Data mining dan Tata Kelola Institusi Pendidikan Tinggi

Penulis: Yudi Feriandi, dr.,
Kampus: Universitas Islam Bandung (UNISBA)

Transformasi data menjadi wisdom dan dari dumb apps menjadi smart apps menuju perguruan tinggi berkelas dunia

Sektor pendidikan merupakan sektor yang unik dan memiliki kekhasan tersendiri. Meskipun tergolong entitas bisnis namun peran sosialnya dan posisinya dalam struktur kemasyarakatan menjadikan sektor ini memiliki posisi tersendiri dalam ruang publik serta entitas ekonomi dan bisnis secara umum.

Di sisi  lain, terlepas dari atribut sosialnya, terdapat sebuah poin penting yang menjadi kesamaan entitas pendidikan dengan entitas bisnis ‘murni’ lainnya, yaitu keberlanjutan dan orientasi masa depan. Oleh karena itu, entitas pendidikan membutuhkan pula sentuhan “manajemen” yang profesional dan serius sebagaimana entitas bisnis lainnya. Hal ini agar entitas pendidikan bisa terus bertahan dan berkembang tanpa melepaskan atribut dan fungsi sosial kemasyarakatannya.

Meskipun demikian, institusi pendidikan tinggi di Indonesia belum sepenuhnya bisa menyadari hal tersebut dan cenderung “mencampurkan” ranah akademik dengan ranah manajemen pada konteks yang kurang tepat dan proporsional. Gejala disproporsi tata Kelola tersebut tercermin dari output bahkan outcomenya seperti tren pertumbuhan mahasiswa, pertambahan jumlah program studi dan jenjangnya, peningkatan kinerja tridharma, serapan alumni di dunia kerja, hingga perolehan akreditasi institusi, dan parameter kinerja lainnya baik yang ditetapkan dalam perencanaan strategis dan operasional institusi yang cenderung formal paper semata hingga parameter kinerja yang ditetapkan oleh regulator seperti Kementrian Pendidikan dan Kebudayaan atau lembaga evaluator seperti lembaga akreditasi atau sertifikasi tertentu.

Dalam tata kelola berorientasi sustainability, satu hal yang perlu dipahami oleh para leader dan  manajer di sektor pendidikan tinggi adalah tentang urgensi dan nilai strategis data. Selama ini setiap tahun dihasilkan sejumlah data kinerja pendidikan, penelitian, pengabdian kepada masyarakat, kerja sama, data tata kelola dan administratif  serta berbagai data lainnya yang secara kontinyu diproduksi dan disimpan sebagai arsip lembaga atau digunakan apabila diperlukan saja dan belum menjadi sumber pengetahuan kontinyu. Data tersebut hanya sesekali digunakan dan diolah menjadi sekedar informasi pendukung keputusan pada proses perencanaan, evaluasi, monitoring, hingga akreditasi, baik yang diselenggarakan sebagai penjaminan mutu internal maupun eksternal seperti BAN-PT, LAM-PTKes, dan proses akreditasi internasional.

Data-data yang begitu besar tersebut dihasilkan dari hasil pengumpulan data manual maupun elektronik yang difasilitasi dengan teknologi informasi yang dikelola institusi sesuai dengan kemampuan masing-masing. Pada konteks ini terdapat setidaknya tiga aspek yang perlu menjadi bahan kajian dan renungan bersama pada ranah tata kelola pendidikan tinggi dalam kaitannya dengan data, yaitu bagaimana data dihasilkan, bagaimana data diolah, dan bagaimana data dianalisis sehingga berkontribusi pada pengambilan keputusan di berbagai aspek institusi pendidikan tinggi.

