TUGAS MATA KULIAH E-Bisnis

REVIEW BUKU

Decision Support and Business Intelligence Systems (9th Edition) (Efraim Turban, Ramesh Sharda , Dursun Delen)

dan

Management Information Systems by James O'Brien and George Marakas

Oleh:

Rizal Bahara (P056120232.41E)

Dosen:

Dr. Ir. Arif Imam Suroso

PROGRAM PASCASARJANA MANAJEMEN DAN BISNIS INSTITUT PERTANIAN BOGOR

2014

Daftar Isi : O'Brian Chapter 8, Section 1: CRM Customer Relationship Management: The Business Focus 309 Introduction 309 What is CRM? 309 CRM Goes Mobile 310 The Three Phases of CRM 314 Benefits and Challenges of CRM 315 Trends in CRM 317

O'Brian Chapter 8, Section 2:ERP Introduction 320 What Is ERP? 320 Benefits and Challenges of ERP 324 Trends in ERP 327

O'Brian Chapter 8, Section 3: Supply Chain Management Introduction 330 What is SCM? 330 Electronic Data Interchange 334 The Role of SCM 335 Benefits and Challenges of SCM 338 Trends in SCM 340 O’Brian Chaper 10. Section II: Artificial Intelligence Technologies in Business Business and AI Overview AI Expert Systems Developing Expert Systems.Neural Networks Fuzzy Logic Systems Genetic Algorithms Virtual Reality Intelligent Agents

Turban Chapter 12, Section 1 Opening Vignette: A Web-based Expert System for Wine Selection Concepts and Definitions of Artificial Intelligence The Artificial Intelligence Field Basic Concepts of Expert System

Turban Chapter 12, Section 2: Applications of Expert System Structure of Expert System Knowledge Engineering

Turban Chapter 12, Section 3:

Problem Areas Suitable for Expert Systems Development of Expert Systems Benefits of Expert Systems Limitation of Expert Systems, and Critical Success Factors of Expert Systems

O'Brian Chapter 8, Section 1: CRM

Customer Relationship Management: The Business

Focus

Introduction

What is CRM

CRM Goes Mobile

The Three Phases of CRM

Benefits and Challenges of CRM

Trends in CRM

Customer Relationship Management Hubungan dengan pelanggan menjadi aset paling berharga bagi perusahaan, Strategi setiap perusahaan adalah menemukan dan mempertahankan setiap pelanggan yang mengguntungkan. Fokus Bisnis CRM adalah mengelola berbagai hubungan pelanggan melibatkan 2 tujuan yang saling berkaitan: Pertama , memberi organisasi dan semua karyawannya yang berhadapan dengan pelanggan, satu pandangan lengkap tentang setiap pelanggan di setiap hal dan di lintas semua saluran; dan kedua, memberi pelanggan satu pandangan lengkap tentang perusahaan dan saluran-salurannya yang luas , CRM menjadi salah satu proses bisnis yang menarik untuk diperbincangkan. Customer Relationship Management meliputi semua aspek yang berkenaan dengan interaksi suatu perusahaan dengan pelanggannya. Hal ini bisa berupa penjualan jasa ataupun barang. Semuanya berawal dari kegiatan marketing terhadap pelanggan. Kegiatan marketing mengelola seluruh aspek dari daur hidup pelanggan, mulai dari sales, acquisition, fulfillment, hingga retention. Application Cluster di CRM

CRM memiliki tiga elemen kunci yang dikenal dengan “Customer Touch Points”, “Applications”, dan “Data Stores”, yaitu : (a).Customer Touch Points adalah hal yang penting bagi perusahaan yang berorientasi dan memfokuskan diri pada kebutuhan pasar/pelanggan saat ini dan di masa yang akan datang. Hal ini merupakan antarmuka antara organisasi dan pelanggan. Contoh perangkat untuk kontak pelanggan seperti e-mail, termasuk 3G telephone, video conferencing, Interactive TV, dan telephone. (b).Applications merupakan perangkat lunak (software) yang mendukung proses-proses tersebut. Contohnya aplikasi yang melayani pemasaran (data mining dan permission marketing software), penjualan (monitoring Customer Touch Points software), dan layanan (customer care software). (c). Data Stores berisi data dari setiap aspek pelanggan, dan siklus hidup pelanggan. Contohnya sebuah organisasi menyimpan data produk yang dibeli

pelanggan,kapan dan dimana ataupun data pelanggan yang melihat produk tetapi tidak membeli. Data tersebut dapat dianalisa dengan menggunakan software. CRM menggunakan teknologi untuk :

1. Membuat sistem perusahaan lintas fungsional yang mengintegrasikan dan mengotomatisasi banyak proses dalam penjualan, pemasaran dan layanan pelanggan yang berinteraksi dengan pelanggan

2. CRM menciptakan IT framework yang menghubungkan semua proses dengan bisnis oprasional perusahaan

Keuntungan CRM : 1. Mengidentifikasi dan menargetkan pelanggan terbaik. 2. Kostomisasi real-time dan personalisasi produk dan jasa 3. Melacak ketika pelanggan menghubungi perusahaan 4. Memberikan pengalaman pelanggan yang konsisten dan layanan yang

unggul dan dukungan

Penjualan • Sebuah sistem CRM menyediakan tenaga penjualan dengan sumber daya

alat dan data yang mereka butuhkan untuk

• Mendukung dan mengelola kegiatan penjualan mereka • Optimalkan lintas dan up-selling

• CRM juga menyediakan sarana untuk memeriksa status account pelanggan dan sejarah sebelum penjadwalan panggilan penjualan

Pemasaran dan Pemenuhan • Sistem CRM membantu pemasaran langsung dengan tugas-tugas seperti

otomatis sebagai

• Kualifikasi lead untuk target pemasaran • Penjadwalan dan pelacakan surat • Menangkap dan mengelola respon • Menganalisis nilai bisnis dari kampanye • Memenuhi tanggapan dan permintaan

Layanan dan Dukungan Pelanggan • Sebuah sistem CRM memberikan reps layanan akses real-time ke database

yang sama yang digunakan oleh penjualan dan pemasaran

• Permintaan untuk layanan diciptakan, ditugaskan, dan dikelola • Rute software Call center panggilan ke agen • Bantuan perangkat lunak menyediakan layanan data dan saran

untuk memecahkan masalah

• Berbasis web self-service memungkinkan pelanggan untuk mengakses informasi sendiri dimanapun dan kapanpun

Retensi dan Loyalitas Program • Biayanya 6 kali lebih untuk menjual kepada pelanggan baru • Pelanggan tidak puas akan memberitahu 8-10 orang lain • Meningkatkan retensi pelanggan sebesar 5 persen dapat meningkatkan

keuntungan sebesar 85 persen • Kemungkinan penjualan ke pelanggan yang ada adalah 50 persen, yang

baru 15 persen • Sekitar 70 persen pelanggan akan melakukan bisnis dengan perusahaan

lagi jika masalah cepat diurus • Meningkatkan dan mengoptimalkan purna jual dan loyalitas pelanggan

adalah tujuan utama dari CRM • Mengidentifikasi, memberi reward, dan pasar yang paling setia dan

pelanggan yang menguntungkan • Mengevaluasi program pemasaran dan hubungan yang ditargetkan

Tiga Fase CRM

Tiga fase yang dilakukan dalam CRM adalah mengakuisisi pelanggan baru (acquire). Pelanggan baru didapatkan dengan memberikan kemudahan pengaksesan informasi, inovasi baru, dan pelayanan yang menarik. Meningkatkan keuntungan dari pelanggan yang sudah ada (enhance). Perusahaan berusaha menjalin hubungan dengan pelanggan melalui pemberian pelayanan yang baik terhadap pelanggannya. Mempertahankan pelanggan yang menguntungkan (retain). Dengan menawarkan apa yang dibutuhkan oleh pelanggan spesifik bukan yang dibutuhkan oleh pelanggan pasar, karena nilai jasa bagi pelanggan adalah nilai proaktif yang paling sesuai dengan kebutuhannya. Manfaat CRM

CRM memungkinkan sebuah perusahaan untuk mengidentifikasi serta berfokus pada para pelanggan terbaik mereka, yaitu mereka yang paling menguntungkan bagi perusahaan, agar mereka dapat dipertahankan sebagi pelanggan seumur hidup untuk layanan yang lebih besar dan menguntungkan. Manajemen hubungan pelanggan memungkinkan penyesuaian dan personalisasi real-time atas berbagai produk dan jasa berdasarkan pada keinginan, kebutuhan, kebiasaan membeli serta siklus hidup para pelanggan. CRM juga dapat menelusuri saat ketika pelanggan menghubungi perusahaan, darimana pun titik hubungannya. Sistem CRM juga memungkinkan perusahaan untuk memberi pengalaman yang konsisten dan layanan serta dukungan superior bagi pelanggan, di semua titik kontak yang dipilih oleh pelanggan. Semua manfaat ini akan memberi nilai bisnis strategis bari perusahaan dan nilai pelanggan yang besar bagi para pelanggannya Kegagalan CRM

1. Kurangnya pemahaman dan persiapan 2. Mengandalkan pada aplikasi untuk memecahkan masalah tanpa terlebih

dahulu mengubah proses bisnis 3. Pemangku kepentingan bisnis tidak berpartisipasi dan tidak siap Tren

CRM

• CRM Operasional

• Mendukung interaksi pelanggan dengan kenyamanan yang lebih besar melalui berbagai saluran

• Mensinkronisasikan interaksi pelanggan secara konsisten di semua saluran

• Membuat perusahaan lebih mudah untuk melakukan bisnis dengan

• CRM Analytical

• Ekstrak mendalam sejarah pelanggan, preferensi, dan profitabilitas dari database

• Memungkinkan prediksi nilai pelanggan dan perilaku • Memungkinkan perkiraan permintaan • Membantu informasi penjahit dan menawarkan untuk kebutuhan

pelanggan

• CRM Collaborative

• Kolaborasi mudah dengan pelanggan, pemasok, dan mitra • Meningkatkan efisiensi dan integrasi seluruh rantai pasokan • Respon yang lebih besar untuk kebutuhan pelanggan melalui luar

sourcing produk dan layanan

• CRM berbasis Portal

• Menyediakan pengguna dengan alat dan informasi yang sesuai dengan kebutuhan mereka

• Memberdayakan karyawan untuk merespon tuntutan pelanggan lebih cepat

• Membantu reps menjadi benar-benar pelanggan berwajah • Menyediakan akses cepat ke semua informasi pelanggan internal

dan eksternal

O'Brian Chapter 8, Section 2:ERP

Introduction

What Is ERP?

