SUPPORT VECTOR MACHINE FOR MULTICLASS CLASSIFICATION OF REDUNDANT INSTANCES

SUPPORT VECTOR MACHINE HAS BECOME ONE OF THE MOST IMPORTANT CLASSIFICATION TECHNIQUES IN PATTERN RECOGNITION, MACHINE LEARNING, AND DATA MINING.

AN EFFICIENT MACHINE LEARNING PREDICTION METHOD FOR VEHICLE DETECTION: DATA ANALYTICS FRAMEWORK

THE RISE IN POPULATION HAS LED TO A CORRESPONDING INCREASE IN THE NUMBER OF VEHICLES ON THE ROADWAYS.

STREAMLINING STOCK PRICE ANALYSIS: HADOOP ECOSYSTEM FOR MACHINE LEARNING MODELS AND BIG DATA ANALYTICS

INTEGRATING MACHINE LEARNING MODELS WITHIN THIS ECOSYSTEM ALLOWS FOR ADVANCED ANALYTICS AND PREDICTIVE MODELING.

COGNITIVE APPROACH USING SFL THEORY IN CAPTURING TACIT KNOWLEDGE IN BUSINESS INTELLIGENCE

THE COMPLEXITY OF BUSINESS INTELLIGENCE (BI) PROCESSES NEED TO BE EXPLORED IN ORDER TO ENSURE THE BI SYSTEM PROPERLY TREATS THE TACIT KNOWLEDGE AS PART OF THE DATA SOURCE IN THE BI FRAMEWORK.

TACIT KNOWLEDGE FOR BUSINESS INTELLIGENCE FRAMEWORK: A PART OF UNSTRUCTURED DATA?

IDEA TO CAPTURE KNOWLEDGE FROM DIFFERENT SOURCES CAN BE VERY BENEFICIAL TO BUSINESS INTELLIGENCE (BI).

Kognitif dalam paradigma Internet of Things

Apa itu Kognitif (Cognitive)? Sebelum kita bergeser atau bergerak ke pemahaman kognitif, secara general kita perlu memahami pengertian Kognisi (Cognition) terlebih dahulu. Kognisi adalah sebuah pemahaman (secara mental) yang berkaitan dengan proses bagaimana seseorang memahami lingkungannya (dunia) dan bertindak serta melakukan respon terhadapnya. Dengan kata lain, kognisi adalah sebuah proses dan tindakan yang dilakukan oleh manusia dengan 'kesadaran' yang penuh. Berangkat dari pengertian kognisi di atas, maka dapat kita simpulkan bahwa kognitif adalah kemampuan otak dalam mengolah informasi, memecahkan masalah, melakukan observasi, menyusun dan merencanakan mekanisme dalam mempelajari dan menyimpulkan informasi yang didapat.

Kemampuan kognitif adalah keterampilan berbasis otak dan syaraf manusia dalam melaksanakan tugas dari yang paling sederhana sampai yang paling kompleks. Kemampuan kognitif memiliki keterkaitan dengan mekanisme bagaimana kita belajar, mengingat, memperhatikan, dan memecahkan masalah secara otomatis. Misalnya, untuk menjawab telepon, setiap otak manusia melibatkan persepsi (mendengar nada dering), pengambilan keputusan (menjawab atau tidak), keterampilan motorik (mengangkat dan menjawab), kemampuan bahasa (berbicara dan memahami bahasa), keterampilan sosial (menafsirkan nada suara dan berinteraksi dengan baik dengan manusia lain). Cukup familiar? Apakah kita pernah melakukan analisa tahap per-tahap untuk menjawab panggilan telepon? Atau kita melakukan otomasi dengan refleks mengangkat telepon yang sedang berdering, atau mengacuhkannya? Atau, mungkinkah otak kita memang melakukan analisa proses tanpa kita sadari, dan kemudian memberi perintah menjawab telepon atau tidak?

Pertanyaan selanjutnya adalah; adakah atau mampukah sebuah teknologi (sistem komputer) melakukan analisa dari setiap informasi dan data secara kognitif serta beraksi atau mengambil keputusan secara kognisi?

Jawabannya adalah BISA! 

Lalu, apa hubungannya dengan Iternet of Things (IoT)?

Sebelumnya kita kaji terlebih dahulu apa pengertian umum mengenai IoT. 

Margaret Rouse pernah menulis sebuah pengertian dan tulisan ringan di halaman techtarget mengenai IoT. Margaret Rouse mengatakan bahwa IoT merupakan sebuah sistem atau perangkat komputasi yang mampu membuat manusia, hewan, dan benda lain saling terhubung secara digital dan mampu saling bertukar data melalui jaringan (dengan sebuah alat pengenal/identifikasi sehingga semua dapat saling bertukar data tanpa bantuan manusia untuk meneruskan atau membantu proses pertukaran data tersebut). Kata jaringan di sini merupakan jaringan yang luas, yaitu Internet. 

Kita mampu berkomunikasi dan melihat secara langsung saudara kita yang ada di islandia melalui video call dari perangkat telepon genggam, tanpa perlu 'ribet' untuk memahami proses pertukaran data. Gadget kita sudah melakukan semuanya dengan satu syarat; terhubung ke Internet!

