bakpti.unisma.ac.id, 23/07/20. Update data PDDikti per tanggal 10 April 2017 menunjukkan bahwa jumlah Perguruan Tinggi mencapai 4516 tersebar di seluruh Indonesia. Tingginya angka pertambahan jumlah Perguruan Tinggi ini menuntut para pengelolanya untuk selalu meningkatkan kualitas pelayanan dan pengelolaan dalam menghadapi persaingan jasa pendidikan. Tidak dipungkiri, bahkan persaingan ini semakin terasa di era pandemi Covid-19 seperti sekarang ini, dimana segala sektor terdampak, termasuk Perguruan Tinggi, khususnya dalam penerimaan mahasiswa barunya. Segala upaya harus dilakukan demi ikut serta dalam era kompetitif yang berbarengan dengan era adaptasi terhadap metode-metode pembelajaran baru yang mengedepankan segala sesuatu yang berbau daring.
Yang namanya jualan, kualitas produk tetaplah menjadi sajian utama. Di Perguruan Tinggi, tingkat keberhasilan belajar mahasiswa menjadi salah satu pengukur kualitas “jualan” ini. Penjagaan kualitas kinerja mahasiswa hendaknya bisa dilakukan rutin dan terstruktur sehingga apabila ada masalah cepat terdeteksi dan cepat dicarikan solusi. Proses evaluasi kinerja mahasiswa ini sebenarnya bukanlah perkara yang sulit. Perguruan Tinggi sebenarnya memiliki database yang cukup besar yang berhubungan dengan data mahasiswa ini. Bahkan Perguruan Tinggi sudah menghimpun data mahasiswa sejak sebelum mereka masuk, yaitu melalui formulir pendaftaran mahasiswa baru. Salah satu langkah proses pendaftaran mahasiswa baru adalah mengisi formulir pendaftaran. Pada umumnya data yang harus diisikan adalah seluruh data demografis mahasiswa, mulai dari data diri, data orang tua, penghasilan orang tua, bahkan sampai lokasi tempat tinggal. Kemudian setelah mereka berhasil masuk ke kampus dan menjadi mahasiswa, data ini diapakan? Disimpan sajakah? Ditumpuk dalam database sajakah? Padahal dengan berkembangnya sistem manajemen informasi, maka semakin besar pula volume data yang bisa disimpan. Proses registrasi yang mulai menggunakan sistem daring bukan saja memberikan kemudahan, tetapi juga menawarkan besarnya kapasitas data yang bisa ditampung. Kalau tidak dimanfaatkan dengan baik, “gundukan” data ini hanya akan jadi tumpukan arsip dalam gudang. Padahal data-data bervolume besar ini memiliki potensi tersembunyi yang tidak hanya perlu digali, tetapi lebih dalam lagi perlu dilakukan penambangan agar dapat memberikan pengetahuan lebih yang dapat dimanfaatkan untuk menjadi salah satu upaya penjagaan kualitas yang disebutkan di atas tadi. Buatlah agar data yang berbicara.
INFORMASI SEPUTAR UNISMA KUNJUNGI www.unisma.ac.id
Sebuah penelitian telah dilakukan di Program Studi Pendidikan Matematika, FKIP, UNISMA dengan menggali lebih dalam data yang diisikan mahasiswa pada saat mereka mendaftar ke UNISMA. Sebuah google form disusun sesuai dengan formulir pendaftaran mahasiswa baru UNISMA. Beberapa variabel dalam formulir pendaftaran, yang diasumsikan berasosiasi dengan kinerja mahasiswa, dihimpun dan diteliti. Hasil penelitian menunjukkan ada 3 karakteristik mahasiswa yang diprediksi akan berkinerja rendah. Karakteristik-karakteristik yang terbentuk melibatkan 5 variabel dari keseluruhan 13 variabel dalam formulir pendaftaran yang diasumsikan berasosiasi dengan kinerja mahasiswa. Kelima variabel tersebut adalah pendapatan Ayah, jenis kelamin, prodi Pendidikan Matematika menjadi pilihan keberapa saat mendaftar, jenis asal sekolah (Negeri, Swasta, dan Ma’arif), dan hobi. Dengan diketahuinya karakteristik-karakteristik mahasiswa yang diprediksi akan berkinerja rendah ini dapat menjadi salah satu bahan pertimbangan untuk bisa memperbaiki layanan pendidikan ataupun metode pembelajarannya. Permasalahan mahasiswa berkinerja rendah bisa segera dicarikan solusi dan kualitas kinerja mahasiswa Prodi Pendidikan Matematika bisa terus dijaga, bahkan juga ditingkatkan. Bisa dibayangkan kalau evaluasi seperti ini bisa diterapkan dan diaplikasikan secara rutin, setiap 2 tahun sekali proses evaluasi saja, maka gundukan data yang sejak awal dimiliki tidak akan hanya menjadi tumpukan barang dalam gudang, tetapi bisa jadi salah satu upaya penjagaan kualitas Universitas.
Penambangan data pendidikan, atau istilah kerennya Educational Data Mining, memang saat ini sedang menjadi tren yang bisa membantu mengoptimalkan besarnya volume data yang dimiliki Universitas agar tidak hanya menumpuk sebagai “arsip berdebu dalam gudang”. Analisis data akademik merupakan bidang analisis yang memanfaatkan informasi statistik, algoritma machine learning, dan penambangan data untuk dapat menemukan pola yang menarik dari beragam data dalam volume besar yang dimiliki Universitas. Hasil analisa Statistika memang bukanlah segalanya, sifatnya cenderung prediktif. Akan tetapi seperti yang pernah disampaikan Adriene Hill dalam chanel YouTube-nya, Crash Course-Statistics, bahwa Statistika itu ibarat tagline yang berbunyi, “Ketika kamu tidak yakin akan sesuatu, maka tidak melakukan apapun bukanlah suatu opsi”. Jangan biarkan database Universitas sekedar menjadi “gudang data berdebu”, manfaatkan dan optimalkan!
INFORMASI SEPUTAR PMB UNISMA KUNJUNGI pmb.unisma.ac.id
*)Penulis: Siti Nurul Hasana, S.Si., M.Sc, Dosen Program Studi Matematika FKIP, Universitas Islam Malang (UNISMA).
*)Tulisan Asli Opini ini di muat di timesindonesia.co.id (https://www.timesindonesia.co.id/read/news/285781/database-universitas-bukan-sekedar-gudang-arsip-manfaatkan-dan-optimalkan )
