Sistem Informasi Manajemen

MANAGING KNOWLEDGE

Disusun Oleh:

Kelas N / Kelompok 9

● PUSPITA RAMADHANI 041611333244

● ACHMAD AMANU H. F. 041611333256
● SHALSA KARINA H. 041611333270

S1 AKUNTANSI
FAKULTAS EKONOMI DAN BISNIS
UNIVERSITAS AIRLANGGA
2018
I. THE KNOWLEDGE MANAGEMENT LANDSCAPE
A. Important Dimensions of Knowledge
Pengetahuan merupakan suatu atribut individual dan atribut kolektif dari
perusahaan. Pengetahuan yang berada dalam pikiran karyawan yang belum
didokumentasikan disebut dengan ​pengetahuan tersirat ​(​tacit knowledge​),
sedangkan pengetahuan yang telah didokumentasikan dinamakan ​pengetahuan
eksplisit ​(​explicit knowledge​).
Dimensi pengetahuan yang penting:
1. Pengetahuan merupakan aset perusahaan
- Pengetahuan merupakan aset tidak berwujud.
- Perubahan data menjadi informasi dan pengetahuan yang
bermanfaat memerlukan sumber daya organisasional.
- Pengetahuan tidak mengikuti hukum tingkat pengembalian
yang semakin menurun sebagaimana aset fisik, tetapi sebagai
gantinya efek jaringan pengetahuan yang mana nilainya akan
semakin meningkat ketika semakin banyak orang yang
membagikannya.
2. Pengetahuan memiliki bentuk yang berbeda
- Pengetahuan dapat bersifat tersirat atau eksplisit.
- Pengetahuan melibatkan kecakapan, kesenian, dan
keterampilan.
- Pengetahuan meliputi cara mengikuti suatu prosedur.
- Pengetahuan meliputi alasan mengapa, bukan sekedar kapan,
sesuatu terjadi.
3. Pengetahuan memiliki suatu lokasi
- Pengetahuan merupakan suatu kejadian yang bersifat kognitif
yang melibatkan model mental dan pemetaan pikiran individu.
- Pengetahuan memiliki basis sosial dan individual.
- Pengetahuan melekat, yang terletak, dan kontekstual
4. Pengetahuan dapat berubah (bersifat situasional)
 - Pengetahuan bersifat kondisional, mengetahui kapan
menerapkan suatu prosedur yang sama pentingnya dengan
mengetahui prosedur.
- Pengetahuan terkait dengan konteks, anda harus mengetahui
bagaimana memanfaatkan suatu alat bantu tertentu dan dalam
keadaan seperti apa.
B. The Knowledge Management Value Chain
Manajemen pengetahuan ​(knowledge management) mengacu pada
serangkaian proses bisnis yang dikembangkan dlaam suatu organsasi untuk
menciptakan, menyimpan, memindahkan, dan menerapkan pengetahuan. Manajemen
pengetahuan akan meningkatkan kemampuan dari organisasi untuk belajar dari
lingkungannya dan untuk memadukan pengetahuan ke dalam proses bisnisnya.
Ada 5 langkah yang memberikan nilai tambah dalam rantai nilai manajemen
pengetahuan. Tiap-tiap langkah dalam rantai nilai akan menambah nilai pada data
mentah dan informasi sebagaimana mereka diubah ke dalam pengetahuan yang dapat
digunakan.
1. Penguasaan Pengetahuan
Organisasi memperoleh pengetahuan melalui beberapa cara,
tergantung pada jenis pengetahuan yang dicarinya. Sistem manajemen
pengetahuan yang pertama mencoba membangun pusat data yang
berisi dokumen laporan, presentasi dan praktik-praktik terbaik. Sistem
ini kemudian dikembangkan untuk menyertakan dokumen yang tidak
terstruktur, seperti e-mail. Dalam kasus ini, organisasi memperoleh
pengetahuan dengan mengembangkan jaringan online agar para
karyawan dapat “menghubungi para pakar” di perusahaan tersebut
yang memiliki pengetahuan.
2. Penyimpanan Pengetahuan
Setelah berbagai dokumen, pola, dan aturan pakar terkumpul,
data tersebut harus disimpan sehingga dapat diambil kembali dan
digunakan oleh para karyawan. Penyimpanan pengetahuan umumnya
melibatkan proses pembuatan basis data. Sistem manajemen dokumen
mengubah data ke dalam bentuk digital, menyusun indeks, dan
 menandai dokumen-dokumen yang diperlukan berdasarkan kerangka
kerja yang koheren dengan bentuk akhirnya suatu basis data yang
dapat menyimpan pengetahuan yang diperoleh dengan cara
menerapkan pengetahuan tersebut ke dalam proses dan budaya
organisaisi.
3. Penyebarluasan Pengetahuan
Portal, e-mail, pesan instan, dan teknologi mesin pencari telah
ditambahkan ke dalam serangkaian teknologi kolaborasi dan sistem
perkantoran yang digunakan untuk berbagi agenda, dokumen, data, dan
grafik. Bagaimana seorang karyawan atau manajer dapat menemukan
sesuatu yang benar-benar penting dan berguna bagi mereka dari lautan
informasi dan pengalaman yang begitu luas? Di sinilah program
pelatihan, jaringan informal, dan pengalaman manajemen yang
dibagikan dapat membantu para manajer agar tetapdapat memfokuskan
perhatian mereka dalam informasi dan pengetahaun yang penting.
4. Penerapan Pengetahuan
Agar investasi yang ditanamkan tidak terbuang sia-sia.
Pengetahuan organisasi harus menjadi sistem yang dapat mendukung
keputusan.
5. Membangun Modal Organisasional dan Modal Manajemen:
Kolaborasi, Komunitas Praktik, dan Lingkungan Perkantoran
Komunitas Praktik adalah jaringan umum informal yang terdiri
atas para profesional dan karyawan baik di dalam maupun di luar
perusahaan dengan minat dan kegiatan yang sama.Tentunya minat dan
kegiatan tersebut harus berkaitan dengan pekerjaan. Kegiatan
komunitas ini termasuk pendidikan perorangan atau kelompok,
konferensi, newsletter online, dan setiap harinya saling berbagi
pengalaman dan teknik untuk menyelesaikan masalah dalam pekerjaan
tertentu.
C. Types of Knowledge Management Systems
1. Enterprise-wide Knowledge Management Systems
 Sistem manajemen pengetahuan perusahaan adalah sistem serba guna
yang digunakan oleh perusahaan untuk mengumpulkan, menyimpan,
mendistribusikan dan menerapkanp engetahuaan dan muatan digital. Sistem
ini menyediakan basis data berikut perangkatnya untuk menyusun dan
menyimpan dokumen terstruktur dan tidak terstruktur beserta objek
pengetahuan lainnya.
2. Knowledge Work Systems
KWS adalah sistem yang dikembangkan khusus untuk para teknisi,
ilmuwan dan para pekerja di bidang pengetahuaan lain yang bertugas
memperoleh dan menciptakan pengetahuaan barubagi perusahaan mereka.

