Hasil Pencarian  ::  Simpan CSV :: Kembali

"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."

"ABSTRAKDalam dunia organisasi dewasa ini, pengelolaan data dan informasi sudah menjadi kegiatan yang sangat penting dalam mendukung tercapainya tujuan organisasi. Sebagai Kementerian baru pada Pemerintahan Republik Indonesia, Kementerian Riset, Teknologi dan Pendidikan Tinggi Kemristekdikti merupakan organisasi yang juga memerlukan pengelolan data dan informasi yang baik. Pengelolaan data Ilmu Pengetahuan dan Teknologi Iptek , serta pengelolaan data Pendidikan Tinggi Dikti adalah tanggung jawab Kementerian ini. Sejauh ini, kebijakan tentang pengelolaan data tersebut masih dalam proses pembahasan, padahalpermasalahan-permasalahan terkait dengan data sudah seringkali bermunculan dan mengganggu kinerja organisasi. Kondisi ini mengharuskan Kemristekdikti untuk segera menerapkan kebijakan pengelolaan datadan informasi yang baik.Permasalahan data seringkali terjadi karena organisasi belum menerapkan data management yang efektif. Berdasarkan panduan Data Management Body of Knowledge DMBOK , fungsi data management terbagi ke dalam sepuluh komponen, satu komponen yang memegang peranan sangat penting bagi pelaksanaan komponen lainnya adalah data governance. Penelitian ini bertujuan untuk mengetahui rancangan struktur data governance berdasarkan panduan DMBOK sebagai referensi utama. Rancangan struktur yang disusun mengacu kepada penelitian tentang data governance sebelumnya yang terdiri atas tiga unsur, yaitu role, decision areadan responsibility. Selanjutnya hasil rancangan yang diperoleh disesuaikan dengan kondisi Kemristekdikti sehingga menjadi titik awal dalam pelaksanaan data governance di lingkungan Kemristekdikti.Hasil dari penelitian ini menunjukan bahwa panduan DMBOK bisa dipadukan dengan struktur data governance penelitian sebelumnya. Aktivitas data governance pada DMBOK dapat digunakan sebagai solusi awal dari permasalahan data yang terjadi. Harapannya, struktur data governance yang dirancang dapat diaplikasikan sehingga pelaksanaan data governance di Kemristekdikti dapat berjalan secara berkesinambungan.

---

ABSTRACTCurrently, in organizational world, data and information management is very important activity to support organizational goal achievement. As new ministry of Indonesia Republic, Ministry of Research, Technology and Higher Education Kemristekdikti also requires good data and information management. Data management of science, technology and higher education is this ministry responsibility. In so far, policy of such data management is in discussion process indeed, frequently, so many problems related with data had arisen and disturbed organizational performance. Such condition resulted in the Ministry of Research, Technology and Higher Education should apply good data and information management. Frequently, data issues had occurred because organization had not applied effective data management. Based on data guidance of Data Management Body of Knowledge DMBOK , function of data management is divided into ten components which of very importantone and playing role is data governance.This research is aimed at knowing structural designing of data governance based on DMBOK guidance as principal reference.Structural designing having been set refer to research on previous data governance comprising three elements, those are role, decision area and responsibility. Subsequently, designing result having been obtained to be adjusted with condition of Ministry of Research, Technology and Higher Education and as starting point to implement data governance atMinistry of Research, Technology and Higher Education.This research result had indicated that DMBOK guidance may be combined with previous research on structure of data governance. Activity of data governance at DMBOK may be used as early solution from occurring data problem.Wishfully, the designed data governance structure may be applied, hence, implementation of data governance at Ministry of Research, Technology and Higher Education may be realized sustainably."

"ABSTRAKKualitas 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.

---

ABSTRACTThe 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."

