1

MODUL PERKULIAHAN 6

P182100007
KNOWLEDGE MANAGEMENT SYSTEM

Sistem Aplikasi Pengetahuan

Abstrak Sub-CPMK

Mampu menjelaskan konsep Memahami konsep Sistem Utilisasi

Manajemen Pengetahuan pengetahuan

Latar Belakang
Sistem yang Memanfaatkan Pengetahuan

Fakultas Program Studi Tatap Muka Disusun Oleh

06
Dwi Ade Handayani Capah, [Link], [Link]
Fakultas Ilmu Komputer Sistem Informasi
 Knowledge Management System sangat bergantung pada partisipasi manusia
didalamnya. KMS dikelompokan menjadi 4 (empat) macam, yaitu :
1. Knowledge Discovery System
Knowledge Discovery System merupakan proses membangun tacit atau explicit
knowledge baru dari data dan informasi atau sintesis pengetahuan terdahulu.
2. Knowledge Capture System
Knowledge Capture System merupakan proses perbaikan salah satu dari tacit atau
explicit knowledge yang melelui people, artifact, atau melalui organisasi
3. Knowledge Sharing System
Knowledge Sharing System merupakan proses dimana tacit atau explicit knowledge
dapat dikomunikasikan dengan individu lainnya. Knowledge Sharing System dapat
dikelompokan lagi menjadi : Keahlian sistem pelacak, penerapan database yang baik,
hal yang dipelajari sistem, sistem peringatan, dan database laporan insiden.
4. Knowledge Application System
Knowledge Application System merupakan proses penggunaan pengetahuan yang
dipunyai oleh beberapa individu lain tanpa mendapatkannya secara nyata atau
mempelajari Knowledge tersebut.

Sistem Aplikasi Pengetahuan mendukung proses di mana beberapa individu

memanfaatkan pengetahuan yang dimiliki oleh individu lain tanpa benar-benar
memperoleh, atau belajar, pengetahuan itu. Sistem menerapkan pengetahuan untuk
memecahkan masalah tertentu, biasanya diaktifkan oleh teknologi cerdas. Aplikasi
pengetahuan tergantung pada arah dan rutinitas. Baik mekanisme maupun teknologi
dapat mendukung sistem aplikasi pengetahuan dengan memfasilitasi proses manajemen
pengetahuan secara rutin dan terarah.

Mekanisme dan teknologi dapat memfasilitasi penerapan pengetahuan melalui

arahan dan rutinitas baik di dalam maupun di seluruh organisasi. Teknologi aplikasi
pengetahuan, yang mendukung arah dan rutinitas meliputi: sistem diagnosis kesalahan
(atau pemecahan masalah). Mekanisme memfasilitasi arah termasuk hubungan hierarkis,
meja bantuan, dan pusat dukungan; sedangkan mekanisme yang memfasilitasi rutinitas
mencakup kebijakan organisasi, praktik kerja, dan standar.

Teknologi yang mendukung arah dan rutinitas termasuk sistem pakar, pendukung
keputusan, sistem penasihat, sistem diagnosis kesalahan (atau pemecahan masalah),
dan sistem meja [Link] ini dapat mendukung arah, seperti dalam kasus

2023 Knowledge Management System dari Modul 6

2 Dwi Ade Handayani Capah, [Link], [Link]
Biro Bahan Ajar E-learning dan MKCU
[Link]
teknisi servis lapangan yang ingin memecahkan masalah produk tertentu; atau mungkin
mendukung rutinitas, seperti dalam kasus perwakilan layanan pelanggan yang mungkin
perlu mengidentifikasi mekanisme pengiriman produk alternatif saat menyiapkan
pengiriman pesanan.

