Hasil Pencarian  ::  Simpan CSV :: Kembali

Abstrak :
ABSTRAK
Kualitas 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.

---

ABSTRACT
The 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.

Abstrak :
ABSTRAK Permasalahan 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.

---

ABSTRACT The 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.

Abstrak :
ABSTRAK
Bisnis 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.

---

ABSTRACT
Digital 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.

Abstrak :
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.

Abstrak :
ABSTRAK Menurut Undang-undang No. 12 tahun 2012 tentang Pendidikan Tinggi Pasal 56, Pangkalan Data Pendidikan Tinggi (PD Dikti) merupakan kumpulan data penyelenggaraan pendidikan tinggi seluruh perguruan tinggi yang terintegrasi secara nasional. PD Dikti berperan penting dalam sistem penjaminan mutu pendidikan tinggi, yaitu berfungsi sebagai sumber informasi bagi lembaga akreditasi untuk melakukan akreditasi program studi dan perguruan tinggi; bagi pemerintah untuk melakukan pengaturan, perencanaan, pengawasan, pemantauan dan evaluasi serta pembinaan dan koordinasi program studi dan perguruan tinggi; dan bagi masyarakat untuk mengetahui kinerja program studi dan perguruan tinggi. Mengingat pentingnya PD Dikti tersebut, tersedianya data yang berkualitas pada PD Dikti menjadi salah satu target yang ingin dicapai Pusat Data dan Informasi Iptek Dikti, Kementerian Riset, Teknologi, dan Pendidikan Tinggi. Target pengelolaan PD Dikti tahun 2016 akan fokus pada kualitas data, yaitu bagaimana dapat menyediakan data yang berkualitas. Untuk itu, perlu adanya strategi untuk menjamin dan meningkatkan kualitas data pada PD Dikti. Berdasarkan hal tersebut, penelitian ini menyusun strategi untuk meningkatkan kualitas data pada PD Dikti. Untuk menyusun strategi tersebut dilakukan penilaian manajemen kualitas data saat ini, yaitu melalui penilaian terhadap dimensi kualitas data dan penilaian terhadap maturitas manajemen kualitas data. Langkah- langkah penelitian yang dilakukan meliputi identifikasi masalah, penilaian manajemen kualitas data, analisis kesenjangan untuk hasil penilaian maturitas manajemen kualitas data, analisis akar masalah untuk hasil penilaian dimensi kualitas data, dan menyusun strategi peningkatan kualitas data. Hasil penelitian ini adalah rekomendasi strategi peningkatan kualitas data pada PD Dikti. Strategi tersebut meliputi peningkatan proses pada 7 (tujuh) domain manajemen kualitas data, yaitu pendefinisian harapan/kebutuhan kualitas data, pengukuran dimensi kualitas data, penetapan kebijakan informasi, peningkatan tata kelola data, penetapan prosedur, perbaikan teknologi, dan pengelolaan kinerja. Rekomendasi tersebut diharapkan dapat digunakan sebagai acuan dalam melakukan program kualitas data pada PD Dikti.

---

ABSTRACT According to Law No. 12 of 2012 about Higher Education clause 56, Higher Education Database is a collection of higher education management data from all Indonesian universities that is integrated nationally. Higher Education Database plays an important role in the Quality Assurance System of Higher Education, which serves as a source of information for accrediting agencies to carry out accreditation of study programs; for the government to make arrangements, planning, supervision, monitoring and evaluation; and for the public to know the performance of the study program and universities. Clause 52 of the same Law also noted that the Higher Education Quality Assurance System is based on Higher Education Database. Because of the importance of the Higher Education Database, availability of high quality data became one of the targets to be achieved by the Data and Information Center. One of the targets for the implementation of the Higher Education Database in 2016 is to focus on the quality of the data. Therefore, it need strategies to ensure and improve the quality of data on Higher Education Database. Based on the above, this study recommends strategies for improving the quality of the data on Higher Education Database. To develop the strategy, the author assessed the current data quality management. Assessment of the current data quality management was done through an assessment of the dimensions of data quality and assessment of the maturity of data quality management. Research steps undertaken included problem identification, assessment of data quality management, gap analysis for maturity assessment of data quality management, root cause analysis for assessment of data quality dimensions, and formulation of strategy for improving data quality. Results of this research include recommendation of data quality improvement strategy in Higher Education Database. The strategy includes improvement management in seven (7) data quality management domain, comprising of defining the expectations of dataquality, measurement of data quality dimension, establishment of information policy, improving data governance, establishment of procedures, technological improvements, and performance management. The recommendations are expected to be used as a reference in the data quality program on Higher Education Database.