Google mampu mendeteksi tingkat kemacetan dengan cara memantau pergerakan semua perangkat dalam satu area dengan fasilitas map-nya. Tentu saja pertukaran data akan lancar, jika users (anda dan saya) mengizinkan google (melalui fasilitas map nya) untuk mengakses gps di perangkat kita. Plus, mengupload data ke mereka secara periodikal.

Dalam perspektif IoT, pentingnya analisa adalah karena perspektif akan apa yang hendak kita lakukan terhadap data dan informasi. Pentingnya analisis yang bersifat kognitif adalah, karena sistem harus dapat bekerja sesuai dengan tugasnya terhadap lingkungan sekitarnya.

Pernahkah anda merasakan lapar namun bingung harus melakukan apa terhadap makanan yang telah tersaji di hadapan anda? Jika pernah, maka otak yang anda miliki tidak mampu melakukan analisa dengan benar. 

Pernahkah anda 'diomeli' oleh orang tua anda ketika telepon berdering dan anda malah berdiri kebingungan? 

Atau, apa reaksi anda jika adik atau kakak anda buru-buru beranjak dari tempat duduk dan mengangkat telepon sambil berhalo-halo ria padahal telepon di rumah tidak berdering sama sekali?

Tiga kejadian seperti di atas adalah merupakan gambaran dari gagalnya sebuah sistem Analisa Kognitif. 

Jika anda merasa haus dan langsung mengambil air minum yang telah tersedia dan meminumnya, itu merupakan gambaran sederhana dari sebuah keberhasilan sistem Analisa Kognitif.

Adakah sebuah teknologi yang seperti itu?
Jawabannya adalah: "Ada"!

Mampukah sebuah sistem melakukan hal yang serupa?
Jawabannya adalah: "Mampu!"

Pertanyaan yang lain adalah: "Bagaimana dengan Big Data? Triliunan data yang tersebar di Internet?"

Well, saya sedang memikirkan kemampuan berfikir yang manusia miliki. Mampukah manusia menampung seribu pertanyaan dalam satu menit dan memilah mana pertanyaan yang berhubungan dengan 'apa yang harus dijawab' dan memutuskan untuk memberi jawaban yang tepat dalam tempo kurang dari dua detik?

Improving Employees Retention Rate Through Knowledge Management and Business Intelligence Components

Introduction

Knowledge Management (KM) is opted as strategic tool by executives to keep their team motivated. These teams consist of employees who have higher level of inspiration and competency. In modern era, worker turnover rate is crucial issue for businesses to attain competitive advantage. Employee’s retention can be measured by their level of motivation and task orientation in work environment. No organization can compromise for loss of skilled employee because it is much essential than any other source of development. The KM is platform that supports strategic business decisions with people, process, and technology aspects.

It is widely believed that job satisfaction is wholly dependent upon leadership integrity and justified processes of decisions within organization. Thus, intelligence has been a significant factor in managing human capital. It covers all aspects of customer, competitor, markets, technological and environmental intelligence. Business Intelligence (BI) is process that generates valuable information with DSS (Decision Support System), data mining and advanced analytics for corporate strategic decisions. It is constant approach for creating and enriching significant information in the managerial context. For knowledge based organizations BI is considered as backbone in organizational structure. It turns data into actionable intelligence for executives to make strategies for work environment stability. Business are keen interested to use latest technology for meeting external and internal competition. BI adopts an effective aid to intelligence practitioners for realizing complete picture of resources in form of humans.

Many past studies have verified that utilizing high association work practices “can boost firm competitiveness”. Competitive advantage on the basis of employees is the most focused strategic goal for firms. Executive do believe that it is not so easy to imitate human mind. Skills and abilities take time to reach to a stage where employee’s intellectual worth even crosses tangible assets.

Within firms, KM is the heart of progression planning. Businesses that properly manage the alteration of new employees by replacing old ones allow job and industrial information to be transferred through the organization to ensure that such particulars are not lost. Either employees leave organization voluntarily or involuntarily. Certain business concerns included complexity, references to the increasing pace of change, globalization, information flow, economy, networking and proactively. Massive development in the information technology and communications demand to adopt BI applications in order to deal with business mechanisms, staying at the marketplace, rivalry, customer control, and retention.

The question session covers all aspects of BI to empowering the KM significance for organizational competitiveness in market place. Therefore, the following key research questions are proposed:
  1. What is the relationship between business intelligence, knowledge management, and employee retention in organizational context?
  2. How business intelligence ensure to reduce employees turnover rate?
  3. How business intelligence empowering the knowledge?
  4. To what extent are BI and KM being used in influencing retention and increase competitiveness?
  5. How does Business intelligence control internal and external operations in competitive environment?
  6. How efficiently Knowledge management build relation between employee and workplace?
With superior tools of BI, now employees can also easily convert their business information via the systematic intelligence to solve many business issues with technological advancement. In the light of multiple views and arguments, the model is proposed for KM and BI integration. Open ended questions facilitated individuals to openly share their views.

Fig I: Building relationship between components of BI and KM to maximize Employee Retention

For this empirical research, qualitative research technique is practiced for collection of adequate facts and figures. It included secondary data of selfinterviews to executives and managers in corporate sector, evaluation of existing literature and comparison with previous, past researches, journal, and articles and proposed models of BI to empowering KM. Employee’s feedback is also considered by secondary data resources while analyzing corporate practical strategies. Past data is also preferred as proof to their performance management activities within organization as financial reports, market share and customer service data bases. All those data are collected trough secondary data for this paper purposes.
...

Download Full Paper