Hasil Pencarian  ::  Simpan CSV :: Kembali

"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."

"Sebagai sebuah lembaga negara Lembaga Penjamin Simpanan (LPS) memiliki kebutuhan akan data dan informasi dengan kualitas yang baik untuk dijadikan sebagai dasar pengambilan keputusan dan pembuatan kebijakan. Kualitas data yang baik dapat diperoleh apabila pengelolaan data dilakukan dengan baik, termasuk melalui pengukuran kualitas data dan perancangan manajemen kualitas data sebagai bagian dari upaya strategi peningkatannya. Penelitian ini dilakukan untuk memberikan rekomendasi manajemen kualitas data untuk diterapkan di LPS sebagai upaya untuk meningkatkan kualitas data yang dikelola oleh LPS dengan menggunakan Data Quality Framework dari David Loshin dan Data Management Body of Knowledge (DMBOK) dari DAMA Institute. Sebelum dilakukan penyusunan rekomendasi manajemen kualitas data, komponen-komponen manajemen kualitas data dari Data Quality Framework yang terdiri dari harapan pengguna, dimensi kualitas data, kebijakan, prosedur, tata kelola, standar, teknologi, dan pengukuran kinerja digunakan sebagai dasar pengukuran tingkat maturitas kualitas data di LPS. Berdasarkan hasil analisis kesenjangan antara tingkat maturitas manajemen kualitas data LPS saat ini dengan tingkat maturitas manajemen kualitas data LPS yang diharapkan di masa yang akan datang telah disusun rekomendasi aktivitas manajemen kualitas data LPS yang perlu dilakukan. Dari 12 aktivitas Manajemen Kualitas Data dalam DAMA-DMBOK, terdapat 10 aktivitas yang direkomendasikan dalam inisiatif manajemen kualitas data LPS.As a government institution, the Indonesian Deposit Insurance Corporation (IDIC) has the need for good quality data and information to be used as a basis for decision making and policy making. Good data quality can be obtained if the data management is done well, including through measurement of data quality and preparation of data quality management as part of efforts to improve strategy. This research is conducted to provide recommendations for data quality management to be applied at IDIC as an effort to improve the quality of data by using Data Quality Framework from David Loshin and Data Management Body of Knowledge (DMBOK) from DAMA Institute. Prior to the preparation of data quality management recommendations, data quality management components of the Data Quality Framework consisting of user expectations, dimensions of data quality, policies, procedures, governance, standards, technology, and performance measurements are used as a basis for measuring data quality maturity levels on IDIC. Based on the results of the gap analysis between the current maturity level of IDIC’s data quality management and the expected level IDIC’s data quality management, recommendations for IDIC’s data quality management activities have been made. Of the 12 Data Quality Management activities in DAMA-DMBOK, there are 10 recommended activities to be carried out in the data quality management initiatives in IDIC."

"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."

"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.

"

"Perubahan lingkungan, ekspektasi dari konstituen, global ekonomi, dan perkembangan teknologi seperti big data, data analytics, open data, semantic web yang mempengaruhi nilai-nilai sosial, privasi, cybersecurity, menuntut pemerintah untuk selalu beradaptasi. Kementerian Keuangan merupakan organisasi yang terbuka atas perubahan, menempatkan data sebagai bagian dari budaya kerja, akan bertransformasi menjadi data driven organization termasuk unit-unit di bawahnya, salah satunya Direktorat Jenderal Perbendaharaan (DJPB). Salah satu permasalahan di bidang SI/TI yang disebutkan dalam rencana strategis DJPB 2020-2024 adalah belum maksimalnya pemanfaatan informasi data keuangan negara yang dihasilkan dari database yang terpusat sebagai modalitas penyusunan analisis dan kebijakan fiskal. Penelitian ini bertujuan melakukan perancangan tata kelola data menggunakan framework DMBOOK V2. Penelitian ini merupakan studi kasus pada DJPB dengan menggunakan pendekatan kualitatif dan kuantitatif. Pendekatan kualitatif dilakukan dengan metode wawancara dan thematic analysis, sedangkan metode kuantitatif dilakukan dengan statistik deskriptif. Hasil dari penelitian ini berupa carter, rancangan kerangka kerja dan model operasi, strategi dan roadmap tata kelola data. Terdapat 16 strategi dan rekomendasi terkait tata kelola data yang dapat diaplikasi di DJPB. Manfaat dari penelitian ini adalah memberikan usulan kepada DJPB terkait rancangan tata kelola data, dan manfaat dari sisi akademis adalah menjadi salah satu referensi penerapan teori tata kelola data pada sektor pemerintahan.

