Hasil Pencarian  ::  Simpan CSV :: Kembali

"ABSTRAKMenurut Undang-undang No. 12 tahun 2012 tentang Pendidikan Tinggi Pasal 56, Pangkalan Data Pendidikan Tinggi (PD Dikti) merupakan kumpulan data penyelenggaraan pendidikan tinggi seluruh perguruan tinggi yang terintegrasi secara nasional. PD Dikti berperan penting dalam sistem penjaminan mutu pendidikan tinggi, yaitu berfungsi sebagai sumber informasi bagi lembaga akreditasi untuk melakukan akreditasi program studi dan perguruan tinggi; bagi pemerintah untuk melakukan pengaturan, perencanaan, pengawasan, pemantauan dan evaluasi serta pembinaan dan koordinasi program studi dan perguruan tinggi; dan bagi masyarakat untuk mengetahui kinerja program studi dan perguruan tinggi.Mengingat pentingnya PD Dikti tersebut, tersedianya data yang berkualitas pada PD Dikti menjadi salah satu target yang ingin dicapai Pusat Data dan Informasi Iptek Dikti, Kementerian Riset, Teknologi, dan Pendidikan Tinggi. Target pengelolaan PD Dikti tahun 2016 akan fokus pada kualitas data, yaitu bagaimana dapat menyediakan data yang berkualitas. Untuk itu, perlu adanya strategi untuk menjamin dan meningkatkan kualitas data pada PD Dikti.Berdasarkan hal tersebut, penelitian ini menyusun strategi untuk meningkatkan kualitas data pada PD Dikti. Untuk menyusun strategi tersebut dilakukan penilaian manajemen kualitas data saat ini, yaitu melalui penilaian terhadap dimensi kualitas data dan penilaian terhadap maturitas manajemen kualitas data. Langkah- langkah penelitian yang dilakukan meliputi identifikasi masalah, penilaian manajemen kualitas data, analisis kesenjangan untuk hasil penilaian maturitas manajemen kualitas data, analisis akar masalah untuk hasil penilaian dimensi kualitas data, dan menyusun strategi peningkatan kualitas data.Hasil penelitian ini adalah rekomendasi strategi peningkatan kualitas data pada PD Dikti. Strategi tersebut meliputi peningkatan proses pada 7 (tujuh) domain manajemen kualitas data, yaitu pendefinisian harapan/kebutuhan kualitas data, pengukuran dimensi kualitas data, penetapan kebijakan informasi, peningkatan tata kelola data, penetapan prosedur, perbaikan teknologi, dan pengelolaan kinerja. Rekomendasi tersebut diharapkan dapat digunakan sebagai acuan dalam melakukan program kualitas data pada PD Dikti.

---

ABSTRACT

According to Law No. 12 of 2012 about Higher Education clause 56, Higher Education Database is a collection of higher education management data from all Indonesian universities that is integrated nationally. Higher Education Database plays an important role in the Quality Assurance System of Higher Education, which serves as a source of information for accrediting agencies to carry out accreditation of study programs; for the government to make arrangements, planning, supervision, monitoring and evaluation; and for the public to know the performance of the study program and universities. Clause 52 of the same Law also noted that the Higher Education Quality Assurance System is based on Higher Education Database.

Because of the importance of the Higher Education Database, availability of high quality data became one of the targets to be achieved by the Data and Information Center. One of the targets for the implementation of the Higher Education Database in 2016 is to focus on the quality of the data.

Therefore, it need strategies to ensure and improve the quality of data on Higher Education Database. Based on the above, this study recommends strategies for improving the quality of the data on Higher Education Database. To develop the strategy, the author assessed the current data quality management. Assessment of the current data quality management was done through an assessment of the dimensions of data quality and assessment of the maturity of data quality management. Research steps undertaken included problem identification, assessment of data quality management, gap analysis for maturity assessment of data quality management, root cause analysis for assessment of data quality dimensions, and formulation of strategy for improving data quality.

Results of this research include recommendation of data quality improvement strategy in Higher Education Database. The strategy includes improvement management in seven (7) data quality management domain, comprising of defining the expectations of dataquality, measurement of data quality dimension, establishment of information policy, improving data governance, establishment of procedures, technological improvements, and performance management. The recommendations are expected to be used as a reference in the data quality program on Higher Education Database."

