Hasil Pencarian  ::  Simpan CSV :: Kembali

"Data adalah aset yang berharga bagi organisasi karena data yang berkualitas dapat memberikan keuntungan dan nilai bagi perusahaan serta memberikan peluang adanya pengembangan bisnis baru apabila dikelola dengan baik. Sedangkan kualitas data yang buruk dapat memberikan dampak negatif antara lain keputusan bisnis yang tidak akurat, penurunan pendapatan, peningkatan biaya operasional, penurunan kepercayaan dan kepuasan pelanggan, peningkatan waktu pemrosesan data, dan tidak dapat memenuhi kepatuhan terhadap peraturan maupun ekspektasi bisnis. PT IDN adalah fintech yang memberikan kemajuan teknologi digital dalam sektor pendidikan di Indonesia dengan menawarkan pengelolaan dan pembayaran tagihan pendidikan secara online. Penelitian ini mencoba untuk menilai tingkat kematangan kualitas data di PT IDN dengan menggunakan delapan karakteristik kualitas data dalam Loshin’s Data Quality Framework. Hasil dari penilaian ini didapatkan bahwa PT IDN memiliki tingkat kematangan kualitas data sebesar 1 pada komponen prosedur, tata kelola, standar, teknologi, dan pengelolaan kinerja. Sedangkan tingkat kematangan kualitas data sebesar 2 ditemukan pada komponen harapan, dimensi, dan kebijakan informasi. Berdasarkan hasil dari penilaian maturitas manajemen kualitas data saat ini dan tingkat maturitas kualitas data yang diinginkan, maka didapatkan adalah 12 rekomendasi aktivitas-aktivitas yang dapat dilakukan oleh PT IDN untuk meningkatkan kualitas datanya berdasarkan DAMA-DMBOK.

---

Data is an asset for organizations because quality data can provide benefits and value to the company and provide opportunities for new business development if managed properly. Meanwhile, poor data quality can have negative impacts including inaccurate business decisions, decreased revenue, increased operating costs, decreased customer trust and satisfaction, increased data processing time, and unable to meet regulatory compliance and business expectations. PT IDN is a fintech that provides advances in digital technology in the education sector in Indonesia by offering online management and payment of education bills. This study tries to assess the maturity level of data quality at PT IDN by using eight data quality characteristics in Loshin's Data Quality Framework. The results of this assessment show that PT IDN has a maturity level of data quality of 1 on the components of procedures, governance, standards, technology, and performance management. While the maturity level of data quality of 2 is found in the components of expectations, dimensions, and information policies. Based on the results of the current data quality management maturity assessment and the desired level of data quality maturity level, it is found that there are 12 recommended activities that PT IDN can do to improve its data quality based on DAMA-DMBOK."

"Pemanfaatan data untuk menghasilkan informasi yang dapat mendukung pengambilan keputusan bisnis semakin banyak diaplikasikan oleh berbagai perusahaan. Salah satu data yang dimanfaatkan dalam pengambilan keputusan tersebut adalah data pelanggan mengingat perannya dalam mengetahui perilaku pelanggan. Salah satu perusahaan yang memanfaatkan data pelanggan dalam pengambilan keputusan bisnis adalah English First (EF). Dalam membantu menetapkan strategi bisnis untuk meningkatkan perfoma penjualan, perusahaan menghadapi kendala penurunan performa penjualan perusahaan yang disebabkan oleh buruknya kualitas data pelanggan, sehingga strategi bisnis yang dihasilkan kurang tepat. Perusahaan berfokus kepada beberapa dimensi kualitas data pelanggan di perusahaan yaitu completeness, accuracy, dan consistency. Strategi untuk manajemen peningkatan kualitas data pada perusahaan perlu disusun guna penyusunan strategi bisnis yang tepat dan dapat meningkatkan performa penjualan. Penyusunan strategi manajemen peningkatan kualitas data dilakukan dengan melakukan penilaian terhadap dimensi-dimensi kualitas data untuk mengidentifikasi kondisi kualitas data saat ini di perusahaan EF. Selain itu, identifikasi kondisi manajemen dan praktek kualitas data di perusahaan saat ini juga dilakukan untuk dapat mengetahui kesenjangan antara kondisi perusahaan saat ini dengan kondisi yang diharapkan oleh perusahaan. Strategi peningkatan kualitas data yang dihasilkan dari analisis kesenjangan kondisi kualitas data dan manajemen & praktek kualitas data terdiri dari 8 (delapan) domain manajemen kualitas data. Delapan domain tersebut yaitu harapan dari kualitas data, penggunaan dimensi dari kualitas data, kebijakan data, prosedur, tata kelola data, standarisasi data, teknologi, dan pengelolaan kerja. Hasil dari strategi tersebut disusun menjadi rekomendasi solusi dan diurutkan berdasarkan prioritas dengan balance scorecard. Strategi yang memperoleh prioritas tinggi yaitu standardiasi aktifitas dan isu kualitas data serta mengidentifikasi ekspektasi dari kualitas data pada setiap dimensi kualitas data.

