Meningkatkan Efektivitas dan Efisiensi Perpustakaan dengan Sistem Berbasis Collective Intelligence

PENDAHULUAN

Collective intelligence bukanlah sesuatu yang asing, terutama bagi mereka yang merasakan gelombang perkembangan digital. Istilah collective intelligence mungkin terdengar asing, namun mereka yang mengecap internet hampir tidak akan asing dengan istilah Google atau Wikipedia. Google dibangun berlandaskan dan untuk mengumpulkan collective intelligence yang ada di Internet (Ilon, 2012), demikian pula Wikipedia mendapatkan kontennya berbasis collective intelligence (Lih, 2009). Collective intelligence dibangun berdasarkan asumsi bahwa sekelompok orang memiliki pengetahuan yang lebih banyak dibanding dengan individu terpandai dalam kelompok tersebut (Surowiecki, 2005). Hal ini kemudian yang mendasari konsep bahwa kualitas yang dihasilkan dalam collective intelligence harus lebih baik daripada yang dihasilkan individu (Chen, 2007).

Di sisi lain, pengetahuan sebagai aset tak berwujud menjadi penting bagi suatu organisasi saat ini, sehingga dibutuhkanlah manajemen pengetahuan (Liebowitz dan Wright, 1999; Gupta dkk, 2000; Boder, 2006). Pengetahuan ini digunakan sebagai dasar pengambilan keputusan (Davenport dan Prusak, 1998), namun sebagai seorang individu, seseorang memiliki keterbatasan baik dalam hal pengetahuan yang dimiliki maupun sebagai pengambil keputusan sehingga dibutuhkan tim untuk mencapai sesuatu yang lebih baik (Bonabeau, 2009).

Demikian pula value proposition yang dimiliki suatu organisasi tidak jarang yang mengalami kegagalan (Currie, 2004) sehingga topik resiko kegagalan menjadi topik yang penting dalam manajemen (Shapira, 1997; Doherty, 2000). Collective intelligence dari konsumen menjadi penting dalam hal ini untuk membuat value proposition yang dimiliki sesuai dengan kebutuhan konsumen (Gillin dan Schwartzman, 2011). Tidak dapat dipungkiri, saat ini perpustakaan tengah mengalami perubahan yang besar dan mengancam sustainability-nya (Holman, 1989; Delgadillo dan Lynch, 1999). Perpustakaan tidak lagi mampu berpikir strategis karena sumber daya manusianya semakin turun kuantitasnya (Bowker, 1984; Croneberger, 1989; Osa, 2002), namun tanggung jawabnya semakin besar (Brewer, 1998). Turunnya anggaran yang diterima (Hernon dan Whitman, 2001; Grimes, 1998), kenaikan harga buku (Burnam, 1998), dan semakin banyaknya jumlah publikasi (Youngen, 1998; Torres-Salinas dan Moed, 2009) mengharuskan pustakawan semakin cermat dalam memilih koleksi. Belum lagi masalah target pengerjaan katalog yang besar dapat mengakibatkan turunnya kualitas (Gerhard dkk., 1998), kurangnya sumber daya manusia mengakibatkan penurunan kualitas pelayanan sirkulasi dan referensi (Zhu dan Zhang, 1998), pengukuran kinerja terabaikan (Hernon dan Altman, 2010), dan berbagai masalah lain yang menurunkan produktivitas perpustakaan.

Penggunaan sistem informasi perpustakaan dapat membantu menyelesaikan permasalahan tersebut (Ferguson dan Bunge, 1997), namun jika penggunaannya hanya sekedar untuk otomasi (Saffady, 1999) maka perpustakaan tidak akan bertahan lebih lama lagi (Venkatraman, 2005).Perpustakaan perlu menerapkan business intelligence untuk meningkatkan efektivitas dan efisiensinya (Heckart, 1998; Lancaster dan Warner, 2001). Salah satu cara untuk memfokuskan diri pada pengguna adalah dengan melibatkan pengguna tersebut dalam sistem yang ada sehingga dapat menghasilkan collective intelligence.

Collective intelligence telah banyak digunakan dalam perpustakaan terutama dalam bentuk crowdsourcing untuk multilingual library (Budzise-Weaver dkk, 2012; He, 2012). Wang juga menemukan bahwa penggunaan collective intelligence penting bagi perpustakaan untuk mencegah terjadinya redudansi informasi yang tidak memberikan nilai tambah namun menghabiskan sumber daya lebih (Wang dkk, 2012). Penggunaan collective intelligence dalam perpustakaan masih lebih banyak mengarah ke crowdsourcing katalog dimana perpustakaan meminta bantuan penggunanya untuk meningkatkan kualitas data yang ada (Johnson, 2012). Namun jika benar-benar perpustakaan ingin memfokuskan diri pada kebutuhan penggunanya, maka pengguna harus terintegrasi di semua bagian perpustakaan mulai dari proses pengadaan koleksi hingga katalogisasi dan layanan akhir.

