Oleh: Rizka Hutami (Direktorat Penilaian)

Pendahuluan

Tidak ada instansi yang mampu berjalan secara efektif tanpa adanya data yang berkualitas tinggi. Konsep Big Data telah ada selama bertahun-tahun; sebagian besar organisasi sekarang mengerti bahwa jika organisasi mampu menangkap semua data yang mengalir ke bisnis, organisasi dapat menerapkan analitik dan mendapatkan nilai manfaat yang signifikan dari data tersebut. Beberapa tahun yang lalu sebuah bisnis atau organisasi akan mengumpulkan informasi, menjalankan analitik, dan menggali informasi yang dapat digunakan untuk keputusan di masa mendatang, kini bisnis dapat mengidentifikasi wawasan yang didapat untuk keputusan segera. Kemampuan untuk bekerja lebih cepat dan akuntabel memberi organisasi keunggulan kompetitif yang tidak dimiliki sebelumnya.

Direktorat Penilaian Direktorat Jenderal Kekayaan Negara, sebagai salah satu unit pada instansi pemerintah, yang didalamnya data memiliki peranan yang sangat penting dapat mengadopsi teknologi Big Data ke dalam proses bisnisnya. Hal ini dapat dilakukan untuk meningkatkan kualitas penilai pemerintah, penyusunan kebijakan maupun standardisasi penilaian (data-driven-policymaking) serta pengembangan proses/metodologi penilaian itu sendiri. Saat ini, penelitian yang memanfaatkan Big Data di lingkungan Direktorat Jenderal Kekayaan Negara masih belum populer, khususnya di kalangan penilai. Keterbatasan piranti lunak serta keterbatasan akses terhadap data dianggap menjadi salah satu penyebabnya.

Kesiapan penerapan Big Data dalam sebuah organisasi dilakukan untuk menunjukkan proses evolusi yang sedang dan telah dilakukan oleh sebuah organisasi dalam mengintegrasikan, mengelola, dan memanfaatkan semua sumber data yang relevan baik internal dan eksternal. Hal ini mencakup menciptakan ekosistem yang inovatif, memberikan nilai bisnis yang bermanfaat dan memungkinkan transformasi yang berdampak. Dengan kata lain, kesiapan penerapan Big Data tidak hanya memiliki beberapa tekonologi untuk menangani data dengan volume tinggi atau tentang menggunakan media sosial untuk menganalisis opini publik, tetapi sebuah proses yang melibatkan pembangunan ekosistem yang mencakup teknologi, manajemen data, analisis, pengaturan dan komponen organisasi (Halper, Fern, & Krishnan, 2013).

Penggunaan teknologi Big Data mulai dilakukan oleh banyak sektor private di Indonesia pada tahun 2013. Sedangkan di sektor pemerintahan atau publik, penerapan Big Data masih sangat terbatas. Berdasarkan penelitian yang dilakukan oleh Sirait pada tahun 2016, terdapat implementasi teknologi Big Data pada 4 (empat) instansi pemerintahan yang telah memulai menginisiasi dan memanfaatkan Big Data pada proses bisnisnya. Berdasarkan deskripsi kualitatif yang dilakukan Sirait pada tahun 2016, juga diketahui level kesiapan penerapan teknologi di keempat instansi tersebut apakah penerapan teknologi Big Data berada pada tahap nascent, pre-adoption, early adoption, corporate adoption, atau mature/visionary sesuai dengan model TDWI Big Data Maturity Model adalah sebagai berikut:

1. LKPP: Tahap pre-adoption

LKPP telah mulai mempersiapkan dan menginvestasikan infrastruktur dan menguji coba beberapa aplikasi untuk Big Data analitik. LKPP juga telah mempunyai kebijakan, perencanaan proses bisnis dan cakupan yang akan dilakukan dengan Big Data. Namun, strategi serta budaya implementasi, dan mekanisme kerja belum terbentuk dan belum diimplementasikan. Arsitektur dari infrastruktur yang dikembangkan serta tata kelolanya juga belum dapat ditunjukkan.

