Knowledge Portlas

Fungsi search di atas membentuk dasar untuk sebagian besar publik yang sukses web portal
yang berarti bahwa sebuah portal yang sukses harus mendukung pengguna dalam pencarian efisien untuk isinya dan juga Memungkinkan pengguna untuk mencari informasi yang sebelumnya tidak dikenal untuk menjadi relevan dengan peran pengguna

Knowledge codification tools

knowledge codification tools

KELOMPOK E :

Di  kasus sistem berbasis pengetahuan, perencanaan nya yang  meliputi:

1.      Melanggar seluruh sistem ke modul dikelola.

2.      Mengingat solusi parsial dan menyukai mereka melalui aturan dan prosedur untuk mencapai solusi akhir.

3.      Menentukan bahasa pemrograman (s).

4.      Memutuskan pada paket perangkat lunak (s).

5.      Pengujian dan validasi sistem.

6.      Mengembangkan user interface.

7.      Mempromosikan kejelasan, fleksibilitas, membuat aturan yang jelas.

8.      Mengurangi resiko yang tidak perlu.

Atribute	Limitation in A KM environment
Flexibility	sistem berbasis aturan yang OK untuk sistem kecil, tapi tidak fleksibel dalam basis dengan masalah rumit yang membutuhkan variabel baru
Scalability	dengan jatuh tempo dari waktu ke waktu, sistem berbasis aturan memerlukan perubahan aturan, yang berarti bekerja dengan ahli lagi
Kecepatan Pembangunan	sistem berbasis aturan dapat dikembangkan dengan cepat, asalkan Anda memiliki ahli bersedia. sayangnya, menangkap pengetahuan sangat memakan waktu
ketergantungan pada domain ahli	menangkap pengetahuan datang secara bertahap, sering membutuhkanbeberapa draft sebelum sistem siap untuk pengujian akhir
Waktu respone	sebagai sistem berbasis aturan meningkatkan kompleksitas, waktu respone biasanya mengambil hit. ini berarti upgrade perangkat keras dan perangkat lunak, yang dapat mahal

Pada Tema yang kami pilih, contoh producton rulesnya meliputi :

Syntax             : If (premise) Then (action)

Contoh kasus :

Premise     Jika cuaca tidak menentu hujan dan kandungan nutrsi berkurang  dan pertumbuhan unggas

 tidak maksimal

Action       Maka Unggas mengalami malnutrisi :

		Atrubite	Object	value
Premise	IF	Tidak Menentu	Cuaca	Hujan
		Nutrisi	Kandungan	Berkurang
		Ungga	Pertumbuhan	Tidak Maksimal
Action	THEN	Mengalami	Unggas	malnutrisi

Pengertian Agent

Pengertian Agent Pada AI (Artificial Intelligent)






Setelah sebelumnya saya membuat postingan artikel mengenai Aplikasi Artifical Intelligent Pada Lingkungan Ilmu Kesehatan dan Kedokteran, kali ini saya akan memberi sedikit pengertian mengenai Agent. Apa itu agent?


Pengertian sebuah AGENT adalah segala sesuatu yang dapat dipandang sebagaimana mengamati lingkungannya melaluisensor dan bertindak atas lingkungan yang melalui efektor. Agenmanusia memiliki mata, telinga, dan organ lain untuk sensor, dantangan, kaki, mulut, dan bagian tubuh lainnya untuk efektor. Sebuahpengganti agen robot kamera dan berbagai pencari inframerahuntuk sensor dan berbagai motor untuk efektor. Dapat digambarkan secara sederhana sebagai berikut:





Dalam kecerdasan buatan, intelligent agent (IA) adalah sebuah entitas otonom yang mengamati dan bertindak atas lingkungan (yaitu membutuhkan agen) dan mengarahkan aktivitasnya untuk mencapai tujuan yaitu rasional. Intelligent agen juga dapat belajar atau menggunakan pengetahuan untuk mencapai tujuan mereka. Russell & Norvig (2003) mengartikan Rational Agent yang mengerjakan segala sesuatu hal dengan benar. Agen Intelligentmenurut Nikola Kasabov adalah bahwa Agent harus menunjukkan karakteristik berikut.:
· mengakomodasi pemecahan masalah baru aturan bertahap
· beradaptasi online dan real time
· mampu menganalisis sendiri dalam hal perilaku, kesalahan dan kesuksesan.
· belajar dan meningkatkan melalui interaksi dengan lingkungan (perwujudan)
· belajar dengan cepat dari sejumlah besar data
· memiliki penyimpanan memori berbasis contoh dan kapasitas pengambilan
· memiliki parameter untuk mewakili umur pendek dan jangka panjang memori,,