Abstrak :
ABSTRAK
Dalam era informasi saat ini, data menjadi sumber daya yang vital dan menjadi kebutuhan yang memasuki level sangat penting untuk organisasi. Data yang berkualitas baik akan menghasilkan informasi yang bermanfaat untuk kemajuan organisasi. Data profil pelanggan berdasarkan aktifitas digitalnya atau dikenal dengan broadband customer profile BCP merupakan salah satu strategi Telkomsel untuk menciptakan peluang baru dalam rangka meningkatkan revenue. Dengan berjalannya platform BCP selama dua tahun lebih, data BCP mempunyai kondisi kualitas data yang rendah. Hal ini menjadi perhatian manajemen mengingat pentingnya data ini, sehingga dibutuhkan pengelolaan kualitas data yang baik.Penelitian ini dilakukan untuk memberikan rekomendasi strategi data quality management untuk meningkatkan kualitas data berdasarkan penilaian tingkat kematangan pengelolaan kualitas data menggunakan Data Quality Framework dari David Loshin, praktik manajemen kualitas data Data Management Body of Knowledge DMBOK dari DAMA institute, dan Big Data Quality Assessment dari Cai dan Zhu. Penelitian menggunakan metode kualitatif dengan melakukan wawancara ke tiga orang narasumber di bagian pengelolaan data BCP dan data governance di PT. Telkomsel, hasil yang didapatkan dari wawancara diolah dengan menggunakan metode data reduction dan data coding.Tingkat kematangan kualitas data diperoleh secara umum berada pada level 2 repeatable . Berdasarkan beberapa kesenjangan dari harapan yang ada, diperlukan strategi untuk meningkatkan kualitas data dari aktivitas manajemen kualitas data DMBOK. Rekomendasi strategi yang dihasilkan, yaitu: pertemuan komite DG secara berkala, evaluasi peran data steward, sosialisasi KD DG secara berkala untuk promosi data quality awareness, penambahan informasi kebutuhan secara detail dan analisis dampak bisnis di dokumen request report/data, penerapan master data management dan metadata management, penambahan proses validasi dan prosedur pemeriksaan data untuk tiap dimensi kualitas data, menetapkan SLA kualitas data, evaluasi kinerja incident tracking system, laporan kualitas data secara berkala, dan evaluasi pengelolaan data secara regular.

---

ABSTRACT
In this information era, data has become a vital resource and a necessity that enters a very important level for the organization. Good data quality will produce useful information for organization. Customer profile data based on digital activity or known as broadband customer profile BCP is one of Telkomsel 39 s strategy to create new opportunities in order to increase revenue. With the running of BCP platform over the next two years, BCP data has low data quality conditions. This is a concern of management given the importance of this data, so that required good data quality management.This research was conducted to give recommendation of data quality management strategy to improve data quality based on the assessment of data quality management maturity level using Data Quality Framework from David Loshin, data quality management practices Data Management Body of Knowledge DMBOK from DAMA institute, and Big Data Quality Assessment From Cai and Zhu. This research use qualitative method by conducting interviews to three interviewees in the data management section of BCP and data governance at PT. Telkomsel, the results obtained from interviews processed using data reduction and data coding methods.The maturity level of data quality is generally found at level 2 repeatable . Based on some gaps in existing expectations, strategies are needed to improve data quality from DMBOK data quality management activities. Recommendations of the strategies are regular meetings of DG committees, evaluation of steward data roles, regular socialization of KD DGs for promotion of data quality awareness, detail information of needs and business impact analysis in document request report data, implementation of master data management and metadata management, additional validation process and data checking procedures for each data quality dimension, establishing data quality SLA, incident tracking system performance evaluation, regular data quality reporting, and regular data management evaluation.

