BAB 11 MENGELOLA PENGERTAHUAN

BAB 11

MENGELOLA PENGERTAHUAN

11.1          Pemandangan Pengelolaan Pengetahuan

1.      Dimensi Penting Pengetahuan

Untuk mengubah informasi menjadi pengetahuan, perusahaan harus mengeluarkan sumber daya tambahan untuk menemukan pola, aturan, dan konteks di mana pengetahuan itu bekerja. Akhirnya, kebijaksanaan dianggap sebagai pengalaman kolektif dan individual untuk menerapkan pengetahuan terhadap pemecahan masalah.

Pengetahuan adalah atribut individu dan atribut kolektif perusahaan. Pengetahuan adalah peristiwa kognitif, bahkan fisiologis, yang terjadi di dalam kepala masyarakat. Pengetahuan yang berada di benak karyawan yang belum didokumentasikan disebut pengetahuan tacit, sedangkan pengetahuan yang telah didokumentasikan disebut pengetahuan eksplisit.

a.       Pembelajaran Organisasi dan Manajemen Pengetahuan

Melalui pengumpulan data, pengukuran aktivitas terencana yang cermat, trial and error (percobaan), dan umpan balik dari pelanggan dan lingkungan pada umumnya, pengalaman mendapatkan organisasi. Organisasi yang belajar menyesuaikan perilaku mereka untuk mencerminkan pembelajaran itu dengan menciptakan proses bisnis baru dan dengan mengubah pola pengambilan keputusan manajemen. Proses perubahan ini disebut pembelajaran organisasi.

2.      Ringkasan Pengelolaan Pengetahuan

a.       Manajemen Pengetahuan

Manajemen pengetahuan mengacu pada serangkaian proses bisnis yang dikembangkan dalam sebuah organisasi untuk menciptakan, menyimpan, mentransfer, dan menerapkan pengetahuan. Manajemen pengetahuan meningkatkan kemampuan organisasi untuk belajar dari lingkungannya dan untuk menggabungkan pengetahuan ke dalam proses bisnisnya.

b.      Akuisisi Pengetahuan

Organisasi memperoleh pengetahuan dengan berbagai cara, tergantung dari jenis pengetahuan yang mereka cari. Sistem manajemen pengetahuan pertama berusaha membangun gudang dokumen, laporan, presentasi, dan praktik terbaik perusahaan. Upaya ini telah diperluas untuk memasukkan dokumen tidak terstruktur (seperti e-mail).

c.       Penyimpanan Pengetahuan

Penyimpanan pengetahuan umumnya melibatkan pembuatan database. Sistem pengelolaan dokumen yang mendigitalkan, mengindeks, dan memberi tag dokumen sesuai kerangka koheren adalah database besar yang mahir menyimpan koleksi dokumen.

d.      Diseminasi Pengetahuan

Portal, e-mail, instant messaging, wiki, jaringan sosial, dan teknologi mesin telusur telah menambahkan serangkaian teknologi kolaborasi dan sistem perkantoran yang ada untuk berbagi kalender, dokumen, data, dan grafik.

e.       Aplikasi Pengetahuan

Pengetahuan baru harus dibangun ke dalam proses bisnis perusahaan dan sistem aplikasi utama, termasuk aplikasi enterprise untuk mengelola proses bisnis internal utama dan hubungan dengan pelanggan dan pemasok.

f.       Membangun Modal Organisasi dan Manajemen: Kolaborasi, Komunitas Praktek, dan Lingkungan Kantor

Komunitas praktik (COP) adalah jaringan sosial informal para profesional dan karyawan di dalam dan di luar perusahaan yang memiliki kegiatan dan minat terkait pekerjaan serupa.

COP dapat mempermudah orang untuk menggunakan kembali pengetahuan dengan mengarahkan anggota masyarakat ke dokumen yang bermanfaat, membuat repositori dokumen, dan memfilter informasi untuk pendatang baru.

3.      Jenis Sistem Manajemen Pengetahuan

Ada tiga jenis sistem manajemen pengetahuan utama: sistem manajemen pengetahuan perusahaan, sistem kerja pengetahuan, dan teknik cerdas, yaitu:

a.       Sistem manajemen pengetahuan menyeluruh adalah upaya generalwide untuk mengumpulkan, menyimpan, mendistribusikan, dan menerapkan konten dan pengetahuan digital. Sistem ini mencakup kemampuan untuk mencari informasi, menyimpan data terstruktur dan tidak terstruktur, dan menemukan keahlian karyawan di dalam perusahaan.

b.      Sistem kerja pengetahuan (KWS) adalah sistem khusus yang dibangun untuk para insinyur, ilmuwan, dan pekerja pengetahuan lainnya yang ditugaskan untuk menemukan dan menciptakan pengetahuan baru bagi sebuah perusahaan.

c.       Manajemen pengetahuan juga mencakup beragam jenis teknik cerdas, seperti data mining, sistem pakar, jaringan syaraf tiruan, logika fuzzy, algoritma genetika, dan agen cerdas. Teknik ini memiliki tujuan yang berbeda, mulai dari fokus menemukan pengetahuan (data mining dan jaringan syaraf tiruan), untuk menyaring pengetahuan dalam bentuk aturan untuk program komputer (sistem pakar dan logika fuzzy), untuk menemukan solusi optimal untuk masalah (algoritma genetika) .