How Agents Should Act: Right things


Pengukuran Kinerja: mengukur seberapa kesuksesan sebuah agent. Tidak ada satu ukuran yang tetap dan sama untuk semua agen. Kita dapat menanyakan kepada agen secara subyektif tentang kenyamanan dengan kinerja agen itu sendiri. Sehingga harus ada pengukuran kinerja obyektif yang diberlakukan dengan standart otoritas tentang apa artinya sukses dalam lingkungan dan menggunakannya untuk mengukur kinerja sebuah agen.

How to evaluate agent’s success?


Mengevaluasi kinerja sangat penting. Kita harus berhati-hati untuk membedakan antara rasionalitas dan omniscience (kemahatahuan). Rasionalitas bahwa agen tahu hasil dari sebuah tindakan yang dilakukan secara rasional. Sedangkan omniscienceadalah sebuah kemustahilan dari kenyataan yang sebenarnya telah terjadi. Faktor yang mempengaruhi rasionalitas :
· Pengukuran kinarja (Performance Measure)
· Percept Sequence (persepsi urutan)
· Knowledge from Environment
· Possible Actions

When to evaluate agent’s success?


Ini mengarah ke definisi agen rasional yang ideal: Untuk setiap urutan persepsi yang memungkinkan, agen rasional yang ideal harus melakukan tindakan apapun yang diharapkan dapat memaksimalkan pengukuran kinerjanya, berdasarkan bukti yang diberikan oleh urutan persepsi dan apa pun yang yang merupakan pengetahuan built-in yang dimiliki agen.


STRUKTUR AGENT INTELLIGENCE


Tugas AI adalah untuk merancang sebuah agent yaitu sebuah fungsi yang mengimplementasikan pemetaan agen dari persepsi terhadap tindakan. Program ini akan berjalan pada beberapa jenis perangkat komputasi, yang disebut arsitektur. Secara umum, arsitektur membuat persepsi dari sensor yang tersedia untuk program, menjalankan program, dan umpan pilihan program aksi terhadap efektor seperti yang dihasilkan.


Hubungan antara agen, arsitektur, dan program dapat disimpulkan :
- Mapping : Hubungan antara Percepts and Action.
- Tugas dari AI adalah men-design Agent Program : merupakan sebuah function yang mengimplementasikan agent mapping dari percepts to action.
- Architecture menerima percepts dari sensor, menjalankan program, melakukan aksi yang dipilih action ke effectors.
- Agent = Architecture + Program
- PAGE = Percepts, Actions, Goal(s) and Environment.


Tipe Agent

Simple Reflex Agents






Gambar diatas menunjukkan struktur Simple reflex agent, struktur yang paling sederhana dalam bentuk skema, menunjukkan bagaimana aturan condition action memungkinkan agen untuk membuat sambungan dari persepsi untuk bertindak. Persegi panjang untuk menunjukkan keadaan internal saat proses keputusan agen, dan oval untuk mewakili latar belakang informasi yang digunakan dalam proses. Secara ringkat dapat disampaikan sebagai berikut:

· Memiliki rule base dalam bentuk "aksi-kondisi"
· Memiliki komponen untuk mengekstrak Fitur
· Tidak ada akses untuk menyelesaikan keadaan dunia
· Pekerjaan hanya jika keputusan yang tepat dapat dilakukan atas dasar persepsi saat ini

Model Based Reflex Agent



Pengetahuan tentang "bagaimana dunia bekerja" disebut model dari dunia, maka bentuk ini dinamakan "model based reflex agent". Sebuah model based reflex agent harus menjaga semacam internal model yang tergantung pada sejarah persepsi dan dengan demikian mencerminkan setidaknya beberapa aspek yang tidak teramati negara saat ini. Kemudian memilih tindakan dengan cara yang sama sebagai agen refleks. Model ini lebih kuat daripada simple reflex agent
Goal-Based Agents



Goal based agents memperluas pada kemampuan model-based agents, dengan menggunakan "goal" informasi. Tujuan informasi menggambarkan kondisi yang diinginkan. Hal ini memungkinkan agen cara untuk memilih di antara beberapa kemungkinan, memilih satu yang mencapai negara tujuan. Search dan planing adalah sub bidang kecerdasan buatan yang ditujukan untuk urutan tindakan menemukan bahwa mencapai tujuan agen. Dalam beberapa kasus goal-based agent tampaknya kurang efisien; itu lebih fleksibel karena pengetahuan yang mendukung keputusan diwakili secara eksplisit dan dapat dimodifikasi.