Mengapa Harus Collective Intelligence
Hal pertama yang perlu diperjelas adalah beda antara otomasi dan sistem informasi pada perpustakaan. Otomasi berbicara sekedar menggunakan sistem yang ada untuk menggantikan proses manual, sedangkan sistem informasi berbicara tentang bagaimana pengguna bisa mendapatkan informasi yang tepat pada saat yang tepat untuk membantu pengambilan keputusannya.

Contohnya, adanya online catalog dalam perpustakaan tidak dapat dikatakan sebagai sistem informasi, namun hanya sekedar otomasi. Meskipun mungkin pengguna dapat mencari buku yang diinginkan lebih cepat, namun jika tidak ada nilai tambah yang diberikan maka hal ini hanyalah sekedar otomasi dimana pengguna juga dapat mencari informasi yang dibutuhkan melalui catalog manual dengan hanya berbeda lama waktu pencarian saja. Online catalog dapat dianggap sebagai sistem informasi jika memberikan nilai tambah lainnya daripada sekedar mengotomasikan proses yang ada, misalnya dengan memberikan rekomendasi buku yang terkait dengan buku yang dicarinya.

Jika perpustakaan hanya mengandalkan sistem informasinya hanya untuk otomasi, ke depannya dapat dipastikan perpustakaan akan ditinggalkan. Pertama, otomasi tidak dapat menjadi competitive advantage bagi suatu organisasi, namun sistem informasi dapat menjadi competitive advantage. Hal ini dikarenakan otomasi hanya terkait dengan dua hal saja, yaitu perangkat keras dan perangkat lunak yang di semua organisasi mampu menerapkan. Namun sistem informasi tidak hanya sekedar berbicara tentang otomasi saja, namun juga bagaimana proses, pengguna, dan data saling terlibat. Kedua, adanya perkembangan search enginee yang menerapkan semantic search dan gerakan open content seperti Wikipedia menyebabkan banyak orang lebih memilih untuk langsung mencari di web daripada di perpustakaan, apalagi setiap tahunnya kredibilitas Wikipedia dan konten web yang dulunya sempat diragukan, mulai dapat diterima dan dapat diukur.

Salah satu hal yang diperlukan dalam menunjang sustainability suatu organisasi adalah collective intelligence. Collective intelligence adalah bagaimana orang-orang yang independen menyimpulkan sesuatu (Segaran, 2007) dalam kompetisi (Nguyen dan Szalas, 2010) atau kooperasi intelektual untuk mencipta atau berinovasi (Levy, 2009). Collective intelligence menganut semangat dua orang lebih baik dari satu, sehingga banyak orang secara kolektif dapat menghasilkan solusi yang lebih baik daripada orang per seorang (Jedrzejowicz, 2009). Secara sederhana, Levy (2011) mengemukakan bahwa collective intelligence berhubungan dengan dua hal, yaitu kognitif (intelligence) dan masyarakat atau komunitas (collective). Permasalahannya adalah collective intelligence ada dalam setiap struktur sosial yang ada, namun tidak dapat dimanfaatkan secara maksimal oleh manusia dalam struktur sosial tersebut. Misalnya suatu kota memiliki collective intelligence yang sangat besar, namun masyarakatnya hanya mampu mengambil sedikit manfaat dari hal ini karena susahnya berkomunikasi. Saat ini manusia memasuki masa dimana masyarakat yang egois adalah sesuatu yang biasa (Kato, 2009). Masyarakat hanya mementingkan dirinya sendiri sehingga kolaborasi bahkan komunikasi menjadi hal yang sangat langka jika tidak berhubungan dengan kepentingannya. Jika potensi yang dimiliki adalah besar namun tidak dapat mengekstraknya, maka hasilnya sama saja dengan tidak berguna. Diperlukan suatu sistem agar collective intelligence dapat diekstrak dan dimanfaatkan oleh masyarakat modern. Collective intelligence hanya dapat diperkaya melalui mengkoordinasi individual atau memfasilitasi dialog, dan bukan dengan cara menyeragamkan standar yang digunakan masyarakat (Levy, 2011).

Dengan demikian, sebenarnya konsep collective intelligence sesuai dengan jiwa dan kepribadian bangsa Indonesia. Jika selama ini Bangsa Indonesia mengedepankan prinsip kekeluargaan dan musyawarah mufakat, maka sebenarnya prinsip collective intelligence dapat diterapkan dengan baik. Dengan perkembangan teknologi informasi seperti web 2.0, semantic, dan social media, maka pemanfaatan collective intelligence di dalam sistem informasi tidak lagi menjadi kendala yang besar.

