Hasil Pencarian  ::  Simpan CSV :: Kembali

"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.

"

"ABSTRAKMenurut 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."

"ABSTRAKDalam 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.

---

ABSTRACTIn 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."

"Bervariasinya kapasitas, potensi dan tingkat perkembangan daerah menyebabkan perbedaan mutu yang lebar antar program studi maupun institusi perguruan tinggi di penjuru Indonesia. Perbedaan mutu ini menjadi fokus para pemangku kepentingan perguruan tinggi, khususnya calon mahasiswa, pemerintah dan pasar tenaga kerja. Agar dapat menjaga mutunya, Universitas Kristen Krida Wacana (UKRIDA) sebagai salah satu dari institusi perguruan tinggi di Indonesia wajib memenuhi standar dari kriteria yang ditetapkan oleh Badan Akreditasi Nasional Perguruan Tinggi (BAN-PT). Kemudian, untuk dapat bersaing, UKRIDA juga perlu menetapkan keputusan-keputusan maupun rencana strategis yang dibuat memanfaatkan data yang sama dengan yang digunakan untuk pengukuran pemenuhan standar kriteria akreditasi agar selaras dengan tujuan utama peningkatan mutu. Namun, ternyata melalui analisis akar-akar masalah Loshin yang diantaranya manusia, proses, teknologi dan kebijakan ditemukan kualitas data dari salah satu kewajiban Tri Dharma yaitu pendidikan dan pengajaran secara khusus pada data mahasiswa dan akademik, masih buruk baik itu manajemen maupun kondisi dari data itu sendiri. Berdasarkan hal tersebut, penelitian ini bertujuan untuk menyusun strategi peningkatan kualitas data mahasiswa dan akademik UKRIDA. Menggunakan metode kualitatif, pengumpulan data dilakukan melalui wawancara, query langsung dan studi dokumen. Penilaian terhadap kualitas data saat ini menggunakan dimensi kualitas data dari Loshin dan PermenristekDikti RI Nomor 61 Tahun 2016 Pasal 12, penilaian terhadap tingkat kematangan manajemen kualitas data menggunakan Data Quality Maturity Model Loshin. Penilaian menghasilkan temuan penyebab permasalahan dan temuan kesenjangan manajemen. Analisis kemudian digunakan untuk menghasilkan rekomendasi strategi, yang pertama lewat pemetaan penyebab permasalahan umum DMBOK2 dibentuk strategi peningkatan kondisi kualitas data dan yang kedua, lewat pemetaan best practive aktivitas manajemen kualitas data DMBOK2 yang dipadu dengan poin-poin konsiderasi strategi kualitas data Loshin dibentuk strategi peningkatan manajemen kualitas data. Secara garis besar strategi yang diajukan menyarankan perbaikan struktur data dan antarmuka aplikasi, pendefinisian tata kelola data, penyelenggaraan dokumentasi aturan, SOP dan SLA yang lengkap hingga ke unit bisnis dan peningkatan pengukuran dan pelaporan.

---

Variations in capacity, potential, and level of regional development cause wide differences in quality between study programs and higher education institutions throughout Indonesia. These quality differences become the focus of higher education stakeholders, especially prospective students, the government, and the labor market. To maintain its quality, Krida Wacana Christian University (UKRIDA) as one of the higher education institutions in Indonesia must meet the standards of criterias set by the National Accreditation Body for Higher Education (BAN-PT). Then, to be able to compete, UKRIDA also needs to establish strategic decisions and plans that are made based on the same data used to measure accreditation criteria standards fulfillment so that they are aligned with the main objective of quality improvement. However, through analysis of Loshin’s domain of problem root causes include humans, processes, technology, and policies, turns out that the quality of data from one of the obligations of the Tri Dharma, namely education and teaching specifically on student and academic data is still poor both in terms of management and the condition of the data itself. Based on these founds, this study aims to develop strategies for improving the UKRIDA student and academic data quality. Using qualitative methods, data collection was carried out through interviews, direct queries and document study. Assessment of the current data quality uses data quality dimensions from Loshin and PermenristekDikti RI Number 61 of 2016 Article 12, assessment of the maturity level of data quality management using Loshin's Data Quality Maturity Model. The assessment results in: findings of problems causes and findings of management gaps. Further analysis was carried out to produce strategic recommendations, firstly through mapping DMBOK2 common problems causes; a strategy for improving data quality conditions was formed. Secondly, through mapping of DMBOK2 best practice data quality management activities combined with Loshin’s data quality strategy points of consideration, a data quality management improvement strategy was formed. Broadly speaking, the proposed strategy suggests corrections of data structures and application interfaces, defining data governance, organizing complete documentation of rules, SOPs, and SLAs up to business units also measurement and reporting improvement."

