Modul UTS&UAS Manajemen Pengetahuan

Bab 8

Knowledge Management as a Medium of Knowledge

A. Pendahuluan
Knowledge atau pengetahuan dianggap sangat penting dalam upaya penghidupan dan pengembangan
sebuah organisasi, baik bagi para ahli maupun kelompok yang terlibat di dalamnya. Namun faktanya,
sebagian besar knowledge yang ada di organisasi belum dapat dikelola dengan baik. Di samping sulitnya
membangun budaya, tidak adanya aplikasi pendukung menjadi kendala utama dalam membuat
Knowledge Management System (KMS) yang baik. Untuk membangun KMS dalam sebuah organisasi
sangat dibutuhkan dukungan management baik dalam penetapan aturan-aturan perusahaan maupun
aturan dalam pengembangan aplikasi dalam KMS itu sendiri.
Bila knowledge tidak diciptakan ataupun dikembangkan, tidak ada knowledge yang terbentuk untuk
dapat dimanfaatkan oleh organisasi. Knowledge yang sudah dikelola dengan baik dan mudah diakses
akan sangat bermanfaat bagi organisasi untuk pengembangan organisasi menjadi lebih cepat. Knowledge
harus dipelihara dengan baik, sehingga dapat diciptakan, dikembangkan, diperbarui, dan digunakan terus
menerus. Dengan begitu, sebuah organisasi dapat berkembang lebih cepat dengan mengurangi adanya
pengerjaan hal yang sama kembali.
Buku yang dibaca haruslah di-review dan dibagikan kepada pembaca lainnya. Kemudian diskusi terjadi
terkait isi dari buku tersebut. Lalu, proses berlanjut pada penulisan buku baru. Untuk mendukung proses
Review Buku tersebut sebaiknya didukung oleh sebuah sistem aplikasi yang baik. BINUS membutuhkan
aplikasi yang terintegrasi dalam Knowledge Management System yang telah dimiliki saat ini.
Microsoft SharePoint 2010 merupakan teknologi berbasis Microsoft SharePoint yang dibuat oleh
Microsoft Corp. Sebagai software penyedia sarana bagi pengguna untuk berkolaborasi, berbagi dokumen
dan mempermudah pencarian dokumen. Dengan Microsoft SharePoint 2010 ini, aplikasi review buku
tersebut akan dikembangkan. Berdasarkan pengalaman dalam mengimplementasikan Microsoft
SharePoint 2010 sebagai media Knowldege Management, maka masalah tersebut dapat diselesaikan
dengan tools ini. Oleh karena itu, penelitian ini bermaksud untuk mengimplementasikan Microsoft
SharePoint 2010.

B. Software Development
Incremental process model atau disebut model iterasi merupakan salah satu metode perancangan
software dengan perulangan (iterasi) yang berurutan. Incremental process model pada iterasi pertama
merupakan inti dari software secara keseluruhan. Untuk pengembangan lanjutan dan evaluasi sistem
dilakukan pada iterasi berikutnya. Iterasi tersebut dilakukan untuk mendapatkan umpan balik dan
kebutuhan yang sesuai dengan kebutuhan pengguna beserta penambahan fitur tambahan atau
fungsionalitas yang dibutuhkan. Proses tersebut terus diulang hingga pada proses deployment sampai
menghasilkan software yang lengkap (Pressman, 2010:41).
Metodologi software development untuk pengembangan aplikasi Review Buku untuk KMS dengan
menggunakan model iterasi dengan increment pada masing-masing tahapan review buku, yaitu: review
buku, membaca hasil review buku, memberikan komentar, sistem otomatis mengirim email, dan
memfasilitasi diskusi antara pembaca dan pelaku review buku. Untuk masing-masing tahapan dilakukan
perulangan: Communication, Planning, Modeling, Construction, dan Deployment. Masing-masing
increment menghasilkan satu kesatuan aplikasi Review Buku untuk KMS.

C. Microsoft SharePoint 2010
Menurut Rajagukguk (2010), SharePoint didefinisikan sebagai sebuah platform perangkat lunak yang
dikembangkan oleh Microsoft dengan tujuan untuk memudahkan kolaborasi di web. SharePoint
digunakan untuk saling berkolaborasi dengan rekan kerja dalam membuat konten yang dinamis.
SharePoint memiliki user experience dan pengaturan konten yang baik sehingga sangat memudahkan
pengguna ketika sedang berinteraksi dengan aplikasi tersebut. SharePoint dapat diintegrasikan dengan
produk Microsoft Office lainnya. Sebagai contoh, SharePoint dapat diintegrasikan dengan Office Word.
Bentuk kolaborasinya adalah dokumen Word dapat disimpan dalam SharePoint dan pengguna yang
berhak dapat menyunting dokumen tersebut. Ketika dokumen tersebut telah selesai disunting, dokumen
tersebut dapat disimpan dalam SharePoint, semua status perubahan dokumen serta orang yang
mengubahnya tercatat dalam SharePoint. Pengaturan konten di SharePoint juga didukung oleh adanya
fitur versioning. Fitur versioning ini dapat melacak semua perubahan yang terjadi pada konten di dalam
web SharePoint, bahkan menyimpan setiap perubahan yang dilakukan pengguna, sehingga pengguna

dapat melihat dan mengembalikan versi konten sebelumnya.
Menurut Rajagukguk (2010:2-7), SharePoint memiliki enam pilar utama untuk mendukung fungsinya
sebagai sebuah situs kolaborasi yang tangguh. Enam pilar tersebut adalah sebagai berikut.
Pertama, sites. SharePoint didukung oleh adanya ribbon yang user-friendly, ribbon tersebut terdapat
pada semua produk Microsoft, dengan tampilan yang memudahkan pengguna ketika berinteraksi dengan
aplikasi SharePoint. Situs SharePoint juga dapat ditampilkan pada mobile device. Office Web
Application di SharePoint dapat memudahkan pengguna dalam membaca, menulis, dan mengubah
konten situs langsung di browser tanpa harus menginstal Microsoft Office di komputer pengguna.
SharePoint mendukung kolaborasi melalui intranet, extranet, dan internet. Tujuan utama SharePoint
adalah untuk mendukung kolaborasi antarpengguna di situs. Kontainer paling luar dari SharePoint
adalah server yang di dalamnya mengandung beberapa web application. Kemudian di dalam web
application bisa terdapat beberapa site collection. Dalam site collection pengguna SharePoint
berinteraksi.
Kedua, communities. Sebuah situs kolaborasi tentunya tidak akan berarti kalau tanpa orangorang atau
komunitas yang menggunakannya dengan baik. Membagi konten ke sesama pengguna SharePoint adalah
sebuah kunci penting dalam membangun sebuah komunitas. Dukungan fitur di SharePoint dapat
digunakan untuk mendukung kolaborasi konten. Koneksi antara pengguna dalam SharePoint dapat
dilakukan dengan memanfaatkan my sites. Sehingga, setiap pengguna dapat memiliki halaman situsnya
sendiri dan juga dapat dilihat oleh pengguna lainnya. Kemudahan untuk berpartisipasi dalam berbagai
konten adalah salah satu faktor pembangun komunitas. Pengguna dapat melakukan tagging dan rating
terhadap konten pengguna lainnya.
Ketiga, content. Konten menjadi perhatian penting dalam sebuah situs karena di balik sebuah situs
terdapat konten yang baik. SharePoint mendukung interaksi yang intuitif dengan Microsoft Office ketika
sedang mengisi sebuah konten menjadi andalan SharePoint. Pengaturan konten yang sesuai dengan
kebijakan legal dapat diatur dalam SharePoint. Kebijakan tersebut dapat diterapkan mulai dari situs
sampai ke item detail yang ada di dalamnya, sesuai dengan aturan dalam organisasi terhadap pengguna
tertentu. Efisiensi dalam pengaturan konten supaya terstruktur dapat dilakukan dengan dukungan
metadata. Media penyimpanan berkas dengan binari yang lebih kecil terdapat dalam SharePoint.
Keempat, search. Pencarian sebuah konten menjadi salah satu tindakan yang penting dan paling sering
dilakukan pengguna untuk menemukan konten yang dibutuhkan. Fitur pencarian dalam SharePoint
memiliki navigasi yang mempermudah pengguna dalam melakukan pencarian konten. Pencarian
dalam SharePoint mendukung pengayaan informasi dalam bentuk fonetik dan berbagai bahasa.
Kemudahan dalam menemukan sebuah konten didukung dengan adanya metadata dan filtering.
Kelima, insights. Sebuah situs kolaborasi yang tangguh harus dapat menyediakan fitur yang dapat
memberikan wawasan mengenai apa yang terjadi dalam organisasinya. Hal ini didukung dengan adanya
excel services yang dapat digunakan sebagai sumber analisis data lengkap dengan visualisasinya.
Kemudahan untuk merepresentasikan hasil analisis dashboard.
Keenam, composites. SharePoint mendukung sistem komposit, yang berarti bahwa konten maupun fitur
dari SharePoint dapat dikembangkan dengan solusi dari pihak ketiga. Konektivitas untuk mengambil
data dari sistem lain dipermudah dengan adanya Business Connectivity Services. Data dari SharePoint
pun dapat digunakan oleh pihak lain dengan menggunakan Web Services atau API. Pengujian
solusi atau fitur yang dibuat oleh pihak ketiga dapat dipasang tanpa menggangu situs atau services yang
sedang berjalan. Hal ini didukung dengan fitur sand box, yang melalui fitur tersebut dapat diuji terlebih
dahulu sebelum dipasang untuk penggunaan secara menyeluruh.