Kecerdasan Buatan (AI)

• AI mengacu pada memungkinkan komputer untuk melakukan tugas-tugas yang
menyerupai kemampuan berpikir manusia.
• Ini adalah bidang ilmu komputer yang berhubungan dengan desain dan
pengembangan sistem komputer yang menunjukkan seperti manusia kemampuan
kognitif.
• Sama seperti KM dan kecerdasan manusia, AI dikaitkan dengan pengetahuan.
• Definisi AI berkisar dari: sistem yang bertindak seperti manusia, sistem yang berpikir
seperti manusia, sistem yang berpikir rasional, untuk sistem yang bertindak secara
rasional.
• Sistem yang bertindak seperti manusia mengacu pada sistem yang melewati Turing
Tes, yang mengacu pada komputer yang lulus tes oleh manusia interogator, yang
tidak tahu apakah tanggapan berasal dari orang atau tidak. Sistem yang berpikir
seperti manusia mengacu pada program komputer yang perilaku input ke outputnya
cocok manusia, misalnya ketika memecahkan masalah, seperti bermain catur atau
melakukan diagnosis medis.

Sistem yang berpikir rasional mengacu pada sistem yang mengikuti logika tertentu untuk
memecahkan masalah.
• Akhirnya, sistem yang bertindak secara rasional merujuk pada agen komputer yang
diharapkan memiliki karakteristik khusus yang memungkinkan mereka untuk
beroperasi secara mandiri dalam lingkungan, dan bahkan beradaptasi dengan
perubahan dalam menghadapi ketidakpastian. Sistem Berbasis Aturan
• Sistem berbasis aturan adalah sekumpulan pernyataan "jika-maka" yang
menggunakan sekumpulan asersi, yang aturannya tentang bagaimana bertindak atas
pernyataan tersebut dibuat. Dalam pengembangan perangkat lunak, sistem berbasis
aturan dapat digunakan untuk membuat perangkat lunak yang akan memberikan
jawaban atas suatu masalah sebagai pengganti manusia ahli.
• Contoh klasik dari sistem berbasis aturan adalah sistem pakar khusus domain yang
menggunakan aturan untuk membuat deduksi atau pilihan. Misalnya, sistem pakar

2023 Knowledge Management System dari Modul 6

3 Dwi Ade Handayani Capah, [Link], [Link]
Biro Bahan Ajar E-learning dan MKCU
[Link]
 dapat membantu dokter memilih diagnosis yang benar berdasarkan sekelompok
gejala, atau pilih gerakan taktis untuk bermain game.
• Secara tradisional, pengembangan sistem berbasis pengetahuan didasarkan pada
penggunaan aturan atau model untuk mewakili domain pengetahuan.
• Pengembangan sistem semacam itu membutuhkan kolaborasi materi pelajaran ahli
dengan insinyur pengetahuan, yang terakhir bertanggung jawab atas elisitasi dan
representasi dari pengetahuan pakar.
• Proses pengembangan sistem aplikasi pengetahuan membutuhkan perolehan
pengetahuan dari pakar dan merepresentasikannya dalam bentuk yang dapat
digunakan oleh komputer.
• Proses ini disebut rekayasa pengetahuan. Insinyur pengetahuan biasanya
membangun sistem aplikasi pengetahuan dengan terlebih dahulu mewawancarai
secara detail pakar domain dan mewakili pengetahuan lebih umum dalam satu set
heuristik, atau aturan praktis.

Para ahli mengembangkan aturan praktis ini selama bertahun-tahun pengalaman praktis
dalam memecahkan masalah.
• Berlaku ketika pengetahuan domain dapat didefinisikan oleh sekumpulan yang dapat
dikelola aturan atau heuristik.
• Aturan adalah paradigma representasi pengetahuan yang paling umum digunakan,
mungkin karena implementasi intuitif
• Bagian IF adalah kondisi (juga premis atau anteseden), yang menguji nilai kebenaran
dari sekumpulan asersi.
• Jika pernyataan itu benar, maka bagian dari aturan (juga tindakan, kesimpulan, atau
konsekuensi) juga disimpulkan sebagai fakta.
• Selain aturan, paradigma lain untuk mewakili pengetahuan termasuk bingkai, predikat,
jaringan asosiatif, dan objek. Sistem berbasis aturan telah mengajukan beberapa
kelemahan.
• Salah satunya adalah bahwa dalam banyak keadaan, jumlah aturan yang mungkin
diperlukan untuk benar mewakili domain mungkin cukup besar.
• Sistem pakar dengan sejumlah besar aturan menawarkan banyak kelemahan, yaitu
1. Kesulitan dalam pengkodean, verifikasi, validasi, dan pemeliharaan aturan; dan
2. Pengurangan efisiensi mesin inferensi yang menjalankan aturan.
• Sebagai alternatif, kami menganggap penggunaan kasus sebagai metode untuk
merepresentasikan pengetahuan