Benefits and Challenges of ERP

Trends in ERP

Apa itu ERP. ERP adalah sistem perusahaan lintas fungsional berdasarkan suite terintegrasi yang terdiri dari modul perangkat lunak untuk mendukung proses bisnis internal dasar dari sebuah perusahaan. Sebagai contoh, software ERP untuk perusahaan manufaktur biasanya akan mengolah data dan melacak status penjualan, persediaan, pengiriman, dan faktur, serta perkiraan bahan baku dan kebutuhan sumber daya manusia. Gambar 8.8 menyajikan komponen aplikasi utama dari sistem ERP. Gambar 8.9 menggambarkan beberapa proses bisnis lintas-fungsional utama dan pemasok dan pelanggan arus informasi yang didukung oleh sistem ERP ERP memberikan perusahaan terpadu pandangan real-time dari proses bisnis inti, seperti produksi, pemrosesan order, dan manajemen persediaan, diikat oleh ERP perangkat lunak aplikasi dan database yang umum dipelihara oleh sistem manajemen database. Sistem ERP melacak sumber daya bisnis (seperti uang tunai, bahan baku, dan produksi kapasitas), dan status komitmen yang dibuat oleh bisnis (seperti pesanan pelanggan, pesanan pembelian, dan gaji karyawan), departemen tidak peduli (manufaktur, pembelian, penjualan, akuntansi, dan sebagainya) telah memasukkan data ke dalam sistem) Software ERP suite biasanya terdiri dari modul yang terintegrasi dari manufaktur, distribusi, penjualan, akuntansi, dan aplikasi sumber daya manusia. Contoh manufaktur proses yang didukung adalah perencanaan kebutuhan material, perencanaan produksi, dan perencanaan kapasitas. Beberapa penjualan dan proses pemasaran yang didukung oleh ERP adalah analisis penjualan, perencanaan penjualan, dan analisis harga, sementara aplikasi distribusi khas termasuk manajemen pesanan, pembelian, dan perencanaan logistik. Sistem ERP mendukung banyak proses sumber daya manusia yang vital, mulai dari perencanaan kebutuhan personel administrasi gaji dan tunjangan, dan menyelesaikan paling diperlukan pencatatan keuangan dan aplikasi akuntansi manajerial. Gambar 8.10 mengilustrasikan proses didukung oleh sistem ERP yang menginstal Colgate Palmolive-Company.

Benefit dan Peluang dari Penerapan ERP Kualitas dan efisiensi. ERP menciptakan kerangka kerja untuk mengintegrasikan dan meningkatkan proses bisnis internal perusahaan yang menghasilkan peningkatan yang signifikan pada kualitas dan efisiensi layanan pelanggan, produksi, dan distribusi. Penurunan biaya. Banyak perusahaan melaporkan penurunan yang signifikan dalam transaksi biaya pengolahan dan perangkat keras, perangkat lunak, dan staf dukungan TI dibandingkan dengan sistem warisan yang tidak terintegrasi digantikan oleh ERP baru mereka sistem. Pendukung keputusan. ERP menyediakan informasi lintas fungsional penting pada bisnis kinerja manajer cepat untuk secara signifikan meningkatkan kemampuan mereka untuk membuat keputusan yang lebih baik pada waktu yang tepat di seluruh perusahaan bisnis. Kelincahan perusahaan (Enterprise agility )Menerapkan sistem ERP juga medobrak sekat antar departemen pada proses bisnis, informasi sumber daya sistem, dan informasi. Hal ini menyebabkan lebih fleksibelnya struktur organisasi, tanggung jawab manajerial, dan peran kerja, dan oleh karena itu proses kerja lebih cepat dan lincah (agile) .organisasi juga lebih adaptif dan tenaga kerja yang dapat lebih mudah memanfaatkan peluang bisnis baru Biaya dari Penerapan ERP Sebuah implementasi ERP seperti transplantasi otak. Kami menarik steker pada setiap aplikasi perusahaan dan pindah ke software PeopleSoft. Risikonya adalah bisnis bisa terganggu jika Anda tidak melakukan ERP dengan benar.

Pada penerapakan ERP perlu juga di lihat cost yang ditimbulkan, jika di lihat di gambar 8.11 dapat di lihat bahwa biaya software dan hardware adalah kecil, yang besar adalah reengineering dan training untuk karyawan. Biaya dan resiko gagal pada penerapan ERP sangat penting, banyak perusahaan yang telah sukses menerapkan ERP tapi mempunyai biaya yang tinggi dan mengalami kerugian yang besar pada keuntungan. Ini terjadi ketika bisnis intinya dan sistem informasinya gagal atau tidak bekerja sempurna. Banyak kejadian terjadi karena kehilangan permintaan dan pengiriman, biaya inventory tidak tercatat sempurna dan akurasi data Gudang tidak benar selama mingguan atau bahkan bulanan. Contoh terbaru dari kegagalan ERP adalah Shane Co, milik keluarga perhiasan pengecer dan salah satu dari 10 pengecer perhiasan terbesar di dunia. Pada bulan Januari 2009, Shane Co mencari perlindungan kebangkrutan, menghubungkan penurunan perusahaan untuk penundaan dan pembengkakan biaya di $ 36.000.000 SAP AG sistem persediaan manajemen mereka. Shane Co mengklaim SAP waktu hampir tiga tahun untuk menginstal dan menerapkan sistem, bukan dari satu tahun, sedangkan biaya "menggelembung" menjadi $ 36 juta dari maksimum diproyeksikan $ 10 juta. Shane, yang berbasis di Centennial, Colorado, menjadi "substansial overstocked dengan persediaan, dan dengan campuran yang salah persediaan "ketika Walldorf, Germanybased SAP selesai sistem pada bulan September 2007, menurut kebangkrutan filing. Perangkat lunak "Adversely Affected Sales" dalam sembilan bulan pertama tahun 2008, katanya. Trend di ERP Hari ini, ERP masih berkembang-beradaptasi dengan perkembangan teknologi dan tuntutan dari pasar. Empat tren penting yang membentuk melanjutkan evolusi ERP: perbaikan dalam integrasi dan fleksibilitas, ekstensi untuk aplikasi e-bisnis, jangkauan yang lebih luas untuk pengguna baru, dan adopsi teknologi Internet. Gambar 8.12 mengilustrasikan empat perkembangan utama dan tren yang berkembang dalam aplikasi ERP. Pertama, paket perangkat lunak ERP yang menjadi andalan implementasi ERP pada 1990-an, dan sering dikritik karena tidak fleksibel mereka kemudian secara bertahap telah diubah menjadi produk yang lebih fleksibel. Perusahaan yang diinstal sistem ERP meminta vendor perangkat lunak untuk mengadopsi lebih terbuka, fleksibel, arsitektur perangkat lunak berbasis standar, hal ini membuat perangkat lunak lebih mudah untuk mengintegrasikan dengan program aplikasi lainnya, pengguna bisnis, serta membuatnya easer untuk melakukan sedikit perubahan sesuai proses bisnis perusahaan, contohnya adalah SAP R / 3 Enterprise, dirilis pada tahun 2002 oleh SAP AG sebagai penerus versi sebelumnya SAP R / 3. Lain vendor ERP terkemuka, termasuk Oracle, PeopleSoft, dan JD Edwards, juga telah mengembangkan lebih fleksibel.

Web-memungkinkan perangkat lunak ERP adalah pengembangan kedua dalam evolusi ERP. Pertumbuhan Internet dan intranet perusahaan dan ekstranet mendorong perusahaan software untuk menggunakan teknologi Internet untuk membangun antarmuka Web dan kemampuan jaringan ke dalam sistem ERP. Fitur-fitur ini membuat sistem ERP lebih mudah digunakan dan menghubungkan untuk aplikasi internal lainnya, serta sistem mitra bisnis perusahaan. Konektivitas internet ini telah menyebabkan pengembangan-perusahaan ERP sistem yang menyediakan Web-enabled hubungan antara sistem bisnis utama (seperti persediaan dan produksi) dari perusahaan dan pelanggan, pemasok, distributor, dan lain-lain. Link eksternal ini mengisyaratkan bergerak ke arah integrasi internal yang menghadap ERP aplikasi dengan aplikasi eksternal yang berfokus pada manajemen rantai pasokan (SCM) dan mitra supply chain perusahaan Semua perkembangan ini telah memberikan momentum bisnis dan teknologi untuk integrasi fungsi ERP ke dalam suite e-bisnis. Perangkat lunak ERP utama perusahaan telah mengembangkan modular, suite perangkat lunak Web-enabled yang mengintegrasikan ERP, manajemen hubungan pelanggan, manajemen rantai pasokan, pengadaan, portal pendukung keputusan, perusahaan, fungsi perawatan kesehatan, dan usaha lainnya aplikasi dan fungsi. Contohnya termasuk Oracle e-Business Suite dan SAP mySAP. Beberapa suite e-bisnis membongkar komponen ERP dan mengintegrasikan mereka ke dalam modul lain, sedangkan produk lainnya tetap ERP sebagai modul yang berbeda dalam perangkat lunak suite. Tentu saja, tujuan dari software suite ini adalah untuk memungkinkan perusahaan untuk menjalankan sebagian dari proses bisnis mereka menggunakan satu sistem Web-enabled perangkat lunak yang terintegrasi dan database, bukannya berbagai aplikasi e-bisnis yang terpisah. Lihat Gambar 8.13.

O'Brian Chapter 8, Section 3: Supply Chain Management

Introduction

What is SCM?

Electronic Data Interchange

The Role of SCM

Benefits and Challenges of SCM

Trends in SCM

Supply Chain Management : The Business Network.