Utility-Based Agents






“Goal” tidak cukup untuk menghasilkan perilaku berkualitas tinggi. Ada banyak urutan tindakan untuk mencapai tujuan, tetapi beberapa yang lebih cepat, lebih aman, lebih dapat diandalkan, atau lebih murah daripada yang lain. Tujuan hanya memberikan perbedaan antara kondisi "bahagia" dan "tidak bahagia", sedangkan ukuran kinerja yang lebih umum harus memungkinkan perbandingan beberapa urutan kondisi yang berbeda jika agen ingin mencapai tujuan. Terminologi yang dipergunakan untuk mengatakan bahwa jika satu kondisi lebih disukai daripada kondisi yang lain, itu mempunyai utilitas yang lebih tinggi untuk agent.


ENVIRONMENTS


Kita akan melihat bagaimana pasangan agen untuk lingkungan. Dalam semua kasus, sifat hubungan antara mereka adalah sama: tindakan yang dilakukan oleh agen pada lingkungan, yang pada gilirannya memberikan persepsi kepada agen. Pertama, kita akan menjelaskan berbagai jenis lingkungan dan bagaimana mereka mempengaruhi desain agen. Kemudian kita akan menjelaskan program-program lingkungan yang dapat digunakan sebagai testbeds untuk program agen.




Sifat-sifat environments :

· Accessible vs. inaccessible.
· Deterministic vs. nondeterministic.
· Episodic vs. nonepisodic.
· Static vs. dynamic.
· Discrete vs. continuous.

Intelegent Agents

Kelompok E : Intelegent Agents .

                                     

Virtual Agent Character untuk Mendukung Intelligent LearningSystem Berbasis Web

1. Pendahuluan

Dialog merupakan hal yang paling dasar dalam suatu sistem komunikasi pembelajaran. Suatu sistem pembelajaran saat ini masih sangat bersifat statis dimana informasi text menjadi hal yang utama untuk disajikan. Seorang pengajar megupload materi melalui sistem yang ada dan siswa mendownload. Sistem

komunikasi yang tersedia pun juga berbasis text sebut saja seperti forum dan chating. Hingga pada akhirnya banyak sistem pembelajaran tidak banyak disukai. Menurut sebuah penelitian yang diampaikan oleh Blom [Bloom, B.S., 1984] dikatakan bahwa one-to-one teaching atau pengajaran secara kelompok kecil lebih

baik dibandingkan kelompok besar. Sistem pembelajaran saat ini sudah dapat dibuat untuk kelompok kecil, sehingga prose pembelajaran dapat berjalan baik. Ternyata pada kenyataannya sistem

pembelajaran ini masih belum juga berjalan secara maksimal. Sang-Mok Jeong dan Ki-Sang Song [Sang-Mok Jeong and Ki-Sang Song, 2005] dalam jurnalnya menyatakan bahwa jika human teacher (kehadiran pengajar) dalam lingkungan e-learning dapat dihadirkan maka efek yang sama akan diperoleh bila pengajaran dilakukan secara langsung one-to-one. Tulisan ini mencoba memberikan sebuah alternatif dengan menghadirkan visual

teacher sehingga dapat mendukung terciptanya intelligent learning system khususnya sistem komunikasi pembelajaran.

2. Definisi dan Karakteristik Agent

2.1. Defini Agent

Berikut adalah beberapa definisi agent dari beberapa sumber :

_ Webster’s New World Dictionary [Guralnik, 1983], agent didefinisikan sebagai: A person or thing that acts or is capable of acting or is empowered to act, for another.Disimpulkan [Romi Satria W, 2003]

_ Agent mempunyai kemampuan untuk melakukan suatu tugas/pekerjaan.

_ Agent melakukan suatu tugas/pekerjaan dalam kapasitas untuk sesuatu, atau untuk orang lain.