2023 Knowledge Management System dari Modul 6

4 Dwi Ade Handayani Capah, [Link], [Link]
Biro Bahan Ajar E-learning dan MKCU
[Link]
Sistem Penalaran Berbasis Kasus (CBR)
• Penalaran berbasis kasus (CBR) adalah proses pemecahan masalah baru
berdasarkan solusi dari masalah masa lalu yang serupa.
• Ini adalah pendekatan berbasis pengalaman untuk memecahkan masalah baru
dengan mengadaptasi solusi yang sebelumnya berhasil untuk masalah serupa.
• Ini adalah teknik kecerdasan buatan yang dirancang untuk meniru manusia
penyelesaian masalah.
• Mengatasi memori, pembelajaran, perencanaan dan pemecahan masalah, CBR
memberikan dasar untuk teknologi baru komputer cerdas sistem yang dapat
memecahkan masalah dan beradaptasi dengan situasi baru.
• Dalam CBR, penggunaan kembali pengetahuan yang “cerdas” dari yang sudah
terpecahkan masalah, atau kasus, bergantung pada premis bahwa dua yang lebih
mirip masalah, semakin mirip solusi mereka.
• Tujuannya adalah untuk meniru cara manusia memecahkan masalah. Ketika
berhadapan dengan masalah baru, manusia mencari ingatannya untuk masalah masa
lalu menyerupai masalah saat ini dan mengadaptasi solusi sebelumnya untuk "cocok"
dengan masalah saat ini.
• Hal ini didasarkan pada paradigma pemikiran manusia dalam psikologi kognitif yang
berpendapat bahwa ahli manusia memperoleh pengetahuan mereka dari pemecahan
banyak kasus dalam domain masalah.
• CBR adalah metode penalaran analogis yang memanfaatkan kasus lama atau
pengalaman dalam upaya memecahkan masalah, mengkritisi solusi,

2023 Knowledge Management System dari Modul 6

5 Dwi Ade Handayani Capah, [Link], [Link]
Biro Bahan Ajar E-learning dan MKCU
[Link]
• menjelaskan situasi anomali, atau menafsirkan situasi.
• Penalaran berbasis kasus adalah jenis solusi analogi yang menonjol membuat.
• Mekanik mobil yang memperbaiki mesin dengan memanggil kembali mobil lain yang
menunjukkan gejala yang sama menggunakan penalaran berbasis kasus.
• Berlaku dalam domain teori lemah, yaitu, di mana seorang ahli juga tidak ada atau
tidak sepenuhnya memahami domain. Juga berlaku jika basis pengalaman mencakup
seluruh organisasi, daripada satu individu. Penalaran berbasis kasus telah
diformalkan untuk tujuan komputer penalaran sebagai proses empat langkah:
• Ambil: Mengingat masalah target, ambil dari kasus memori relevan untuk
menyelesaikannya. Sebuah kasus terdiri dari masalah, solusinya, dan, biasanya,
anotasi tentang bagaimana solusi itu diturunkan. Untuk contoh, misalkan Fred ingin
menyiapkan pancake blueberry. Makhluk seorang juru masak pemula, pengalaman
paling relevan yang bisa dia ingat adalah satu di yang ia berhasil membuat pancake
polos. Prosedur diikuti untuk membuat pancake polos, bersama dengan pembenaran
untuk keputusan yang dibuat di sepanjang jalan, merupakan kasus yang diambil Fred.