Supply Chain Management(SCM) atau disebut dengan manajemen rantaipasok

adalah sistem antar-perusahaan lintas fungsional yang mengintegrasikan dan

mengotomatisasi proses bisnis jaringan dan hubungan antara perusahaan dan

pemasok, pelanggan, distributor, dan mitra bisnis lainnya. Tujuan dari SCM

adalah untuk membantu perusahaan mencapai kelincahan dan responsif dalam

memenuhi tuntutan pelanggan dan kebutuhan pemasoknya , dengan

memungkinkan untuk merancang, membangun , dan menjual produk-produknya

menggunakan cepat, efisien , dan murah jaringan mitra bisnis, proses, dan

hubungan, atau rantai pasokan. SCM sering dibagi ke dalam aplikasi perencanaan

rantai pasokan, seperti permintaan dan penawaran peramalan, dan aplikasi

eksekusi rantai pasokan, seperti manajemen persediaan, manajemen logistik, dan

manajemen gudang. Mengembangkan sistem rantai pasokan yang efektif dan

mencapai tujuan bisnis dari SCM telah terbukti menjadi tantangan yang kompleks

dan sulit bagi banyak perusahaan. Tapi SCM terus menjadi perhatian utama dan

inisiatif e -business atas sebagai perusahaan meningkatkan penggunaan teknologi

internet untuk meningkatkan integrasi dan kolaborasi dengan mitra bisnis mereka,

dan meningkatkan efisiensi dan efektivitas operasional bisnis rantai pasokan

mereka.

Perangkat lunak SCM dan teknologi internet dapat membantu perusahaan

merekayasa ulang dan mengintegrasikan proses fungsional SCM yang mendukung

siklus hidup rantai pasok.

Electronic Data Interchange (EDI)

Electronic Data Interchange(EDI) atau disebut juga dengan pertukaran data

elektronik adalah salah satu penggunaan awal teknologi informasi untuk

manajemen rantai pasok (SCM). Penggunaan EDI melibatkan pertukaran secara

elektronik semua dokumen transaksi bisnis melalui internet dan jaringan lainnya

antara mitra rantai suplai perdagangan (organisasi dan pelanggan mereka dan

pemasok) . Data yang mewakili berbagai dokumen transaksi bisnis (seperti

pesanan pembelian, faktur, permintaan penawaran, dan pemberitahuan

pengiriman) secara otomatis dipertukarkan antara komputer yang menggunakan

format pesan dokumen standar.

Biasanya, software EDI digunakan untuk mengubah format dokumen perusahaan

itu sendiri ke dalam format EDI standar seperti yang ditentukan oleh berbagai

industri dan protokol internasional. Dengan demikian , EDI adalah contoh dari

otomatisasi hampir lengkap dari proses supply chain e -commerce .

Data transaksi diformat dikirim melalui link jaringan langsung antara komputer

tanpa dokumen kertas atau campur tangan manusia. Selain link jaringan langsung

antara komputer mitra perdagangan, jasa pihak ketiga juga banyak digunakan .

EDI masih merupakan format data transmisi populer di kalangan mitra dagang

utama , terutama untuk mengotomatisasi transaksi berulang , meskipun secara

perlahan digantikan oleh XMLbased layanan Web . EDI secara otomatis melacak

perubahan persediaan , memicu pesanan, faktur , dan dokumen lain yang terkait

dengan transaksi, dan jadwal dan menegaskan pengiriman dan pembayaran .

Dengan digital mengintegrasikan rantai pasokan, EDI arus proses, menghemat

waktu, dan meningkatkan akurasi. Selain itu, dengan menggunakan teknologi

tnternet, biaya lebih rendah layanan EDI berbasis internet sekarang tersedia untuk

usaha kecil.

Peran SCM

Tujuan SCM Hasil SCM

Apa? Menetapkantujuan, kebijakan, dan jejakoperasi

Strategis

• Tujuan • KebijakanPersediaan (tingkat

layanan) • Desain jaringan

Berapabanyak? Mengerahkan sumber dayauntuk menyesuaikan penawarandengan permintaan

Taktis

• Perkiraan permintaan • Produksi, pengadaan,

rencanalogistik • Targetpersediaan

Kapan? Dimana? Penjadwalan, pemantauan, pengendalian, danmenyesuaikan produksi

Operasional • Penjadwalanpusat kerja PelacakanOrder /persediaan

Pengerjaan Pembangunan danpendistribusian

Pelaksanaan • Siklus pesanan • Pergerakanbarang

Manfaat dan Tantangan SCM

Perusahaan tahu bahwa sistem SCM dapat memberikan manfaat yang sangat

penting dalam bisnis seperti lebih cepat, pemrosesan order lebih akurat,

pengurangan tingkat persediaan; waktu lebih cepat ke pasar, biaya transaksi dan

material yang lebih rendah, dan hubungan strategis dengan pemasok mereka.

Semua manfaat ini dari SCM ditujukan untuk membantu perusahaan mencapai

kelincahan dan respon yang cepat dalam memenuhi tuntutan pelanggan dan

kebutuhan mitra bisnisnya.

Namun, mengembangkan sistem SCM yang efektif telah terbukti menjadi aplikasi

yang kompleksdan sulit bagi teknologi informasi untuk menjalankan operasi

bisnis. Jadi mencapai nilai bisnis dan tujuan dan sasaran dari manajemen rantai

pasokan nilai pelanggan telah menjadi tantangan utama bagi sebagian besar

perusahaan.

Tren SCM

Tren di dalam SCM dibagi ke dalam tiga tahapan, seperti yang diilustrasikan

dalam gambar dan tabel dibawah ini.

SCM Tahap 1 SCM Tahap 2 SCM Tahap 3

Perbaikan rantaipasokan saat ini

Intranet / extranetlink kemitra dagang

Perencanaan kolaboratifdan pemenuhanpersediaan

Penambahanrantaipasok,e-commerce yang longgar

Perluasan jaringanpemasok

Extranetdan kolaborasiberbasispertukaran

O’Brian Chaper 10. Section II: Artificial

Intelligence Technologies in Business

Business and AI

Overview AI

Expert Systems

Developing Expert Systems.Neural Networks

Fuzzy Logic Systems

Genetic Algorithms

Virtual Reality

Intelligent Agents

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.

Turban Chapter 12, Section 1

Opening Vignette: A Web-based Expert System

for Wine Selection

Concepts and Definitions of Artificial Intelligence

The Artificial Intelligence Field

Basic Concepts of Expert System

Artificial Intelligence dan Expert System Sistem Pakar Berbasis Web dalam seleksi Wine MenuVino Inc. merupakan perusahaan retail minuman wine berbasis web. Perusahaan telah mengembangkan sistem pakar yang bertindak layaknya pakar dalam memberi nasehat dan pemilihan wine. Ssitem pakar tersebut mampu menganalisa preferensi pengguna dan mencocokkan dengan menu-menu makanan yang disajikan bersamaan dengan wine. Kebanyakan pembeli wine kebingungan dalam memilih wine terbaik. Mereka tidak memiliki kemampuan layaknya ahli dalam memilih wine. Kebanyakan dari mereka melihat harga, harga tinggi biasa kualitas tinggi, grade yang tinggi juga citarasanya tinggi. Namun sebenarnya tidaklah demikian. Para ahli menilai kualitas wine dari sisi rasa, tentusaja hal tersebut sulit dilakukan oleh para pembeli jika harus mencicipi rasa satupersatu, selain itu citarasa tersebut tentu berbeda untuk setiap orang. Oleh karena itu perlu faktor-faktor lain yang memungkinkan pemilihan dapat dilakukan dengan pendekatan yang lebih umum. MenuVino kemudian mengembangkan sistem pakar berbasis pengetahuan para ahli Wine. Sistem berbasis web tersebut dikembangkan dengan Exsys Knowledge Automation System. Sistem tersebut menampung kepakaran para ahli dengan pendekatan Corvid’s Metablock. Antarmuka pengguna menggunakan Corvid Servlet dengan dua bahasa yang disajikan yaitu bahasa Inggris dan Perancis. Sistem Pakar tersebut menyediakan dua fungsi utama yaitu profilisasi rasa dan pencocokan menu makanan. Profilisasi rasa bekerja dengan mengenali preferensi personal, sejumlah pertanyaan dimunculkan oleh sistem untuk mendapatkan profil pengguna, setelah profil pengguna didapatkan sistem dapat memberikan rekomendasi. Sedangkan subsistem pencocokan menu bertujuan memberikan rekomendasi wine terbaik dengan kombinasi citarasa makanan. Subsistem ini menangkap keahlian kombinasi makanan seperti penggunaan bumbu, cara memasak, dan jenis bahan sehingga makanan yang disajikan merupakan pasangan serasi bagi wine yang diinginkan. Pelajaran yang dapat diambil dari kasus diatas adalah bagaimana suatu pengetahuan atau keahlian dapat disajikan dalam mesin komputer melalui bantuan AI (Artificial intelligence). Ketika ahli atau pakar sulit untuk dihadirkan, maka sistem pakar dapat menggantikannya. Kasus diatas menggambarkan bagaimana sistem pakar berbasis web mampu bertindak layaknya ahli/pakar wine sehingga dapat membantu pembeli dalam memilih wine terbaik untuk mereka. Konsep dan Definisi Artificial Intelligence Dari tulisan pembuka diatas, sebuah situasi dimana data dapat membantu memecahkan solusi namun model yang digunakan untuk mengolah data tersebut bisa jadi terbatas. Berdasar kasus pemilihan wine, dukungan diberikan dengan sistem pakar berbasis aturan (rule based) yang menggantikan pakar wine. Selain berbasis aturan (rule based), penggunaan teknik/teknologi lain memungkinkan

untuk diterapkan pada sistem pakar. Kebanyakan teknik/teknologi yang digunakan lebih bersifat kualitatif dibanding kuantitatif (berbasis angka matematis/simbol). Model demikian dikenal dengan knowledge-based system. Disiplin ilmu yang membahas teknologi dan penerapan model-model tersebut dinamankan dengan kecerdasan buatan (artificial intelligence) Definisi Kecerdasan buatan / AI Kecerdasan buatan berada di area ilmu komputer. Sekalipun banyak definisi dan pengertian dari kecerdasan buatan, para ahli padadasarnya sepakat bahwa kecerdsasan buatan bercerita tentang dua hal berikut: (1) mempelajari bagaimana otak/pikiran bekerja dan (2) mereplikasi proses tersebut kedalam komputer atau mesin. Untuk memamami apa itu kecerdasan buatan, dilakukan pendekatan tanda-tanda atau sifat dari kecerdasan yaitu:

