Professional Documents
Culture Documents
E-Bisnis
REVIEW BUKU
dan
Oleh:
Dosen:
Focus
Introduction
What is CRM
Trends in CRM
Customer Relationship Management
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
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
CRM Analytical
CRM Collaborative
Introduction
What Is ERP?
Trends in ERP
Apa itu ERP.
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?
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
Business and AI
Overview AI
Expert 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:
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
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.
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
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 Basis pengetahuan terpisah dari
oleh satu program pemrosesan (inferensi)
Program tidak dapat melakukan Program memungkinkan melakukan
kesalahan, jika ada kesalahan terletak kesalahan
pada programer dan pengguna
Tidak ada penjelasan mengapa meminta Terdapat penjelasan
data dan mengapa kesimpulan yang
keluar seperti itu
Membutuhkan input data dan tidak akan Tidak memerlukan data lengkap, jika
diproses jika data tidak lengkap ada data yang terlewati sistem tetap
dapat mengambil kesimpulan
Melakukan perubahan atas program Perubahan prosedur memungkinkan
sangat repot dan mudah
Sistem berjalan jika lengkap Bisa berjalan walaupun dengan
sejumlah prosedur
Eksekusi dilakukan dengan tahap Eksekusi dilakukan dengan heuristik
langkah demi langkah dan logic
Dapat memanipulasi data dengan Dapat memanipulasi data dengan
database besar pengetahuan yang besar
Menampilkan dan menggunakan data Menampilkan dan menggunakan
pengetahuan
Untuk tujuan efisiensi, efektivitas hanya Efektivitas adalah tujuan utama
untuk DSS
Bekerja dengan data kuantitatif Bekerja dengan data kualitatif
Menyajikan data numeric Menyajikan pengetahuan secara
simbolik dan numeric
Menangkap, memperbesardan Menangkap, memperbesar dan
menyebarkan akses untuk data numerik menyebarkan pengetahuan untuk
atau informasi memutuskan dan wawasan
Turban Chapter 12, Section 2:
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 :
Memperoleh pengetahuan.
Pihak yang bertugas untuk mendokumentasikan pengetahuan dari seorang
ahli disebut knowledge engineer. Sedangkan proses mendokumentasikan
pengetahuan disebut knowledge engineering.
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.