Teknologi • 27 Aug 2024
Teknologi • 19 Dec 2020
Manfaat dan Penggunaan Big Data Analytic untuk Perguruan Tinggi
Fadhol SEVIMA
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 praktek efektif untuk memanfaatkan big data analytic berupa learning analytic, academic analytic dan process analytic. 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 yang lebih 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, academic analytic, dan process analytic.
1. Learning Analytic
Big Data Analytic dapat digunakan untuk menganalisa secara real time pengalaman mahasiswa yang dapat dihasilkan dari aktifitas mahasiswa, 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 mahasiswa sukses dan mahasiswa yang beresiko akademik. Dengan big data analytic di perguruan tinggi dapat memberikan wawasan siswa yang beresiko putus (dropping out) sehingga dapat dilakukan tindakan preventif atau memberikan dukungan tambahan untuk meningkatkan keberhasilan mereka, 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 tools, teknologi, dan platform untuk memberdayakan pendidik serta membuka pintu pada pengalaman belajar bermakna yang dapat melibatkan, menginspirasi, dan mempersiapkan siswa saat ini dan masa depan untuk sukses.
Untuk learning analytic dapat menggunakan sumber-sumber data dari data-data Student Information System, Course Magement, Online Education, Student Assessment, dan data finance.
Baca juga: 10 Digitalisasi yang Harus Dilakukan Perguruan Tinggi di Era Disruptif
2. Academic Analytic
Objek yang dapat dianalisis dalam Academic Analytic adalah kinerja staff akademisi. Dengan academic analytic dapat dilakukan analisis yang real time terhadap data-data yang merupakan variable pengukuran kinerja akademisi sehingga dapat diketahui staf-staf akademisi yang berprestasi maupun staf-staf akademisi yang kinerjanya sangat kurang dibandingkan dengan staf-staf akademisi lainnya.
Untuk proses academic analytic dapat menggunakan sumber-sumber data dari data-data Outcomes Assessment, Lecture Assessment, Staff Assessment, Faculty Assessment, dan data Finance Assessment.
3. Process Analytic
Big Data Analytic dapat juga digunakan untuk menganalisis secara real time proses bisnis di Perguruan Tinggi. Data-data yang digunakan dapat diperoleh dari data log atau data aktifitas dari mahasiswa, dosen, dan unit-unit terkait dengan proses-proses dan aktivitas yang terjadi di Perguruan Tinggi untuk kemudian dilakukan process analytic dengan menggunakan process mining untuk menemukan model proses bisnis baru. Namun process analytic tidak terbatas pada proses penemuan proses bisnis tapi juga memungkinkan untuk memeriksa kesesuaian, mendeteksi penyimpangan, memprediksi penundaan, mendukung pengambilan keputusan, dan merekomendasikan desain ulang proses.
Sementara untuk process analytic dapat menggunakan sumber-sumber data dari data-data log activity dari proses Student Information System, Cource Management, Online Education, Student Assessment, dan data log activity dari proses finance. Student Assessment, dan data finance.
Data dari beberapa sumber tersebut kemudian dikumpulkan dalam suatu gudang data (data warehouse) untuk kemudian dianalisa dengan menggunakan teknologi analisis dan prediksi yang real time, seperti : OLAP, Analytical Reporting Tools (Business Intelligence), dan Data Mining/Predictive Modelling.
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 sertai keberhasilan mahasiswa dan institusi.
Artikel asli: https://www.slideshare.net/yusrintosepu/penggunaan-big-data-analytic-di-perguruan-tinggi
Tags:
-
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
Artikel Terkait
-
-
-
Teknologi • 26 Jul 2023
Apa Itu Open API? Pengertian, Tujuan dan Manfaatnya
-
Teknologi • 13 Sep 2022
Teknologi Informasi Dalam Lingkungan Akademik
