Hasil Pencarian  ::  Simpan CSV :: Kembali

Hasil Pencarian

Ditemukan 150569 dokumen yang sesuai dengan query
cover
Rahmad Mulyadi
"Target PT XYZ yang bergerak di industri keuangan untuk menjadi perusahaan terkemuka di Asia Tenggara telah didukung oleh lebih dari 200 juta data pelanggan yang ada di core system-nya. Data dengan jumlah yang sangat besar tersebut diharapkan dapat menciptakan peluang bisnis, membangun budaya sadar risiko dan menambah keunggulan dalam strategi bisnis PT XYZ. Hal tersebut dapat tercapai jika data yang digunakan adalah data yang berkualitas baik. Pada kenyataannya, ditemukan anomali pada sejumlah besar data pelanggan. Untuk dapat memberikan rekomendasi perbaikan kualitas data pelanggan, perlu dilakukan penilaian kualitas data pelanggan. Penilaian kualitas data pelanggan yang dilakukan pada penelitian ini menggunakan metode yang diperkenalkan oleh Loshin (2011). Loshin's Data Quality Management Model ini mengadopsi tingkat capability maturity model dalam penyusunan matriks karakteristiknya. Nilai kematangan yang diperoleh adalah 3,6 (expectation), 3,6 (dimension), 4,4 (policy), 3,8 (procedure), 4,2 (governance), 3,8 (standardization), 4,2 (technology), dan 3,8 (performance management). Dengan harapan senior management yang dapat mencapai level tertinggi pada kualitas data, dihasilkan 9 rekomendasi strategi. 9 rekomendasi strategi yang diajukan kepada PT XYZ merupakan hasil pemetaan antara kriteria yang belum terpenuhi dengan data quality management activity atau aktivitas DQM yang ada di Data Management Body of Knowledge (DMBOK) versi 2.0. Pengukuran dan pemantauan terhadap kualitas data yang baik menjadi rekomendasi yang paling berpengaruh untuk PT XYZ.

PT XYZ, engaged in the financial industry, has a target to become a leading company in Southeast Asia and has been supported by more than 200 million customer data in its core system. This huge amount of data is expected to create business opportunities, build a risk-aware culture, and increase supremacy in the business strategy of PT XYZ. These things can be achieved if the data used is of good quality data. In fact, found anomalies in a large number of customer data. To get recommendations for improving the quality of customer data, it is necessary to assess the quality of customer data. The assessment of the quality of customer data carried out in this study was by using the method introduced by Loshin (2011). Loshin’s Data Quality Management Model adopts a capability maturity level model in building its characteristic matrix. Maturity levels obtained are 3.6 (expectations), 3.6 (dimensions), 4.4 (policy), 3.8 (procedures), 4.2 (governance), 3.8 (standardization), 4, 2 (technology), and 3.8 (performance management). Regarding the expectation that senior management can achieve the highest level of data quality, 9 strategic recommendations were produced 9 strategy recommendations were submitted to PT XYZ is the result of mapping between criteria that have not been met with data quality management activity in Data Management Body of Knowledge (DMBOK) version 2.0. Measurement and monitoring of good data quality is the most influential recommendation for PT XYZ."
