19
BAB III
RANCANGAN PROYEK TRANSFORMASI DIGITAL
3.1 Kerangka Kerja Transformasi Digital
Gambar 3.1 Kerangka kerja Transformasi Digital Sumber: Penulis (2020)
Kerangka kerja transformasi digital yang dilakukan yaitu sesuai dengan kerangka kerja pada Gambar 3.1. Tahapan pertama adalah menentukan Challenges or problem, yaitu mengidentifikasi masalah yang ada pada perusahaan yang ingin diselesaikan dengan menggunakan transformasi digital. Pada proyek transformasi digital ini, masalah yang ingin diselesaikan adalah proses pengumpulan data untuk pelaporan ke pemerintah di Universitas Multimedia Nusantara yang saat ini membutuhkan waktu yang cukup lama dikarenakan data yang dibutuhkan tersebar di beberapa unit kerja, seperti terlihat pada Gambar 3.2. Untuk melakukan pelaporan, unit kerja terkait (pelaku pelaporan) harus mengumpulkan data-data yang dibutuhkan. Beberapa data harus dimintakan kepada unit kerja lain (penyedia data), dan data yang didapatkan dari penyedia data tersebut memiliki format yang berbeda dengan sistem informasi pemerintah. Sehingga selain membutuhkan waktu untuk pengumpulan data, pelaku pelaporan pun memerlukan waktu untuk
20 mengolah data-data tersebut agar mudah dalam melakukan penginputan dan atau pemantauan di sistem informasi milik pemerintah.
Gambar 3.2 Proses Pelaporan ke Pemerintah (current state) Sumber: Penulis (2020)
Tahapan yang kedua adalah menentukan objectives dari dibuatnya transformasi digital, yaitu kondisi masa depan yang ingin dicapai. Tujuan dibuatnya transformasi digital ini adalah untuk memusatkan data-data yang ada di masing-masing unit kerja kedalam satu sistem informasi/aplikasi, khususnya data-data yang dibutuhkan untuk pelaporan ke pemerintah. Gambar 3.3 merupakan proses pelaporan yang ingin dicapai pada masa depan. Masing-masing unit kerja yang ada di UMN, melakukan pengelolaan data menggunakan satu sistem informasi/aplikasi yang sama. Saat akan melakukan pelaporan, unit kerja terkait mengambil data yang dibutuhkan dari sistem informasi/aplikasi tersebut. Sehingga proses pengumpulan data pelaporan yang sebelumnya membutuhkan waktu cukup lama, dapat di efisienkan dengan menggunakan sistem informasi/aplikasi ini. Pihak manajemen
21 (rektorat) dapat memantau progress dan perkembangan yang terjadi, sehingga sistem informasi/aplikasi ini dapat membantu pihak manajemen untuk mengambil keputusan.
Gambar 3.3 Proses Pelaporan ke Pemerintah (Future State) Sumber: Penulis (2020)
Tahapan selanjutnya adalah menentukan kemampuan/capabilities atau sistem yang dapat digunakan untuk mencapai objektif/tujuan dari transformasi digital. Pada transformasi digital ini, sistem informasi yang akan dibuat adalah aplikasi berbasis web, sehingga pengguna dapat dengan mudah mengakses sistem/aplikasi dengan menggunakan browser, tanpa perlu mengunduh dan menginstall aplikasi. Dengan sistem informasi ini, setiap unit kerja dapat menyimpan data atau dokumen kerja mereka hanya dengan menggunakan satu antarmuka. Pengguna dapat menginput data dengan menggunakan single entry dan bulk entry. Sistem ini pun memungkinkan unit kerja untuk menggunakan data yang sama yang telah di input oleh unit kerja lain (data sharing).
22 Setelah menentukan Capabilities selanjutnya adalah menentukan Digital Maturity Model (DMM) analysis yang digunakan dalam proyek transformasi digital, yaitu sebuah alat untuk mengukur tingkat kedigitalan dari capabilities atau sistem di organisasi/perusahaan. Langkah pertama yang dilakukan pada tahapan ini adalah memilih DMM yang sesuai dengan transformasi digital yang akan dikerjakan, lalu setelah itu melakukan pengukuran DMM di perusahaan pada kondisi saat ini (Current State), dan yang terakhir adalah menentukan DMM kondisi masa depan yang ingin dicapai (future state).
Tahapan selanjutnya setelah melakukan pengukuran dengan menggunakan DMM adalah menyusun langkah-langkah awal/Initiatives yang dapat dilakukan untuk meningkatkan level digital dari perusahaan sehingga dapat mencapai level digital maturity yang diinginkan.
