PENGELOLAAN PENGETAHUAN DAN INFORMASI DALAM BUSINESS INTELLIGENCE: PENDEKATAN KOGNITIF ANALITIK

Masalah terbesar untuk Knowledge Management (KM) adalah pada bagian pengetahuan individu yang bersifat tacit. Yang mana, pengetahuan tacit adalah pengetahuan dan pemahaman yang terdapat di dalam otak/pikiran individu, atau keahlian dan pengalaman seseorang yang mana biasanya pengetahuan ini tidak terstruktur, susah untuk didefinisikan, dan isinya mencakup pemahaman pribadi. Lebih jauh lagi, pengetahuan tacit bisa hilang jika terjadi merger, reorganisasi, dan apabila terjadi perampingan dalam sebuah organisasi. Analisis kontekstual yang didukung oleh sistem kognitif adalah sistem analisis lanjutan yang digunakan untuk mengumpulkan pengetahuan tacit. Teknik analisis kontekstual seperti peringkat relevansi digunakan selain pemodelan relasi entitas, ekstraksi entitas, penandaan suku cadang, dan sebagainya. Dengan demikian, data dapat dianalisis dalam sekumpulan pengetahuan implisit dan eksplisit. Yang mana pengetahuan eksplisit merupakan pengetahuan yang bersifat formal dan sistematis yang mudah dikomunikasikan dan dibagi, yang mana pada umumnya pengetahuan ekspilist dapat dengan mudah diperoleh dalam bentuk tulisan atau dokumentasi. Sementara itu, pengetahuan implisit merupakan sebuah kemampuan yang dapat dengan mudah ditransfer dengan menggunakan praktik, atau dengan memberikan contoh, seperti misalnya mengendarai sepeda atau kenderaan. Implisit merupakan pengetahuan yang dikumpulkan sehingga menjadi pakar berdasarkan pengalaman. 

Lebih jauh lagi, jika pengetahuan implisit dan berbagai perspektif disertakan dalam sebuah analisis, maka sebuah analisis yang bersifat kontekstual dapat menjadi analisis kognitif. 

Tulisan ini akan mengeksplorasi pendekatan kognitif untuk menganalisis KM di lingkungan Business Intelligence (BI).

Manajemen Pengetahuan atau KM merupakan sebuah alat strategis yang memiliki tujuan untuk membangun informasi dalam Intellectual Capital (IC) dalam sebuah organisasi. Manajemen biasanya menggunakan KM tool sebagai alat yang paling efisien untuk mengubah individu menjadi aset yang berharga. Selain itu, setiap tindakan efisiensi yang dilakukan dalam organisasi akan lebih mungkin dilakukan jika setiap organisasi telah melakukan proses BI pada jalur yang benar. Oleh karenanya, BI terkait erat dengan keberhasilan yang dicapai oleh KM. Suatu organisasi kemungkinan menghadapi masalah ketika sampai pada titik pelaksanaan dikarenakan kurangnya informasi yang diperoleh. Sementara itu, teknologi yang terdapat pada BI memainkan aturan penting dalam pengelolaan informasi dalam skala besar yang lebih baik. Namun, meningkatkan keterampilan setiap individu dalam sebuah organisasi bukanlah tugas yang mudah. Butuh waktu sebelum keterampilan yang diharapkan dapat diperoleh. Itulah sebabnya transfer pengetahuan sangat penting dalam organisasi terutama dalam proses menjelaskan pengetahuan dari satu individu sehingga mampu dipelajari dan diadaptasi oleh entitas manapun.

