data untuk GIS mencakup sumber-sumber internal seperti database konsumen dan lokasi gudang dan sumber eksternal seperti jaringan jalan dan peta pasar media iklan yang dibeli dari penjual data. Baik pengguna baru maupun tenaga IS tidak terbiasa dengan masalah harga dan kualitas untuk data geografis. Selain memutuskan seberapa sering peta dasar harus diperbarui, pengguna dan analis harus mempelajari ins dan outs dari geocoding (proses penandaan referensi geografis pada suatu alamat) dan pentingnya bagi keuntungan perusahaan. Masalah-masalah lain muncul ketika data geografis diperlukan untuk sebuah wilayah di luar Amerika Serikat; jika data tersedia, mereka mungkin kurang akurat dan lebih sulit untuk diperoleh dan mereka tentunya akan lebih mahal.

Penjual teknologi geografis adalah kata-kata yang jarang dikemukakan dalam IS; pemain utamanya adalah Institut Penelitian Sistem Lingkungan (FSRI), MapInfor, AutoCad dan Integraf. Pilihan lain tersedia melalui penjual khusus seperti ahli siasat dan pengembang pihak ketiga.

Petunjuk baru dalam teknologi geografis antara lain :

§ Peragaan tiga dimensi dan dinamis untuk merangsang gerakan melalui waktu dan ruang, seperti jalur angin ribut.

§ Situs internet map-enabled dan teknologi menghadapi konsumen lain seperti web site VISA, yang akan mengidentifikasi tiga lokasi ATM terdekat dengan sebuah perempatan.

§ Kemampuan geografis yang tertanam pada aplikasi yang ada seperti spreadsheet, database produksi-kaliber seperti Oracle, dan sistem ERP seperti SAP R/3 serta gudang data dan alat penggalian data.

§ Teknologi wireless spatially-enabled untuk pelacakan waktu sebenarnya dari modal-modal yang bergerak seperti truk dan ketetapan tentang jasa berdasarkan lokasi (lihat L-commerce sidebar, hal.216).

SISTEM INFORMASI EKSEKUTIF

Konsep yang penting di balik sistem informasi eksekutif (EIS) adalah bahwa sistem semacam ini mengantarkan informasi online terbaru tentang kondisi bisnis dalam bentuk kumpulan yang mudah diakses oleh para eksekutif senior dan manajer-manajer lain. EIS dirancang untuk digunakan secara langsung oleh para manajer ini tanpa bantuan perantara. Sebuah EIS menggunakan grafik state-of-the-art, komunikasi dan metode penyimpanan data untuk memberi para eksekutif dengan akses online yang mudah terhadap informasi terbaru tentang status organisasi.

Dengan melihat kembali pada akhir tahun 1980-an pada sebagian besar kasus, EIS menggambarkan usaha pertama yang nyata untuk menyampaikan rangkuman informasi yang relevan kepada pihak manajemen dalam bentuk online. Pada awalnya, EIS dikembangkan hanya untuk dua atau tiga tingkatan top eksekutif dalam perusahaan tersebut, tetapi hal itu menyebabkan masalah perbedaan data antara lapisan manajemen. Data internal yang paling penting – berkaitan dengan pemasok, produksi dan konsumen – dihasilkan di bawah kontrol manajemen bawah dan mereka perlu menyadari tentang apa yang dilaporkan kepada atasan dalam organisasi itu. Akibatnya, saat ini pengguna dasar di kebanyakan perusahaan telah diperluas untuk mencakup semua level manajemen dalam perusahaan dan kadang-kadang bahkan manajer dalam organisasi konsumen dan pemasok.

EIS menggunakan data transaksi yang telah disaring dan diringkas menjadi sebuah bentuk yang bermanfaat bagi para eksekutif dalam organisasi tersebut. Selain itu, beberapa EIS yang sukses memadukan data kualitatif seperti informasi yang kompetitif, penilaian dan wawasan penekanan pada informasi yang kompetitif ini telah menjadi sangat penting pada beberapa tahun terakhir ini dimana beberapa organisasi sekarang menyebut EIS sebagai sistem inteligensi bisnis atau sistem inteligensi yang kompetitif (lihat Sidebar yang berjudul “Global Competitive Intelligence at Dow AgroScience”, hal.217). Pendek kata, EIS merupakan alat tangan yang difokuskan, menyaring dan mengorganisir informasi eksekutif sehingga ia dapat menggunakannya dengan lebih efektif.