Tahapan terakhir yang dilakukan setelah menyusun initiatives adalah membuat roadmap, yaitu membuat peta rencana kerja dalam rentang waktu yang akan dilakukan dalam menjalankan transformasi digital.
3.2 Maturity Model
Maturity Model merupakan sebuah model untuk mengukur tingkat kematangan dari kapabilitas atau sistem pada suatu organisasi/perusahaan. Maturity model yang digunakan pada transformasi digital ini adalah Data Management Maturity (DMM) Model (CMMI Institute, 2013) yang dikeluarkan oleh Capability Maturity Model Integration (CMMI) Institute pada tahun 2013. DMMM ini memecah manajemen data menjadi lima kategori High-level dan 1 kategori
23 pendukung seperti yang dapat dilihat pada Gambar 3.4, yaitu Data Management Strategy, Data Governance, Data Quality, Data Operations, Platform & Architecture, dan Supporting Prosess. Setiap kategori memiliki beberapa proses area yang berfungsi untuk menjelaskan tujuan dan praktik dari proses suatu organisai/perusahaan, sesuai Gambar 3.5 total proses area dalam DMMM ini adalah 25.
Gambar 3.4 Enam kategori dalam CMMI Data Management Model Maturity Sumber: CMMI Institute (2019)
24 Gambar 3.5 Kategori dan process areas dalam Data Management Model Maturity
Sumber: CMMI Institute (2019)
Fitur utama dari CMMI DMMM adalah penerapan tingkat kematangan (maturity) dari data manajemen tertentu, sehingga organisasi/perusahaan memungkinkan untuk menilai tingkat kematangan dari manajemen data di tempat mereka. Terdapat 5 tingkat kematangan dalam DMM ini, yaitu:
• Level 1 Performed. Proses dilakukan secara ad hoc, tidak diterapkan di seluruh area kerja/bisnis, proses kualitas data menekankan pada perbaikan bukan pencegahan, perbaikan yang dilakukan adalah perbaikan mendasar belum diperluas atau di pertahankan dalam organisasi.
25 • Level 2 Managed. Proses direncanakan dan dilaksanakan sesuai dengan kebijakan, memiliki orang-orang terampil dengan sumber daya yang memadai, melibatkan pemangku kepentingan dan dipantau, di control dan dievaluasi untuk kepatuhan pada proses.
• Level 3 Defined. Menggunakan serangkaian proses standar dan diikuti secara konsisten. Proses-proses untuk memenuhi kebutuhan yang spesifik disesuaikan dengan proses standar sesuai dengan pedoman organisasi. • Level 4 Measured. Metrik proses telah ditentukan dan digunakan untuk
pengelolaan data, seperti pengelolaan varians, prediksi, dan analisis menggunakan statistic atau teknik kuantitatif lainnya, kinerja proses dikelola diseluruh alur proses.
• Level 5 Optimized. Kinerja proses pada level 4 dipotimalkan untuk meningkatkan peluang dalam mengidentifikasikan target, praktik terbaik organisasi dibagikan dengan rekan kerja dan industry.
3.3 Manfaat Penggunaan Teknologi
Aplikasi yang akan dibuat dalam transformasi digital ini adalah aplikasi manajemen data unit kerja berbasis web. Pengguna dari aplikasi ini adalah unit kerja yang ada di Universitas Multimedia Nusantara. Pada aplikasi ini, pengguna dapat menyimpan, mengubah, dan menghapus data kerja mereka serta dapat mencari informasi/dokumen yang sebelumnya telah diinput oleh unit yang bersangkutan maupun unit lainnya. Aplikasi manajamen data ini pun dapat menampilkan hasil statistika dari data yang telah terinput oleh pengguna. Gambaran
26 interaksi yang terjadi anatar sistem dan pengguna dapat dilihat pada Gambar 3.6. Dengan aplikasi berbasis web ini, pengguna dapat mengakses aplikasi melalui browser, sehingga tidak perlu mengunduh dan menginstall aplikasi.
Gambar 3.6 Use case diagram aplikasi manajemen data Sumber: Penulis (2020)
Manfaat dari transfomasi digital yang dilakukan adalah universitas dapat menyederhanakan proses bisnis yang ada saat ini sehingga pekerjaan dapat dilakukan dengan lebih efisien. Perubahan proses bisnis yang dapat terjadi dengan adanya transformasi digital ini dapat dilihat pada table 3.1.