3. Intelligent Techniques
Manajemen pengetahuan juga meliputi berbagai kelompok teknik
cerdas (inteliegent techniques) seperti penggalian data, system canggih
jaringan syaraf, logika fuzzy,algoritmegenetik dan agen inteligen.
Teknik-teknik ini memiliki tujuan yang berbeda mulai dari focus pada
menemukan pengetahuan baru (penggalian data dan jaringan saraf),
pengolahan pengetahuan dalam bentuk aturan bagi program computer (system
ahli dan logika fuzzy), sampai pada bagaimana mendapatkan solusi optimal
untuk suatu masalah (algoritme genetic).

II. ENTERPRISE-WIDE KNOWLEDGE MANAGEMENT SYSTEMS

A. Enterprise Content Management Systems
Sistem manajemen konten perusahaan membantu organisasi untuk mengelola
informasi. Mereka memiliki kapabilitas untuk menangkap pengetahuan,
penyimpanan, pemulihan, distribusi, dan pemeliharan untuk membantu perusahaan
dalam meningkatkan pemrosesan dan keputusan bisnis mereka. Sistem manajemen
konten yang utama juga memungkinkan bagi para penggunanya untuk mengakses
sumber eksternal dari informasi, seperti kabar berita dan penelitian, dan untuk
mengomunikasikan melalui surel, chat/pesan instan, kelompok diskusi, dan
konferensi video. Sistem manajemen konten meliputi alat bantu jejaring social, seperti
 wiki, blog, dan forum, untuk membantu komunitas praktik berbagi pengetahuan
mereka.
Permasalahan pokok dalam mengelola pengetahuan adalah penciptaan skema
klasifikasi yang tepat, atau taksonomi untuk mengorganisasi informasi ke dalam
kategori yang bermanfaat sehingga dapat lebih mudah diakses. Sistem manajemen
aset digital membantu perusahaan untuk mengklasifikasi, menyimpan, dan
mendistribusikan objek-objek digital.
B. Knowledge Network Systems
Sistem jaringan pengetahuan membahas mengenai permasalahan yang timbul
ketika pengetahuan yang tepat tidak dalam bentuk dokumen digital, tetapi sebagai
gantinya berada dalam memori para ahli individual dalam perusahaan.