Business Intelligence

BI terdiri dari proses bisnis penting yang mengumpulkan dan menganalisis informasi untuk keputusan dan tindakan bisnis terutama pada penggunaan alat informasi untuk meningkatkan kinerja bisnis. BI terdiri dari teknologi, proses dan implikasi yang memungkinkan perolehan, penyimpanan, pengambilan dan analisis data untuk pengambilan keputusan yang lebih baik. On-Line Analytical Processing (OLAP) adalah sebuah alat BI yang memungkinkan pencarian dan pengujian data yang relevan beserta perhitungan dan identifikasi hubungan. Data mining dapat digunakan dalam proses mengidentifikasi tren, pola dan hubungan antara sejumlah besar data. Data mining menggunakan teknik statistik dan matematis seiring dengan teknologi. Sistem Pendukung Keputusan (SPK) adalah asosiasi manusia dan mesin untuk penyediaan informasi yang otentik dan berguna untuk mendukung manajemen dalam pengambilan sebuah keputusan. OLAP adalah salah satu komponen penting BI yang digunakan dalam melakukan sebuah proses analisis. OLAP memiliki beberapa bentuk, diantaranya adalah klasifikasi, pola sekuensial, analisis regresi dan link. Dengan demikian, proses BI adalah pendekatan yang relevan untuk menganalisis data pengetahuan yang dibutuhkan untuk menangkap dan menganalisis pengetahuan.

Manajemen Pengetahuan (Knowledge Management)

KM adalah teknik pencarian, akuisisi, pengorganisasian dan komunikasi informasi dan pengetahuan dalam sebuah organisasi. Pengetahuan bisa tersirat (tacit) atau eksplisit yang berkaitan dengan pemahaman kepemimpinan, usaha kelompok, pengalaman individu, dan jiwa karyawan. Akuisisi informasi yang relevan adalah proses mengidentifikasi dan menangkap materi yang terkait erat dengan tujuan saat ini. Pengambilan informasi adalah tahap kedua dari proses KM dimana organisasi mengeluarkan informasi spesifik dari berbagai sumber. Pengetahuan yang diambil dari organisasi akan diproses dengan menggunakan BI tool, teknik, atau framework, dan kemudian penggunaan pendekatan kognitif untuk pengetahuan tacit akan digunakan sebagai bagian dari solusi analitik.

Pendekatan Kognitif untuk Menangkap Pengetahuan

Pendekatan kognitif mampu merekam, menganalisa, mengingat, belajar, dan menyelesaikan masalah dari informasi yang tersedia dari pengetahuan dan pengalaman individu. Sistem kognitif saat ini juga dapat melakukan transfer pengetahuan dan menjadi praktik terbaik dalam kegiatan analisis data. Dalam kasus penggunaan ini, sistem kognitif dirancang untuk membangun dialog antara manusia dan mesin sehingga dapat dipelajari oleh sistem. Selama setiap pengetahuan bersifat probabilistik, selalu dipengaruhi oleh faktor manusia dan sosial, dan membutuhkan cara kognitif untuk dikelola, maka pendekatan kognitif cocok untuk hipotesis yang lebih dari satu untuk dianalisis. Oleh karena itu, tulisan ini akan menjelaskan penggunaan pendekatan kognitif untuk pengelolaan pengetahuan di lingkungan BI.

Metodologi

Teknik penelitian kualitatif telah diadopsi untuk tulisan ini. Teknik kualitatif ini meliputi analisis tinjauan dari berbagai literatur terhadap penelitian terdahulu dan model KM dan BI yang telah diusulkan. Kerangka teoritis sebagai pondasi penelitian juga telah dikembangkan dengan mengadopsi beberapa model penelitian sebelumnya. Dengan demikian, kebutuhan untuk kerangka kerja integrasi untuk mencapai tujuan ini ditunjukkan pada Gambar 1.

Gambar 1. Kerangka kerja teoritis integrasi KM & BI untuk mencapai daya saing

Pada tahap pertama metodologi adalah proses pengumpulan data, dimana para manajer diajukan beberapa pertanyaan yang berkaitan dengan pencapaian daya saing melalui KM dan penggunaan BI di dalamnya. Beberapa pertanyaannya adalah sebagai berikut:

. . .

Download Full Paper

Read More

Managing Knowledge Business Intelligence: A Cognitive Analytic Approach

Knowledge Management (KM) is a strategic tool for building Intellectual Capital (IC) information within an organization. Management using this tool as the most efficient mean for making people as most valuable assets. Efficiency within organisation is not possible unless organization practice BI on the right track. BI is closely associated with success of results generated by KM.An organization may have bulk of information which may arise problems when it comes to part of implementation. BI technologies play crucial rule for better management of such huge information. BI formulates smooth part for practitioners of KM to attain a competitive edge over its competitors. This competitive edge follows competitive personnel with better performance, work efficiency and better customer relationship management.The competitive nature of any organization is boosted up using work practices that involve a high degree of association. However, boosting skills within the organisations is not an easy task. It takes a while before skills cross a certain required threshold where tangible benefit can be obtained.