Membangun Sistem Berbasis Collective Intelligence
Kesalahan yang paling mendasar dalam mengembangkan sistem berbasis collective intelligence adalah anggapan bahwa sistem ini harus menggunakan software yang canggih atau perlu membuat sistem informasi seperti Facebook, Twitter, atau sejenisnya untuk memaksimalkan kolaborasi. Memang benar bahwa sistem informasi dalam hal ini akan sangat membantu, namun segala yang bersifat simbolis (dalam hal ini sistem informasi dan otomasi) adalah diturunkan dari empiris dan konseptual. Sistem informasi adalah bentuk simbolis dari sistem, sehingga konsep collective intelligence juga dapat diterapkan dalam sistem manual sekalipun.

Kesalahan kedua adalah adanya anggapan bahwa dengan diterapkannya collective intelligence maka tidak akan ada lagi hirarki dalam suatu sistem yang dapat mengacaukan sistem tanggung jawab yang selama ini ada dalam organisasi. Collective intelligence sendiri tidak pernah menyatakan bahwa semua yang tergabung di dalamnya harus memiliki derajat yang sama, collective intelligence hanya berbicara tentang sekelompok individu yang menuangkan pengetahuannya bersama untuk dapat dipakai secara kolektif. Dengan demikian tidak ada hubungan antara collective intelligence dengan hirarki yang ada.

Untuk memudahkan membuat sistem berbasiskan collective intelligence, Malone dkk (2009) telah membuat sebuah model kerangka kerja yang dapat digunakan untuk memetakan sistem yang akan dibuat.

Gambar 1 – Elemen yang Membangun Sistem Collective Intelligence
(Sumber: Malone dkk, 2009)

Pertanyaan siapa yang melakukan aktivitas dapat dikategorikan menjadi dua, yaitu hierarchy dan crowd. Hierarchy berarti memberi tugas oleh seseorang yang memiliki otoritas.Contohnya Linus Torvalds dalam mengembangkan open source Linux, walaupun memperbolehkan siapapun untuk mengubah algoritmasoftware-nya, pada akhirnya tetap dia yang memilih untuk menerima perubahan tersebut atau tidak. Crowd berarti siapapun dapat memilih melakukan suatu pekerjaan tanpa ada otoritas yang menyuruhnya. Contohnya pada Wikipedia, semua orang dapat membuat atau mengubah suatu konten.

Pertanyaan mengapa melakukan aktivitas dapat dijawab dengan imbalan apa yang didapatkan oleh pelaku aktivitas, yaitu money, love, dan glory. Money merupakan motivasi ekstrinsik yang paling sering digunakan. Love merupakan alasan karena mencintai untuk melakukan sesuatu, adanya kesempatan bersosialisasi dengan yang lain, atau berbagai perasaan nyaman lainnya. Glory berbicara tentang keinginan untuk diakui, seperti ingin tercantum dalam daftar contributor dalam suatu proyek.

Apa yang dikerjakan dapat dibagi menjadi dua bagian besar, yaitu create dan decide. Create mengacu pada pembuatan sesuatu yang baru atau sebuah inovasi. Decide mengacu pada evaluasi dan memilih alternatif. Pertanyaan bagaimana dijawab dengan melihat struktur organisasi dan proses. Malone dkk (2009) menggabungkan keempat faktor ini dalam matriksnya untuk menjawab pertanyaan bagaimana: create, decide, independent, dan dependent.

Collection terjadi ketika anggota dalam kelompok memberikan kontribusinya dengan menciptakan konten secara terpisah. Misalnya dalam Kompas Blog, setiap orang melakukan posting konten secara terpisah. Biasanya juga terdapat kompetisi dimana setiap anggota berlomba untuk menjadi yang terbaik, contohnya dalam Google Community tiap-tiap hacker yang tergabung berlomba mencari bug Google dan memperbaikinya untuk mendapatkan kompensasi uang.

Collaboration terjadi ketika seseorang membuat suatu konten namun konten ini tidak dapat lepas dari apa yang telah dibuat orang lain dalam kelompok tersebut. Contohnya Wikipedia, sekalipun ada seorang anggota yang membuat artikel baru, orang ini harus menghubungkan dalam hyperlink ke artikel-artikel lainnya yang terkait yang telah dibuat oleh orang lain.

Group decisions terjadi ketika semua masukan anggota diterima untuk kemudian dipilih satu secara bersama yang nantinya akan merepresentasikan keputusan kelompok tersebut. Beberapa metode yang dapat digunakan antara lain: voting, consensus, averaging, dan prediction markets. Contoh voting adalah bagaimana Digg menentukan cerita yang paling menarik untuk ditampilkan sebagai yang populer melalui vote yang diberikan anggota lain pada cerita tersebut. Voting juga dapat bersifat implicit seperti pada YouTube yang memberikan peringkat video view. Voting juga dapat bersifat weighted seperti Google yang memberikan peringkat berdasarkan linkback, jumlah pengunjung, dan beberapa kriteria lain.

