Hasil Pencarian  ::  Simpan CSV :: Kembali

"ABSTRAKPermasalahan berdasarkan temuan Badan Pemeriksa Keuangan (BPK) atas pemeriksaan kinerja pelayanan perizinan di Kementerian Komunikasi dan Informatika (KOMINFO) adalah data sertifikasi alat dan perangkat telekomunikasi pada database sistem informasi e-sertifikasi belum sepenuhnya lengkap, akurat, dan valid dalam mendukung pelayanan sertifikasi alat dan perangkat telekomunikasi. Dengan ketidaklengkapan tersebut memberi risiko terjadinya penerimaan yang tidak sah dan tidak valid atas perolehan biaya sertifikasi. Sehingga belum dapat dimanfaatkan secara optimal untuk keperluan pelaporan ataupun rekonsiliasi data. Berdasarkan kondisi tersebut dilakukan pengukuran tingkat kematangan manajemen kualitas data. Narasumber dalam penelitian ini adalah pejabat di Direktorat Standardisasi Perangkat Pos dan Informatika (PPI) yang menangani proses sertifikasi alat dan perangkat telekomunikasi, pejabat di Direktorat Pengendalian Sumber Daya dan Perangkat Pos dan Informatika (SDPPI) yang mengelola database dan sistem informasi e-sertifikasi, serta staf programmer e-sertifikasi. Pengukuran tingkat kematangan manajemen kualitas data dilakukan dengan menggunakan framework Modelo Alarcos de Mejora de Datos (MAMD) 2.0 dimana hasilnya berada pada level 1, sedangkan level yang diharapkan adalah level 2. Untuk itu strategi peningkatan kualitas data sertifikasi alat dan perangkat telekomunikasi disusun berdasarkan analisis penyebab permasalahan data, kesenjangan dari kondisi manajemen kualitas data saat ini dan harapan, pedoman sekretaris jenderal kementerian kominfo nomor 1 tahun 2018 serta Peraturan Menteri Komunikasi Dan Informatika Nomor: 41/PER/MEN.KOMINFO/11/2007 tentang Panduan Umum Tata Kelola Teknologi Informasi Dan Komunikasi Nasional. Rekomendasi yang dihasilkan dikelompokkan dalam delapan poin disiplin data yang perlu dilaksanakan Direktorat Standardisasi PPI apabila ingin mencapai tingkat kematangan manajemen kualitas data yang diinginkan. Delapan poin disiplin data tersebut diantaranya adalah manajemen persyaratan data, manajemen infrastruktur teknologi, manajemen konfigurasi, manajemen data historis, manajemen keamanan data, kontrol dan pemantauan kualitas data, manajemen siklus hidup data, serta definisi standar, kebijakan dan prosedur.

---

ABSTRACTThe problem based on the findings of the Supreme Audit Agency (BPK) on licensing performance checks at the Ministry of Communication and Information Technology (KOMINFO) is that the certification data of telecommunication tools and equipment in the e-certification information system database is incomplete, accurate and valid in supporting equipment and equipment certification services telecommunication. With incompleteness submitted, the approval of acceptance is invalid and invalid on the approval of the certification fee. Data that cannot be utilized optimally for the purpose of reconciliation reporting. Based on these conditions, the level of maturity of data quality management is measured. The speakers in this study were officials at the Directorate of Standardization (PPI) who requested the process of certification of telecommunications equipment and equipment, officials in the Directorate of Resources and Equipment of Post and Informatics Control who manage e-certification database and information systems, and e-certification programmer staff. The measurement of the level of maturity of data quality management is carried out using the Modelo Alarcos de Mejora de Datos (MAMD) 2.0 framework where the results depend on level 1, while the expected level is level 2. For this reason, strategies to improve the quality of certification data for the tools and devices used for needs analysis The problem of data, discusses current data management problems and expectations, guidelines for the secretary general of the Ministry of Communication and Information Number 1 of 2018 as well as Minister of Communication and Information Technology Regulation Number 41/PER/MEN.KOMINFO/11/2007 concerning General Guidelines for Technology Governance National Information and Communication. The recommendations produced are grouped in several data discipline points that need to be implemented by the Directorate of Standardization PPI agreeing to reach the desired level of data quality management maturity. These eight data discipline points are approved are data requirements management, technology infrastructure management, configuration management, historical data management, data security management, data quality control and control, data lifecycle management, as well as standard resolutions, policies and procedures."