---

Data utilization to generate insights to support business decision making has been implemented in many companies. One of the most utilized data is customer data as it could provide information regarding customer’s behavior. One of the companies that utilize customer data is English First (EF). EF is a company in education sector and have more than 20 years of experience in Indonesia. EF utilize customer data in Customer Relationship Management system to produce a business strategy to boost company performance. However, since data in Customer Relationship Management system is stored by human, it has a low quality and resulted in a mismatch business strategy. Strategy to improve data quality management in the company needs to be produced in order to generate a precise business strategy and could boost company sales performance. Data quality assessment towards data quality dimensions needs to be done to produce a improve data quality management strategy. The assessment is needed to identify current data quality condition in EF. Other than that, identification of data quality management and practices in the company are needed to identify as-is management & practices in the company, company’s data quality expectation, and identify the gap between best practice & current condition. The result of data quality improvement strategy consists of 8 (eight) data quality management domains. Those domains are data quality expectation, data quality management, data quality, data policy, data procedure, data governance, data standardization, technology, and work management. The end result is a solution recommendation to improve data quality in EF and sorted by priority with the help of balance scorecard. The strategies that have high priority are company needs to standardized data quality activities and issues in the company as well as identify business expectation of each data quality dimension."

"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."

"Setiap perguruan tinggi di Indonesia bertanggung jawab atas kelengkapan, kebenaran, ketepatan, dan kemutakhiran data pendidikan tinggi di perguruan tinggi masing-masing. Data pendidikan tinggi digunakan untuk pelaksanaan sistem penjaminan mutu pendidikan tinggi dan digunakan sebagai landasan dalam penyusunan kebijakan terkait program studi dan perguruan tinggi di Indonesia. Hasil pengukuran kualitas data menunjukkan bahwa terdapat permasalahan pada data pendidikan tinggi di Politeknik Statistika STIS yaitu belum memenuhi kriteria kelengkapan, kebenaran, ketepatan, dan kemutakhiran. Pengukuran tingkat kematangan manajemen kualitas data telah dilakukan dengan menggunakan Loshins Data Quality Maturity Model dimana hasilnya berada pada kisaran level 1 dan 2. Hanya komponen dimensi kualitas data yang telah mencapai target yang diharapkan. Untuk itu, rekomendasi disusun berdasarkan kerangka kerja DAMA-DMBOK. Adapun aktivitas yang perlu dilakukan adalah mengembangkan dan mempromosikan kesadaran terhadap kualitas data; mendefinisikan kebutuhan kualitas data; melakukan profiling, analisis, dan penilaian kualitas data; mendefinisikan aturan bisnis (business rules) kualitas data; menetapkan dan mengevaluasi tingkat layanan kualitas data (data quality service levels); mengelola permasalahan terkait kualitas data; merancang dan mengimplementasikan operasional prosedur untuk manajemen kualitas data; dan memantau operasional dan performa prosedur manajemen kualitas data.

