Laporan wartawan Tribunnews.com, Fahdi Fahlevi

TRIBUNNEWS.COM, JAKARTA - Big data analysis pada sektor pendidikan tinggi dapat menganalisa minat, potensi mahasiswa, prediksi karir mahasiswa, hingga prediksi program studi yang prospektif.

Direktur Utama PT IndoSterling Technomedia Tbk (TECH) Billy Andrian menilai Kemendikbudristek dan perguruan tinggi dapat memanfaatkan big data ini.

Dirinya mengatakan optimalisasi big data merupakan bagian penting dalam transformasi digital di sektor pendidikan.

'Ini bisa menjadi solusi untuk mengurangi kesenjangan kompetensi lulusan perguruan tinggi dengan ekspektasi dunia industri,” ujar Billy melalui keterangan remis, Rabu (2/11/2022).

Menurut Billy, agar memberikan manfaat optimal, digitalisasi sektor pendidikan tinggi tak bisa hanya berhenti di sistem pembelajaran online.

Digitalisasi juga harus mencakup manajemen sistem administrasi di kampus hingga sistem pelaporan kampus ke Kemendikbudristek.

Baca juga: Perguruan Tinggi Terapkan Metaverse, Hasil Inovasi Pembelajaran dalam MBKM Kemendikbudristek

"Jadi, digitalisasinya dari hulu ke hilir," kata Billy.

Percepatan digitalisasi kampus ini menyebar luas ke berbagai wilayah Indonesia setelah PT IndoSterling Technomedia Tbk berkolaborasi dengan Asosiasi Perguruan Tinggi Swasta Indonesia (Aptisi).

Program Digitalisasi 1.000 Kampus mengoptimalkan pemanfaatan Edufecta, sebuah platform teknologi pendidikan.

Edufecta merupakan inovasi digital yang dikembangkan IndoSterling Technomedia.

CEO Edufecta Ucu Komarudin menambahkan, kampus bisa menggunakan big data untuk memahami pengalaman belajar mahasiswa. Ini menjadi basis bagi dosen untuk membuat skema pembelajaran yang lebih efektif.

“Termasuk modifikasi sistem pendidikan agar mahasiswa bisa mendapatkan manfaat optimal dalam proses belajar,” jelasnya.

Big data yang merekam proses belajar mahasiswa juga memungkinkan dosen atau kampus memahami pencapaian mahasiswa baik secara individu maupun kolektif.

Data hasil penilaian mahasiswa di berbagai mata kuliah, juga menjadi insight tentang kekuatan dan kelemahan masing-masing individu dalam suatu objek.

Apabila data-data tersebut diakumulasikan dari semester ke semester, maka bisa didapat pola minat maupun kemampuan mahasiswa yang menjadi panduan karir.

Big data analysis juga bisa digunakan kampus untuk memetakan pola program studi berdasar minat pendaftaran mahasiswa.

Apa itu Big Data?

Mengutip Kompas.com, Big Data adalah konsep pengelompokan atau pengumpulan data dalam skala besar, yang terdiri dari berbagai macam jenis data, meliputi data terstruktur, semi terstruktur, dan tidak terstruktur.

Data terstruktur merupakan jenis data dengan format tetap yang tersimpan dalam satu platform, misalnya data gaji karyawan atau transaksi keuangan, yang dibuat di spreadsheet dan tersimpan pada Microsoft Excel atau platform sejenis.

Sementara data tidak terstruktur, merupakan jenis data dengan format yang berbeda-beda dan memerlukan platform khusus, seperti NoSQL, untuk mengakses dan membaca nilainya.

Contoh dari data tidak terstruktur banyak ditemukan di media sosial, seperti aktivitas Like, komentar, jumlah pengikut, jumlah klik, dan sebagainya.

Terakhir, data semi terstruktur merupakan jenis data gabungan antara data terstruktur dan tidak terstruktur.

Kemudian, data semi terstruktur merupakan jenis data yangpunya format tetap, namun memerlukan platform khusus untuk membukanya.

Misalnya, data Log File atau data aktivitas pengguna yang dicatat oleh sistem operasi.

Big Data merupakan semua kumpulan data tersebut dalam skala yang jauh lebih besar.

Big Data biasanya dihimpun oleh organisasi atau lembaga tertentu, yang biasanya data tersebut dipakai dan diolah dalam berbagai program aplikasi.

Misalnya, seperti program pembelajaran mendalam (Deep Learning), pemodelan prediktif, dan aplikasi analitik lainnya.

Konsep Big Data datang sekitar tahun 2000-an, yang dikenalkan oleh seorang analis industri, Doug Laney.

Saat itu, ia menelurkan konsep mengenai tindakan untuk menganalisis data dalam skala besar, dengan tiga karakter mendasar sebagai berikut:

Volume: jumlah data yang besar dikumpulkan dari berbagai sumber

Variety: ragam atau jenis data yang bervariasi untuk disimpan di database

Velocity: pengumpulan dan pengolahan berbagai data dalam waktu sesingkat mungkin

Selain itu, terdapat karakteristik tambahan seiring perkembangan konsep Big Data, yakni Veracity dan Variability. Veracity merupakan tingkat kebenaran dari suatu data. Sementara Variability, merupakan penggunaan data dalam konteks yang tepat.

Jumlah data yang besar dan sangat bervariasi dalam Big Data tidak hadir dengan sendirinya, ada infrastruktur atau sistem yang dibuat terlebih dahulu, sebagaimana dilansir Techtarget.