27 Tabel 3.1 Perubahan proses bisnis
Proses Current Condition Future Condition Merekap data - Spreadsheet tradisional - Aplikasi
Menyimpan, merubah,
dan menghapus
dokumen/data
- File storage - Database server
Bentuk data Berbasis file (unstructured) Database record (structured)
Berbagi data - Email
- Traditional file sharing
Aplikasi Pemantauan progres Setiap unit kerja
mengirimkan/membagikan data melalui email/google drive
Aplikasi
Pelaporan ke Sistem Pemerintah
Data yang didapatkan perlu diolah terlebih dahulu agar format sesuai dengan format sistem informasi pelaporan milik pemerintah, agar memudahkan penginputan pelaporan
Format data dalam aplikasi sesuai dengan format sistem informasi pelaporan milik pemerintah, sehingga memudahkan
penginputan pelaporan. Pengambilan keputusan Untuk membantu
pengambilan keputusan,
pihak manajemen
menganalisa data yang telah dikirimkan oleh setiap unit kerja
Untuk membnatu pengambilan keputusan, pihak manajemen dapat melihat summary data unit kerja yang berada pada aplikasi
Sumber: Penulis (2020)
Proses bisnis untuk pengumpulan dan pengolahan data kebutuhan pelaporan saat ini masih menggunakan traditional file sharing dan membutuhkan waktu yang cukup lama, dengan adanya transformasi digital ini pengumpulan data akan menjadi lebih efisien karena data menjadi terstruktur dan terpusat. Unit penyedia data dapat menggunakan aplikasi ini untuk menyimpan dan berbagi data dengan unit lainnya. Aplikasi ini akan di integrasikan dengan aplikasi/sistem yang telah ada di UMN, sehingga saat proses penginputan data pengguna dapat menggunakan data yang telah tersedia di aplikasi lain yang sudah terintegrasi, seperti data nama dan NIK dosen, alur proses penginputan dapat dilihat pada Gambar 3.7.
28 Gambar 3.7 Flowchart Penginputan Informasi/data
Sumber: Penulis (2020)
Data disimpan di database server dalam bentuk yang terstruktur (format sesuai dengan format aplikasi pemerintah) sehingga memudahkan dalam kegiatan pelaporan ke pemerintah. Pengguna juga dapat mencari data/dokumen hanya
29 dengan menuliskan kata kunci dari dokumen tersebut, alur proses dapat dilihat pada Gambar 3.8.
Gambar 3.8 Flowchart Pencarian, pengubahan, dan penghapusan informasi/data Sumber: Penulis (2020)
30 Gambar 3.9 Flowchart pengambilan data
Sumber: Penulis (2020)
Pengguna dapat mengunduh data-data kerja yang telah mereka masukan ke dalam aplikasi, alur pengambilan data dapat dilihat pada Gambar 3.9
31 Gambar 3.10 Flowchart pengambilan data summary
Sumber: Penulis (2020)
Pihak manajemen eksekutif dapat memantau progress kerja dari tiap unit langsung dari aplikasi. Data yang telah berada di dalam aplikasi akan di representasikan dalam bentuk grafik, sehingga dapat membantu dan memudahkan pihak top manajemen dalam pengambilan keputusan. Pihak manajemen pun dapat mengunduh keseluruhan data summary di aplikasi seperti pada Gambar 3.10.
32 Gambar 3.11 Flowchart pengiriman notifikasi unit
Sumber: Penulis (2020)
Untuk memastikan bahwa unit kerja melakukan penginputan data secara rutin ke dalam aplikasi, maka aplikasi akan mengirimkan notifikasi ke alamat email masing-masing kepala unit kerja ketika tanggal saat itu sudah melewati tanggal akhir semester. Notifikasi ini berfungsi sebagai pengingat sekaligus untuk
33 memverifikasi unit kerja mengenai data yang telah mereka inputkan ke dalam aplikasi. Flowchart pengiriman notifikasi dapat dilihat pada Gambar 3.11.
3.4 Pelaksanaan Proyek Transformasi Digital
Seperti yang telah di jelaskan pada bab 3.1, tahapan dalam melaksanakan transformasi digital adalah mengidentifikasi masalah, menentukan objektif, kapabilitas, analisa DMM, menyusun inisiatif, dan membuat roadmap.
Gambar 3.12 Tahapan Analisa DMM Sumber: penulis (2020)
Tahapan dalam analisa DMM dapat dilihat pada Gambar 3.12. Setelah menentukan Maturity Model yang akan digunakan, selanjutnya adalah memeilih sub dimensi/kategori dan proses area di dalam maturity model tersebut. Maturity model digunakan sebagai alat pengukuran dalam proyek transformasi digital. Setelah memilih kategori dan proses area yang akan digunakan, lalu dibuatlah kuesioner. Kuesioner ini digunakan sebagai metode pengumpulan data. Pertanyaan dalam kuesioner dibuat berdasarkan pada maturity model yang digunakan.