Consensus berarti semua anggota setuju terhadap keputusan akhir. Averaging hampir sama dengan voting namun biasanya dilakukan untuk nilai yang terdapat range seperti pemberian rating film dari angka 1-5, dan keputusan akhir diperoleh dari yang memiliki rating tertinggi. Prediction markets dilakukan dengan meminta anggota untuk melakukan prediksi masa depan,contohnya memprediksi barang apa yang akan populer di masa depan menggantikan gadget, dan mereka yang berhasil memprediksi biasanya akan diberikan hadiah.

Individual decisions terjadi ketika seorang anggota mendapatkan masukan dari yang lain, namun tidak memiliki kewajiban untuk harus mengambil keputusan tersebut. Misalnya pada akun Facebook, walaupun seseorang mendapat rekomendasi memainkan suatu game yang mungkin sangat dia sukai, dia tidak harus memainkan game tersebut.

Dua metode yang biasanya digunakan adalah markets dan social networks. Pada markets, terdapat pertukaran formal seperti uang yang terjadi antar anggota, seperti penjualan yang terjadi pada eBay. Social networks terjadi ketika pada beberapa anggotanya terbentuk suatu ikatan yang kuat, seperti blogsphere dimana anggota yang satu memasukkan link blog temannya pada blognya dan demikian sebaliknya.

Keempat pertanyaan tersebut perlu dijawab ketika membentuk suatu task dalam sistem. Berikut adalah salah satu contoh bagaimana mengimplementasikan kerangka kerja tersebut dalam suatu sistem.

Sistem Informasi Berbasis Collective Intelligence

Seperti yang telah dijelaskan di atas, tidak ada keharusan collective intelligence harus dijalankan menggunakan sistem informasi, namun memang jika dijalankan dalam sistem informasi akan memiliki banyak kelebihan. Penjelasan berikut adalah bagaimana collective intelligence dapat diterapkan dalam perpustakaan untuk menjawab kebutuhan anggotanya serta diskusi singkat penerapan secara manual maupun dengan sistem informasi.

Bagian Pengadaan
Bagian pengadaan koleksi merupakan bagian yang paling dilupakan jika dikaitkan dengan kepuasan pelanggan. Hingga saat ini di semua organisasi masih banyak anggapan bahwa bagian produksi barang atau jasa adalah pihak internal perusahaan yang menentukan, sedangkan bagian layanan adalah pihak konsumen yang menentukan. Padahal jika diruntut, barang atau jasa yang diberikan oleh suatu perusahaan adalah pilihan konsumen itu sendiri, apalagi di era persaingan yang semakin ketat ini, konsumen memiliki kemampuan bargaining yang sangat besar. Dengan demikian seharusnya perusahaan melibatkan konsumen bahkan sejak tahap sebelum produksi produk dilakukan, yaitu pada tahap riset dan pengembangan produk.

Kesalahan yang sama juga terjadi dalam perpustakaan. Perpustakaan menganggap bahwa pemilihan koleksi adalah tanggung jawab pustakawan, sedangkan bagian layanan dan referensi harus sesuai dengan keinginan pengguna. Sebenarnya kedua hal ini saling terkait, jika pengguna tidak menemukan koleksi yang diinginkan di perpustakaan, tentu saja ini akan mengurangi kepuasan pengguna. Dalam hal ini pengguna perlu dilibatkan sejak awal mulai dari proses pengadaan.

Jika sudah demikian, maka kesalahan kedua biasanya akan terjadi. Pengguna memang diperbolehkan untuk melakukan proses pengusulan, namun biasanya pustakawan yang akan mengambil keputusan akhir berdasarkan “intuisinya”. Pustakawan biasanya akan melakukan generalisasi dalam melakukan pemilihan koleksi, bahwa jika ada satu orang yang mengusulkan pembelian suatu koleksi, maka koleksi tersebut tentunya bagus.

Ditambah mungkin dengan sedikit riset di web tentang bagaimana review buku tersebut, pustakawan akan menentukan dibeli tidaknya koleksi tersebut. Padahal belum tentu apa yang diusulkan oleh satu orang tersebut juga dibutuhkan oleh pengguna yang lain, atau belum tentu jika hasil review di luar berkata buruk berarti koleksi tersebut tidak dibutuhkan oleh pengguna perpustakaan tersebut.

Dalam hal ini collective intelligence dapat menjadi penyelesaiannya, pustakawan tidak hanya meminta masukan dari satu orang saja, namun bisa dari banyak orang.Tentu saja permasalahan berikutnya yang muncul adalah bagaimana meminta pendapat pengguna lainnya. Dalam kalangan terbatas, hal ini masih dimungkinkan dengan cara manual. Misalnya dalam kasus perpustakaan universitas, bisa saja dosen yang ingin mengusulkan suatu buku wajib, menuliskan judul bukunya pada lembaran post-it dan menempelkannya di papan jurusan.

Dosen-dosen lain yang tentu saja sering lalu lalang dapat memberikan persetujuan berupa rating atau dapat melakukan komentar bahwa buku tersebut isinya kurang mendukung kurikulum atau komentar lainnya. Judul buku yang mendapatkan masukan memuaskan dan banyak disetujui dapat langsung dipesan, namun yang lainnya dapat ditunda atau di-review lebih jauh lagi.