Selama ini big data institusi tersebut lebih banyak diolah dengan analisis sederhana yang menghasilkan hanya sekedar informasi dan tidak sampai pada tingkat menghasilkan sebuah knowledge/pengetahuan bahkan wisdom/kearifan. Padahal, baik pengetahuan maupun kearifan/wisdom keduanya merupakan komponen penting dalam keberlanjutan sebuah entitas dalam kaitannya dengan data. Dalam konsep Knowledge Discovery in Database  (KDD) dikenal pendekatan hirarki data DIKW yang merupakan singkatan sekaligus tingkatan dari  Data-Information-Knowledge-Wisdom.

Konsep DIKW yang juga dikenal sebagai wisdom hierarchy ini dikenalkan oleh Ackoff’s di tahun 1989 dengan artikelnya dengan judul “From data to wisdom”, yang mengusulkan hirarki dengan urutan tingkatan berikut data, information, knowledge, understanding and wisdom. Data merupakan produk dari pengamatan (observation). Data masih bersifat mentah dan harus diolah agar tidak sekedar menjadi informasi, namun dapat mencapai level akuisisi pengetahuan supaya dapat bermanfaat lebih bagi manusia.

Dengan pengetahuan tersebut, manusia dapat melakukan estimasi dan prediksi masa depan, melakukan analisis hubungan, korelasi, dan klastering antara data dan atributnya, hingga membantu pengambilan keputusan dan sekaligus meminimalisir risiko akibat keputusan yang diambil dalam pembuatan kebijakan sebagaimana tergambar pada gambar 1 berikut.

Gambar 1 Hirarki data
Sumber: Matthew.viel

Saat ini berbagai institusi pendidikan tinggi telah berlomba-lomba menerapkan sistem informasi untuk mendukung tata kelolanya. Sejumlah data yang masif tersimpan di dalam basis data institusi dari tahun ke tahun secara periodik dan cukup sistematis, namun disayangkan belum teroptimalkan menjadi sebuah pengetahuan bahkan wisdom bagi sustainabilitas institusi dan peningkatan eksekusi proses bisnis di dalamnya. Padahal dalam perencanaan, implementasi, hingga evaluasi dan pelaporan institusi, dibutuhkan tidak hanya sekedar informasi saja, akan tetapi diperlukan berbagai analisis yang lebih luas, dalam, dan berorientasi masa depan dalam berbagai tingkat pengambilan keputusan, dari level strategis, operasional, hingga teknis. 

Contoh kasus pada Sistem Informasi Akademik yang biasanya memuat data pribadi mahasiswa dengan segala atributnya semisal asal daerah, asal sekolah, pola nilai per komponen nilai, nilai, huruf mutu hingga indeks prestasi, seringkali hanya disimpan sebagai basis data laporan, atau pencetakan transkrip, atau sekedar melihat informasi proporsi drop out, kelulusan tepat waktu, dan sebagainya seperti halnya pada evaluasi diri program studi atau kepentingan penjaminan mutu pada borang-borang generik institusi Pendidikan tinggi.

Namun, pernahkan sekumpulan data tersebut dianalisis sedemikian rupa sehingga mampu menghasilkan peta atau pola early warning sistem  seperti memprediksi kesulitan belajar mahasiswa, pengaturan sekuens mata kuliah, prediksi drop out, prediksi pencapaian kinerja tridharma dosen, klasterisasi topik kuliah sesuai tingkat kesulitan, klasifikasi mahasiswa berdasarkan prediksi kesintasan belajar, pola asosiasi pekerjaan alumni dan topik mata kuliah, tracer study, ketepatan waktu studi, dan tujuan lainnya berdasarkan pola-pola tertentu dari data-data yang tersedia? 

Sangat disayangkan data-data tersebut seringkali masih diolah hanya menjadi sekedar informasi dan bahkan belum mencapai hirarki pengetahuan apalagi wisdom sesuai hirarki data yang disampaikan di awal tulisan ini. Bahkan seringkali data tersebut malah tidak tersimpan dalam basis data yang baik, terstruktur dan terdigitalisasi.