34 Untuk menguji alat ukur dan pertanyaan yang telah dibuat, maka dilakukan Pre-test, yaitu dengan menyebar kuesioner tersebut pada minimal 10 responden yang relevan. Hasil yang didapatkan dari pre-test, di uji validitas dan reabilitasnya untuk mengetahui apakah alat ukur dan pertanyaan yang digunakan tepat sasaran dan dapat diandalkan (reliable). Setelah menguji alat ukur dan pertanyaan, maka dipilihlah pertanyaan-pertanyaan yang hasil ujinya valid dan realible, lalu melakukan main test. Main test dilakukan dengan menyebarkan kuesioner minimal pada 30 responden yang relevan. Hasil dari main test akan diolah untuk mendapatkan kesimpulan level maturity dari perusahaan pada kondisi saat ini (Current State).
Setelah mendapatkan level maturity perusahaan pada kondisi saat ini, dilakukanlah wawancara dengan atasan terkait. Wawancara dilakukan untuk membahas hasil dari pelaksanaan main test dan untuk menentukan level maturity yang ingin dicapai oleh perusahaan (future state). Proses dan metode pengukuran Current State dan Future State dapat dilihat dalam table 3.2.
Tabel 3.2 Proses dan metode pengukuran Current State dan Future State Proses Mengukur Current State of
DMM
Menentukan Future State of DMM
Metode pengumpulan data Kuisioner Wawancara
Responden Unit kerja pelaku pelaporan Wakil Rektor bagian Akademik
Teknik pengujian validitas dan reliabilitas Menggunakan SPSS - Validitas: Korelasi Pearson - Reabilitas: Cronbach Alpha Wawancara
Meningkatkan kualitas alat ukur - Mendesain kuisioner yang tepat - Melakukan pre-test Mengembangkan protocol wawancara Sumber: Penulis (2020)
35 Dalam proyek transformasi digital, keenam kategori dalam DMM Model digunakan, namun tidak semua process area dipilih, dapat dilihat pada Tabel 3.3 dibawah ini.
Tabel 3.3 Kategori dan process area DMM yang digunakan
Kategori Process Area Tujuan
Data Management Strategy
Communications Memastikan bahwa kebijakan, standar, proses, progress dan manajemen data lainnya telah telah diberlakukan, dipahami dan disesuaikan berdasarkan umpan balik
Data Management Function
Memberikan arahan bagi pimpinan dan staf manajemen data untuk memastikan bahwa data dikelola sebagai asset perusahaan. Pengawasan eksekutif sangat penting untuk membangun dan memelihara prinsip-prinsip data manajemen, memafasilitasi penerapan yang dilakukan, dan memastikan keselarasan di seluruh organisasi.
Data Governace Governance Management
Mengembangkan kepemilikan, kepengurusan, dan struktur operasional yang dibutuhkan untuk
memastikan bahwa data perusahaan dikelola sebagai asset penting dan diimplementasikan secara efektif dan berkelanjutan.
Metadata Management
Menetapkan proses dan infrastruktur untuk mentukan dan memperluas informasi mengenai asset data yang dikelola (data terstruktur dan tidak terstruktur), mendorong dan mendukung data sharing, memastikan penggunaan data sesuai, meningkatkan daya tanggap terhadap perubahan bisnis, dan mengurangi risiko terkait data
Data Quality Data Quality Strategy
Menentukan strategi organisasi yang terintegrasi untuk mencpai dan memelihara level dari kualitas data yang diperlukan untuk mendukung tujuan dan objektif bisnis.
Data Cleansing Menetapkan mekanisme, aturan, proses, dan metode yang digunakan untuk memvalidasi dan memeriksa data sesuai dengan aturan bisnis yang telah di tentukan sebelumnya.
36
Data Operations Data Requirement Definition
Memastikan bahwa data yang dihasilkan dan
digunakan akan memenuhi bisnis objektif, dimengerti oleh semua pemangku kepentingan yang relavan, dan konsisiten dengan proses terkait.
Data Lifecycle Management
Memastikan bahwa organisasi mengerti, memetakan, menginventarisir, dan mengontrol aliran data melalui proses bisnis di seluruh siklus hidup data dari pembuatan data sampai masa akhir data. Manajemen siklus hidup data memungkinkan membuat manajemen resiko menjadi lebih baik dan mendukung peningkatan kualitas data, terutama dalam situasi yang melibatkan volume data yang besar atau pergerakan data yang cepat, dan proses berbagi data yang kompleks dan saling bergantung.
