Hasil Pencarian  ::  Simpan CSV :: Kembali

Abstrak :
ABSTRAK Direktorat Pengendalian Sumber Daya dan Perangkat Pos dan Informatika (SDPPI) merupakan organisasi pemerintahan setingkat eselon dua di bawah Direktorat Jenderal SDPPI, Kementerian Komunikasi dan Informatika. Salah satu tugas dan fungsinya adalah melakukan pengawasan dan pengendalian atas penggunaan spektrum frekuensi di Indonesia. Dalam menjalankan tugas tersebut, Direktorat Pengendalian SDPPI melakukan monitoring terhadap penggunaan spektrum frekuensi radio di tiap wilayah di Indonesia dan merekam hasil monitoring tersebut ke dalam suatu sistem report online. Berdasarkan analisis terhadap data hasil monitoring, teridentifikasi beberapa permasalahan mengenai kualitas data, yakni adanya data yang tidak konsisten, tidak standar, dan tidak akurat, yang pada akhirnya dapat menyulitkan pembuatan kebijakan di bidang spektrum frekuensi radio nasional. Berdasarkan permasalahan tersebut, evaluasi kematangan kualitas data saat ini dilakukan. Narasumber wawancara dalam penelitian ini adalah pejabat dan analis data monitoring di Direktorat Pengendalian SDPPI. Evaluasi dilakukan merujuk pada kerangka kerja Loshin. Hasil evaluasi menunjukkan bahwa komponen harapan kualitas data, kebijakan informasi, prosedur, tata kelola data, standarisasi data, teknologi, dan pengelolaan kinerja berada di level 1 (initial) sedangkan komponen dimensi kualitas data berada di level 2 (repeatable). Harapan kematangan kualitas data berdasarkan pedoman tata kelola Teknologi Infromasi Kementerian Kominfo dan pejabat Direktorat Pengendalian SDPPI berada di level 3 (defined). Analisis kesenjangan kematangan kualitas data saat ini dengan target yang diharapkan dilakukan. Berdasarkan analisis tersebut, dirumuskan rekomendasi peningkatan kualitas data penggunaan spektrum frekuensi. Rekomendasi tersebut meliputi penyusunan prosedur kegiatan monitoring, perumusan kebutuhan kualitas data, perumusan aturan validasi data, penyusunan kebijakan tata kelola data, menetapkan service level agreement (SLA), melakukan sosialisasi, edukasi, dan pelatihan kualitas data, menyusun standarisasi data, mengelola metadata, dan mengimplementasikan tools kualitas data.

---

ABSTRACT Directorate of Spectrum Management System and Law Enforcement is echelon II government organization under Directorate General of Resources Management and Equipment of Post and Informatics, Ministry of Communication and Informatics. One of its task and function is to watch over and control the use of frequency spectrum in Indonesia. In doing so, Directorate of Resources Management and Equipment of Posts and Informatics Control monitors radio frequency spectrum usage at every region in Indonesia and record the result to an online report system. Based on analysis of data resulted from such monitoring, data quality problems are identified, i.e. the occurence of inconsistent, nonstandard, and inaccurate data, which in turn may complicate policy making in the field of national radio frequency spectrum. Supported by inverview with related stakeholder, further analysis is done to evaluate existing data quality maturity using Loshins Data Quality Maturity Model. The evaluation result show that for data quality expectations, policies, procedures, data governance, data standardization, technology, and performance management are on level 1 (initial) and dimension of data quality is on level 2 (repeatable), while the expected level is on level 3 (defined). Based on the gap analysis between as is and to be condition, recommendations to improve data quality of frequency spectrum usage is formulated. The recommendations are formulating procedures, data quality requirements, data validation rules, data governance policy, SLA, data satandardization, education and training, metadata management, and data quality tools implementation.

Abstrak :
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.