"ABSTRAKDalam dunia organisasi dewasa ini, pengelolaan data dan informasi sudah menjadi kegiatan yang sangat penting dalam mendukung tercapainya tujuan organisasi. Sebagai Kementerian baru pada Pemerintahan Republik Indonesia, Kementerian Riset, Teknologi dan Pendidikan Tinggi Kemristekdikti merupakan organisasi yang juga memerlukan pengelolan data dan informasi yang baik. Pengelolaan data Ilmu Pengetahuan dan Teknologi Iptek , serta pengelolaan data Pendidikan Tinggi Dikti adalah tanggung jawab Kementerian ini. Sejauh ini, kebijakan tentang pengelolaan data tersebut masih dalam proses pembahasan, padahalpermasalahan-permasalahan terkait dengan data sudah seringkali bermunculan dan mengganggu kinerja organisasi. Kondisi ini mengharuskan Kemristekdikti untuk segera menerapkan kebijakan pengelolaan datadan informasi yang baik.Permasalahan data seringkali terjadi karena organisasi belum menerapkan data management yang efektif. Berdasarkan panduan Data Management Body of Knowledge DMBOK , fungsi data management terbagi ke dalam sepuluh komponen, satu komponen yang memegang peranan sangat penting bagi pelaksanaan komponen lainnya adalah data governance. Penelitian ini bertujuan untuk mengetahui rancangan struktur data governance berdasarkan panduan DMBOK sebagai referensi utama. Rancangan struktur yang disusun mengacu kepada penelitian tentang data governance sebelumnya yang terdiri atas tiga unsur, yaitu role, decision areadan responsibility. Selanjutnya hasil rancangan yang diperoleh disesuaikan dengan kondisi Kemristekdikti sehingga menjadi titik awal dalam pelaksanaan data governance di lingkungan Kemristekdikti.Hasil dari penelitian ini menunjukan bahwa panduan DMBOK bisa dipadukan dengan struktur data governance penelitian sebelumnya. Aktivitas data governance pada DMBOK dapat digunakan sebagai solusi awal dari permasalahan data yang terjadi. Harapannya, struktur data governance yang dirancang dapat diaplikasikan sehingga pelaksanaan data governance di Kemristekdikti dapat berjalan secara berkesinambungan.

---

ABSTRACTCurrently, in organizational world, data and information management is very important activity to support organizational goal achievement. As new ministry of Indonesia Republic, Ministry of Research, Technology and Higher Education Kemristekdikti also requires good data and information management. Data management of science, technology and higher education is this ministry responsibility. In so far, policy of such data management is in discussion process indeed, frequently, so many problems related with data had arisen and disturbed organizational performance. Such condition resulted in the Ministry of Research, Technology and Higher Education should apply good data and information management. Frequently, data issues had occurred because organization had not applied effective data management. Based on data guidance of Data Management Body of Knowledge DMBOK , function of data management is divided into ten components which of very importantone and playing role is data governance.This research is aimed at knowing structural designing of data governance based on DMBOK guidance as principal reference.Structural designing having been set refer to research on previous data governance comprising three elements, those are role, decision area and responsibility. Subsequently, designing result having been obtained to be adjusted with condition of Ministry of Research, Technology and Higher Education and as starting point to implement data governance atMinistry of Research, Technology and Higher Education.This research result had indicated that DMBOK guidance may be combined with previous research on structure of data governance. Activity of data governance at DMBOK may be used as early solution from occurring data problem.Wishfully, the designed data governance structure may be applied, hence, implementation of data governance at Ministry of Research, Technology and Higher Education may be realized sustainably."