11.2          Sistem Manajemen Pengetahuan Enterprise-Wide

1.      Sistem Manajemen Konten Perusahaan

Pengetahuan terstruktur adalah pengetahuan eksplisit yang ada dalam dokumen formal, dan juga peraturan formal yang diturunkan organisasi dengan mengamati para ahli dan perilaku pengambilan keputusan mereka. Sistem manajemen konten perusahaan membantu organisasi mengelola kedua jenis informasi. Mereka memiliki kemampuan untuk menangkap, penyimpanan, pengambilan, distribusi, dan pelestarian pengetahuan untuk membantu perusahaan memperbaiki proses bisnis dan keputusan mereka. Sistem seperti itu mencakup repositori dokumen, laporan, presentasi, dan praktik terbaik perusahaan, serta kemampuan untuk mengumpulkan dan mengatur pengetahuan terstruktur seperti e-mail

2.      Sistem Jaringan Pengetahuan

Sistem jaringan pengetahuan, juga dikenal sebagai lokasi keahlian dan sistem manajemen, mengatasi masalah yang timbul saat pengetahuan yang tepat tidak dalam bentuk dokumen digital melainkan berada dalam memori individu ahli di perusahaan.

Sistem ini menyediakan direktori pakar korporat online untuk mempermudah karyawan menemukan pakar yang tepat di perusahaan.

3.      Sistem Pengelolaan Kolaborasi dan Sistem Manajemen Pembelajaran

Bookmark sosial mempermudah pencarian dan berbagi informasi dengan mengizinkan pengguna menyimpan bookmark mereka ke halaman Web di situs Web publik dan menandai bookmark ini dengan kata kunci. Taksonomi buatan pengguna yang dibuat untuk bookmark bersama disebut folksonomies. Delicious dan Digg adalah dua situs bookmark sosial yang populer.
perusahaan membutuhkan cara untuk melacak dan mengelola pembelajaran karyawan dan mengintegrasikannya sepenuhnya ke dalam manajemen pengetahuan dan sistem perusahaan lainnya. Sistem manajemen pembelajaran (LMS) menyediakan alat untuk manajemen, pengiriman, pelacakan, dan penilaian berbagai jenis pembelajaran dan pelatihan karyawan

11.3          Sistem Pengetahuan Kerja

1.      Pengetahuan Pekerjaan dan Pengetahuan Kerja

Pekerja pengetahuan mencakup periset, perancang, arsitek, ilmuwan, dan insinyur yang terutama menciptakan pengetahuan dan informasi untuk organisasi.

Pekerja pengetahuan melakukan tiga peran penting yang penting bagi organisasi dan manajer yang bekerja di dalam organisasi:

a.        Menjaga pengetahuan organisasi saat ini dalam pengetahuan saat berkembang di dunia luar - dalam teknologi, sains, pemikiran sosial, dan seni.

b.      Melayani konsultan internal mengenai bidang pengetahuan mereka, perubahan yang terjadi, dan peluang.

c.       Bertindak sebagai agen perubahan, evaluasi, inisiasi, dan promosi proyek.

2.      Contoh Sistem Kerja Pengetahuan

Aplikasi kerja pengetahuan utama mencakup sistem CAD, sistem virtual reality untuk simulasi dan pemodelan, dan workstation keuangan. Computeraided design (CAD) mengotomatisasi penciptaan dan revisi desain, menggunakan komputer dan perangkat lunak grafis yang canggih. Dengan menggunakan metodologi perancangan fisik yang lebih tradisional, setiap modifikasi desain memerlukan cetakan yang harus dibuat dan prototipe untuk diuji secara fisik. Proses itu harus diulang berkali-kali, yang merupakan proses yang sangat mahal dan memakan waktu. Dengan menggunakan workstation CAD, perancang hanya perlu membuat prototip fisik menjelang akhir proses desain karena desainnya dapat dengan mudah diuji dan diubah pada komputer. Kemampuan perangkat lunak CAD untuk menyediakan spesifikasi desain perkakas dan pembuatan proses juga menghemat banyak waktu dan uang sambil menghasilkan proses manufaktur dengan masalah yang jauh lebih sedikit.

Sistem virtual reality memiliki kemampuan visualisasi, rendering, dan simulasi yang jauh melampaui sistem CAD konvensional. Mereka menggunakan perangkat lunak grafis interaktif untuk membuat simulasi yang dihasilkan komputer yang sangat dekat dengan kenyataan sehingga pengguna hampir yakin bahwa mereka berpartisipasi dalam situasi dunia nyata.