Penggunaan teknologi informasi yang handal dan mampu memfasilitasi proses tridharma dan tata kelola operasional tentu menjadi keniscayaan, namun pengolahan data dari hasil penyimpanan berbagai sistem informasi tersebut agar bertransformasi menjadi pengetahuan dan wisdom bagi sustainabilitas institusi seyogyanya menjadi pemikiran kita bersama di masa mendatang di era big data dan disruptif ini. 

Ide besar tersebut dapat dicapai apabila alur pemrosesan data dalam pendekatan KDD dapat dipahami dan diterapkan oleh institusi maupun pengembang aplikasi sistem informasi institusi pendidikan tinggi. Salah satu langkah selanjutnya untuk mencapai hirarki wisdom dari basis data institusi adalah melalui data mining sebagaimana tergambar pada diagram 2.

Data mining menggunakan kombinasi dari basis pengetahuan eksplisit, keterampilan analitis yang canggih, dan domain pengetahuan untuk mengungkap tren dan pola yang tersembunyi. Tren dan pola ini membentuk dasar model prediktif yang memungkinkan analis menghasilkan pengamatan baru dari data yang ada. Data mining sendiri merupakan salah satu pendekatan yang mengarah kepada kecerdasan buatan.

Penggunaan data mining yang terintegrasi atau bahkan melekat (embedded) dengan sistem informasi pendidikan tinggi akan menjadi daya ungkit dan sekaligus daya pembeda antara sebuah aplikasi sistem informasi yang sekedar menampilkan informasi (‘dumb apps’) dengan sistem informasi cerdas (‘smart apps’) yang membantu pengambilan keputusan dengan kecerdasan buatannya. Tantangan ini sangat terbuka bagi para programmer dan pengembang aplikasi yang berkecimpung dalam pengembangan aplikasi-aplikasi khususnya dalam ranah tata kelola pendidikan tinggi.

• 

Gambar 2 Manajemen proses pada data mining
Sumber: Alexander Schröder

Penggunaan data mining dalam sektor pendidikan tinggi tersebut dapat digunakan untuk memprediksi performa mahasiswa, menganalisis outlier mahasiswa bahkan kinerja dosen yang sekarang sangat dipantau ketat melalui pelaporan SISTER Kementerian Pendidikan dan Kebudayaan, perencanaan strategis universitas, fakultas dan program studi, marketing calon mahasiswa, kendali biaya operasional dan tridharma, tren riset dosen dan mahasiswa, serta berbagai sektor lainnya dalam tata kelola tridharma dan operasional institusi.

Tentu tidak mudah meyakinkan end user para pemangku kepentingan institusi Pendidikan tinggi tentang urgensi KDD dan hirarki data dalam mengelola big data di institusinya. Perlu sosialisasi, pelatihan, pencerahan, dan engineering agar dapat dicerna, dimengerti dan dijalankan. Penggunaan Bahasa pemrograman seperti Phyton, Java, JavaScript, dan sebagainya memungkinkan integrasi data mining ke dalam aplikasi yang dimiliki atau dikembangkan oleh institusi pendidikan tinggi untuk dapat memfasilitasi KDD dalam membangun aplikasi pintar dengan kecerdasan buatan yang dimilikinya.

Hasil data mining dapat dilakukan pemrosesan lanjutan untuk kemudian divisualisasikan menjadi dashboard yang mengantarkan pemangku kepentingan Universitas, Fakultas, dan program studi serta jajaran manajemen dan staf mengambil keputusan strategis, operasional, bahkan teknis yang lebih arif dan berada pada hirarki wisdom.

Meskipun konsep KDD dan data mining bukanlah hal baru, namun apabila berhasil dikemas dalam sebuah sistem informasi atau aplikasi pintar maka akan sangat membantu sebuah institusi pendidikan tinggi untuk bukan hanya survive, namun memfasilitasi institusi untuk maju, berkembang dan bertransformasi menjadi institusi pendidikan tinggi berkelas dunia.

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, segera jadwalkan konsultasi di: Kontak Kami