Jika anggotanya sedikit tidak akan jadi masalah, namun bagaimana jika berbicara tentang konteks yang lebih luas dengan ribuan anggota misalnya. Hampir mustahil untuk meletakkan usulan suatu buku pada suatu papan untuk di-review oleh yang lain, apalagi jika area gerak pengguna sangat luas.

Dibutuhkan suatu sistem dimana orang dapat mengakses kapanpun dan dimanapun untuk dapat memberikan masukan. Dalam hal ini penggunaan online catalog yang mulai banyak dipakai dapat diberdayakan lebih jauh. Pengguna bukan saja dapat melakukan pengusulan suatu koleksi, namun juga dapat melihat usulan lainnya dan memberikan komentar, penilaian, dan hal-hal lain yang berhubungan dengan penilaian kelayakan.

Dua masalah lanjutan biasanya akan muncul kemudian. Pertama, bagaimana caranya agar pengguna mudah berpartisipasi dalam memberikan komentar, sedang untuk mengusulkan saja seringkali orang malas untuk melakukannya (Bintoro, 2012). Hal ini akan mudah diselesaikan jika menggunakan sistem informasi, intinya adalah memperbaiki user interface yang ada.

Riset yang ada menunjukkan bahwa pengguna malas untuk memberikan usulan karena panjang prosedurnya dan kadangkala pengguna sendiri tidak tahu judul apa yang dia ingin usulkan, pengguna hanya tahu bahwa dia butuh buku yang isinya tentang X. Penggunaan sistem informasi harus memudahkan hal ini, dimana jika pengguna mencari suatu koleksi melalui online catalog dan tidak menemukannya, maka sistem harus dapat memberikan rekomendasi seperti “do you mean this…” yang dapat memanfaatkan sistem information retrieval dari sumber luar seperti Amazon atau sumber serupa.

Sistem manual masih memungkinkan adanya hal ini, yaitu dengan datang pada bagian referensi untuk meminta bantuan pencarian koleksi yang diinginkan dan bagian referensi yang akan menindaklanjuti hal ini nantinya dengan mencarikan koleksi yang diinginkan dari sumber luar dan sebagai bahan pertimbangan di bagian pengadaan untuk mencari koleksi tersebut. Namun tentu saja ini berarti akan menambah tugas dan tanggung jawab pustakawan.

Kedua, jika sistem ini berhasil diterapkan, maka pustakawan akan kebanjiran data dan membutuhkan waktu yang lama untuk menilainya, apalagi jika penilaian membutuhkan faktor yang sangat banyak. Secara umum, faktor-faktor yang layak dipertimbangkan adalah sesuai dengan apa yang terlihat dalam diagram di bawah.

Penilaian terhadap faktor-faktor tersebut akan sangat mudah jika dilakukan secara otomatis oleh sistem informasi, namun hal yang sama juga dapat dilakukan dengan sistem manual. Tentu saja sistem manual memiliki keterbatasan akan sangat lama jika memperhitungkan semua faktor tersebut, namun pustakawan dapat membagi faktor-faktor tersebut dalam dua bagian besar saja, yaitu bagaimana pendapat pengguna dan bagaimana review luar berdasarkan metode statistika yang sederhana.

Gambar 3 – Contoh Detil Penilaian Luar dalam Sistem Rekomendasi Pembelian
(Sumber: Bintoro, 2012)

Penerapan sistem berbasis collective intelligence pada bagian pengadaan berfungsi tidak saja untuk meningkatkan kepuasan pengguna terhadap perpustakaan, namun juga berdampak pada penghematan anggaran pembelian koleksi karena perpustakaan tidak perlu lagi mengeluarkan biaya untuk sesuatu yang tidak berdampak besar bagi pengguna. Selain itu, sistem yang mengintegrasikan pengguna sedari awal dengan sendirinya ikut serta dalam mengikat pengguna untuk dapat lebih terlibat dalam perpustakaan.

Bagian Pengolahan
Kegiatan pemrosesan yang paling lama dilakukan dalam memasukkan data adalah pemberian nomor katalog dan pemberian subjek koleksi. Tidak jarang dua hal ini yang di kemudian hari seringkali mengalami revisi karena kurang detil nomor katalognya, atau salah subjek, atau subjek tidak lengkap, dan sebagainya. Saat ini pustakawan dituntut untuk memberikan nomor katalog dan subjek dengan lebih detil dan akurat daripada sebelumnya, namun tumpukan koleksi yang harus diolah semakin banyak. Dalam hal ini collective intelligence juga dapat menjadi jawaban dalam menjawab masalah bagian pengolahan.