Depok: Fakultas Ilmu Komputer Universitas Indonesia, 2023
TA-pdf
UI - Tugas Akhir  Universitas Indonesia Library
cover
Pranedya Aldis Satriya
"ABSTRAK
Bisnis digital merupakan salah satu bisnis yang menjanjikan pada era informasi saat ini. Informasi penting dapat diperoleh dari mewawas data yang berkualitas, sehingga dapat dimanfaatkan untuk kepentingan organisasi. Data pelanggan yang dimiliki oleh PT XYZ menjadi bahan inti dalam strategi pengembangan program digital. Data yang terkumpul dari beberapa unit bisnis memiliki kualitas data yang rendah. Tantangan tersebut menjadi perhatian manajemen, sehingga butuh pengelolaan kualitas data yang baik untuk meningkatkan kualitas data pelanggan.Penelitian ini menggunakan metode kualitatif, pengumpulan data dilakukan dengan melakukan wawancara terhadap empat narasumber dan studi dokumen perusahaan. Penilaian kualitas data dilakukan dengan menggunakan Big Data Quality Assessment dari lsquo;Cai and Zhu rsquo; dan tingkat kematangan kualitas data menggunakan Data Quality Framework dari Loshin untuk mengetahui karakteristik yang kurang dalam pengelolaan kualitas data. Hasil tersebut dipetakan berdasarkan praktik manajemen kualitas data Data Management Body of Knowledge DMBOK dari DAMA institute untuk menyusun rekomendasi strategi pengelolaan kualitas data.Pengukuran tingkat kematangan kualitas data pelanggan PT XYZ berada pada level 2 repeatbele . Rekomendasi yang dihasilkan yaitu: menentukan proses dan prosedur untuk menetapkan tanggung jawab dan akuntabilitas untuk semua aspek manajemen data, penerapan pengelolaan metadata, melakukan proses analisis data pelanggan, melakukan penambahan proses validasi data terhadap setiap elemen kualitas data, merumuskan Service Level Agreements SLA , merumuskan data profiling untuk data pelanggan, menyusun Standard Operating Procedure SOP , menerapkan manajemen pelacakan insiden, dan melakukan evaluasi pengelolaan data secara berkala.
ABSTRACT
Digital business is one of the promising businesses in this information age. Important information can be obtained from data which has quality, so it can be utilized for the benefit of the organization. Customer data owned by PT XYZ becomes the core ingredient in digital program development strategy. The data collected from several business units has low data quality. The challenge become a concern of management, so it takes the management of good data quality to improve the quality of customer data.This research use qualitative method, data retrieval is done by interviewing four resource person and company rsquo;s document. Data quality assessment is performed using Big Data Quality Assessment from 39;Cai and Zhu 39; and data maturity level using Data Quality Framework from Loshin to know the quality of data. The results are mapped based on data management quality management practices of DMBOK from DAMA institutions to develop recomendation of data quality management strategy.Measurement of PT XYZ customer data quality maturity level is at level 2 repeatbele . Recommendations of the strategies are: determine the processes and procedures for assigning responsibilities and accountability for all aspects of data management, implementation of metadata management, conducting customer data analysis process, adding data validation process to each element of data quality, formulating Service Level Agreements SLA , formulate profiling data for customer data, develop Standard Operating Procedures SOP , implement incident tracking management, and conduct periodic data management evaluations."
2018
TA-Pdf
UI - Tugas Akhir  Universitas Indonesia Library
cover
Siahaan, Hilman Wisnu
"Data pelanggan merupakan salah satu data yang paling penting digunakan dalam OVO untuk menjalankan strategi dan mencapai visi perusahaan. Untuk itu dibutukan strategi yang baik dalam melakukan pengelolaan data pelanggan tersebut untuk mendapatkan kualitas data yang lebih baik. Penelitian ini dilakukan untuk mengukur tingkat kematangan pengelolaan kualitas data yang saat ini dilakukan dan memberikan strategi manajemen kualitas data berdasarkan kerangka kerja Loshin (2011) dan DAMA-DMBOK. Dari hasil pengukuran tingkat kematangan didapatkan bahwa secara umum pengelolaan data kualitas di OVO sudah berada di level 3 (defined) dengan beberapa dimensi masih berada pada level 2 (repeatable). Selanjutnya dilakukan analisis kesenjangan terhadap harapan yang kemudian menjadi input untuk menyusun strategi manajemen untuk meningkatkan kualitas data di OVO. Adapun rekomendasi strategi manajemen yang disarankan yaitu penggunaan dimensi kualitas data yang diselaraskan dengan hasil review business rules, implementasi single source of truth, membentuk dan menentukan data stewards, membentuk dewan pengawas kualitas data, melakukan sertifikasi sumber data yang terpercaya, memberikan partisipasi terhadap business partner dalam aktifitas DQM, membangun metrik kualitas data yang selaras dengan bisnis, menetapkan SLA, melakukan pemantauan aturan kualitas data, melakukan analisis dampak data, menyusun prosedur terkait DQM, melakukan pelaporan data quality scorecard secara rutin, menggunakan tools dalam pengecekan, menambahkan detail prosedur dalam pengawasan dengan metode otomatis, membangun aturan data yang selaras dengan bisnis, dan melakukan validasi data menggunakan aturan yang sudah didefenisikan.