Perhatikan keputusan Comshare sebagai contoh tentang program software untuk mengembangkan sistem EIS / inteligensi bisnis. Keputusan Comshare adalah perangkat software klien / server berdasarkan intranet yang memungkinkan pengembangan inteligensi bisnis yang dikustomisasi, dukungan keputusan dan aplikasi pemrosesan analisis online sebagai bagian dari informasi eksekutif.

Mungkin EIS yang paling lama yang dijelaskan dalam cetakan adalah sistem dukungan informasi manajemen dan keputusan (MIDS) di Lockheed-Georgia Company. Yang lebih baru lagi, EIS telah diciptakan dan digunakan dengan sukses di beberapa perusahaan besar lainnya seperti Phillips Petroleum, Dun & Bradstreet Software, Coca-Cola Company, Fisher-Price, Conoco, Inc dan CIGNA Corporation. Paragraf berikut ini difokuskan pada dua perusahaan besar lainnya yang telah menginstal EIS beberapa tahun terakhir ini.

INTELIGENSI BUATAN

Ide tentang inteligensi buatan (AI) penelitian tentang bagaimana membuat komputer melakukan hal-hal yang saat ini dilakukan dengan lebih baik oleh manusia telah berjalan sekitar 40 tahun lamanya, tetapi hanya pada dekade yang lalu komputer menjadi cukup kuat untuk membuat aplikasi AI yang menarik secara komersial.

Karya dalam bahasa alami, pada dasarnya dalam departemen ilmu komputer di universitas dan laboratorium penjual, ditujukan pada penghasilan sistem yang menterjemahkan perintah manusia biasa ke dalam bahasa yang dapat dimengerti dan dilaksanakan oleh komputer. Robot dibicarakan pada bab sebelumnya. Penelitian sistem perspektif mencakup pembuatan mesin-mesin yang memiliki kemampuan visual dan/atau aural perseptual yang mempengaruhi perilaku fisiknya. Dengan kata lain, penelitian ini bertujuan untuk menciptakan robot yang dapat “melihat” atau “mendengar” dan bereaksi terhadap apa yang ia lihat atau dengar. Dengan pemograman atau rancangan evolusioner, masalah ini dibagi menjadi berbagai segmen dan penyelesaian terhadap segmen ini dihubungan bersama dengan cara yang berbeda untuk melahirkan penyelesaian “anak” yang baru. Setelah beberapa generasi berkembang biak, pemograman genetik dapat memproduksi hasil-hasil yang lebih baik daripada yang dipikirkan oleh manusia. Pemograman genetika telah sangat berhasil dalam merancang produk inovatif seperti satelit bantuan tangan dengan bentuk yang baru yang mencegah getaran ditransmisikan di sepanjang tiang penopang dan bola lampu halogen yang hemat energi dari perusahaan General Electric, yang 48 persen lebih terang daripada bola lampu halogen standar (Port, 2000).

Dua cabang terakhir dari AI adalah yang paling relevan dengan dukungan manajerial. Sistem ahli terkait dengan sistem pembangunan yang memadukan logika pengambilan keputusan dari manusia ahli. Cabang yang lebih baru dari AI adalah jaringan syaraf, yang diberi nama setelah penelitian tentang bagaimana sistem syaraf manusia bekerja, tetapi pada kenyataannya menggunakan analisis statistik untuk mengakui pola-pola dari banyaknya jumlah informasi oleh sebuah proses pembelajaran adaptif. Kedua cabang AI ini dijelaskan dengan lebih rinci pada bagian berikut ini.

SISTEM AHLI

Untuk merancang sebuah sistem ahli, seorang spesialis yang dikenal sebagai insinyur pengetahuan bekerjasama dengan seorang ahli atau lebih dalam bidang yang diteliti insinyur pengetahuan mencoba mempelajari sesuatu yang dapat mereka pelajari tentang cara dimana para ahli mengambil keputusan. Dasar pengetahuan ini memuat aturan-aturan pengambilan keputusan yang diikuti dalam mengambil keputusan dan parameter, atau kenyataan yang relevan dengan keputusan.

