Hasil Pencarian  ::  Simpan CSV :: Kembali

Hasil Pencarian

Ditemukan 183774 dokumen yang sesuai dengan query
cover
Eka Ayu Puspitaningrum
Strategi peningkatan kualitas data sertifikasi alat dan perangkat telekomunikasi: Studi kasus pada Direktorat Standardisasi Perangkat Pos dan Informatika = Data quality improvement strategy certification telecommunication tools and equipment: Case Study on Directorate of Standardization.
"ABSTRAK
Permasalahan 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."
2019
T-Pdf
UI - Tesis Membership  Universitas Indonesia Library
cover
Eka Ayu Puspitaningrum
Strategi peningkatan kualitas data Sertifikasi Alat Dan Perangkat Telekomunikasi: Studi kasus pada Direktorat Standardisasi Perangkat Pos dan Informatika = Data Quality Improvement Strategy Certification Telecommunication Tools and Equipment: Case Study On Directorate of Standardization
"ABSTRAK
Permasalahan 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."
Depok: Fakultas Ilmu Komputer Universitas Indonesia, 2019
TA-Pdf
UI - Tugas Akhir  Universitas Indonesia Library
cover
Esmining Mitarum
Evaluasi Kematangan Kualitas Data Penggunaan Spektrum Frekuensi Radio dan Rekomendasi Peningkatan Kualitas Data: Studi Kasus Direktorat Pengendalian Sumber Daya dan Perangkat Pos dan Informatika = Data Quality Maturity Evaluation and Improvement: Case Study of Directorate of Resources Management and Equipment of Posts and Informatics Control
"ABSTRAK
Direktorat Pengendalian Sumber Daya dan Perangkat Pos dan Informatika (SDPPI) merupakan organisasi pemerintahan setingkat eselon dua di bawah Direktorat Jenderal SDPPI, Kementerian Komunikasi dan Informatika. Salah satu tugas dan fungsinya adalah melakukan pengawasan dan pengendalian atas penggunaan spektrum frekuensi di Indonesia. Dalam menjalankan tugas tersebut, Direktorat Pengendalian SDPPI melakukan monitoring terhadap penggunaan spektrum frekuensi radio di tiap wilayah di Indonesia dan merekam hasil monitoring tersebut ke dalam suatu sistem report online. Berdasarkan analisis terhadap data hasil monitoring, teridentifikasi beberapa permasalahan mengenai kualitas data, yakni adanya data yang tidak konsisten, tidak standar, dan tidak akurat, yang pada akhirnya dapat menyulitkan pembuatan kebijakan di bidang spektrum frekuensi radio nasional. Berdasarkan permasalahan tersebut, evaluasi kematangan kualitas data saat ini dilakukan. Narasumber wawancara dalam penelitian ini adalah pejabat dan analis data monitoring di Direktorat Pengendalian SDPPI. Evaluasi dilakukan merujuk pada kerangka kerja Loshin. Hasil evaluasi menunjukkan bahwa komponen harapan kualitas data, kebijakan informasi, prosedur, tata kelola data, standarisasi data, teknologi, dan pengelolaan kinerja berada di level 1 (initial) sedangkan komponen dimensi kualitas data berada di level 2 (repeatable). Harapan kematangan kualitas data berdasarkan pedoman tata kelola Teknologi Infromasi Kementerian Kominfo dan pejabat Direktorat Pengendalian SDPPI berada di level 3 (defined). Analisis kesenjangan kematangan kualitas data saat ini dengan target yang diharapkan dilakukan. Berdasarkan analisis tersebut, dirumuskan rekomendasi peningkatan kualitas data penggunaan spektrum frekuensi. Rekomendasi tersebut meliputi penyusunan prosedur kegiatan monitoring, perumusan kebutuhan kualitas data, perumusan aturan validasi data, penyusunan kebijakan tata kelola data, menetapkan service level agreement (SLA), melakukan sosialisasi, edukasi, dan pelatihan kualitas data, menyusun standarisasi data, mengelola metadata, dan mengimplementasikan tools kualitas data.
ABSTRACT
Directorate of Spectrum Management System and Law Enforcement is echelon II government organization under Directorate General of Resources Management and Equipment of Post and Informatics, Ministry of Communication and Informatics. One of its task and function is to watch over and control the use of frequency spectrum in Indonesia. In doing so, Directorate of Resources Management and Equipment of Posts and Informatics Control monitors radio frequency spectrum usage at every region in Indonesia and record the result to an online report system. Based on analysis of data resulted from such monitoring, data quality problems are identified, i.e. the occurence of inconsistent, nonstandard, and inaccurate data, which in turn may complicate policy making in the field of national radio frequency spectrum. Supported by inverview with related stakeholder, further analysis is done to evaluate existing data quality maturity using Loshins Data Quality Maturity Model. The evaluation result show that for data quality expectations, policies, procedures, data governance, data standardization, technology, and performance management are on level 1 (initial) and dimension of data quality is on level 2 (repeatable), while the expected level is on level 3 (defined). Based on the gap analysis between as is and to be condition, recommendations to improve data quality of frequency spectrum usage is formulated. The recommendations are formulating procedures, data quality requirements, data validation rules, data governance policy, SLA, data satandardization, education and training, metadata management, and data quality tools implementation."
Depok: Fakultas Ilmu Komputer Universitas Indonesia, 2019
TA-Pdf
UI - Tugas Akhir  Universitas Indonesia Library
cover
Muhammad Ikhsan Setyadi
Strategi peningkatan kualitas data pokok pendidikan: studi kasus Sekretariat Direktorat Jenderal Pendidikan Dasar dan Menengah Kementerian Pendidikan dan Kebudayaan = Data pokok pendidikan quality improvement strategy: a case study of Secretariat of the Directorate General of Primary and Secondary Education of the Ministry of Education and Culture
"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."
Depok: Fakultas Ilmu Komputer Universitas Indonesia, 2019
TA-pdf
UI - Tugas Akhir  Universitas Indonesia Library
cover
Evelline Kristiani
Strategi Peningkatan Kualitas Data Mahasiswa dan Akademik: Studi Kasus Universitas Kristen Krida Wacana = Student and Academic Data Quality Improvement Strategy: A Case Study of Krida Wacana Christian University
"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."
Depok: Fakultas Ilmu Komputer Universitas Indonesia, 2022
T-pdf
UI - Tesis Membership  Universitas Indonesia Library
cover
Evelline Kristiani
Strategi peningkatan kualitas data mahasiswa dan akademik: studi kasus Universitas Kristen Krida Wacana = Student and academic data quality improvement strategy: a case study of Krida Wacana Christian University
"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."

Jakarta: Fakultas Ilmu Komputer Universitas Indonesia, 2022
TA-pdf
UI - Tugas Akhir  Universitas Indonesia Library
cover
Muh. Arief Nugroho
Perancangan service level agreement layanan teknologi informasi berdasarkan kerangka kerja ITIL V3 2011: studi kasus Direktorat Jenderal Sumber Daya dan Perangkat Pos dan Informatika Kementerian Komunikasi dan Informatika = Design of service level agreement for information technology services based on ITIL V3 2011: a case study of Directorate General of ICT Resources and Standardization Ministry of Communications and Informatics
"Pedoman Sekretaris Jenderal Kementerian Kominfo tentang Tata Kelola Teknologi Informasi Kementerian Komunikasi dan Informatika yang diperkuat oleh Nota Dinas Sekretaris Jenderal menyebutkan agar satuan organisasi fungsi TI Saturan Organisasi Fungsi TI mewujudkan transparansi atas kualitas setiap layanan TI dengan membuat kesepakatan secara formal dan mendefinisikannya dalam katalog layanan untuk menyepakati tingkat layanan secara selektif yang dapat diberikan dan diterima, namun dari wawancara diketahui bahwa layanan TI untuk kalangan internal di Ditjen SDPPI, saat ini belum memiliki kesepakatan kualitas layanan TI (Service Level Agreement).
Penelitian ini berusaha untuk melakukan kategorisasi dan prioritasi layanan TI yang akan dibuatkan SLA, sehingga akhirnya terpilih layanan internet, email, dan web. Dalam menyusun rancangan Service Level Agreement akan digunakan kerangka kerja ITIL V3 2011 yang telah terbukti memiliki keunggulan dan manfaat dalam penerapannya. Metode olah data yang digunakan adalah metode Delphi dengan mengumpulkan dan menilai masukan melalui kuisioner. Untuk menghitung tingkat konsensus digunakan Quartile Deviation (QD), sedangkan untuk menghitung tingkat kepentingan digunakan nilai median.
Guidelines on Information Technology Governance from The Secretary General of The Ministry of Communication and Informatics which is supported by the Secretary General Note stated that IT function organization units in the IT Function Organization realize the quality of each IT service by making Service Level Agreements, but from the results of interview there is Service Level Agreement for IT services at internal of the Directorate General of SDPPI.
This research attempts to categorize and prioritize IT services that will be made SLA, so that finally internet, email and web services are chosen. This research used ITIL V3 2011 as framework to design the Service Level Agreement. The usage of ITIL V3 2011 has been proven to have advantages and benefits in its application. The method of using the data used is the Delphi method by collecting and evaluating inputs through questionnaires. To calculate the level of consensus, a quartile deviation (QD) is used, while the median value is used to calculate the level of importance."
Depok: Fakultas Ilmu Komputer Universitas Indonesia, 2019
TA-pdf
UI - Tugas Akhir  Universitas Indonesia Library
cover
Probo Herawani
Strategi peningkatan kualitas data: Studi kasus pada pangkalan data Pendidikan Tinggi Kementerian Riset, Teknologi, dan Pendidikan Tinggi = Data quality improvement strategy: A case study of Higher Education database at the Ministry of Research, Technology, and Higher Education
"ABSTRAK
Menurut 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."
2016
TA-pdf
UI - Tugas Akhir  Universitas Indonesia Library
cover
Nugroho Sutarmadi
Strategi peningkatan kualitas data nasabah berbasis loshin's data quality framework dan data management body of knowledge (studi kasus pada PT Bank Negara Indonesia) = Customer data quality improvement strategy based on loshin's data quality framework and data management body of knowledge (case study in PT Bank Negara Indonesia) / Nugroho Sutarmadi
"ABSTRAK

