Hasil Pencarian  ::  Simpan CSV :: Kembali

"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."

"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."

"ABSTRAKPermasalahan berdasarkan temuan Badan Pemeriksa Keuangan (BPK) atas pemeriksaan kinerja pelayanan perizinan di Kementerian Komunikasi dan Informatika (KOMINFO) adalah data sertifikasi alat dan perangkat telekomunikasi pada database sistem informasi e-sertifikasi belum sepenuhnya lengkap, akurat, dan valid dalam mendukung pelayanan sertifikasi alat dan perangkat telekomunikasi. Dengan ketidaklengkapan tersebut memberi risiko terjadinya penerimaan yang tidak sah dan tidak valid atas perolehan biaya sertifikasi. Sehingga belum dapat dimanfaatkan secara optimal untuk keperluan pelaporan ataupun rekonsiliasi data. Berdasarkan kondisi tersebut dilakukan pengukuran tingkat kematangan manajemen kualitas data. Narasumber dalam penelitian ini adalah pejabat di Direktorat Standardisasi Perangkat Pos dan Informatika (PPI) yang menangani proses sertifikasi alat dan perangkat telekomunikasi, pejabat di Direktorat Pengendalian Sumber Daya dan Perangkat Pos dan Informatika (SDPPI) yang mengelola database dan sistem informasi e-sertifikasi, serta staf programmer e-sertifikasi. Pengukuran tingkat kematangan manajemen kualitas data dilakukan dengan menggunakan framework Modelo Alarcos de Mejora de Datos (MAMD) 2.0 dimana hasilnya berada pada level 1, sedangkan level yang diharapkan adalah level 2. Untuk itu strategi peningkatan kualitas data sertifikasi alat dan perangkat telekomunikasi disusun berdasarkan analisis penyebab permasalahan data, kesenjangan dari kondisi manajemen kualitas data saat ini dan harapan, pedoman sekretaris jenderal kementerian kominfo nomor 1 tahun 2018 serta Peraturan Menteri Komunikasi Dan Informatika Nomor: 41/PER/MEN.KOMINFO/11/2007 tentang Panduan Umum Tata Kelola Teknologi Informasi Dan Komunikasi Nasional. Rekomendasi yang dihasilkan dikelompokkan dalam delapan poin disiplin data yang perlu dilaksanakan Direktorat Standardisasi PPI apabila ingin mencapai tingkat kematangan manajemen kualitas data yang diinginkan. Delapan poin disiplin data tersebut diantaranya adalah manajemen persyaratan data, manajemen infrastruktur teknologi, manajemen konfigurasi, manajemen data historis, manajemen keamanan data, kontrol dan pemantauan kualitas data, manajemen siklus hidup data, serta definisi standar, kebijakan dan prosedur.

---

ABSTRACTThe problem based on the findings of the Supreme Audit Agency (BPK) on licensing performance checks at the Ministry of Communication and Information Technology (KOMINFO) is that the certification data of telecommunication tools and equipment in the e-certification information system database is incomplete, accurate and valid in supporting equipment and equipment certification services telecommunication. With incompleteness submitted, the approval of acceptance is invalid and invalid on the approval of the certification fee. Data that cannot be utilized optimally for the purpose of reconciliation reporting. Based on these conditions, the level of maturity of data quality management is measured. The speakers in this study were officials at the Directorate of Standardization (PPI) who requested the process of certification of telecommunications equipment and equipment, officials in the Directorate of Resources and Equipment of Post and Informatics Control who manage e-certification database and information systems, and e-certification programmer staff. The measurement of the level of maturity of data quality management is carried out using the Modelo Alarcos de Mejora de Datos (MAMD) 2.0 framework where the results depend on level 1, while the expected level is level 2. For this reason, strategies to improve the quality of certification data for the tools and devices used for needs analysis The problem of data, discusses current data management problems and expectations, guidelines for the secretary general of the Ministry of Communication and Information Number 1 of 2018 as well as Minister of Communication and Information Technology Regulation Number 41/PER/MEN.KOMINFO/11/2007 concerning General Guidelines for Technology Governance National Information and Communication. The recommendations produced are grouped in several data discipline points that need to be implemented by the Directorate of Standardization PPI agreeing to reach the desired level of data quality management maturity. These eight data discipline points are approved are data requirements management, technology infrastructure management, configuration management, historical data management, data security management, data quality control and control, data lifecycle management, as well as standard resolutions, policies and procedures."