That is why the knowledge transfer is very important within the organisation especially to explicate the tacit knowledge so it can be learned by any entities in the future. The biggest problem for KM is in a part of people tacit knowledge. Conversely, tacit knowledge can disappear in case of mergers, reorganization’s, and downsizing. The contextual analytics which supported by a cognitive system is an advanced analytics system used to collect tacit knowledge. The contextual analytics techniques like relevancy ranking are used besides those like entity relation modeling, entity extraction, tagging of parts of speech, and so on. Thus, data is analyzed within a confined set of implicit and explicit knowledge. If implicit knowledge and various perspectives are included in this analysis, these contextual analytics may becomes cognitive analytics. This paper will explore the cognitive approach for analysing KM in BI environment.

Business Intelligence

Business Intelligence (BI) comprises important business process which collects and analyzes information for business decisions and actions. Particularly, it emphasizes upon use of information tools to enhance business performance. BI consist of technologies, processes and implications which allows acquiring, storing, retrieving and analyzing data for better decision making. On-Line Analytical Processing (OLAP) is a tool of BI which allows searching and testing relevant data along with computation and identification of relationships. Data Mining identifies trends, patterns and relationship among huge sum of data stored in Data Warehouse. It makes use of statistical and mathematical techniques along with technology. Decision Support System (DSS) is the association of man and machine for provision of authentic and useful information in order to support management in decision making.OLAP is one of the important components of BI used in process. OLAP has several other traditional forms. Some of them are classification, sequential patterns, regression and link analysis.Thus, BI process is a relevant approach to analysis knowledge data that required a proper process to capture and analysis tacit knowledge.

Knowledge Management

Knowledge Management (KM) is a technique of searching, acquiring, organizing and communicating

information and knowledge in organization. The knowledge can be implicit or explicit is relates to the

understanding of leadership, group efforts, individual experience and psyche of employees. Acquisition of relevant information is the process of identifying and capturing material closely associated with current goal. Retrieval of information is the second phase of KM process where organization takes out specific information from multiple sources. The captured knowledge of the organization will be process by using BI, and later by using cognitive approach the tacit knowledge will be used as part of analytic solution.

Cognitive Approach for Capturing Knowledge

Cognitive approach is able to record, analyze, remember, learn, and resolve the problem from the information that are available from the human knowledge and experiences. The current cognitive system also can perform the transferring of knowledge andused to be the best practices in data analysis industries. In these use cases, a cognitive system is designed to build a dialog between human and machine so that the best practices are learned by the system as opposed to traditional method that being programmed as a set of rules. As long as knowledge is probabilistic, it always be influenced by human and social factors, and required a cognitive way to be managed. Cognitive approach is suitable for the “more than one” hypotheses to be analyzed as it is a kind of decision support that allows people to explain new opportunities, which has an impact in a positive manner. Therefore, this paper will explain the used of cognitive approach for managing knowledge in BI environment.

METHODOLOGY

Qualitative research technique has been adopted for this paper. These qualitative techniques include the careful analysis of literature review of previous researches and proposed models of KM and BI. Theoretical framework of the research has also been driven from multiple models of previous researches. Knowledge management and business intelligence has the potential to strengthen the effectiveness and competitiveness of organizations. Thus there is a need of having a Business Intelligence integrated framework of BI and KM for achieving this goal is shownin Figure 1.

Figure 1. Theoretical framework of KM & BI integration to achieve competitiveness

In first phase of methodology is collecting data, where the managers were asked few questions relating to achievement of competitiveness through KM and use of BI in it. Some of the questions are as follow:

. . .