Reuse: Memetakan solusi dari kasus sebelumnya ke masalah target. Ini mungkin
melibatkan mengadaptasi solusi yang diperlukan agar sesuai dengan yang baru situasi.
Dalam contoh panekuk, Fred harus menyesuaikan yang diambil solusi untuk
memasukkan penambahan blueberry.
• Revisi: Setelah memetakan solusi sebelumnya ke situasi target, menguji solusi baru di
dunia nyata (atau simulasi) dan, jika perlu, revisi.
• Misalkan Fred mengadaptasi solusi panekuknya dengan menambahkan blueberry ke
dalam adonan. Setelah bercampur, dia menemukan bahwa adonan menjadi biru –
efek yang tidak diinginkan. Ini menyarankan revisi berikut: tunda penambahan
blueberry sampai setelah adonan telah disendok ke dalam panci.
• Retain: Setelah solusi berhasil disesuaikan dengan target masalah, simpan
pengalaman yang dihasilkan sebagai kasus baru dalam memori. fred, karenanya,
mencatat prosedur yang baru ditemukannya untuk membuat blueberry pancake,
sehingga memperkaya rangkaian pengalamannya yang tersimpan, dan lebih baik
mempersiapkannya untuk tuntutan pembuatan panekuk di masa depan.
• CBR mengembangkan akarnya dalam karya ahli teori kecerdasan buatan dan
psikolog kognitif, Roger Schank, dan murid-muridnya di Yale in akhir abad ke-20. Para
peneliti mempelajari pemecahan masalah kemampuan manusia dan menemukan
bahwa kebanyakan orang mengumpulkan solusi berdasarkan pengalaman
sebelumnya dengan situasi yang sama.

2023 Knowledge Management System dari Modul 6

6 Dwi Ade Handayani Capah, [Link], [Link]
Biro Bahan Ajar E-learning dan MKCU
[Link]
Dengan aplikasi yang mencakup bidang mulai dari mesin belajar kedokteran hukum, CBR
dicapai dengan mengumpulkan sejarah kasus dan diimplementasikan dengan
mengidentifikasi fitur penting yang menggambarkan suatu kasus. Sistem CBR dapat
"belajar" dengan memperoleh pengetahuan baru sebagai kasus. Ini, bersama dengan
penerapan teknik database, membuatnya lebih mudah untuk mempertahankan volume
besar informasi.

Proses empat langkah untuk CBR

• Secara umum, proses penalaran berbasis kasus memerlukan:
• Retrieve- Mengumpulkan dari ingatan sebuah pengalaman yang paling dekat dengan
• masalah saat ini.
• Gunakan kembali- Menyarankan solusi berdasarkan pengalaman dan
mengadaptasinya untuk memenuhi tuntutan situasi baru.
• Revisi- Mengevaluasi penggunaan solusi di baru konteks.
• Retain- Menyimpan metode pemecahan masalah baru ini di sistem memori.

Sistem aplikasi pengetahuan berbasis kasus yang khas akan terdiri dari proses berikut ini:

1. Cari perpustakaan kasus untuk kasus serupa. Ini berarti menggunakan mesin pencari
yang memeriksa hanya kasus yang sesuai dan bukan seluruh perpustakaan kasus,
karena mungkin cukup besar.
2. Pilih dan ambil kasus yang paling mirip. Masalah baru diselesaikan dengan terlebih
dahulu mengambil kasus yang pernah dialami sebelumnya. Ini berarti memiliki sarana
untuk membandingkan setiap kasus yang diperiksa dengan masalah saat ini,
mengukur kesamaannya, dan entah bagaimana peringkat mereka dalam urutan
penurunan kesamaan.
3. Sesuaikan solusi untuk kasus yang paling mirip. Jika masalah saat ini dan kasus yang
paling mirip tidak cukup mirip, maka solusinya mungkin harus disesuaikan dengan
kebutuhan masalah saat ini. Masalah baru akan terpecahkan dengan bantuan solusi
lama yang telah disesuaikan dengan masalah baru.
4. Terapkan solusi yang dihasilkan dan dapatkan umpan balik. Sekali solusi atau
klasifikasi yang dihasilkan oleh sistem, itu harus diterapkan pada masalah. Nya efek
pada masalah diumpankan kembali ke sistem CBR untuk klasifikasi nya solusi
(sebagai keberhasilan atau kegagalan).