"Data merupakan faktor penting yang mempengaruhi dan menunjang keberhasilan di dalam organisasi atau perusahaan. Data merupakan aset dan menjadi faktor pendukung maupun penunjang dalam pengambilan keputusan baik di level manajemen puncak ataupun di bawahnya. PT JAS merupakan salah satu perusahaan penjaminan syariah yang mengelola risiko, melakukan proses pengajuan penjaminan dan pembayaran klaim berdasarkan dukungan data, sehingga dalam menjalankan bisnisnya PT JAS memiliki ekspektasi terhadap data yang berkualitas. Namun berdasarkan realitas, masih ditemukan data tidak lengkap, tidak benar dan tidak akurat di dalam database aplikasi yang menjadi core bisnis penjaminan. Berdasarkan gap antara ekspektasi dan realitas di PT JAS maka, dapat disimpulkan bahwa terjadi masalah yaitu “Kualitas data tidak mencapai target”. Dari hasil analisis yang dilakukan terkait permasalahan-permasalahan kualitas data penulis menentukan satu akar permasalahan untuk dibahas dan diselesaikan di dalam penelitian ini yaitu perusahaan “belum menerapkan tata kelola data “. Hal ini yang menjadi dasar diperlukannya optimalisasi kualitas data perusahaan dengan penerapan sebuah data management yang baik dengan perancangan data governance. Berdasarkan panduan DMBOK, di dalam menyusun fungsi data management pada suatu organisasi data governance merupakan fungsi utama yang harus dipersiapkan terlebih dahulu di dalam penyusunan tersebut. Penelitian ini merupakan penelitian kualitatif dengan paradigma interpretative yang bertujuan untuk mendapatkan sebuah rancangan struktur data governance yang sesuai dan memberikan rekomendasi penyelesaian permasalahan data di PT JAS. Proses pengumpulan data dilakukan melalui wawancara, studi literatur dan observasi dokumen. Hasil dari penelitian ini adalah pemetaan peran dan penyusunan data governance sesuai dengan kondisi organisasi yang dikelompokkan ke dalam peran organisasi dan individu terhadap aktivitas-aktivitas di area perencanaan maupun operasional, selanjutnya dari pemetaan peran diusulkan sebuah rancangan struktur data governance operating model yang membagi jalur eskalasi menjadi taktis dan operasional serta strategis. Selain itu, dari hasil analisis assessment tingkat kematangan data governance, diperoleh 11 usulan inisiatif yang dapat dilakukan untuk menunjang aktivitas data governance dan tercapainya integritas data.

---

Data is an important factor that influences and supports success in an organization or company. Data is an asset and is a supporting and supporting factor in decision making both at the top management level and below. PT JAS is one of the sharia guarantees companies that manages risk, processes submissions of guarantees and claims payments based on data support, so that in conducting its business PT JAS has expectations of quality data. However, based on reality, it is still found incomplete, incorrect and inaccurate data in the application database which is the core of the guarantee business. Based on the gap between expectations and reality at PT JAS, it can be concluded that a problem occurred namely "Data quality did not reach the target". From the results of the analysis conducted related to data quality problems, the author determines one root problem to be discussed and resolved in this study, namely the company "has not implemented data governance". This is the basis for the need for optimizing the quality of company data by implementing a good data management by designing data governance. Based on DMBOK guidelines, in compiling data management functions in a data governance organization is the main function that must be prepared in advance in the preparation. This study is a qualitative research with an interpretative paradigm that aims to get an appropriate data structure governance design and provide recommendations for solving data problems at PT JAS. The process of collecting data is done through interviews, literature studies and document observations. The results of this research are role mapping and governance data compilation in accordance with organizational conditions which are grouped into organizational and individual roles for activities in the planning and operational areas, then from the role mapping it is proposed that a governance operating model data structure design that divides the escalation path into tactical and operational as well as strategic. In addition to this from the results of the assessment analysis of the maturity level of governance data, 11 proposed initiatives that can be carried out to support data governance activities and data integrity are achieved."

"ABSTRAKBisnis 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.

---

ABSTRACTDigital 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."

