TEKNOLOGI KECERDASAN ARTIFISIAL DALAM BISNIS
Pendahuluan Teknologi kecerdasan artifisial (artificial intelligence-AI) digunakan dalam berbagai cara untuk memperbaiki pendukung keputusan yang disediakan bagi manajer dan praktisi bisnis di banyak perusahaan. Perusahaan terkemuka di banyak industri menggunakan teknologi kecerdasan artifisial sebagai bagian vital dalam aplikasi bisnis strategis seperti manufaktur, pengendalian proses, riset biomedis, deteksi penipuan, penambangan data dan riset pasar.
Contoh-contohnya mencakup penggunaan sistem jaringan syaraf oleh banyak bank untuk mendeteksi penipuan kartu kredit, jaringan syaraf, dan sistem pakar dalam aplikasi penambangan data oleh Wal-Mart dan BankFinancial untuk peramalan pasar dan penjualan, serta perkiraan model perilaku pelanggan oleh HP Enterprise Systems. Batasan utama yang disebutkan dalam pusat kasus adalah kesulitan dalam memperoleh dan mengubah data menjadi data bisnis yang berkualitas baik yang dibutuhkan untuk mencapai hasil yang berkualitas tinggi.
Gambaran Umum Kecerdasan Artifisial Kecerdasan artifisial (artificial intelligence-AI) adalah bidang ilmu pengetahuan dan teknologi yang didasari oleh ilmu-ilmu seperti ilmu komputer, biologi, psikologi, linguistik, matematika dan teknik. Tujuan AI adalah mengembangkan komputer yang dapat berpikir, serta melihat, mendengar, berjalan, berbicara, dan merasakan sesuatu. Pendorong utama dari kecerdasan artifisial adalah perkembangan fungsi komputer yang umumnya diasosiasikan dengan kecerdasan manusia, seperti penalaran, pembelajaran dan penyelesaian masalah.
Ranah (Domain) Kecerdasan Artifisial Aplikasi Ilmu Kognitif Aplikasi Robotik Aplikasi Interface Alami Sistem Pakar Sistem Belajar Logika yang kabur (Fuzzy Logic) Algoritma Genetis Jaringan Syaraf Agen yang cerdas (Intelligent Agents) Persepsi Visual Indera Peraba Ketangkasan Daya Penggerak Navigasi Bahasa Alami Pengenalan Wicara Interface Multisensor Realitas Virtual
Ilmu Kognitif Bidang kecerdasan artifisial ini didasari oleh penelitian di bidang biologi, neurologi, psikologi, matematika dan banyak ilmu pengetahuan lainnya. Bidang ini memfokuskan pada penelitian mengenai bagaimana otak manusia bekerja dan bagaimana manusia berpikir dan belajar. Aplikasi dalam bidang ilmu kognitif dari AI mencakup pengembangan sistem pakar dan sistem berbasis pengetahuan lainnya yang menambah basis pengetahuan dan kemampuan penalaran ke sistem informasi. Bidang ini juga mencakup sistem belajar adaptif yang dapat memodifikasi perilaku berdasarkan informasi yang diperoleh pada saat beroperasi. Sistem permainan catur adalah contoh klasik dari aplikasi semacam 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.
Ilmu Kognitif Software jaringan syaraf dapat belajar melalui pemrosesan masalah tertentu dan solusinya. Ketika jaringan syaraf mulai mengenali suatu pola, jaringan tsb dapat mulai memprogram dirinya sendiri untuk menyelesaikan masalah tsb scr mandiri. Software algoritma genetis menggunakan teori Darwin (yang paling kuatlah yang bisa bertahan hidup), pengacakan, dan fungsi matematika lainnya untuk mensimulasi proses evolusi yang dapat menghasilkan solusi yang lebih baik thd masalah. Agen yang cerdas menggunakan sistem pakar dan teknologi AI lainnya untuk bertindak sbg wakil software untuk berbagai aplikasi pemakai akhir.
Robotik AI, teknik, dan fisiologi adalah ilmu dasar dari robotik. Teknologi ini menghasilkan mesin robot dengan kecerdasan komputer dan dikendalikan oleh komputer dengan kemampuan seperti manusia. Bidang ini mencakup aplikasi yg dirancang utk memberikan kpd robot daya utk melihat, atau persepsi visual; meraba, atau kemampuan indera peraba; ketangkasan, atau keahlian utk mengatasi atau memanipulasi sesuatu; daya penggerak, atau kemampuan fisik utk bergerak di permukaan apa saja; dan navigasi, atau kemampuan utk mencari arah yang tepat.
Interface Alami Tujuan umum dari penelitian AI ini adalah utk dpt berbicara dgn komputer dan robot dalam percakapan bahasa manusia dan untuk membuat komputer dan robot “memahami” kita dgn mudah. Aplikasi penelitian interface alami lainnya mencakup pengembangan alat multisensor yang menggunakan berbagai gerakan tubuh untuk mengoperasikan komputer. Hal ini berhubungan dengan munculnya bidang aplikasi realitas virtual (virtual reality). Realitas virtual mencakup penggunaan interface komputer-manusia multisensor yg memungkinkan pemakai (manusia) utk merasa bhw objek, ruang, aktivitas, dan “dunia” simulasi komputer sama seperti kenyataan.
Sistem Pakar Sistem pakar (expert system-ES) adalah sistem informasi berbasis pengetahuan yang menggunakan pengetahuannya mengenai bidang aplikasi yang khusus dan kompleks untuk bertindak sebagai konsultan ahli bagi pemakai akhir. Sistem pakar menyediakan jawaban atas pertanyaan mengenai bidang masalah yang sangat khusus dgn membuat interface yang mirip manusia mengenai pengetahuan yang ada di dalam basis pengetahuan khusus. Sistem pakar dapat menyediakan pendukung keputusan bagi pemakai akhir dalam bentuk nasihat dari konsultan ahli dalam bidang masalah khusus.