D. Perancangan Sistem yang Diusulkan
Aplikasi Review Buku dalam KMS yang disediakan diharapkan dapat membantu dalam melakukan
review buku. Aplikasi tersebut berfungsi sebagai media sharing para tenaga pengajar, dosen, guru, dan
karyawan untuk saling berbagi hasil review buku yang telah dilakukan. Selain itu, aplikasi KM tersebut
dapat digunakan untuk mendokumentasikan hasil review buku yang ada sehingga dapat
mengembangkan proses pembelajaran dan memudahkan dalam melakukan pencarian hasil review buku
yang telah dilakukan sebelumnya.
Pada tahap modeling dalam Metodologi Iterasi, terdapat tahapan analisis dan desain. Berdasarkan hasil
analisis, kemudian dilakukan perancangan. Aktor dalam aplikasi Review Buku ini ada 2, yaitu Book
Reviewer dan Book Reviewer Reader. Masing-masing aktor dapat melakukan masing-masing aktivitas
yang berbeda, Book Review dapat melakukan Review Buku dan berdiskusi terhadap komentar yang
diberikan oleh Book Reviewer Reader. Sedangkan Book Reviewer Reader dapat melakukan membaca
hasil review, memberikan komentar, dan berdiskusi dengan Book Reviewer.

E. Tampilan Layar
Pada layar aplikasi Review Buku terdapat informasi singkat penjelasan aplikasi ini. Bagian ini berguna
untuk menjelaskan kepada pembaca KMS agar memahami kegunaan dari aplikasi ini (Altschiller &
Wenzel, 2003). Kemudian, aplikasi ini juga memiliki fitur pencarian karena fitur ini merupakan hal yang
sangat penting dalam hal penggunaan kembali knowledge. Fitur pencarian ini sangat berguna ketika
pengguna menginginkan cara cepat untuk mendapatkan dokumen yang dibutuhkan. Pada bagian bawah
fitur pencarian, terdapat list buku yang telah di-review. Untuk melihat detail dari book review seperti
judul buku, pengarang, pelaku review buku, jumlah halaman buku, cover buku, ukuran buku, waktu
review, dan lain-lain, pembaca harus mengklik review buku.
Pada layar kiri terdapat pengelompokan konten berdasarkan kategori. Kemudian di tengah atas terdapat
penjelasan singkat. Penjelasan ini berguna bagi pengguna untuk mengetahui manfaat dari aplikasi ini.
Kemudian di bawahnya terdapat fitur pencarian. Pada pencarian ini user dapat memilih pencarian
apakah pada semua aplikasi KMS, atau pada aplikasi Book Review saja. Kemudian di bagian bawah
terdapat list konten Book Review yang sudah ada. Guna mempermudah user mencari, pada aplikasi
Book Review ini, user dapat melakukan sorting atau pengurutan terhadap semua field yang tampil, juga
dapat melakukan filter atau pencarian berdasarkan field yang diinginkan. Misalnya saja melakukan
pencarian filter berdasarkan pembuat review buku atau berdasarkan pengarang buku. Fitur ini sangat
berguna bagi user dalam melakukan pencarian terhadap daftar buku yang telah di-review.
Setelah membaca hasil review buku, kemudian user dapat berinteraksi dengan reviewer dengan
memberikan komentar. Pemberian komentar ini sangat penting untuk berinteraksi ataupun berdiskusi
antara reviewer dengan pembaca review buku (Huang & Yang, 2010). Agar reviewer mengetahui ada
yang membaca dan memberikan komentar, sistem KMS akan mengirimkan notification dalam bentuk
email kepada reviewer. Dengan adanya sistem kirim email otomatis ini, diharapkan reviewer dapat
dengan cepat menjawab komentar yang diberikan. Dengan adanya sistem ini diharapkan menumbuhkan
budaya review buku dan antara reviewer dan pembaca dapat berinteraksi dalam diskusi.
Penggunaan aplikasi KMS yang sudah dibangun sebelumnya cukup efektif, terbukti dengan terus
meningkatnya user pengguna aktif yang tercatat pada log pengguna aktif aplikasi KMS (Jenkins, 1999).
Banyaknya pengguna aktif menandakan banyaknya pengguna, dan diharapkan dengan penambahan
aplikasi Review Buku ini dapat dengan cepat diterima sehingga mengakibatkan peningkatan konten
dalam KMS.

PERTANYAAN
1. Apa yang harus dilakukan agar knowledge dalam suatu organisasi tidak hilang?

Jawaban :
Knowledge harus dipelihara dengan baik, sehingga dapat diciptakan, dikembangkan,
diperbarui, dan digunakan terus menerus. Knowledge yang sudah dikelola dengan baik dan
mudah diakses akan sangat bermanfaat bagi organisasi untuk pengembangan organisasi
menjadi lebih cepat. Dengan begitu, sebuah organisasi dapat berkembang lebih cepat
dengan mengurangi adanya pengerjaan hal yang sama kembali.

2. Jelaskan keunggulan SharePoint bagi pengguna dalam pengaturan konten?
Jawaban :
SharePoint memiliki user experience dan pengaturan konten yang baik sehingga sangat
memudahkan pengguna ketika sedang berinteraksi dengan aplikasi tersebut. SharePoint
dapat diintegrasikan dengan produk Microsoft Office lainnya. Sebagai contoh, SharePoint
dapat diintegrasikan dengan Office Word. Bentuk kolaborasinya adalah dokumen Word
dapat disimpan dalam SharePoint dan pengguna yang berhak dapat menyunting dokumen
tersebut.

3. Sebutkan 6 pilar utama SharePoint?
Jawaban :
• Sites

• Communities
• Content
• Search
• Insights
• Composites

4. Apa tujuan dari Microsoft SharePoint?
Jawaban :
Tujuan utama SharePoint adalah untuk mendukung kolaborasi antarpengguna di situs.
Kontainer paling luar dari SharePoint adalah server yang di dalamnya mengandung
beberapa web application. Kemudian di dalam web application bisa terdapat beberapa site
collection. Dalam site collection pengguna SharePoint berinteraksi.

5. Apa yang dimaksud dengan sistem composites?
Jawaban :
Berarti bahwa konten maupun fitur dari SharePoint dapat dikembangkan dengan solusi dari
pihak ketiga. Konektivitas untuk mengambil data dari sistem lain dipermudah dengan
adanya Business Connectivity Services. Data dari SharePoint pun dapat digunakan oleh
pihak lain dengan menggunakan Web Services atau API.

Daftar Pustaka
https://media.neliti.com/media/publications/168020-ID-perancangan-knowledge-management-
system.pdf

BAB 9

KNOWLEDGE DISCOVERY

A. Pendahuluan
Setiap aktivitas manusia dalam kehidupan sehari-hari dapat menghasilkan data. Aktivitas
tersebut dapat berupa berbelanja, memperbaiki kendaraan, bermedia sosial, melamar kerja,
pengiriman dokumen, akademik perkuliahan dan lain-lain. Jumlah data yang dihasilkan tersebut
tidaklah sedikit dan semakin hari semakin bertambah dan bertumpuk. Data-data tersebut hanya
dibiarkan saja dan dianggap sebagai sampah yang tidak bermanfaat. Namun setelah populernya
Knowledge Discovery in Database (KDD), data mining, dan bigdata, data- data tersebut dapat
diolah sedemikian rupa sehingga menghasilkan suatu pengetahuan (knowledge). Perkembangan
ilmu pengetahuan dan teknologi dapat mengubah anggapanyang menyatakan bahwa data hanya
sampah yang tidak bermanfaat menjadi sesuatu informasi yang bermanfaat. Tumpukan data
dapat diibaratkan sebagai tambang emas yang dapat memberikan manfaat bagi kehidupan
manusia. Sehingga pada era Industri 4.0 data banyak digunakan dalam berbagai bidang misalnya
dalam bidang bisnis, pembuatan kebijakan dan pengambilan keputusan.

B. Data miring
Faktor penentu bagi usaha atau bisnis apapun pada masa sekarang ini adalah kemampuan untuk
menggunakan informasi seefektif mungkin. Penggunaan data secara tepat karena penemuan
fakta-fakta yang sangat berharga yang cukup sering, tersembunyi dan tidak terdeteksi
sebelumnya mengenai prilaku transaksi konsumen, retailer dan supplier, tren –tren bisnis, dan
faktor-faktor petunjuk yang lain (Berson, 1997). Menurut Kamber (2007) secara sederhana data
mining mengacu kepada mengestrak atau “menambang” pengetahuan dari sekumpulan besar
data. Menambang dalam hal ini bukan diibaratkan sebagai menambang emas atau tambang
pasir, tetapi lebih diibaratkan sebagai “knowledge mining from data” atau lebih ringkasnya
menambang pengetahuan. Pengertian lain data mining juga dapat berarti proses untuk
memperkerjakan satu atau lebih teknik pembelajaran terkomputerisasi untuk mengotomasi
analisa dan mengestrak pengetahuan dari data didalam database (Roger and Geatz, 2003).

Data mining adalah suatu istilah yang digunakan untuk menguraikan penemuan pengetahuan
didalam database. Data mining adalah proses yang menggunakan teknik statistic, matematika,
kecerdasan buatan, dan mechine learning untuk mengekstraksi dan mengidentifikasi informasi
yang bermanfaat dan pengetahuan yang terkait dari berbagai database besar (Turban, dkk.
2005).

Kemajuan luar biasa yang terus berlanjut dalam bidang data mining didorong oleh beberapa
faktor, antara lain (Larose, 2005):

• Pertumbuhan yang cepat dalam kumpulan data
• Penyimpanan data dalam data warehouse, sehingga seluruh perusahaan dan memiliki

akses kedalam database yang handal
• Adanya peningkatan akses data melalui navigasi web dan internet
• Tekanan kompetisi bisnis untuk meningkatkan penguasaan pasar dalam globalisasi

ekonomi
• Perkembangan teknologi perangkat lunak untuk data mining (ketersediaan teknologi)
• Perkembangan yang hebat dalam kemampuan komputasi dan pengembangankapasitas

media penyimpanan.