"Data master merupakan data penting yang merepresentasikan objek bisnis utama dari suatu perusahaan, salah satunya pelanggan. Manajemen data master berperan dalam pengelolaan data master yang meliputi kepemilikan, kualitas, arsitektur, penyimpanan, dan distribusi data. PT Telekomunikasi Indonesia Tbk. (Telkom) merupakan perusahaan telekomunikasi terbesar di Indonesia dengan salah satu portofolio utama yaitu Indihome. Dalam rangka menyukseskan program utama Telkom 2020, data master pelanggan Indihome yang berkualitas merupakan data yang vital dibutuhkan. Analisis dan profiling data pelanggan dilakukan lebih akurat untuk meningkatkan customer experience dan kualitas produk Indihome. Berdasarkan hasil wawancara diketahui bahwa belum ada data master pelanggan. Hasil observasi juga menunjukkan data pelanggan Indihome yang ada pada aplikasi operasional tidak lengkap, tidak akurat, dan tidak valid. Penelitian ini menggunakan metode kualitatif dengan desain studi kasus yang bertujuan untuk melakukan perencanaan manajemen data master untuk data pelanggan Indihome di Telkom menggunakan kerangka kerja Data Management Body of Knowledge (DMBOK) dan model arsitektur dari Boris Otto, serta dengan mempertimbangkan hasil pengukuran tingkat kematangan manajemen data master dengan model Master Data Management Maturity Model (MD3M). Hasil pengukuran menunjukkan tingkat kematangan manajemen data master pelanggan Indihome berada pada level satu. Untuk mencapai tingkat kematangan yang diharapkan sebagaimana dalam strategi dan program utama Telkom, maka penelitian ini menghasilkan rancangan manajemen data master pelanggan Indihome, berupa rancangan tata kelola, arsitektur, serta peta jalan implementasi. Penelitian ini dapat menjadi acuan dalam implementasi manajemen data master pelanggan Indihome di Telkom, serta memberikan penambahan pengetahuan mengenai perencanaan manajemen data master pelanggan pada perusahaan telekomunikasi.

---

Master data is important data that represents the main business objects of a company. Customer is one of the main business objects of a company. Master data management plays a role in managing master data which includes ownership, quality, architecture, storage, and distribution of data. PT Telekomunikasi Indonesia Tbk. (Telkom) is the largest telecommunications company in Indonesia with one of the main portfolios, namely Indihome. To succeed in the main program of Telkom 2020, Indihome customer master data that has a good quality is vital. Analysis and profiling of customer data are carried out more accurately to improve the customer experience and quality of Indihome products. Based on the interview results it is known that there is no customer master data because it is still fragmented in several operational applications. The observation also shows that Indihome customer data that is in the operational application is incomplete, inaccurate, and invalid. This research uses a qualitative method with a case study design that aims to plan master data management for Indihome customer data at Telkom using the Data Management Body of Knowledge (DMBOK) framework and architectural models from Boris Otto, and by considering the measurement results of master data management maturity level with the Master Data Management Maturity Model (MD3M) model. The measurement results show that the maturity level of Indihome customer master data management is at level one. To achieve the expected level of maturity as in Telkom's main strategy and program, this study produces a master data management plan for Indihome customers, in the form of governance, architecture and implementation road maps. This research can be used as a reference in implementing Indihome customer master data management at Telkom, as well as providing additional knowledge about customer master data management planning at telecommunication companies."