Customer data is one of the most critical data in OVO to carry out strategies and achieve the company's vision. Therefore, the company requires a good strategy in managing customer data to get better data quality. This research was conducted to measure the current maturity level of data quality management, and provide data quality management strategies based on the Loshin data quality maturity framework and DAMA-DMBOK framework. From the assessment of data quality maturity level, found that in general the quality data management in OVO was already at the third level (Defined), although some dimensions are still at the second level (Repeatable). Furthermore, an analysis of the gap against expectations is conducted which it’s results later become an input for formulating data management strategies to improve data quality in OVO. The results of data management strategy recommendations are use the data quality dimensions that are aligned with the results of reviewing business rules, implementation of a single source of truth, develop data stewards, develop data quality oversight board, certifying reliable data sources, giving participation to business partners in DQM activities, building data quality metrics that are aligned with the business, setting SLAs, monitoring data quality rules, conducting data impact analysis, compiling procedures related to DQM, reporting on data quality scorecards regularly, using tools in checking, adding detailed procedures for data monitoring with automated methods, develop data rules that comply with business, and perform data validation using predefined."
Depok: Fakultas Ilmu Komputer Universitas Indonesia, 2021
TA-pdf
UI - Tugas Akhir  Universitas Indonesia Library
cover
Muhammad Fuad Dwi Rizki
"ABSTRAK
Kualitas data bawah tanah adalah hal yang sangat penting untuk menunjang kegiatan eksplorasi dan eksploitasi perusahaan hulu migas. Dari hasil assesment pihak eksternal mengenai manajemen data di PT XYZ, salah satu hal krusial yang harus dibenahi adalah kualitas data bawah tanah yang masih rendah. Untuk itu diperlukan suatu kebijakan mengenai manajemen kualitas data sehingga dapat membantu meningkatkan kualitas data bawah tanah di PT. XYZ. Pada penelitian ini data bawah tanah yang akan dijadikan objek penelitian adalah data sumur pengeboran migas. Dalam menyusun kebijakan manajemen kualitas data, penelitian ini menggunakan kerangka kerja Data Quality Management DMBOK pada grup Planning dan Development yang relevan dengan pembuatan kebijakan. Aktivitas-aktivitas ini adalah mendefinisikan data quality requirement, membuat data quality business rule dan membuat data quality metrics. Penelitian berhasil merumuskan rancangan kebijakan manajemen kualitas data sumur pengeboran migas berupa 116 data quality requirement, 119 data quality business rule, dan data quality metrics yang tersusun berdasarkan persentase keberhasilan data memenuhi data quality business rule.

ABSTRACT
The quality of subsurface data is very important to support the exploration and exploitation activities of upstream oil and gas companies. From the external assessment of data management in PT XYZ, one of the crucial things that must be addressed is the low quality of subsurface data. For that we need a policy on data quality management so that it can help improve the quality of subsurface data at PT. XYZ. In this research, subsurface data that will be used as research object is oil and gas well drilling data. In preparing data quality management policies, this study uses the DMBOK Data Quality Management framework in the Planning and Development group relevant to policy making. These activities are defining data quality requirements, creating quality business rule data and creating data quality metrics. The research succeeded in formulating the draft of quality management policy of oil and gas well drilling data in the form of 116 data quality requirement, 119 data quality business rule, and data quality metrics compiled based on percentage of data success to meet the data quality business rules."