_ Caglayan [Caglayan et al., 1997] mendefinisikan software agent sebagai:

Suatu entitas software komputer yang memungkinkan user (pengguna) untuk mendelegasikan tugas kepadanya secara mandiri (autonomously).

_ Brenner [Brenner et. al., 1998] mendefinisikan bahwa agent harus bisa berjalan dalam kerangka lingkungan jaringan (network environment)

2.2. Karakteristik Agent

Pemahaman tentang software agent, fungsi, peran, dan perbedaan mendasar dikaitkan software program yang ada, berikut ini akan dijelaskan tentang beberapa atribute dan karakteristik yang dimiliki oleh software agent [Romi Satria W, 2003- 2006].

1. Autonomy: Agent dapat melakukan tugas secara mandiri dan tidak dipengaruhi secara langsung oleh user, agent lain ataupun oleh lingkungan (environment). Untuk mencapai tujuan dalam melakukan tugasnya secara mandiri, agent harus memiliki kemampuan kontrol terhadap setiap aksi yang mereka perbuat, baik aksi keluar maupun kedalam [Woolridge et. al., 1995]. Dan satu hal penting lagi yang mendukung autonomy adalah masalah intelegensi (intelligence) dari agent.

2. Intelligence, Reasoning, dan Learning:  Setiap agent harus mempunyai standar minimum untuk bisa disebut agent, yaitu intelegensi (intelligence). Dalam konsepintelligence, ada tiga komponen yang harus dimiliki: internal knowledge base, kemampuanreasoning berdasar pada knowledge base yang dimiliki, dan kemampuan learning untuk beradaptasi dalam perubahan lingkungan.

3. Mobility dan Stationary: Khusus untuk mobile agent, dia harus memiliki kemampuan yang merupakan karakteristik tertinggi yang dia miliki yaitu mobilitas. Berkebalikan dari hal tersebut adalah stationary agent. Bagaimanapun juga keduanya tetap harus memiliki kemampuan untuk mengirim pesan dan berkomunikasi dengan agent lain.

4. Delegation: Sesuai dengan namanya dan seperti yang sudah kita bahas pada bagian definisi, agent bergerak dalam kerangka menjalankan tugas yang diperintahkan oleh user. Fenomena pendelegasian (delegation) ini adalah karakteristik utama suatu program disebutagent.

5. Reactivity: Karakteristik agent yang lain adalah kemampuan untuk bisa cepat beradaptasi dengan adanya perubahan informasi yang ada dalam suatu lingkungan (enviornment). Lingkungan itu bisa mencakup: agent lain, user, adanya informasi dari luar, dsb [Brenner et. al., 1998].

6. Proactivity dan Goal-Oriented: Sifat proactivity boleh dikata adalah kelanjutan dari sifat reactivity. Agent tidak hanya dituntut bisa beradaptasi terhadap perubahan lingkungan, tetapi juga harus mengambil inisiatif langkah penyelesaian apa yang harus diambil [Brenner et. al., 1998]. Untuk itu agent harus didesain memiliki tujuan (goal) yang jelas, dan selalu berorientasi kepada tujuan yang diembannya (goal-oriented).

7. Communication and Coordination Capability: Agent harus memilikikemampuan berkomunikasi dengan user dan juga agent lain. Masalah komunikasi dengan user adalah masuk ke masalah user interface dan

perangkatnya, sedangkan masalah komunikasi, koordinasi, dan kolaborasidengan agentlain adalah masalah sentral penelitian Multi Agent System (MAS). Bagaimanapun juga untuk bisa berkoordinasi dengan agent lain dalam menjalankan tugas, perlu bahasa standard untuk berkomunikasi. Tim Finin [Finin et al., 1993] [Finin et al., 1994] [Finin et al., 1995] [Finin et al., 1997]dan Yannis Labrou [Labrou et al., 1994] [Labrou et al., 1997] adalah peneliti software agent yang banyak berkecimpung dalam riset mengenai bahasa dan

protokol komunikasi antar agent. Salah satu produk mereka adalah Knowledge Query and Manipulation Language (KQML). Kemudian masih berhubungan dengan ini komunikasi antar agent adalah Knowledge Interchange Format

(KIF).