"ABSTRAKKementerian 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."

"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."

"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."

"Dinas Kependudukan dan Pencatatan Sipil mempunyai tugas pokok melaksanakan urusan pemerintah berdasarkan asas otonomi dan tugas pembantuan di bidang kependudukan, pengelolaan informasi administrasi kependudukan, dan pencatatan sipil. Dinas melayani masyarakat dalam urusan pelayanan administrasi kependudukan yang menghasilkan dokumen dan data kependudukan dan tersimpan pada database kependudukan kabupaten. Data tersebut dikirim secara berkala ke database pusat dan bersama dengan data kependudukan hasil pelayanan administrasi kependudukan dari seluruh kabupaten/kota di Indonesia digabungkan menjadi data kependudukan nasional. Permasalahan yang ada sekarang adalah data hasil pelayanan administrasi kependudukan belum sepenuhnya terdaftar pada database kependudukan nasional sehingga akurasi data kependudukan belum mencapai target sesuai dengan rencana strategis dinas tahun 2016-2021.Berdasarkan hasil proses konsolidasi dan pembersihan data kependudukan nasional, masih banyak terdapat data ganda dan anomali pada data kependudukan kabupaten. Hal ini akan berdampak bagi pemerintah dalam membuat laporan kependudukan kabupaten yang tidak menggambarkan jumlah nyata di lapangan sehingga mempengaruhi kebijakan pembangunan daerah. Selain itu akan menimbulkan permasalahan bagi masyarakat yang tidak terdaftar dalam database kependudukan nasional yaitu data tidak ditemukan pada saat melakukan transaksi pelayanan publik khususnya instansi pelaksana yang telah menggunakan data kependudukan nasional.Berdasarkan kondisi tersebut, perlu dilakukan analisis permasalahan data kependudukan mulai dari identifikasi permasalahan, kebutuhan proses bisnis yang dibutuhkan untuk mengatasi permasalahan tersebut dan kualitas data kependudukan yang diperlukan untuk mencapai target akurasi data kependudukan Dinas Kependudukan dan Pencatatan Sipil. Pada penelitian ini dirumuskan kebijakan manajemen kualitas data kependudukan yang merujuk pada teori Data Quality Management DQM dari DAMA-DMBOK dan empat aspek yang mempengaruhi kualitas data yang diambil dari beberapa tinjauan teori yaitu manajemen, teknologi, proses dan lingkungan. Dengan adanya kebijakan tersebut diharapkan pada tiap tahapan proses pelayanan administrasi kependudukan mulai dari tingkat desa/kelurahan, kecamatan sampai kabupaten memperhatikan kualitas data yang dihasilkan. Apabila kualitas data kependudukan di daerah meningkat maka akan memberi dampak positif bagi kualitas data kependudukan nasional.