"ABSTRAKPermasalahan berdasarkan temuan Badan Pemeriksa Keuangan (BPK) atas pemeriksaan kinerja pelayanan perizinan di Kementerian Komunikasi dan Informatika (KOMINFO) adalah data sertifikasi alat dan perangkat telekomunikasi pada database sistem informasi e-sertifikasi belum sepenuhnya lengkap, akurat, dan valid dalam mendukung pelayanan sertifikasi alat dan perangkat telekomunikasi. Dengan ketidaklengkapan tersebut memberi risiko terjadinya penerimaan yang tidak sah dan tidak valid atas perolehan biaya sertifikasi. Sehingga belum dapat dimanfaatkan secara optimal untuk keperluan pelaporan ataupun rekonsiliasi data. Berdasarkan kondisi tersebut dilakukan pengukuran tingkat kematangan manajemen kualitas data. Narasumber dalam penelitian ini adalah pejabat di Direktorat Standardisasi Perangkat Pos dan Informatika (PPI) yang menangani proses sertifikasi alat dan perangkat telekomunikasi, pejabat di Direktorat Pengendalian Sumber Daya dan Perangkat Pos dan Informatika (SDPPI) yang mengelola database dan sistem informasi e-sertifikasi, serta staf programmer e-sertifikasi. Pengukuran tingkat kematangan manajemen kualitas data dilakukan dengan menggunakan framework Modelo Alarcos de Mejora de Datos (MAMD) 2.0 dimana hasilnya berada pada level 1, sedangkan level yang diharapkan adalah level 2. Untuk itu strategi peningkatan kualitas data sertifikasi alat dan perangkat telekomunikasi disusun berdasarkan analisis penyebab permasalahan data, kesenjangan dari kondisi manajemen kualitas data saat ini dan harapan, pedoman sekretaris jenderal kementerian kominfo nomor 1 tahun 2018 serta Peraturan Menteri Komunikasi Dan Informatika Nomor: 41/PER/MEN.KOMINFO/11/2007 tentang Panduan Umum Tata Kelola Teknologi Informasi Dan Komunikasi Nasional. Rekomendasi yang dihasilkan dikelompokkan dalam delapan poin disiplin data yang perlu dilaksanakan Direktorat Standardisasi PPI apabila ingin mencapai tingkat kematangan manajemen kualitas data yang diinginkan. Delapan poin disiplin data tersebut diantaranya adalah manajemen persyaratan data, manajemen infrastruktur teknologi, manajemen konfigurasi, manajemen data historis, manajemen keamanan data, kontrol dan pemantauan kualitas data, manajemen siklus hidup data, serta definisi standar, kebijakan dan prosedur.

---

ABSTRACT

The problem based on the findings of the Supreme Audit Agency (BPK) on licensing performance checks at the Ministry of Communication and Information Technology (KOMINFO) is that the certification data of telecommunication tools and equipment in the e-certification information system database is incomplete, accurate and valid in supporting equipment and equipment certification services telecommunication. With incompleteness submitted, the approval of acceptance is invalid and invalid on the approval of the certification fee. Data that cannot be utilized optimally for the purpose of reconciliation reporting. Based on these conditions, the level of maturity of data quality management is measured. The speakers in this study were officials at the Directorate of Standardization (PPI) who requested the process of certification of telecommunications equipment and equipment, officials in the Directorate of Resources and Equipment of Post and Informatics Control who manage e-certification database and information systems, and e-certification programmer staff. The measurement of the level of maturity of data quality management is carried out using the Modelo Alarcos de Mejora de Datos (MAMD) 2.0 framework where the results depend on level 1, while the expected level is level 2. For this reason, strategies to improve the quality of certification data for the tools and devices used for needs analysis The problem of data, discusses current data management problems and expectations, guidelines for the secretary general of the Ministry of Communication and Information Number 1 of 2018 as well as Minister of Communication and Information Technology Regulation Number 41 / PER / MEN.KOMINFO / 11/2007 concerning General Guidelines for Technology Governance National Information and Communication. The recommendations produced are grouped in several data discipline points that need to be implemented by the Directorate of Standardization PPI agreeing to reach the desired level of data quality management maturity. These eight data discipline points are approved are data requirements management, technology infrastructure management, configuration management, historical data management, data security management, data quality control and control, data lifecycle management, as well as standard resolutions, policies and procedures."