2018
TA-Pdf
UI - Tugas Akhir  Universitas Indonesia Library
cover
Az Zahra Izaaz
"Kerangka Technology-Organization-Environment (TOE) digunakan untuk mengevaluasi dalam mengadopsi penerapan Sistem Informasi Manajemen (SIM) untuk pengelolaan data keuangan dan memberikan rekomendasi dalam mengoptimalkan penerapan SIM dalam Politeknik XYZ dengan tiga konteks yaitu teknologi, organisasi dan lingkungan. Metode penelitian menggunakan pendekatan secara kualitatif yang diperoleh dari hasil wawancara dengan lima narasumber. Hasil penelitian menunjukkan bahwa dalam konteks teknologi, atribut keuntungan relatif pada SIM bermanfaat dalam memberikan informasi layanan keuangan kepada semua pihak Politeknik XYZ, namun dalam kompatibilitas dan kompleksitas masih ada kendala teknis pada SIM sehingga perlu perbaikan pada perhitungan Tarif Dasar Mengajar (TDM) secara akurat, slip gaji pegawai dengan format yang disamakan dan otomatis, integrasi data dan informasi secara aktual dan tepat waktu. Sedangkan untuk konteks organisasi, perlu adanya dukungan manajemen puncak untuk mengambil keputusan dalam menentukan developer sebagai penyedia SIM untuk memperbaiki masalah teknis tersebut, pelatihan yang cukup untuk meningkatkan kualitas sumber daya manusia dan penambahan staff user SIM untuk efisiensi pekerjaan sesuai dengan kebutuhan organisasi. Faktor lingkungan dipengaruhi dukungan regulator berupa Peraturan Pemerintah dan standar operasional prosedur untuk menjamin pelaksanaan dan penyediaan SIM, karakteristik industri dengan kompetitif antar perguruan tinggi dapat meningkatkan performa Politeknik melalui perbaikan kualitas layanan keuangan pada SIM.

The Technology-Organization-Environment (TOE) framework is used to evaluate the adoption of Management Information System (MIS) for financial data management and provide recommendations for optimizing MIS implementation in XYZ Polytechnic with three contexts: technology, organization and environment. The research method uses a qualitative approach obtained from interviews with five respondents. The results showed that in the context of technology, the relative advantage attribute of MIS is useful in providing financial service information to all parties of XYZ Polytechnic, but in compatibility and complexity there are still technical obstacles in MIS so that it needs improvement in the calculation of the Basic Teaching Fee (TDM) accurately, employee pay slips with a uniform and automatic format, actual and timely data and information integration. As for the organizational context, there needs to be top management support to make decisions in determining developers as MIS providers to fix these technical problems, sufficient training to improve the quality of human resources and additional MIS user staff for work efficiency according to organizational needs.  Environmental factors are influenced by regulatory support in the form of Government Regulations and standard operating procedures to ensure the implementation and provision of MIS, industry characteristics with competition between universities can improve Polytechnic performance through improving the quality of financial services on MIS."
Jakarta: Fakultas Ekonomi dan Bisnis Universitas Indonesia, 2022
T-pdf
UI - Tesis Membership  Universitas Indonesia Library
cover
Rizal Mochamad Nazar
"Pemanfaatan teknologi digital telah membuat hampir seluruh sektor industri melakukan transformasi digital. Transformasi ini memberikan tantangan baru untuk dunia bisnis baik secara internal dan eskternal. Dengan kemajuan teknologi setiap organisasi mengalami peningkatan volume data dan variasi data serta kebutuhan untuk selalu melakukan ekplorasi terhadap data untuk kebutuhan komptetitif organisasi. PT. XYZ merupakan sebuah perusahaan publik yang didirikan tahun 1975 dan bergerak di bidang teknologi informasi yang berfokus pada ruang lingkup bisnis Digital Services dan Document solution. Berdasarkan hasil wawancara, tinjauan dokumen dan observasi, ditemukan permasalahan manajemen pengelolaan data perusahaan di PT XYZ. Salah satu akar penyebab permasalahan adalah belum adanya manajemen tata kelola data yang diterapkan. Untuk itu, penelitian ini dilakukan untuk merancang tata kelola data yang sesuai dengan kondisi organisasi. Pada penelitian ini dilakukan data governance maturity assessment untuk mengukur tingkat kematangan tata kelola data dengan hasil pengukuran ada pada level 1 (Performed). Dari hasil wawancara, observasi, studi dokumen dan pengukuran tingkat kematangan, selanjutnya dilakukan pemetaan peran dan aktivitas, struktur data governance, strategi data governance, kebijakan data governance, data governance roadmap dan strategi implementasi data governance. Dari hasil analisis yang dilakukan, terdapat depalan usulan inisiatif strategi data governance yang dapat diterapkan organisasi. Rancangan data governance dapat menjadi solusi untuk mempersiapkan penerapan data governance guna mengatasi permasalahan data organisasi.

The use of digital technology has enabled almost all industrial sectors to undergo digital transformation. This transformation provides new challenges for the business world both internally and externally. With advances in technology, every organization experiences an increase in data volume and data variety as well as the need to always explore data for the organization's competitive needs. PT. XYZ is a public company founded in 1975 and operates in the information technology sector which focuses on the Digital Services and Document Solution business scope. Based on the results of interviews, document reviews and observations, management problems were found in managing company data at PT XYZ. One of the root causes of the problem is that there is no data governance management in place. For this reason, this research was conducted to design data governance that is appropriate to organizational conditions. In this research, a data governance maturity assessment was carried out to measure the level of data governance maturity with the measurement results at level 1 (Performed). From the results of interviews, observations, document studies and maturity level measurements, then mapping of roles and activities, data governance structure, data governance strategy, data governance policy, data governance roadmap and data governance implementation strategy is carried out. From the results of the analysis carried out, there are eight proposed data governance strategy initiatives that organizations can implement. Data governance design can be a solution for preparing the implementation of data governance to overcome organizational data problems."
Jakarta: Fakultas Ilmu Komputer Universitas indonesia, 2024
TA-pdf
UI - Tugas Akhir  Universitas Indonesia Library
cover
Syafi Muhammad Tauhid
"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
cover
Albert Kurniawan
"ABSTRAK
Dalam era informasi saat ini, data menjadi sumber daya yang vital dan menjadi kebutuhan yang memasuki level sangat penting untuk organisasi. Data yang berkualitas baik akan menghasilkan informasi yang bermanfaat untuk kemajuan organisasi. Data profil pelanggan berdasarkan aktifitas digitalnya atau dikenal dengan broadband customer profile BCP merupakan salah satu strategi Telkomsel untuk menciptakan peluang baru dalam rangka meningkatkan revenue. Dengan berjalannya platform BCP selama dua tahun lebih, data BCP mempunyai kondisi kualitas data yang rendah. Hal ini menjadi perhatian manajemen mengingat pentingnya data ini, sehingga dibutuhkan pengelolaan kualitas data yang baik.Penelitian ini dilakukan untuk memberikan rekomendasi strategi data quality management untuk meningkatkan kualitas data berdasarkan penilaian tingkat kematangan pengelolaan kualitas data menggunakan Data Quality Framework dari David Loshin, praktik manajemen kualitas data Data Management Body of Knowledge DMBOK dari DAMA institute, dan Big Data Quality Assessment dari Cai dan Zhu. Penelitian menggunakan metode kualitatif dengan melakukan wawancara ke tiga orang narasumber di bagian pengelolaan data BCP dan data governance di PT. Telkomsel, hasil yang didapatkan dari wawancara diolah dengan menggunakan metode data reduction dan data coding.Tingkat kematangan kualitas data diperoleh secara umum berada pada level 2 repeatable . Berdasarkan beberapa kesenjangan dari harapan yang ada, diperlukan strategi untuk meningkatkan kualitas data dari aktivitas manajemen kualitas data DMBOK. Rekomendasi strategi yang dihasilkan, yaitu: pertemuan komite DG secara berkala, evaluasi peran data steward, sosialisasi KD DG secara berkala untuk promosi data quality awareness, penambahan informasi kebutuhan secara detail dan analisis dampak bisnis di dokumen request report/data, penerapan master data management dan metadata management, penambahan proses validasi dan prosedur pemeriksaan data untuk tiap dimensi kualitas data, menetapkan SLA kualitas data, evaluasi kinerja incident tracking system, laporan kualitas data secara berkala, dan evaluasi pengelolaan data secara regular.

