BAB I PENDAHULUAN - MAKALAH SIM Kel 9

BAB I PENDAHULUAN A. Latar Belakang Proses pengambilan keputusan telah dianggap sebagai hal kritis di

  perusahaan yang dicapai melalui pengalaman (knowldege). Tetapi, dengan semakin bertumbuhnya tingkat kerumitan dari bisnis tersebut telah membuat proses pengambilan keputusan tersebut menjadi lebih sulit. Hal itu disebabkan semakin banyaknya alternatif keputusan yang ada, semakin besar pengaruh sebuah keputusan di dalam perusahaan dan semakin tidak tentunya perubahan yang mungkin terjadi di lingkungan perusahaan. Butuh suatu sistem pendukung keputusan dimana sistem tersebut dapat memberikan informasi mengenai keputusan yang terbaik berdasarkan informasi yang didapatkan.

  Ketika sebuah perusahaan berimigrasi ke sistem model e-business yang responsif, mereka melakukan investasi pada kerangka kerja aplikasi pendukung keputusan berdasarkan data yang membantu mereka merespon secara cepat perubahan pada kondisi pasar dan kebutuhan pelanggan. Agar lebih memudahkan jalan bisnisnya maka perusahaan membutuhkan sistem informasi yang dapat mendukung kebutuhan pengambilan keputusan dan berbagai informasi dari manajer dan praktisi bisnis.

  Maka dari itu dalam makalah ini kelompok kami akan membahas secara lebih rinci bagaimana proses pengambilan keputusan manajemen dapat dicapai oleh berbagai jenis sistem informasi manajemen, pendukung keputusan dan sistem informasi lainnya dengan memfokuskan pada bagaimana peran internet, intranet dan teknologi informasi lainnya yang berbasis Web dalam mendukung aktivitas pengambilan keputusan dari setiap manajer dan pekerja yang berpengetahuan dalam bisnis.

  B. Rumusan Masalah

  Berdasarkan uraian dari permasalahan diatas maka rumusan masalahnya ialah :

  1. Apakah ada perubahan yang terjadi pada bentuk dan penggunaan pendukung keputusan dalam bisnis ?

  2. Apakah peran dan alternatif pelaporan sistem informasi manajemen itu?

  3. Bagaimana proses analitis online dapat memenuhi kebutuhan informasi utama dari para manajer ?

  4. Bagaimanakah konsep system pendukung keputusan dan bagaimana pula perbedaannya dengan system informasi manajemen tradisional ?

  5. Apa itu Sistem Informasi Eksekutif, Portal Informasi Perusahaan serta Sistem Manajemen Pengetahuan ?

  6. Bagaimanakah penggunaan jaringan syaraf, fuzzy logic,algoritma genetis,realitas virtual dan agen yang cerdas dalam bisnis ?

  7. Bagaimana system pakar dapat digunakan dalam pengambilan keputusan bisnis ?

  C. Tujuan Penulisan

  1. Mengindentifikasi perubahan yang terjadi dalam bentuk dan penggunaan pendukung keputusan di dalam bisnis.

  2. Mengidentifikasi peran dan alternatif pelaporan sistem informasi manajemen.

  3. Mendeskripsikan bagaimana pemprosesan analitis online dapat memenuhi kebutuhan informasi utama daripara manajer.

  4. Menjelaskan konsep system pendukung keputusan dan perbedaannya dengan sistem informasi manajemen tradisional.

  5. Menjelaskan bagaimana sistem informasi berikut ini dapat mendukung kebutuhan informasi dari eksekutif, manajer dan praktisi bisnis : a. Sistem informasi eksekutif

  b. Portal Informasi perusahaan c. Sistem manajemen pengetahuan

  6. Mengidentifikasi bagaimana jaringan syaraf, fuzzy logic,algoritma genetis,realitas virtual dan agen yang cerdas dapat digunakan dalam bisnis.

  7. Memberikan contoh mengenai beberapa cara system pakar dapat digunakan dalam pengambilan keputusan bisnis.

BAB II PEMBAHASAN

2.1 Tren Pendukung Keputusan

  Penggunaan sistem informasi untuk mendukung pengambilan keputusan bisnis telah menjadi salah satu tujuan utama dari penggunaan teknologi. Akan tetapi selama tahun 1990-an, baik peneliti akademik maupun praktisi bisnis mulai melaporkan bahwa focus manajerial tradisional yang berasal dari sistem informasi manajemen yang klasik (1960-an), sistem pendukung keputusan (1970-an), sistem informasi eksekutif (1980) terus meluas. Kecepatan perkembangan teknologi informasi seperti hardware computer dan paket software, jaringan klien/server dan versi computer jaringan dari software DSS/EIS membuat pendukung keputusan tersedian bagi menejamen tingkat bawah, serta bagi individu nonmanajerial dan tim mandiridari praktisi bisnis

  Tren ini telah mengalami percepatan seiring dengan pertumbuhan yang sangat cepat dari internet serta intranet dan ekstranet dari perusahaan yang menggunakan Internet dan pemilik kepentingan. Inisiatif e-bussines dan e-commerce yang sedang diimplemetasikan oleh banyak perusahaan juga memperluas ekspektasi serta pengguna informasi dan pendukung keputusan dari karyawan, manajer, pelanggan, pamasok, dan mitra bisnis lainnya. Gambar di bawah mengilustrasikan bahwa semua pemilik kepentingan dalam bisnis mengharapkan akses yang mudah dan instan ke informasi dan analisis data mandiri berbasis Web. Bisnis saat ini menanggapi dengan bebagai teknik analisis berbasis Web yang proaktif dan pribadi untuk mendukung persyaratan pengambilan keputusan dari semua konstituen mereka.

  Jadi, pertumbuhan ekstranet dan intranet korporat, serta internet, telah mempercepat pengembangan dan penggunaan pengiriman informasi “kelas eksekutif” dan alat software pendukung keputusan oleh manajemen tingkat yang lebih rendah dan oleh individu dan tim praktisi bisnis. Selain itu, ekspansi yang dramatis ini telah membuka pintu ke penggunaan alat seperti kecerdasan bisnis oleh pemasok, pelanggan, dan pemilik kepentingan bisnis lainnya dari suatu perusahaan untuk manajemen hubungan pelanggan, manajemen rantai pasokan, dan aplikasi e-bussines lainnya.

  Persyaratan Tanggapan pemilik Pendukung kepentingan

  Keputusan bisnis Aplikasi berbasis Informasi di web dan analisis ujung jari anda

  Keputusan yang Analisis Data Proaktif dan Mandiri

  Dipersonalisasi

2.2 Sistem Informasi Manajemen

  Sistem informasi manajemen adalah jenis awal dari sistem informasi yang dikembangkan untuk mendukung pengambilan keputusan manajerial. SIM menghasilkan produk informasi yang mendukung banyak kebutuhan pengambilan keputusan harian dari para manajer dan praktisi bisnis. Laporan, tampilan dan respons yang dihasilkan oleh sistem informasi manajemen menyediakan informasi yang telah ditetapkan oleh pengambil keputusan untuk mencukupi kebutuhan informasi. Produk informasi yang telah ditentukan dapat memuaskan kebutuhan informasi para pengambil keputusan pada tingkat operasional dan taktis di organisasi yang dihadapi dalam situasi keputusan yang lebih terstruktur. Misalnya, manajer penjualan sangat bergantung pada laporan analisis penjualan untuk mengevaluasi perbedaan kinerja antar tenaga penjual yang menjual jenis produk yang sama ke jenis pelanggan yang sama. Mereka memiliki ide yang baik untuk informasi mengenai hasil penjualan agar mereka dapat mengelola kinerja penjualan dengan efektif.

  Manajer dan pengambil keputusan bisnis lainnya menggunakan SIM untuk memperoleh informasi mengenai tempat kerja mereka yang berjaringan yang mendukung aktivitas pengambilan keputusan mereka. Informasi ini dapat berbentuk laporan periodik, pengecualian, dan permintaan dan tanggapan langsung dari permintaan. Browser web, program aplikasi dan software manajemen database menyediaakan akses ke informasi di intranet dan database operasional lainnya di dalam organisasi. Database operasional dipertahankan oleh sistem pemrosesan informasi. Data mengenai lingkungan bisnis diperoleh di internet atau database ekstranet jika diperlukan.

2.3 Alternatif Pelaporan Manajemen

  Sistem informasi manajemen menyediakan berbagai produk infromasi bagi manajer. Ada empat alternatif pelaporan utama yang disediakan oleh sistem ini.  Laporan Terjadwal Secara Periodik. Bentuk tradisonal penyediaan informasi bagi manajer dengan menggunakan format yang telah ditentukan dan menyediakan informasi secara rutin kepada manajer. Contoh lapran terjadwal secara periodik adalah laporan analisis penjualan harian dan mingguan dan laporan keuangan bulanan.

  Pemrosesan analisis online memungkinkan manajer dan analisis untuk secara interaktif menguji dan memanipulasi sejumlah data besar yang rinci dan terkonsolidasi dari banyak perspektif. OLAP mencangkup analisis hubungan yang rumit antara ribuan atau bahkan jutaan data yang disimpan dalam data mart, gudang data, dan data base multidimensi lainnya untuk menemukan pola, tren, dan kondisi pengecualian. Sesi OLAP dilakukan secara online dan langsung, dengan respon yang cepat ke permintaan manajer dan analis, sehingga proses analisis atau pengambilan keputusan tidak terganggu.

  Pemrosesan analitis online melibatkan beberapa oprasional analitis dasar, termasuk konsolidasi, “penggalian (drill-down)”, dan “pengirisan dan pemotongan (slicing dan dicing).”  Konsolidasi. Konsolidasi melibatkan pengumpulan data. Hal ini melibatkan pengumpulan sederhana atau pengelompokan yang rumitdengan melibatkan data yang saling berhubungan. Misalnya data kantor penjualan dapat dikumpulkan ke wilayah, dan wilayah, dan wilayah ke regional.

   Penggalian. OLAP dapat bergerak ke arah kebalikan dan secara otomatis menampilkan rincinan data yang telah dikonsolidasikan. Ini disebut penggalian. Misalnya, penjualan menurut produk individual atau staf penjualan yang menghasilkan total penjualanregional dapat dengan mudah diakses. Pengirisan dan pemotongan. Pengirisan dan pemotongan merujuk

   pada kemampuan untuk melihat data base dari berbagai sudut pandang. Satu irisan produk secara regionaldari data base dapat menunjukkan semua penjualan dari satu jenis produk secara regional. Irisan yang lain dapat menunjukkan semua penjualan menurut saluran penjualan dari setiap jenis produk. Pengirisan dan pemotongan sering dilakukan sejalan dengan sumbu waktu untuk menganalisis tren dan menemukan pola berbasis waktu pada data.

2.4 Sistem Pendukung Keputusan

  Sistem pendukung keputusan (decision support system-DSS) adalah sistem informasi berbasis komputer yang menyediakan dukungan informasi yang interaktif bagi manajer dan praktisi bisnis selama proses pengambilan keputusan. Sistem pendukung keputusan menggunakan (1) model analisis (2) database khusus (3) penilaian dan pandangan pembuat keputusan, dan (4) proses pemodelan berbasis komputer yang interaktif untuk mendukung pembuatan keputusan bisnis yang semiterstruktur dan tak terstruktur.