Secara manual, pemrosesan nomor katalog suatu koleksi tidak perlu lagi harus mencari sendiri, misalnya menggunakan lima jilid buku DDC yang tebal. Telah banyak sumber crowdsourcing diluar yang menyediakan computer-aided logical processes untuk menuntun pustakawan mendapatkan nomor katalog yang detil atau perpustakaan digital lain yang telah memproses buku tersebut sebelumnya dan pustakawan hanya perlu mereplikasinya. Namun jika pemrosesan tersebut dapat dilakukan secara otomatis, maka tentu saja akan dapat mempercepat pemrosesan.

Otomatis yang dimaksud lebih mengarah pada pemberian referensi pada pustakawan, namun keputusan akhir untuk menggunakan referensi tersebut tentu saja berada di tangan pustakawan yang mengolahnya. Ada banyak cara praktis untuk membangun sistem referensi ini, diantaranya adalah dengan melakukan information retrieval melalui penggunaan web services atau API (Application Programming Interface) yang banyak disediakan oleh situs-situs bibliografi dengan masukan berupa ISBN saja. Adanya sistem referensi yang otomatis ini tentu saja akan meningkatkan efisiensi pengolahan koleksi.

Perpustakaan juga dapat menerapkan crowdsourcing pada online catalog-nya dimana pengunjung dapat melakukan perubahan terhadap data-data koleksi tersebut. Tentu saja perubahan yang sesungguhnya perlu menunggu konfirmasi lebih lanjut dari pustakawan yang bertugas karena jika tidak demikian potensi vandalisme data akan sangat besar. Mungkin pustakawan memiliki keterbatasan waktu dalam melakukan penjaminan mutu katalogisasi, sistem collective intelligence dapat menutupi kelemahan tersebut. Pengguna perlu dapat langsung mengubah data yang ada, karena akan lebih mudah bagi pengguna untuk langsung mengubah daripada harus melaporkan kepada bagian pengolahan walau disediakan tombol report pada katalog tersebut. Pengguna juga akan merasa lebih memiliki perpustakaan tersebut jika dipercaya untuk dapat mengubah data-data yang ada.

Bagian Sirkulasi dan Referensi
Bagian sirkulasi dan referensi dapat dikatakan sebagai ujung tombak perpustakaan karena yang secara langsung berhubungan dengan pengguna perpustakaan. Di dalam value chain perpustakaan, bagian ini dapat dianggap sebagai primary activity karena langsung berhubungan dengan pengguna. Permasalahan yang sering timbul kaitannya dengan sirkulasi adalah pemesanan dan perpanjangan koleksi. Untuk peminjaman koleksi, tidak masalah bagi pengguna untuk datang ke perpustakaan, namun berdasarkan survey yang dilakukan penulis, pengguna banyak yang mengeluh jika hanya untuk perpanjangan dan pemesanan juga harus datang. Masalah lainnya adalah pengunjung ternyata malas jika harus memesan koleksi dengan cara manual atau prosedur yang rumit. Pengguna lebih memilih untuk mencari referensi di sumber yang lain daripada harus memesan buku tersebut di perpustakaan.

Di sisi yang lain, survey yang dilakukan penulis terhadap para peminjam koleksi menyatakan bahwa pengguna memilih untuk mengembalikan buku mendekati deadline jika tidak berencana meminjam buku lainnya. Hal ini berarti koleksi yang ada tidak dapat digunakan secara maksimal oleh penggunanya karena adanya kemungkinan lag time yang seharusnya dapat digunakan namun tidak digunakan.

Dalam hal ini sistem berbasis collective intelligence dapat menjadi jalan keluarnya. Secara manual, pengguna harus bisa mendapatkan akses yang mudah pada formulir pemesanan misalnya di sebelah katalog dan pengguna juga dapat melakukan perpanjangan melalui telepon atau media lain tanpa harus hadir secara fisik kecuali jika koleksi yang ingin diperpanjang ada yang meminjam. Lebih jauh lagi, ketika ada pengguna yang ingin memesan suatu koleksi yang sedang dipinjam, orang yang meminjam dapat dikirimi pesan bahwa sedang ada yang menunggu pesanannya sehingga jika memang orang tersebut sudah selesai menggunakan maka dapat segera dikembalikan. Secara sistem informasi, hal yang dilakukan juga menganut asas yang sama, namun dapat diintegrasikan pada catalog online. Selama ini banyak terlihat bahwa untuk melakukan pemesanan terhadap suatu koleksi perlu login, tekan tombol pesan, dan memasukkan nomor induk buku yang akan dipesan atau identitas lainnya. Menggunakan prinsip collective intelligence, pengguna catalog online dapat segera melakukan pemesanan pada suatu koleksi dengan hanya menekan satu tombol dan verifikasi user saja. Pengguna juga dapat melakukan perpanjangan sendiri karena semua sistem yang ada harus terintegrasi. Dalam hal ini efisiensi proses dan peningkatan kepuasan pengguna akan dapat diraih.