ABSTRACT
In this information era, data has become a vital resource and a necessity that enters a very important level for the organization. Good data quality will produce useful information for organization. Customer profile data based on digital activity or known as broadband customer profile BCP is one of Telkomsel 39 s strategy to create new opportunities in order to increase revenue. With the running of BCP platform over the next two years, BCP data has low data quality conditions. This is a concern of management given the importance of this data, so that required good data quality management.This research was conducted to give recommendation of data quality management strategy to improve data quality based on the assessment of data quality management maturity level using Data Quality Framework from David Loshin, data quality management practices Data Management Body of Knowledge DMBOK from DAMA institute, and Big Data Quality Assessment From Cai and Zhu. This research use qualitative method by conducting interviews to three interviewees in the data management section of BCP and data governance at PT. Telkomsel, the results obtained from interviews processed using data reduction and data coding methods.The maturity level of data quality is generally found at level 2 repeatable . Based on some gaps in existing expectations, strategies are needed to improve data quality from DMBOK data quality management activities. Recommendations of the strategies are regular meetings of DG committees, evaluation of steward data roles, regular socialization of KD DGs for promotion of data quality awareness, detail information of needs and business impact analysis in document request report data, implementation of master data management and metadata management, additional validation process and data checking procedures for each data quality dimension, establishing data quality SLA, incident tracking system performance evaluation, regular data quality reporting, and regular data management evaluation."
2017
TA-Pdf;
UI - Tugas Akhir  Universitas Indonesia Library
cover
Desma
"Data wireline log sumur pemboran minyak dan gas bumi adalah salah satu data bawah permukaan yang selalu dihasilkan dan digunakan dalam setiap kegiatan eksplorasi dan eksploitasi minyak dan gas bumi. Kualitas informasi data bawah permukaan yang lengkap dan akurat akan membantu perusahaan memperpendek “time-to-first-oil” dan memperpanjang fase produksi. Laporan Bulanan Pengelolaan Data Bawah Permukaan menunjukkan bahwa pada bulan Oktober 2018 hingga Juli 2020 terdapat 20 dari 34 tiket insiden masalah informasi kualitas data yang bersumber dari data wireline log. Penelitian ini menggunakan metode six sigma dengan pendekatan Define-Measure-Analysis- Improve-Control (DMAIC) untuk mengidentifikasi masalah, mengukur kualitas data wireline log sebagai produk dari proyek pemboran migas yang telah berjalan selama ini dan menganalisis penyebab utama masalah kualitas data wireline log dan pada akhirnya ditahap improvement dan control merekomendasikan langkah-langkah yang dapat dilakukan untuk mengurangi masalah kualitas informasi data wireline log dan kesinambungan perbaikannya di masa mendatang.

Wireline log data is one of the subsurface data that always generated and used in every exploration and production (E&P) activity in oil and gas industry. It has a very high value because it will be processed into information which will be used in various decision making related to the discovery, search, and removal of oil and gas. The quality of subsurface data will help companies shorten the "time-to-first-oil" and extend the production phase. The Monthly Subsurface Data Management Report shows that from October 2018 to July 2020 there were 20 of 34 incident tickets for data quality information problems that were sourced from wireline log data. This study uses the six sigma DMAIC method to identify problems, measure the quality of wireline log data as a product of oil and gas drilling projects and analyze the main causes of wireline log data quality problems. And finally, at the improvement and control stage recommends some steps that can be taken to reduce the problem and how it will be improved in the future."
Depok: Fakultas Teknik Universitas Indonesia, 2021
T-pdf
UI - Tesis Membership  Universitas Indonesia Library
cover
Panji Winata
"[ABSTRAK
PT. XYZ merupakan perusahaan telekomunikasi di Indonesia yang sedang
berusaha mentransformasikan bisnisnya menuju layanan broadband dan bisnis
digital. Banyak peluang bisnis di layanan broadband dan bisnis digital yang dapat
diidentifikasi dengan memproses dan menganalisis data dengan cepat, tepat, dan
menyeluruh. Saat ini PT. XYZ telah memiliki kemampuan dalam mengolah
beberapa sumber data yang terstruktur dengan ukuran data yang terbatas. Untuk
membuat perhitungan dan keputusan yang jitu, terutama di layanan broadband dan
bisnis digital, PT. XYZ dituntut juga untuk bisa memproses dan menganalisis data
yang memiliki karakteristik 3V (Velocity, Volume, Variety) atau dikenal dengan big
data. Penelitian ini bertujuan untuk merancang arsitektur sistem pemrosesan big
data di PT. XYZ. Kerangka arsitektur (framework) enteprise yang digunakan dalam
penelitian ini adalah TOGAF. Hasil yang diperoleh dari penelitian ini adalah
rancangan arsitektur sistem pemrosesan big data yang mampu mengolah data yang
memiliki karakteristik 3V, yaitu aliran data yang cepat, berukuran masiv, dan
beranekaragam (terstruktur maupun tidak terstruktur) dengan biaya lebih rendah
dari sistem pemrosesan data yang dimiliki PT. XYZ saat ini. Saran untuk penelitian
ini kedepannya adalah sistem pemrosesan big data di PT. XYZ dapat
diimplementasikan dengan baik jika mendapat dukungan penuh dari manajemen
perusahaan, dimulai dengan kasus bisnis yang spesifik (specific business case) yang
ingin disasar. Hasil yang maksimal dari kasus bisnis tersebut dapat dijadikan
landasan untuk investasi sistem pemrosesan big data yang lebih menyeluruh dalam
mendukung transformasi bisnis menuju layanan broadband dan bisnis digital.

ABSTRACT
PT. XYZ is a telecommunication company in Indonesia which is transforming it's business to broadband services & digital business. Many business opportunities in broadband services & digital business can be identified by processing and analyzing data quickly, accurately, and completely. Right now PT. XYZ has the capability in processing some structured data sources with limited data size. To make accurate calculations and decisions, especially in broadband services and digital business, PT. XYZ also required to be able to process and analyze the data that has the characteristics of 3V (Velocity, Volume, Variety) or known as big data. This research aims to design the architecture of big data processing system. The enterprise architecture framework used in this study is TOGAF. The results obtained from this study is the design of big data processing system architecture that is capable of processing data which has the characteristics of 3V (the fast data
flow, massive data size, and diverse structured or unstructured data sources) at a lower cost than the current data processing system in PT. XYZ. The suggestion about this study is the big data processing system can be implemented properly in PT. XYZ with the full support of the PT. XYZ management, started with a specific business use case that want targeted. The maximum results from the business use case can be used as a piloting for big data processing system investments more
thorough in supporting business transformation toward broadband services and digital business. ;PT. XYZ is a telecommunication company in Indonesia which is transforming it?s
business to broadband services & digital business. Many business opportunities in
broadband services & digital business can be identified by processing and analyzing
data quickly, accurately, and completely. Right now PT. XYZ has the capability in
processing some structured data sources with limited data size. To make accurate
calculations and decisions, especially in broadband services and digital business,
PT. XYZ also required to be able to process and analyze the data that has the
characteristics of 3V (Velocity, Volume, Variety) or known as big data. This
research aims to design the architecture of big data processing system. The
enterprise architecture framework used in this study is TOGAF. The results
obtained from this study is the design of big data processing system architecture
that is capable of processing data which has the characteristics of 3V (the fast data
flow, massive data size, and diverse structured or unstructured data sources) at a
lower cost than the current data processing system in PT. XYZ. The suggestion
about this study is the big data processing system can be implemented properly in
PT. XYZ with the full support of the PT. XYZ management, started with a specific
business use case that want targeted. The maximum results from the business use
case can be used as a piloting for big data processing system investments more
thorough in supporting business transformation toward broadband services and
digital business. , PT. XYZ is a telecommunication company in Indonesia which is transforming it’s
business to broadband services & digital business. Many business opportunities in
broadband services & digital business can be identified by processing and analyzing
data quickly, accurately, and completely. Right now PT. XYZ has the capability in
processing some structured data sources with limited data size. To make accurate
calculations and decisions, especially in broadband services and digital business,
PT. XYZ also required to be able to process and analyze the data that has the
characteristics of 3V (Velocity, Volume, Variety) or known as big data. This
research aims to design the architecture of big data processing system. The
enterprise architecture framework used in this study is TOGAF. The results
obtained from this study is the design of big data processing system architecture
that is capable of processing data which has the characteristics of 3V (the fast data
flow, massive data size, and diverse structured or unstructured data sources) at a
lower cost than the current data processing system in PT. XYZ. The suggestion
about this study is the big data processing system can be implemented properly in
PT. XYZ with the full support of the PT. XYZ management, started with a specific
business use case that want targeted. The maximum results from the business use
case can be used as a piloting for big data processing system investments more
thorough in supporting business transformation toward broadband services and
digital business. ]"
2015
TA-Pdf
UI - Tugas Akhir  Universitas Indonesia Library
<<   1 2 3 4 5 6 7 8 9 10   >>