Augmented reality (AR) adalah teknologi terkait untuk meningkatkan visualisasi. AR menyediakan pandangan langsung langsung atau tidak langsung tentang lingkungan dunia nyata fisik yang elemennya diperkuat oleh citra buatan komputer virtual.

11.4          Teknik Cerdas

Kecerdasan buatan dan teknologi basis data memberikan sejumlah teknik cerdas yang dapat digunakan organisasi untuk menangkap pengetahuan individu dan kolektif dan untuk memperluas basis pengetahuan mereka. Sistem pakar, penalaran berbasis kasus, dan logika fuzzy digunakan untuk menangkap pengetahuan tacit. Jaringan syaraf tiruan dan data mining digunakan untuk penemuan pengetahuan.

Teknik cerdas lainnya yang dibahas di bagian ini didasarkan pada teknologi kecerdasan buatan (artificial intelligence / AI), yang terdiri dari sistem berbasis komputer (perangkat keras dan perangkat lunak) yang mencoba meniru perilaku manusia. Sistem seperti itu akan bisa belajar bahasa, menyelesaikan tugas fisik, menggunakan aparatus persepsi, dan meniru keahlian dan pengambilan keputusan manusia.

1.      Mengetahuin Pengetahuan: Sistem Ahli

Sistem pakar adalah teknik cerdas untuk menangkap pengetahuan tacit dalam domain keahlian manusia yang sangat spesifik dan terbatas. Sistem ini menangkap pengetahuan karyawan yang terampil dalam bentuk seperangkat aturan dalam sistem perangkat lunak yang dapat digunakan oleh orang lain dalam organisasi.

2.      Bagaimana Sistem Pakar Bekerja

Pengetahuan manusia harus dimodelkan atau diwakili sedemikian rupa sehingga komputer bisa memprosesnya. Sistem pakar memodelkan pengetahuan manusia sebagai seperangkat aturan yang secara kolektif disebut basis pengetahuan.

Strategi yang digunakan untuk mencari melalui basis pengetahuan disebut inferensi engine. Dalam forward chaining, mesin inferensi dimulai dengan informasi yang dimasukkan oleh pengguna dan mencari basis aturan untuk sampai pada sebuah kesimpulan. Strateginya adalah menembak, atau melakukan, tindakan aturan saat kondisi benar.

Dalam strategi backward chaining, strategi untuk mencari basis aturan dimulai dengan sebuah hipotesis dan dilanjutkan dengan mengajukan pertanyaan pengguna tentang fakta-fakta yang dipilih sampai hipotesis tersebut dikonfirmasi atau dibantah.

3.      Kecerdasan Organisasi: Berbasis

Sistem pakar terutama menangkap pengetahuan tacit para ahli individual, namun organisasi juga memiliki pengetahuan dan keahlian kolektif yang telah mereka bangun selama bertahun-tahun. Dalam kasus berbasis penalaran (CBR), deskripsi pengalaman masa lalu spesialis manusia, yang digambarkan sebagai kasus, disimpan dalam database untuk pengambilan nanti saat pengguna menemukan kasus baru dengan parameter serupa. Sistem mencari kasus yang tersimpan dengan karakteristik masalah yang mirip dengan yang baru, menemukan kesesuaian terdekat, dan menerapkan solusi dari kasus lama ke kasus baru. Solusi yang berhasil ditandai pada kasus baru dan keduanya disimpan bersamaan dengan kasus lain di basis pengetahuan. Solusi yang tidak berhasil juga ditambahkan ke database kasus beserta penjelasan mengapa solusi tidak berjalan.

4.      Sistem Logika Fuzzy

Logika fuzzy adalah teknologi berbasis aturan yang dapat mewakili ketidaktepatan seperti itu 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. Organisasi dapat menggunakan logika fuzzy untuk menciptakan sistem perangkat lunak yang menangkap pengetahuan diam-diam dimana terdapat ambiguitas linguistik.

5.      Jaringan Syaraf

Jaringan syaraf digunakan untuk memecahkan masalah kompleks dan kurang dipahami dimana sejumlah besar data dikumpulkan. Mereka menemukan pola dan hubungan dalam jumlah besar data yang akan terlalu rumit dan sulit bagi manusia untuk dianalisis.

6.      Algoritma Genetika

Algoritma genetika berguna untuk menemukan solusi optimal untuk masalah tertentu dengan memeriksa sejumlah besar kemungkinan solusi untuk masalah itu. Mereka didasarkan pada teknik yang diilhami oleh biologi evolusioner, seperti pewarisan, mutasi, seleksi, dan crossover (rekombinasi).

Sumber: Buku Management Information System, Managing a Digital Firm

               Karya: Kennet.C Loudon dan Jane P.Loudon