C. Collaboration and Social Tools and Learning

Social bookmarking mempermudah untuk mencari dan berbagi informasi
dengan memungkinkan bagi para penggunanya untuk menyelamatkan bookmark
mereka pada laman web di situs web public dan menandai bookmark tersebut dengan
kata kunci. Taksonomi yang diciptakan oleh pengguna dirancang untuk berbagi
bookmark yang disebut dengan folksonomies. Sistem manajemen pembelajaran
(learning management systems—LMS) menyediakan alat bantu bagi manajemen,
pengiriman, penelusuran, serta penilaian berbagai macam tipe pembelajaran dan
pelatihan bagi karyawan.
LMS menggabungkan pelatihan dengan media yang bermacam-macam, secara
otomatis akan memilih dan melaksanakan program-program, merakit dan
mengirimkan isi pembelajaran, dan mengukur keefektifan dari pembelajaran.

III. KNOWLEDGE WORK SYSTEMS

A. Knowledge Workers and Knowledge Work
Pekerja pengetahuan, meliputi peneliti, perancang, arsitek, ilmuwan dan
insinyur yang bertugas menciptakan pengetahuan dan informasi bagi organisasi.
Pekerja pengetahuan melakukan tiga peran kunci yang sangat penting bagi organisasi
dan untuk manajer yang bekerja dalam organisasi
● Menjaga aliran pengetahuan dalam perusahaan seiring dengen perkembangan
perusahaan—dalam teknologi, sains, pemikiran social, dan seni.
● Bertugas melayani sebagai konsultan internal mengenai pengetahuan khusus mereka,
berbagai perubahan yang terjadi, dan kesempatan yang muncul.
● Bertindak sebagai agen perubahan, mengevaluasi, merintis, dan mendukung
proyek-proyek perubahan.
B. Requirements of Knowledge Work Systems
Kebanyakan pekerja pengetahuan mengandalkan sistem perkantoran, seperti
pengolah kata, voice mail, konferensi video, dan sistem penjadwalan yang dirancang
untuk meningkatkan produktivitas di kantor. Pekerja pengetahuan juga memerlukan
sistem kerja pengetahuan yang sangat spesifik dengan grafis, alat bantu analisis, dan
kemampuan komunikasi dan manajemen dokumen yang canggih.
Sistem ini memerlukan kekuatan komputasi mendasar untuk menangani
grafik-grafik yang rumit atau perhitungan yang kompleks yang dibutuhkan oleh
pekerja pengetahuan. Krene pekerja pengetahuan sangat focus pada pengetahuan di
dunia eksternal, sistem ini juga harus memberikan kemudahan dan kecepatan
mengakses database eksternal.
C. Examples of Knowledge Work Systems
Penerapan kerja pengetahuan yang utama meliputi sistem CAD, sistem realitas
virtual untuk simulasi dna permodelan, serta sentra kerja keuangan. Desain
berbantuan computer (computer aided design—CAD) akan mengolomalisasi
penciptaan dan revisi dari desain, dengan menggunakan computer dan perangkat
lunak grafis yang canggih. Sistem realitas virtual memiliki kemampuan visualisasi,
pengubahan, dan simulasi yang jauh melampaui sistem CAD konvensional. Mereka
memanfaatkan perangkat lunak grafis yang interaktis untuk menciptakan simulasi
yang dihasilkan dengan computer yang sangat mendekati realitas yang para
penggunanya hamper meyakini bahwa mereka sedang berperan serta dalam situasi
dunia nyata.
Penerapan realitas virtual yang dikembangkan untuk web akan menggunakan
suatu standar yang dinamakan Bahasa Pemodelan Realitas Virtual (Virtual Reality
Modeling Language—VRML). VRML merupakan serangkaian spesifikasi untuk
permodelan 3-D, yang interaktif pada World Wide Web yang dapat mengorganisasi
 berbagai tipe media, meliputi animasi, gambar, dan audio untuk menempatkan
penggunaannya di dalam suatu lingkungan dunia nyata yang disimulasikan.