- Belajar atau memahami dari pengalaman - Menafsirkan informasi yang ambigu - Cepat tanggap dalam merespon situasi tertentu - Membangun alasan dalam menyikapi permasalahan dan menyelesaikannya

secara efektif - Menemukan jalan keluar ditengah situasi yang membingungkan - Memahami dan mengambil kesimpulan dengan cara rasional - Memanfaatkan pengetahuan untuk memanipulasi lingkungan - Berfikir dan mencari argumen - Mengenali dan menyusun prioritas berdasar kepentingan

Karakteristik Kecerdasan Buatan/AI Kecerdasan buatan diciptakan dengan tujuan dapat meniru kecerdasan manusia, namun teknologi kecerdasan buatan yang telah beredar saat ini masih jauh dari tujuan tersebut. Karena itulah pengembangan-pengembangan terus dilakukan dan hasilnya berupa peningkatan produktivitas dan kualitas melalui otomatisasi proses yang memerlukan kecerdasan manusia. Teknik AI memiliki keunggulan-keunggulan yang dibahas pada bab ini. Proses simbolik. Merupakan karakteristik penting dalam kecerdasan buatan berdasarkan pengertian bahwa AI adalah cabang pengetahuan ilmu komputer yang sanggup bekerja dengan simbol dan metode non-algoritmik dalam pemecahan suatu masalah. Pengertian tersebut memiliki karakteristik sebagai berikut:

- Numeric vs simbolik. Komputer digunakan untuk memproses angka-angka, namun jika dasarnya adalah kecerdasan dan melihat kemampuan mental manusia yang lebih banyak memanipulasi simbol daripada angka. Walaupun kemampuan memproses simbol adalah inti dari kecerdasan bukan berarti tidak ada proses mengolah angka dan prosedur matematis. Keduanya berbeda dari sisi prioritas saja

- Algoritmik vs heuristik. Algoritma merupakan prosedur tahap demi tahap dalam memecahkan suatu masalah dengan solusi yang sama dimana proses memulai dan titik akhirnya mampu didefinisikan secara benar. Komputer pada umumnya diciptakan untuk dapat mengerjakan prosedur yang sifatnya tahap demi tahap tersebut. Sedangkan kemampuan manusia dalam membangun alasan tidak berdasarkan proses algoritmik. Dengan kata lain, logika mental kita tidak melulu menuruti proses logis dan terstruktur. Melainkan dengan bertumpu pada aturan, opini, insting dan belajar dari pengalaman sebelumnya.

Heuristik. Merupakan pengetahuan secara intuisi, menilai sesuatu dan belajar dari pengalaman. AI dapat bekerja dengan suatu pengetahuan yang menggunakan simbol dan proses-proses heuristik. Penggunaan nalar heuristik dapat menghindari penalaran-penalaran kompleks dalam menghadapi situasi-situasi yang sama. Sebagai contoh, seorang tenaga pemasar ingin mengunjungi kliennya, secara heuristik dia berfikir untuk mencari rute terdekat. Penalaran heuristik dapat menghindari kompleksitas dimana penalaran demikian dapat digunakan dalam AI. Inferensi (pengambilan kesimpulan). Tak hanya dengan nalar heuristik, AI memiliki kemampuan dalam menyusun alasan (atau menyimpulkan) kemampuan sehingga menghasilkan pengetahuan yang lebih tinggi dari pengetahuan yang sudah ada. Inferensi merupakan proses untuk menghasilkan output melalui sejumlah fakta dan peraturan (rules). Mesin pembelajar. Belajar merupakan kemampuan manusia yang penting, karena kemampuan itulah yang membedakan manusia dengan makhluk lainnya. Sistem kecerdasan buatan tidak memiliki kemampuan belajar manusia tersebut, namun memiliki proses belajar secara sederhana (dengan pemodelan yang dibuat oleh manusia) yang disebut mesin pembelajar. Mesin pembelajar mampu memantau dan menangkap kejadian di lingkungan sekitar kemudian melakukan penyesuaian dalam menghadapi perubahan yang terjadi. Dengan kata lain, mesin pembelajar merupakan disiplin ilmu yang bertujuan membuat komputer mampu mempelajari data yang diperoleh dari sensor atau basis data. Banyak teknik tentang mesin pembelajaran saat ini digunakan untuk sistem informasi inteligent. Ruang Lingkup Kecerdasan Buatan Ruang lingkup AI sangat luas. Pada bab ini dijelaskan tentang evolusi AI, perbandingan antara AI dengan kecerdasan alami dan overview terhadap penggunaan AI. Sejarah perkembangan AI Terdapat 6 tahap penting dalam perkembangan kecerdasan buatan berdasarkan sejarah. Peristiwa penting yang menjadi pemicu gelombang kecerdasan buatan adalah pertemuan Dartmouth. Ketika itu sejumlah ilmuwan komputer berkumpul di Kampus Dartmouth di tahun 1956 untuk membicarakan potensi penggunaan

komputer. Ditengah kemampuan komputer yang mampu memecahkan permasalahan komplek saat itu, diyakini mampu menyamai kecerdasan manusia. Berbagai pengembangan dilakukan sekalipun masih primitif. Tahap ini dinamanakn dengan tahap naive. Setelah sekian lama melakukan percobaan, para peneliti mencoba fokus pada metode pemecahan masalah seperti representasi pengetahuan, penjelasan dan pencarian heuristik. Karena penciptaan palikasi tersebut berdasarkan tujuan yang masih umum maka tahap ini disebut dengan tahap general method Setelah menciptakan metode-metode umum, peneliti mulai menerapkannya di kehidupan sebenarnya. Penerapan ini berbeda pada tahap pertama dimana pada tahap itu masih terdapat kesulitan dalam penerapannya. Aplikasi pun terbatas pada domain tertentu yang memerlukan pengetahuan khusus. Pengembangan pertama adalah akuisisi pengetahuan untuk mengembangkan sistem pakar atau sistem berbasis pengetahuan. Tahap ini dinamakan tahap pengetahuan (knowledge) Pasca tahun 1990, metode pemecahan masalah tingkat lanjut dikembangkan. Mulai dilakukan penggabungan beberpa teknik seperti penggabungan antara teknik rule based dengan case-based, integrasi ANN dengan algoritma genetik dan sejumlah hibrid lainnya. Tahapan ini dinamakan tahap integrasi. Tahun 2000an, beberapa aplikasi populer telah terintengrasi dengan beragam kemampuan kecerdasan buatan. Beberapa sistem kecerdasan dan robotik telah digunakan baik untuk kepentingan bisnis maupun keamanan. Sistem saat ini juga lebih canggih dari sistem-sistem sebelumnya. Aplikasi yang telah ditanam didalamnya kecerdasan mencadi ciri khas dari tahap kecerdasan buatan yang tertanam pada aplikasi. Aplikasi Kecerdasan buatan Kecerdasan buatan merupakan konsep dan ide dari hal-hal yang terkait dengan teknologi kecerdasan. Untuk memahami ruang lingkup AI, telah dikelompokkan penggunaan kecerdasan buatan dalam aplikasinya sebagai berikut: Sistem Pakar, Sistem pakar diambil dari istilah sistem pakar berbasis pengetahuan (knowledge based expert system). Sistem pakar diterjemahkan sebagai sistem informasi dimana komputer yang memiliki pengetahuan manusia digunakan untuk memecahkan masalah menggantikan kehadiran ahli. Pemrosesan Bahasa Natural (Natural Process Language/NLP). NLP merupakan sekumpulan teknologi dimana manusai dan komputer dapat berinteraksi dengan bahasa-bahasa natural manusia. Teknologi ini bertujuan menjadi antar muka antara pengguna dengan komputer yang lebih manusiawi, berbeda dengan antarmuka tradisional dimana pengguna harus memasukkan sitaks-sintaks khusus dan bukan bahasa alami manusia. NLP sendiri memiliki dua cabang yaitu:

- Natural language understanding, dimana komputer mampu memahami bahasa manusia (dengan pendekatan semantik). Sehingga inilah tujuan akhir yaitu memahami bahasa manusia

- Natural language generation, meliputi teknologi yang membuat komputer mampu menciptakan adan mengekspresikan bahasa manusia. Tujuannya agar manusia memahami apa yang diucapkan oleh komputer seperti layaknya diucapkan oleh manusia.

Pembaca Suara (Speech/voice understanding), merupakan pengenalan dan memahami ucapan manusia oleh komputer. Aplikasi teknologi ini sangat berkembang, kalangan dunia usaha mulai menggunakannya untuk layanan call center mereka. Salah satu aplikasi yang menarik adalah LISTEN (Literacy innovation that Speech Technology Enables) yang dikembangkan oleh Mellon University untuk membantu meningkatkan kemampuan baca tulis anak-anak. Robotik dan sistem sensor. Sistem sensor seperti sistem penglihatan, sistem sentuhan dan pemrosesan sinyal ketika dikombinasi dengan AI menjadi katagori baru yang dikenal dengan robot. Robot merupakan seperangkat elektromekanik yang dapat melakukan tugas fisik/manual. Secara formal Institut robotik amerika memberikan pengertian bahwa robot adalah manipulator multifungsi yang dapat diprogram untuk memindahkan barang, bahan, alat atau alat spesial yang telah didesain khusus untuk melakukan pergerakan tertentu tergantung pada program dan tugas yang diberikan. (Currie 1999). Robot cerdas memiliki fitur sensor seperti kamera yang dapat menangkap kondisi lingkungan disekitarnya dan melakukan respon. Keberadaan komponen cerdas pada robot digunakan untuk menangkap kondisi lingkngan untuk kemudian merespon atau beradaptasi dengan keadaan tersebut. Teknologi robot humanoid yang dikembangkan oleh Jepang menjadi salah satu contohnya, dimana robot dapat mengenali perintah verbal seperti memindahkan kursi hingga mengganti chanel TV. Pengenalan Visual (visual Recognition). Merupakan teknologi kecerdasan dimana komputer menangkap informasi visual (melalui kamera, radar, inframerah, sonograf) untuk kemudian merepresentasi secara digital untuk mengetahu kondisi objek yang ada dibawahnya. Hasil informasinya dapat digunakan untuk sejumlah operasi darat seperti pergerakan robot, pengaturan kurir, pemetaan rute produksi, dan lain sebagainya. Teknologi Pengenalan visual tidak semata pengenalan gambar saja melainkan lebih kepada intepretasi. Sebagai contoh, intepretasi lahan digunakan untuk mengetahui wilayah mana yang berpotensi gagal panen, atau intepretasi bangunan oleh robot digunakan untuk mengetahui adanya komponen yang belum terpasang kemudian robot tersebut memperbaikinya. ICAI (Intelligence Computer Aided Instruction). ICAI merujuk pada komputer yang dapat membimbing manusia. Sekilas tampak mirip dengan sistem pakar, jika sistem pakar pada akhirnya menghasilkan saran-saran maka ICAI lebih kepada mengajarkan. Perbedaan lainnya, ICAI seperti guru sedangkan sistem pakar sebagai konsultan.

