Hasil Pencarian  ::  Simpan CSV :: Kembali

"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."

"KSEI merupakan Self Regulatory Organization yang ditunjuk secara undang-undang sebagai lembaga penyelesaian dan penyimpanan di pasar modal Indonesia. Data investor merupakan salah satu elemen penting di dalam proses bisnis KSEI dan merupakan salah satu data yang digunakan untuk pengambilan keputusan dan pembuatan rencana strategi perusahaan. Saat ini masih banyak data investor yang duplikat dan tidak berkualitas. Salah saturencana bisnis KSEI pada tahun 2018 adalah melakukan pembenahan data investor. Hasil dari studi literatur menyimpulkan, untuk membenahi data investor yang duplikat dan tidak berkualitas diperlukan manajemen master data yang sesuai dengan proses bisnis di KSEI. Perencanaan manajemen master data disusun menggunakan panduan dari DAMA DMBOK. Pengumpulan data dilakukan dengan melakukan wawancara terhadap pakar data investor, dokumen, dan data observasi. Hasil dari penelitian ini merumuskan kebutuhan untuk manajemen master data dan sumber master data untuk data investor KSEI, mengintegrasikan basis data investor, merumuskan metode penggunaan operasional dan merumuskan pola arsitektur transaction hub. Manajemen master data ini diharapkan mampu membantu KSEI dalam mengimplementasikan manajemen master data.

---

Indonesia Central Securities Depository (KSEI) is a Self Regulatory Organization that is appointed by law as a settlement and deposit institution in the Indonesian capital market. Investor data is one of the important elements in KSEI's business process, one of the data used for decision making and use for company for making strategic plan. This time there are still many duplicate and low quality investor data. One of KSEI's business problems in 2018 is to reform investor data. The results of the literature study concluded, to fix duplicate and quality investor data required implement master data management that is in accordance with the business processes at KSEI. Master data management planning is prepared using a guide from DAMA DMBOK. Data collection is done by conducting interviews with expert investor data, documents, and observation data. The results of this study formulate the need for master data management and master data sources for KSEI investor data, integrate investor databases, formulate operational use methods and formulate transaction hub architecture patterns. This master data management is expected to be able to help KSEI in developing master data management."

"Tindak pidana pencucian uang dan pendanaan terorisme merupakan tindak kejahatan luar biasa dan lintas nasional maupun internasional. Dalam meningkatkan efektivitas pemberantasan tindak pidana pencucian uang dan pendanaan terorisme, dengan hasil kajian yang telah dilakukan, PPATK menggunakan sistem informasi yang dikembangkan oleh UNODC yaitu goAML untuk menggantikan sistem informasi sebelumnya, yaitu GRIPS. Hasil rapat pimpinan memutuskan bahwa data di sistem GRIPS akan dimigrasi ke dalam sistem goAML. Berdasarkan riset yang ada, kegagalan proyek migrasi sistem umumnya disebabkan oleh kegagalan migrasi data. Merujuk pada pengalaman migrasi data yang pernah mengalami kegagalan sebelumnya dan pelaksanaan migrasi data yang tidak terstruktur pada proses migrasi laporan LTKM (Laporan Transaksi Keuangan Mencurigakan), untuk mencegah terjadinya kegagalan serta membuat proses migrasi data menjadi lebih efektif, maka dirumuskanlah strategi migrasi data yang dapat dijadikan panduan dalam proses migrasi data dari sistem GRIPS ke sistem goAML. Strategi ini menggunakan metodologi migrasi data dari PDMv3 Methodology serta kerangka kerja dari DMBOK dan Loshin untuk manajemen datanya. Hasil dari penelitian ini merumuskan strategi migrasi data yang data profiling, data mapping, proses ETL, testing dan validation dengan menempatkan proses data cleansing di dalam setiap tahapan proses migrasi data untuk tetap menjaga kualitas data.