Di era sekarang ini, informasi telah menjadi kebutuhan yang sangat penting bagi organisasi. Untuk memperoleh informasi yang bermanfaat, data sebagai sumber informasi harus memiliki kualitas yang baik. Salah satu organisasi yang saat ini bergantung pada kualitas informasi adalah PT. Bank Negara Indonesia, Tbk (BNI). BNI dalam usahanya melakukan transformasi bisnis menjadi bank yang berorientasi pada pelanggan melalui BNI Reformasi, sangat bergantung pada kualitas data nasabah yang baik. Kualitas data yang baik didapatkan dari pengelolaan data yang baik, termasuk diantaranya adalah pengukuran dan peningkatan kualitas data.

Penelitian ini dilakukan untuk mengukur tingkat kematangan dari pengelolaan kualitas data dan memberikan rekomendasi peningkatan kualitas data berdasarkan Data Quality Framework dari David Loshin dan Data Management Body of Knowledge (DMBOK) dari DAMA Institute.

Kerangka kerja yang lengkap dimiliki oleh Data Quality Framework sehingga dapat dihasilkan tingkat kematangan kualitas data yang dimiliki BNI untuk domain harapan, dimensi kualitas data, kebijakan, prosedur, tata kelola, standar, teknologi, dan pengukuran kinerja. Berdasarkan tingkat kematangan dan harapanharapan dari BNI, penulis menentukan kesenjangan yang digunakan untuk meningkatkan kematangan kualitas data di BNI. Berdasarkan best practice dan kerangka kerja yang ada di DMBOK, berhasil didapatkan rekomendasi peningkatan kualitas data, yaitu: perbaikan terhadap data quality requirements, menetapkan dan mengevaluasi data quality service levels, memantau prosedur operasional dan kinerja data quality management, serta melakukan pembersihan dan perbaikan data.

ABSTRAK

In this era, information has become critical for organization. To gain a maximum benefit from information, data as a source for information must have a good quality. PT. Bank Negara Indonesia (BNI) is one of organization that depends on good information quality. BNI is on their way to transforming from product centric to customer centric, they called this transformation as BNI Reformed. This transformation success is depends on their good customer data quality. Good data quality obtained from well data management, including the measurement and improvement of data quality.

This research was conducted to measure the maturity level of data quality management and provide recommendations on data quality improvement based Data Quality Framework from David Loshin and Data Management Body of Knowledge (DMBOK) of DAMA Institute.

Data Quality Framework has complete framework so that the maturity level of data quality in BNI can be measured for each domain: expectations, the data quality dimensions, policies, procedures, governance, standards, technology, and

performance measurement. Based on the level of maturity and expectations of BNI, the authors determine the gaps that are used to improve data quality maturity in BNI. Based on best practices and frameworks that exist in DMBOK, we can get data quality improvement recommendations, namely: improvements to data quality requirements, define and evaluate the data quality service levels,
operational procedures and monitoring the performance of data quality management, as well as cleaning and repair data.

"
2014
TA-PDF
UI - Tugas Akhir  Universitas Indonesia Library
cover
Syafi Muhammad Tauhid
Strategi Manajemen Peningkatan Kualitas Data Pelanggan : Studi Kasus pada Perusahaan English First = Customer Data Quality Management Improvement Strategy: Case Study in English First
"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."
Jakarta: Fakultas Ilmu Komputer Universitas Indonesia, 2021
TA-pdf
UI - Tugas Akhir  Universitas Indonesia Library
<<   1 2 3 4 5 6 7 8 9 10   >>