Teknologi ICAI telah berkembang terutama untuk dunia pendidikan. Sejumlah teknik AI diperbarui dan dikembangkan untuk ICAI, pengembangan tersebut dikenal dengan intelligent tutoring system (ITS) dimana banyak diimplementasikan dalam basis web. Pemrograman otomatis. Menuliskan baris program terkadang membuat jemu dan memungkinkan terjadinya kesalahan. Sebuah program otomatis yang dapat menulis baris program terutama untuk lprogram-program level tertentu dan memudahkan manusia dalam mengerjakannya. Pemrograman otomatis ini telah memiliki kecerdasan buatan didalamnya yang terintegrasi dengan IDE (Integrated Development Environment) Neural Computing. Neural computing atau yang biasa dikenal dengan jejaring syaraf didefinisikan sebagai seperangkat model matematis yang mendekati cara kerja otak manusia. Penggunaan jaringan syaraf tiruan ini sangat banyak, contoh dari berbagai model jaringan syaraf diantaranya NeuroSolution(nd.com), BrainMaker(calsci.com), dan NeuroShell(wardsystem.com). Permainan Game. Permainan game merupakan cara termudah dalam melihat perkembangan riset AI. Dengan cara ini dapat dilihat sejauhmana strategi AI yang diterapkan dalam permainan karena mudah dilihat (dengan memainkannya) dan menilainya. Terjemahan. Merupakan program terjemahan otomatis yang mampu menterjemahkan kata ayng diketik pengguna menjadi bahasa yang dikendaki. Produk ternama dari teknik ini adalah Babel Fish Tranlator dan Google Translate. Logika Fuzzy. Merupakan teknik untuk mengolah istilah-istilah ambigu sebagai pengembangan dari logika berbasis true/false yang tidak dapat menangkap kebenaran parsial. Terkadang pengetahuan yang tidak pasti dan ambigu diperlukan dalam pengambilan keputusan. Nilai benar salah diganti dengan derajat keanggotaan. Algoritma genetika. GA merupakan teknik tingkat lanjut yang mampu menyerupai proses evolusi alam. Untuk permasalahan tertentu, sejumlah set solusi telah disusun dalam sebuah kromosom yang mengandung gen sebagai derajat variabel keputusan. GA mulai bekerja dengan menyusun populasi solusi, kemudian melakukan identifikasi dan pencarian solusi terbaik untuk menghasilkan keturunan dengan sejumlah proses dalam genetika. Sejumlah proses rekursif dalam evolusi dilakukan hingga tercipta solusi yang diinginkan. Intelligent Agent. Agen cerdas merupakan program sederhana dimana komputer dapat menjalankan suatu perintah secara otomatis dan kontinyu. Agen cerdas bekerja dengan memonitor keadaan dan melakukan sejumlah respon atau penyesuaian terhadap perubahan. Contoh dari program ini adalah antivirus. Antivirus bekerja mengawasi setiap file atau data yang masuk, jika ditemukan virus maka program akan menghapus virus tersebut. Konsep Dasar Sistem Pakar

Sistem Pakar merupakan sistem informasi berbasis komputer yang telah memiliki pengetahuan pakar untuk mendapatkan informasi dalam mendukung keputusan di level tinggi pada bidang tertentu. Konsep-konsep yang mendasari sistem pakar meliputi siapa saja yang disebut pakar, definisi pakar, dan sejauh mana kepakaran dapat dipindahkan kedalam sistem berbasis komputer. Pakar Pakar merupakan seseorang yang memiliki pengetahuan khusus, pengalaman, penilaian dan kemampuan dalam memanfaatkan pengetahuan yang dimiliki menjadi sebuah saran atau pemecahan masalah yang komplek untuk suatu bidang tertentu. Pakar akan mengetahui mana faktor-faktor yang penting dan berhubungan satu sama lain atas suatu permasalahan yang kompleks. Misalnya pakar perangkat elektronik mobil, akan mengetahui bahwa rusaknya karet kipas menandakan bahwa aki mobil harus diganti. Tidak ada definisi baku tentang pakar, namun bagaimana seseorang mengambil keputusan dan sejauhmana pengetahuan yang dimiliki menjadi sebagian penentu apakah seseorang tersebut layak disebut pakar. Seorang pakar harus bisa memberi saran atau memecahkan permasalahan pada level diatas rata-rata umumnya orang. Seorang yang ahli di waktu atau daerah tertentu belum tentu dia juga menjadi ahli di tempat dan waktu yang lain. Intinya seorang pakar harus bisa memecahkan masalah dan menjelaskan tentang suatu kejadian tertentu pada wilayah yang spesifik. Biasanya pakar memiliki kemampuan sebagai berikut:

- Mengenali dan memformulasi permasalahan - Memecahkan masalah secara cepat dan tepat - Menjelaskan jalan keluar permasalahan - Belajar dari pengalaman - Restrukturisasi pengetahuan - Keluar dari aturan/norma jika diperlukan - Menemukan relevansi dan keterkaitan - Melakukan penolakan dengan sopan (jika diluar bidang kemampuan)

Keahlian Keahlian merupakan cakupan luas terhadap pekerjaan dan pengetahuan spesifik yang dimiliki oleh pakar. Derajat keahlian pakar dilihat dari kualitas keputusan yang diambil. Keahlian didapat dari belajar, berlatih, membaca atau dari pengalaman. Keahlian diperoleh dari pengetahuan eksplisist seperti buku teori atau di sekolah, bisa juga dari pengetahuan implisit seperti dari pengalaman sehari-hari. Berikut ini dapat dikatagorikan sebagai pengetahuan:

- Theori yang melandasi permasalahan - Peraturan dan prosedur - Saran-saran tentang apa yang harus dilakukan jika permasalahan tertentu

datang - Strategi umum dalam menghadapi situasi tertentu

- Metaknowledge (ilmu tentnag pengetahuan tertentu) - Realitas terhadap permasalahan tertentu.

Jenis pengetahuan tersebut menjadikan seorang ahli memiliki keahlian dan lebih baik dan cepat dalam pengambilan keputusan atas permasalahan yang kompleks. Pengalaman memiliki karakteristik sebagai berikut:

- Pengalaman terkait dengan kecerdasan tingkat tinggi namun bukan berarti orang berpengalaman harus pintar

- Pengalaman berhubungan dengan pengetahuan yang luas - Pengalaman didapat dari kesuksesan dan kegagalan masa lalu - Keahlian berdasar dari pengetahuan yang tersimpan, terorganisir dan

didapat dari seorang pakar

Keunggulan Sistem Pakar Sebuah sistem pakar harus memiliki komponen keunggulan sebagai berikut:

- Keahlian. Sebagaimana yang telah dijelaskan sebelumnya, pakar dibedakan karena level keahliannya. Sebauh sistem pakar harus memiliki keahlian sehingga keputusan yang dikeluarkan sebanding dengan pakar.

- Penjelasan simbolik. Dasar rasional dari kecerdasan buatan adalah lebih kepada penjelasan simbolihk daripada hitungan matematis. Pengetahuan harus dijadikan simbolis dan penjelasannya juga simbolis.

- Pengetahuan mendalam. Pengetahuan mendalam menggambarkan level kepakaran. Pengetahuan yang tersimpan dalam ES harus pengetahuan yang tidak mudah ditemukan atau dimiliki oleh orang bukan pakar.

- Pengetahuan mandiri. Sistem pakar harus bisa menjelaskan dan memberikan alasan yang memadai ketika sebuah kesimpulan diambil. Seperti layaknya ahli yang selalu belajar, sistem pakar juga dapat belajar dari kesuksesan dan kegagalan sebagaimana pakar belajar dari sumber pengetahuan lainnya.

Pengembangan sistem pakar dibagi dalam dua generasi. Generasi pertama sistem pakar kebanyakan berisi prosedur if-then dalam mengolah pengetahuan. Generasi kedua lebih fleksibel dalam mengadaptasi berbagai metode. Berbagai teknik seperti logika fuzzy, jaringan syaraf tiruan dan algoritma genetik ditambah dengan model berbasis prosedur dikombinasikan dalm satu sistem.