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

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

  Komponen DSS

  Berbeda dengan sistem informasi manajemen, sistem pendukung keptusan begantung pada basis model (model basic) dan databse sebagai sumber daya sistem yang vital. Basis model DSS adalah komponen software yang terdiri dari model – model yang digunakan dalam rutinitas komputasional dan analitis secara matematis menyatakan hubungan antar variabel. Misalnya, program spreasheet dapat berisi model yang menyatakan hubungan akuntansi sederhana antara berbagai variabel, seperti pendapatan – beban = laba. Atau basis model DSS dapat mencangkup model – model dan teknik analitis yang digunakan untuk menyatakan hubungan yang jauh lebih kompleks. Misalnya, DSS dapat mencngkup model pemrograman linear, model peramalan regresi ganda, dan model nilai sekarangpenganggaran modal. Model – model seperti ini dapat disimpan dala bentuk template atau model spreasheet, atau program statistik dan matematis serta modul program.

  Paket software terpadu yang mendukung jenis keputusan tertentu. Software DSS biasanya terdiri atas rutinitas pemodelan analitis yang telah dibangun dan memungkinkan anda untuk membangun model anda. Banyak paket DSS yang saat ini tersedia dalam mikrokoputer dan versi berbasis web. Tentu saja, paket preasheet elektronik juga menyediakan bebrapa bangunan model (model spreasheet) dan pemodelan analitis (analisis pencarian sasaran dan jika-maka) yang ditawarkan oleh software DSS yang berdaya lebih tinggi.

  Sistem Visualisasi Data dan Informasi Geografis

  Sistem Informasi Geografis (geographic information system-GIS) dan sistem visualisasi data (data visualization system- DVS) adalah kategori khusus dari DSS yang memadukan grafis komputer dengan fitur DSS lainnya. Sitem infromasi geografis adalah DSS yang menggunakan database geografis untuk membuat dan menampilkan peta dan tampilan grafis lainnya yang mendukung keputusan mengenai distribusi geografis orang – orang dan sumber daya lainnya. Banyak perusahaan yang menggunakan teknologi GIS bersama dengan alat sistem penempatan global (Global Positioning System-GPS) untuk membantu mereka untuk memilih lokasi toko ritel yang baru, mengoptimalkan rute distribusi, atau menganalisis demografi pasar sasaran mereka. Misalnya, seperti perusahaan Levi Strauss, Arby’s, Consolidated Rail, dan Federal Expres menggunakan paket GIS untuk memadukan peta, grafik, dan data geografis lainnya dengan data bisnis dari spreasheet dan paket statistik. Software GIS seperti Mapinfo dan GIS atlas digunakan dalam banyak aplikasi GIS.

  Sistem Visualiasi Data (data visualization system – DVS) menunkukkan data yang rumit dengan menggunakan bentuk grafis tiga dimensi yang interaktif, seperti bagan, grafik, dan peta. Alat DVS membantu pemakai untuk secara interaktif mengurutkan, membagi, menggabungkan, dan mengatur dalam bentuk grafis. Hal ini membantu pemakai untuk menentukan pola, hubungan, dan anomali dalam data ilmiah atau bisnis dalam penemuan pengetahuan secara interaktif dan proses pendukung keputusan. Aplikasi bisnis seperti penambangan data biasanya menggunakan grafik interaktif yang memungkinkan pemakai menggali data secara langsung dan memanipulasi data model bisnis untuk membantu menjelaskan maknanya untuk mengambil keputusan bisnis.

2.4.1 Penggunaan Sistem Pendukung Keputusan

  Penggunaan sistem pendukung keputusan melibatkan empat jenis dasar aktivitas pemodelan analitis diantaranya : 1) analisi jika-maka, 2) analisis sensitivitas, 3) analisis pencarian sasaran, 4) analisis optimisasi. Jenis Permodelan Analitis Aktivitas dan Contoh Analisis jika-maka(what-if) Mengamati bagaimana perubahan terhadap variable tertentu mempengaruhi variable lainnya

  Contoh : Bagaimana jika kita memotong biaya iklan sebesar 10% ? Apa yang akan terjadi pada penjualan ?

  Analisis Sensitivitas Mengamati bagaimana perubahan yang berulang-ulang terhadap suatu variable mempengaruhi variable lainnya. Analisis sensitivitas digunakan ketika pengambil keputusan tidak yakin dengan asumsi yang dibuat dalam memperkirakan nilai beberapa variabel utama.

  Contoh : Mari kita potong biaya iklan sebanyak Rp 1.000 secara berulang- ulang agar kita dapat melihat dampaknya dan hubungannya dengan penjualan.

  Analisis pencarian sasaran (goal Membuatan perubahan yang berulang- seeking) ulang terhadap variabel tertentu hingga variabel yang dipilih mencapai nilai sasarannya.

  Contoh 1 : Menetapkan nilai penjualan hingga Rp 1.000.000 dengan menaikkan iklan. Contoh 2 : Menentukan nilai sasaran Rp 2.000.000 untuk laba bersih dengan secara berulang-ulang mengubah nilai pendapatan dan

  pengeluaran hingga hasil Rp 2.000.000 tersebut tercapai.

  Analisis Optimisasi Menemukan nilai optimum untuk variabel tertentu, yang diberikan batasan tertentu. Optimisasi umumnya dapat dicapai dengan menggunakan software seperti Solver dalam Ms Excel dan paket software lainnya untuk teknik optimasi seperti pemrograman linier.

  Contoh : Menetukan tingkat laba tertinggi yang dapat dicapai dengan mengubah nilai sumber pendapatan dan pengeluaran, namun perubahan dapat terbatas seperti kapasitas proses produksi / batasan pembiayaan.

  Tabel 1 : Aktivitas dan contoh jenis utama pemodelan analitis

2.4.2 Penambangan Data untuk Pendukung Keputusan

  Tujuan utama dari penambangan data adalah untuk menyediakan pendukung keputusan bagi manajer atau praktisi bisnis melalui proses yang kadang-kadang disebut penemuan pengetahuan (knowledge discovery).