"Jaringan nirkabel adhoc (MANET) merupakan jaringan yang bersifat sementara, spontan, tidak memililki infrastruktur dan host (node) yang memiliki mobilitas tinggi dan acak. Setiap node dalam jaringan saling berkomunikasi untuk dapat melewatkan paket dari node sumber ke node tujuan. Metode komunikasi setiap node untuk dapat melewatkan paket diatur oleh protocol routing. Karena MANET tidak memiliki infrastrukur dan tidak ada peran khusus suatu node dalam jaringan (tidak ada node khusus yang memantau aktifitas jaringan), MANET sangatlah rentan terhadap ancaman serangan-serangan keamanan.

Salah satu ancaman tersebut adalah serangan blackhole, blackhole akan selalu mengambil alih jalur pengiriman paket dari node sumber dan membuang paket yang melewatinya. Hal ini menyebabkan paket tidak sampai ke node tujuan dan berdampak pada rendahnya Quality of Service (QoS) terutama pada packet los. Skripsi ini mensimulasikan serangan blackhole dalam jaringan nirkabel adhoc dan menganalisa performa routing protocol IDSAODV sebagai solusi meminimalisasi pengaruh serangan blackhole melalui pengukuran Quality of Service (QoS).

Hasil pengukuran QoS IDSAODV yang dibandingkan dengan QoS AODV yaitu terjadi penurunan jumlah rata-rata packet loss karena serangan blackhole sebesar 18,65% dan rata-rata total packet loss sebesar 21.67%, peningkatan juga terjadi pada packet delivery ratio sebesar 21.67 % serta penurunan rata-rata end to end delay sebesar 7.71 ms.

---

Mobile Ad hoc Network (MANET) is temporary network which no infrastructure and also every node in the network has high and random mobility. Every node in the network communicated each other to forwarding data packet from source node to destination. Communication mechanism for every node to forwarding data packet is regulated by routing protocol. Since MANET has non infrastructure network and there is none of special node in the network that can be monitored the whole network activity, MANET is vulnerable and unprotected for security attacks.

One of these attacks is blackhole attack, blackhole is always absorb any packet in the network path and drop every packet which through those node. Thus the data packet cannot be received to the destination node and affected for the worse Quality of service (QoS) especially packet loss. This final assignment simulated blackhole attack in the MANET and also analyze performance of the IDSAODV routing protocol as a solution to mitigating the effect of blackhole attack which measuring of Quality of Service (QoS).

The results of measuring QoS of IDSAODV routing protocol which compared by QoS of AODV routing protocol that the average of packet loss by blackhole dropping packet was decreasing by 18.65% and the average of all packet loss was decreasing by 21.67 % , the average of packet delivery ratio was increasing for 21.67 % and also the average of end to end delay was decreasing by 7.71 ms."