Perbandingan antara sistem konvensional dengan sistem pakar Sistem Konvensional Sistem Pakar Informasi dan pemrosesan informasi oleh satu program

Basis pengetahuan terpisah dari pemrosesan (inferensi)

Program tidak dapat melakukan kesalahan, jika ada kesalahan terletak pada programer dan pengguna

Program memungkinkan melakukan kesalahan

Tidak ada penjelasan mengapa meminta data dan mengapa kesimpulan yang keluar seperti itu

Terdapat penjelasan

Membutuhkan input data dan tidak akan diproses jika data tidak lengkap

Tidak memerlukan data lengkap, jika ada data yang terlewati sistem tetap dapat mengambil kesimpulan

Melakukan perubahan atas program sangat repot

Perubahan prosedur memungkinkan dan mudah

Sistem berjalan jika lengkap Bisa berjalan walaupun dengan sejumlah prosedur

Eksekusi dilakukan dengan tahap langkah demi langkah

Eksekusi dilakukan dengan heuristik dan logic

Dapat memanipulasi data dengan database besar

Dapat memanipulasi data dengan pengetahuan yang besar

Menampilkan dan menggunakan data Menampilkan dan menggunakan pengetahuan

Untuk tujuan efisiensi, efektivitas hanya untuk DSS

Efektivitas adalah tujuan utama

Bekerja dengan data kuantitatif Bekerja dengan data kualitatif Menyajikan data numeric Menyajikan pengetahuan secara

simbolik dan numeric Menangkap, memperbesardan menyebarkan akses untuk data numerik atau informasi

Menangkap, memperbesar dan menyebarkan pengetahuan untuk memutuskan dan wawasan

Turban Chapter 12, Section 2:

Applications of Expert System

Structure of Expert System

Knowledge Engineering

Aplikasi Sistm Pakar (ES)

ES telah diterapkan untuk berbagai bidang bisnis dan teknologi untuk mendukung pengambilan keputusan. Aplikasi kasus 12.5 menunjukkan beberapa aplikasi dunia nyata dari ES. Tabel 12.3 menunjukkan beberapa representatif dari EF dan daerah hasil aplikasi mereka.

Aplikasi ES awal, seperti DENDRAL untuk identifikasi struktur molekul dan MYCIN untuk diagnosa medis, yang terutama dalam domain ilmu. XCON untuk konfigurasi sistem komputer VAX pada peralatan digital corp. (produsen utama minicomputer diseluruh 1990) yang kemudian diambil alih oleh compaq) adalah contoh sukses dalam bisnis.

DENDRAL. Proyek DENDRAL ini diprakarsai oleh edward Feigenbaum pada tahun 1965. Dulu satu set berbasis pengetahuan atau penalaran berbasis aturan perintah untuk menyimpulkan kemungkinan struktur molekul senyawa kimia organik dari kimia yang dikenal analisis dan data spektrometri massa. DENDRAL terbukti fundamental penting dalam menunjukkan bagaimana penalaran berbasis aturan dapat dikembangkan menjadi pengetahuan alat-alat teknik kuat dan menyebabkan pengembangan program penalaran berbasis aturan lain di Stanford Artificial Intelligence Laboratory (SAIL). Yang paling penting dari program-program tersebut adalah MYCIN.

MYCIN. MYCIN adalah aturan dasar dari ES yang mendiagnosa infeksi bakteri pada darah. Itu telah dikembangkan oleh kelompok peneliti Universitas Standford pada tahun 1970. Dengan menanyakan pertanyaan-pertanyaan dan terusan rantai paling akhir dari sebuah aturan dasar tentang 500 aturan, MYCIN dapat dikenali kira-kira 100 penyebab infeksi dari bakteri, yang mana mengijinkan sistim untuk merekomendasikan resep-resep obat yang efektif. Pada uji coba yang telah terkontrol, menampilkan ukuran untuk menyamainya dari spesialis-spesialis manusia. Metode sebab dan proses tidak pasti digunakan di MYCIN adalah pionir pada area dan telah dihasilkan pukulan dalam jangka panjang pada perkembangan ES.

XCON. XCON, sebuah pengembangan sistim aturan dasar pada Perusahaan Perlengkapan Digital, digunakan aturan-aturan untuk menolong menentukan konfigurasi sistim optimal sesuai keperluan pelanggan. Sistim tersebut dapat untuk mengatasi permintaan pelanggan selama 1 menit yang biasanya pada tim penjual membutuhkan 20 hingga 30 menit. Dengan ES, keakuratan pelayanan mencapai 98%, jika dengan manual mendekati keakuratan 65%, menghemat jutaan dolar setiap tahun.

Aplikasi yang lebih baru dari ES

Aplikasi yang lebih baru dari sistim pakar maliputi manajemen resiko,masukan dana pensiun, otomatisasi aturan bisnis, pengawasan pasar otomatis, dan keamanan dalam negeri.

SISTEM ANALISIS KREDIT. Sistem pakar telah dikembangakn untuk mendukung kebutuhan-kebutuhan dari lembaga-lembaga pinjaman komersial. ES dapat membantu pemberi pinjaman menganalisis catatan kredit pelanggan dan menentukan batas kredit yang tepat. Aturan dalam basis pengetahuan juga dapat membantu menilai resiko dan manajemen risiko kebijakan. Jenis-jenis sistem yang digunakan dalam lebih dari sepertiga dari 100 bank komersial di Amerika Serikat dan Kanada.

PEMBERIAN DANA PENSIUN. Perusahaan makanan Nestle telah mengembangkan ES dalampemberian informasi dari status dana pensiun pegawai. Sistem mengutamakan sebuah pembaruan pengetahuan dasar untuk memberikan saran mengenai dampak perubahan regulasi dan kesesuaian dengan standar baru peserta. Sistem yang ditawarkan di internet di perguruan tinggi guru Pingtung di Taiwan memiliki fungsi yang memungkinkan peserta untuk merencanakan pensiun mereka melalui analisis sebab akibat yang menghitung dana pensiun mereka dibawah skenario yang berbeda.

DATA-DATA BANTUAN OTOMATIS. Pengobatan BMC (remedy.com) menawarkan HelpDeskIQ, sebuat aturan dasar tabel bantuan solusi untuk bisnis kecil. Alat berbasis browser ini memungkinkan usaha kecil untuk menangani permintaan pelanggan dengan lebih efisien. E-mail masuk secara otomatis masuk ke mesin aturan bisnis HelpDeskIQ. Pesan yang dikirim ke teknisi yang tepat, berdasarkan prioritas dan status yang ditetapkan. Solusi membantu teknisi HelpDesk dalam mencari masalah dan menyelesaikan masalah yang lebih efektif.

WILAYAH UNTUK APLIKASI ES

Seperti yang di tunjukan dalam contoh-contoh sebelumnya sistem pakar telah di terapkan secara komersial di sejumlah daerah,termasuk yaitu berikut.

• Sistem pakar keuangan mencakup evaluasi asuransi, analisis kredit, perencanaan pajak, pencegahan penipuan, analisis laporan keuangan, perencanaan keuangan, dan evaluasi kerja.

• Sistem pakar pengolahan data meliputi perencanaan sistem, pemilihan peralatan, perawatan peralatan, evaluasi penjualan, dan manajemen jaringan.

• Sistem pakar pemasaran meliputi manajemen hubungan pelanggan, analisis pasar, perencanaan produk, dan perencanaan pasar.

• Contoh sumberdaya manusia sistem pakar adalah perencanaan sumberdaya manusia, evaluasi kinerja, penjadwalan setaf, manajemen pensiun, dan penasehat hukum.

• Manufaktur sistem pakar meliputi perencanaan produksi, manajemen mutu, desainproduk, dan pemilihan lokasi pabrik.

• Sistem keamanan dalam negri meliputi penilaian ancaman teroris dan deteksi keuangan teroris.

• Sistem pakar telah dikembangkan untuk bioinformatika dan isu-isu manajemen perawatan kesehatan lainya.

Sekarang bahwa anda sudah familiar dengan berbagai aplikasi sistem pakar yang berbeda, sekarang saatnya untuk melihat struktur internal dari sistem pakar dan bagaimana tujuan dari sistem pakar yang dicapai.

Struktur dari sistem pakar

Sistim pakar di pandang memiliki dua lingkungan, lingkungan pengembangan dan lingkungan konsultasi.

Pembangunan sistem pakar menggunakan lingkungan pengembangan untuk membangun komponen yang di perlukan dari sistem pakar dan untuk mengisi basis pengetahuan dengan representasi yang tepat dari pengetahuan pakar.

Seorang non pakar menggunakan lingkungan konsultasi untuk mendapatkan saran dan untuk memecahkan masalah dengan menggunakan pengetahuan pakar tertanam ke dalam sistem.

Tiga komponen utama yang muncul dalam hampir setiap sistem pakar adalah basis pengetahuan, mesin inferensi, dan antar muka pengguna.secara umum, meskipun, sistem pakar yang berinteraksi dengan pengguna dapat berisi komponen-komponen tambahan berikut

• Subsistem Perolehan Pengetahuan

• Papan akuisisi (tempat kerja)

• Penjelasan subsistem (pembenaran)

• Sistem pengetahuan penyulingan

Saat ini, sebagian besar sistem pakar tidak mengandung pengetahuan perbaikan komponen. Penjelasan singkat dari masing-masing komponen adalah sebagai berikut.

• Subsistem Perolehan Pengetahuan

Perolehan Pengetahuan adalah akumulasi, transfer, dan transformasi pakar pemecahan masalah dari pakar atau sumber

pengetahuan yang telah didokumentasikan kepada program komputer untuk membangun atau memperluas basis pengetahuan. potensi sumber pengetahuan termasuk ahli manusia, buku teks, dokumen multimedia, database (publik dan swasta), laporan penelitian khusus, dan informasi yang tersedia di web.

Basis Pengetahuan

basis pengetahuan adalah dasar dari sebuah ES . mengandung pengetahuan yang relevan yang diperlukan untuk memahami , merumuskan , dan memecahkan masalah . basis pengetahuan yang khas dapat mencakup dua elemen dasar : ( 1 ) fakta-fakta yang menggambarkan karakteristik dari suatu situasi tertentu masalah ( atau fakta dasar ) dan teori area masalah dan ( 2 ) heuristik khusus atau aturan ( atau nugget pengetahuan ) yang mewakili ahli pengetahuan yang mendalam untuk memecahkan masalah tertentu dalam domain tertentu . selain itu , mesin inferensi dapat mencakup tujuan umum pemecahan masalah dan pengambilan keputusan aturan ( atau meta - aturan - aturan tentang bagaimana untuk memproses aturan produksi ) adalah penting untuk membedakan antara basis pengetahuan dari ES dan basis pengetahuan organisasi. pengetahuan yang tersimpan dalam basis pengetahuan dari ES sering direpresentasikan dalam format khusus sehingga dapat digunakan oleh sebuah program perangkat lunak untuk membantu pengguna memecahkan suatu masalah tertentu . basis pengetahuan organisasi , bagaimanapun, berisi berbagai macam pengetahuan dalam format yang berbeda ( yang sebagian besar diwakili dengan cara yang dapat dikonsumsi oleh orang-orang ) dan dapat disimpan di tempat yang berbeda .