2023 Knowledge Management System dari Modul 6

7 Dwi Ade Handayani Capah, [Link], [Link]
Biro Bahan Ajar E-learning dan MKCU
[Link]
5. Tambahkan masalah yang baru diselesaikan ke perpustakaan kasus. Pengalaman
baru mungkin berguna dalam pemecahan masalah di masa depan. Langkah ini
memerlukan identifikasi apakah yang baru kasing layak ditambahkan ke perpustakaan
dan menempatkannya di lokasi yang sesuai di perpustakaan kasus

Ada beberapa varian CBR, seperti penalaran berbasis eksemplar, instance penalaran
berbasis analogi, dan penalaran berbasis analogi.

Contoh Sistem Aplikasi Pengetahuan

Sistem Aplikasi Pengetahuan mendukung proses di mana beberapa individu
memanfaatkan pengetahuan yang dimiliki oleh individu lain tanpa benar-benar
memperoleh, atau belajar, pengetahuan itu.

Teknologi aplikasi pengetahuan, yang mendukung arah dan rutinitas meliputi:

1. expert systems
2. decision support systems
3. advisor systems
4. fault diagnosis (or troubleshooting) systems
5. help desk systems.

Sistem pakar adalah perangkat lunak yang mencoba memberikan jawaban atas suatu
masalah, atau mengklarifikasi ketidakpastian di mana biasanya satu atau lebih pakar
manusia perlu dikonsultasikan. Sistem pakar paling umum dalam domain masalah
tertentu, dan merupakan aplikasi tradisional dan/atau subbidang kecerdasan buatan.
Berbagai macam metode dapat digunakan untuk mensimulasikan kinerja ahli namun
umum untuk sebagian besar atau semua adalah
1. penciptaan basis pengetahuan yang menggunakan beberapa formalisme representasi
pengetahuan untuk menangkap pengetahuan ahli materi pelajaran dan
2. proses pengumpulan pengetahuan itu dari ahli materi pelajaran dan
mengkodifikasikannya menurut formalisme, yang disebut rekayasa pengetahuan.
Sistem pakar mungkin atau mungkin tidak memiliki komponen pembelajaran tetapi
elemen umum ketiga adalah bahwa setelah sistem dikembangkan, sistem tersebut
dibuktikan dengan ditempatkan dalam situasi pemecahan masalah dunia nyata yang
sama dengan pakar materi pelajaran manusia, biasanya sebagai bantuan untuk
pekerja manusia atau suplemen untuk beberapa sistem informasi.

2023 Knowledge Management System dari Modul 6

8 Dwi Ade Handayani Capah, [Link], [Link]
Biro Bahan Ajar E-learning dan MKCU
[Link]
 Sebuah Sistem Pendukung Keputusan (DSS) adalah kelas sistem informasi (termasuk
tetapi tidak terbatas pada sistem komputerisasi) yang mendukung kegiatan bisnis dan
pengambilan keputusan organisasi. DSS yang dirancang dengan baik adalah sistem
berbasis perangkat lunak interaktif yang dimaksudkan untuk membantu pengambil
keputusan mengumpulkan informasi yang berguna dari kombinasi data mentah,
dokumen, pengetahuan pribadi, atau model bisnis untuk mengidentifikasi dan
memecahkan masalah serta membuat keputusan. Informasi tipikal bahwa aplikasi
pendukung keputusan mungkin berkumpul dan hadir adalah:
1. inventaris semua aset informasi Anda saat ini (termasuk sumber data lama dan
relasional, kubus, gudang data, dan data mart),
2. perbandingan angka penjualan antara satu minggu dan minggu berikutnya,
3. proyeksi angka pendapatan berdasarkan asumsi penjualan produk baru.

2023 Knowledge Management System dari Modul 6

9 Dwi Ade Handayani Capah, [Link], [Link]
Biro Bahan Ajar E-learning dan MKCU
[Link]
DAFTAR PUSTAKA
tr Pustak
1. Irma Becerra, dkk, Knowledge Management, Penerbit taylor & francis, 2015
2. Annie Green, dkk, In Search of knowledge management: pursuing primary principles,
Penerbit emerald, 2010

2023 Knowledge Management System dari Modul 6

10 Dwi Ade Handayani Capah, [Link], [Link]
Biro Bahan Ajar E-learning dan MKCU
[Link]