2. Ditjen Pajak: Tahap pre-adoption

Ditjen Pajak juga sudah memiliki kesadaran untuk melakukan perbaikan proses bisnis dengan melibatkan penerapan teknologi Big Data. Ditjen Pajak juga sudah mulai bereksperimen dengan beberapa tools analitik Big Data, namun sistem analitik tersebut belum berjalan dan dipakai untuk memecahkan masalah.

3. Badan Informasi Geospasial (BIG): tahap pre-adoption

BIG telah mengantisipasi penerapan teknologi Big Data dalam proses bisnisnya, dengan menginvestasikan infrastruktur pendukung. Namun mekanisme kerja dan budaya analitik belum terlaksana. Kekuatan BIG menuju Big Data terletak pada ketersediaan beragam data yang update, real time, terintegrasi dan terbuka, sehingga memungkinkan pemanfaatannya untuk kepentingan berbagai sektor.

4. Pemerintah Kota Bandung: corporate adoption

Sedikit berbeda dengan ketiga instansi lainnya, infrastruktur penunjang Big Data pada Pemkot Bandung telah terintegrasi, dimana end users (masyarakat, SKPD, kecamatan) sudah dilibatkan dalam sistem dan mendapatkan manfaat dari penerapan teknologi Big Data. Kondisi real di lapangan dapat diketahui sehingga pimpinan dapat mengambil keputusan dan meningkatkan kualitas layanan serta fasilitas pemerintah kepada masyarakat dengan informasi yang ada.

Pembahasan

Penerapan Big Data di Direktorat Penilaian dapat dikategorikan berada pada tahap pre-adoption. Kesadaran dari Direktorat Penilaian dan pimpinan telah terbentuk untuk melakukan perbaikan proses bisnis dengan melibatkan teknologi Big Data. Organisasi juga sudah mulai bereksperimen dengan beberapa tools pendukung Big Data, namun sistem analitik belum berjalan dan dipakai untuk memecahkan masalah. Direktorat Penilaian juga telah mengantisipasi penggunaan Big Data dalam proses bisnisnya, dan telah menginvestasikan infrastruktur pendukung, namun mekanisme kerja dan budaya analitik belum terlaksana. Kekuatan Direktorat Penilaian menuju Big Data terletak pada ketersediaan beragam data yang update, real time, terintegrasi dan terbuka, sehingga memungkinkan pemanfaatannya untuk berbagai kepentingan. Bentuk-bentuk penerapan Big Data pada Direktorat Penilaian masih sangat luas serta masih dapat terus dikembangkan. Beberapa peluang penerapan Big Data pada Direktorat Penilaian antara lain dan tidak terbatas pada: Profiling Penilai Pemerintah, Pengembangan Metode Penilaian, Optimasi Waktu dan Biaya, Pengambilan Kebijakan Strategis dan Penyusunan Peraturan Penilaian.

Dibalik berbagai peluang penggunaan Big Data, hal terpenting yang perlu diperhatikan oleh Direktorat Penilaian adalah perencanaan yang matang dalam memutuskan pemanfaatan teknologi Big Data agar sesuai dengan kebutuhan organisasi. Jangan sampai Direktorat Penilaian menggunakan Big Data analitik dan mengalokasikan anggaran besar untuk implementasinya tanpa tujuan serta perencanaan yang jelas. Sebab data besar menimbulkan peluang dan tantangan besar, namun kekuatannya tidak hanya bergantung pada teknik pengolahan data yang digunakan, tetapi lebih kepada bagaimana hasilnya dapat menjadi pengetahuan yang digunakan untuk membuat keputusan cerdas (Charles, Vincent, & Tatiana, 2013). Untuk membantu Direktorat Penilaian dalam menangkap peluang dari penerapan Big Data, perlu disusun kerangka konseptual penerapan Big Data pada Direktorat Penilaian. Kerangka konseptual ini dapat diadopsi dari kerangka konseptual yang telah diimplementasikan oleh berbagai instansi. Berikut merupakan penjelasan mengenai setiap tahapan dalam kerangka konseptual penerapan Big Data:

1. Data Sources

Pada tahapan pertama yaitu Data Sources atau sumber data, organisasi berfokus pada aktivitas bagaimana/cara mendapatkan data yang dibutuhkan dalam proses bisnis organisasi. Sumber data yang dapat digunakan oleh Direktorat Penilaian sangat beragam jenisnya dan berasal dari berbagai sumber. Berdasarkan sumber data, data yang dapat digunakan oleh Direktorat Penilaian dapat dikelompokkan menjadi dua jenis data, yaitu data survei dan data non-survei. Data survei merupakan data yang dihimpun dari kegiatan survei. Data non-survei merupakan data yang bersumber dari unit kerja atau instansi lain. Sumber data non-survei dapat berupa integrasi data dengan aplikasi internal DJKN (e-Auction) maupun integrasi atau pertukaran data dengan instansi eksternal.

2. Data Preparation

Data Preparation adalah proses untuk mengumpulkan, membersihkan (cleansing), mengkonsolidasikan data ke dalam sebuah file atau database, untuk kebutuhan analisis selanjutnya. Saat ini, sebagian besar data pada Direktorat Penilaian telah terekam pada Sistem Informasi Penilaian (SIP). Pada umumnya dalam proses Big Data analitik, salah satu tahapan yang membutuhkan banyak waktu dan sumber daya adalah proses penyiapan data. Bagaimana data tersebut direncanakan dari awal untuk mengurangi waktu serta sumber daya yang dibutuhkan dalam proses data preparation dapat membantu Direktorat Penilaian untuk mengoptimalkan teknologi Big Data analitik.

3. Data Analytics

Data Analytics merupakan proses yang berkaitan dengan informasi yang organisasi ingin dapatkan, atau hasil pengelolaan data melalui berbagai proses. Tahap analitik yang dilakukan terdiri dari descriptive (penggambaran data), diagnostic (mencari sebab akibat berdasar data), predictive (memprediksi kejadian di masa depan) maupun prescriptive analytics (merekomendasikan pilihan dan implikasi dari setiap opsi). Selain text data mining, tools lainnya yang sering digunakan dalam Big Data analitik adalah Machine Learning, baik unsupervised maupun supervised machine learning. Machine Learning adalah cabang aplikasi dari Artificial Intelligence (Kecerdasan Buatan) yang fokus pada pengembangan sebuah sistem yang mampu belajar sendiri tanpa harus berulang kali diprogram oleh manusia.

4. Decision and/or Policy Making

Pada proses ini, seluruh informasi yang didapatkan dari mulai data sources, data preparation serta data analytics ditampilkan baik dalam bentuk visualisasi seperti chart, infografis maupun dalam bentuk reporting sebagai bahan pembentuk kebijakan menuju data-driven-policymaking.

Di balik berbagai peluang penerapan Big Data analitik dalam proses bisnis Direktorat Penilaian yang telah dibahas sebelumnya, implementasi teknologi Big Data memiliki berbagai tantangan tersediri. Berbagai tantangan yang dapat diidentifikasi pada Direktorat Penilaian antara lain:

1. Ketersediaan Data Penilaian

Hal ini yang dirasakan oleh Direktorat Penilaian, bahwa fase pengumpulan data menjadi tantangan utama. Akses terhadap data, baik data lama maupun data baru dapat menjadi tantangan untuk penerapan Big Data analitik, terlebih pada data lama Direktorat Penilaian yang tersimpan dalam bentuk file yang berbeda-beda dan beragam bahkan seringkali dalam bentuk laporan fisik. Selain itu, akses terhadap data juga membutuhkan izin serta lisensi untuk mengakses data-data non-publik secara legal. Terlebih jika terdapat ego sektoral antar instansi pemerintah sebagai pemilik data. Kondisi saat ini di Indonesia, untuk berbagai jenis kebutuhan sudah tersedia dan banyak, namun sumbernya tersebar, sehingga dibutuhkan usaha lebih untuk mendapatkan data terpadu secara nasional. Maka prinsip Sharing Data bahkan Open Data diperlukan.