3. MS Agent untuk menciptakan Visual Agent Character

MS Agent adalah suatu set layanan software yang dapat diprogram, yang mendukung presentasi dari karakter grafis beranimasi dalam interface Windows. Dengan adanya MS Agent, maka dapat memberikan lebih banyak nilai interaktif ke dalam programnya. Contoh penggunaan MS Agent versi 1 yang mudah didapati adalah Office Assistant pada program aplikasi MS Office97.

MS Agent secara garis besar mempunyai tiga layanan (services), yaitu animation service / layanan animasi, input service / layanan input, dan output service / layanan output. Berikut ini ada penjabaran dari layanan-layanan tersebut

Layanan animasi :

_ Load karakter

_ Load karakter default

_ Menganimasikan karakter

Layanan input :

_ Input active client

_ Support untuk pop-up menu

_ Support untuk speech input (input berupa perkataan/omongan)

_ Pemilihan speech engine

_ Event-event speech input

_ Window voice command (perintah dengan suara)

_ Listening tip

Layanan output :

_ Support untuk synthesized speech (suara yang dikeluarkan komputer dan

menyerupai suara manusia)

_ Support untuk audio output

_ Support untuk word baloon

_ Efek suara pada saat animasi

Untuk menciptakan virtual character untuk mendukung terciptanya intelligent learning system cukup digunakan layanan animasi dan layanan output, khususnya synthesized speech. Speech engine/penghasil suara yang digunakan adalah penghasil suara default MS Agent yang berbahasa Inggris.

Penutup

Pengembangan visual agent ini dapat juga digunakan untuk membuat fasilitas chating menjadi lebih dinamis atau dapat juga digunakan dalam penyampaian materi online lainnya.

Adapun saran yang penulis sampaikan adalah bahwa penciptakan character pada akhirnya juga dapat menetukan keberhasilan suatu pembelajaran untuk itu pemilihan character untuk visual agent (teacher) dapat disesuaikan.

REFERENSI : http://majour.maranatha.edu/index.php/jurnal-informatika/article/view/272

Knowledge Management System Life Cycle

Knowledge Management System Life Cycle 

Di dalam suatu organisasi, terutama di dalam dunia kerja, seringkali terjadi regenerasi. Dari tiap-tiap generasi akan mengalami kejadian-kejadian dan akan memiliki pengalaman yang berbeda-beda. Regenerasi dari tiap organisasi selalu terjadi. Oleh karena itu generasi yangbaru perlu mengetahui apa-apa saja yang telah dilakukan, dialami, dan pernah terjadi di organisasi, agar, perkembangan organisasi dapat lebih baik dan kesalahan yang terjadi dapat lebih kecil, dengan berbekalkan pengalaman, pengetahuan, data, dan dokumentasi-dokumentasi lainnya mengenai organisasi tersebut pada generasi-generasi sebelumnya. Bila tidak ada knowledge management, maka pengalaman-pengalaman, dan ilmu-ilmu yang telah di dapat oleh orang-orang sebelumnya, maka akan terbawa dan hilang begitu saja,seiring menghilangnya orang yang tergantikan tersebut.mungkin adnda masih bingung dengan apa yang saya ungkapkan barusan.

Contoh Sederhana:
Sebuah perusahaan mempunyai seorang pegawai yang sudah lama bekerja bertahun-tahun, mulai ketika ia menjadi pegawai junior, hingga menjadi kepala staff(pegawai senior). Jenjang waktu yang ditempuh pastinya tidak sebentar, oleh karena itu pengalaman yang didapat dan kemampuan yang dimiliki dibidangnyapun tidak sedikit, katakanlah telah mengalami berbagai proses pembelajaran(seminar, training, sertifikasi, dll) kemudian apabila pengetahuan yang dimiliki oleh satu orang pegawai ini tidak didokumentasikan, maka ketika pegawai tersebut telah habis masa jabatannya, maka penggantinya harus mengalami proses dari 0(nol) lagi, semisal, mengumpulkan pengalaman-pengalaman dari nol, atau harus mengalami training yang sama dengan seniornya terdahulu, yang mana pasti memakan biaya dan dari segi waktu kurang effisien.

Karena Itulan tercipta sebuah sistem yang sering dikenal manajemen pengetahuan, atau nge-trend dengan istilah Knowledge Management System Life Cycle.