"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."

"Sekretariat Dewan Pertimbangan Presiden memerlukan pengolahan dan pengelolaan data yang berkualitas untuk menunjang peran memberikan dukungan teknis dan administrasi kepada Dewan Pertimbangan Presiden. Permasalahan yang dihadapi organisasi adalah belum adanya kebijakan dan manajemen data serta sistem-sistem silo yang belum terintegrasi, mengakibatkan duplikasi, inkonsistensi, dan kesalahan data. Untuk menyelesaikan permasalahan tersebut, penelitian ini mengukur tingkat kematangan manajemen data master yang ada di organisasi menggunakan metode MD3M Spruit-Pietzka. Hasil pengukuran tingkat kematangan kemudian dianalisa untuk merumuskan strategi peningkatan tingkat kematangan manajemen master data di Sekretariat Dewan Pertimbangan Presiden. Hasil pengukuran menunjukkan bahwa tingkat kematangan MDM di Sekretariat Dewan Pertimbangan Presiden adalah 1. Hal ini menunjukkan sudah adanya kesadaran dan upaya awal untuk mengatur manajemen data master di dalam organisasi. Target tingkat kematangan MDM adalah 3, dengan topik kualitas data dan perlindungan data sebagai prioritas perbaikan dari organisasi. Penelitian ini juga menghasilkan strategi untuk meningkatkan tingkat kematangan MDM melalui analisis kesenjangan antara tingkat kematangan dengan target tingkat kematangan. Program pengembangan data master direncanakan berjalan secara bertahap selama dua tahun.

---

The Secretariat of the Presidential Advisory Council requires quality data processing and management to support the role of providing technical and administrative support to the Presidential Advisory Council. The problems faced by organization are non-existent of policies and management related to data as well as unintegrated silo systems, resulting in duplication, inconsistency, and data errors. To solve this problem, this study measures the current master data management maturity level in the organization using the MD3M Spruit-Pietzka method. The results of the measurement of the maturity level then are analyzed to formulate a strategy to improve the maturity level of master data management at the Secretariat of the Presidential Advisory Council. The result of the assessment showed that MDM maturity level at Secretariat of Presidential Advisory Council is 1. This means that organization already has basic awareness in the management of master data. Organization’s target MDM maturity level is 3, with data quality and data protection as improvement priorities. This research also produces a strategy to increase the maturity level of MDM through gap analysis between the maturity level and the target maturity level. The master data development program is planned to run in stages over two years."

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

---

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

"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."

"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.

---

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

The changes in hydrological phenomena that occur due to natural change and human activity that causes the data conditions in the field are not in accordance with ideal conditions. This study was conducted to analyze homogeneity and trend validation test methods, to detect data deviations and to provide information about data quality conditions. This is useful to ensure that the hydrological data to be published is in accordance with the criteria. This validity test includes a

homogeneity test, a trend test, and the detection of data deviations. The data validation testing was applied in Upper

Citarum Watershed on 4 selected gauging stations, namely Citarum-Nanjung, Cigulung-Maribaya, CikapundungMaribaya and Cikapundung-Gandok. Pettitt and T methods were used for homogeneity test while Mann-Kendall and Spearman for trend test with a significance level of 5%. The results indicate that the homogeneity test using Pettitt method is more suitable since its discharge population data is not normally distributed. While for trend test, both MannKendall and Spearman methods give relatively the same significance, as both tests are non-parametric statistical methods. The strength of these two tests depends on significance level, sample size, as well as type of distribution. The test results show that homogeneity and trend of discharge data for four gauging stations in Upper Citarum Watershed are

not uniform."