"Pangkalan Data Pendidikan Tinggi PDDIKTI adalah basis data yang menghimpun data pendidikan tinggi dari setiap perguruan tinggi di Indonesia. PDDIKTI dikelola oleh Pusat Data dan Informasi Kementerian Riset, Teknologi dan Pendidikan Tinggi. Layanan PDDIKTI Feeder dikembangkan untuk memfasilitasi Perguruan Tinggi mengumpulkan datanya. Penelitian ini menganalisis faktor-faktor yang memengaruhi penerimaan PDDIKTI Feeder di Perguruan tinggi. Technology Acceptance Model TAM dan variable-variabel eksternalnya digunakan untuk melakukan penelitian ini. Variabel-variabel eksternal yang dikembangkan antara lain: Service Quality, User Training, Social Influence, Self Efficacy, Information Quality, Facilitating Condition, dan Compatibility. Structural Equation Modeling SEM digunakan untuk menganalisis data yang dikumpulkan dari 248 responden. Hasil menunjukkan bahwa variabel-variabel yang mempunyai pengaruh signifikan terhadap variabel lain. Diantaranya adalah Social Influence terhadap Intention to Use dan Perceived Usefulness, Information Quality terhadap Perceived Ease of Use dan Perceived Usefulness, User Training terhadap Perceived Ease of Use, Compatibility terhadap Perceived Ease of Use, Facilitating Condition terhadap Intention to Use, Self Efficacy terhadap Perceived Ease of Use dan Service Quality terhadap Perceived Usefulness. Di sisi lain, beberapa variabel tidak memiliki pengaruh signifikan. Diantaranya adalah Service Quality terhadap Perceived Ease of Use, Compatibility terhadap Perceived Usefulness, Facilitating Condition terhadap Perceived Ease of Use, dan Self Efficacy terhadap Perceived Usefulness.

---

Pangkalan Data Pendidikan Tinggi PDDIKTI is a centralized database that collects data from all higher education institutions in Indonesia. PDDIKTI is managed by Data and Information Center at theMinistry of Research, Technology and Higher Education. PDDIKTI Feeder Services aredeveloped to facilitate universities collecting their data. This study analyzes factors affecting the acceptance of PDDIKTI Feeder Services athigher education institutions. The Technology Acceptance Model TAM and its external variables are used to conduct this research. The external variables are Service Quality, User Training, Social Influence, Self Efficacy, Information Quality, Facilitating Condition, and Compatibility. Structural Equestion Modeling SEM is used to analyze data collected from 248 respondents. The results show some variables that have significant influence on other variables. These are Social Influence to the Intention to Use and Perceived Usefulness, Information Quality to the Perceived Ease of Use and Perceived Usefulness, User Training to the Perceived Ease of Use, Compatibility to the Perceived Ease of Use, Facilitating Condition to the Intention of Use,Service Qualityto the Perceived Usefulness, and finally Self Efficacy to the Perceived Ease of Use. On the other hand, some variables have no significant influence. These are Service Quality to the Perceived Ease of Use, Compatibility to the Perceived Usefulness, Facilitating Condition to the Perceived Ease of Use, and Self Efficacy to the Perceived Usefulness."

"Tesis ini membahas mengenai maturity level sistem pemerintahan berbasis elektronik (SPBE) pada Kementerian Riset, Teknologi, dan Pendidikan Tinggi (Kemenristekdikti). Penelitian ini berangkat dari permasalahan dimana Kemenristekdikti menempati peringkat terakhir dalam penilaian e-Government Indonesia (PeGI) yang dilakukan oleh Kemkominfo pada tahun 2016. Padahal seharusnya Kemenristekdikti menjadi motor utama dan acuan bagi lembaga kementerian lain dalam pelaksanaan e-Government (SPBE) di Indonesia sehingga tentu dapat dilihat bahwa SPBE belum menjadi prioritas utama. Penelitian ini bertujuan untuk menggambarkan keadaan maturity level SPBE berdasarkan indikator pada five level maturity level model menurut UN/ASPA (2002) dan faktor-faktor menurut Yong (2003). Penelitian ini menggunakan pendekatan postpositivism dengan pengumpulan data melalui wawancara secara mendalam, pengisian kuesioner, dan studi dokumentasi terhadap literatur terkait. Hasil penelitian menunjukkan bahwa maturity level SPBE pada Kemenristekdikti masih berada pada tahap ketiga yaitu interactive dimana terdapat lima faktor di dalamnya yaitu support, capacity, value, leadership, dan organization. Terakhir, penulis memberikan rekomendasi yang relevan dengan hasil penelitian ini.