Dari defenisi-defenisi yang telah disampaikan, hal penting yang terkait dengan data mining
adalah:

• Data mining merupakan suatu proses otomatis terhadap data yang sudah ada
• Data yang akan diproses berupa data yang sangat besar
• Tujuan data mining adalah untuk mendapatkan hubungan atau pola yang mungkin

memberikan indikasi yang bermafaat

a. Tugas Data Mining
Tugas data mining secara garis besar dibagi menjadi dua kategori utama, yaitu (Tan dkk,
2006) :

1) Tugas prediktif.
Tujuan utama dari tugas ini adalah untuk memprediksikan nilai dari atribut tertentu berdasarkan

nilai dari atribut lainnya. Atribut yang diprediksi dikenal sebagai target atau dependent
variable, sedangkan atribut yang digunakan untuk membuat prediksi disebut penjelas atau
independent variable.

2) Tugas deskriptif.

Tujuan utama dari tugas ini adalah untuk memperoleh pola (correlation, trend, cluster,
trajectory, anomaly) untuk menyimpulkan hubungan di dalam data. Tugas deskriptif
merupakan tugas data mining yang sering dibutuhkan pada teknik postprocessing untuk
melakukan validasi dan menjelaskan hasil proses data mining.

C. Knowledge Discovery in Database (KDD)

Knowledge Discovery in Database (KDD) merupakan proses penemuan pengetahuan dalam
database. Secara lengkap KDD didefinisikan sebagai proses ekstraksi atau identifikasi pola,
pengetahuan dan informasi potensial dari sekumpulan data yang besar. Pengetahuan dan
informasi yang dihasilkan dari KDD bersifat sah, baru, mudah dimengerti, dan bermanfaat.

a. Tahapan Proses KDD

1) Data Selection
• Menciptakan himpunan data target, pemilihan himpunan data, atau memfokuskan pada
subset variabel atau sampel data, dimana penemuan (discovery) akan dilakukan.
• Pemilihan (seleksi) data dari sekumpulan data operasional perlu dilakukan sebelum
tahap penggalian informasi dalam KDD dimulai. Data hasil seleksi yang akan
digunakan untuk proses data mining, disimpan dalam suatu berkas, terpisah dari basis
data operasional.

2) Pre-processing/ Cleaning
• Pemprosesan pendahuluan dan pembersihan data merupakan operasi dasar seperti
penghapusan noise dilakukan.
• Sebelum proses data mining dapat dilaksanakan, perlu dilakukan proses cleaning pada
data yang menjadi fokus KDD.
• Proses cleaning mencakup antara lain membuang duplikasi data, memeriksa data yang
inkonsisten, dan memperbaiki kesalahan pada data. - Dilakukan proses enrichment,
yaitu proses “memperkaya” data yang sudah ada dengan data atau informasi lain
(eksternal)

3) Transformation
• Pencarian fitur-fitur yang berguna untuk mempresentasikan data bergantung kepada
goal yang ingin dicapai.
• Merupakan proses transformasi pada data yang telah dipilih, sehingga data tersebut

sesuai untuk proses data mining. Proses ini merupakan proses kreatif dan sangat
tergantung pada jenis atau pola informasi yang akan dicari dalam basis data

4) Data mining
• Pemilihan tugas data mining, pemilihan goal dari proses KDD misalnya klasifikasi,
regresi, clustering, dll.
• Pemilihan algoritma data mining untuk pencarian (searching)
• Proses Data mining yaitu proses mencari pola atau informasi menarik dalam data
terpilih dengan menggunakan teknik atau metode tertentu. Teknik, metode, atau
algoritma dalam data mining sangat bervariasi. Pemilihan metode atau algoritma yang
tepat sangat bergantung pada tujuan dan proses KDD secara keseluruhan.

5) Interpretation/ Evaluation
• Penerjemahan pola-pola yang dihasilkan dari data mining.
• Pola informasi yang dihasilkan dari proses data mining perlu ditampilkan dalam bentuk
yang mudah dimengerti oleh pihak yang berkepentingan.
• Tahap ini merupakan bagian dari proses KDD yang mencakup pemeriksaan apakah
pola atau informasi yang ditemukan bertentangan dengan fakta atau hipotesa yang ada
sebelumnya.

PERTANYAAN

1. Jelaskan pengertian data miring menurut turban, dkk?
Jawaban :
Data Miring adalah proses yang menggunakan teknik statistic, matematika, kecerdasan buatan,
dan mechine learning untuk mengekstraksi dan mengidentifikasi informasi yang bermanfaat dan
pengetahuan yang terkait dari berbagai database besar.

2. Jelaskan Tugas-Tugas dari data miring ?
Jawaban :

• Tugas prediktif.
Tujuan utama dari tugas ini adalah untuk memprediksikan nilai dari atribut tertentu
berdasarkan nilai dari atribut lainnya. Atribut yang diprediksi dikenal sebagai target atau
dependent variable, sedangkan atribut yang digunakan untuk membuat prediksi disebut
penjelas atau independent variable.

• Tugas deskriptif.
Tujuan utama dari tugas ini adalah untuk memperoleh pola (correlation, trend, cluster,
trajectory, anomaly) untuk menyimpulkan hubungan di dalam data. Tugas deskriptif
merupakan tugas data mining yang sering dibutuhkan pada teknik postprocessing untuk
melakukan validasi dan menjelaskan hasil proses data mining.

3. Jelaskan Pengertian data miring menurut Roger dan Geatz?
Jawaban :
Proses untuk memperkerjakan satu atau lebih teknik pembelajaran terkomputerisasi untuk
mengotomasi analisa dan mengestrak pengetahuan dari data didalam database

4. Sebutkan proses tahapan KDD ?
Jawaban :
• Data Selection
• Pre-processing/ Cleaning

• Transformation
• Data mining
• Interpretation/ Evaluation

5. Jelaskan Proses yang terjadi dalam tahap interpretation/Evaluation?
Jawaban :
• Penerjemahan pola-pola yang dihasilkan dari data mining.
• Pola informasi yang dihasilkan dari proses data mining perlu ditampilkan dalam bentuk
yang mudah dimengerti oleh pihak yang berkepentingan.
• Tahap ini merupakan bagian dari proses KDD yang mencakup pemeriksaan apakah pola
atau informasi yang ditemukan bertentangan dengan fakta atau hipotesa yang ada
sebelumnya.

SUMBER PUSTAKA

https://www.webagus.id/2020/02/knowledge-discovery-in-database-kdd.html

http://repository.uin-suska.ac.id/3547/3/BAB%20II.pdf

BAB 10
Artificial Intelligence Dalam Knowledge Management Discovery

A. Sejarah Artificial Intelligence
Istilah kecerdasan buatan diciptakan pada tahun 1956, tetapi AI telah menjadi kian populer
saat ini berkat peningkatan volume data, algoritme canggih, dan peningkatan daya serta
penyimpanan komputasi. Riset AI awal pada tahun 1950-an mengeksplorasi topik-topik
seperti penyelesaian masalah dan metode simbolik. Pada tahun 1960-an, Departemen
Pertahanan AS menaruh minat terhadap jenis pekerjaan ini dan mulai melatih komputer-
komputer untuk menirukan penalaran manusia yang mendasar. Misalnya, Defense Advanced
Research Projects Agency (DARPA) menyelesaikan proyek pemetaan jalan pada tahun 1970-
an. Dan DARPA menghasilkan asisten pribadi cerdas pada tahun 2003, jauh sebelum Siri,
Alexa atau Cortana diberi nama. Pekerjaan awal ini membuka jalan bagi otomatisasi dan
penalaran formal yang kita lihat di komputer saat ini, termasuk sistem pendukung keputusan
dan sistem pencarian pintar yang dapat dirancang untuk melengkapi serta meningkatkan
kemampuan manusia. Sementara film-film Hollywood dan novel fiksi ilmiah
menggambarkan AI sebagai robot mirip manusia yang mengambil alih dunia, evolusi
teknologi AI saat ini tidak begitu menakutkan – atau cukup pintar. Sebaliknya, AI telah
berevolusi untuk memberikan banyak manfaat spesifik di setiap industri. Teruslah membaca
tentang contoh modern kecerdasan buatan dalam perawatan kesehatan, retail, dan lainnya.