"PT Kustodian Sentral efek Indonesia (KSEI) adalah salah satu self regulatory organization (SRO) di pasar modal Indonesia yang ditunjuk sebagai Lembaga Penyimpanan dan Penyelesaian dan merupakan satu-satunya central depository di pasar modal Indonesia yang mengelola pusat data investor, balance/holding, dan lainnya, sehingga menuntut KSEI harus memiliki kualitas data yang baik. Namun pada kenyataannya walaupun kualitas data berdasarkan wawancara dan Customer Satisfaction Index (CSI) KSEI tahun 2019 sudah cukup baik dari segi integritas dan accuracy tetapi dari sisi completeness, timeliness, dan punctuality masih harus ditingkatkan. Untuk meningkatkan kualitas data yang diharapkan oleh organisasi dibutuhkan sebuah manajemen data yang baik dan komponen pertama yang dapat dilakukan untuk mencapainya adalah dengan adanya data governance. Saat ini KSEI belum memiliki data governance sehingga tujuan pada penelitian ini adalah untuk merancang data governance yang sesuai dengan kondisi di KSEI menggunakan panduan framework DMBOK dan beberapa penelitian terdahulu. Rancangan yang dihasilkan pada penelitian ini meliputi struktur organisasi data governance (pemetaan peran, aktivitas, dan tanggung jawab), model operasional, dan 13 buah usulan serta roadmap implementasi yang akan dijalankan selama 2 tahun. Diharapkan dengan adanya penerapan data governance di KSEI dapat meningkatkan kualitas manajemen data karena terdapat fungsi perencanaan, pengawasan, dan kontrol terhadap data secara menyeluruh.

---

Indonesia Central Securities Depository (KSEI) is one of the self-regulatory organizations (SRO) in Indonesian capital market that is appointed as the Depository and Settlement Institution. As the only central depository in Indonesian capital market that manages investor, balance/holding, and other data, KSEI is required to have high quality data. In practice, however, the data quality based on 2019 Customer Satisfaction Index (CSI) is still lacking in terms of completeness, timeliness, and punctuality despite being good in terms of integrity and accuracy. A robust data management strategy is required to accomplish the organization's goals for improved data quality, and data governance is the first step that can be taken in that direction. Since KSEI does not yet have data governance, the goal of this study is to create data governance that complies with KSEI's requirements utilizing the DMBOK framework's rules and findings from several previous studies. The study’s result consists of organizational data governance (roles, activities, and responsibilities mapping), operational models, and 13 proposals and implementation roadmaps that will be implemented for 2 years. The adoption of data governance at KSEI is anticipated to enhance the caliber of data management, including the activities of planning, monitoring, and controlling the data within the company."

"PT Angkasa Pura I (Persero) atau disingkat PT AP1 merupakan salah satu perusahaan BUMN yang mempunyai tugas pokok memberikan pelayanan bisnis bandar udara di Indonesia. Dalam mendukung bisnisnya tersebut, PT AP1 menyadari bahwa data dan informasi merupakan aset strategis yang bermanfaat dalam pengambilan keputusan yang tepat dan kepatuhan pada regulasi sektoral. Berdasarkan hasil audit tata kelola TI yang dilakukan tim independen, diperoleh hasil bahwa maturity level manajemen data tidak mencapai target yang diharapkan. Salah satu akar masalahnya adalah belum diterapkannya tata kelola data. Sehingga berdampak terhadap meningkatnya resiko integritas data yang berimbas terhadap penyalahgunaan data dan ketersediaan data. Akibatnya pelayanan terhadap pengguna jasa bandara akan terganggu. Serta dapat menyebabkan melesetnya perencanaan program pengembangan bandar udara setiap tahunnya. Berdasarkan permasalahan tersebut, penelitian ini merumuskan rancangan data governance menggunakan panduan kerangka kerja Data Management Body of Knowledge (DMBOK) untuk menjadi acuan PT AP1 dalam menyusun program data governance. Rancangan mengacu kepada empat komponen utama yaitu kebutuhan, peran, tanggung jawab, dan aktivitas yang diselaraskan dengan kerangka kerja dalam DMBOK. Penelitian ini menghasilkan model operasi yang dibagi menjadi tiga area utama yaitu executive, strategies, dan technical and operation, struktur organisasi dengan peran dan tanggung jawab, ruang lingkup dalam penyusunan kebijakan dan prosedur, dan peta jalan implementasi data governance.

