Hasil Pencarian  ::  Simpan CSV :: Kembali

"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."

"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."

"Setiap tahunnya, volume data diprediksi akan semakin meningkat sehubungan dengan terdapat perkembangan teknologi pada masa sekarang dan hal tersebut menjadikan tantangan bagi setiap perusahaan dalam mengelola data dimaksud. Selain itu, pengelolaan data perlu secara maksimal agar dapat dimaksimalkan menjadi sebuah aset organisasi. PT DEF merupakan anak perusahaan PT ABC (Persero) yang bergerak di bidang agroindustri tebu dan merupakan perusahaan manufaktur dengan produk utamanya yaitu gula dan menghasilkan produk sampingan berupa tetes. Dengan menggunakan delapan aspek kualitas data dari Loshin’s Data Quality Framework dan Data Management Body of Knowledge (DMBOK) penelitian ini mencoba mengukur tingkat kematangan kualitas data di PT DEF. Aspek-aspek yang terdapat pada Loshin’s data quality framework yaitu harapan, dimensi kualitas data, kebijakan informasi, prosedur, standar data, teknologi dan pengelolaan kinerja. Berdasarkan temuan evaluasi tersebut, PT DEF memiliki tingkat kematangan pada level satu atau initial pada aspek kebijakan informasi, standardisasi data, dan pengelolaan kinerja. Sedangkan untuk aspek harapan kualitas data, dimensi kualitas data, prosedur, tata kelola, dan teknologi berada pada level dua atau repeatable. PT DEF mendapatkan sembilan rekomendasi tindakan yang dapat dilakukan untuk meningkatkan kualitas datanya berdasarkan hasil penilaian kematangan pengelolaan dan tingkat kematangan kualitas data yang diharapkan berdasarkan DAMA-DMBOK.

---

Every year, the volume of data is predicted to increase due to current technological developments and this creates challenges for every company in managing the data in question. Apart from that, data management needs to be optimal so that it can be maximized as an organizational asset. PT DEF is a subsidiary of PT ABC (Persero) which operates in the sugar cane agro-industry sector and is a manufacturing company whose main product is sugar and produces by-products in the form of molasses. By using eight aspects of data quality from Loshin's Data Quality Framework and Data Management Body of Knowledge (DMBOK), this research tries to measure the level of data quality maturity at PT DEF. The aspects contained in Loshin's data quality framework are expectations, data quality dimensions, information policies, procedures, data standards, technology and performance management. Based on the evaluation findings, PT DEF has a level of maturity at level one or initial in the aspects of information policy, data standardization and performance management. Meanwhile, for the aspect of data quality expectations, the dimensions of data quality, procedures, governance and technology are at level two or repeatable. PT DEF received nine recommendations for actions that can be taken to improve the quality of its data based on the results of the management maturity assessment and the expected level of data quality maturity based on DAMA-DMBOK."

"Badan Kepegawaian Negara (BKN) sebagai pembina dan penyelenggara  manajemen kepegawaian memiliki tugas dan fungsi diantaranya mengelola mutasi kepegawaian Pegawai Negeri Sipil (PNS).  Berdasarkan Rencana Strategis BKN 2015 – 2019 salah satu tugas BKN yang adalah “Mengelola dan mengembangkan sistem informasi kepegawaian Pegawai Negeri Sipil”. Untuk mendukung pelaksanaan manajemen kepegawaian nasional dan peningkatan pelayanan kepegawaian terhadap PNS dibutuhkan database PNS yang akurat dan terkini.  Ketika  melaksanakan tugas dan fungsi ini, BKN sering mendapatkan masalah perbedaan data yang disebabkan kesalahan sistem, kesalahan operator sistem atau karena lainnya.  Dalam karya akhir ini penulis melakukan pengukuran kualitas data kepegawaian memakai dimensi kualitas data sesuai dengan Loshin’s Data Quality Maturity Model agar bisa menjadi dasar data yang dipakai oleh produk sistem informasi yang dihasilkan oleh BKN. Aktivitas yang dilakukan untuk mencari tingkatan kualitas data, keadaaan menajemen kualitas data, harapan manajemen kualitas data, dan juga rekomendasi perbaikan kualitas data melalui tiga proses pengumpulan data yaitu wawancara terbuka, observasi langsung, dan analisis dokumen. Penelitian karya akhir ini bertujuan untuk memberikan rekomendasi strategi dalam memperbaiki manajemen kualitas data kepegawaian dengan berfokus pada dua tabel utama yaitu Tabel ORANG dan Tabel PNS. Rekomendasi yang di dapat melalui pemetaan model oleh Patel dan Ramchandran (2009) yaitu Agile Maturity Model (AMM), menghasilkan 48 rekomendasi yang terdiri dari 10 rekomendasi perbaikan permasalahan data PNS yang telah ada, antara lain penambahan otomatisasi validasi, pemeriksaan dan perbaikan kembali data yang sudah ada di database BKN, serta penambahan fitur pemberitahuan kepada pengelola data jika ada terindikasi sumber masalah. Selain itu ada 38 rekomendasi untuk perbaikan peningkatan  manajemen kualitas data. Rekomendasi tersebut dibagi berdasarkan delapan komponen penilaian. Komponen harapan kualitas data mempunyai rekomendasi di identifikasi dan dokumentasi  harapan kualitas data, syarat kualitas data yang baik, profil dan analisis harapan kualitas data, mengembakan metode penilai dampak bisnis, pemantauan dan validasi proses, dan penetapan serta evaluasi layanan kualitas data.