---

This thesis discusses the maturity level of an electronic-based government system (SPBE) at the Ministry of Research, Technology and Higher Education (Kemenristekdikti). This research departs from the problem where the Ministry of Research, Technology and Higher Education last ranked in the assessment of e-Government Indonesia (PeGI) conducted by the Ministry of Communication and Information in 2016. Eventhough, Kemenristekdikti should be the main motor and reference for other ministry agencies in implementing e-Government (SPBE) in Indonesia so it can be seen that SPBE has not been a top priority. This study aims to describe the state of SPBE maturity level based on indicators at the five level maturity level model according to UN/ASPA (2002) and factors according to Yong (2003). This study uses a postpositivism approach by collecting data through in-depth interviews, filling out questionnaires, and studying documentation on related literature. The results of the study indicate that the SPBE maturity level in Kemenristekdikti is still in the third stage, namely interactive where there are five factors in it, namely support, capacity, value, leadership, and organization. Finally, the authors provide recommendations that are relevant to the results of this study."

"Dalam rangka mendukung pengambilan keputusan yang tepat bagi pimpinan berbasis data (data driven organization), Kemenkeu menyusun inisiatif strategis optimalisasi Sistem Layanan Data Kementerian Keuangan (SLDK) dan pengembangan proyek data analytics. Dalam pengembangan data analytics, terdapat permasalahan rendahnya kualitas data sehingga data driven organization belum terwujud dengan optimal. Penelitian ini meggunakan metode kualitatif dengan melalui proses wawancara dan observasi. Pengukuran kualitas data dan tingkat kematangan kualitas data menggunakan kerangka kerja Loshin’s Data Quality, DAMA-Data Management Book of Knowledge (DMBoK), dan Government Data Qualiaty (GDQ). Hasil pengukuran kualitas data menunjukkan terdapat permasalahan data tidak akurat dan tidak lengkap dan tingkat kematangan kualitas data Kemenkeu berada pada level Repeatable. Menyusun strategi kualitas data, ketentuan teknis, tim kualitas data, dan prosedur pengelolaan kualitas data; identifikasi harapan dan aturan kualitas data; mengukur, memantau, dan melaporkan kualitas data; mengelola aturan, knowledge base, dan metadata; meningkatkan kesadaran; melakukan pelatihan; menyediakan tools, menerapkan aturan dan menangani permasalahan; memutakhirkan SLA; mengelola kinerja kualitas data; dan melakukan audit kualitas data merupakan strategi peningkatan kualitas data yang dilaksanakan dalam empat tahap pada Tahun 2022-2023.

---

To support the right decision making for data-driven organizations, the Ministry of Finance (MoF) has developed a strategic initiative for optimizing the MoF's Data Service System (SLDK) and developing a data analytics project. In the development of data analysis, there is a problem of low data quality so that data-driven organizations have not been realized optimally. This study uses a qualitative method through interview and observation. Measurement of data quality and maturity level of data quality uses the Loshin's Data Quality framework, DAMA-Data Management Book of Knowledge (DMBoK), and Government Data Quality (GDQ). The results of the measurement of data quality indicate that there are problems with inaccurate and incomplete data and the MoF's data quality level is at the Repeatable level. Develop a data quality strategy, technical provisions, data quality team, and data quality management procedures; identification of data quality expectations and rules; measure, monitor, and report on data quality; manage rules, knowledge base, and metadata; raise awareness; conduct training; provide tools, apply rules and carry out problem solving; updating SLAs; manage data quality performance; and conducting data quality audits is a data quality improvement strategy implemented in four stages in 2022-2023.

"