"Sekretariat Direktorat Jenderal Pendidikan Dasar dan Menengah (Setditjen Dikdasmen) adalah unit kerja di bawah Kementerian Pendidikan dan Kebudayaan yang bertugas untuk mengumpulkan dan mengelola data pokok pendidikan (Dapodik). Dapodik mencakup data satuan pendidikan, peserta didik, pendidik dan tenaga kependidikan dan substansi pendidikan yang terus diperbaharui secara online. Dapodik menjadi salah satu sumber data untuk pengambilan keputusan. Keputusan yang tidak tepat salah satunya disebabkan oleh pengolahan data yang kurang baik.Penelitian ini menggunakan metode kualitatif, proses pengumpulan data dengan melakukan wawancara dan observasi dokumen terkait data pokok pendidikan. Melakukan peningkatan kapasitas internal dengan merancang dokumen standar kualitas data pokok pendidikan; Meningkatkan aturan bisnis validasi pada aplikasi front-end dapodik untuk meminimalisir kesalahan dan ketidaksesuaian data; Merancang sistem informasi manajemen kualitas data sebagai alat untuk melakukan pemantauan kualitas data pokok pendidikan; Meningkatkan peran admin pengelola dan pengguna data pokok pendidikan dengan melibatkan direktorat teknis dan LPMP untuk melakukan pemantauan kualitas data melalui aplikasi yang dibuat;Membuat satuan petugas baik di tingkat pusat maupun daerah sebagai bentuk pelayanan terhadap data pokok pendidikan.

---

The Secretariat of Directorate General of Primary and Secondary Education (Setditjen Dikdasmen) is work under the Ministry of Education and Culture whose officiate to collect and manage basic education data (Dapodik). Dapodik includes data on education units (Schools), students, educators and education staff and educational substances that are constantly updated online. Dapodik becomes one of the data sources for decision making. One improper decision is caused by poor data processing.

This study uses qualitative methods, the process of collecting data by conducting interviews and observing documents related to the basic data of education. Data quality assessment uses profiling data with dimensions of data quality, completeness, accuracy, truth, timeliness, and uniqueness. Increase internal capacity by designing basic education data quality document standards; Improve business rules validation on front-end applications dapodik to minimize errors and data mismatches; Designing a data quality management information system as a tool to monitor the quality of the basic education data;Increasing the admin role of managers and users of basic data education by involving the technical directorate and LPMP to monitor data quality through applications made; Make staff units both at the central and regional levels as a form of service to the basic education data."

"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.

"

"ABSTRAKUniversal Personal Telecommunication (UPT) merupakan salah satu jasa yang dapat disediakan oleh Intelligent Network (IN). Dengan UPT hubungan telepon konvensional yang ada selama ini diubah dengan memberikan mobilitas personal pada pengguna melalui proses registrasi nomor UPT pada suatu terminal.Tulisan ini menyajikan suatu studi pendahuluan tentang pengaruh permintaan service UPT terhadap unjuk kerja elemen jaringan yang terlibat. Studi dilakukan dengan menggunakan model antrian dengan bantuan tool simulasi EZSIM versi 1.0. Acuan yang digunakan dalam menetapkan proporsi distribusi aksi untuk setiap elemen jaringan adalah aliran informasi yang terdapat pada ITU-T Rec.Q.1541 v.2 dengan asumsi bahwa setiap aliran informasi dari suatu FE ke FE yang lain akan mengakibatkan beban kerja bagi elemen jaringan. Simulasi dilakukan dengan merubah-rubah pola trafik yang merupakan beban bagi setiap elemen jaringan.Proses validasi model simulasi dilakukan dengan membandingkan hasil simulasi terhadap hasil perhitungan analitis dengan menggunakan teori sistem antrian. Dari hasil simulasi dapat disimpulkan bahwa prosedur-prosedur UPT membawa beban kerja bagi elemen jaringan. Elemen yang paling besar beban kerjanya adalah SSP dan SCP sedangkan prosedur UPT yang paling signifikan mempengaruhi elemen jaringan adalah prosedur registrasi untuk incoming call.

---

ABSTRACT

Universal Personal Telecommunication (UPT) is one of the telecommunication services which could be provided by means of intelligent Network (IN) platform. UPT provides people with personal and telecommunication service mobility. Personal mobility is provided by assigning each UPT user a personal telephone number (PTN) that callers dial to reach that user, wherever the user may be.