B. Dari Data Mining ke Knowledge Discovery hingga Artificial Intelligence
Saat Kecerdasan Buatan (AI) mendorong Anda untuk bekerja saat ini dan keluarga Anda ke
bioskop, teknologi cryptocurrency dan blockchain mengubah semua yang kami pikirkan dan
ketahui tentang uang kami, identitas kami, transparansi, dan keamanan kami. Tetapi satu-
satunya hal yang tidak hanya umum tetapi mendorong mereka semua adalah Data. Data
adalah kekuatan yang menunggu untuk dimanfaatkan. Lihat saja sebentar - masa depan tidak
datang begitu saja. Ini sudah ada di sini.
Perubahan luar biasa dalam Teknologi Informasi dan Komunikasi saat ini secara otomatis
menarik perhatian banyak perusahaan untuk mengumpulkan banyak sekali data tentang
perilaku pelanggan dan aktivitas internal. Sering kali, mereka mengumpulkan lebih banyak
data daripada yang dapat mereka manfaatkan secara efisien, pada kenyataannya, dalam
banyak kasus, dulu ada celah yang sangat lebar untuk lebih terhubung dengan pelanggan dan
mengoptimalkan strategi bisnis melalui data yang telah mereka kumpulkan. Industri pada
umumnya dapat memanfaatkan kelebihan big data ini, dengan menggabungkannya secara
efektif dengan pembelajaran mesin untuk melakukan tugas analitis yang lebih cepat dan lebih
kompleks yang melampaui kemampuan manusia.
Tidak diragukan lagi, data besar memberdayakan dan mendorong pembelajaran mesin dan
Kecerdasan Buatan (AI), karena misi pembelajaran mesin dan Kecerdasan Buatan adalah
untuk memungkinkan komputer melakukan tindakan berdasarkan pengalaman masa lalu
untuk mengambil keputusan cepat dan pengalaman di sini adalah dalam bentuk big data yang
dikumpulkan dari waktu ke waktu, semakin besar jumlah data yang tersedia untuk digunakan,
semakin mudah bagi sistem ini untuk mempelajari dan menjalankan fungsi yang diharapkan.

a. Transisi dari Data Mining ke Knowledge Discovery
Asal usul data mining dapat dikaitkan kembali ke akhir 80-an ketika istilah tersebut pertama
kali mulai digunakan dalam komunitas riset. Selama periode ini, ada sedikit kesepakatan
tentang apa yang dicakup oleh istilah penambangan data dan dapat dikatakan bahwa dalam
beberapa hal hal ini masih terjadi. Data mining dikenal dan diakui sebagai sub-langkah atau
proses dalam proses yang lebih besar yang disebut Knowledge Discovery in Databases
(KDD) selama awal 1990-an.
Knowledge Discovery in Databases dapat disebut sebagai keseluruhan proses menemukan
pengetahuan yang relevan dari data, sedangkan penambangan data mengacu pada langkah
tertentu dalam proses ini. Sifat Inter-disiplin dari Knowledge Discovery in Databases (KDD)

telah berevolusi dan terus berkembang dari persimpangan banyak bidang penelitian seperti
statistik, pembelajaran mesin, basis data, pengenalan pola, Kecerdasan Buatan, akuisisi
pengetahuan untuk sistem pakar, data visualisasi, dan komputasi kinerja tinggi.
Tujuan pemersatu adalah mengekstraksi pengetahuan tingkat tinggi dari data tingkat rendah
dalam konteks kumpulan big data. Penambangan data, komponen Penemuan Pengetahuan
dalam Basis Data sebagian besar bergantung pada teknik yang diketahui dari bidang statistik,
pembelajaran mesin dan pengenalan pola, selain itu untuk menemukan pola dari data dalam
langkah penambangan data dari Penemuan Pengetahuan dalam proses Basis Data.

b. Transisi dari Knowledge Discovery ke Artificial Intelligence
Teknologi mengendalikan cara kita hidup, berfungsi dan melakukan aktivitas kita sehari-hari.
Mesin Buatan di jantung dapat secara otomatis memperbaiki detak jantung Anda kembali
normal, sementara situs web e-commerce dapat merekomendasikan produk untuk Anda dan
menggunakan visi komputer untuk mendeteksi pola lalu lintas dan memprediksi kecelakaan.
Tidak diragukan lagi, Kecerdasan Buatan (AI) adalah masa depan penemuan Pengetahuan
yang sekarang dan menjanjikan, berkat bidang pengenalan pola data digital, yang
memungkinkan perangkat lunak memberi tahu manusia kemungkinan hasil dan hasil untuk
skenario yang berbeda.
Menurut pembuat mainan raksasa di bidang Artificial Intelligent (Google), Artificial
Intelligence dapat memecahkan masalah yang kompleks dan memiliki potensi besar untuk
mengubah seluruh industri, yang berarti sangat penting bahwa Artificial Intelligence
mencerminkan beragam perspektif dan kebutuhan manusia. .
Contoh khas penerapan Artificial Intelligence terbaru adalah 'Robot Sophia' (robot terbaru
dan tercanggih Hanson Robotics hingga saat ini dan ikon budaya).

C. Pentingnya Artificial Intelligence
a. AI mengautomasi pembelajaran dan penemuan berulang melalui data

Tetapi AI berbeda dengan automasi robotik yang digerakkan oleh perangkat keras. Alih-alih
mengautomasi tugas manual, AI melakukan tugas-tugas yang sering, bervolume tinggi,
terkomputerisasi dengan andal dan tanpa mengalami kelelahan. Untuk jenis automasi ini,
penyelidikan manusia masih penting untuk mengatur sistem dan mengajukan pertanyaan yang
tepat.

b. AI menambahkan kecerdasan pada produk-produk yang ada
Di sebagian besar kasus, AI tidak dijual sebagai aplikasi individu. Akan tetapi, produk yang
sudah Anda gunakan akan ditingkatkan dengan kemampuan AI, mirip seperti Siri yang
ditambahkan sebagai fitur pada generasi baru produk Apple. Automasi, platform percakapan,
bot, dan mesin pintar dapat dikombinasikan dengan sejumlah besar data untuk meningkatkan
banyak teknologi di rumah dan di tempat kerja, mulai dari intelijen keamanan hingga analisis
investasi.

c. AI beradaptasi melalui algoritme pembelajaran progresif guna memungkinkan data
melakukan pemrograman

AI menemukan struktur dan keteraturan dalam data sehingga algoritme memperoleh
keterampilan: Algoritme menjadi pengklasifikasi atau prediktor. Jadi, sama seperti algoritme
yang dapat mengajarkan dirinya sendiri cara bermain catur, AI dapat mengajarkan sendiri
produk apa yang akan direkomendasikan berikutnya secara online. Dan model-model
beradaptasi saat memberikan data baru. Propagasi belakang merupakan teknik AI yang
memungkinkan model untuk beradaptasi, melalui pelatihan dan data yang ditambahkan, saat
jawaban pertama tidak terlalu tepat.

d. AI menganalisis data lebih banyak dan lebih dalam menggunakan jaringan neural
yang memiliki banyak lapisan tersembunyi

Membangun sistem deteksi penipuan dengan lima lapisan tersembunyi hampir tidak mungkin
beberapa tahun yang lalu. Semuanya berubah dengan kekuatan komputer yang luar biasa dan

big data. Anda memerlukan banyak data untuk melatih model pembelajaran mendalam karena
model tersebut belajar langsung dari data. Semakin banyak data yang Anda umpankan kepada
model, semakin akurat model tersebut.

e. AI mencapai keakuratan mengagumkan melalui jaringan neural mendalam – yang
sebelumnya tidak dimungkinkan

Misalnya, interaksi Anda dengan Alexa, Google Search, dan Google Photos semuanya
didasarkan pada pembelajaran yang mendalam – dan ketiganya terus menjadi semakin akurat
karena kita semakin sering menggunakannya. Di bidang medis, teknik AI dari pembelajaran
mendalam, klasifikasi citra, dan pengenalan objek sekarang dapat digunakan untuk
menemukan kanker pada MRI dengan akurasi yang sama seperti ahli radiologi yang terlatih.

f. AI memanfaatkan sebagain besar data
Jika algoritme merupakan pembelajaran mandiri, data itu sendiri dapat menjadi kekayaan
intelektual. Jawabannya ada dalam data; Anda hanya perlu menerapkan AI untuk
mendapatkannya. Karena peran data kini semakin penting dari sebelumnya, data dapat
menciptakan keunggulan kompetitif. Jika Anda memiliki data terbaik dalam industri
kompetitif, bahkan jika seseorang menerapkan teknik serupa, data terbaiklah yang akan
menang.

D. Artificial Intelligence Dalam Data Mining dan Big Data
Artificial Intelligence dalam data mining dan teknik big data digunakan secara luas di
beberapa domain untuk menyelesaikan klasifikasi, perencanaan, prediksi, masalah optimasi,
diagnosis, komputasi, mengumpulkan dan menganalisis informasi pelanggan, mengumpulkan
wawasan tentang apa yang diinginkan dan dibutuhkan pelanggan, dan bertindak berdasarkan
wawasan tersebut. Jadi, penambangan data dan data besar hadir hampir di mana-mana dan
sangat penting dan esensial untuk melestarikan data yang dihasilkan dalam jumlah besar
sehingga tidak ada sesuatu yang terlewatkan. Kecerdasan buatan sering digunakan untuk
memproses jenis data ini.
Pada dasarnya, Artificial Intelligence dan sub cabangnya (Misalnya Machine Leaning, Deep
Learning, Netral Networks), semuanya berbasis algoritma. Metode algoritmik ini digunakan
pada sejumlah besar Data (Big Data) untuk menghasilkan hasil yang diinginkan dan untuk
menemukan tren, pola, dan prediksi. Tugas analitis yang kompleks lebih cepat dari imajinasi
manusia dilakukan pada Big Data dengan bantuan AI. (Baker dan Inventado 2014) jaringan
saraf tiruan dikembangkan dengan prosedur ilmiah bertahap yang mengoptimalkan kriteria
yang biasanya disebut sebagai aturan pembelajaran. Informasi pelatihan input/output adalah
kunci untuk jaringan ini karena menyampaikan data yang penting untuk mendapatkan tujuan
operasi yang optimal. Selain itu, sifat nonlinier membuat bagian proses jaringan saraf menjadi
sistem yang serbaguna.
Satu definisi representatif berputar di sekitar perbandingan kecerdasan mesin komputasi
dengan orang-orang pada umumnya. Definisi lain cemas dengan kinerja mesin yang secara
tradisional dinilai terletak di antara domain kecerdasan. Jadi, kita dapat mempertimbangkan
kecerdasan buatan dalam penambangan data dan bigdata. Penerapannya adalah untuk metode
pengetahuan dan menilai mereka. Itu mencakup data input apa pun, yang secara implisit
membutuhkan beberapa struktur, untuk melakukan beberapa algoritma. Aturan akan dipecah
menjadi berurutan atau paralel dan dilakukan di atas unit proses komputer atau unit
pemrosesan grafis. Pemilihan yang mana dari mereka mempengaruhi kinerja aturan dalam
kecepatan. Sebagai aturan apa pun, hasil terminal Associate dalam beberapa output. Definisi
yang diubah bisa menjadi hasil terminal dari beberapa keluaran. Performanya sepenuhnya
mekanis dan diprogram ke dalam komputer. Itu interpretasi manusia dari informasi dalam
konteks, metode aturan , dan hasil yang membuat nilai. Asosiasi dalam analisis terbuka
disimpulkan sebagai laporan, analisis, atau prediksi. Itu tergantung pada keahlian orang yang
melakukan penambangan data. Pada tingkat yang sangat tinggi, AI berputar di sekitar entitas
yang dibuat secara artifisial yang melakukan atau berpikir secara otonom seperti manusia. Big

