Setiap perguruan tinggi di Indonesia bertanggung jawab atas kelengkapan, kebenaran, ketepatan, dan kemutakhiran data pendidikan tinggi di perguruan tinggi masing-masing. Data pendidikan tinggi digunakan untuk pelaksanaan sistem penjaminan mutu pendidikan tinggi dan digunakan sebagai landasan dalam penyusunan kebijakan terkait program studi dan perguruan tinggi di Indonesia. Hasil pengukuran kualitas data menunjukkan bahwa terdapat permasalahan pada data pendidikan tinggi di Politeknik Statistika STIS yaitu belum memenuhi kriteria kelengkapan, kebenaran, ketepatan, dan kemutakhiran. Pengukuran tingkat kematangan manajemen kualitas data telah dilakukan dengan menggunakan Loshins Data Quality Maturity Model dimana hasilnya berada pada kisaran level 1 dan 2. Hanya komponen dimensi kualitas data yang telah mencapai target yang diharapkan. Untuk itu, rekomendasi disusun berdasarkan kerangka kerja DAMA-DMBOK. Adapun aktivitas yang perlu dilakukan adalah mengembangkan dan mempromosikan kesadaran terhadap kualitas data; mendefinisikan kebutuhan kualitas data; melakukan profiling, analisis, dan penilaian kualitas data; mendefinisikan aturan bisnis (business rules) kualitas data; menetapkan dan mengevaluasi tingkat layanan kualitas data (data quality service levels); mengelola permasalahan terkait kualitas data; merancang dan mengimplementasikan operasional prosedur untuk manajemen kualitas data; dan memantau operasional dan performa prosedur manajemen kualitas data.

---

Every varsity in Indonesia is responsible for ensuring the completeness, the validity, the accuracy, and the currency of its educational data. The educational data is used for the implementation of the higher-education quality assurance system and is used as a basis to formulate policies related to universities and majors in Indonesia. Data quality assessment result indicates that educational data in Statistics Polytechnic STIS did not meet completeness, validity, accuracy, and currency criteria. Data quality management maturity has been measured using Loshins Data Quality Maturity Model which the result are in level 1 to level 2 of maturity. Only data quality dimensions component has achieved the expected target.

Thus, recommendations have been proposed based on the DAMA-DMBOK framework. The activities needed to be carried out are developing and promoting awareness of data quality; defining data quality requirements; profiling, analyzing, and evaluating data quality; define business rules for data quality, establish, and evaluate the data quality services levels, manage problems related to data quality, design and implement operational procedures for data quality management, and monitor operations and performance of data quality management procedures.