  Software penambang data dapat berupa Attar Software yang digunakan untuk menemukan cara yang lebih baik dalam mengatur tata letak ruang kerja atau penempatan produk di toko.

2.5 Sistem Informasi Pendukung

2.5.1 Sistem Informasi Eksekutif

  Sistem informasi eksekutif adalah sistem informasi yang menyediakan fasilitas yang fleksibel bagi manajer dan eksekutif dalam mengakses informasi eksternal dan internal yang berguna untuk mengidentifikasi masalah atau mengenali peluang. Pemakai yang awam dengan komputerpun tidak sulit mengoperasikannya karena sistem dilengkapi dengan antarmuka yang sangat memudahkan pemakai untuk menggunakannya (user-friendly).

  Tahap penggunanan Sistem Informasi Eksekutif :

  Informa Laporan yang si Ditentukan MIS Internal

  Kemampuan Drill- Informa Down si

Perangkat DSS

Ekstern al

  1.

  3. Membantu

  2. Mendukung Menyediakan eksekutif keluwesan akses mengidentifkasi pelaporan dan terhadap masalah dan menyediakan seluruh perangkat untuk mengenali informasi peluang menganalisis informasi

  Karakteristik Sistem Informasi Eksekutif (EIS) antara lain :

  1. Dapat digunakan untuk meringkas, menapis, dan memperoleh detil data.

  2. Menyediakan analisis kecenderungan (trend analysis), pelaporan perkecualian, dan kemampuan drill-down.

  3. Dapat digunakan untuk mengakses dan memadukan data internal dan eksternal.

  4. Mudah digunakan dan terkadang tidak perlu atau hanya perlu sedikit pelatihan untuk menggunakannya.

  5. Dapat digunakan secara langsung oleh eksekutif tanpa perantara.

  6. Menyajikan informasi dalam bentuk teks, grafik, dan table.

  7. Terkadang dilengkapi fasilitas komunikasi elektronis (e-mail dan konferensi dengan komputer), kemampuan analisis data

  (spreadsheet, bahasa query, dan DSS), dan perangkat produktivitas pribadi (seperti kalendar elektronis).

  2.5.2 Portal Perusahaan dan Pendukung Keputusan

  Portal Informasi Perusahaan andalah interface berbasis Web dan perpaduan SIM,DSS,EIS dan teknologi lainnya yang dibuat secara khusus untuk intranet perusahaan yang memberikan kemudahaan akses bagi para pemakai ke berbagai layanan, database, dan aplikasi bisnis internal maupun eksternal.

  Manfaat bisnis yang dapat dirasakan dari sistem ini adalah: a. Mencangkup penyediaan informasi yang lebih selektif dan spesifik bagi pemakai bisnis b. Penyediaan berita bisnis dan industri

  c. Penyediaan akses yang lebih baik ke data perusahaan untuk pelanggan, pemasok atau mitra bisnis tertentu

  d. Membantu menghindari akses bisnis berlebihan yang dilakukan oleh karyawan serta membantu para karyawan untuk lebih mudah menerima atau mendapatkan informasi dan layanan yang mereka butuhkan sehingga akan berpengaruh pada produktifitas tenaga kerja perusahaan.

  2.5.3 Sistem Manajemen Pengetahuan

  Sistem Manajemen Pengetahuan (knowledge manajemen

  systems) diperkenalkan sebagai penggunaan teknologi informasi

  untuk membantu mengumpulkan, mengatur dan saling berbagi pengetahuan bisnis di dalam organisasi.

  Portal dalam perusahaan memainkan peran yang penting dalam membantu perusahaan menggunakan intranet mereka sebagai sistem manajemen pengetahuan untuk berbagi dan menyebarkan pengetahuan yang dapat mendukung pengambilan keputusan bisnis oleh manajer dan praktisi bisnis.

  Gambar 1 : Sistem Manajemen Pengetahuan Berbasis Web dalam Bisnis

2.6 Teknologi Kecerdasan Artifisal dalam Bisnis

  Teknologi kecerdasan artifisial (artificial intellegence−Al) digunakan dalam berbagai cara untuk memperbaiki pendukung keputusan yang disediakan bagi manajer dan praktisi bisnis dibanyak perusahaan. Misalnya:

  Aplikasi berbasisi Al digunakan dalam distribusi dan penelusuran informasi penambangan basis data, desain produk, inspeksi, pelatihan, pendukung pemakai, perencanaan operasi bedah, penjadwalan sumber daya dan sumber daya yang rumit.

  Bahkan bagi orang yang menjadwalkan, merencanakan, mengalokasi sumber daya, mendesain produk baru, menggunakan internet, mengembangkan software, bertanggung jawab atas kualitas produk, praktisi investasi, mengandalkan TI menggunakan TI, atau bekerja dalam berbagai kapasitas dan arena lainnya.

  Gambaran Umum Kecerdasan Artifisal

  Kecerdasan artifisial (artificial intellegence−Al) adalah bidang ilmu pengetahuan dan teknologi yang didasari oleh ilmu-ilmu seperti ilmu komputer, biologi, psikologi, linguistic, matematika dan teknik. Tujuandari Al adalah mengembangakan komputer yang dapat berpikir, serta melihat, mendengar, berjalan, dan merencanakan sesuatu. Pendorong utama dari kecerdasan artificial adalah perkembangan sistem computer yang umumnya disosialisasikan dengan kecerdasan manusia, seperti penalaran, pembelajaran dan penyelesaian masalah, seperti yang diringkas pada table 2 berikut.

