Hasil Pencarian  ::  Simpan CSV :: Kembali

Hasil Pencarian

Ditemukan 17 dokumen yang sesuai dengan query
cover
cover
"In the process of spasial data making, there are several mistakes or errors that can be found in activies like digitizing, interpolation or others. These errors are closely related to data quality produced...."
Artikel Jurnal  Universitas Indonesia Library
cover
Ismail Yusuf
"Pusat Data dan Statistik Pendidikan dan Kebudayaan (PDSPK) merupakan unit kerja di Kementerian Pendidikan dan Kebudayaan yang bertugas dalam mendukung tugas Kementerian di bidang data dan statistik pendidikan dan kebudayaan. PDSPK melakukan proses verifikasi dan validasi terhadap data dari hasil pendataan DAPODIK yang bersifat data referensi. Proses verifikasi dan validasi ini dilakukan untuk menjamin kualitas data yang memenuhi persyaratan identitas tunggal untuk dapat melakukan integrasi data pendidikan. Integrasi data wajib menjamin unsur kelengkapan dan kebenaran data. Berdasarkan observasi data dan wawancara menunjukan bahwa kualitas data belum memenuhi sasaran strategis organisasi.
Untuk mengatasi hal tersebut, perlu dibangun perancangan manajemen kualitas data yang sesuai dengan kebutuhan PDSPK dalam mengelola data pendidikan. Perancangan manajemen kualitas data mengacu pada panduan dari Data Management Body of Knowledge (DMBOK) dalam kategori plan dan development yang dikeluarkan DAMA Internasional. Penelitian berhasil merumuskan rancangan manajemen kualitas data yang terdiri dari mendefinisikan kebutuhan, menilai kondisi kualitas data saat ini, menyusun metrik, menetapkan aturan bisnis kualitas data, menetapkan tingkat layanan kualitas data, dan menyusun prosedur operasional manajemen kualitas data.

Data Center and Statistic of Education and Culture (PDSPK) is a unit in the Ministry of Education and Culture which is tasked with supporting the Ministry's duties in the fields of education and culture data and statistics. PDSPK conducts a verification and validation process of data from the results of DAPODIK data that are reference data. This verification and validation process is carried out to ensure data quality that meets the requirements of a single identity to be able to integrate educational data. Data integration must guarantee the elements of data completeness and correctness. Based on data observations and interviews shows that the quality of data has not met the organization's strategic objectives.
To overcome this problem, it is necessary to build a data quality management planning that is in line with the PDSPK requirements in managing education data. Data quality management planning refers to the guidelines of the Data Management Body of Knowledge (DMBOK) in the plan and development category issued by DAMA International. The research succeeded in formulating a data quality management design consisting of defining requirements, assessing current data quality conditions, define metrics, define data quality business rules, establishing data quality service levels, and developing data quality management operational procedures.
"
Depok: Fakultas Ilmu Komputer Universitas Indonesia, 2019
TA-Pdf
UI - Tugas Akhir  Universitas Indonesia Library
cover
"Reproductive health programs in Indonesia pass across sectoral boundaries and formal authorities that they turn out to be inter-sectorally and vertically complex. Accordingly, the provision of data for reproductive health program planning, monitoring, and evaluation is not easy. Among those topics covered in reproductive health definition, only family planning data generally available and in a comprehensive shape. The management information systems (MIS) of data on other reproductive health topic such as an reproductive tract infections (RTIs), sexually transmitted diseases (STDs) and maternal health need to be initiated or more activated. "
Journal of Population, 7 (2) 2001 : 59-76, 2001
JOPO-7-2-2001-59
Artikel Jurnal  Universitas Indonesia Library
cover
Ira Sulistyowati
"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.
"
Depok: Fakultas Ilmu Komputer Universitas Indonesia, 2021
TA-pdf
UI - Tugas Akhir  Universitas Indonesia Library
cover
"Thee preliminary results of :lie i998 Malawi Population and
Housing Census (MPHC) indicate that the population of Malawi is 9.8
million. This _,figure is less than estimates prepared by most national and
international institutions including renowned population specialists
working an :lie population of Malawi. Nearly all-available population
projections estimated :liar ill!! population of Malawi in i993 would be
around I l million. The aforementioned discrepancy has .tome serious
consequences. Firs! :lie Gross Domestic Product (GDP) per capita may be
distorted in such a way as to suggest a general improvement in rite quality
of life contrary to the situation. Second, the results of the census may be
interpreted to indicate the success of me national population program
especially rite :rational family planning program. As a result of these
consequences there is need to evaluate me census results to verify whether
the reported figure is indeed correct or to provide a plausible explanation
for flue anomaly. Though not prescriptive, the paper offers plausible
explanation for :lie observed differences. In particular, me paper argues
that rite population figure obtained front the 1998 census, like most other
censuses in developing countries, were underreported.