---

The money laundering and terrorism financing are extraordinary, transnational and international crime. In order to increase the effectiveness of eradicating money laundering and terrorism financing crime, with the results of the studies that have been carried out, PPATK uses the information system developed by UNODC, namely goAML, to replace the previous system, namely GRIPS. The executive meeting has decided that the data in GRIPS system will be migrated into the goAML system. Based on existing research, system project migration failures are generally caused by data migration failures. Refers to the previous failure experienced and having an unstructured process on STR (Suspicious Transaction Reports) data migration, in order to prevent this failure and to create the process to be more effective, then the strategy of data migration has been formulated that can be used as a guidance for data migration process from GRIPS system into goAML system. This strategy is used data migration methodology from PDMv3 Methodology and the DMBOK and Loshin for the data management framework. The results of this study formulate a data migration strategy which, if arranged into a stage, begins with data profiling, data mapping, ETL process, testing, and validation by placing the data cleansing process in each step of the data migration process to maintain the data quality."

"Target PT XYZ yang bergerak di industri keuangan untuk menjadi perusahaan terkemuka di Asia Tenggara telah didukung oleh lebih dari 200 juta data pelanggan yang ada di core system-nya. Data dengan jumlah yang sangat besar tersebut diharapkan dapat menciptakan peluang bisnis, membangun budaya sadar risiko dan menambah keunggulan dalam strategi bisnis PT XYZ. Hal tersebut dapat tercapai jika data yang digunakan adalah data yang berkualitas baik. Pada kenyataannya, ditemukan anomali pada sejumlah besar data pelanggan. Untuk dapat memberikan rekomendasi perbaikan kualitas data pelanggan, perlu dilakukan penilaian kualitas data pelanggan. Penilaian kualitas data pelanggan yang dilakukan pada penelitian ini menggunakan metode yang diperkenalkan oleh Loshin (2011). Loshin's Data Quality Management Model ini mengadopsi tingkat capability maturity model dalam penyusunan matriks karakteristiknya. Nilai kematangan yang diperoleh adalah 3,6 (expectation), 3,6 (dimension), 4,4 (policy), 3,8 (procedure), 4,2 (governance), 3,8 (standardization), 4,2 (technology), dan 3,8 (performance management). Dengan harapan senior management yang dapat mencapai level tertinggi pada kualitas data, dihasilkan 9 rekomendasi strategi. 9 rekomendasi strategi yang diajukan kepada PT XYZ merupakan hasil pemetaan antara kriteria yang belum terpenuhi dengan data quality management activity atau aktivitas DQM yang ada di Data Management Body of Knowledge (DMBOK) versi 2.0. Pengukuran dan pemantauan terhadap kualitas data yang baik menjadi rekomendasi yang paling berpengaruh untuk PT XYZ.

---

PT XYZ, engaged in the financial industry, has a target to become a leading company in Southeast Asia and has been supported by more than 200 million customer data in its core system. This huge amount of data is expected to create business opportunities, build a risk-aware culture, and increase supremacy in the business strategy of PT XYZ. These things can be achieved if the data used is of good quality data. In fact, found anomalies in a large number of customer data. To get recommendations for improving the quality of customer data, it is necessary to assess the quality of customer data. The assessment of the quality of customer data carried out in this study was by using the method introduced by Loshin (2011). Loshin’s Data Quality Management Model adopts a capability maturity level model in building its characteristic matrix. Maturity levels obtained are 3.6 (expectations), 3.6 (dimensions), 4.4 (policy), 3.8 (procedures), 4.2 (governance), 3.8 (standardization), 4, 2 (technology), and 3.8 (performance management). Regarding the expectation that senior management can achieve the highest level of data quality, 9 strategic recommendations were produced 9 strategy recommendations were submitted to PT XYZ is the result of mapping between criteria that have not been met with data quality management activity in Data Management Body of Knowledge (DMBOK) version 2.0. Measurement and monitoring of good data quality is the most influential recommendation for PT XYZ."