Download Full Paper

Read More

Pencapaian Keunggulan Daya Saing Melalui Knowledge Management dan Business Intelligence

Knowledge Management (KM) adalah alat strategis dalam membangun Intellectual Capital (IC) pada sebuah organisasi. Manajemen menjalankan KM sebagai alat yang paling efisien untuk menghasilkan aset yang paling berharga bagi manusia sebagai pengambil keputusan. Para pengambil keputusan membutuhkan informasi yang paling relevan pada saat yang tepat untuk pengambilan keputusan yang berguna. Efisiensi dalam mengambil keputusan dapat dilakukan pada praktik-praktik di dalam Business Intelligence (BI) di jalur yang benar. Dalam hal ini, BI erat kaitannya dengan kesuksesan yang dihasilkan oleh KM. Organisasi memiliki informasi yang mungkin memiliki masalah ketika sampai pada bagian pelaksanaan. Teknologi BI memiliki peranan penting dalam melakukan pengelolaan informasi yang lebih baik dalam skala yang lebih besar. BI mampu merumuskan bagian yang mulus bagi para praktisi KM untuk meraih keunggulan kompetitif dibandingkan pesaingnya. Daya saing ini mengikuti tenaga kompetitif dengan kinerja, efisiensi kerja, dan manajemen hubungan pelanggan yang lebih baik. Teknologi BI yang berdampak pada KM secara signifikan umumnya meliputi OLAP, DSS, dan Data Mining. Ini adalah alat BI yang strategis yang harus selaras dengan strategi organisasi secara keseluruhan. Tools atau alat ini dapat membangun hubungan dua arah di lingkungan kerja antar karyawan sambil menyebarkan informasi dalam organisasi. Karyawan dalam organisasi manapun ingin dipertimbangkan dalam setiap keputusan tunggal. Hal ini akan memberikan lebih banyak loyalitas dan komitmen personil untuk bekerja dalam lingkup organisasi.

Knowledge Management

KM didefinisikan sebagai teknik pencarian, perolehan, pengorganisasian dan komunikasi informasi dan pengetahuan untuk memotivasi karyawan. Hal ini berhubungan dengan pemahaman kepemimpinan, usaha kelompok, pengalaman individu dan jiwa karyawan. Akuisisi informasi yang relevan adalah proses mengidentifikasi dan menangkap materi yang terkait erat dengan tujuan saat ini. Pengambilan informasi adalah tahap kedua dalam proses KM dimana organisasi mengeluarkan informasi spesifik yang didapatkan dari berbagai sumber.

Business Intelligence

BI terdiri dari proses bisnis penting yang mengumpulkan dan menganalisis informasi untuk keputusan dan tindakan bisnis, terutama menekankan pada penggunaan alat informasi untuk meningkatkan kinerja bisnis. BI terdiri dari teknologi, proses, dan implikasi yang memungkinkan perolehan, penyimpanan, pengambilan, dan analisis data untuk pengambilan keputusan yang lebih baik. On-Line Analytical Processing (OLAP) adalah merupakan salah satu alat pendukung BI yang memungkinkan pencarian dan pengujian data yang relevan beserta perhitungan dan identifikasi hubungan. Data Mining pada BI berfungsi untuk mengidentifikasi tren, pola, dan hubungan antara sejumlah besar data yang tersimpan di Data Warehouse. Ini menggunakan teknik statistik dan matematis seiring dengan teknologi. Sistem Pendukung Keputusan atau SPK (Decision Support System - DSS) adalah hubungan atau asosiasi antara manusia dan mesin untuk penyediaan informasi yang otentik dan berguna untuk mendukung manajemen dalam pengambilan keputusan. OLAP merupakan salah satu komponen penting BI yang digunakan dalam prosesnya. OLAP juga memiliki beberapa bentuk tradisional lainnya. Beberapa di antaranya adalah klasifikasi, pola sekuensial, analisis regresi, dan link.

Kerangka teoritis integrasi KM dan BI untuk mencapai daya saing

KM dan BI memiliki potensi untuk memperkuat efektifitas dan daya saing dalam sebuah organisasi. Dengan demikian ada kebutuhan untuk memiliki kerangka kerja BI dan KM yang terintegrasi untuk mencapai tujuan ini.

DSS sering digunakan sebagai alat kunci pada BI saat manajemen memilih beberapa strategi untuk KM. OLAP dan data mining adalah teknik modern pada BI yang berperan penting dalam pengambilan data. Integrasi KM dengan BI akan menghasilkan modal intelektual yang lebih baik yang merupakan aset paling berharga. BI dan KM juga dinilai dari berbagai model. Model sangat membantu dalam mengkategorikan bagian data warehouse dan membangun teknik data mining. Berbagai unsur BI juga harus berhubungan dengan unsur KM agar bisa menghasilkan keunggulan kompetitif. BI tidak dipraktekkan sebagai trend dalam organisasi tapi sebagai kebutuhan. Organisasi mengintegrasikannya sebagai alat utama secara sekaligus dalam membuat keputusan yang strategis. 