"
Journal of Population, 6 (1-2) 2000 : 125-145, 2000
JOPO-6-1
Artikel Jurnal  Universitas Indonesia Library
cover
Esti Ananingsih
"ABSTRAK
Kementerian Pemuda dan Olahraga mempunyai tugas utama di bidang kepemudaan dan keolahragaan. Tugas utama tersebut ada yang dikerjakan dan dikelola oleh kementerian secara langsung dan ada yang diberikan kepada Dinas Pemuda dan Olahraga di seluruh provinsi contohnya pembinaan atlet Pusat Pendidikan dan Latihan Pelajar (PPLP). Kondisi data atlet PPLP saat ini tidak dapat digunakan untuk menentukan kebijakan dengan optimal karena tidak lengkap, tidak up to date, dan tidak akurat. Tujuan dari penelitian ini adalah menyusun strategi dalam bentuk rekomendasi peningkatan manajemen kualitas data atlet PPLP. Rekomendasi tersebut diharapkan dapat menjadi acuan agar data atlet PPLP dapat digunakan untuk menentukan kebijakan contohnya promosi dan degradasi atlet dan cabang olahraga. Penelitian ini menggunakan dua metode yaitu Data Quality Framework dari David Loshin dan Data Management Body of Knowledge (DMBOK) dari DAMA. Data Quality Framework dari David Loshin memiliki 8 komponen dimana setiap komponen mempunyai beberapa karakteristik yang digunakan untuk menilai tingkat dan harapan kematangan manajemen kualitas data. Data Management Body of Knowledge (DMBOK) dari DAMA memiliki 11 kegiatan yang digunakan untuk menyusun rekomendasi berdasarkan kesenjangan antara tingkat dan harapan kematangan manajemen kualitas data. Penelitian ini menghasilkan 29 rekomendasi yang telah divalidasi oleh narasumber. Tahun target pelaksanaan rekomendasi tersebut terbagi menjadi 4 semester yang dimulai pada Tahun 2020 Semester 1.

ABSTRACT
The State Minister for Youth and Sports Affairs has the main task in the field of youth and sports. There are main task that carried out and managed by the State Minister directly and some are given to the Department for Youth and Sports affairs in all provinces, for example the coaching athletes Student Education and Training Center (PPLP). Currently the PPLP athletes data cannot be used to determine policies optimally, this is caused by incomplete, not up to date, and inaccurate data. The purpose of this research is to develop a strategy in the form of recommendations for improving the quality management of PPLP athletes data. The recommendation is expected to be a reference so it can be used to determine policies such as promotion and degradation of athletes and sports. This research uses two methods, the Quality of data Framework from David Loshin and Data Management Body of Knowledge (DMBOK) from DAMA. the Quality of data Framework from David Loshin has 8 components where each component has several characteristics that are used to assess the level and expectation of data quality management maturity. Data Management Body of Knowledge (DMBOK) from DAMA has 11 activities that are used to compile recommendations based on the gap between the level and expectation of data quality management maturity. This research produced 29 recommendations that were validated by the speakers. The target year for the implementation of the recommendations are divided into 4 semesters starting in 2020 Semester 1."
Depok: Fakultas Ilmu Komputer Universitas Indonesia, 2019
TA-Pdf
UI - Tugas Akhir  Universitas Indonesia Library
cover
Aris Setiawan
"Data adalah aset yang berharga bagi organisasi karena data yang berkualitas dapat memberikan keuntungan dan nilai bagi perusahaan serta memberikan peluang adanya pengembangan bisnis baru apabila dikelola dengan baik. Sedangkan kualitas data yang buruk dapat memberikan dampak negatif antara lain keputusan bisnis yang tidak akurat, penurunan pendapatan, peningkatan biaya operasional, penurunan kepercayaan dan kepuasan pelanggan, peningkatan waktu pemrosesan data, dan tidak dapat memenuhi kepatuhan terhadap peraturan maupun ekspektasi bisnis. PT IDN adalah fintech yang memberikan kemajuan teknologi digital dalam sektor pendidikan di Indonesia dengan menawarkan pengelolaan dan pembayaran tagihan pendidikan secara online. Penelitian ini mencoba untuk menilai tingkat kematangan kualitas data di PT IDN dengan menggunakan delapan karakteristik kualitas data dalam Loshin’s Data Quality Framework. Hasil dari penilaian ini didapatkan bahwa PT IDN memiliki tingkat kematangan kualitas data sebesar 1 pada komponen prosedur, tata kelola, standar, teknologi, dan pengelolaan kinerja. Sedangkan tingkat kematangan kualitas data sebesar 2 ditemukan pada komponen harapan, dimensi, dan kebijakan informasi. Berdasarkan hasil dari penilaian maturitas manajemen kualitas data saat ini dan tingkat maturitas kualitas data yang diinginkan, maka didapatkan adalah 12 rekomendasi aktivitas-aktivitas yang dapat dilakukan oleh PT IDN untuk meningkatkan kualitas datanya berdasarkan DAMA-DMBOK.