Kesimpulan
Paper ini memang bukan bertujuan untuk membahas sisi teknis bagaimana penerapan collective intelligence dalam sebuah sistem informasi perpustakaan, melainkan untuk mengajak pembaca berpikir kritis bagaimana penerapan collective intelligence dapat diterapkan secara holistik dan stratejik dalam perpustakaan. Collective intelligence dalam hal ini dapat dijalankan dalam setiap perpustakaan, baik perpustakaan yang belum menerapkan sistem informasi atau yang sudah menerapkan. Collective intelligence memang dapat dimaksimalkan dan dipermudah implementasinya jika diintegrasikan dalam sistem informasi perpustakaan, namun jika ditelaah, segala sesuatu yang bersifat otomatis adalah berasal dari empiris dan konseptual yang kemudian dituangkan dalam simbol. Dengan kata lain, segala yang bersifat otomatis juga dapat dilakukan secara manual walaupun mungkin ada masalah dengan sumber daya yang ada.

Benar bahwa teknologi juga bersifat disruptives, mungkin sistem informasi yang digunakan perpustakaan saat ini sudah tidak dapat dikembangkan lagi sehingga untuk menerapkan collective intelligence diperlukan sistem yang benar-benar baru. Sebenarnya saat ini, pengembangan sistem informasi yang benar-benar baru bukan lagi masalah yang krusial. Dengan perkembangan open source di bidang social media dan web 2.0 serta adanya framework yang memudahkan development, permasalahan tersebut dapat direduksi. Pustakawan dalam hal ini tidak perlu berperan sebagai programmer, namun pustakawan diharapkan memiliki digital literacy bahkan digital fluency dalam menghadapi era perubahan. Memanfaatkan open source dan content management system saat ini tidak mengharuskan seseorang memiliki kemampuan programming kecuali jika ingin memodifikasinya. Pustakawan hanya perlu memiliki kemampuan untuk melakukan instalasi sesuai dengan prosedur dan mengikuti perkembangan proyek-proyek open yang saat ini sedang dikembangkan melalui Internet.

Mau tidak mau, pada akhirnya perpustakaan akan dipaksa menggunakan konsep collective intelligence karena melihat perkembangan digital yang mengarah pada social media dan konsep manajemen yang mengutamakan pengguna. Penggunaan konsep collective intelligence bukan saja bertujuan untuk membuat business sustainability, namun lebih jauh konsep ini memungkinkan terjadinya business evolvability yang diperlukan dalam menghadapi perubahan.

Daftar Pustaka

Bintoro, A.F. 2012. Analisis dan Perancangan Collective Intelligence untuk Efektivitas dan Efisiensi Pengadaan Koleksi pada Perpustakaan Universitas X. UII. (working paper – under submission)

Boder, A. 2006. Collective Intelligence: A Keystone in Knowledge Management. Journal of Knowledge Management Vol. 10 No. 1 2006: 81-93.

Bonabeau, E. 2009. Decisions 2.0: The Power of Collective Intelligence. MIT Sloan Management Review Volume 50 Nomor 2: 45-52.

Bowker, R.R. 1984. The Bowker Annual of Library & Book Trade Information. R.R. Bowker: USA.

Brewer, J. 1998. Post-Master’s Residency Programs: Enhancing the Development of New Professionals and Minority Recruitment in Academic and Research Libraries. College and Research Libraries Volume 59 Issue 6: 528-537.

Budzise-Weaver, T., J. Chen, dan M. Mitchell. 2012. Collaboration and Crowdsourcing: The Cases of Multilingual Digital Libraries. The Electronic Library Volume 30 Issue 2: 220-232.

Burnam, P.D. 1998. Private Liberal Arts Colleges and the Costs of Scientific Journals: A Perennial Dilemma. College and Research Libraries Volume 59 Issue 5: 406-420.

Chen, C. 2007. Holistic Sense-Making: Conflicting Opinions, Creative Ideas, and Collective Intelligence. Library Hi-Tech Volume 25 Issue 3: 311-327.

Croneberger, R.B. 1989. External Influences on Public Library Management in the 21st Century. Managing Public Libraries in the 21st Century: 209-215.

Currie, W.L. 2004. Value Creation from the Application Service Provider E-Business Model: The Experience of Four Firms. Journal of Enterprise Information Management Volume 17 Issue 2: 117-130.

Davenport, T.H., dan L. Prusak. 1998. Working Knowledge: How Organizations Manage What They Know. President and Fellows of Harvard College: USA.

Delgadillo, R., dan B.P. Lynch. 1999. Future Historians: Their Quest for Information. College and Research Libraries Volume 60 Issue 3: 245-259.

Doherty, N.A. 2000. Integrated Risk Management: Techniques and Strategies for Reducing Risk. McGraw-Hill: USA.

Ferguson, C.D., dan C.A. Bunge. 1997. The Shape of Services to Come: Values-Based Reference Service for the Largely Digital Library. College and Research Libraries Volume 58 Issue 3: 252-265.

