Manfaat dan Penggunaan Big Data Analytic untuk Perguruan Tinggi

SEVIMA.COM – Digitalisasi data telah membuka peluang penggunaan big data di perguruan tinggi. Nilai big data terletak pada hasil analisis dan prediksi atau tindakan yang diambil dari hasil analisis dan prediksi tersebut.

Digitalisasi data memungkinkan praktik efektif untuk memanfaatkan analitik data besar berupa analitik pembelajaran , analitik akademik , dan analitik proses . Dengan menggunakan big data analytic di Perguruan Tinggi yang didukung dengan kerjasama dari semua kontributor enterprise pendidikan, baik itu mahasiswa, staf, dosen, administrator, dan masyarakat maka memungkinkan untuk membuat akuntabel keputusan berdasarkan informasi dan data yang ditambang hati-hati, sehingga pada akhirnya mendukung peningkatan pengambilan keputusan berdasarkan data di perguruan tinggi dalam upaya meningkatkan kinerja keberhasilan mahasiswa dan institusi.

Dengan penggunaan big data analytic di perguruan tinggi maka dapat diperoleh wawasan lebih lanjut tentang mahasiswa, akademisi, dan proses di perguruan tinggi sehingga mendukung analisis prediksi dan peningkatan pengambilan keputusan berdasarkan data yang pada akhirnya dapat membantu meningkatkan kinerja keberhasilan mahasiswa dan institusi.

Penggunaan big data analytic di perguruan tinggi yang meliputi learning analytic, academy analytic, dan process analytic.

1. Analisis Pembelajaran

Big Data Analytic dapat digunakan untuk menganalisis secara real time pengalaman siswa yang dapat dihasilkan dari aktivitas siswa, seperti : registrasi perkuliahan, pembayaran, partisipasi di kelas, belajar online, dan penilaian.

Learning Analytic adalah melakukan analisis data pembelajaran secara real time sehingga dapat digunakan untuk memprediksi siswa sukses dan siswa yang beresiko akademik. Dengan big data analytic di perguruan tinggi dapat memberikan wawasan siswa yang beresiko putus (drop out) sehingga dapat melakukan tindakan preventif atau memberikan dukungan tambahan untuk meningkatkan keberhasilan, dan keyakinan, dalam proses pembelajaran sebelum mereka benar-benar gagal.

Learning Analytic memiliki potensi untuk membantu mahasiswa dan dosen bersama-sama mengenali tanda-tanda bahaya sebelum ancaman terhadap keberhasilan belajar terwujud. Learning Analytic menyediakan alat, teknologi, dan platform untuk memberdayakan pendidik serta membuka pintu pada pengalaman belajar yang bermakna yang dapat melibatkan, menginspirasi, dan mempersiapkan siswa saat ini dan masa depan untuk sukses.

Untuk pembelajaran analitik dapat menggunakan sumber-sumber data dari data-data Sistem Informasi Siswa, Pengelolaan Kursus, Pendidikan Online, Penilaian Siswa, dan data keuangan.

Baca juga:  10 Digitalisasi yang Harus Dilakukan Perguruan Tinggi di Era Disruptif

2. Analisis Akademik

Objek yang dapat dijelaskan dalam Academic Analytic adalah kinerja staf pengajar. Dengan Academic Analytic dapat dilakukan analisis yang real time terhadap data-data yang merupakan variabel pengukuran kinerja Siswa sehingga dapat diketahui staf-staf Mahasiswa yang Kuliah maupun Staf-Staf Siswa yang kinerjanya sangat kurang dibandingkan dengan Staf-Staf Siswa lainnya.

Untuk proses analitik akademik dapat menggunakan sumber-sumber data dari data-data Penilaian Hasil, Penilaian Perkuliahan, Penilaian Staf, Penilaian Fakultas, dan data Penilaian Keuangan.

3. Analisis Proses

Big Data Analytic juga dapat digunakan untuk menganalisis proses bisnis secara real time di Perguruan Tinggi. Data-data yang digunakan dapat diperoleh dari data log atau aktivitas data dari mahasiswa, dosen, dan unit-unit terkait dengan proses-proses dan aktivitas yang terjadi di Perguruan Tinggi untuk kemudian dilakukan proses analitik dengan menggunakan process mining untuk menemukan model proses bisnis baru. Namun proses analitik tidak terbatas pada proses penemuan proses bisnis tetapi juga memungkinkan untuk memeriksa kesesuaian, mendeteksi penyimpangan, memprediksi penuaan, mendukung pengambilan keputusan, dan mengizinkan desain ulang proses.

Sementara untuk proses analitik dapat menggunakan sumber-sumber data dari data-data aktivitas log dari proses Sistem Informasi Siswa, Manajemen Kursus, Pendidikan Online, Penilaian Siswa , dan data log aktivitas dari proses keuangan. Penilaian Siswa , dan keuangan data .

Data dari beberapa sumber tersebut kemudian dikumpulkan dalam suatu gudang data (data warehouse) untuk kemudian dianalisis dengan menggunakan teknologi analisis dan prediksi yang real time, seperti: OLAP, Analytical Reporting Tools (Business Intelligence), dan Data Mining/Predictive Modeling .

Hasil analisis dan prediksi akan ditampilkan dalam bentuk Dashboard Analytic Presentation yang diharapkan dapat mendukung peningkatan pengambilan keputusan di perguruan tinggi dalam upaya meningkatkan kinerja pendidikan, akademik serta keberhasilan mahasiswa dan institusi.

Artikel asli: https://www.slideshare.net/yusrintosepu/penggunaan-big-data-analytic-di-perguruan-tinggi

Diposting Oleh:

Fadhol SEVIMA

Mengenal SEVIMA

SEVIMA merupakan perusahaan Edutech (education technology) yang telah berkomitmen sejak tahun 2004 dalam menyelesaikan kendala kerumitan administrasi akademik di pendidikan tinggi (Universitas, Sekolah Tinggi, Institut, Politeknik, Akademi, dll.) dengan 99% keberhasilan implementasi melalui SEVIMA Platform.

Jadwalkan Diskusi