Data berkaitan dengan menguraikan dan menganalisis kumpulan data besar untuk mencari
tren, pola, dll. Mereka hanya terkait sejauh Anda dapat menggunakan satu teknologi untuk
melengkapi yang lain. Misalnya, alih-alih manusia memutuskan bagaimana menafsirkan,
memperbaiki, dan bertindak berdasarkan analisis data besar, AI dapat digunakan sebagai
gantinya untuk membuat keputusan ini. Sebaliknya, Big Data dapat digunakan oleh AI dalam
pembelajaran mandiri dan/atau pengambilan keputusan (Turban, Sharda dkk. 2010).

PERTANYAAN

1. Salah satu manfaat big data pada bidang industri?
Jawaban :
Industri pada umumnya dapat memanfaatkan kelebihan big data ini, dengan
menggabungkannya secara efektif dengan pembelajaran mesin untuk melakukan
tugas analitis yang lebih cepat dan lebih kompleks yang melampaui kemampuan
manusia.

2. Apa itu Knowledge Discovery in Databases?
Jawaban : Disebut sebagai keseluruhan proses menemukan pengetahuan yang
relevan dari data, sedangkan penambangan data mengacu pada langkah tertentu
dalam proses ini.

3. Apa perbedaan AI dengan automasi robotik?
Jawaban : AI berbeda dengan automasi robotik yang digerakkan oleh perangkat
keras. Alih-alih mengautomasi tugas manual, AI melakukan tugas-tugas yang sering,
bervolume tinggi, terkomputerisasi dengan andal dan tanpa mengalami kelelahan.

4. Salah satu manfaat AI dalam bidang medis?
Jawaban :
Di bidang medis, teknik AI dari pembelajaran mendalam, klasifikasi citra, dan
pengenalan objek sekarang dapat digunakan untuk menemukan kanker pada MRI
dengan akurasi yang sama seperti ahli radiologi yang terlatih.

5. Apa fungsi AI dalam data mining dan big data?
Jawaban :
Artificial Intelligence dalam data mining dan teknik big data digunakan secara luas di
beberapa domain untuk menyelesaikan klasifikasi, perencanaan, prediksi, masalah
optimasi, diagnosis, komputasi, mengumpulkan dan menganalisis informasi
pelanggan, mengumpulkan wawasan tentang apa yang diinginkan dan dibutuhkan
pelanggan, dan bertindak berdasarkan wawasan tersebut.

SUMBER PUSTAKA

https://www.sas.com/id_id/insights/analytics/what-is-artificial-intelligence.html
https://www.researchgate.net/publication/338623239_Artificial_Intelligence_in_Data
_Mining_and_Big_Data
https://steemit.com/stemng/@noble-noah/from-data-mining-to-knowledge-discovery-
to-artificial-intelligence

BAB 11

Kasus Penerapan Manajemen Pengetahuan

A. Penerapan Artificial Intelligence Dalam Computer Aided Instructure (CAI)

a. Intelligent Computer Aided Instructure (ICAI)
ICAI (Intelligent Computer Aided Instruction) didasarkan pada ilmu kognitif,
menggunakan teknologi kecerdasan buatan di CAl. ICAI yang cerdas akan
memberikan siswa dengan jenis baru lingkungan belajar, sesuai dengan karakteristik
pembelajaran siswa, sejarah pembelajaran dan gaya belajar, itu dapat menggunakan
metode dan strategi pengajaran yang berbeda untuk lebih memenuhi kebutuhan yang
berbeda dari peserta didik yang berbeda, untuk mendiagnosis kesalahan pembelajar,
untuk menentukan penyebab kesalahan, untuk menghasilkan strategi koreksi yang
sesuai dan lebih baik mencerminkan prinsip-prinsip instruksi sesuai dengan
kemampuan dan berorientasi pada individu.
Karakteristik utama dari instruksi ICAI dapat memberikan bimbingan individu untuk
siswa, dan untuk melakukan ini, kita harus tahu apa yang harus diajarkan dan
memahami siswa dan akrab dengan metode pengajaran. Oleh karena itu, model
pembelajaran yang baik harus di mulai dari guru pertama memahami standar siswa,
dan kemudian memilih metode instruksi sesuai dengan tingkat siswa, pilih konten
instruksi sesuai dengan metode pengajaran, sesuai dengan konten membuat
eksperimen dan pertanyaan, dan akhirnya menilai tingkat siswa master sesuai dengan
hasil yang dicapai oleh siswa. Ini berulang kali, sampai apa yang telah mereka pelajari
sejalan dengan persyaratan instruksi.

b. Beberapa Contoh Sistem ICAI
1) Kombinasi dengan Teknologi Jaringan
Dengan pesatnya perkembangan teknologi multimedia dan jaringan internet,
aplikasi pendidikan multimedia dan jaringan internet semakin terintegrasi. CAl
tidak hanya pintar pada pengembangan tunggal, yang mau tidak mau juga ke
jaringan multidimensi pengembangan ruang. Saat ini, banyak sistem pendidikan
multimedia jaringan berbasis internet sedang digunakan, mereka memanfaatkan
keuntungan dari jaringan untuk menyelesaikan pembelajaran online, diskusi real-
time, pengujian online, berbagai tugas instruksi. Untuk menggabungkan CAl
jaringan dan CAl intelijen dan saling melengkapi, akan membangun insinyur
sistem baru.

2) Penggunaan Teknologi Agen Cerdas
Teknologi agen mampu secara mandiri dan terus menerus berubah secara dinamis,
untuk berjalan di Agen lingkungan yang lain dan untuk berinteraksi dengan entitas
lingkungan. Dalam CAl, para siswa dapat menggunakan Pencarian Agen yang
efektif mencari pengetahuan, bimbingan, karena fungsi belajar mandiri yang
tersedia yang dapat mengambil inisiatif dan ruang informasi yang efisien dari
pengguna Internet menemukan dan mengumpulkan informasi yang dibutuhkan.
Teknologi "agen cerdas" diperkenalkan ke ICAI, yang akan memungkinkan guru
dan siswa untuk meningkatkan efisiensi pengetahuan pilih, memperkuat
pembelajaran interaktif dan inisiatif belajar mandiri dalam pengajaran dan proses
belajar.

3) Pembelajaran Jarak Jauh
Kombinasi CAl jaringan, CAl cerdas, dan Kolaborasi multi-Agen dapat mencapai
mode pembelajaran jarak jauh yang sesungguhnya. Jaringan CAl menyediakan
kemungkinan implementasi untuk Pembelajaran Jarak Jauh. CAl cerdas juga
membuat instruksi dan pembelajaran bersifat interaktif, tidak buta, dan efisien.
Ciri-ciri Kolaborasi multi-Agen, tidak hanya dapat sebagai agen guru untuk
memberikan bimbingan bagi siswa untuk belajar, tetapi juga dapat berfungsi
sebagai lembaga siswa, mendukung pembelajaran siswa, dapat menjadi
pembelajaran, komunikasi, proses kolaboratif dalam berbagai dari agen.

4) Penerapan Virtual Reality
Kombinasi teknologi multimedia, teknologi simulasi, dan teknologi komputer
menghasilkan dunia buatan interaktif, masih tidak dapat dipisahkan dari bidang
studi kecerdasan buatan. Tujuan dasarnya adalah untuk mencapai pengalaman
kehidupan nyata dan interaksi manusia-komputer berdasarkan alam. Dengan terus-
menerus memperdalam penelitian, untuk mencapai "realitas virtual" teori telah
membuat kemajuan besar, telah ada "QTVR (Quick Time VR)" sistem, karena
tingginya biaya VR, QTVR tampak lebih praktis, menggunakan teknologi fotografi
panorama untuk menghasilkan adegan virtual, untuk mewujudkan pengamatan
terhadap objek tiga dimensi dan tiga dimensi dalam kisaran penuh, hanya pada
mouse biasa, keyboard dapat menyelesaikan semua operasi dalam keseluruhan
proses.

c. Kesimpulan
Teknologi kecerdasan buatan telah secara bertahap diterapkan pada instruksi dibantu
komputer, terkait erat dengan modernisasi instruksi. Pengembangan teknologi
kecerdasan buatan akan memainkan peran luar biasa dalam mempromosikan
pengembangan ICAI. Dalam beberapa tahun terakhir, para peneliti AI telah mencoba
untuk memungkinkan siswa untuk menerima pengetahuan baru dari proses
"pembelajaran dukungan". Dalam aspek lain dari instruksi, teknologi kecerdasan
buatan juga dapat membuat model penalaran manusia, alat belajar, dan banyak
penggunaan lainnya, menunjukkan kegunaan yang lebih baik dan lebih baik. Dengan
perkembangan Internet, aplikasi teknologi virtual reality yang luas, ICAI juga akan
lebih ditingkatkan.