Gerhard, K.H., M.C. Su, dan C.C. Rubens. 1998. An Empirical Examination of Subject Headings for Woman’s Studies Core Materials. College and Research Libraries Volume 59 Issue 2: 129-137.

Gillin, P, dan E. Schwartzman. 2011. Social Marketing to the Business Customer: Listen to Your B2B Market, Generate Major Account Leads, and Build Client Relationships. John Wiley & Sons: Hoboken, USA.

Grimes, D.J. 1998.Academic Library Centrality: User Success through Service, Access, and Tradition. Association of College and Research Libraries: USA.

Gupta, B., L.S. Iyer, dan J.E. Aronson. 2000. Knowledge Management: Practices and Challenges. Industrial Management & Data Systems Volume 100 Issue 1: 17-21.

He, D. 2012.Multilinguality in Digital Libraries.The Electronic Library Volume 30 Issue 2.

Heckart, R.J. 1998. Machine Help and Human Help in the Emerging Digital Library. College and Research Libraries Volume 59 Issue 3: 250-259.

Hernon, P., dan E. Altman. 2010. Assesing Service Quality: Satisfying the Expectations of Library Customers 2nd Edition. American Library Association: USA.

Hernon, P., dan J.R. Whitman. 2001. Delivering Satisfaction and Service Quality: A Customer-Based Approach for Libraries. American Library Association: USA.

Holman, N. 1989.Forces for Change in the Future of Collective Bargaining in Public Libraries.Managing Public Libraries in 21st Century: 53-66.

Ilon, L. 2012. How Collective Intelligence Redifines Education. Advances in Collective Intelligence 2011: 91-102.

Johnson, R.E. 2012. Crowdsourcing and Library 2.0.LIBR 287, SJSU.

Kato, M. 2009. Woman’s Right? The Politics of Eugenic Abortion in Modern Japan. Amsterdam University Press: Amsterdam.

Lancaster, F.W., dan A. Warner. 2001. Intelligent Technologies in Library and Information Service Applications. American Society for Information Science and Technology: New Jersey, USA.

Levy, P. 2011. Toward A Science of Collective Intelligence.Common Knowledge: The Challenge of Transdisciplinarity: 165-196.

Levy, P. 2009. Toward A Self-Referential Collective Intelligence: Some Philosophical Background of the IEML Research Program. Computational Collective Intelligence Semantic Web, Social Networks and Multiagent System First International Conference, ICCCI 2009, Wroclaw, Poland, October 2009 Proceedings: 22-35.

Liebowitz, J., dan K. Wright. 1999. Does Measuring Knowledge Make “Cents”? Expert Systems with Application Volume 17 Issue 2: 99-103.

Lih, A. 2009. The Wikipedia Revolution: How A Bunch of Nobodies Created the World’s Greatest Encyclopedia. Hyperion: Michigan, USA.

Malone, T.W., R. Laubacher, dan C. Dellarocas. 2009. Harnessing Crowds: Mapping the Genome of Collective Intelligence. MIT Sloan School of Management (Working Paper 4732-09).

Nguyen, L.A., Szalas, A. 2010. Tableaux with Global Caching for Checking Satisfiability of A Knowledge Base in the Description Logic SH. Transactions on Computational Collective Intelligence I: 21-38.

Osa, J.O. 2002. The Difficult Patron Situation: Competency-Based Training to Empower Frontline Staff. Helping the Difficult Library Patron: New Approaches to Examining and Resolving A Long-Standing and Ongoing Problem: 263.

Saffady, W. 1999. Introduction to Automation for Librarians Fourth Edition. American Library Association: Chicago.

Segaran, T. 2007. Programming Collective Intelligence: Building Smart Web 2.0 Applications. O’Reilly Media, Inc: Sebastopol.

Shapira, Z. 1995. Risk Taking: A Managerial Perspective. Russel Sage Foundation: New York, USA.

Surowiecki, J. 2005. The Wisdom of Crowds. Anchor Books: USA.

Torres-Salinas, D., dan H.F. Moed. 2009. Library Catalog Analysis As A Tool in Studies of Social Sciences and Humanities: An Exploratory Study of Published Book Titles in Economics. Journal of Infometrics Vol 3 Issue 1: 9-26.

Venkatraman, N. 2005. IT-Enabled Business Transformation: From Automation to Business Scope Redefinition. Operations Management: A Strategic Approach: 145-163.

Wang, J., F. Ma, M. Chen, dan Y. Rao. 2012. Why and How “Sleeping Beauties” be Awakened. The Electronic Library Volume 30 Issue 1: 5-18.

Youngen, G.K. 1998. Citation Patterns to Traditional and Electronic Preprints in the Published Literature. College and Research Libraries Volume 59 Issue 5: 448-456.

Zhu, Q., dan S.L. Zhang. 1998. Icreasing the Pace of an Integral Library System in China: Moving toward the Twenty- First Century. College and Research Libraries Volume 59 Issue 2: 168-175.