"ABSTRAKPada keadaan dimana konsumen makin sadar akan mutu, sedangkan dalam pasar persaingan semakin kompetitif, maka P.T. Bhumyamca Sekawan dituntut untuk dapat memberikan layanan yang memiliki standar mutu yang tinggi dengan harga yang tetap bersaing. Untuk peningkatan mutu diperlukan biaya, selain itu selama ini hasil dari peningkatan mutu dan dampak finansialnya sulit untuk diukur. Maka agar tindakan peningkatan mutu ini efektif perlu suatu metode yang dapat mendeteksi elemen apa yang perlu ditingkatkan. Baik metode Return On Quality maupun Cost Of Quality sama-sama dapat digunakan untuk menentukan tindakan perbaikan peningkatan mutu, karena itu dalam penelitian ini diselidiki apakah penerapan masing-masing metode memberikan hasil yg sama.Dengan menggunakan metode COQ, aktivitas mutu yang dilakukan perusahaan dapat teridentifikasi menjadi elemen-elemen biaya mutu. Dari komposisi biaya mutu tersebut dapat dideteksi bahwa walaupun biaya pencegahannya tinggi, namun biaya kegagalan yang terjadi masih sangat besar, hal ini mengindikasikan bahwa kegiatan pencegahan yang dilakukan oleh perusahaan kurang efektif. Setelah dianalisa lebih jauh didapatkan bahwa sumber masalahnya adalah kurangnya pengetahuan dan ketrampilan dari para teknisi terutama pada departemen AC/Listrik sehingga mengakibatkan banyaknya pekerjaan perbaikan ulang (termasuk dalam kategori biaya kegagalan).Dengan menggunakan metode ROQ melalui hasil kuesioner dan pengolahannya diperoleh 5 variabel yang dianggap penting oleh pelanggan yang perlu ditingkatkan. Dari 5 variabel tersebut didapat 31 alternatif komposisi tindakan perbaikan mutu. Melalui perhitungan-perhitungan yang dilakukan didapat bahwa alternatif 10, yaitu melakukan peningkatan pemberian bantuan pada pelanggan (var. 14) dan melakukan peningkatan kemudahan menghubungi customer service (var. 23) merupakan pilihan terbaik dengan ROQ tertinggi, yaitu 121%.Berdasarkan hal-hal tersebut diatas, disusunlah beberapa usulan langkah perbaikan yang dapat dilakukan perusahaan terhadap sistem layanan perusahaan serta peningkatan kualitas layanan terhadap pelanggan. Sedangkan penerapan dalam perusahaan tergantung pada situasi dan kondisi perusahaan serta keputusan manajemen yang berkaitan dengan ketersediaan dana yang dibutuhkan untuk masing-masing tindakan perbaikan yang dilakukan."

"Banyak perangkat lunak yang berkembang cepat karena tuntutan bisnis tanpa melalui proses yang matang sehingga berkualitas buruk dan menjadi lebih sulit untuk dikelola. Untuk kasus seperti ini bisa diperbaiki dengan melakukan rekayasa ulang dengan memperhatikan praktik yang baik dalam proses pengembangan perangkat lunak tersebut. PT RAKITEK sebagai perusahaan dengan tim berskala kecil yang mengembangkan produk perangkat lunak CRM untuk multi tenant juga mengalami masalah evolusi perangkat lunak, sehingga berkualitas buruk. Permasalahan dari perangkat lunak tersebut adalah sulitnya pengelolaan karena belum mendukung multi-tenancy dan menghasilkan defect yang susah diperbaiki. Software craftsmanship sebagai ideologi yang menekankan penggunaan praktik keunggulan teknis untuk menghasilkan perangkat lunak yang berkualitas dan mudah dikelola bisa diadopsi untuk mengatasi masalah ini. Namun, untuk mengadopsi software craftsmanship dengan baik, perlu merancang metode rekayasa ulang perangkat lunak yang tepat sesuai kondisi perusahaan. Penelitian ini bertujuan merancang metode rekayasa ulang perangkat lunak yang mengadopsi software craftsmanship dan menerapkan praktik agile dengan menggunakan metodologi extreme programming yang menekankan keunggulan kualitas perangkat lunak (source code). Faktor kualitas perangkat lunak yang perlu dicapai dari rancangan metode rekayasa ulang adalah maintainability, reliability, testability, dan reusability. Penelitian ini menghasilkan RUPL–SC, sebuah metode Rekayasa Ulang Perangkat Lunak yang mengadopsi Software Craftsmanship, dan hasil pengujian kualitas perangkat lunak yang diperbaiki dengan metode tersebut. Pengujian efektifitas metode RUPL–SC dilakukan dengan studi kasus rekayasa ulang perangkat lunak CRM yang dikembangkan PT RAKITEK. Tim pengembang menggunakan alat bantu SonarQube untuk menilai source code yang ditulis, sehingga kualitas perangkat lunak dapat terus dipantau seiring dengan perkembangan perangkat lunak. Hasil pengujian metode berhasil memperbaiki permasalahan multi tenancy dan meningkatkan kualitas perangkat lunak.