B. Teknologi Knowledge Management: Peran TI Terhadap Pengelolaan
Knowledge

a. TI Sebagai Alat Bantu: Kantor pos Vs Komputer
Apa yang terjadi jika komputer dengan koneksi internet dimiliki semua orang? Atau,
apa yang terjadi jika komputer masuk ke dalam kantor pos? Perkembangan teknologi
informasi memungkinkan komunikasi menjadi lebih mudah. Fungsi teknologi dapat
menggeser fungsi kantor pos bukan hanya pengantar surat dan barang. Jika kita
perhatikan pengaruh TI terhadap PT Pos Indonesia tampak jelas dari peran dan produk
jasa yang ditawarkan. Dari penghapusan jasa telegram, penggunaan wesel elektronik
sampai dengan jasa perbankan meluai Shar-e yang menggandeng Bank Muamalat.
Dari fenomena tersebut dapat dilihat bahwa intervensi TI pada PT Pos Indonesia
mampu meningkatkan kemampuan untuk berkolaborasi dengan cabang bahkan
perusahaan lain melalui transfer knowledge.

b. TI dan Knowledge: Microsoft dan Google
Pada tahun 80-an windows muncul dengan segala keunggulannya dari sistem operasi
DOS yang pada saat itu digunakan hampir seluruh produsen komputer. Secara tidak
langsung, Microsoft mampu menggeser produsen komputer lain seperti IBM dan
Apple. Meskipun diimbangi oleh open source dominasi Microsoft semakin kuat pada
9 Agustus 1995 saat windows mengeluarkan Netscape yang merupakan jaringan PC
windows. Dengan aplikasi tersebut memungkinkan untuk membuat jaringan berbasis
windows antar PC dan memungkinkan koneksi dengan internet menjadi lebih mudah.
Seiring dengan perkembangan teknologi jaringan dan terkoneksi dengan internet,
banyak bermunculan juga aplikasi berbasis web. Aplikasi tersebut diwujudkan dalam
suatu situs web yang dapat dilihat sampai sekarang jika kita mengakses internet. Salah
satu situs penyedia pencarian knowledge yang pertama di internet, khususnya untuk
knowledge yang terstruktur adalah www.google.com. Situs merupakan searching
engine yang terbesar sampai tulisan ini ditulis. Pada perkembangannya, banyak
pengelola web mencantumkan searching engine pada web mereka yang memudahkan
pengguna.

c. Aplikasi TI berbasis knowledge: Kisah Buckman Laboratories (Tim Meek, 1999)
Buckman Laboratories berdiri sejak 1945 dan bergerak di bidang industri obat dan
kimia. Buckman mengarah ke arah perusahaan virtual. Inovasi Buckman dimulai
ketika ekpansi inovasi toolset dengan menginstal sistem email pertama pada 1984.
Dari permulaan tersebut kemudian mengarah ke teknologi yang mengarah pada
knowledge transfer pada tahun 1989 dan pada akhirnya mengarah pada desain ulang
portal dan pembangunan extranet untuk menunjang perusahaan virtualnya.
Dalam teknologi tersebut terdapat tool komunikasi yang memungkinkan orang
berkomunikasi dengan menembus batas geografis. Fitur tool komunikasi people-to-
people mempunyai fitur sebagai beberapa fitur berikut (Shand, 1998): Real Time
Alerts and Messaging, Live Chat, Threaded Discussions, Electronic Whiteboard,
Document Collaboration, Team Room Project Management. Fitur tersebut bekerja
sebagai fasilitator untuk transfer knowledge. Akhirnya, apa peran inti dalam aplikasi
TI berbasis knowledge dalam organisasi? Teknologi yang diaplikasikan dalam
organisasi tidak dapat berfungsi dengan optimal tanpa dukungan jaringan pendukung.
Faktor manusia masih merupakan komponen utama dalam mengaplikasikan teknologi.
Dalam organisasi dapat dibentuk Community of Practices (CoP) baik formal maupun
informal sebagai pendukung teknologi. Dalam konsep ini teknologi dapat digunakan
sebagai fasilisator dengan membentuk komunitas virtual. Untuk mencapai
keberhasilan manajemen knowledge perlu melibatkan grup dan user. Contoh aplikasi
CoP dalam organisasi dapat berupa aplikasi komunikasi antar karyawan dalam portal
khusus, aplikasi messenger atau portal aspirasi secara anonym. CoP dapat dikatakan
sebagai inti dari keberhasilan aplikasi TI berbasis knowledge dalam organisasi.
Contoh keberhasilan perpaduan CoP dan TI adalah aplikasi TI pada bank pemerintah
di Thailand yang disajikan oleh Wettayaprasit et al (tanpa tahun). Mereka
mengilustrasikan CoP tiap cabang dipadukan dengan forum knowledge sharing bank
mampu menghubungkan 588 cabang yang tersebar diseluruh Thailand dengan 9010
pengguna.

d. Kesimpulan
Artikel dimulai dengan memabahas peran TI dalam penkomunikasian knowledge yang
kemudian diteruskan dengan peran TI dalam mentranfromasikan knowledge, peran TI
dalam penyebaran knowledge melalui jaringan, perkembagan teknologi knowledge
manajemen, dan diakhiri oleh aplikasi TI berbasis kwoledge. Dari setiap pembahasan
dapat diketahui bagaimana TI mamapu membantu dalam mengelolaan asset yang
berupa knowledge dengan efektif dan efisien. Simpulan lain yang dapat ditarik dari
pembahasan di dalam artikel adalah: pertama, TI dapat membuka kanal informasi dan
dikusi dalam menjaring, menyimpan, dan mengelola knowledge. Kedua, dengan TI

tranfromasi knowledge menjadi lebih mudah terjadi dan dapat mempengaruhi setrategi
organisasi. Ketiga, TI dapat mendukung penyebaran dan pengelolaan knowledge
secara jaringan. Keempat, perkembangan TI dapat mempengaruhi tahap
perkembangan dan peran knowledge dalam organisasi. Kelima, aplikasi TI berbasis
knowledge dapat meningkatkan sinergi organisasi.

C. Penerapan Data Mining di DJKN Studi Kasus : Data Lelang pada e-
Auction

a. Data lelang e-Auction
E-Auction adalah sistem aplikasi yang dikembangkan oleh Direktorat Jenderal
Kekayaan Negara mulai dari tahun 2015 sebagai sarana pelaksanan lelang secara
online. E-Auction adalah sistem aplikasi online berbasis web yang dapat diakses
melalui jaringan non VPN Kementerian Keuangan dan dapat diakses pada alamat
https://www.lelangdjkn.kemenkeu.go.id/. Selama ini data transaksi lelang online yang
tersimpan pada database e-auction belum pernah di-mining dengan memanfaatkan
teknik data mining untuk menghasilkan pola informasi dan knowledge tambahan.
Secara umum, karakteristik data lelang pada e-Auction adalah sebagai berikut:
• Data e-Auction terdiri dari data pelaksanaan lelang di seluruh KPKNL di seluruh
Indonesia
• Data e-Auction terdiri dari data sebagai berikut:
• Data objek lelang;
• Data pemohon lelang;
• Data peserta lelang;
• Data pelaksanaan lelang;
• Data transaksi lelang; dan
• Data e-Auction disimpan dan dikelola dengan menggunakan basis data MySQL.

b. Penerapan Teknik Data mining untuk Ekstraksi Data Lelang pada e-Auction
1) Klasifikasi Data Peserta Lelang
Klasifikasi peserta lelang dilakukan untuk mengelompokkan/mengklasifikasikan
peserta lelang e-auction berdasarkan parameter dan kriteria yang telah ditentukan
sebelumnya, hingga akhirnya terbentuk beberapa kelompok/kelas peserta lelang e
Auction. Ada 2 algoritma yang dapat dipilih untuk melaksanakan kegiatan
klasifikasi peserta lelang, yaitu:

• Algoritma Naïve Bayes
Naïve Bayes adalah algoritma yang diciptakan oleh Thomas Bayes. Algoritma ini
akan melihat data historis di masa lalu sebagai bahan prediksi di masa yang akan
datang. Teorema bayes memiliki tingkat akurasi yang tinggi dan kecepatan yang
baik ketika diterapkan pada database yang besar (J. Iawe. Han, M. Kamber, and J.
Pei, 2012).

• Algoritma C4.5
Algoritma C4.5 ini memanfaatkan metode pohon keputusan/struktur secara
hierarikal yang digunakan untuk melaksanakan klasifikasi dan pediksi data. C4.5
juga dapat mengolah data numerik (kontinyu) dan diskrit, dapat menangani nilai
atribut yang hilang, menghasilkan aturan-aturan yang mudah diinterpretasikan dan
tercepat diantara algoritma-algoritma lain. Tahap-tahapan algoritma C4.5 adalah
sebagai berikut:

• Pilih atribut sebagai akar
• Buat cabang untuk tiap-tiap nilai

• Bagi kasus dalam cabang
• Ulangi proses untuk setiap cabang sampai semua kasus pada cabang memiliki kelas

yang sama

Informasi hasil klasifikasi ini dapat dimanfaatkan untuk prediksi kemungkinan/probabilitas
keikutsertaannya dalam mengikuti kegiatan lelang di masa yang akan datang.

2) Klasifikasi pola data peserta lelang beserta objek lelang yang diminatinya

Setelah diolah dengan menggunakan teknik data mining, akan dihasilkan data barang lelang,
beserta profil peserta lelang yang meminatinya. Kedepannya, informasi ini dimanfaatkan
untuk menyebarkan informasi lelang suatu jenis barang, kepada semua peserta lelang yang
profilnya sesuai. Dengan adanya penyebarluasan informasi ini, diharapkan keikutsertaan
lelang akan meningkat.