Bagian utama yang lain dari sistem ahli adalah mesin kesimpulan dan interface pengguna. Mesin kesimpulan adalah kerangka yang logis yang otomatis melaksanakan jalur alasan ketika dipasok dengan aturan dan parameter pengambilan keputusan yang terlibat dalam keputusan ini; maka mesin kesimpulan yang sama dapat digunakan untuk beberapa sistem ahli yang berbeda, masing-masing dengan dasar pengetahuan yang berbeda. Modul lainnya mencakup sub sistem penjelasan untuk menjelaskan alasan yang diikuti oleh sistem ini agar sampai pada sebuah keputusn, sebuah sub sistem pemerolehan pengetahuan untuk membantu insinyur pengetahuan dalam mencatat aturan dan parameter pengambilan keputusan dengan dasar pengetahuan dan ruang kerja untuk digunakan komputer ketika keputusan diambil.

Memperoleh sebuah sistem ahli

Apakah perlu membangun semua bagian ini setiap kali organisasi anda ingin mengembangkan dan menggunakan sebuah sistem ahli ? Tentu saja tidak. Ada tiga pendekatan umum untuk memperoleh sebuah sistem ahli dan hanya salah satu dari mereka yang memerlukan pembuatan semua bagian. Yang pertama, sebuah organisasi dapat membeli sebuah sistem yang benar-benar maju yang telah diciptakan untuk aplikasi tertentu. Yang kedua, sebuah sub organisasi dapat mengembangkan sebuah sistem ahli sendiri dengan menggunakan kerangka inteligensi buatan (yang juga disebut sebagai kerangka sistem ahli). Kerangka ini, yang dapat dibeli dari perusahaan software, menyediakan kerangka dasar yang diilustrasikan pada Gambar 6.6 dan sebuah bahasa yang terbatas tetapi akrab bagi pengguna yang digunakan untuk mengembangkan sistem ahli. Yang ketiga, sebuah organisasi dapat memiliki insinyur dalam maupun luar yang terbiasa membuat sistem ahli. Dalam hal ini, sistem ini biasanya diprogram dalam bahasa dengan tujuan khusus seperti Prolog atau Lisp. Pendekatan yang terakhir ini jelas yang paling mahal dan hanya dapat dibenarkan jika kemungkinan hasil dari sistem ahli benar-benar tinggi dan tidak ada cara lain lagi.

Contoh sistem ahli

Mungkin contoh lama dari sistem ahli adalah MYCIN, yang dibuat di Universitas Stanford pada pertengahan tahun 1970-an untuk mendiagnosa dan meresepkan pengobatan untuk penyakit meningitis dan darah. General Electric menciptakan sebuah sistem ahli yang disebut CATS-1 untuk mendiagnosa masalah mekanis dalam lokomotif diesel, dan T&T mengembangkan ACE untuk melokasikan kesalahan dalam kabel telepon. Schlumberger, sebuah perusahaan minyak internasional terpadu, mengembangkan sebuah sistem ahli yang diberi nama Dipmeter untuk memberikan nasehat ketika kekang bor menjulur pada saat mengebor sumur. Contoh ini dan lainnya berkaitan dengan pendiagnosaan situasi masalah dan menentukan tindakan yang tepat karena para ahli tidak selalu ada pada saat masalah timbul.

JARINGAN SYARAF

Ciri-ciri penting dari jaringan syaraf adalah bahwa mereka mempelajari. Program jaringan syaraf pada awalnya diberi serangkaian data yang terdiri dari beberapa variabel yang terkait dengan beberapa kasus atau kejadian dimana hasilnya tidak diketahui. Program ini menganalisa data dan mengerjakan semua korelasi, kemudian menyeleksi serangkaian variabel yang terkait erat dengan hasil tertentu yang diketahui sebagai pola awal. Pola awal ini digunakan untuk mencoba memprediksikan hasil dari berbagai kasus dan hasil yang diprediksikan dibandingkan dengan hasil yang diketahui.