"Rumah Sakit XYZ merupakan rumah sakit pemerintah di Indonesia yang menggunakan SIMRS untuk mendukung kegiatan operasional. Peraturan direktur Rumah Sakit XYZ menyatakan harapan bahwa data SIMRS harus berkualitas dilihat dari dimensi akurasi, kelengkapan, dan kemutakhiran. Penelitian ini bertujuan untuk melakukan penilaian terhadap kematangan manajemen kualitas data pada SIMRS dengan terlebih dahulu melakukan penilaian kualitas data dengan menggunakan kerangka kerja MCHP (Manitoba Centre for Health Policy), kemudian mengukur level kematangan manajemen kualitas data dengan menggunakan kerangka kerja dari Loshin serta memberikan rekomendasi peningkatan kualitas data dengan mengacu kepada Data Management Body of Knowledge (DMBOK). Pendekatan kualitatif digunakan untuk mengumpulkan data dengan melakukan studi dokumen, wawancara terhadap enam narasumber yang terdiri atas tiga orang mewakili unit Teknologi Informasi dan tiga orang mewakili unit bisnis serta melakukan observasi data di database. Hasil wawancara dan studi dokumen diolah untuk mengisi indikator penilaian kematangan manajemen kualitas data dengan menggunakan instrumen dari Loshin. Hasil penilaian kualitas data menunjukkan data masih belum memenuhi harapan dari dimensi akurasi, kelengkapan serta kemutakhiran. Hasil pengukuran level manajemen kualitas data saat ini adalah level 1 (initial). Rekomendasi yang disusun untuk meningkatkan manajemen kualitas data di Rumah Sakit XYZ, yaitu: membuat data dictionary, penerapan manajemen metadata, melakukan data profiling, membuat prosedur pengecekan validitas data, membuat struktur organisasi tata kelola data, memberikan pelatihan kualitas data, serta membangun konsep data stewardship.

---

XYZ Hospital is a government hospital in Indonesia that uses HIS to support operational activities. Based on the director's regulation there is an expectation of the quality of the data from several dimensions namely: accuracy, completeness and currency.

This study aims to assess the quality of data on HIS by using MCHP (Manitoba Center for Health Policy) framework and measure the maturity level of data quality management by using Loshin framework, and to provide recommendations for improving the quality of data quality management by referring to Data Management Body of Knowledge (DMBOK).

A qualitative approach was used to collect data by conducting document studies, interviews with six sources and observations into the database.

The assessment result showed that the data still did not meet the expectations. The current level of data quality management is at level 1 (initial). Recommendations for improving the maturity of data quality management at XYZ Hospital namely: creating a data dictionary, implementing metadata management, conducting data profiling, create procedures for checking the accuracy and validity of data, creating an organizational structure to oversee data governance, providing data quality training, and building the concept of data stewardship."

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

---

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

"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."

"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."

"PT. Kliring Penjaminan Efek Indonesia (KPEI) mengemban peran sebagai central counterparty yang bertanggung jawab dalam menciptakan pasar modal Indonesia yang aman dan menarik. Permasalahan yang dihadapi KPEI adalah redundansi fungsi sistem dan ketidakadaan pengelolaan data master sebagai “single source of truth” yang berakibat pada ketidakakuratan keputusan yang dihasilkan. Untuk menyelesaikan permasalahan tersebut, penelitian ini menilai tingkat kematangan manajemen data master yang ada di KPEI saat ini dengan menggunakan model kematangan manajemen data master Loshin dan PAM COBIT 5 sebagai metode penilaian. Hasil penilaian kematangan tersebut menjadi dasar perencanaan pengembangan data master dengan menggunakan teori manajemen data master Loshin dan DMBOK. Hasil penelitian menunjukan bahwa tingkat kematangan manajemen data master KPEI adalah tingkat 0 (non existent) yang sedang menuju tingkat 1 (intial). Penelitian juga menghasilkan perencanaan pengembangan data master KPEI yang dapat membantu KPEI untuk menyelesaikan permasalahan yang dihadapi.

---

PT Kliring Penjaminan Efek Indonesia (KPEI) has a role as central counterparty who has resposibility to actualize a save and attractive Indonesia capital market. The problem faced by KPEI are redundancy of system functions and absence of master data management as a single source of truth that can lead to inaccurate decision making. To solve these problem, this research try to assess current data master management maturity level by using master data management maturity model from Loshin and PAM COBIT 5 as a assessment method. This assessment result used for building the data master development planning. The result of this research show that KPEI’s master data management maturity level has begun to transition from level 0 (non existent) to the level 1 (initial). This research also propose master data development planning for assisting KPEI to solve its problem."