  Atribut Perilaku Cerdas

   Berpikiran dan Bernalar  Menggunakan penalaran untuk menyelesaikan

  masalah

   Belajar dan paham pengalaman  Memperoleh dan menerapkan pengetahuan  Menampilkan kreativitas dan imajinasi  Mengatasi situasi yang rumit dan

  membingungkan

   Menanggapi situasi baru dengan cepat dan

  dengan berhasil

   Mengenali elemen-elemen yang penting dalam

  suatu situasi

   Mengatasi informasi yang ambigu, tidak lengkap

  dan salah

  Telah banyak terjadi perdebatan serius mengenai kecerdasan artifisial sejak lading ini dimulai pada tahun 1950-an. Bukan hanya mengenai teknologi, namun juga terdapat pertanyaan mengenai moral dan filosofi yang berhubungan dengan kemungkinan adanya mesin yang mampu berpikir dan cerdas. Perintis dari Al ini adalah Alan Turing pada tahun 1950.

  Gambar 2 mengilustrasikan ranah (domain) utama dari penelitian dan pengembangan Al. perhatikan bahwa aplikasi Al dapat dikelompokkan dibawah tiga bidang utama: ilmu kognitif, robotik, dan interface alami, namun klasifikasi ini sering tumpang tindih dengan klasifikasi yang lain juga digunakan. Perhatikan juga bahwa sistem pakar hanya salah satu dari banyak aplikasi penting Al.

  Kecerdasan artifisial

  Aplikasi Aplikasi interface

  Aplikasi ilmu robotic

  alami Presepsi Visual System Pakar

  Bahasa Alami Indera Peraba System belajar

  Pengenalan Wicara

Ketangkasan

Logika yang kabur

  Interface multi Daya Alogaritma sensor

penggerak

  Genetis Realitas Virtual Navigasi

  Jaringan Syaraf Ilmu Kognitif. Bidang kecerdasan artificial ini didasari oleh

  Agen yang cerdas

  penelitian di bidang bilogi, neurologi, psikologi, matematika, dan banyak ilmu pengetahuan lainnya. Bidang ini memfokuskan pada penelitian mengenai bagaimana otak manusia bekerja dan bagaimana manusia berfikir dan belajar. Hasil dari penelitian dalam pemrosesan informasi manusia (human information processing) adalah dasar dari pengembangan berbagai aplikasi berbasis komputer dalam kecerdasan artifisial.

  Aplikasi dalam bidang ilmu kognitif dari Al mencangkup pengembangan system pakar dan system berbasis pengetahuan lainnya yang menambah basis pengetahuan dan kemampuan penalaran ke sistem informasi. Selain itu, bidang ini juga mencangkup system belajar adaptif yang dapat memodifikasi perilaku berdaarkan informasi yang diperoleh pada saat beroperasi. Sistem permainan catur adalah contoh klasik dari aplikasi semacam ini, meskipun banyak aplikasi yang diimplementasikan saat ini. Sistem Fuzzy logic dapat memproses data yang tidak lengkap atau ambigu, yaitu data yang kabur/membingungkan (fuzzy data). Jadi, sistem ini dapat menyelesaikan masalah tak terstruktur dengan pengetahuan yang tak lengkap dengan cara mengembangkan jawaban dan inferensi yang mendekati, seperti manusia. solusinya. Ketika jaringan syaraf telah mengenali suatu pola, jaringan tersebut dapat memulai memprogram dirinya sendiri untuk menyelesaikan masalah tersebut secara mandiri. Software alogaritma genetis menggunakan teori Darwin(yang paling kuatlah yang bias bertahan hidup) , pengacakan dan fungsi matematika lainnya untuk mensimulasi proses evolusi yang lebih baik terhadap masalah. Agen yang cerdas menggunakan sistem pakar dan teknologi Al lainnya untuk bertindak sebagai wakil software untuk berbagai aplikasi pemakai terakhir.

  Robotik. Al, teknik dan fisiologi adalah ilmu dasar dari robotik.

  Teknologi ini menghasilkan mesin robot dengan kecerdasan komputer dan dikendalikan oleh komputer dengan kemampuan seperti manusia. Jadi, bidang ini mencangkup aplikasi yang dirancang untuk memberikan kepada robot untuk daya melihat, atau presepsi visual, meraba, atau kemampuan indera peraba, ketangkasan, atau keahlian untuk mengatasi atau memanipulasi sesuatu, daya penggerak, atau kemampuan fisik untuk bergerak dipermukaan apa saja, dan navigasi atau kemampuan untuk mencari arah yang tepat.

  Interface Alami. Pengembangan Interface alami dianggap

  sebagai bagian utama dari aplikasi Al dan penting bagi pelanggan alami komputer oleh manusia. Misalnya, pengembangan bahasa alami dan pengenalan wicara adalah penggerak utama dari bidang ini Al. tujuan umum dari penelitian Al adalah dapat berbicara dengan komputer dan robot dalam percakapan bahasa manusia untuk membuat komputer dan robot “memahami” kita dengan mudah. Hal ini mencangkup penelitian dan penegembangan dalam bidang linguistik, psikologi, dan ilmu komputer, dan ilmulain nya, aplikasi penelitian interface alami lainnya mencangkup pengembangan alat multi sensori yang menggunakan berbagai gerakan untuk mengoperasikan komputer. Hal ini berhubungan dengan munculnya bidang aplikasi reakitas virtual.

  2.6.1 Jaringan syaraf (neural network)

  Jaringan syaraf adalah sistem komputasi yang dibuat mirip dengan jaringan otak dari elemen pemrosesan yang saling berhubungan, yang disebut neuron. Tentu saja, syaraf yang lebih sederhana dalam arsitektur nya (otak manusia dapat diperkirakan memiliki lebih dari 100 milyar neuron). Akan tetapi, seperti otak prosesor yang saling berhubungan dalam jaringan syaraf beroperasi pararel dan saling berinteraksi secara dinamis. Hal ini memungkikan jaringan untuk “belajar” dari data yang diprosesnya. Jaringan tersebut belajar mengenali pola dan hubungan dalam data yang diprosesnya. Semakin banyak contoh data yang diterimanya sebagai input, semakin baik jaringan tersebut belajar untuk menduplikasi hasil-hasil daricontoh data yang diprosesnya. Jadi, jaringan syaraf akan mengubah kekuatan interaksi antar elemen pemrosesan dalam menanggapi pola yang berubah-ubah pada data dan hasilnya.