• Papan tulis (tempat kerja)

papan tulis adalah daerah memori kerja disisihkan sebagai database untuk deskripsi dari masalah saat ini, yang ditandai dengan input data. juga digunakan untuk merekam hasil antara, hipotesis, dan keputusan. tiga jenis keputusan dapat direkam di papan tulis: rencana (yaitu, bagaimana untuk menyerang masalah), agenda, dan solusi. perhatikan contoh ini. ketika mobil Anda gagal untuk memulai, Anda dapat memasukkan gejala gagal ke komputer untuk penyimpanan di papan tulis. sebagai hasil dari hipotesis menengah dikembangkan di papan tulis, komputer mungkin kemudian menyarankan agar Anda melakukan beberapa pemeriksaan

tambahan dan meminta Anda untuk melaporkan hasilnya. informasi ini juga dicatat di papan tulis.

• subsistem penjelasan ( pembenaran )

kemampuan untuk melacak tanggung jawab reconclusions sumber mereka sangat penting baik dalam transfer keahlian dan dalam pemecahan masalah . subsistem penjelasan dapat melacak tanggung jawab tersebut dan menjelaskan perilaku ES dengan interaktif menjawab pertanyaan-pertanyaan seperti ini :

- Mengapa pertanyaan tertentu diminta oleh ES ? - Bagaimana itu kesimpulan tertentu tercapai? - Mengapa alternatif tertentu ditolak ? apa rencana lengkap keputusan yang

harus dibuat dalam mencapai kesimpulan ?

Di sebagian besar ES , dua pertanyaan pertama ( mengapa dan bagaimana ) dijawab dengan menunjukkan aturan yang diperlukan mengajukan pertanyaan yang spesifik dan menunjukkan urutan aturan yang digunakan ( dipecat ) untuk memperoleh rekomendasi spesifik , masing-masing.

• sistem pengetahuan penyulingan

ahli manusia memiliki sistem pengetahuan pemurnian , yaitu, mereka dapat menganalisis pengetahuan mereka sendiri dan efektivitas belajar dari itu dan memperbaiki itu untuk konsultasi di masa depan . sama , evaluasi tersebut diperlukan dalam sistem pakar sehingga program dapat menganalisis alasan keberhasilan atau kegagalan , yang dapat menyebabkan perbaikan yang mengakibatkan basis pengetahuan yang lebih akurat dan penalaran yang lebih efektif . komponen penting dari sistem perbaikan pengetahuan adalah mekanisme belajar mandiri yang memungkinkan untuk menyesuaikan basis pengetahuan dan pengolahannya pengetahuan berdasarkan evaluasi perfomances masa lalu baru-baru ini . komponen cerdas seperti belum cukup dewasa untuk muncul dalam banyak alat ES komersial tetapi sedang dikembangkan dalam ES eksperimental pada beberapa universitas dan lembaga penelitian.

Teknik Pengetahuan

koleksi kegiatan intensif meliputi akuisisi pengetahuan dari pakar manusia (dan sumber informasi lainnya) dan konversi pengetahuan ini ke dalam repositor (biasa disebut basis pengetahuan) disebut rekayasa pengetahuan. Rekayasa pengetahuan istilah pertama kali didefinisikan dalam pekerjaan perintis Feigenbaum dan McCorduck (1983) sebagai seni membawa prinsip-prinsip dan alat-alat penelitian kecerdasan buatan untuk menanggung pada masalah aplikasi sulit yang membutuhkan pengetahuan para ahli untuk solusi mereka. Teknik pengetahuan membutuhkan kerjasama dan komunikasi yang erat antara manusia dan ahli insinyur pengetahuan untuk berhasil mengkode dan secara eksplisit mewakili aturan (atau prosedur berbasis pengetahuan lainnya) bahwa seorang ahli manusia menggunakan untuk memecahkan masalah dalam doamin aplikasi tertentu. Pengetahuan yang dimiliki oleh para ahli manusia sering tidak terstruktur dan tidak secara eksplisit diungkapkan. Tujuan utama dari rekayasa pengetahuan adalah untuk membantu para ahli mengartikulasikan bagaimana mereka melakukan apa yang mereka lakukan dan untuk mendokumentasikan pengetahuan ini dalam bentuk reuseable. Teknik pengetahuan dapat dilihat dari dua perspektif : sempit dan luas. Menurut perspektif sempit , pengetahuan penawaran rekayasa dengan langkah-langkah yang diperlukan untuk membangun sistem pakar (yaitu , akuisisi pengetahuan , representasi pengetahuan , validasi pengetahuan , inferensia , dan penjelasan / justifikation ). Alternatif, menurut perspektif yang luas, istilah menggambarkan seluruh proses pengembangan dan pemeliharaan setiap sistem cerdas. dalam buku ini, kita menggunakan definisi yang sempit. Lima kegiatan utama dalam rekayasa pengetahuan berikut:

• Perolehan pengetahuan. Perolehan pengetahuan termasuk perolehan pengetahuan dari pakar manusia, buku-buku, dokumen-dokumen, sensor-sensor, atau file komputer. Pengetahuan tersebut mungkin spesifik kepada masalah daerah asal atau prosedur penyelesaian masalah, itu dimungkinkan pengetahuan umum a9seperti pengetahuan tentang bisnis), atau itu mungkin pengetahuan meta (pengetahuan tentang pengetahuan). Byrd (1995) secara formal mengungkapkan bahwa teknik pengetahuan merupakan saluran pada perkembangan ES saat ini.

• Gambaran pengetahuan. Teknik pengetahuan merupakan sesuatu yang telah terorganisir dengan begitu siap untuk digunakan, pada sebuah aktifitas disebut gambaran pengetahuan. Kegiatan ini

termasuk persiapan dari peta pengetahuan dan pengkodean dari pengetahuan pada basis pengetahuan.

• Validasi pengetahuan. Validasi pengetahuan (atau verifikasi) termasuk memvalidasi dan memverifikasi pengetahuan (salah satunya menggunakan kasus uji coba) sampai kualitasnya dapat diterima. Hasilnya biasanya ditunjukkan pada sebuah pakar hasil kepada ketelitian verifikasi dari ES.

• Kesimpulan. Kegiatan ini termasuk mendesain perangkat lunak untuk memungkinkan komputer untuk membuat kesimpulan dasar pada pengetahuan tersimpan dan spesifik dari sebuah masalah.

• Penjelasan dan Pembenaran. Langkah ini termasuk pendesainan dan pemrograman dari kapabilitas penjelasan (sebagai contoh, memrogram kepintaran untuk menjawab pertanyaan seperti mengapa bagian spesifik dari informasi dibutuhkan oleh komputer atau bagaimana keputusan pasti dapat diperoleh oleh komputer).

Kesulitan dalam perolehan pengetahuan

Perolehan pengetahuan dari para ahli merupakan tugas yang tidak mudah. Hal tersebut terdapat beberapa faktor yang dimasukkan dalam kekompleksan dari perolehan pengetahuan dari para ahli dan itu disalurkan ke komputer.

• Para pakar mungkin tidak tahu bagaimana mengartikulasi pengetahuan mereka atau mungkin tidak memungkinkan untuk melakukan hal yang sama.

• Para pakar mungkin tidak memiliki waktu atau mungkin tidak menginginkan untuk bekerja sama.

• Pengujian dan penyempurnaan pengetahuan merupakan hal yang rumit.

• Penimbulan metode dalam pengetahuan mungkin kurang terbatasi.

• Para pakar mungkin merubah perilaku mereka ketika mereka teramati atau telah ditemukan.

Kelebihan dan kekurangan dari menggunakan multipakar

Kelebihan

• rata-rata, beberapa ahli membuat kesalahan lebih sedikit daripada seorang ahli tunggal.

• penghapusan kebutuhan untuk menemukan dan menggunakan ahli kelas dunia (yang sulit untuk mengidentifikasi dan memperoleh).

• domain yang lebih luas daripada seorang ahli tunggal.

• sintesis keahlian.

• meningkatkan kualitas karena sinergi di antara para ahli.

Kekurangan

• takut pada bagian dari beberapa ahli domain ahli senior atau atasan (yaitu, kurangnya kerahasiaan).

• mengorbankan solusi yang dihasilkan oleh sekelompok dengan pendapat yang saling bertentangan.

• Groupthink.

• ahli mendominasi (yaitu, mengontrol, tidak membiarkan orang lain berbicara).

• membuang-buang waktu dalam pertemuan kelompok dan kesulitan penjadwalan.

Turban Chapter 12, Section 3:

Problem Areas Suitable for Expert Systems

Development of Expert Systems

Benefits of Expert Systems,

Limitation of Expert Systems, and

Critical Success Factors of Expert Systems

Ruang Permasalahan yang Sesuai Bagi Sistem Pakar Sistem pakar dapat diklasifikasikan sebagai berikut: § Sistem interpretasi, menyimpulkan deskripsi suatu situasi dari hasil

kegiatan observasi.Yang termasuk dalam kategori sistem ini meliputi: pengawasan (surveillance), pemahaman pembicaraan (speech understanding), analisis citra, interpretasi sinyal. Sistem ini dijabarkan oleh data observasi yang diasosiasikan dengan suatu lambang untuk menggambarkan situasi.

§ Sistem prediksi, - menyimpulkan kemungkinan suatu konsekuensi dari situasi tertentu. Yang termasuk dalam kategori sistem ini meliputi: peramalan cuaca, prediksi demografi, peramalan ekonomi, prediksi lalu lintas, estimasi panen, peramalan keuangan.

§ Sistem diagnostik, menyimpulkan penyebab malfungsi sistem dari suatu observasi.Yang termasuk dalam kategori sistem ini meliputi: sistim diagnosis untuk keperluan medis, elektronik, mekanikal, dan perangkat lunak. Sistem ini berkaitan dengan observasi perilaku yang tidak biasa (behavioralirregularities) atas proses tertentu.

§ Sistem perancangan, mengkonfigurasikan sistem dengan suatu batasan. Contohnya: layout sirkuit, disain bangunan, layout pabrik.

§ Sistem pengawasan, sistem ini membandingkan observasi dari perilaku sistem terhadap standar, hal ini penting bagi kesuksesan pencapaian tujuan. Contohnya: kontrol lalu lintas udara, tugas pengelolaaan fiskal.