---

Every varsity in Indonesia is responsible for ensuring the completeness, the validity, the accuracy, and the currency of its educational data. The educational data is used for the implementation of the higher-education quality assurance system and is used as a basis to formulate policies related to universities and majors in Indonesia. Data quality assessment result indicates that educational data in Statistics Polytechnic STIS did not meet completeness, validity, accuracy, and currency criteria. Data quality management maturity has been measured using Loshins Data Quality Maturity Model which the result are in level 1 to level 2 of maturity. Only data quality dimensions component has achieved the expected target.

Thus, recommendations have been proposed based on the DAMA-DMBOK framework. The activities needed to be carried out are developing and promoting awareness of data quality; defining data quality requirements; profiling, analyzing, and evaluating data quality; define business rules for data quality, establish, and evaluate the data quality services levels, manage problems related to data quality, design and implement operational procedures for data quality management, and monitor operations and performance of data quality management procedures."

"Sekretariat Direktorat Jenderal Pendidikan Dasar dan Menengah (Setditjen Dikdasmen) adalah unit kerja di bawah Kementerian Pendidikan dan Kebudayaan yang bertugas untuk mengumpulkan dan mengelola data pokok pendidikan (Dapodik). Dapodik mencakup data satuan pendidikan, peserta didik, pendidik dan tenaga kependidikan dan substansi pendidikan yang terus diperbaharui secara online. Dapodik menjadi salah satu sumber data untuk pengambilan keputusan. Keputusan yang tidak tepat salah satunya disebabkan oleh pengolahan data yang kurang baik.Penelitian ini menggunakan metode kualitatif, proses pengumpulan data dengan melakukan wawancara dan observasi dokumen terkait data pokok pendidikan. Melakukan peningkatan kapasitas internal dengan merancang dokumen standar kualitas data pokok pendidikan; Meningkatkan aturan bisnis validasi pada aplikasi front-end dapodik untuk meminimalisir kesalahan dan ketidaksesuaian data; Merancang sistem informasi manajemen kualitas data sebagai alat untuk melakukan pemantauan kualitas data pokok pendidikan; Meningkatkan peran admin pengelola dan pengguna data pokok pendidikan dengan melibatkan direktorat teknis dan LPMP untuk melakukan pemantauan kualitas data melalui aplikasi yang dibuat;Membuat satuan petugas baik di tingkat pusat maupun daerah sebagai bentuk pelayanan terhadap data pokok pendidikan.

---

The Secretariat of Directorate General of Primary and Secondary Education (Setditjen Dikdasmen) is work under the Ministry of Education and Culture whose officiate to collect and manage basic education data (Dapodik). Dapodik includes data on education units (Schools), students, educators and education staff and educational substances that are constantly updated online. Dapodik becomes one of the data sources for decision making. One improper decision is caused by poor data processing.

This study uses qualitative methods, the process of collecting data by conducting interviews and observing documents related to the basic data of education. Data quality assessment uses profiling data with dimensions of data quality, completeness, accuracy, truth, timeliness, and uniqueness. Increase internal capacity by designing basic education data quality document standards; Improve business rules validation on front-end applications dapodik to minimize errors and data mismatches; Designing a data quality management information system as a tool to monitor the quality of the basic education data;Increasing the admin role of managers and users of basic data education by involving the technical directorate and LPMP to monitor data quality through applications made; Make staff units both at the central and regional levels as a form of service to the basic education data."

"ABSTRAKBisnis 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.

---

ABSTRACTDigital 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."

"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."

"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."