Data is an asset for organizations because quality data can provide benefits and value to the company and provide opportunities for new business development if managed properly. Meanwhile, poor data quality can have negative impacts including inaccurate business decisions, decreased revenue, increased operating costs, decreased customer trust and satisfaction, increased data processing time, and unable to meet regulatory compliance and business expectations. PT IDN is a fintech that provides advances in digital technology in the education sector in Indonesia by offering online management and payment of education bills. This study tries to assess the maturity level of data quality at PT IDN by using eight data quality characteristics in Loshin's Data Quality Framework. The results of this assessment show that PT IDN has a maturity level of data quality of 1 on the components of procedures, governance, standards, technology, and performance management. While the maturity level of data quality of 2 is found in the components of expectations, dimensions, and information policies. Based on the results of the current data quality management maturity assessment and the desired level of data quality maturity level, it is found that there are 12 recommended activities that PT IDN can do to improve its data quality based on DAMA-DMBOK."
Depok: Fakultas Ilmu Komputer Universitas Indonesia, 2021
TA-pdf
UI - Tugas Akhir  Universitas Indonesia Library
cover
Surya Astana
"Politeknik Keuangan Negara STAN (PKN STAN) sebagai perguruan tinggi diwajibkan untuk memenuhi Standar Nasional Pendidikan Tinggi dalam rangka menjaga mutu pendidikan tinggi. Hasil penjaminan mutu digunakan oleh BAN-PT dalam menetapkan akreditasi Perguruan Tinggi. Penilaian akrediatasi, salah satunya, dilaksanakan dengan mengambil data dari Pangkalan Data Perguruan Tinggi (PDPT). 
Perguruan Tinggi wajib menyampaikan data dan informasi penyelenggaraan pendidikan ke PDPT. Data pendidikan tinggi meliputi data pokok, data referensi, dan data transaksional pendidikan tinggi. Data yang disampaikan ke PDPT harus memenuhi syarat kelengkapan, kebenaran, ketepatan, dan kemutakhiran.
Hasil pengukuran data mahasiswa sebagai salah satu data pokok pendidikan tinggi di PKN STAN padadimensi kualitas data yang disyaratkan, yaitu Kelengkapan50.38%, Kebenaran/Ketepatan14.16%, dan Kemutakhiran100% diukur dari waktu pembuatan/pemutakhiran. Hasil tersebut belum memenuhi kriteria yang disyaratkan organisasi sebesar 90% untuk setiap dimensi data yang disyaratkan.
Berdasarkan hal tersebut, penelitian ini menyusun rekomendasi peningkatan kualitas data pokok pendidikan di PKNSTAN. Rekomendasi disusun dengan melakukan penilaian manajemen kualitas data saat ini yang meliputi penilaian dimensi kualitas data padadata pokok pendidikan (dosen, mahasiswa, kurikulum, dan mata kuliah) dan penilaian tingkat kematangan manajemen kualitas data. 
Rekomendasi yang diberikan meliputi delapan komponen dalam Data Quality Frameworkdari David Loshin dengan menerapkan praktik terbaik manajemen kualitas data dariData Management Book of Knowledge dari DAMA Institute. Terdapat 66 rekomendasi peningkatan kualitas data pokok pendidikan di PKN STAN untuk dapat mencapai tingkat kematangan manajemen kualitas data yang diinginkan. Dari 66 rekomendasi tersebut, terdapat delapan rekomendasi yang dinilai berdampak signifikan dalam awal pelaksanaan program manajemen kualitas data di PKN STAN. Rekomendasi tersebut diharapkan dapat digunakan sebagai acuan dalam melaksanakan program peningkatan kualitas data pokok pendidikan di PKN STAN.

State Finance Polytechnic STAN, as a higher education institution (HEI), is required to meet the National Standards of Higher Education in order to maintain the quality of higher education. The quality assurance results are used by BAN-PT in establishing university accreditation. Accreditation assessment, one of which, is carried out by taking data from the Pangkalan Data Perguruan Tinggi (PDPT).