  2.6.2 System Logika yang Kabur(Fuzzy Logic) (Fuzzy Logic) adalah metode penalaran yang mirip dengan

  penalaran manusia karena memungkinkan perkiraan nilai dan inferensi (fuzzy logic) dan data yang tidak lengkap atau bermakna ganda (fuzzy data), tidak mengandalakan pada data yang jelas( crisp data) seperti pilihan binary (ya/tidak). Misalnya, gambar 3 mengilustrasikan bagian yang tidak lengkap dari sekelompok peraturan (fuzzy rules) dan permintaan SQL yang kabur untuk menganalisis dan mengekstraksi informasi resiko kredit mengenai bisnis yang sedang dievaluasi untuk pemilihan investasi.

  Contoh aplikasi fuzzy logic sangat banyak di Jepang, namun jaramg di Amerika Serikat. Amerika Serikat cenderung lebih suka menggunakan solusi al seperti sistem pakar atau jaringan syaraf. Namun Jepang telah mengimplementasikan banyak aplikasi fuzzy logic, khususnya penggunaan Chip mikro prosesor fuzzy logic untuk tujuan khusus, yang disebut kontroler

  fuzzy logic. Orang Jepang menggunakan kereta bawah tanah,

  elevator dan mengemudi mobil yang dipandu dan didukung oleh pengontrol proses fuzzy logic yang dibuatoleh Hitachi danTosiba.

  PeraturanFuzzy Logic

  Resiko harus diterima Jika ekuitas utang sangat tinggi maka resiko meningkat secara positif Jika pemasukan meningkat maka resiko nampaknya menurun Jika persediaan kas rendah hingga sangat rendah maka resiko meningkat secara tajam Jika PE ratio baik maka resiko umum nya menurun.

  Permintaan SOL Fuzzy Logic

  Pilih perusahaan dari keuangan dimana pendapatan sangat besar dan patio dapat diterima dan laba tinggi hingga sangat tinggi dan (pemasukkan/karyawan) masuk aksi.

2.6.3 Alogoritma Genetis

  Penggunaan Alogoritma Genetis merupakan aplikasi yang berkembang dari Al. software alogaritma genetis menggunakan teori Darwin (yang kuatlah yang bias bertahan hidup), pengacakan, dan fungsi matematika lainnya untuk mensimulasi proses evolusi yang dapat menghasilkan solusi yang lebih baik terhadap masalah. Alogaritma genetis pertama kali digunakan untuk mensimulasi jutaan tahun evolusi biologi ,geologi, dan ekosistem dalam hanya beberapa menit di komputer.

  Alogaritma genetis khususnya berguna untuk situasi dimana ribuan solusi memungkinkan dan harus dievalusi untuk menghasilkan solusi yang optimal. Software alogaritma menggunakan peraturan proses matematis (alogaritma) yang menentukan bagaimana kombinasi komponen proses aatau langkah-langkah dibentuk. Hal ini dapat mencangkup usaha pengacakan kombinasi proses (mutasi), penggabungan dari beberapa prosesor yang baik (crossover),dan memilih proses yang baik dan membuang proses yang buruk(seleksi) untuk menyelesaikan solusi yang lebih baik.

2.6.4 Realitas virtual

  Sejak sekitar satu dekade yang lalu, dunia pendidikan nasional dihadapkan kepada suatu kenyataan yang pahit tentang relevansi pendidikan. Pembelajaran yang berdasarkan kurikulum 1994 menjadikan anak-anak kebingungan. Dapat kita ambil contoh paling mudah yaitu isi pelajaran Pendidikan Moral Pancasila. Banyak sekali untuk tidak menyatakan hampir semua hal yang diajarkan para guru berdasarkan buku-buku wajib tidak terjadi atau ada dalam realitas kehidupan. Bahkan sampai tulisan ini disusun para pelajar tetap dibuat bingung, misalnya korupsi dinyatakan sebagai perbuatan jahat dan aib bagi pelakunya. Namun setiap hari mereka selalu dapat menemukan kenyataan bahwa korupsi terjadi di mana-mana, termasuk di lembaga-lembaga yang seharusnya menjadi 'penjaga moral' dan penegakan hukum pun ternyata tidak luput dari korupsi. Dan masih banyak lagi realitas dalam kehidupan yang menjadikan para pelajar bingung dan fenomena ini cukup beralasan bila disebut "Gegar Budaya" telah menimpa generasi muda. Selain itu keadaan semakin menghilangnya kesadaran terhadap pengembangan sumber daya manusia melalui pendidikan tak mustahil "generasi yang hilang" itu suatu saat nanti akan disuguhkan oleh "kiai sejarah" kepada bangsa kita. Tulisan ini akan mencoba mengkaji secara ringkas suatu realitas baru yang mau tak mau, suka tak suka telah masuk dalam kehidupan manusia termasuk masyarakat kita. Realitas baru itu adalah Realitas Virtual. Apakah Realitas Virtual Dapat Dimanfaatkan untuk Pembelajaran? Realitas Virtual (RV) adalah suatu teknologi berbasis komputer yang dapat mengetengah-kan suatu pengalaman realistik, tiga dimensi dan interaktif bagi mereka yang mulai menggulati komputer. Apakah RV dapat membantu memberikan solusi terhadap relevansi pembelajaran? Ataukah RV hanya akan menjadi suatu realitas yang akan menambah beban dan kesulitan baru dalam kehidupan masyarakat? Untuk memperoleh jawaban atas pertanyaan-pertanyaan yang bisa diperpanjang lebih jauh, perlu lebih dahulu dipahami lebihdulu apakah sebenarnya yang dimaksud dengan RV itu sendiri. RV adalah suatu teknologi berbasis komputer yang mampu memberikan kepada penggunanya suatu pengalaman realistik, interaktif atau suatu daya rasa (sense) ada nyata disana (being there). Oleh karena itu RV merupakan suatu alat yang penuh daya yang mendorong belajar, dengan memberi peluang siswa mengungkapkan kemampuannya dalam suatu realitas simulatif tentang suatu lingkungan yang realistis hidup. Dapat dibuktikan bahwa RV dapat meningkatkan motivasi, daya retensi keterampilan siswa dan mengurangi tingkat kesalahan. Sebagai salah satu bentuk pembelajaran pelatihan berbasis komputer, RV dapat banyak meredusir rata-rata waktu belajar dan karena nya juga biaya yang terkait dengan hasil dari proses belajar, RV memberikan pandangan baik tentang teknik evaluasi berbasis

pencapaianprestasi. RV memerlukan analisis dan desain yang teliti agar dapat diimplementasikan secara efektif. Untuk itu dibutuhkan sejumlah teknologi dan suatu rentang kemampuan guna mengembangkan dan menyebarkannya. Tnetu saja juga perlu memahami tentang investasi, perdagangan, resiko sebelum memulai suatu kegiatan (suatu proyek RV). RV kini banyak digunakan dalam berbagai organisasi untuk menyampaikan pemecahan masalah belajar berbasis prestasi. Berbagai teknik telah dikembangkan untuk membantu dalam proses menciptakan belajar berbasis RV. Bagaimanakah RV dapat meningkatkan efektifitas belajar? Untuk menjawabnya perlu dianalisis lebih lanjut hal-hal berikut ini.

2.6.5 Hakekat Realitas Virtual

  Seperti telah disebut di atas, RV adalah suatu teknologi berbasis komputer yang memberikan suatu pengalaman realistis, interaktif, atau suatu daya-rasa (sense) tentang sesuatu yang ada ("being there") Menurut Carol Gunther Mohr dkk dalam the ASTD Handbook of Training Design and Delivery (2000) Realitas Virtual adalah: Y Representasi realitas hidup, tiga dimensi dengan komputer grafik yang menggambarkan fungsionalitas obyek lengkap atau lingkungan dan memungkinkan seseorang bergerak di dalam lingkungan tersebut; Y Tanggapan interaktif, serta-merta dan realistik terhadap aksi penggunanya; Y Membawa, melibatkan dalam proses fisik dan menempatkannya pada pusat pengalaman pengguna.

  Berbeda dengan animasi dan video yang citranya dimainkan dan diulangmainkan dalam suatu sekuen yang sudah diatur, RV dapat dilihat, berinteraksi dengannya, dan memeriksa-nya dari perspektif dan sekuen yang manapun. Pengguna memilih sudut pandang sesuai dengan kegiatan yang dilakukannya. Hal ini memberikan fleksibilitas yang lebih besar dibanding pelatihan berbasis multimedia konvensional, yang dalam pengoperasian program lebih ditetapkan (dibatasi). RV memberikan masukan multi sensor yang memungkinkan pengguna: melihat dan mendengar, menampilkan kegiatan/aksi, menangkap akibat aksi melaui umpan balik yang serta merta, realistis (secara visual dan auditif), serta dalam beberapa kasus pengalaman umpan balik secara real time (senyatanya). Teknologi RV dapat digunakan secara sendiri sebagai lingkungan virtual saja atau terintegrasi dengan suatu aplikasi pelatihan multimedia berbasis komputer seperti animasi video, dan teks. RV sering diterapkan menyimulasikan atau aplikasi berbasis skenario yang memungkinkan pengguna menampilkan kemampuan dan menerapkan pengetahuan sementarabekerja sesuaikecepatan (pacing)-nya sendiri.

2.5.6 Agen yang Cerdas

  Dalam, agen cerdas (IA) adalah sebuah entitas otonom yang mengamati dan bertindak atas suatu Intelligent agen juga dapatuntuk mencapai tujuan mereka. Mereka mungkin sangat sederhana atau: mesin refleks seperti termostat adalah sebuah agen cerdas.seperti manusia, sebagai sebuah komunitas manusia bekerja bersama menuju tujuan.

  Agen Intelligent sering digambarkan secara skematis sebagai sistem fungsional abstrak mirip dengan Untuk alasan ini, agen cerdas kadang-kadang disebut agen cerdas abstrak s (AIA) Untuk membedakan mereka dari dunia nyata implementasinya sebagai sistem komputer, sistem biologis, atau organisasi. Beberapa definisi dari agen cerdas mereka menekankan) perilaku goal-directed dianggap sebagai inti dari kecerdasan dan sebagainya lebih suka istilah yang dipinjam dari

  “.

  Agen Cerdas dalam kecerdasan buatan berhubungan erat dengan, dan versi dari paradigma agen cerdas yang dipelajari dalamdan sosial simulasi komputer.

  Intelligent agen juga berhubungan erat dengan

  

(program perangkat lunak otonom yang

  melaksanakan tugas atas nama pengguna). Dalam

  

, agen cerdas istilah dapat digunakan untuk merujuk

  kepada agen perangkat lunak yang memiliki kecerdasan tertentu, terlepas jika tidak agen rasional oleh dan Norvig Definisi Russell. Sebagai contoh, program otonom digunakan untuk bantuan operator atau data mining (kadang-kadang disebut sebagai bot)

  Gambar 3 : Program Otonom

  Struktur agen

  Sebuah program agen yang sederhana dapat didefinisikan secara matematis sebagaiyang memetakan setiap urutan persepsi mungkin untuk tindakan yang mungkin agen dapat melakukan atau untuk suatu elemen, umpan balik koefisien, fungsi atau konstanta yang mempengaruhi tindakan akhirnya: Paraagen kelompok menjadi lima kelas berdasarkan tingkat kecerdasan dan kemampuan yang dirasakan:

  1. sederhana refleks agen 2. model berbasis agen refleks

  3. Tujuannya berbasis agen 4. utilitas berbasis agen 5. agen pembelajaran

  Refleks model berbasis agen Gen model berbasis lingkungan dapat menangani sebagian diamati. keadaan sekarang adalah disimpan di dalam agen mempertahankan beberapa jenis struktur yang menggambarkan bagian dari dunia yang tidak dapat dilihat. Perilaku ini memerlukan informasi tentang bagaimana dunia berperilaku dan bekerja. Ini informasi tambahan melengkapi “World View” model. Berdasarkan refleks agen-model melacak negara dunia sekarang menggunakan.Kemudian memilih tindakan dengan cara yang sama sebagai agen refleks.