---

One of The National Civil Service Agency (BKN) duty as a national staffing management agency is managing the rotation of Civil Servants (PNS). Based on the 2015-2019 BKN Strategic Plan, one of the tasks of the BKN is "Managing and developing the Civil Service staffing information system (ASN)". To support the implementation of national staffing management and improvement of staffing services for civil servants, an accurate and up-to-date civil service database is needed. Nevertheless, BKN often encounters problems with data differences due to system errors, system operator errors or other reasons. In this thesis, the author measured the quality of staffing data by using data quality dimensions based on Loshin’s Data Quality Maturity Model, aiming for high quality data to be used in BKN’s information systems. In order to gain data quality levels, data quality management conditions, data quality management expectations, and recommendations for improving data quality, the author held open interviews, direct observation, and document analysis. This research aims to provide a strategy recommendation in improving the quality of staffing data management by focusing on two main tables which are PEOPLE and PNS tables. The recommendations obtained through the mapping model by Patel and Ramchandran (Agile Maturity Model), resulted in 48 recommendations consisting of 10 recommendations for repairing existing PNS data problems, including adding validation automation, rechecking and revising existing data in the BKN database, also adding a notification feature to the data manager when indicating a problem. Aside from that, there are also 38 recommendations for improving the data quality management. The recommendations are divided based on eight assessment components. The data quality expectation component has recommendations in identifying and documenting data quality expectations, good data quality requirements, profiling and analyzing data quality expectations, developing business impact assessment methods, monitoring and validating processes, and establishing and evaluating data quality services."

"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."

"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."

"PT XYZ adalah salah satu perusahaan telekomunikasi dengan lebih dari 34.3 juta pengguna di Indonesia. PT XYZ mengadopsi kerangka kerja Scrum dalam tiga proyek pengembangan aplikasi MyXYZ. Persentase keterselesaian masing-masing proyek dalam setiap sprint selama setahun terakhir tidak mencapai 100%. Hal ini mengindikasikan adanya masalah dalam tiap sprint yang berpotensi memperlambat waktu rilis fitur terbaru dan membuang potensi pendapatan yang lebih tinggi. Scrum Maturity Model digunakan untuk mengukur tingkat kematangan penerapan Scrum di PT XYZ. Pengambilan data dilakukan dengan menggunakan Scrum Assessment Questionnaire yang terdiri atas 70 pertanyaan. Kuesioner diberikan kepada 1 orang Scrum Master, 2 orang product owner dan 4 orang development team dari masingmasing proyek. Data kuesioner kemudian dianalisis dengan key process area rating Agile Maturity Model. Hasilnya, implementasi Scrum di PT XYZ berada di level 3. Perlu standardisasi dan pelaksanaan sprint retrospective yang disiplin untuk dapat meningkatkan tingkat kematangan ke level selanjutnya.

---

PT XYZ is a telco company with more than 34.3 million users in Indonesia. PT XYZ adopted the Scrum framework in 3 projects of MyXYZ application development. The percentage of completion of each project in each sprint during the last year didn't reach 100%. This indicates there are problems in each sprint that could be slow down the release time of the newest feature and waste higher revenue potential. The Scrum Maturity Model is used to measure the maturity level of Scrum implementation. Data collection was carried out using the Scrum Assessment Questionnaire which consists of 70 questions. The questionnaires were given to 1 Scrum Master, 2 Product Owners and 4 Development Team members from each project. The data was then analyzed using the Agile Maturity Model key process area rating. As a result, Scrum implementation at PT XYZ is at level 3. Standardization and disciplined implementation of sprint retrospectives are needed to be able to raise the maturity level to the next level."