---

Much software evolves fast, sacrifices the quality, and becomes more challenging to maintain. Reengineering by considering the good practice in the software development process is a solution for cases like this. PT RAKITEK, a company with a small-scale team that develops CRM software products for multi-tenant, also experiences this software evolution problem, resulting in poor quality. The main problem is that it is difficult to manage because it does not support multi-tenancy and produces complex defects to avoid. Software craftsmanship as an ideology that emphasizes technical excellence practices to deliver quality and easy-to-manage software can be adopted to overcome this problem. However, it is necessary to design software reengineering methods that consider company conditions to adopt software craftsmanship smoothly. This study aims to develop a software reengineering method that adopts software craftsmanship and applies agile practices using an extreme programming methodology that emphasizes the power of software quality (source code). The reengineering method design should achieve software quality factors such as maintainability, reliability, testability, and reusability. This research produces RUPL–SC, a Software reengineering method that adopts software craftsmanship, and the results of software quality testing improved by that method. The RUPL–SC testing method's effectiveness is shown using a case study of CRM software reengineering developed by PT RAKITEK. The development team uses the SonarQube tool to assess the source code to monitor the quality of the software in the software development. The method test results show that it succeeded in fixing the multi-tenancy problem and improving the quality of the software."

"Bervariasinya kapasitas, potensi dan tingkat perkembangan daerah menyebabkan perbedaan mutu yang lebar antar program studi maupun institusi perguruan tinggi di penjuru Indonesia. Perbedaan mutu ini menjadi fokus para pemangku kepentingan perguruan tinggi, khususnya calon mahasiswa, pemerintah dan pasar tenaga kerja. Agar dapat menjaga mutunya, Universitas Kristen Krida Wacana (UKRIDA) sebagai salah satu dari institusi perguruan tinggi di Indonesia wajib memenuhi standar dari kriteria yang ditetapkan oleh Badan Akreditasi Nasional Perguruan Tinggi (BAN-PT). Kemudian, untuk dapat bersaing, UKRIDA juga perlu menetapkan keputusan-keputusan maupun rencana strategis yang dibuat memanfaatkan data yang sama dengan yang digunakan untuk pengukuran pemenuhan standar kriteria akreditasi agar selaras dengan tujuan utama peningkatan mutu. Namun, ternyata melalui analisis akar-akar masalah Loshin yang diantaranya manusia, proses, teknologi dan kebijakan ditemukan kualitas data dari salah satu kewajiban Tri Dharma yaitu pendidikan dan pengajaran secara khusus pada data mahasiswa dan akademik, masih buruk baik itu manajemen maupun kondisi dari data itu sendiri. Berdasarkan hal tersebut, penelitian ini bertujuan untuk menyusun strategi peningkatan kualitas data mahasiswa dan akademik UKRIDA. Menggunakan metode kualitatif, pengumpulan data dilakukan melalui wawancara, query langsung dan studi dokumen. Penilaian terhadap kualitas data saat ini menggunakan dimensi kualitas data dari Loshin dan PermenristekDikti RI Nomor 61 Tahun 2016 Pasal 12, penilaian terhadap tingkat kematangan manajemen kualitas data menggunakan Data Quality Maturity Model Loshin. Penilaian menghasilkan temuan penyebab permasalahan dan temuan kesenjangan manajemen. Analisis kemudian digunakan untuk menghasilkan rekomendasi strategi, yang pertama lewat pemetaan penyebab permasalahan umum DMBOK2 dibentuk strategi peningkatan kondisi kualitas data dan yang kedua, lewat pemetaan best practive aktivitas manajemen kualitas data DMBOK2 yang dipadu dengan poin-poin konsiderasi strategi kualitas data Loshin dibentuk strategi peningkatan manajemen kualitas data. Secara garis besar strategi yang diajukan menyarankan perbaikan struktur data dan antarmuka aplikasi, pendefinisian tata kelola data, penyelenggaraan dokumentasi aturan, SOP dan SLA yang lengkap hingga ke unit bisnis dan peningkatan pengukuran dan pelaporan.