Program jaringan syaraf komersial (sebenarnya ini adalah kerangka) tersedia dengan harga yang terjangkau tetapi bagian yang sulit dari pembuatan aplikasi jaringan syaraf adalah pengumpulan data dan upaya pemeliharaan data. Perhatikan dengan singkat beberapa contoh jaringan syaraf. Bank Amerika menggunakan jaringan syaraf untuk mengevaluasi aplikasi pinjaman komersial. American Express menggunakan sistem syaraf untuk membaca tulisan tangan pada slip kartu kredit.

Jaringan syaraf juga digunakan untuk mengatur portofolio. Penggunaan lainnya dari jaringan syaraf adalah dalam pentargetan pemasaran, dimana kampanye pemasaran ditargetkan kepada konsumen yang potensial yang memiliki atribut yang sama yang menghasilkan penjualan untuk kampanye terdahulu. Jaringan syaraf juga digunakan untuk memperkirakan jumlah pasien yang masuk rumah sakit pada hari itu dan mengungkapkan hubungan antara data tersebut yang sebaliknya tidak terlihat.

KENYATAAN YANG SEBENARNYA

Kenyataan yang sebenarnya adalah bidang aplikasi yang mengagumkan dengan kepentingan yang berkembang pesat. Kenyataan yang sebenarnya atau VR mengacu pada penggunaan sistem komputer untuk menciptakan lingkungan yang tampak nyata bagi salah satu indera (biasanya indera penglihatan) dari pengguna yang merupakan manusia.

Kenyataan yang sebenarnya ada saat ini, tetapi tidak ada dimanapun di dekat kenyataan holodeck Enterprise. Anda dapat memainkan sebuah video game dimana anda mengenakan sebuah display komputer dan kaus tangan untuk terjun langsung ke dalam aksi tersebut. Penggunaan VR dalam lingkungan non entertainment pada dasarnya ada tiga kategori, yaitu : pelatih, rancangan dan pemasaran. Contoh pelatihan akan disajikan terlebih dahulu yang diikuti oleh penggunaan VR dalam rancangan dan pemasaran.

Amaco telah mengembangkan sebuah sistem kenyataan yang sebenarnya yang didasarkan pada PC, yang disebut “truck driVR”, untuk digunakan dalam melatih sopir-sopirnya.

Penggunaan VR dalam pelatihan menjadi lebih menonjol sebagai akibat dari sebuah proyek yang disebut lingkungan sesungguhnya untuk pelatihan, yang merupakan kolaborasi di antara Pusat Penelitian Teknologi Maju untuk pendidikan, Lockheed Martin Space System Advanced Technology Center dan Laboratorium Teknologi Behavioral di Universitas Kalifornia Selatan. Tujuan dari proyek ini adalah mengembangkan sistem pengajaran yang menggunakan dialog alami dan “pembelajaran”.

Superscape Inc. menspesialisasikan diri dalam penciptaan tiga dimensi (3D) untuk digunakan dalam World Wide Web. Kenyataan yang sebenarnya semakin banyak digunakan untuk pemasaran dalam Web. Superscape dan pesaingnya mengembangkan gambar interaktif 3D tentang produk dan jasa sebuah perusahaan untuk dimasukkan dalam Web Site perusahaan tersebut. Gambar ini akan memberikan pandangan yang lebih komprehensif tentang produk itu dan mendiferensiasikan Web Site tersebut dari milik pesaingnya. Internet Picture Corporation, atau IPIX, yang berpusat di Oak Ridge, Tennesse, adalah pelopor dalam suatu bidang yang oleh perusahaan ini disebut “penggambaran dinamis” – penangkapan, pemrosesan dan pendistribusian media yang kaya kepada situs-situs internet dan peralatan internet-enabled. Salah satu yang menarik adalah “virtual tour” yang diciptakan IPIX untuk industri real estate, industri perjalanan dan rumah sakit sert institusi pendidikan.

About forumkuliah

Dosen, trainer, writer

Posted on January 23, 2009, in Sistem Informasi Manajemen. Bookmark the permalink. Leave a comment.

Leave a Reply

Fill in your details below or click an icon to log in:

WordPress.com Logo

You are commenting using your WordPress.com account. Log Out / Change )

Twitter picture

You are commenting using your Twitter account. Log Out / Change )

Facebook photo

You are commenting using your Facebook account. Log Out / Change )

Google+ photo

You are commenting using your Google+ account. Log Out / Change )

Connecting to %s

%d bloggers like this: