-
MANAGERIAL SUPPORT SYSTEMS
Managerial support systems dirancang untuk memberikan dukungan kepada manajer
tertentu atau sekelompok kecil manajer, dan merupakan aplikasi untuk mendukung
pengambilan keputusan manajerial seperti group support systems, executive information
systems, and expert systems. Managerial support systems, sebaliknya, dimaksudkan untuk
langsung mendukung Anda dan manajer lain seperti make strategic and tactical decisions
untuk organisasi anda. Misalnya, decision support systems (DSSs) yang dirancang untuk
membantu manajer dan profesional lainnya menganalisis data internal dan eksternal. Bab ini
akan mengeksplorasi mengenai sistem pendukung keputusan dan sistem pendukung
manajerial lainnya yang semakin penting dalam menjalankan organisasi modern.
DECISION SUPPORT SYSTEMS A decision support system (DSS)is sistem berbasis komputer, yang hampir selalu interaktif,
yang dirancang untuk membantu manajer (atau pembuat keputusan lain) dalam membuat
keputusan. DSS menggabungkan kedua data dan model untuk membantu pembuat
keputusan memecahkan masalah, terutama masalah yang tidak terstruktur dengan baik.
Gambar 6.1 menunjukkan bahwa DSS
membutuhkan tiga komponen utama:
model management untuk
menerapkan model yang sesuai, data
management untuk memilih dan
menangani data yang sesuai, and
dialog management untuk
memfasilitasi user interface ke DSS.
Pengguna berinteraksi dengan DSS
melalui the dialog management
component, mengidentifikasi model
khusus dan kumpulan data yang akan
digunakan, dan kemudian DSS
menyajikan hasil untuk pengguna melalui dialog management component yang sama. The
model management and data management components sebagian besar bertindak di
belakang layar , dan mereka bervariasi dari yang relatif sederhana untuk model spreadsheet
yang khas hingga yang cukup kompleks untuk model penjadwalan berbasis pemrograman
matematika.
-
Semua contoh DSS lebih tepat disebut spesific DSS. Ini adalah aplikasi yang sebenarnya yang membantu dalam proses pengambilan keputusan. Sebaliknya, DSS generator adalah paket perangkat lunak yang menyediakan seperengkat kemampuan untuk membangun
spesific DSS dengan cepat dan mudah (Sprague dan Carlson, 1982). Sebelumnya, pada
proforma laporan keuangan misalnya, Microsoft Excel dapat dilihat sebagai DSS generator,
sedangkan model Excel khusus untuk proyek laporan keuangan pada sebuah divisi khusus
dari perusahaan adalah spesific DSS.
DATA MINING Data mining menggunakan berbagai teknologi (seperti decision trees and neural networks) untuk mencari, atau "mine," "nuggets" informasi dari sejumlah besar data yang tersimpan di
organizations data warehouse. Dengan perkembangan data warehouse skala besar dan
ketersediaan inexpensive processing power, minat baru dalam apa yang kemudian disebut
data mining muncul dalam beberapa tahun terakhir.
Seiring dengan minat baru ini, datanglah berbagai high-powered dan commercial data
mining software products relatif mudah digunakan. Di antara produk-produk ini IBM SPSS
Modeler profesional, Oracle Data Mining, Salford prediktif Miner, SAS Enterprise Miner dan
Text Miner, TIBCO Spotfire Miner, XLMiner untuk Windows (termasuk untuk Microsoft Excel
dari Resampling Statistik), dan KnowledgeSEEKER, KnowledgeSTUDIO, dan
StrategyBUILDER dari Angoss Software (berbasis di Kanada). Di antaranya yang lebih
menarik dari produk data mining adalah text mining products, seperti SAS Text Miner, yang
memiliki kemampuan untuk menangani informasi tekstual, menarik data dari surat, memo,
catatan medis, blog, wiki, tweet, dan semua jenis dokumen serta menemukan tema dan pola
dalam dokumen-dokumen.
Apa saja teknik keputusan atau pendekatan yang digunakan dalam data mining? Salah satu
teknik kunci decision tree adalah tertanam di banyak paket. Teknik populer lainnya termasuk
linear and logistic regression; association rules untuk menemukan pola-pola dari co-
occurring events; pengelompokan untuk segmentasi pasar; aturan induksi, ekstraksi jika-
kemudian aturan berdasarkan signifikansi statistik; tetangga terdekat, the classification of a
record based on those most similar to it in the database; dan algoritma genetika, teknik
optimasi yang didasarkan pada konsep kombinasi genetik, mutasi, dan seleksi alam.
Sebaliknya, data mining menggabungkan teknik seperti decision tree, neural networks, dan
algoritma genetika. Sebuah program OLAP mengekstrak data dari database dan strukturnya
dengan dimensi individual, seperti wilayah atau dealer. Software Data mining mencari
database untuk pola dan hubungan, employing techniques seperti neural networks. Aplikasi
khas dari data mining diuraikan pada Tabel 6.1.
-
GROUP SUPPORT SYSTEMS Seperti sebuah collaboration tool - satu yang secara khusus ditujukan untuk supporting
meetings - adalah jenis khusus dari groupware yang disebut group support system (GSS). GSSs merupakan varian penting DSS di mana sistem ini dirancang untuk mendukung
kelompok daripada individu. GSSs, kadang-kadang disebut group DSSs atau electronic
meeting systems, berusaha untuk mengambil keuntungan dari kekuatan kelompok untuk
membuat keputusan yang lebih baik daripada individu bertindak sendiri.
Dalam sebuah implementasi khas seseorang the original GroupSystems GSS (lihat Gambar
6.2), sebuah computer-supported meeting
room mengandung PC untuk setiap
peserta, semua dihubungkan oleh local
area network (LAN). Sebuah layar besar
publik memfasilitasi common viewing of
information ketika hal ini diinginkan.
GroupSystems, yang dipasang pada
setiap mesin di jaringan, provides
computerized support for idea generation,
organizing ideas, prioritizing (seperti
voting), and policy development (seperti
stakeholder identification).
Hari ini, sebuah implementasi seseorang dari ThinkTank akan terlihat sama seperti Gambar
6.2. Perbedaannya adalah bahwa PC setiap peserta hanya menggunakan perangkat lunak
browser Web; software ThinkTank yang disimpan pada server, yang mungkin terletak di
ruang yang sama atau di mana pun yang dapat diakses melalui intranet atau internet. Para
-
peserta login ke situs Web ThinkTank yang terletak di server, dan hasil sesi sebagaimana
telah dijelaskan sebelumnya.
GEOGRAPHIC INFORMATION SYSTEMS Geographic information system (GIS), spatial decision support system (SDSS), location intelligence, geodemographics, computer mapping, and automated routing adalah nama
untuk keluarga aplikasi berbasis manipulation of relationships in space.
Seperti gambar 6.3 menunjukkan, sebuah GIS istilah umum untuk setiap sistem yang
mengkhususkan diri dalam geographic datafeatures a rich user display and an interactive
environment merupakan hal yang sangat menarik untuk human decision makers.
Geographic technologies saat ini sedang bergerak pada key business functions enabled by
technologies seperti radio frequency identification (RFID) tags, embedded Global Positioning
System (GPS) capabilities, and spatial analysis dalam database management systems
(DBMSs).
Business Adopts Geographic Technologies Geographic technologies in business were a well-kept secret for many years; the earliest
business adopters of GISs seldom talked about it because of its competitive value.
Aplikasi bisnis lainnya termasuk market analysis and planning, logistics and routing, real
estate, environmental engineering, and the geographic pattern analysis that mortgage
bankers digunakan untuk menunjukkan bahwa mereka bukan area redline yaitu tidak
adil menolak pinjaman berdasarkan lokasi. Hari ini, banyak sumber memberikan high-quality
-
geographically encoded data; beberapa perusahaan memerlukannya untuk digitize their own
maps or photographs.
Whats Behind Geographic Technologies Dua pendekatan untuk merepresentasikan spatial data yang banyak digunakan: the raster
approach and the vector approach. Kedua jenis dat aumumnya dikelola dalam data model
yang menyimpan data terkait pada lapisan yang dikenal sebagai coverages or themes.
Raster-based GISs membagi ruang menjadi kecil, sel berukuran sama diatur dalam kotak. Dalam GIS, sel-sel ini (raster) dapat mengambil berbagai nilai dan menyadari lokasi mereka
relatif terhadap sel lainnya.
Vector-based GISs banyak digunakan dalam administrasi dan utilitas umum dan, bisa dibilang, adalah pendekatan yang paling umum digunakan dalam bisnis. Vector systems
associate features dalam lanskap dengan baik titik, garis, atau poligon. Hubungan antara
elemen vektor disebut topologi; topologi menentukan apakah fitur tumpang tindih atau
berpotongan. Namun, data vektor tidak
terus menerus; tumpang tindih dan
kesenjangan yang dihasilkan antara
fitur mempengaruhi penyajian dan
analisis sehingga memerlukan
perhatian spesialis.
The most common data model for both
vector and raster data is the coverage model dimana lapisan yang berbeda atau tema yang mewakili jenis yang
sama dari geographic features di area
yang sama dan ditumpuk keatas satu
sama lain (lihat gambar 6.4).
Kebanyakan teknologi GIS saat ini secara efektif menggabungkan kedua jenis data, sering
menggunakan raster data sets for realism and vector data for roads, administrative
boundaries, and locations. Dengan menggunakan kedua jenis data, analisis geografis dapat
menjawab pertanyaan-pertanyaan seperti berikut:
What is adjacent to this feature?
Which site is the nearest one, or how many are within a certain distance?
What is contained within this area, or how many are contained within this area?
Which features does this element cross, or how many paths are available?
What could be seen from this location?
-
Issues for Information Systems Organizations Berkat kematangan GIS tools, organisasi dapat memperoleh off-the-shelf geographic
technologies dengan scripting languages, application program interfaces dengan popular
desktop software packages, and Internet-based interactive mapping packages (seperti
Microsofts MapPoint Web Service).
Managing geographic technology options, saat ini hal tersebut tersedia pada familiar
platforms, mungkin kurang challenging untuk sebuah typical IS organization daripada
mengelola spatial data. Geographic data (which you will want to buy, not build) yang jelas
termasuk base maps, zip code maps, street networks, and advertising media market maps.
Data lain dengan unsur-unsur spasial tersebar di dalam database internal perusahaan,
termasuk lokasi pelanggan, lokasi gudang perusahaan dan pusat distribusi, dan lokasi aset
tetap dan bergerak.
Karena nilai dari sebuah bisnis going spatial berasal dari internal and external data yang
dibawa bersamaan, IS personnel berharap untuk mendapatkan pendidikan mengenai cost
and quality issues untuk geographic data.
Perkembangan yang sedang berlangsung dalam teknologi geografis meliputi:
three-dimensional and dynamic untuk mensimulasikan gerakan melalui ruang dan waktu,
seperti merekonstruksi jalan Badai Katrina
geography in your hand proliferasi lanjutan teknologi spasial seperti GPS into handheld
devices untuk konsumen pengguna dalam layanan berbasis lokasi.
linking spatial capability with wireless capability untuk penyebaran dan pemindahan the
right assetsboth human and non humanto the right place, in real time, terutama untuk
public safety atau customer service.
forecasting models that include geography sebagai variabel untuk memprediksi,
misalnya, tanggapan konsumen untuk a loyalty card program berdasarkan kedekatannya
dengan other adopters dan untuk iklan billboard.
use of spatial technologies in a variety of new settings, seperti taming out-of-control data
warehouses and point-of-sale (POS) data, visualizing network security attacks, and
identifying the country of origin of an Internet service provider (ISP).
EXECUTIVE INFORMATION SYSTEMS/BUSINESS INTELLIGENCE SYSTEMS The key concept dibalik executive information system (EIS) adalah sistem tersebut memberikan informasi terkini secara online tentang kondisi bisnis dalam bentuk agregat
dengan mudah diakses eksekutif senior dan manajer lainnya. EIS dirancang untuk
digunakan langsung oleh manajer ini tanpa bantuan perantara. EIS menggunakan state-of-
the-art graphics, communications, and data storage methods untuk memberikan eksekutif
akses online mudah untuk informasi terkini tentang status organisasi.
-
Awalnya, EIS dikembangkan untuk hanya dua atau tiga tingkat eksekutif puncak di
perusahaan, namun hal tersebut menimbulkan banyak masalah mengenai disparitas data
antar lapisan manajemen. Akibatnya, saat ini basis pengguna di sebagian besar perusahaan
telah diperluas untuk mencakup semua tingkatan manajemen di perusahaan dan kadang-
kadang bahkan managers in customer and supplier organizations. Terutama karena
perluasan ini berbasis pengguna. Saat ini the EIS label sering diganti dengan istilah yang
lebih luas yaitu performance management (PM) software. Examples of Infor PM displays are shown in Figure 6.5.
EIS menggunakan data transaksi yang telah disaring dan diringkas menjadi bentuk yang
berguna bagi para eksekutif dalam organisasi. Selain itu, banyak yang sukses dalam
menggabungkan qualitative data EISs seperti competitive information, assessments, and
insights. Penekanan pada informasi kompetitif telah menjadi begitu penting dalam beberapa
tahun terakhir bahwa banyak organisasi sekarang menyebut EIS mereka dengan sebutan
business intelligence (BI) systems or competitive intelligence systems. Singkatnya, EIS adalah hands-on tool dengan focuses, filters, and organizes an executives information
sehingga he or she can make more effective use of it.
Business intelligence platforms, yang tumpang tindih dengan EIS/PM products tetapi
kadang-kadang memiliki fokus yang lebih luas (including, for instance, data mining) dan
kadang-kadang memiliki fokus yang sempit (excluding performance management reporting
features), termasuk IBM Cognos Business Intelligence, MicroStrategy Intelligence Server,
Oracle Business Intelligence Suite, SAP BusinessObjects BI Solutions (including Advanced
Visualization, Dashboard Builder, and Voyager), and SAS Business Intelligence.
KNOWLEDGE MANAGEMENT SYSTEMS Knowledge management systems (KMSs) merupakan sistem yang dapat digunakan baik individuals and organizations untuk meningkatkan pembelajaran, meningkatkan kinerja, dan,
mudah-mudahan, menghasilkan keunggulan kompetitif jangka panjang yang berkelanjutan.
-
Secara sederhana, KMS adalah sistem untuk mengelola pengetahuan organisasi. Sebuah
KMS biasanya dirancang untuk mendukung salah satu dari tiga strategi koneksi:
connections from people to people (e.g., expert directories), connections from people to
knowledge (e.g., knowledge repositories), and connections from people to tools (e.g.,
community calendars, discussion forums). Disisi lain, KMS terdiri dari elaborate structuring
of knowledge content (e.g., taxonomies), yang dikemas dan disebarkan secara hati-hati
kepada orang-orang. Oleh karena itu, KMSs provide organizations the ability to memberikan
organisasi kemampuan untuk leverage and extract value from their intellectual or knowledge
assets.
KMSs use various hardware and software applications to KMSS menggunakan berbagai
aplikasi hardware dan software aplikasi untuk memfasilitasi dan mendukung knowledge management (KM) activities. Oleh karena itu, KMS adalah teknologi atau kendaraan yang memfasilitasi the sharing and transferring of knowledge dengan tujuan untuk disseminating
and reusing valuable knowledge bahwa dapat once applied, enhances learning and
improves performance.
Tujuan dari KMS adalah untuk memanfaatkan pengetahuan dari individu dan organisasi dan
menyebarkannya di seluruh perusahaan untuk mendapatkan perbaikan operasional dan
pasar. Selain itu, KMS secara fundamental berbeda dari sistem lain karena (1) it considers
the content contained within the systemthat is, the system is only as good as what is in
it!and (2) the system is not used to work on the task, but rather to acquire knowledge
needed to perform the tasktherefore, the use of a KMS is one step removed from the task
itself.
Terdapat 3 karakteristik KMS yang perlu diperhatikan dalam menggambarkan sebuah KMS:
first, the extent to which there is formal management and control of the KMS; second, the
focus of the KM processes, such as knowledge creation, capture, organization and
packaging, access, search and dissemination, and application; and third, the extent to which
reusability of knowledge is considered (e.g., the 8020 rule, or 20 percent of the knowledge
content that potentially could be contained in a KMS is likely to be of most value to 80
percent of the users) (Dennis and Vessey, 2005).
Two Recent KMS Initiatives within a Pharmaceutical Firm 1) Corporate KMS
Sebuah tim KMS dibentuk untuk mengembangkan organisasi secara luas yang mana
KMS melayani beberapa komunitas secara praktik. The operation dari komunitas secara
praktik menyangkut seperti kombinasi dari software and processes. Setiap komunitas
memiliki koordinator yang ditunjuk, yang tugasnya adalah untuk memastikan bahwa the
community thrives (beberapa komunitas memiliki dua atau tiga koordinator). The
-
coordinator melakukan banyak fungsi yang spesifik seperti welcoming new members,
developing and maintaining standards of conduct and standards for knowledge within
the community, maintaining the community calendar, monitoring the discussion forums,
ensuring that the knowledge in the community is appropriate, and serving as the primary
point of contact and external ambassador for the community. Anggota dari komunitas
typically e-mail the coordinator with suggested calendar items, which the coordinator
posts. Typical calendar items include face-to-face meetings held by part or all of the
community, seminars and workshops offered by members of community, and more
formal presentations likely to be of interest to the community.
2) Field Sales KMS Sebuah tim KM yang berbeda dibentuk untuk memimpin the development of the field
sales KMS. Berbeda dengan the corporate KMS, misi KMS teams mission ini adalah
untuk merancang dan membangun baik isi dan struktur KMS.
Selain itu, all knowledge communication with the field sales representatives diharapkan
dapat dilakukan melalui the field sales KMS. Oleh karena itu, A formal four-step process
dikembangkan untuk memvalidasi semua konten yang dikirim dari the field sales
representatives. Tips pertama kali diperiksa oleh tim KM itu sendiri untuk memastikan
konten yang koheren dan lengkap. Berikutnya, the tip diserahkan kepada kelompok
hukum untuk memastikan bahwa konten itu konsisten dengan semua aturan, peraturan,
dan pedoman praktik promosi yang baik. Kemudian, the tip dikirim ke tim manajemen
merek untuk memastikan bahwa hal itu telah konsisten dengan strategi pemasaran
untuk obat. Lalu, the tip dikirim ke kelompok operasi penjualan untuk peer review oleh
sebuah panel dari lima perwakilan penjualan untuk memastikan bahwa kontribusi
memiliki nilai riil. Akhirnya, setelah the tip disetujui, hal itu masuk kedalam the field sales
KMS.
KMS Success Keberhasilan KMS terjadi ketika individu termotivasi untuk berpartisipasi dalam inisiatif KM,
ketika individu memiliki kemampuan kognitif untuk memahami dan menerapkan
pengetahuan, dan ketika individu memiliki hubungan yang kuat dengan satu sama lain
(Wasko dan Faraj, 2005). Namun, seiring waktu, pengalaman memainkan peran berkurang
dalam hal kinerja keuntungan dari menggunakan KMS yaitu, orang yang kurang
berpengalaman akhirnya memperoleh manfaat kinerja yang sama seperti rekan-rekan
mereka yang lebih berpengalaman (Ko dan Dennis, 2009). Secara kolektif, faktor-faktor
individual dan institusional memfasilitasi keberhasilan sebuah KMS.
-
ARTIFICAL INTELLIGENCE AI research telah berkembang menjadi six separate tetapi dalam area yang sama;
diantaranya natural languages, robotics, perceptive systems (vision and hearing), genetic
programming (also called evolutionary design), expert systems, and neural networks.
1) Natural languages. The work in natural languages, terutama di departemen ilmu komputer di universitas dan di vendor laboratories, yang bertujuan untuk menghasilkan
sistem yang menerjemahkan instruksi manusia biasa menjadi bahasa komputer yang
dapat memahami dan melaksanakan.
2) Robotics.
3) Perceptive systems (vision and hearing). Perceptive systems research melibatkan menciptakan mesin yang memiliki visual dan / atau kemampuan perseptual aural yang
mempengaruhi fisik perilaku mereka. Dengan kata lain, penelitian ini bertujuan untuk
menciptakan robot yang bisa "melihat" atau "mendengar" dan bereaksi terhadap apa
yang mereka lihat atau dengar.
4) Genetic programming (also called evolutionary design). With genetic programming or evolutionary design, masalah dibagi menjadi beberapa segmen, dan solusi untuk segmen ini dihubungkan bersama di berbagai cara untuk breed new child solutions.
Setelah banyak generasi pemuliaan, genetic programming mungkin menghasilkan Hasil
unggul dari yang dibuat oleh manusia. Genetic programming paling berguna dalam
desain produk-produk inovatif seperti an energy-efficient halogen light bulb yang lebih
terang daripada a standard halogen bulb and a satellite support arm dengan bentuk
baru yang mencegah getaran dari yang ditransmisikan sepanjang truss.
5) Expert systems. The expert systems branch berkaitan dengan membangun sistem yang menggabungkan logika pengambilan keputusan dari human expert.
6) Neural networks. A newer branch of AI is neural networks, yang dinamai studi tentang bagaimana sistem saraf manusia bekerja, tapi yang pada kenyataannya menggunakan
analisis statistik untuk mengenali pola dari sejumlah besar informasi dengan proses
adaptive learning. EXPERT SYSTEMS
To design an expert system, a specialist known as a knowledge engineer (a specially trained
systems analyst) bekerja sangat erat dengan satu atau lebih ahli di daerah yang diteliti.