Komponen Sistem Pakar Basis Pengetahuan. Basis pengetahuan dari sistem pakar terdiri atas (1) fakta-fakta mengenai bidang tertentu (misalnya, John adalah seorang analis) dan (2) heuristik (peraturan utama) yang menyatakan prosedur penalaran dari seorang pakar mengenai suatu topik (misalnya: Jika John adalah seorang analis, maka dia membutuhkan tempat kerja). Sumber daya software. Paket software sistem pakar berisi mesin inferensi dan program lainnya untuk menyempurnakan pengetahuan dan berkomunikasi dengan pemakai. Program mesin inferensi memproses pengetahuan (seperti peraturan dan fakta) yang berhubungan dengan masalah tertentu. Program ini kemudian membuat asosiasi dan inferensi yang menghasilkan tindakan yang direkomendasikan. Program interface pemakai untuk komunikasi dengan pemakai akhir juga dibutuhkan, termasuk program penjelasan untuk menjelaskan proses penalaran ke pemakai jika diminta.
Aplikasi Sistem Pakar Sistem pakar digunakan dalam banyak bidang, termasuk kedokteran, teknik fisika, dan bisnis. Sistem pakar dapat membantu mendiagnosis penyakit, mencari mineral, menganalisis senyawa kimia, merekomendasikan perbaikan, dan melakukan perencanaan keuangan. Dari sudut pandang bisnis strategis, sistem pakar dapat dan sedang digunakan untuk memperbaiki setiap tahap dalam siklus produk dari suatu bisnis, mulai dari pencarian pelanggan hingga pengiriman produk, bahkan hingga penyediaan layanan pelanggan.
Manfaat Sistem Pakar Sistem pakar menangkap keahlian seseorang atau sekelompok pakar dalam sistem informasi berbasis komputer. Jadi, sistem ini dapat melakukan keahlian manusia dalam banyak situasi masalah. Sistem pakar lebih cepat dan lebih konsisten, dapat memiliki pengetahuan dari beberapa pakar, dan tidak dapat lelah atau terganggu oleh pekerjaan yang terlalu banyak atau stress. Sistem pakar juga membantu memelihara dan memproduksi kembali pengetahuan para pakar. Sistem ini memungkinkan perusahaan untuk memelihara keahlian seorang pakar sebelum meninggalkan organisasi, keahlian ini kemudian dapat dibagi dengan memproduksi kembali software dan basis pengetahuan dari sistem pakar.
Batasan Sistem Pakar Fokusnya yang terbatas. Sistem pakar hanya bagus dalam penyelesaian jenis masalah tertentu dalam ranah pengetahuan yang terbatas. Sistem pakar dapat bekerja dengan baik dalam beberapa jenis tugas operasional dan analitis, namun kurang mampu dalam pengemabilan keputusan manajerial subjektif. Biaya Pengembangan. Sistem pakar juga sulit dan mahal untuk dikembangkan dan dirawat dengan baik. Masalah pemeliharaan dan ketidakmampuannya untuk belajar. Sistem pakar tidak dapat memelihara dirinya sendiri, artinya sistem pakar tidak dapat belajar dari pengalaman namun harus diajari pengetahuan baru dan dimodifikasi ketika keahlian baru dibutuhkan untuk mengikuti perkembangan di bidang tertentu.
Mengembangkan Sistem Pakar Cara termudah untuk mengembangkan sistem pakar adalah menggunakan kulit luar sistem pakar (expert system shell) sebagai alat pengembangan. Kulit luar sistem pakar adalah paket software yang terdiri atas sistem pakar tanpa intinya, yaitu basis pengetahuannya. Jadi, hanya kulit luar (shell) software (mesin inferensi dan program interface pemakai) dengan inferensi umum dan kemampuan interface pemakai. Alat pengembangan lainnya (seperti editor dan generator interface pemakai) ditambahkan untuk membuat kulit luar tersebut menjadi alat pengembangan sistem pakar yang berdaya tinggi.
Rekayasa Pengetahuan Teknisi pengetahuan (knowledge engineer) adalah profesional yang bekerja dengan para pakar untuk menangkap pengetahuan (fakta dan peraturan) yang mereka miliki. Teknisi pengetahuan kemudian membangun basis pengetahuan (dan keseluruhan sistem pakar jika diperlukan) dengan menggunakan proses prototipe dan pengulangan hingga sistem pakar tersebut dapat diterima. Setelah keputusan dibuat untuk mengembangkan sistem pakar, suatu tim dengan beberapa pakar dan teknisi pengetahuan dapat dibentuk. Atau para pakar yang terampil dalam menggunakan kulit luar sistem pakar dapat mengembangkan sistem pakar khusus. Teknisi pengetahuan dan ahli ranah dapat memodifikasi basis pengetahuan, kemudian menguji ulang sistem dan mengevaluasi hasilnya. Proses ini diulangi hingga basis pengetahuan dan hasil kulit luar menjadi sistem pakar yang dapat diterima.
Diskusi Kelompok Apa perbedaan antara kemampuan manajer untuk menelusuri informasi secara instan berdasarkan permintaan dengan menggunakan SIM dan dengan kemampuan yang disediakan oleh DSS? Dapatkah komputer berpikir? Akankah komputer mampu berpikir? Jelaskan alasan Anda! Apa saja aplikasi yang sangat penting dari kecerdasan buatan dalam bisnis? Berikan alasan Anda.