Abstrak :
Badan Pusat Statistik Kabupaten Kaur merupakan satuan kerja di bawah Badan Pusat Statistik Republik Indonesia yang bertanggung jawab melaksanakan kegiatan statistik di wilayah Kabupaten Kaur Provinsi Bengkulu. Meskipun Badan Pusat Statistik Kabupaten merupakan satuan kerja terkecil di bawah Badan Pusat Statistik Republik Indonesia, namun Badan Pusat Statistik Kabupaten menyumbang peran besar dalam pencapaian tujuan Badan Pusat Statistik untuk meningkatkan kualitas data. Hal ini disebabkan oleh peran Badan Pusat Statistik Kabupaten sebagai tombak dalam pengumpulan data langsung ke responden dan sekaligus sebagai pengolah dan diseminasi data. Sebagai contoh adalah pelaksanaan Survei Sosial Ekonomi Nasional yang tengah berlangsung pada semester I tahun 2019 saat penyusunan penelitian ini. Dari survei ini diperoleh permasalahan yaitu terdapat ketidaklengkapan, ketidakkonsistenan isian dan ketidaktepatan harga pada Modul Kor dan Konsumsi Pengeluaran saat entri data dalam aplikasi. Begitu pula saat pasca entri masih ditemukan ketidakkonsistensian dan ketidaktepatan isian. Untuk mengatasi permasalahan ini dilakukan evaluasi tingkat kematangan manajemen kualitas data menggunakan kerangka kerja Manajemen Kualitas Data Loshin. Hasil yang diperoleh menunjukkan bahwa tingkat kematangan berada pada kisaran 2 dan 3. Dari delapan dimensi, terdapat empat dimensi yang belum memenuhi target yang diharapkan yaitu harapan kualitas data, protokol kualitas data, standar data, dan teknologi. Selain itu, hasil dari pengukuran kualitas data statistik menggunakan kerangka kerja European Statistical System menunjukkan bahwa total skor yang dicapai adalah 5.7 dari target yang diharapkan sebesar 9.4. Dari hasil penelitian ini selanjutnya disusun rekomendasi peningkatan kualitas data. ......The BPS-Statistics of Kaur Regency is a work unit under the BPS-Statistics of the Republic of Indonesia which is responsible for carrying out statistical activities in the regency area, precisely the Regency of Kaur, Bengkulu Province. Although the Regency Statistics Agency is the smallest work unit, the BPS-Statistics of Kaur Regency contributes a large role in achieving the goals of the BPS-Statistics of Republic of Indonesia to improve data quality. This is due to the role of the Regency Statistics Agency as a spearhead in collecting data directly to respondents and at the same time as data processors. An example is the implementation of the National Socio-Economic Survey which was taking place in the first semester of 2019 during the preparation of this study. From this survey, there are problems, namely there are incompleteness, inconsistency in the contents and inaccuracy of the price range in the Cor Module and Expenditure Consumption during data entry in the application. Likewise, inconsistencies and inaccuracies are found after post entries. To overcome this problem, an evaluation of the maturity level of data quality management using the Loshin’s Data Quality Management was done. The results indicate that the maturity level is in the range of 2 and 3. Of the eight dimensions, there are four dimensions that have not met the expected targets, namely expectations of data quality, data quality protocols, data standards, and technology. In addition, the results of measuring the quality of statistical data using the European Statistical System indicate that the total score achieved is 5.7 of the expected target of 9.4. From the results of this study, recommendations were made for improving data quality.