Platform and Architecture
Data Integration Mengurangi kebutuhan bisnis untuk mendapatkan data dari berbagai sumber, dan meningkatkan ketersediaan data untuk proses bisnis yang membutuhkan
konsolidasi dan agregrasi data, seperti analitik. Integrasi data memungkinkan pengoptimalan data sumber, realisasi darai penghematan biaya melalui sentralisasi, dan meningkatkan kualitas data
Historical Data, Retention and
Archiving
Memastikan bahwa pemeliharaan data memenuhi persyaratan organisasi dan regulatory untuk
ketersediaaan data historis, dan memenuhi persyaratan hukum dan regulatory untuk pengarsipan dan
penyimpanan data.
Supporting Process
Measurement and Analysis
Mengembangkan dan mempertahankan kemampuan pengukuran dan Teknik analisis untuk mendukung pengelolaan dan meningkatkan aktivitas pengelolaan data.
Process Quality Assurance
Memberi wawasan yang objektif pada staff dan pihak manajeme mengenai proses pelaksanaa dan
produk/layanan kerja.
Sumber : Penulis (2020)
Dalam kategori Data Management Strategy, process area yang dipilih adalah Data Management Function, ini untuk mengetahui bagaimana universitas memastikan data telah di Kelola. Kategori kedua adalah Data Governance, proses area yang dipilih adalah Governance Management, ini untuk mengetahui proses
37 tata kola yang dilakukan oleh universitas. Kategori ketiga adalah Data Quality, proses area Data Cleansing, dengan proses area ini dapat diketahui mekanisme yang digunakan universitas untuk memvalidasi dan mengoreksi data. Kategori keempat adalah Data Operations, proses area Data Life Cycle, proses area ini dapat mengetahui pengontrolan siklus hidup data yang dilakukan universitas. Kategori selanjutnya adalah Platform and Architecture, proses area yang dipilih yaitu Data Integration dan Historical Data, retention and archiving, ini untuk mengetahui kondisi integrasi data dan pemeliharaan, pengarispan, dan penyimpanan data di universitas. Kategori terakhir adalah Supporting Process, proses area yang dipilih adalah measurement and analysis dan process quality assurance, ini untuk mengetahui pengukuran dan Analisa yang dilakukan universitas serta memastikan proses pelaksanaan kerja berjalan dengan benar dan sesuai objektifitas.
Kuesioner yang dibuat sebagai acuan untuk mengukur DMM di UMN berjumlah dua belas, satu pertanyaan mewakili satu proses area. Kuesioner dapat dilihat pada Tabel 3.4.
Tabel 3.4 Kuesioner Manajemen Data
Pertanyaan Level 1 Level 2 Level 3 Level 4 Level 5
1. Bagaimana Universitas memastikan bahwa kebijakan, standar, proses, progres, dan manajemen data lainnya telah dimengerti oleh setiap unit kerja? (Data Management Strategy – Communication) Komunikasi terkait data aset dilakukan setidaknya dalam satu unit/fungsi Rencana komunikasi terkait manajemen data telah ditentukan, didokument asikan, disetujui oleh pemangku kepentingan , dan telah di jadwalkan komunikasi ditinjau oleh pemangku kepentingan sesuai dengan standar dan proses yang telah ditentukan Universitas menggunakan teknik statistika dan teknik kuantitatif lainnya untuk meningkatkan komunikasi manajemen data komunikasi external mengenai data manajemen dilakukan dengan tujuan untuk mempengaruhi kebijakan publik dan praktik terbaik yang mempengaruhi data
38
2. Bagaimana perusahaan memastikan bahwa data (asset universitas) telah dikelola? (Data Management Strategy-Data Management Function) Perusahaan memiliki setidaknya satu aplikasi pengelolaan data Semua unit kerja menggunaka n aplikasi perusahaan untuk mengelola data Semua unit kerja telah menerapkan hak akses terhadap data yang digunakan bersama sama Data yang berada dalam aplikasi perusahaan diukur secara statistika dan dengan teknik kuantitatif lainnya Hasil pengukuran data digunakan untuk pengambilan keputusan oleh pihak eksekutif 3. Bagaimana proses tata kelola pada perusahaan? (Data Governance – Governance Management) Perusahaan menjalankan fungsi tata kelola data, setidaknya dilakukan dalam satu projek/fungs i Tata kelola data mengikuti kebijakan, proses dan standar dari perusahaan Kegiatan dan hasil dari tata kelola data dianalisis dan dilaporkan secara berkala pada pihak manajemen eksekutif Perusahaan menganalisa