net/publication/277906196
CITATIONS READS
2 6,703
1 author:
Asniar Tj
Telkom University
17 PUBLICATIONS 34 CITATIONS
SEE PROFILE
All content following this page was uploaded by Asniar Tj on 09 June 2015.
Abstrak
Digitalisasi data menyebabkan ledakan data di Perguruan tinggi yang membuka peluang big data di perguruan
tinggi. Data-data digital dalam jumlah banyak meninggalkan tentang apa yang mahasiswadan akademisi lihat,
apa yang mereka baca, keterlibatan dan perilaku mereka, penilaian, tentang kepentingan dan prefensi mereka
sehingga menyediakan sejumlah besar data yang dapat ditambang untuk pengalaman pembelajaran. Nilai big
data terletak pada hasil analisis dan prediksi atau tindakan yang diambil dari hasil analisis dan prediksi tersebut.
Makalah ini mencoba untuk memberikan usulan penggunaan big data analytic di perguruan tinggi yang meliputi
learning analytic, academic analytic, dan process analytic. 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.
Kata kunci : big data analytic, learning analytic, academic analytic, process analytic
1. Pendahuluan
Objek yang dapat dianalisis dalam Gambar 4 Rancangan Usulan Penggunaan Big Data
Academic Analytic adalah kinerja staff akademisi. Analytic di Perguruan Tinggi
Dengan academic analytic dapat dilakukan analisis
yang real time terhadap data-data yang merupakan Gambar 4 di atas menjelaskan bahwa
variable pengukuran kinerja akademisi sehingga rancangan yang diusulkan untuk learning analytic,
dapat diketahui staf-staf akademisi yang berprestasi academic analytic, dan process analytic melibatkan
maupun staf-staf akademisi yang kinerjanya sangat teknologi ETL untuk menarik data dari beberapa
kurang dibandingkan dengan staf-staf akademisi sumber. Untuk learning analytic dapat
lainnya. menggunakan sumber-sumber data dari data-data
Student Information System, Course Magement,
5.3 Process Analytic Online Education, Student Assessment, dan data
finance. Untuk proses academic analytic dapat
Big Data Analytic dapat juga digunakan menggunakan sumber-sumber data dari data-data
untuk menganalisis secara real time proses bisnis di Outcomes Assessment, Lecture Assessment, Staff
Perguruan Tinggi. Data-data yang digunakan dapat Assessment, Faculty Assessment, dan data Finance
diperoleh dari data log atau data aktifitas dari Assessment. Sementara untuk process analytic dapat
mahasiswa, dosen, dan unit-unit terkait dengan menggunakan sumber-sumber data dari data-data log
proses-proses dan aktivitas yang terjadi di Perguruan activity dari proses Student Information System,
Tinggi untuk kemudian dilakukan process analytic Cource Management, Online Education, Student
dengan menggunakan process mining untuk Assessment, dan data log activity dari proses finance.
menemukan model proses bisnis baru. Namun Student Assessment, dan data finance. Data dari
process analytic tidak terbatas pada proses beberapa sumber tersebut kemudian dikumpulkan
penemuan proses bisnis tapi juga memungkinkan dalam suatu gudang data (data warehouse) untuk
untuk memeriksa kesesuaian, mendeteksi kemudian dianalisa dengan menggunakan teknologi
penyimpangan, memprediksi penundaan, analisis dan prediksi yang real time, seperti : OLAP,
mendukung pengambilan keputusan, dan Analytical Reporting Tools (Business Intelligence),
merekomendasikan desain ulang proses. dan Data Mining/Predictive Modelling. Hasil
analisis dan prediksi akan ditampilkan dalam bentuk
6. Rancangan Usulan Penggunaan Big Data Dashboard Analytic Presentation yang diharapkan
Analytic di Perguruan Tinggi dapat mendukung peningkatan pengambilan
keputusan di perguruan tinggi dalam upaya
Berikut adalah rancangan usulan meningkatkan kinerja kerberhasilan mahasiswa dan
penggunaan big data analytic di perguruan tinggi. institusi.
7. Kesimpulan
Daftar Pustaka: