OPINI | Pemanfaatan Big Data untuk Transformasi Sektor Pendidikan

Ilustrasi: bernardmarr.com

 

Muhammad Ivan*

Big Data sampai saat ini masih menjadi sebatas “istilah” yang belum kelihatan eksistensinya untuk menyelesaikan problem kebijakan publik.  Padahal penggunaan Big Data akan mengurai problem kebijakan sehingga dapat memicu akselerasi dari keefektifan sebuah kebijakan. Masyarakat saat ini menurut Pugna (2019) berada dalam—apa yang oleh para ahli— disebut era Big Data, menyebarkan tantangan dan manfaat baru melalui analisis semua data yang dihasilkan dalam lingkungan yang ditandai dengan kuantifikasi tinggi.

Mengutip Baiq (2010) bahwasanya permintaan data besar meningkat secara signifikan di berbagai bidang usaha seperti asuransi dan konstruksi (Dresner Advisory Services, 2017), perawatan kesehatan (Wang, Kung, & Byrd, 2018), telekomunikasi (Ahmed et al., 2018), dan e-commerce (Wu & Lin, 2018). Menurut Dresner Advisory Services (2017), teknologi (14%), jasa keuangan (10%), konsultasi (9%), kesehatan (9%), pendidikan (8%) dan telekomunikasi (7%) adalah sektor yang paling aktif dalam menghasilkan sejumlah besar data. Karakterisi Big Data menurut Saggi and Jain (2018) terbagi dalam 7 V yaitu Volume, Velocity, Variety, Valence, Veracity, Variability, dan Value.

Manshur (2021) menjelaskan bahwa ada potensi terjadi kesalahan memahami tentang esensi dan fungsi Satu Data, Big Data, dan Analitika Data. Satu Data dalam praktiknya bersifat “user friendly” sehingga dapat dipakai oleh berbagai kementerian/lembaga untuk melakukan analisa kebijakan. Analitika Data fokus pada pengumpulan, pengaturan, dan analisis data terhadap himpunan data yang besar untuk menemukan beragam pola yang berbeda. Sementara Big Data menerangkan  sebuah  himpunan  data  (dataset)  yang  besar,  berbeda-beda,  kompleks  dan/atau bersifat longitudinal yang dihasilkan dari berbagai macam instrumen, sensor dan/atau transaksi berbasis  komputer. 7 V dalam Big Data akan berkelindan bersama data longitudinal yang selaras dipergunakan untuk pengukuran  multidimensional dan dalam melakukan analisis masa depan.

Dalam kaitan dengan sektor pendidikan, pembangunan sumber daya manusia menjadi fokus pemerintah dalam RPJMN 2020-2024.  Paradigma pembangunan manusia ini akan sangat berkaitan dengan berbagai produk data yang ada di setiap kementerian dan lembaga serta instansi yang berkepentingan. Khusus untuk sektor pendidikan, Kemendikbud berperan besar untuk menjadi penyedia input data pembangunan manusia karena akan berkaitan dengan banyak hal, seperti jumlah lulusan, kualifikasi guru, kondisi ruang kelas, akreditasi, anggaran, APK dan APM (Angka Partisipasi Kasar dan Angka Partisipasi Murni), rasio, dan bantuan pemerintah. Himpunan data tersebut selama ini sudah masuk ke dalam Neraca Pendidikan Daerah (NPD) yang mulai diterbitkan sejak tahun 2016 memuat total 546 daerah yaitu NPD Nasional (1), NPD Provinsi (34), dan NPD Kabupaten/Kota (514). Namun data ini masih mentah dan belum mampu memberikan arah kebijakan untuk memastikan penyelesaian suatu isu.

Analisa NPD juga penting untuk dibenturkan dengan hasil riset dari berbagai penelitian yang berbeda. Dalam studi deskriptif analitis dengan menggunakan data sekunder di 62 kabupaten tertinggal di Indonesia (Khusaini, 2021) menunjukkan bahwa hampir di semua kabupaten tertinggal tingkat ketimpangan aspek mutu lulusan dan proses pembelajaran adalah relatif setara. Beberapa variabel yang kuat menghasilkan ketimpangan kualitas tenaga pendidik dan tenaga pendidikan diantaranya peraturan dan perundangundangan yang berlaku, gaji yang diterima, pengalaman guru, tingkat pendidikan, dan kebijakan pemerataan tenaga pendidik dan kependidikan. Data ini perlu tersedia untuk memastikan apa yang kurang dan perlu diperbaiki untuk memutus mata rantai rendahnya mutu pendidikan di daerah 3T. Big Data di sektor pendidikan akan menghasilkan gambaran yang bukan hanya kuantitatif, namun juga arah kebijakan yang dapat menopang mutu lulusan untuk tidak tertinggal terlalu dalam, sehingga sulit untuk beradaptasi dengan pasar kerja yang terus berubah.