perubahan yang terjadi dengan adanya tata kelola data (menggunakan teknik statistika dan kuantitatif lainnya) Proses tata kelola selalu ditingkatkan dan perusahaan membagikan pengalaman mengenai struktur tata kelola sebagai praktik terbaik pada perusahaan lain di industri yang sama. 4. Bagaimana Universitas melakukan proses manajemen metadata? (Data Governance – Metadata management) Dokumentas i mengenai metadata telah dilakukan, disimpan, dan dapat di akses. Kategori, atribut, dan standar metadata telah dibuat dan diikuti strategi manajemen metadata Universitas telah dibangun dan dipelihara oleh tata kelola dengan input dari pemangku kepentingan yang relevan Hasil analisa statistik untuk proses, pelaporan dan kinerja tercantum dalam repository metadata dan digunakan untuk mendukung pengambilan keputusan berbasis fakta untuk langkah awal manajemen metadata yang baru Perubahan data yang terencana dieva luasi terhadap dampak pada repository metadata. Proses perubahan dan perbaikan metadata ditingkatkan secara terus-menerus 5. Bagaimana universitas menjaga kualitas data untuk mendukung tujuan dan objektif bisnis? (Data Quality – Data Quality Strategy) Objektif, aturan, dan kriteria kualitas data di dokumentasi kan Strategi mengenai kualitas data ditetapkan, disetujui dan dikelola Strategi mengenai kualitas data di ikuti seluruh unit yang ada dan didampingi oleh kebijakan, proses dan panduan yang sesuai Kinerja dari kebijakan, proses dn panduan ditinjau dan disesuaikan dengan hasil dari analisa Universitas membagikan praktik terbaiknya mengenai strategi kualitas data pada universitas lainnya.
39 6. Bagaimana universitas menerapkan mekanisme, aturan, proses, dan metode untuk memvalidasi dan mengoreksi data? (Data Quality – Data Cleansing) Kebutuhan akan pembersihan data telah ditentukan dan dilakukan Permasalaha n mengenai pembersihan data telah dikomunika sikan dan diselesaikan Terdapat mekanisme pelaporan hasil dari pembersihan data menggunakan template standar Kriteria kualitas data tercantum dalam kesepakatan antara penyedia data dengan pengguna data Kebutuhan pembersihan data bagi penyedia data telah diatur sesuai dengan proses yang telah terstandarisasi 7. Bagaimana universitas memastikan bahwa data yang dihasilkan dan digunakan akan memanuhi bisnis objektif, dimengerti oleh pemangku kepentingan dan konsisten dengan proses terkait? (Data Operations – Data Requirement Definition) pemangku kepentingan meninjau ulang dan menyetujui kebutuhan data Proses penentuan kebutuhan data didokument asikan dan diikuti Kebutuhan dievaluasi untuk memastikan bahwa kebutuhan tersebut dapat dipenuhi di sasaran lingkungan Pengukuran yan telah di etntukan dan diatur memastikan kebutuhan data mmenuhi objektif bisnis. tindakan koreksi dilakukan ketika kinerja tidak memenuhi kebutuhan bisnis Uniersitas membagikan praktik terbaiknya mengenai kebutuhan data pada universitas lainnya 8. Bagaimana perusahaan mengontrol siklus hidup data? (Data Operations – data Lifecycle Management) Siklus hidup data telah ditentukan dan diterapkan Kebutuhan antara pengguna dan penyedia data sudah dipetakan dan sejalan serta ditinjau ulang secara berkala Perubahan terhadap data bersama atau data yang ditujukan untuk tujuan bisnis tertentu diantur oleh struktur tata kelola dengan keterlibatan pemangku kepentingan yang relevan Perusahaan menggunakan proses standar untuk menganalisa dampak dari siklus hidup data, dan untuk mengidentifik asi, Perusahaan berbagi pengalaman terkait proses siklus hidup pengelolaan data dengan pihak lain di industri yang sama 9. Bagaimana kondisi integrasi data pada perusahaan? (Platform Architecture – Data Integration) Integrasi data antar sistem telah dilakukan dan didokumenta sikan Proses kontrol perubahan telah ditentukan dan diikuti untuk memastikan bahwa perubahan dalam lingkup integrasi Perusahaan mendokumentas ikan dan mengatur perubahan dari sumber data ke tujuan melalui proses tata kelola Data bersama yang telah terpilih sepenuhnya terintegrasi, dikelola secara terpusat, dan dipergunakan sesuai kebutuhan Perusahaan berbagi pengalaman praktik terbaiknya dalam integrasi dengan perusahaan lain di industri yang sama.