Dalam artikel ini integrasi juga dievaluasi dalam menyatakan langkah-langkah pertukaran antara BI dan KM yang mencakup konteks pengambilan keputusan. Wang dan Wang (2008), menyatakan bahwa pekerja pengetahuan memiliki kolaborasi dan kerjasama yang kuat dengan alat TI untuk kinerja dan sosialisasi yang lebih baik. Ia membahas dengan logika bagaimana data mining, alat BI dan KM dapat menghasilkan hasil yang lebih baik. Demikian pula, pemrosesan analitik on-line (OLAP) juga merupakan alat yang membantu saat mengekstrak data dari gudang data. Alat pengelolaan pengetahuan ini juga bekerja sambil mencapai BI kolaboratif, karena kolaborasi jauh lebih efektif daripada persaingan. Eksekutif di perusahaan multinasional memiliki pandangan yang dekat terhadap perubahan pola global.

Faktor sosial dan ekonomi adalah yang paling penting untuk melakukan analisis yang terkait dengan strategi bisnis. Analisis kualitatif faktor lingkungan juga memungkinkan eksekutif membuat keputusan yang tepat. Mereka mempertimbangkan beberapa faktor dari lebih dari satu disiplin kehidupan sosial. Di sisi lain analisis kuantitatif membantu mengidentifikasi hasil nyata. Ini juga dapat menciptakan keterbatasan untuk hasil yang dihasilkan ketika sampai pada tahap implementasi.

...

Download Full Paper di Sini 

Read More

Demographic Spatial Data Management in Indonesia with the Approach of Geographic Information System Model

Introduction

More rapid population growth in a particular area will gradually cause complex problem to the society and its environment. Indonesia becomes the 4th rank of most populated country in the world. Based on the result of population census in 2013, the number of populations in Indonesia was 240.5 million people. It means that Indonesia can be included as a country with the biggest population number among other developing countries after China and India. If it is compared with the census in 2000, it shows population expansion in Indonesia with approximate value 1.98% per year.

Based on the projection result of the population, the number of populations in Indonesia in 2050 is predicted to reach 366 million people3. Based on the data from World Population Datasheet, here it is the table of most populated countries in the world and the future projection in 2050 Table 1.

The impact of over load population is closely related to the width of the occupied area in a particular country. Big population can trigger some problems, and it can become the asset of a country as well. The most prominent issue is that big population can be the most influential asset of a country if human resource quality of the population is high. Although Indonesia becomes the 4th rank of its population number, Indonesia is in the 121st position in the world of its human resource quality (year 2014). Indonesia is still far left behind from China which has the highest number of population in the world, with its high quality population. The problem of population quality should be the government’s concern in handling the most prominent factor of prosperity and living quality to all citizens. Astronomically, Indonesia is located in 94˚ 45’ EL until 141˚ 05’ EL and 6˚ 08’ NL until 11˚ 15’ SL, in which equator area 1˚ is equivalent with 111 km. It means that Indonesian extends ±7,700,000 km2 with its land total area ±1,826,440 km2, and it is divided into 34 provinces. As the fourth country with the biggest population of the world with the population number ±238,452,952 people in the middle of 2015, the average population in every 1 km2 in Indonesia was occupied around 131 people /km2. Of course, a system to ease periodical monitoring about demography other than using census is significantly needed.

The width of Indonesia area in the map of population distribution seems uneven in 34 provinces. Based on the census result in 2010, there was 60% population occupying Java Island. However, Java Island is only 7% from the total area of Indonesia. On the other hand, Kalimantan Island which has bigger area was only occupied by 5% of Indonesia total population. Here they are some demographic problems in Indonesia:

1. Problem of Total Fertility Rate (TFR). The increase of fertility rate will be the government’s burden in accommodating physical aspects like health facilities rather than its intellectual aspect. The increase of fertility will cause high rate of population improvement in developing countries that will negatively correlate to the prosperity of the population.
2. Problem of Mortality Rate (MR). The high rate of life expectancy of the population requires bigger role of the government to provide any shelter facilities.
3. Problem of Population Composition (PC). Indonesia has imbalance population composition that can cause new population problems.