This paper describes a preliminary study about the impact of the UPT service request on network performance. The study is done by means of simulation tool EZSIM version 1.0 that can represents the system as a queueing model. The information flows (IF) in ITU-T Rec.1541 v.2 is used to determine the distribution of actions that occur on each network element with assumption that every information flow from FE to FE will cause workload on network element. The simulation is done by changing the traffic pattern of UPT request.

To show the validity of the simulation model, the output of the simulation model is compared with the output of analytical method. The conclusion of the study is that the UPT service features will cause some workloads on network elements. SSP and SCP are elements which have the largest workload, whereas registration for incoming call is the service feature which influence network element significantly."

"Pemanfaatan data untuk menghasilkan informasi yang dapat mendukung pengambilan keputusan bisnis semakin banyak diaplikasikan oleh berbagai perusahaan. Salah satu data yang dimanfaatkan dalam pengambilan keputusan tersebut adalah data pelanggan mengingat perannya dalam mengetahui perilaku pelanggan. Salah satu perusahaan yang memanfaatkan data pelanggan dalam pengambilan keputusan bisnis adalah English First (EF). Dalam membantu menetapkan strategi bisnis untuk meningkatkan perfoma penjualan, perusahaan menghadapi kendala penurunan performa penjualan perusahaan yang disebabkan oleh buruknya kualitas data pelanggan, sehingga strategi bisnis yang dihasilkan kurang tepat. Perusahaan berfokus kepada beberapa dimensi kualitas data pelanggan di perusahaan yaitu completeness, accuracy, dan consistency. Strategi untuk manajemen peningkatan kualitas data pada perusahaan perlu disusun guna penyusunan strategi bisnis yang tepat dan dapat meningkatkan performa penjualan. Penyusunan strategi manajemen peningkatan kualitas data dilakukan dengan melakukan penilaian terhadap dimensi-dimensi kualitas data untuk mengidentifikasi kondisi kualitas data saat ini di perusahaan EF. Selain itu, identifikasi kondisi manajemen dan praktek kualitas data di perusahaan saat ini juga dilakukan untuk dapat mengetahui kesenjangan antara kondisi perusahaan saat ini dengan kondisi yang diharapkan oleh perusahaan. Strategi peningkatan kualitas data yang dihasilkan dari analisis kesenjangan kondisi kualitas data dan manajemen & praktek kualitas data terdiri dari 8 (delapan) domain manajemen kualitas data. Delapan domain tersebut yaitu harapan dari kualitas data, penggunaan dimensi dari kualitas data, kebijakan data, prosedur, tata kelola data, standarisasi data, teknologi, dan pengelolaan kerja. Hasil dari strategi tersebut disusun menjadi rekomendasi solusi dan diurutkan berdasarkan prioritas dengan balance scorecard. Strategi yang memperoleh prioritas tinggi yaitu standardiasi aktifitas dan isu kualitas data serta mengidentifikasi ekspektasi dari kualitas data pada setiap dimensi kualitas data.

---

Data utilization to generate insights to support business decision making has been implemented in many companies. One of the most utilized data is customer data as it could provide information regarding customer’s behavior. One of the companies that utilize customer data is English First (EF). EF is a company in education sector and have more than 20 years of experience in Indonesia. EF utilize customer data in Customer Relationship Management system to produce a business strategy to boost company performance. However, since data in Customer Relationship Management system is stored by human, it has a low quality and resulted in a mismatch business strategy. Strategy to improve data quality management in the company needs to be produced in order to generate a precise business strategy and could boost company sales performance. Data quality assessment towards data quality dimensions needs to be done to produce a improve data quality management strategy. The assessment is needed to identify current data quality condition in EF. Other than that, identification of data quality management and practices in the company are needed to identify as-is management & practices in the company, company’s data quality expectation, and identify the gap between best practice & current condition. The result of data quality improvement strategy consists of 8 (eight) data quality management domains. Those domains are data quality expectation, data quality management, data quality, data policy, data procedure, data governance, data standardization, technology, and work management. The end result is a solution recommendation to improve data quality in EF and sorted by priority with the help of balance scorecard. The strategies that have high priority are company needs to standardized data quality activities and issues in the company as well as identify business expectation of each data quality dimension."