2. Standardisasi Data Penilaian

Untuk dapat meningkatkan pemanfaatan data pemerintah, meningkatkan transparansi dan akuntabilitas pemerintah, sesuai dengan prinsip Open Data, data yang tersedia di Direktorat Penilaian perlu disajikan dalam bentuk standar/platform tertentu yaitu format yang dapat dengan mudah digunakan untuk analisis, dapat dibaca dengan mesin dan bersifat interoperabilitas (misalnya dalam format .xls atau .csv dan bukan dalam bentuk scan dokumen atau scan pdf).

3. Kompetensi Sumber Daya Manusia

Dalam memanfaatkan Big Data analitik di Direktorat Penilaian, idealnya dibutuhkan sumber daya manuasia yang ahli dibidang analisis data (data scientist). Data scientist tidak mengembangkan analytic tools sendiri, namun harus mampu memilah aneka tools yang akan dipakai, serta menyeleksi dan mengorganisasi data yang akan dianalisis. Selain data scientist, Direktorat Penilaian juga memerlukan SDM yang memiliki kemampuan analitik, keahlian pemrograman komputer dan kreativitas untuk menentukan metode baru yang dapat dilakukan untuk mengumpulkan, menginterpretasi dan menganalisis data.

4. Infrastruktur Penunjang Big Data Analitik

Pemerintah dapat menggunakan tools Big Data dari pihak ketiga yang telah disesuaikan dengan kebutuhan, maupun membangun dan memelihara sendiri sistem Big Data yang dibutuhkan. Selain menggunakan pihak ketiga, Direktorat Penilaian juga dapat melakukan analisis Big Data analitik yang beredar di pasar melalui sistem open source.

5. Keterbukaan Informasi Publik

Keterbukaan informasi publik merupakan isu tersendiri dalam instansi pemerintahan dan harus tetap diperhatikan kemajuan dan implementasi teknologi. Data-data analisis yang digunakan sebagai Big Data oleh misalnya data Barang Milik Negara, yang diperoleh langsung dari proses penilaian merupakan data yang dapat disalahgunakan oleh pihak lain. Penggunaan teknologi Big Data yang tidak bijak rawan akan isu keterbukaan informasi publik. Keamanan data negara tetap harus diperhatikan, dimana tindakan kriminal yang muncul akibat terbukanya informasi harus diantisipasi, terlebih yang berpengaruh terhadap kestabilan negara.

Simpulan dan Saran

Peranan data pada Direktorat Penilaian sangat penting terutama dalam hal analisis baik untuk proses penilaian maupun analisis dalam pengambilan kebijakan publik. Ketersediaan data dalam skala besar dari berbagai sumber saat ini seharusnya mendorong pemerintah, terutama Direktorat Penilaian, untuk memanfaatkannnya melalui penerapan Big Data analitik dalam proses bisnis. Penerapan Big Data analitik memiliki peluang serta manfaat dengan potensial yang sangat luas dan besar. Dengan menggunakan data, kebijakan strategis serta standardisasi atau peraturan penilaian bisa didesain dan diimplentasikan lebih efektif dan tepat untuk mencapai sasaran.

Dari hasil kajian yang telah dilakukan secara kualitatif, dapat disimpulkan bahwa Direktorat Penilaian berada pada tahap pre-adoption, mengacu pada TDWI Big Data Maturity Model. Terkait tantangan dalam adopsi teknologi Big Data pada Direktorat Penilaian dapat disimpulkan 5 hal, mencakup ketersediaan data, standardisasi data penilaian, kompetensi SDM, infrastruktur penunjang serta keterbukaan informasi publik. Untuk itu, Direktorat Penilaian perlu secara cermat merencanakan dan mengimplementasikan teknologi Big Data analitik.