HEIs must submit data and information on the implementation of education to PDPT. Higher education data includes basic data, reference data, and higher education transactional data. Data submitted to PDPT must meet the requirements for completeness, truth, accuracy, and currency.
The measurement results of student data as one of the primary data of higher education in PKN STAN on the required data quality dimensions, namely Completeness 50.38%, Truth/Accuracy 14.16%, and Update 100% measured from the time of creation/updating. These results do not meet the criteria required by the organization by 90% for each dimension of data required.
Based on this, the research composes recommendations for improving the quality of the basic data of education in PKN STAN. The recommendations are prepared by evaluating the current data quality management, which includes evaluating the dimensions of data quality in the basic education data (lecturers, students, curriculum, and courses) and assessing the maturity level of data quality management.
The recommendations include eight components in the David Quality Quality Framework by implementing data quality management best practices from the Data Management Book of Knowledge from DAMA Institute. PKN STAN needs to make the 66 recommendations to be able to reach the desired level of data quality management maturity. There were eight recommendations which considered to have a significant impact at the beginning of the implementation of the data quality management program in PKN STAN. This recommendation is expected to be used as a reference in implementing the basic data quality improvement program in PKN STAN.
"
Depok: Fakultas Ilmu Komputer Universitas Indonesia, 2019
TA-Pdf
UI - Tugas Akhir  Universitas Indonesia Library
cover
Rahmi Prisalia
"ABSTRAK
Kementerian Sosial sebagai instansi pemerintah yang bertanggungjawab untuk memberantas kemiskinan di Indonesia memiliki program yaitu membantu masyarakat miskin dalam memenuhi kebutuhan hidup sehari-hari, seperti kebutuhan sandang dan pangan. Program bantuan ini meliputi Bantuan Pangan Non Tunai dan Program Keluarga Harapan yang menjadi pioneer program kerja pemerintahan. Penyaluran bantuan saat ini sudah melalui mekanisme transfer otomatis, untuk itu diperlukan data yang akurat, diyakini kebenarannya, dan lengkap agar program yang dijalankan tepat sasaran. Untuk melakukan penyaluran, Kementerian Sosial mengelola seluruh data penerima manfaat pada Basis Data Terpadu (BDT).
Data yang ada pada Basis Data Terpadu merupakan data yang diperoleh dari Dinas Sosial Kabupaten/Kota yang selanjutnya dikirimkan ke Dinas Sosial Provinsi untuk diteruskan ke pusat. Oleh sebab itu, banyak data masukan yang tidak seragam penulisannya dan dapat menyebabkan data mengalami duplikasi dan tidak memenuhi dimensi kualitas data. Dampak dari hal tersebut adalah masih terdapat masyarakat yang belum menerima bantuan dalam jangka waktu tertentu, bahkan bantuan yang disimpan di bank tidak dapat disetor ke masyarakat karena data yang diterima tidak valid. Salah satu usaha yang dapat dilakukan untuk mengatasi masalah tersebut adalah melakukan pengukuran kualitas data yang ada pada basis data tersebut, yaitu dengan melakukan penilaian kualitas data.
Penilaian kualitas data dilakukan dengan menggunakan kerangka kerja dari Health and Information Quality Authority in Ireland (HIQA) dengan melakukan analisis dampak kualitas data pada bisnis dengan Business Impact Analysis, penilaian dengan metode profiling dan kualitatif berdasarkan dimensi kualitas data yaitu, accuracy and reliability dan timeliness, pembuatan data quality statement hingga perancangan strategi peningkatan kualitas data.
Hasil dari penelitian menunjukkan bahwa berdasarkan dimensi accuracy and reliability dan timeliness bahwa kualitas data BDT khususnya anggota rumah tangga tidak sesuai dengan tujuan Peraturan Menteri Sosial Nomor 28 Tahun 2017 akibat peran dan tanggung jawab mengenai pembersihan yang tidak jelas. Selain itu, hasil data profiling menunjukkan bahwa masih terdapat atribut yang tidak lengkap dan tidak sesuai aturan bisnis dengan persentase 97%. Untuk perbaikan ke depan, direkomendasikan agar Pusdatin Kesos menerapkan data profiling dan pembentukan data stewardship agar koordinasi pengelolaan kualitas data lebih terarah serta implementasi validasi pada sistem. Petugas didaerah juga dapat terbantu dengan adanya kamus data agar standar format data terpenuhi."
2019
TA-Pdf
UI - Tugas Akhir  Universitas Indonesia Library
<<   1 2   >>