§ Sistem debugging, sistem ini bergantung pada perencanaan, desain, dan prediksi kemampuan untuk membuat spesifikasi atau rekomendasi untuk memperbaiki masalah yang didiagnosis.

§ Sistem perbaikan, sistem ini mengembangkan dan melaksanakan rencana untuk mengelola perbaikan untuk masalah tertentu yang didiagnosis. Sistem ini berkaitan langsung dengan debugging, perencanaan, and kapabilitas eksekusi.

§ Sistem instruksi, sistem ini menggabungkan subsistem diagnostik dan debugging untuk mengidentifikasikan kebutuhan tertentu.

§ Sistem pengendalian, sistem yang adaptif mengatur perilaku keseluruhan sistem.

Pengembangan Sistem Pakar Pengembangan sistem pakar dilakukan melalui serangkaian tahapan, yaitu § Mendefinisikan sifat dan ruang lingkup masalah.

Permasalahan yang dapat diselesaikan dengan algoritma optimisasi umumnya tidak sesuai untuk sistem pakar, namun metode rule-based cocok untuk diaplikasikan pada sistem pakar karena sifat masalah yang bersifat kualitatif, pengetahuan yang eksplisit, ketersediaan ahli untuk pemecahan masalah secara efektif dengan pengetahuan dan pengalaman

yang dimiliki. Ruang lingkup masalah perlu didefinisikan secara spesifik dan masuk akal.

§ Mengidentifikasi ahli yang tepat. Ahli yang tepat harus memiliki pemahaman yang menyeluruh mengenai pengetahuan dalam hal pemecahan masalah, peran sistem pakar, teknologi pendukung keputusan, dan keahlian komunikasi yang baik.

§ Memperoleh pengetahuan. Pihak yang bertugas untuk mendokumentasikan pengetahuan dari seorang ahli disebut knowledge engineer. Sedangkan proses mendokumentasikan pengetahuan disebut knowledge engineering. Akusisi pengetahuan merupakan proses yang membutuhkan waktu yang banyak dan beresiko. Beberapa hal yang berpotensi menghambat akusisi pengetahuan untuk sistem pakar, yaitu a. Beberapa pengetahuan memiliki paten dan berharga. b. Ahli tidak berkeinginan membagi pengetahuan tanpa kompensasi

sesuai. c. Ahli tidak memiliki keahlian menerangkan dengan jelas tacit

knowledge-nya. d. Pengetahuan yang kontradiksi dan tidak konsisten. e. Knowledge engineer tidak memahami penjelasan ahli, sehingga

informasi menjadi tidak akurat. Hasil dari dokumentasi pengetahuan yaitu berupa basis pengetahuan (knowledge based). Direpresentasikan dalam bentuk: IF THEN ELSE atau pohon/ table keputusan. Pengetahuan yang terdokumentasi dalam basis pengetahuan harus dievaluasi konsistensi dan penerapannya.

§ Pemilihan alat untuk pengembangan (building tools). - General-Purpose Development Environment

Platform pengembangan ini tidak memiliki kemampuan inferensi sehingga pengembangan membutuhkan biaya yang lebih besar dan relatif lama. Misal: C++, Prolog, LISP.

- Expert System Shell Shell yang secara khusus dikembangkan untuk sistem pakar. Misal: Corvid, LPA VisiRule.

- Tailored Turn-Key Solutions Dapat dikonfigurasikan untuk area tertentu dan cepat diadaptasikan. Misal: Haley, ILOG.

Pertimbangan dalam pemilihan alat pengembangan, diantaranya:

- Biaya dan keuntungan. - Fungsionalitas dan fleksibilitas. - Kompatibilitas dengan infrastruktur yang ada. - Reliabilitas. - Dukungan purna jual vendor.

§ Pengkodean sistem. Dalam tahapan ini pengkodean harus efektif dan dikelola dengan baik untuk mengantisipasi kesalahan. Pemrogram yang ahli sangat dibutuhkan dalam tahap ini.

§ Evaluasi sistem. Setelah sistem pakar selesai diprogram, perlu dilakukan evaluasi yang mencakup verifikasi dan validasi. Verifikasi memastikan bahwa data pengetahuan hasil yang terdapat pada basis pengetahuan sama dengan yang peroleh dari ahli atau pakar. Sedangkan validasi, memastikan bahwa sistem dapat menyelesaikan masalah dengan benar.

Keuntungan, Keterbatasan, dan Faktor Penentu Keberhasilan dari Sistem Pakar Keuntungan Sistem Pakar

Meliputi: - Peningkatan output dan produktivitas. - Menurunkan waktu untuk pembuatan keputusan. - Peningkatan proses dan kualitas produk. - Mengurangi downtime. - Merekam keahlian langka. - Fleksibilitas. - Pengoperasian peralatan menjadi lebih mudah. - Penghapusan kebutuhan untuk perangkat mahal. - Operasi pada lingkungan berbahaya. - Aksesibilitas terhadap pengetahuan dan helpdesk. - Kemampuan bekerja dengan pengetahuan terbatas dan tidak pasti. - Penyediaan pelatihan. - Perbaikan kemampuan dalam pemecahan masalah dan pembuatan

keputusan. - Meningkatkan proses pembuatan keputusan.

- Meningkatkan kualitas keputusan. - Kemampuan dalam menyelesaikan masalah kompleks. - Transfer pengetahuan ke lokasi remote. - Peningkatan sistem informasi lainnya.

Keterbatasan Sistem Pakar

Meliputi: - Pengetahuan tidak selalu tersedia. - Sulitnya untuk mengekstraksi keahlian dari pakar. - Pendekatan dari setiap pakar terhadap penilaian suatu situasi mungkin

berbeda atau bahkan belum tentu benar. - Sulitnya mengabstraksi dengan baik penilaian suatu situasi dengan

waktu yang sangat terbatas. - Pengguna sistem pakar memiliki keterbatasan kognitif. - Sistem pakar bekerja dengan baik pada area pengetahuan yang

terbatas. - Kebanyakan pakar tidak memiliki penunjang yang independen untuk

menguji kelayakan kesimpulan. - Kosa kata yang digunakan oleh pakar seringkali terbatas dan tidak

dimengerti oleh pihak lain. - Biaya sistem pakar signifikan karena memerlukan knowledge engineer

yang langka dan mahal untuk keperluan konstruksi sistem. - Rendahnya kepercayaan pengguna dalam menggunakan sistem pakar. - Transfer pengetahuan bergantung pada sejumlah persepsi dan penilaian

bias. - Pada beberapa kasus, sistem pakar tidak dapat memberikan

rekomendasi. - Sistem pakar dapat saja menghasilkan rekomendasi yang salah.

Faktor Penentu Keberhasilan Sistem Pakar Meliputi:

- Level pengetahuan pakar harus tinggi. - Keahlian harus tersedia dari setidaknya satu ahli yang dapat

bekerjasama. - Permasalahan yang diselesaikan harus bersifat kualitatif. - Ruang permasalahan harus cukup sempit. - Shell sistem pakar harus berkualitas tinggi dalam mengelola

pengetahuan. - Antarmuka pengguna harus memudahkan bagi para pemula. - Masalahnya harus penting dan cukup sulit untuk menjamin

pengembangan sistem pakar. - Pengembang sistem dengan ketrampilan yang sangat baik diperlukan. - Dampak sistem pakar sebagai sumber peningkatan kerja pengguna

akhir harus dipertimbangkan.

- Dampak harus menguntungkan. Perilaku pengguna akhir dan harapannya perlu dipertimbangkan.

- Dukungan manajemen perlu dibangun dan dijaga. - Program pelatihan pengguna akhir sangat diperlukan. - Lingkungan organisasi harus mendukung adaptasi teknologi baru. - Aplikasi harus didefinisikan dan disusun dengan baik dan harus

dijustifikasi oleh dampak strategik.

Sistem Pakar di Web Ketersediaan dan penggunaan yang luas Internet sangat mendukung dalam menyebarluaskan sistem pakar ke masyarakat umum. Beberapa contoh penerapan sistem pakar di Internet antara lain:

- Exsys.com, dengan Banner with Brains-nya mengintegrasikan kemampuan sistem pakar ke banner Web.

- Gensym.com, menawarkan G2 yaitu alat pendukung realtime yang diterapkan pada bidang kimia, perminyakan, gas, dan proses manufaktur.

- Intellimedia system, mendukung integrasi aplikasi multimedia dengan sistem pakar.

Dampak yang terjadi dari perkembangan sistem pakar terhadap teknologi

Web adalah sebagai berikut,

Aspek Dampak dari Web Dampak pada Web

1. Akuisisi Pengetahuan

Ahli di bidang yang berbeda dapat berkolaborasi melalui Internet. Akuisisi pengetahuan dapat dilakukan pada waktu yang berbeda agar sesuai dengan jadwal para ahli yang berbeda. Pengetahuan yang diperoleh dari para ahli yang berbeda dapat berbagi di Internet demimerangsang diskusi untukperbaikan maupun peningkatan.

Pengetahuan tentang operasi Web serta kegiatannya dapat diperoleh dan dikelola untuk berbagi dan penggunaan lebih lanjut.

Aspek Dampak dari Web Dampak pada Web

2. Pengembangan Sistem Pakar

Desain kolaboratif sistem pakar dengan timyang secara geografis terpisah menjadi mungkin. Alih daya untukmelakukan desain sistem menjadi mungkin untuk dilaksanakan. Evaluasi sistem pakar dapat dilakukan secara remote. Web menyediakan antarmuka pengguna multimedia terpadu untuk integrasi sistem yang mudah. Layanan Web menyediakan platform yang lebih baik untuk merancang sistem pakar.

Sistem pakar dapat dirancang untuk mendukung aktivitas Web, layanan otomatis, dan peningkatan layanan.

3. Konsultasi Sistem Pakar

Pengguna di daerah terpencil dapat menggunakan sistem pakar untuk memecahkan masalah. Keahlian dapat dengan mudah disebarluaskan kepada sebagian besar pengguna.

Aplikasi sistem pakar tersedia dalam bentuk Web browsing dan monitoring.