What the knowledge engineer has learned is then loaded into the computer system, in a
specialized format, in a module called the knowledge base (see Figure 6.6). This knowledge
base contains both the inference rules that are followed in decision making and the
parameters, or facts, relevant to the decision.
-
The other major pieces of an expert system are the inference engine and the user interface.
The inference engine adalah kerangka logis yang secara otomatis mengeksekusi garis
penalaran bila diaktifkan dengan aturan inferensi dan parameter yang terlibat dalam
keputusan; dengan demikian, mesin inferensi yang sama dapat digunakan untuk banyak
sistem pakar yang berbeda, masing-masing dengan basis pengetahuan yang berbeda. The
user interface adalah modul yang digunakan oleh end user.
Obtaining an Expert System Ada tiga pendekatan umum untuk memperoleh sistem pakar, dan hanya satu dari mereka
yang membutuhkan pembangunan semua potongan-potongan ini. Pertama, sebuah
organisasi dapat membeli sistem yang dikembangkan sepenuhnya yang telah dibuat untuk
aplikasi tertentu. Kedua, organisasi dapat mengembangkan sistem pakar itu sendiri
menggunakan artificial intelligence shell (also called an expert systems shell). The shell, yang dapat dibeli dari sebuah perusahaan perangkat lunak, memberikan kerangka dasar
diilustrasikan dalam Gambar 6.6 dan terbatas, namun user-friendly special language yang
dapat digunakan untuk mengembangkan sistem pakar. Third, an organization can have
Ketiga, organisasi dapat memiliki internal or external knowledge engineers custom-build the
expert system. Dalam hal ini, sistem biasanya diprogram dalam special purpose language
seperti Prolog or Lisp. Pendekatan akhir ini jelas yang paling mahal, dan itu dapat
dibenarkan hanya jika hasil potensial dari sistem pakar yang cukup tinggi dan tidak ada cara
lain yang mungkin.
NEURAL NETWORKS Whereas expert systems mencoba untuk menangkap keahlian manusia dalam sebuah
program komputer, neural networks mencoba untuk tease out meaningful patterns dari data
-
dalam jumlah besar. Neural networks dapat mengenali pola yang terlalu jelas bagi manusia
untuk mendeteksi, dan beradaptasi sebagai informasi baru yang diterima.
Karakteristik utama dari neural networks adalah that they learn. The neural network program
is originally given a set of data consisting of many variables associated with a large number
of cases, or events, in which the outcomes are known.
The neural network program then repeats this process over and over, continuously adjusting
the pattern in an attempt to improve its predictive ability. When no further improvement is
possible from this iterative approach, the program is ready to make predictions for future
cases.
Commercial neural network programs (actually, these are shells) tersedia untuk harga yang
wajar, tetapi bagian yang sulit dari membangun sebuah neural network application adalah
data collection and data maintenance. Neural networks biasanya digunakan untuk
memprediksi atau mengkategorikan, tapi untuk melakukannya dilakukan dengan cara
induktif daripada deduktif. Tabel 6.2 daftar contoh penggunaan neural network saat ini.
Pada akhir 1980s and 1990s, expert system and neural network applications received a
great deal of hype in the popular press. The AI applications diduga akan memecahkan
banyak masalah keputusan yang dihadapi oleh manajer. Saat ini, industri telah mengadopsi
pandangan yang lebih realistis mengenai AI applications: AI is not a panacea, but there are
a significant number of potentially valuable applications for AI techniques. Each potential
application must be carefully evaluated. The result of these careful evaluations has been a
steady growth, but not an explosion, in the development and use of expert systems and
neural networks to help businesses cope with problem situations and make better and more
consistent decisions.
VIRTUAL REALITY Virtual reality is a fascinating application area with rapidly growing importance. Virtual reality (VR) mengacu pada penggunaan sistem berbasis komputer untuk menciptakan
-
lingkungan yang tampaknya nyata untuk satu atau lebih indera (usually including sight) dari
pengguna manusia atau pengguna. Perkembangan VR adalah in its infancy, dan akan
membutuhkan waktu yang lama sebelum anything remotely approaching the Enterprises
holodeck is possible. Namun demikian, banyak vendors are developing VR hardware and
software, and numerous valuable VR applications are beginning to appear.