By the existence of those problems, the researchers were motivated to conduct a study about demographic data management in Indonesia with the approach of geographic information system (GIS) model. Although the discussion related to demographic data management has widely been discussed in some other researches, the focus of the study, however, is to emphasize on demographic data management as a device of data monitoring and projection of population density with the approach of GIS model in order to control the population. The model of the system is expected to have a particular strength in monitoring demographic data and its control in every provincial area in Indonesia.

Proposed Method

The study was conducted to obtain a system that can be used to monitor the demographic data by using GIS model approach. The study was divided into three steps, as following:

1. Spatial data and demographic data initiation.
2. Spatial and non spatial data integration. It is the step in correlating spatial data and demographic data into the database.
3. Indonesian demographic data visualization.

The system was designed as user friendly as it is expected by common people toward Information Technology (IT) to be able to access demographic data through web Figure 1.

Demography Theatrical

Some related researches have been done like the research who investigated about map making process by using Scalable Vector Graphic (SVG). In their study emphasize on SVG technology as the visualization of area mapping. In its development, SVG has become programming language to build interesting sites. SVG is a web graphic file format to present the graphics and to describe 2 dimension pictures base on eXtensible Markup Language (XML).

Another study investigated demographic problems in Indonesia. The focus of the study is demographical problem faced by the government as well as the impact of population nationally. Another problem analyzed is about employment showing that 77% employees in Indonesia are still in low education level. The impact toward per capita income will significantly influence toward the citizens’ living quality. Other demographical features also become the concern of the study such as the rate of divorce and marriage that will influence on fertility and mortality rate that can be the indicator as a country’s prosperity. The indicators of prosperity in a country can be significantly influenced by several factors such as the rate of fertility and mortality as they are noted by Statistical Bureau. In simple way it can be explained that people are the subjects as well as the objects of development. Thus, if there is no initial anticipation, it will cause national imbalance. In further, based on the literature review presented above monitoring is importantly needed toward population development in order to keep the balance of the population and the suitability of government’s program to reach national prosperity by using geographical information system that will be developed further.

Demography is a scientific study related to demographical number, population spread and composition as well as how those factors change from time to time. Demographic science can be in the form of quantitative organd qualitative data. Quantitative demography mostly uses statistical numbers and mathematical number. On the other hand, qualitative demography explains demographic aspects within the method of analytical description. In addition, demographic studies examine the development, phenomena, and problems related to demography and the social situation around its environment systematically. Demographic science that needs our attention concerns more to inter discipline studies integrated with demographic analysis that people may know as social demography. There are several opinions mentioning about the definition of demography:

1. It is a science studying population in any particular area within its number, structure (composition) and development (change).
2. It is a science examining the number, distribution, territorial, population composition, and the change as well as the causes that usually appear because of the rate of fertility, mortality, migration, and social mobility.
3. It is a mathematical and statistical studies toward numbers, composition, spatial distribution of the population, and the change of the previous aspects that always happen as the impact of fertility, mortality, marriage, migration, and social mobility. 

Three important aspects in studying demography such as fertility, mortality, and migration as it can be seen in Figure 2. In addition, there are two supporting aspects in demography; those are social mobility and the rate of marriage. The data of population number can be obtained from these several ways: 

1. Population census. It is a whole process from gathering, processing, presenting, and assessing demographic data that relate to the characters of demography, social economy, and environment.
2. Registration of the population is the process of population data recording conducted by individual party when there is population change. It is done by domestic affair ministry through local village offices.
3. Population survey is the process of information recording related to the population based on the specialty of wider and deeper studies.

The example is mobility survey of Yogyakarta citizens, and fertility survey of Yogyakarta citizens. Population survey was done because population census and registration have limitation and weakness. Demographic information can be obtained through census. In addition, the data used in the study is secondary data from Statistic Bureau as a simulation. The spatial data of Indonesian area is adopted from Google Maps API from www.google.com.

Result and Discussion

...

Download Full Paper

Read More