---

PT Angkasa Pura I (Persero) or abbreviated as PT AP1 is a state-owned company that has the main task of providing airport business services in Indonesia. In supporting its business, PT AP1 realizes that data and information are strategic assets that are useful in making the right decisions and compliance with sectoral regulations. Based on the results of the IT governance audit conducted by an independent team, it was found that the maturity level of data management did not reach the expected target. One of the root causes is that data governance has not been implemented. So that it has an impact on increasing the risk of data integrity which has an impact on data misuse and data availability. As a result, service to airport service users will be disrupted. And it can cause annual airport development program planning to be missed. Based on that problems, this study formulates a design of data governance using the Data Management Body of Knowledge (DMBOK) framework guidelines as a reference for PT AP1 in compiling a data governance program. The design refers to four main components namely needs, roles, responsibilities, and activities that are aligned with the framework in the DMBOK. This research produces an operating model that is divided into three main areas, namely executive, strategies, and technical and operation, organizational structure with roles and responsibilities, scope of policies and procedures, and a road map for implementing data governance."

"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.

"

"Organisasi pemerintah baik di tingkat pusat maupun daerah seperti Kementerian atau Lembaga setingkat dengan Kementerian, maupun di Pemerintah Provinsi/Kabupaten/Kota, membutuhkan data yang memiliki kualitas tinggi untuk melakukan perencanaan dan evaluasi pembangunan yang matang. Untuk keperluan penyediaan data dan informasi pengawasan dan dukungan yang dibutuhkan oleh pimpinan, telah dikembangkan Teknologi Informasi berupa aplikasi Sistem Informasi Manajemen Akuntabilitas (SIMA). Namun pada kenyataannya, kualitas data SIMA saat ini masih belum memenuhi standar karena isian data SIMA yang ada saat ini kurang memadai. Kurangnya kualitas data hasil pengawasan yang disebabkan oleh beberapa faktor seperti kelengkapan data, keakuratan data, ketepatan waktu data, dan konsistensi data yang berdampak pada hasil pengawasan BPKP kurang bisa memberikan rekomendasi strategis kepada Presiden. Penelitian ini dilakukan untuk mengukur tingkat kematangan dari pengelolaan kualitas data dan memberikan rekomendasi peningkatan kualitas data berdasarkan Data Quality Maturity/Capability Model Loshin dan Data Management Body of Knowledge (DMBOK). Kemudian juga dilakukan pegukuran dimensi kualitas data antara lain dimensi completeness, accuracy, timeliness. Dari hasil penelitian ditemukan permasalahan dimensi disebabkan karena validasi pada sistem yang belum memadai. Pada pengukuran tigkat kematangan manajemen data dari delapan komponen penilaian diperoleh tingkat maturitas mencapai level 3 atau defined. Kemudian untuk menentukan strategi dipetakan berdasarkan harapan untuk mencapai level 5 atau optimized diperoleh 37 rekomendasi untuk perbaikan kualitas data hasil pengawasan.

---

Government organizations, both at the central and regional levels, such as ministries or institutions at the level of the ministry, as well as at the provincial/district/city governments, need high-quality data to carry out careful planning and evaluation of development. For the purpose of providing data and information on supervision and support needed by the leadership, Information Technology has been developed in the form of an Accountability Management Information System (SIMA) application. However, in reality, the current SIMA data quality still does not meet the standards because the current SIMA data entry is inadequate. The lack of quality of data from supervision results caused by several factors such as completeness of data, accuracy of data, timeliness of data, and consistency of data which has an impact on results of supervision of BPKP less able to provide strategic recommendations to the President. This study was conducted to measure the maturity level of data quality management and provide recommendations for improving data quality based on the Loshin Data Quality Maturity/Capability Model and the Data Management Body of Knowledge (DMBOK). From the results of the study, it was found that dimensional problems were caused by inadequate validation of the system. Measuring the maturity level of data management from the eight assessment components, it is obtained that the maturity level reaches level 3 or defined. Then to determine the mapped strategy based on the expectation to reach level 5 or optimized, 37 recommendations were obtained for improving the quality of the monitoring data."