40 telah dikendalika n dan dikoordinasi kan 10. Bagaimana perusahaan melakukan pemeliharaan data, pengarsipan dan penyimpanan? (Platform Architecture – Historical Data, Retention and Archiving) Data historis tersedia dan digunakan untuk mendukung keputusan bisnis, perusahaan melakukan pencadangan data dan pengarsipan data sesuai dengan kebijakan perusahaan Perusahaan mengatur akses, pengambila n dan modifikasi pada data historis dan arsip Perusahaan melakukan audit untuk memastikan bahwa perusahaan melakukan pencatatan data, arsip, dan penyimpanan Data historis di analisa dengan menggunakan statistik dan teknik kuantitatif lainnya untuk meningkatkan kualitas data Perusahaan berbagi pengalaman penerapan kebijakan dan praktik terbaik mengenai data histori dan pengarsipan dengan perusahan lain di industri yang sama 11. Bagaimana pengukuran dan analisa yang dilakukan perusahaan dalam mengelola data? (Supporting Process – Measurement and Analysis) Pengukuran dan analisa pengolahan data dilakukan setidaknya dalam satu projek/fungs i Perusahaan menentukan bagaimana pengukuran data diperoleh, di simpan, dianalisa, dan dikomunika sikan dengan pihak-pihak terkait. Terdapat repository untuk menampilkan hasil dari pengukuran dan analisa data yang telah terstandarisasi Kinerja proses dalam pengukuran dan analisa dipantau dengan menggunakan statistik dan teknik kuantitatif lainnya Pengalaman mengenai pengukuran dan analisa mulai dari perencanaan dan pelaksanaan pengelolaan data dikumpulkan, dibagi dan dimasukan kedalam proses aset perusahaan 12. Bagaimana staf dan manajemen memastikan proses pelaksanaan kerja telah berjalan dengan benar dan hasil
produk/layanan kerja telah sesuai dengan objektifnya? (Supporting Process - Process Quality Assurance) Masalah produk/layan an dan prosesnya telah diidentifikasi dan ditangani Mengevalua si kualitas dari beberapa produk/laya nan kerja lalu mengkomun ikasikannya dengan staff dan manager Menerapkan standar pengukuran untuk proses dan kualitas produk/layanan Universitas menggunakan statistika dan teknik kuantitatif lainya untuk memprediksi permasalahan kualitas produk/layana n yang akan muncul Universitas menggunakan teknik statistik dan kuantitatif lainnya untuk mengelola pemilihan antara biaya dan kualitas untuk memenuhi tujuan bisnis Sumber: Penulis (2020)
41 Untuk menguji kuesioner yang telah dibuat, dilakukanlah pre-test kepada 14 responden relevan. Data yang didapatkan dari keempat belas responden dapat dilihat pada Tabel 3.5
Tabel 3.5 Hasil kuesioner Pre-test
No DM1 DM2 DG1 DG2 DQ1 DQ2 DO1 DO2 PA1 PA2 SP1 SP2 Total
1 1 3 1 2 1 1 2 1 1 1 2 1 17 2 3 3 2 1 1 1 1 2 2 2 1 2 21 3 3 3 3 3 3 4 3 3 4 3 3 2 37 4 2 1 2 2 1 2 2 2 1 3 1 2 21 5 1 1 1 1 2 1 3 2 1 3 1 1 18 6 1 1 2 2 2 1 1 1 1 1 2 2 17 7 1 1 2 1 1 1 1 1 2 1 1 1 14 8 2 2 2 2 2 2 3 2 3 2 2 3 27 9 2 2 2 3 3 1 3 3 2 1 2 1 24 10 1 1 2 1 1 1 1 1 2 2 1 2 16 11 2 1 2 1 1 1 2 2 1 1 1 2 17 12 2 2 2 2 1 1 1 1 1 1 1 2 17 13 1 1 2 1 2 1 2 1 2 1 2 2 18 14 1 1 1 1 1 1 1 1 1 1 1 1 12 Sumber: Penulis (2020)
Setelah melakukan pre-test, data-data yang didapatan dilakukan pengujian validitas dan reabilitasnya dengan menggunakan aplikasi SPSS. Pengujian validitas dari keusioner menggunakan korelasi pearson dan pengujian reabilitas menggunakan Cronbach Alpha. Hasil uji validitas dari kesioner dapat dilihat pada Tabel 3.6.