"PT. Kliring Penjaminan Efek Indonesia (KPEI) mengemban peran sebagai central counterparty yang bertanggung jawab dalam menciptakan pasar modal Indonesia yang aman dan menarik. Permasalahan yang dihadapi KPEI adalah redundansi fungsi sistem dan ketidakadaan pengelolaan data master sebagai “single source of truth” yang berakibat pada ketidakakuratan keputusan yang dihasilkan. Untuk menyelesaikan permasalahan tersebut, penelitian ini menilai tingkat kematangan manajemen data master yang ada di KPEI saat ini dengan menggunakan model kematangan manajemen data master Loshin dan PAM COBIT 5 sebagai metode penilaian. Hasil penilaian kematangan tersebut menjadi dasar perencanaan pengembangan data master dengan menggunakan teori manajemen data master Loshin dan DMBOK. Hasil penelitian menunjukan bahwa tingkat kematangan manajemen data master KPEI adalah tingkat 0 (non existent) yang sedang menuju tingkat 1 (intial). Penelitian juga menghasilkan perencanaan pengembangan data master KPEI yang dapat membantu KPEI untuk menyelesaikan permasalahan yang dihadapi.

---

PT Kliring Penjaminan Efek Indonesia (KPEI) has a role as central counterparty who has resposibility to actualize a save and attractive Indonesia capital market. The problem faced by KPEI are redundancy of system functions and absence of master data management as a single source of truth that can lead to inaccurate decision making. To solve these problem, this research try to assess current data master management maturity level by using master data management maturity model from Loshin and PAM COBIT 5 as a assessment method. This assessment result used for building the data master development planning. The result of this research show that KPEI’s master data management maturity level has begun to transition from level 0 (non existent) to the level 1 (initial). This research also propose master data development planning for assisting KPEI to solve its problem."

"Penggunaan teknologi informasi (TI) saat ini sudah menjadi salah satu kebutuhan pokok bagi sebagian besar organisasi perusahaan dalam menjalankan bisnisnya. Dengan melakukan investasi TI untuk semua aspek, perusahaan mengharapkan agar setiap target bisnis yang sudah dicanangkan dapat lebih mudah di capai. Sinar Mas Mining (SMM) adalah perusahaan yang bergerak di bidang pertambangan batubara yang telah melakukan beberapa pengembangan teknologi dalam bentuk proyek. Selama 2 tahun (2018-2019) terdapat 59 proyek yang dilaksanakan oleh Direktorat IT di SMM namun tercatat ada 57% proyek yang tidak berjalan dengan semestinya dan jauh dari target yang sudah ditentukan. Permasalahan ini dapat diselesaikan dengan meningkatkan kematangan manajemen proyek di perusahaan dengan mengikuti standar model tingkat kematangan IPMA Delta yang dikembangkan oleh organisasi IPMA. Pengukuran dilakukan secara menyeluruh berdasarkan kompetensi pada tiga indikator utama yaitu; individu, organisasi dan proyek. Dari hasil penelitian menujukkan bahwa perusahaan selama ini memiliki tenaga kerja dengan pengetahuan yang cukup baik dalam melaksanakan manajemen proyek namun masih ada beberapa aspek yang harus ditingkatkan. Terdapat 13 kompetensi individu dan 15 kompetensi organisasi yang belum mencapai tingkat kematangan yang diharapkan. Untuk itu perusahaan perlu menjalankan sejumlah rekomendasi yang dihasilkan berdasar 28 aspek pada penelitian ini agar tingkat kematangan manajemen proyek sesuai dengan yang diharapkan.

---

The use of information technology (IT) has now become one of the basic needs of most corporate organizations in running their business. By investing in IT for all aspects, the company hopes that every business target that has been launched can be more easily achieved. Sinar Mas Mining (SMM) is a company with primary business in the coal mining sector, has carried out several technological developments in projects. In 2 years (2018-2019), there were 59 projects carried out by the IT Directorat only at SMM, but it was recorded that 57% of projects did not run properly and were far from the predetermined targets.

This problem is solved by increasing the company's project management maturity by following the IPMA Delta maturity level model standard developed by the IPMA organization. Measurement is carried out based on competence in every aspect, namely, individual, organizational, and project aspects.

The research results show that the company has human resources with sufficient knowledge in implementing project management, but several aspects need to be improved. There are 13 individual competencies and 15 organizational competencies that have not reached the expected maturity level. For this reason, the company needs to carry out several recommendations generated based on the 28 aspects of this study so that the project management maturity level is as expected.

"

"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."