3) Prediksi harga jual lelang

Prediksi harga jual lelang suatu barang dapat ditentukan dengan melaksanakan kegiatan
klasifikasi lalu dilanjut dengan kegiatan analisis pola data yang terbentuk. Klasifikasi
dilaksanakan untuk mengelompokkan data barang lelang berdasarkan kedekatan/ kemiripan
atribut-atributnya. Selanjutnya kita akan melihat dan menganalisai pola nilai harga jual dan
nilai limit di periode lelang sebelumnya pada masing-masing kelompok barang. Informasi ini
selanjutnya dijadikan referensi dalam memprediksi harga jual lelang barang tersebut di masa
yang akan datang.

c. Kesimpulan
1) Data mining dapat diartikan sebagai suatu teknik yang menggabungkan beberapa
disiplin ilmu, untuk menambang/ mengekstrak/ menemukan pengetahuan dari dalam
data dalam jumlah besar;
2) Secara umum, tujuan dari data mining adalah menghasilkan informasi/ knowledge
tambahan dari suatu kumpulan data besar yang untuk selanjutnya dipergunakan
sebagai bahan untuk membantu proses pengambilan keputusan (Decision Support
System);
3) Ada 6 tahapan proses dalam pelaksanaan kegiatan data mining, yaitu data selection,
data pre-processing, data transformation, data mining, evaluasi data dan presentasi
data;
4) Direktorat Jenderal Kekayaan Negara memiliki berbagai data di bidang kekayaan
negara, salah satunya adalah data lelang pada aplikasi e-Auction;
5) Selama ini data transaksi lelang online yang tersimpan pada basis data e-auction
belum pernah di-mining dengan memanfaatkan teknik data mining untuk
menghasilkan pola informasi dan knowledge tambahan. Biasanya data yang ada pada
aplikasi e-Auction hanya dimanfaatkan untuk proses pelaporan kepada pimpinan dan
evaluasi kinerja pelaksanaan lelang;
6) Teknik data mining dapat dimanfaatkan untuk melaksanakan kegiatan ekstraksi pola
informasi dan knowledge tambahan dari data lelang online pada e-Auction;

PERTANYAAN

1. Jelaskan manfaat ICAI?
Jawaban: ICAI yang cerdas akan memberikan siswa dengan jenis baru lingkungan
belajar, sesuai dengan karakteristik pembelajaran siswa, sejarah pembelajaran dan gaya
belajar, itu dapat menggunakan metode dan strategi pengajaran yang berbeda untuk
lebih memenuhi kebutuhan yang berbeda dari peserta didik yang berbeda, untuk
mendiagnosis kesalahan pembelajar, untuk menentukan penyebab kesalahan, untuk
menghasilkan strategi koreksi yang sesuai dan lebih baik mencerminkan prinsip-prinsip
instruksi sesuai dengan kemampuan dan berorientasi pada individu

2. Sebutkan fitur-fitur komunikasi people-to-people?
Jawaban : Fitur tool komunikasi people-to-people mempunyai fitur sebagai beberapa
fitur berikut (Shand, 1998): Real Time Alerts and Messaging, Live Chat, Threaded
Discussions, Electronic Whiteboard, Document Collaboration, Team Room Project
Management. Fitur tersebut bekerja sebagai fasilitator untuk transfer knowledge

3. Jelaskan Contoh keberhasilan perpaduan CoP dan TI?
Jawaban : TI pada bank pemerintah di Thailand yang disajikan oleh Wettayaprasit et al
(tanpa tahun). Mereka mengilustrasikan CoP tiap cabang dipadukan dengan forum
knowledge sharing bank mampu menghubungkan 588 cabang yang tersebar diseluruh
Thailand dengan 9010 pengguna

4. Sebutkan karakteristik data lelang pada e-Auction?
Jawaban :
• Data e-Auction terdiri dari data pelaksanaan lelang di seluruh KPKNL di seluruh
Indonesia
• Data e-Auction terdiri dari data sebagai berikut:
• Data objek lelang;
• Data pemohon lelang;
• Data peserta lelang;
• Data pelaksanaan lelang;
• Data transaksi lelang; dan
• Data e-Auction disimpan dan dikelola dengan menggunakan basis data MySQL.

5. Sebutkan fungsi Algoritma C4.5?
Jawaban : Algoritma C4.5 ini memanfaatkan metode pohon keputusan/struktur secara
hierarikal yang digunakan untuk melaksanakan klasifikasi dan pediksi data. C4.5 juga
dapat mengolah data numerik (kontinyu) dan diskrit, dapat menangani nilai atribut yang
hilang, menghasilkan aturan-aturan yang mudah diinterpretasikan dan tercepat diantara
algoritma-algoritma lain

SUMBER PUSTAKA

https://www.researchgate.net/publication/326705583_Teknologi_Knowledge_Manag
ement_Peran_TI_Terhadap_Pengelolaan_Knowledge/fulltext/5b602df0458515c4b25
48868/Teknologi-Knowledge-Management-Peran-TI-Terhadap-Pengelolaan-
Knowledge.pdf?origin=publication_detail
https://apic.id/jurnal/index.php/jsc/article/download/6/6
https://www.academia.edu/37472991/Penerapan_Data_Mining_untuk_Data_Lelang_
DJKN

KISI-KISI UAS

1. Sebutkan Keuntungan dari Knowledge Management Assessment!
Jawaban :
Keuntungan dari Knowledge Management Assessment adalah
a) Pengertian yang lebih baik dari ruang lingkup inisiasi knowledge yang sukses.
b) Dapat mendalami praktek Knowledge management yang baik.
c) Dapat mengidentifikasikan kegiatan yang sudah ada sekarang apakah sudah dapat
menjadi contoh yang baik dalam praktek Knowledge management.
d) Adanya evaluasi yang mandiri mengenai kemampuan dan kualitas dari kegiatan
Knowledge management yang sudah ada dan yang sudah berjalan saat ini di
perusahaan.
e) Dapat mengidentifikasikan kegiatan-kegiatan untuk memanfaatkan knowledge
dari perusahaan.
f) Adanya indikasi yang jelas dimana area-area mana yang membutuhkan perhatian
ekstra dari manajemen.

2. Proses penilaian harus dirancang untuk meminta masukan dari kelompok. perwakilan staf,
dan pemangku kepentingan utama lainnya untuk mengidentifikasi adalah?
Jawaban :
Kepentingan utama lainnya untuk mengidentifikasi Proses penilaian harus dirancang untuk
meminta masukan dari kelompok. perwakilan staf, dan pemangku adalah:
a) Apa yang berhasil dan apa yang tidak.
b) Tentukan di mana kemacetan aliran pengetahuan terjadi.
c) Praktik yang baik untuk menangkap pengetahuan dan berbagi pengetahuan yang
dapat dikembangkan.
d) Potensi pengadopsi awal atau juara untuk KM.
e) Bagaimana teknologi digunakan untuk memungkinkan berbagi pengetahuan --
atau bagaimana teknologi menghambat berbagi pengetahuan.
f) Elemen budaya dan struktur organisasi yang menghadirkan hambatan bagi
manajemen pengetahuan yang efektif.
g) Temuan dari penilaian KM seringkali mengejutkan, apa yang dianggap sebagai
masalah teknologi sering dikaitkan dengan budaya organisasi, praktik sehari-hari,
atau bagaimana tim lintas fungsi bekerja sama.
h) Menjalani penilaian KM bisa sangat bermanfaat dalam membantu kelompok
mengembangkan pemahaman bersama dan kosakata umum untuk menggambarkan
apa yang berhasil dan apa yang tidak.

3. Apa yang dimaksud dengan Knowledge Management Assessment?
Jawaban : Knowledge Management Assessment adalah Analisis sistematis dari
kemampuan manajemen pengetahuan organisasi Anda saat ini. Ini menilai kinerja Anda
saat ini terhadap praktik kelas dunia dan mengidentifikasi area kritis untuk menerapkan
manajemen pengetahuan.
Ada juga pakar lain yang menyebutkan bahwa Knowldege Management Assessment adalah
proses menangkap keadaan KM saat ini dalam suatu organisasi atau departemen.
Knowledge management Assessment juga dapat menilai penampilan perusahaan pada saat
ini dalam melawan praktek dunia luar dan juga dapat mengidentifikasikan area atau daerah
yang kritis dimana area tersebut harus ditanamkan dan disuplai dengan Knowledge
management.

4. Sebutkan hal yang termasuk dalam Knowledge Management Assessment!
Jawaban :
hal yang termasuk dalam Knowledge Management Assessment adalah
a) Melakukan interview dengan para staff yang berada di luar departemen atau antar
departemen atau divisi.
b) Melakukan diagnosa melalui kuesioner dan rapat yang membahas mengenai kegiatan
yang ada di perusahaan.
c) Melakukan observasi dengan segala kegiatan dan rapat yang sedang berlangsung.
d) Rapat dengan para anggota Knowledge management.
e) Melakukan review terhadap pemasangan intranet dan internetnya.
f) Adanya dokumen yang jelas dan lengkap untuk adanya review dan hasil analisa.

5. Sebutkan Qualitative and Quantitative Assessments of Knowledge Management!
Jawaban : Qualitative and Quantitative Assessments of Knowledge Management
a) High.
b) Qualitative Measures.
c) Qualitative and Quantitative.
d) Level of Use of.
e) Measures.
f) Quantitative Measures.
g) Low.
h) Low.
i) High.
Level of Experience with Knowledge Management

6. Apa yang harus dilakukan agar knowledge dalam suatu organisasi tidak hilang?
Jawaban :
Knowledge harus dipelihara dengan baik, sehingga dapat diciptakan, dikembangkan, diperbarui,
dan digunakan terus menerus. Knowledge yang sudah dikelola dengan baik dan mudah diakses
akan sangat bermanfaat bagi organisasi untuk pengembangan organisasi menjadi lebih cepat.
Dengan begitu, sebuah organisasi dapat berkembang lebih cepat dengan mengurangi adanya
pengerjaan hal yang sama kembali.