---

The Population and Civil Registry agency has the main duty of carrying out government affairs based on the principle of autonomy and duty of assistance in the field of population, management of population administration information, and civil registration. The Population and Civil Registry agency serve the public in the affairs of the population administration services that produce documents and demographic data and stored in the database of demographic regency. The data is sent periodically to the central database and together with the demographic data from demographic administration services from all districts cities in Indonesia are combined into national demographic data. The problem that exists now is the data of the results of the demographic administration service has not been fully registered in the national demographic database so that the accuracy of population data has not reached the target in accordance with the strategic plan of the year 2016 2021.Based on the results of the consolidation process and the cleaning of national demographic data, there is still a lot of double data and anomalies in the demographic data of the regency. This will have an impact on the government in making district demographic reports that do not reflect real numbers in the field, affecting regional development policies. In addition it will cause problems for people who are not registered in the national demographic database that data is not found when conducting public service transactions, especially implementing agencies that have been using national demographic data.Based on these conditions, it is necessary to analyze the demographic data problems starting from the identification of the problem, the need of business process needed to overcome the problem and the quality of demographic data needed to achieve the target of demographic data accuracy of the Depatment Civil Service and Civil Registry. In this study, the formulation of data quality management policy of demography refers to Data Quality Management DQM theory from DAMA DMBOK and four aspects that influence the quality of data taken from several theoretical views that are management, technology, process and environment. With the policy is expected at each stage of the process of population administration services starting from the village sub district, district to regency pay attention to the quality of data generated. If the quality of population data in the region increases then it will have a positive impact on the quality of national demographic data."

"ABSTRAKDirektorat 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."

"RSUD Pasar Rebo merupakan rumah sakit daerah yang menggunakan SIMRS untuk mendukung layanan administrasinya. Berdasarkan SK Direktur RSUD Pasar Rebo tercantum bahwa dimensi kualitas data yang diukur adalah akurasi dan presisi. Selain itu juga terdapat dimensi kelengkapan (completeness) yang tertanam pada proses bisnis dalam kaitannya dengan pelengkapan data dan dokumen rekam medik untuk proses klaim asuransi kesehatan. Penelitian ini bertujuan untuk memberikan rekomendasi peningkatan pengelolaan kualitas data berdasarkan hasil penilaian tingkat kematangan pengelolaan kualitas data. Penilaian tingkat kematangan pengelolaan kualitas data dilakukan dengan mengacu kepada komponen dan karakteristik pada Loshin’s Data Quality Management Maturity Model. Setelah dilakukan penilaian terhadap tingkat kematangan, maka dilakukan analisis kesenjangan untuk mengidentifikasi karakteristik pengelolaan kualitas data yang harus dipenuhi untuk meningkatkan tingkat kematangan. Setelah dilakukan analisis kesenjangan, maka disusun rekomendasi peningkatan pengelolaan kualitas data yang mengacu kepada aktivitas yang ada pada DMBOK. Tingkat kematangan pengelolaan kualitas data pada RSUD Pasar Rebo berada pada level 4 (managed). Rekomendasi yang diberikan untuk meningkatkan pengelolaan kualitas data adalah melakukan profiling, analisis, dan menilai kualitas data, memantau prosedur dan kinerja dari pengelolaan kualitas data yang berjalan, membersihkan dan memperbaiki kualitas data yang cacat, mendefinisikan kebutuhan kualitas data, mendefinisikan kualitas data dalam konteks peraturan bisnis, mengelola isu-isu terkait kualitas data, mengukur dan memantau kualitas data secara berkesinambungan, merancang dan mengimplementasikan prosedur operasional pengelolaan kualitas data

---

Pasar Rebo Public Hospital is a government hospital that uses HIS to support its operational activity. According to its director’s decree, dimension of data quality for medical record data consists of accuracy and precision. Besides, completeness dimension also embedded in business process in accordance to their activity to complete medical record’s data and document to conduct insurance claim process. This study aims to give recommendation to improve data quality management according to data quality management maturity level assessment. The assessment is conducted according to Loshin’s Data Quality Management Maturity Model. After the assessment is done, gap analysis is conducted to identify which improvement should be done to improve data quality management maturity level. After that, the recommendation is arranged based on DMBOK’s Data Quality Management activity. The maturity level of data quality management in Pasar Rebo Public Hospital is 4 (managed). Recommendations given in this study consist of profiling, analyzing, and assessing data quality, monitoring operational data quality management procedures and performance, cleaning and correcting data defects, defining data quality requirements, defining data quality business rules, managing data quality issues, continuously measuring and monitoring the data quality, and designing and implementing operational data quality management procedures"