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

---

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

"[ABSTRAKKualitas dan akurasi data imunisasi adalah masalah yang sering ditemukan di puskesmas dan dinas kesehatan, meskipun cakupan imunisasi tinggi tetapi dengan tidak adanya penilaian kualitas data imunisasi yang dilaporkan secara rutin tersebut maka persentase cakupan yang tinggi belum tentu kualitas datanya juga tinggi. Penelitian ini bertujuan untuk mengetahui gambaran kualitas data rutin imunisasi berdasarkan metode Data Quality Self Assessment (DQS) di Kota Padang Panjang tahun 2013. Penelitian ini merupakan penelitian kualitatif yang menggunakan metode DQS dari WHO. Penelitian dilakukan di dinas kesehatandan semua puskesmas yang ada di Kota Padang Panjang yaitu Puskesmas Gunung, Kebun Sikolos, Koto Katik dan Bukit Surungan. Data diperoleh dari dengan melakukan wawancara, observasi dan telaah dokumen. kualitas data program imunisasi menunjukan komponen penggunaan data yang kualitasnya masih rendah, data kurang dimanfaatkan untuk saran-saran perbaikan pencatatan dan pelaporan imunisasi. Akurasi data kelurahan ke puskesmas ditemukancakupan yang dilaporkan lebih banyak daripada yang berhasil diverifikasi (overreporting) untuk pelaporan hasil imunisasi DPT-HB3 dan Campak. Untuk pelaporan masih terjadi ketidak lengkapan tanggal pelaporan. Sistem pemantauan tidak dilakukan optimal untuk mengevaluasi kinerja program imunisasi, perlu kebijakan untuk meningkatkan kualitas program imunisasi agar sistem pencatatan dan pelaporan data imunisasi lebih baik.

---

ABSTRACTThe quality and accuray of immunization data is a problem that is often found in health centers and the Department of Health, despite high immunization coverage but in the absence of immunization data quality assessment is routinely reported that the percentage of coverage is not necessarily high data quality is also high. This study aims to describe the data quality routine immunization based methods Data Quality Self Assessment (DQS) in the city of Padang Panjang in 2013. Research is a qualitative research method that uses DQS from WHO. The study was conducted at the Department of Health and all health centers in the city of Padang Panjang is Gunung health center, Kebun Sikolos, Koto Katik and BukitSurungan. Data obtained from the conducted interviews, observation and document reviews. Immunization data quality component data usage shows that the quality is still low, the data underutilized for suggestions for improvement of recording and reporting of immunization. The accuracy of the data found the village to the health center coverage more than succesfuly verified (overreporting) for reporting the results of DPT-HB3 and Measles. For lack of reporting still occurs accessory reporting date. Monitoring system do not optimal for evaluating databases must addres satisfying immunization program, for the system of recording and reporting of immunization data better.;The quality and accuray of immunization data is a problem that is often found inhealth centers and the Department of Health, despite high immunization coveragebut in the absence of immunization data quality assessment is routinely reportedthat the percentage of coverage is not necessarily high data quality is also high.This study aims to describe the data quality routine immunization based methodsData Quality Self Assessment (DQS) in the city of Padang Panjang in 2013.Research is a qualitative research method that uses DQS from WHO. The studywas conducted at the Department of Health and all health centers in the city ofPadang Panjang is Gunung health center, Kebun Sikolos, Koto Katik and BukitSurungan. Data obtained from the conducted interviews, observation anddocument reviews. Immunization data quality component data usage shows thatthe quality is still low, the data underutilized for suggestions for improvement ofrecording and reporting of immunization. The accuracy of the data found thevillage to the health center coverage more than succesfuly verified (overreporting)for reporting the results of DPT-HB3 and Measles. For lack of reporting stilloccurs accessory reporting date. Monitoring system do not optimal for evaluatingdatabases must addres satisfying immunization program, for the system ofrecording and reporting of immunization data better., The quality and accuray of immunization data is a problem that is often found inhealth centers and the Department of Health, despite high immunization coveragebut in the absence of immunization data quality assessment is routinely reportedthat the percentage of coverage is not necessarily high data quality is also high.This study aims to describe the data quality routine immunization based methodsData Quality Self Assessment (DQS) in the city of Padang Panjang in 2013.Research is a qualitative research method that uses DQS from WHO. The studywas conducted at the Department of Health and all health centers in the city ofPadang Panjang is Gunung health center, Kebun Sikolos, Koto Katik and BukitSurungan. Data obtained from the conducted interviews, observation anddocument reviews. Immunization data quality component data usage shows thatthe quality is still low, the data underutilized for suggestions for improvement ofrecording and reporting of immunization. The accuracy of the data found thevillage to the health center coverage more than succesfuly verified (overreporting)for reporting the results of DPT-HB3 and Measles. For lack of reporting stilloccurs accessory reporting date. Monitoring system do not optimal for evaluatingdatabases must addres satisfying immunization program, for the system ofrecording and reporting of immunization data better.]"