IV. INTELLIGENT TECHNIQUES

Kecerdasan buatan dan teknologi ​database menyediakan beberapa teknik buatan
yang dapat digunakan organisasi untuk menangkap pengetahuan individual maupun
kolektif dan untuk memperluas dasar pengetahuannya. Teknik buatan yang
didiskusikan dalam bagian ini berdasar teknologi kecerdasan buatan (AI), terdiri dari
sistem berbasis komputer.
A. Capturing Knowledge: Expert Systems
Sistem pakar (expert system) adalah teknik kecerdasan untuk menangkap
pengetahuan dalam keahlian manusia yang sangat spesifik dan terbatas. Sistem ini
menangkap pengetahuan dari karyawan yang terampil dalam bentukan aturan dari
perangkat lunak sistem yang dapat digunakan oleh pihak lain dalam organisasi.
Cara kerja sistem pakar. Pengetahuan manusia harus dicontohkan atau
diperagakan dengan cara yang dapat diproses oleh komputer.Sistem pakar model
pengetahuan manusia dalam gabungan aturan dinamakan basis pengetahuan. Aturan
ini didapatkan dengan mewawancara secara hati-hati satu atau beberapa ahli. Strategi
yang digunakan dalam pencarian basis pengetahuan dinamakan interference engine.
Strategi yang sering digunakan dalam ​interference engine adalah rantai maju (​forward
chaining​) dan rantai mundur (​backward chaining​).
Dalam ​forward chaining​, mesin interferens dimulai dengan informasi yang
masuk melalui pengguna dan mencari aturan dasar untuk mencapai kesimpulan.
Strategi ini untuk melakukan aksi dari atura ketika keadaan benar.
Dalam ​backward chaining​, strategi untuk mencari aturan dasar dimulai dari
pembuatan hipotesis dan meneruskan dengan menanyai pengguna beberapa
pertanyaan tentang fakta terpilih hingga hipotesis dikonfirmasi atau ditolak.
B. Organizational Intelligence: Case-Based Reasoning
Sistem pakar memiliki tugas utama untuk menangkap pengetahuan ahli
individual, namun organisasi juga memiliki kumpulan pengetahuan dan keahlian yang
telah dibangun lebih dari setahun. Pengetahuan organisasional dapat ditangkap dan
disimpan menggunakan penalaran berdasar kasus (​case-based reasoning​). Dalam
 CBR, penjelasan dari pengalaman spesialis yang disebut kasus, didokumentasikan dan
disimpan dalam database untuk pencarian keterangan selanjutnya ketika pengguna
menemui kasus baru dengan parameter yang mirip. Sistem akan mecari kasus yang
telah disimpan dengan karakteristik masalah yang sama dengan yang sedang dialami
pengguna, mencari yang paling cocok, dan mengaplikasikan solusi dari kasus lama ke
kasus baru. Solusi yang berhasil akan dipasang menjadi kasus baru dan keduanya akan
disimpan bersama dengan kasus lainnya dalam basis pengetahuan. Sedangkan kasus
yang gagal juga akan ditambahi catatan ke database kasus sejalan dengan penjelasan
mengapa solusi tidak bekerja.
C. Fuzzy Logic Systems
Logika fuzzy adalah teknologi berbasis aturan yang dapat mewakili
ketidaktepatan dengan membuat aturan yang menggunakan nilai perkiraan atau
subyektif. Ini bisa menggambarkan fenomena atau proses tertentu secara linguistik
dan kemudian mewakili deskripsi itu dalam sejumlah kecil peraturan fleksibel. Logika
fuzzy menyediakan solusi dari masalah yang membutuhkan keahlian untuk
diwakilakan dalam bentuk peraturan IF-THEN

D. Machine Learning
Pembelajaran mesin adalah belaja rbagaimana program computer dapat
memperbaiki kinerja mereka tanpa pemograman ekplisit.
· Jaringan Syaraf
Jaringan syaraf digunakan untuk memecahkan masalah kompleks dan kurang
dipahami dimana sejumlah besar data dikumpulkan. Jaringan syaraf memiliki
sejumlah besar simpul penginderaan dan pengolahan yang terus berinteraksi satu sama
lain. Perancang jaringan syaraf berusaha memasukkan kecerdasan ke dalam perangkat
keras dalam bentuk kemampuan umum untuk belajar.
Algoritma Genetik
Algoritma genetic berguna untuk menemukan solusi optimal untuk masalah
spesifik dengan memeriksa setiap ratusan kemungkinan solusi untuk masalah
tersebut. Algoritma genetika mencari populasi yang dihasilkan secara acak string digit
 biner untuk mengidentifikasi string yang tepat mewakili solusi terbaik untuk masalah.
Algoritma genetika digunakan untuk memecahkan masalah yang sangat dinamis dan
kompleks, melibatkan ratusan atau ribuan variabel atau formula.
E. Intelligent Agents
Agen inteligen adalah program perangkat lunak yang bekerja tanpa intervensi
langsung manusia untuk melaksanakan tugas tertentu untuk pengguna individu, proses
bisnis, atau aplikasi software. Agen menggunakan basis pengetahuan built-in atau
pengetahuan untuk menyelesaikan tugas atau membuat keputusan atas nama
pengguna, seperti menghapus email sampah, menjadwalkan janji temu, atau
melakukan perjalanan melalui jaringan yang saling terkait.
F. Hybrid AI Systems
Algoritma genetika, logika fuzzy, jaringan syaraf, dan sistem pakar dapat
diintegrasikan ke dalam satu aplikasi untuk memanfaatkan fitur terbaik dari teknologi
ini. Sistem semacam itu disebut sistem AI hibrida.