Tabel 3.6 Uji Validitas Pre-test
Variabel Kode Measurement Indikator Uji Validitas Keterangan rhitung rtabel (5%), n=14 Data Management Strategy DM1 Communication 0.731 0.532 Valid DM2 Data Management Function 0.589 0.532 Valid Data Governance DG1 Governance Management 0.673 0.532 Valid
42
DG2 Metadata
Management 0.715 0.532 Valid
Data Quality DQ1 Data Quality Strategy 0.752 0.532 Valid
DQ2 Data Cleansing 0.877 0.532 Valid
Data Operation
DO1 Data Requirement
Definition 0.685 0.532 Valid
DO2 Data Lifecycle
Management 0.797 0.532 Valid
Platform and Architecture
PA1 Data Integration 0.814 0.532 Valid
PA2 Historical, Retention
and archiving 0.560 0.532 Valid
Supporting Process
SP1 Measurement and
Analysis 0.733 0.532 Valid
SP2 Process Quality
Assurance 0.417 0.532 Tidak Valid
Sumber: Penulis (2020)
Jumlah sample dalam pre-test ini adalah 14 responden, dengan tingkat signifikansi uji dua arah sebesar 5%, tabel r dapat dilihat dalam lampiran. Untuk n=14 dan nilai signifikasi uji dua arah 0,05 maka nilai rtabel adalah 0.532. Sehingga jika nilai rhitung > 0.532, maka indikator tersebut dinyatakan valid. Dari hasil pengukuran data pre-test di dapatkan bahwa 1 indikator dinyatakan tidak valid, yaitu Process Quality Assurance dengan angka rhitung 0.417 < 0.532.
Tabel 3.7 Uji Reabilitas Pre-test
Variabel Kode Measurement Indikator Uji Reabilitas Keterangan Cronbach Alpha CA if item deleted Data Management Strategy DM1 Communication 0.901 0.891 Reliable DM2 Data Management Function 0.901 Data Governance DG1 Governance Management 0.895 Reliable DG2 Metadata Management 0.892
Data Quality DQ1 Data Quality
43 DQ2 Data Cleansing 0.881 Data Operation DO1 Data Requirement Definition 0.895 Reliable
DO2 Data Lifecycle
Management 0.887
Platform and Architecture
PA1 Data Integration 0.886
Reliable PA2 Historical, Retention and archiving 0.903 Supporting Process SP1 Measurement and Analysis 0.891 Reliable SP2 Process Quality Assurance 0.905 Sumber: Penulis (2020)
Pengujian reabilitas menggunakan Cronbach’s Alpha, bila hasil pengukuran Cronbach’s Alpha > 0.6 maka indikator dinyatakan reliable. Dari hasil pengukuran pada Tabel 3.7 dapat dilihat bahwa nilai Cronbach alpha adalah 0.901 > 0.6, sehingga semua indicator yang diukur adalah reliable. Nilai statistik Cronbach’s Alpha untuk kedua belas indikator ada pada kolom “CA if item deleted” yaitu >0.6, sehingga kedua belas pertanyaan reliabel.
3.5 Rancangan Pembentukan Studi Kasus Transformasi Digital
Kasus yang diambil pada proyek transformasi digital ini adalah proses pengumpulan data-data yang dibutuhkan untuk pelaporan kinerja kerja UMN pada pemerintah. Pada saat ini, pengumpulan data dilakukan menggunakan traditional file sharing dengan spreadsheet traditional sebagai alat pengolahan data. Proses pengumpulan dan pengolahan data seperti ini memerlukan waktu yang cukup lama, dikarenkan pihak yang melakukan pelaporan harus melakukan permohonan data
44 pada penyedia data dan harus mengolahnya sebelum melakukan pelaporan karena data yang didapatkan dari penyedia data belum terstruktur.
Salah satu fungsi dari Biro Informasi Akademik (BIA) khususnya seksi Management Informasi adalah untuk memastikan UMN selalu melakukan pelaporan pada sistem-sistem pemerintah secara rutin dan tepat waktu. Untuk memantau jalannya kegiatan pelaporan, unit-unit kerja yang melakukan pelaporan mengirimkan data/dokumen yang akan dilaporkan kepada BIA yaitu dengan mengunakan traditional file sharing. Data-data yang terkumpul tersebutlah yang nantinya akan digunakan oleh pihak manajmen untuk membantu pengambilan keputusan.
Tujuan dirancangnya aplikasi ini adalah agar pengelolaan data-data di UMN, khususnya data pelaporan, menjadi lebih mudah dan terpusat. Penyedia data dan unit-unit kerja yang melakukan pelaporan dapat menggunakan aplikasi tersebut untuk menyimpan, mengelola dan berbagi data. Format data didalam aplikasi disamakan dengan format yang ada di sistem informasi milik pemerintah, sehingga memudahkan pelaku pelaporan untuk melakukan pelaporan ke pemerintah. Untuk kedepannya aplikasi tersebut dapat di integrasikan (otomasi) dengan sistem pemerintah, sehingga pihak UMN hanya cukup menginput data di satu antarmuka. Data-data yang telah disimpan di aplikasi tersebut dapat direperesentasikan kedalam bentuk grafik agar pemantauan progress kinerja dapat lebih mudah dilakukan dan dapat membantu pihak top manajemen untuk pengambilan keputusan.