---

Changes in the environment, expectations from constituents, the global economy, and technological developments such as big data, data analytics, open data, semantic web which affect social values, privacy, cybersecurity, require the government to always adapt. The Ministry of Finance is an organization that is open to change, placing data as part of its work culture, and will transform into a data driven organization including its subordinate units, one of which is the Directorate General of Treasury (DJPB). One of the problems in the IS/IT sector mentioned in the DJPB 2020-2024 strategic plan is the inadequate use of state financial data information produced from centralized databases as a modality for preparing fiscal analysis and policy. This research aims to design data governance using the DMBOOK V2 framework. This research is a case study at DJPB using a qualitative and quantitative approach. The qualitative approach was carried out using interview methods and thematic analysis, while the quantitative method was carried out using descriptive statistics. The results of this research are in the form of charters, framework designs and operating models, data governance strategies and roadmaps. There are 16 strategies and recommendations related to data governance that can be applied at DJPB. The benefit of this research is to provide suggestions to the DJPB regarding data governance design, and the benefit from the academic side is that it becomes a reference for the application of data governance theory in the government sector."

"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."

"Penelitian ini memiliki fokus utama menganalisis tanggung jawab dan kewajiban dari Pengendali Data Pribadi dalam memverifikasi informasi data pribadi dalam studi kasus aplikasi kencan Bumble. Penelitian ini menggunakan metode doktrinal secara yuridis-normatif. Data Pribadi palsu merupakan larangan dari penyalahgunaan Data Pribadi yang ditujukan untuk meraih keuntungan sendiri yang menyebabkan kerugian pada orang lain. Penelitian ini akan membahas mengenai penerapan prinsip-prinsip dalam pemrosesan data yang berkaitan dengan fitur lencana terverifikasi, yang dirancang untuk memberikan rasa aman kepada Para Pengguna Bumble. Pertama-tama, penelitian ini akan menganalisis kebijakan pemrosesan Data Pribadi yang diterapkan oleh Bumble sebagai Pengendali Data yang sesuai dengan Pasal 16 ayat (2) huruf a UU PDP yang dilakukan secara  terbatas dan spesifik, sah secara hukum, dan transparan. Maka dari itu penelitian ini akan menganalisis bagaimana keamanan sebagai tujuan pemrosesan data pribadi oleh Bumble telah diterapkan. Penelitian ini bertujuan untuk menganalisis penerapan tanggung jawab dalam pelindungan data pribadi oleh Pengendali Data. Akan tetapi, kehadiran fitur lencana terverifikasi tersebut belum sepenuhnya mencapai tujuan pemrosesan yang diharapkan. Hal ini terlihat dari dampak negatif yang dialami oleh seorang publik figur yang merasa dirugikan akibat Pemalsuan Data Pribadi pada akun Bumble yang bukan miliknya. Maka dari itu, penelitian ini juga dilakukan untuk menganalisis kerangka alur data dan implementasi pelindungan data pribadi oleh Bumble.

---

This research has the main focus of analysing the responsibilities and obligations of the Personal Data Controller in verifying personal data information in a case study of the dating application Bumble. This research uses a juridical-normative doctrinal method. False Personal Data is a prohibition of misuse of Personal Data aimed at gaining its own benefits that cause harm to others. This research will discuss the application of principles in data processing relating to the verified badge feature, which is designed to provide a sense of security to Bumble Users. To begin with, this research will analyse the Personal Data processing policy implemented by Bumble as a Data Controller in accordance with Article 16 paragraph (2) letter a of the PDP Law which is limited and specific, lawful, and transparent. This research will therefore analyse how security as the purpose of personal data processing by Bumble has been implemented. This research aims to analyse the application of responsibility in the protection of personal data by Data Controllers. However, the presence of the verified badge feature has not fully achieved the expected processing purpose. This can be seen from the negative impact experienced by a public figure who felt harmed due to the falsification of personal data on a Bumble account that did not belong to him. Therefore, this research has also been conducted to analyse the data flow framework and implementation of personal data protection by Bumble."