---

Variations in capacity, potential, and level of regional development cause wide differences in quality between study programs and higher education institutions throughout Indonesia. These quality differences become the focus of higher education stakeholders, especially prospective students, the government, and the labor market. To maintain its quality, Krida Wacana Christian University (UKRIDA) as one of the higher education institutions in Indonesia must meet the standards of criterias set by the National Accreditation Body for Higher Education (BAN-PT). Then, to be able to compete, UKRIDA also needs to establish strategic decisions and plans that are made based on the same data used to measure accreditation criteria standards fulfillment so that they are aligned with the main objective of quality improvement. However, through analysis of Loshin’s domain of problem root causes include humans, processes, technology, and policies, turns out that the quality of data from one of the obligations of the Tri Dharma, namely education and teaching specifically on student and academic data is still poor both in terms of management and the condition of the data itself. Based on these founds, this study aims to develop strategies for improving the UKRIDA student and academic data quality. Using qualitative methods, data collection was carried out through interviews, direct queries and document study. Assessment of the current data quality uses data quality dimensions from Loshin and PermenristekDikti RI Number 61 of 2016 Article 12, assessment of the maturity level of data quality management using Loshin's Data Quality Maturity Model. The assessment results in: findings of problems causes and findings of management gaps. Further analysis was carried out to produce strategic recommendations, firstly through mapping DMBOK2 common problems causes; a strategy for improving data quality conditions was formed. Secondly, through mapping of DMBOK2 best practice data quality management activities combined with Loshin’s data quality strategy points of consideration, a data quality management improvement strategy was formed. Broadly speaking, the proposed strategy suggests corrections of data structures and application interfaces, defining data governance, organizing complete documentation of rules, SOPs, and SLAs up to business units also measurement and reporting improvement."

"ABSTRAKKementerian Pemuda dan Olahraga mempunyai tugas utama di bidang kepemudaan dan keolahragaan. Tugas utama tersebut ada yang dikerjakan dan dikelola oleh kementerian secara langsung dan ada yang diberikan kepada Dinas Pemuda dan Olahraga di seluruh provinsi contohnya pembinaan atlet Pusat Pendidikan dan Latihan Pelajar (PPLP). Kondisi data atlet PPLP saat ini tidak dapat digunakan untuk menentukan kebijakan dengan optimal karena tidak lengkap, tidak up to date, dan tidak akurat. Tujuan dari penelitian ini adalah menyusun strategi dalam bentuk rekomendasi peningkatan manajemen kualitas data atlet PPLP. Rekomendasi tersebut diharapkan dapat menjadi acuan agar data atlet PPLP dapat digunakan untuk menentukan kebijakan contohnya promosi dan degradasi atlet dan cabang olahraga. Penelitian ini menggunakan dua metode yaitu Data Quality Framework dari David Loshin dan Data Management Body of Knowledge (DMBOK) dari DAMA. Data Quality Framework dari David Loshin memiliki 8 komponen dimana setiap komponen mempunyai beberapa karakteristik yang digunakan untuk menilai tingkat dan harapan kematangan manajemen kualitas data. Data Management Body of Knowledge (DMBOK) dari DAMA memiliki 11 kegiatan yang digunakan untuk menyusun rekomendasi berdasarkan kesenjangan antara tingkat dan harapan kematangan manajemen kualitas data. Penelitian ini menghasilkan 29 rekomendasi yang telah divalidasi oleh narasumber. Tahun target pelaksanaan rekomendasi tersebut terbagi menjadi 4 semester yang dimulai pada Tahun 2020 Semester 1.

---

ABSTRACT

The State Minister for Youth and Sports Affairs has the main task in the field of youth and sports. There are main task that carried out and managed by the State Minister directly and some are given to the Department for Youth and Sports affairs in all provinces, for example the coaching athletes Student Education and Training Center (PPLP). Currently the PPLP athletes data cannot be used to determine policies optimally, this is caused by incomplete, not up to date, and inaccurate data. The purpose of this research is to develop a strategy in the form of recommendations for improving the quality management of PPLP athletes data. The recommendation is expected to be a reference so it can be used to determine policies such as promotion and degradation of athletes and sports. This research uses two methods, the Quality of data Framework from David Loshin and Data Management Body of Knowledge (DMBOK) from DAMA. the Quality of data Framework from David Loshin has 8 components where each component has several characteristics that are used to assess the level and expectation of data quality management maturity. Data Management Body of Knowledge (DMBOK) from DAMA has 11 activities that are used to compile recommendations based on the gap between the level and expectation of data quality management maturity. This research produced 29 recommendations that were validated by the speakers. The target year for the implementation of the recommendations are divided into 4 semesters starting in 2020 Semester 1."