  Tujuan berbasis agen Tujuan berbasis model berbasis agen yang menyimpan informasi tentang situasi yang diinginkan. Hal ini memungkinkan agen cara untuk memilih di antara beberapa kemungkinan, memilih satu yang mencapai negara tujuan.

  Utility berbasis agen Agen tujuan berbasis hanya membedakan antara negara- negara tujuan dan negara-negara non-tujuan. Hal ini dimungkinkan untuk menentukan ukuran berapa diinginkan negara tertentu. Langkah ini dapat diperoleh melalui penggunaan fungsi utilitas yang memetakan negara untuk ukuran utilitas negara.

  Belajar agen Belajar memiliki keuntungan bahwa hal itu memungkinkan para agen untuk awalnya beroperasi di lingkungan yang tidak dikenal dan menjadi lebih kompeten dari pengetahuan awal mungkin saja memungkinkan kelas lain dari agen cerdas.

  Menurut sumber-sumber lain beberapa sub-agen (belum disebutkan dalam pengobatan ini) yang dapat menjadi bagian dari Agen Cerdas atau Cerdas lengkap Agen dalam diri mereka sendiri adalah:

  Keputusan Agen (yang ditujukan untuk membuat keputusan);  Input Agen (proses itu dan membuat rasa input sensor –

   misalnyaagen based); Pengolahan Agen (yang memecahkan masalah seperti speech  recognition);

   Agen spasial (yang berhubungan dengan dunia nyata (fisik)

   Agen dunia (yang menggabungkan kombinasi dari semua kelas-kelas lain dari agen untuk memungkinkan perilaku otonom).

   Agen terpercaya – Seorang agen menunjukkan kepribadian melalui penggunaan karakter buatan (agen adalah melekat) untuk interaksi.

   Fisik Agen – Agen fisik adalah suatu entitas yang persepsi melalui sensor dan bertindakmelalui aktuator.

   Temporal Agen – Agen temporal dapat menggunakan

  informasi yang disimpan berdasarkan waktu untuk menawarkan instruksi atau tindakan data ke program komputer atau manusia membutuhkan program input dan menjadi persepsi untuk menyesuaikan perilaku berikutnya.

2.7 Sistem Pakar

  Secara umum, sistem pakar adalah sistem yang berusaha mengadopsi pengetahuan manusia ke komputer yang dirancang untuk memodelkan kemampuan menyelesaikan masalah seperti layaknya seorang pakar. Dengan sistem pakar ini, orang awam pun dapat menyelesaikan masalahnya atau hanya sekedar mencari suatu informasi berkualitas yang sebenarnya hanya dapat diperoleh dengan bantuan para ahli di bidangnya. Sistem pakar ini juga akan dapat membantu aktivitas para pakar sebagai asisten yang berpengalaman dan mempunyai asisten yang berpengalaman dan mempunyai pengetahuan yang dibutuhkan. Dalam penyusunannya, sistem pakar mengkombinasikan kaidah-kaidah penarikan kesimpulan (inference rules) dengan basis pengetahuan tertentu yang diberikan oleh satu atau lebih pakar dalam bidang tertentu. Kombinasi dari kedua hal tersebut disimpan dalam komputer, yang selanjutnya digunakan dalam proses pengambilan keputusan untuk penyelesaian masalah tertentu. Ciri-Ciri Sistem Pakar Sistem pakar yang baik harus memenuhi ciri-ciri sebagai berikut : • Memiliki informasi yang handal.

• Mudah dimodifikasi.
• Dapat digunakan dalam berbagai jenis komputer.
• Memiliki kemampuan untuk belajar beradaptasi. Keuntungan Sistem Pakar Secara garis besar, banyak manfaat yang dapat diambil dengan adanya sistem pakar, antara lain : 1. Memungkinkan orang awam bisa mengerjakan pekerjaan para ahli.

  2. Bisa melakukan proses secara berulang secara otomatis.

  3. Menyimpan pengetahuan dan keahlian para pakar.

  4. Meningkatkan output dan produktivitas.

  5. Meningkatkan kualitas.

  6. Mampu mengambil dan melestarikan keahlian para pakar (terutama yang termasuk keahlian langka).

  7. Mampu beroperasi dalam lingkungan yang berbahaya.

  8. Memiliki kemampuan untuk mengakses pengetahuan.

  9. Memiliki reabilitas.

  10. Meningkatkan kapabilitas sistem komputer.

  11. Memiliki kemampuan untuk bekerja dengan informasi yang tidak lengkap dan mengandung ketidakpastian.

  12. Sebagai media pelengkap dalam pelatihan.

  13. Meningkatkan kapabilitas dalam penyelesaian masalah.

  14. Menghemat waktu dalam pengambilan keputusan Kelemahan Sistem Pakar Di samping memiliki beberapa keuntungan, sistem pakar juga memiliki beberapa kelemahan, antara lain :

  1. Biaya yang diperlukan untuk membuat dan memeliharanya sangat mahal.

  2. Sulit dikembangkan. Hal ini tentu saja erat kaitannya dengan ketersediaan pakar di bidangnya.