7. Jelaskan keunggulan SharePoint bagi pengguna dalam pengaturan konten?
Jawaban :
SharePoint memiliki user experience dan pengaturan konten yang baik sehingga sangat
memudahkan pengguna ketika sedang berinteraksi dengan aplikasi tersebut. SharePoint dapat
diintegrasikan dengan produk Microsoft Office lainnya. Sebagai contoh, SharePoint dapat
diintegrasikan dengan Office Word. Bentuk kolaborasinya adalah dokumen Word dapat disimpan
dalam SharePoint dan pengguna yang berhak dapat menyunting dokumen tersebut.

8. Sebutkan 6 pilar utama SharePoint?
Jawaban :
• Sites
• Communities
• Content
• Search
• Insights
• Composites

9. Apa tujuan dari Microsoft SharePoint?
Jawaban :
Tujuan utama SharePoint adalah untuk mendukung kolaborasi antarpengguna di situs. Kontainer
paling luar dari SharePoint adalah server yang di dalamnya mengandung beberapa web application.
Kemudian di dalam web application bisa terdapat beberapa site collection. Dalam site collection
pengguna SharePoint berinteraksi.

10. Apa yang dimaksud dengan sistem composites?
Jawaban : Berarti bahwa konten maupun fitur dari SharePoint dapat dikembangkan dengan solusi
dari pihak ketiga. Konektivitas untuk mengambil data dari sistem lain dipermudah dengan adanya
Business Connectivity Services. Data dari SharePoint pun dapat digunakan oleh pihak lain
dengan menggunakan Web Services atau API.

11. Jelaskan pengertian data miring menurut turban, dkk?
Jawaban :
Data Miring adalah proses yang menggunakan teknik statistic, matematika, kecerdasan buatan, dan
mechine learning untuk mengekstraksi dan mengidentifikasi informasi yang bermanfaat dan
pengetahuan yang terkait dari berbagai database besar.

12. Jelaskan Tugas-Tugas dari data miring ?
Jawaban :
•Tugas prediktif.
Tujuan utama dari tugas ini adalah untuk memprediksikan nilai dari atribut tertentu
berdasarkan nilai dari atribut lainnya. Atribut yang diprediksi dikenal sebagai target atau
dependent variable, sedangkan atribut yang digunakan untuk membuat prediksi disebut
penjelas atau independent variable.
•Tugas deskriptif.
Tujuan utama dari tugas ini adalah untuk memperoleh pola (correlation, trend, cluster,
trajectory, anomaly) untuk menyimpulkan hubungan di dalam data. Tugas deskriptif
merupakan tugas data mining yang sering dibutuhkan pada teknik postprocessing untuk
melakukan validasi dan menjelaskan hasil proses data mining.

13. Jelaskan Pengertian data miring menurut Roger dan Geatz?
Jawaban :
Proses untuk memperkerjakan satu atau lebih teknik pembelajaran terkomputerisasi untuk
mengotomasi analisa dan mengestrak pengetahuan dari data didalam database

14. Sebutkan proses tahapan KDD ?
Jawaban :
• Data Selection
• Pre-processing/ Cleaning
• Transformation
• Data mining
• Interpretation/ Evaluation

15. Jelaskan Proses yang terjadi dalam tahap interpretation/Evaluation?
Jawaban :
• Penerjemahan pola-pola yang dihasilkan dari data mining.
• Pola informasi yang dihasilkan dari proses data mining perlu ditampilkan dalam bentuk yang
mudah dimengerti oleh pihak yang berkepentingan.
• Tahap ini merupakan bagian dari proses KDD yang mencakup pemeriksaan apakah pola
atau informasi yang ditemukan bertentangan dengan fakta atau hipotesa yang ada
sebelumnya.

16. Salah satu manfaat big data pada bidang industri?
Jawaban : Industri pada umumnya dapat memanfaatkan kelebihan big data ini, dengan
menggabungkannya secara efektif dengan pembelajaran mesin untuk melakukan tugas analitis yang
lebih cepat dan lebih kompleks yang melampaui kemampuan manusia.

17. Apa itu Knowledge Discovery in Databases?
Jawaban : Disebut sebagai keseluruhan proses menemukan pengetahuan yang relevan dari data,
sedangkan penambangan data mengacu pada langkah tertentu dalam proses ini.

18. Apa perbedaan AI dengan automasi robotik?
Jawaban : AI berbeda dengan automasi robotik yang digerakkan oleh perangkat keras. Alih-alih
mengautomasi tugas manual, AI melakukan tugas-tugas yang sering, bervolume tinggi,
terkomputerisasi dengan andal dan tanpa mengalami kelelahan.

19. Salah satu manfaat AI dalam bidang medis?
Jawaban : Di bidang medis, teknik AI dari pembelajaran mendalam, klasifikasi citra, dan
pengenalan objek sekarang dapat digunakan untuk menemukan kanker pada MRI dengan akurasi
yang sama seperti ahli radiologi yang terlatih.

20. Apa fungsi AI dalam data mining dan big data?
Jawaban : Artificial Intelligence dalam data mining dan teknik big data digunakan secara luas di
beberapa domain untuk menyelesaikan klasifikasi, perencanaan, prediksi, masalah optimasi,
diagnosis, komputasi, mengumpulkan dan menganalisis informasi pelanggan, mengumpulkan
wawasan tentang apa yang diinginkan dan dibutuhkan pelanggan, dan bertindak berdasarkan
wawasan tersebut.

21. Jelaskan manfaat ICAI?
Jawaban: ICAI yang cerdas akan memberikan siswa dengan jenis baru lingkungan belajar, sesuai
dengan karakteristik pembelajaran siswa, sejarah pembelajaran dan gaya belajar, itu dapat
menggunakan metode dan strategi pengajaran yang berbeda untuk lebih memenuhi kebutuhan yang
berbeda dari peserta didik yang berbeda, untuk mendiagnosis kesalahan pembelajar, untuk
menentukan penyebab kesalahan, untuk menghasilkan strategi koreksi yang sesuai dan lebih baik
mencerminkan prinsip-prinsip instruksi sesuai dengan kemampuan dan berorientasi pada individu

22. Sebutkan fitur-fitur komunikasi people-to-people?
Jawaban : Fitur tool komunikasi people-to-people mempunyai fitur sebagai beberapa fitur berikut
(Shand, 1998): Real Time Alerts and Messaging, Live Chat, Threaded Discussions, Electronic
Whiteboard, Document Collaboration, Team Room Project Management. Fitur tersebut bekerja
sebagai fasilitator untuk transfer knowledge

23. Jelaskan Contoh keberhasilan perpaduan CoP dan TI?
Jawaban : TI pada bank pemerintah di Thailand yang disajikan oleh Wettayaprasit et al (tanpa
tahun). Mereka mengilustrasikan CoP tiap cabang dipadukan dengan forum knowledge sharing
bank mampu menghubungkan 588 cabang yang tersebar diseluruh Thailand dengan 9010 pengguna

24. Sebutkan karakteristik data lelang pada e-Auction?
Jawaban :
• Data e-Auction terdiri dari data pelaksanaan lelang di seluruh KPKNL di seluruh Indonesia
• Data e-Auction terdiri dari data sebagai berikut:
• Data objek lelang;
• Data pemohon lelang;
• Data peserta lelang;
• Data pelaksanaan lelang;
• Data transaksi lelang; dan
• Data e-Auction disimpan dan dikelola dengan menggunakan basis data MySQL.

25. Sebutkan fungsi Algoritma C4.5?
Jawaban : Algoritma C4.5 ini memanfaatkan metode pohon keputusan/struktur secara hierarikal
yang digunakan untuk melaksanakan klasifikasi dan pediksi data. C4.5 juga dapat mengolah data
numerik (kontinyu) dan diskrit, dapat menangani nilai atribut yang hilang, menghasilkan aturan-
aturan yang mudah diinterpretasikan dan tercepat diantara algoritma-algoritma lain

DAFTAR PUSTAKA

https://www.knoco.id/services/km-assessment/
http://www.knowledge-management-online.com/Knowledge-Management-
Assessment.html
https://www.skyrme.com/services/kmassess.htm
https://www.seriousinsights.net/is-my-organization-ready-for-knowledge-management/
https://stevanustanly.wordpress.com/2010/05/30/knowledge-management-assessment/
https://slideplayer.info/slide/15424627/
https://media.neliti.com/media/publications/168020-ID-perancangan-knowledge-
management-system.pdf
https://www.webagus.id/2020/02/knowledge-discovery-in-database-kdd.html
http://repository.uin-suska.ac.id/3547/3/BAB%20II.pdf
https://www.sas.com/id_id/insights/analytics/what-is-artificial-intelligence.html
https://www.researchgate.net/publication/338623239_Artificial_Intelligence_in_Data_Mini
ng_and_Big_Data
https://steemit.com/stemng/@noble-noah/from-data-mining-to-knowledge-discovery-to-
artificial-intelligence
https://www.researchgate.net/publication/326705583_Teknologi_Knowledge_Management
_Peran_TI_Terhadap_Pengelolaan_Knowledge/fulltext/5b602df0458515c4b2548868/Tekn
ologi-Knowledge-Management-Peran-TI-Terhadap-Pengelolaan-
Knowledge.pdf?origin=publication_detail
https://apic.id/jurnal/index.php/jsc/article/download/6/6
https://www.academia.edu/37472991/Penerapan_Data_Mining_untuk_Data_Lelang_DJKN