Knowledge Management System Life Cycle mempunyai fungsi yang hampir sama dengan SDLC(System Development Life Cycle) yakni sebuah siklus sistem dalam membangun suatu suatu proyek. yang membedakan antara SDLC dan KMSLC adalah pendekatan yang dipakai.

SDLC	KMSLC
System analyst mendapatkan informasi dari User	Knowledge Developer mendapat pengetahuan dari pakar
User tahu permasalahannya, tetapi tidak mengetahui solusinya	Pakar mengetahui keduanya, baik permasalahan dan juga solusinya
Pembuatan sistem dilakukan secara berurut	Pembuatan sistem dilakukan dengan melakukan peningkatan-peningkatan juga secara interaktif
Pengujian dilakukan pada akhir setelah sistem terbentuk	Pengujian dilakukan di awal sistem, mengacu pada pengetahuan pakar

Capturing Tacit Knowledge

TUGAS KELOMPOK CAPTURING TACIT KNOWLEDGE

Nama kelompok Team Project :

1. Muhammad sya’bani
2. Ario dwi pratama
3. Farid irawan
4. Fuja Novriansyah
5. Wahyu Jaksana 

Setiap tim harus mempersiapkan berdasarkan tema proyek mereka;
1. Wawancara [10 pertanyaan]
2. Kuesioner [10 pertanyaan]
3. Metode Tambahan [minggu depan]
Berikut yang dapat kami persiapkan dalam membangun kproyek tersebut dan tireapkan pada knowledge management system  :
1.       Wawancara [10 pertanyaan] :
a.       Metode atau Teknologi apa yang harus dimiliki dalam Desain KMS tersebut ?b.      Tahukah pegawai anda jika aplikasi desain knowledge ini menggunakan Design KMS ?c.       Apakah sistem knowledge management memerlukan bantuan atau pun teknologi yang lebih luas untuk membantu pegawai dalam menganalisa data penting yang sangat banyak?d.      Seberapa detail persiapan sistem knowledge management untuk menangkap knowledge?
e.       Cara-cara apa yang akan anda gunakan untuk mengenali objek-objek knowledge?.”f.       Adakah standarisasi pengarsipan dokumen atau file dalam sebuah Desain KMS tersebut?g.       Solusi / masukan apa saja yang akan di berikan untuk di masa yang akan datang ?h.      Bagaimana langkah atau cara anda dalam memberikan evaluasi disetiap proyek anda ?i.        Di gunakan dalam hal apa sajakah hasil evaluasi tersebut?j.        Adakah aspek lain dari KMS yang tengah dipersaingkan namun kita belum miliki?
2.      Questionairre (Kuesioner)

No	Pertanyaan		Kuisioner					Catatan
			1 Rendah	2	3	4	5 Tinggi
1	Bagaimanakah persediaan knowledge yang dimiliki pada perusahaan ini? Apakah meningkat atau menurun?
2	Bagaimanakah kita dapat memastikan bahwa persediaan knowledge terus-menerus meningkat?
3	Dimana peringkat perusahaan Anda dalam hal dimilikinya kemajuan pengetahuan yang diperlukan dalam industri perusahaan Anda?
4	Dapatkah persaingan dengan mudah menyuburkan dan mengembangkan knowledge ini tanpa ditiru?
No		Pertanyaan	Rating
			1 Cenderung	2	3	4	5 Kemungkinan besar		Catatan
5		Mengelola pengetahuan organisasi merupakan pusat asosiasi strategi
6		Asosiasi memahami potensial menghasilkan pendapatan dari perusahaan aset pengetahuan dan mengembangkan strategi untuk pemasaran dan penjualan mereka
7		Asosiasi menggunakan belajar mendukung kompetensi inti yang ada dan membuat yang baru
8		Individu dipekerjakan, dievaluasi dan kompensasi atas kontribusi mereka untuk pengembangan organisasi
9	Apakah struktur organisasi Anda perusahaan mampu membuat intern pengetahuan transparan?
10	Apakah karyawan perusahaan Anda memahami inti perusahaan Anda kekuatan kompetitif? Apakah mereka didorong untuk melakukannya? Apakah mereka diberikan waktu untuk melakukannya?
11	Apakah perusahaan Anda tergantung pada pengetahuan dan kompetensi sekitar nya: - Orang-orang? - Proses? - Infrastruktur Teknologi?

3.      SSM (soft system methodology)  metode tambahan
Metode tambahan yang kami pilih adalah metode delphi method