Gambar 1. Tampilan Neraca Pendidikan Daerah yang Menyediakan Data Pendidikan 34 provinsi dan 514 kabupaten/kota.

Misalkan dalam pendirian sekolah baru seperti Sekolah Menengah Kejuruan. Penggunaan Big Data akan menunjukkan bahwa pendirian SMK di suatu wilayah tidak diperlukan dengan berbagai pertimbangan, salah satunya jumlah SMK di wilayah tersebut belum optimal dalam mengakomodir siswa. Contoh lain misalkan, jumlah pengangguran dari lulusan sebuah program studi langsung dapat digambarkan untuk membantu pemerintah mengevaluasi tentang kebutuhan pasar kerja yang sudah penuh. Pemerintah dapat langsung memberi penanganan yang akomodatif terhadap lulusan SMK yang masih menganggur dengan program pemerintah lainnya, seperti terlibat dalam pelatihan keterampilan tambahan yang ada di tiap pemda/kementerian/lembaga. Dengan Big Data, lulusan SMK yang belum bekerja tidak hanya berakhir dalam “data”,  melainkan mendapatkan penanganan langsung.

Kaitan antar data masih dalam internal sektor pendidikan, belum bersinggungan dengan variabel lainnya, seperti Indeks Pembangunan Manusia (IPM), sektor kesehatan, ketenagakerjaan, infrastruktur, e-commerce, gig economy, dan lain sebagainya. Anggap saja jumlah lulusan perguruan tinggi sudah mencapai APK 50 %, namun perlu dipertanyakan jika masih banyak lulusan perguruan tinggi yang menganggur, berarti ada ketidaksinkronan antara program studi dan pasar kerja baru yang lebih terspesifik di era digital.

Proyeksi pemerintah untuk menganalisi pasar kerja masa depan membutuhkan visi yang tajam dan ketersediaan data yang dapat dipertanggungjawabkan. Anomali data akan terjadi atau dianggap error misalkan data beberapa desa yang ternyata fiktif, pegawai yang fiktif, desa fiktif, dan lain sebagainya. Meskipun ini tidak signifikan dalam lingkup nasional, namun hal tersebut akan cukup menganggu jika akan melakukan analitika data daerah 3T. Ketiadaan pengangguran di suatu daerah bukan karena sekolah fiktif, melainkan banyak masyarakat yang berusia sekolah harus bekerja di sektor informal untuk membantu orang tua. Belum lagi selama pandemi, berapa anak harus putus sekolah karena menikah dini.

Transformasi sektor pendidikan melalui Big Data akan menyelesaikan problem baik jangka panjang maupun jangka pendek dapat diantisipasi secepat mungkin, dan upaya yang dikeluarkan akan sangat efektif, dengan anggaran yang tepat sasaran dan presisi kebijakan yang lebih berdampak.

 

* Penulis adalah Analis Kebijakan Kemenko PMK

 

Daftar Pustaka

 

Baig, Maria & Shuib, Liyana & Yadegaridehkordi, Elaheh. (2020). Big data in education: a state of the art, limitations, and future research directions. International Journal of Educational Technology in Higher Education. 17. 44. 10.1186/s41239-020-00223-0.

Khusaini, Khusaini. 2021. Disparitas Mutu dan Akses Pendidikan di Daerah Tertinggal dalam Muhammad Ivan dkk (ed). Pendidikan dan Human Capital. Bogor: Ranka Publishing

Manshur, Agus. (2021). Satu Data, Big Data dan Analitika Data: Urgensi Pelembagaan, Pembiasaan dan Pembudayaan. Bappenas Working Papers. 4. 30-46. 10.47266/bwp.v4i1.82.

Pugna, Irina Bogdana, Adriana Duțescu, and Oana Georgiana Stănilă. 2019. Corporate attitudes towards Big Data and its impact on performance management: A qualitative study. Sustainability 11: 1–26. doi:10.3390/su11030684

Saggi, M. K., & Jain, S. (2018). A survey towards an integration of big data analytics to big insights for value-creation. Information Processing & Management, 54(5), 758–790. https://doi.org/10.1016/j.ipm.2018.01.010.

 

 

Print Friendly, PDF & Email