Untuk merencanakan serta mengimplementasikan teknologi Big Data, Direktorat Penilaian dapat mengembangkan kerangka konseptual penerapan Big Data sesuai dengan arah organisasi serta perkembangan proses bisnis didalamnya. Kerangka konseptual yang tersaji dalam kajian ini merupakan salah satu kerangka konseptual yang dapat diterapkan, dimulai dari tahapan Data Sources, Data Preparation, Data Analytics serta Decision and/or Policy Making.

Berdasarkan kesimpulan yang dihasilkan dalam kajian ini, selanjutnya langkah yang dapat dilaksanakan oleh Direktorat Penilaian sebagai implementasi Big Data analitik adalah sebagai berikut:

1. Mengembangkan struktur organisasi serta uraian jabatan sesuai kebutuhan organisasi dalam implementasi Big Data analitik pada Direktorat Penilaian.

2. Mengembangkan sumber daya manusia melalui pendidikan dan pelatihan yang bertema Big Data analitik untuk membekali sumber daya manusia pada Direktorat Penilaian dalam proses analisis data.

3. Menjalin penelitian bersama dengan institusi akademik maupun institusi lainnya yang leading dalam bidang Big Data analitik. Penelitian ini dapat membantu Direktorat Penilaian mempercepat pengembangan model-model analitik yang diharapkan. Selain itu, penelitian bersama ini nantinya juga akan mempercepat proses Direktorat Penilaian untuk mempelajari tools yang tersedia dari institusi akademik yang memiliki keunggulan dalam bidang Big Data analitik.

Alamsyah, A. (2015). (Big) Data Analytics for Economics, Business and Management: A Social Network Approach. In Workshop Big Data Puslitbang Aptika dan IKP,tanggal 19 Mei 2015. Puslitbang Aptika dan IKP.

Aryasa, K. (2015). Big Data: Challenges and Opportunities. In Workshop Big Data Puslitbang Aptika dan IKP, tanggal 19 Mei 2015. Puslitbang Aptika dan IKP.

Boyd, D. And Crawford, K. (2012). ‘Critical questions for big data: provocations for a cultural, technological, and scholarly phenomenon’. Information, Communication & Society, 15(5), pp. 662-679.

Chandarana, Parth, & Vijayalakshmi, M. (2014). Big Data analytics frameworks: Circuits, Systems, Communication and Information Technology Applications (CSCITA). In International Conference on IEEE 2014. IEEE.

Charles, Vincent, & Tatiana, G. (2013). Achieving Competitive Advantage through Big Data: Strategic Implications. Middle-East Journal of Scientific Research, 16(8), ISSN 1990- 9233.

Colas, M. (2014). Cracking the Data Conundrum: How Successful Companies Make Big Data Operational. Capgemini Consulting.

Davenport, Thomas, H., & D.J, P. (2012). Data Scientist: The Sexiest Job of the 21st Century. Harvard Business Review.

Davenport, T.H., & & Dyche, J. (2013). Big data in Big Companies. Internasional Institute for Analytics.

Friedman, J. (1997). Data Mining and Statistics: What are the Connections?

Halper, Fern, & Krishnan, K. (2013). TDWI Big Data Maturity Model Guide: Interpreting Your Assessment Score. Retrieved from tdwi.org

Jeble, S. et al (2018). Role of Big Data in Decision Making. Operations and Supply Chain Management, 11(1), pp. 36-44.

Khafid. (2015). Pengelolaan Data dan Informasi Geospasial. In Konferensi Big Data Indonesia, tanggal 1 Desember 2015.

Praveen, S. & Chandra U. (2017). Influence of Structured, Semi-Structures, Unstructured Data on Various Data Models. Internasional Journal of Scientific and Engineering Research Volume 8, ISSN 2229-5518.

Rainer, Kelly, R., & Cegielski., C. G. (2009). Introduction to Information Systems. John Wiley & Sons (Asia) Pte Ltd.

Russom, P. (2011). Big Data Analytics. TDW Best Practices Report, Fourth Quarter, pp. 1-35. Rheinland, TUV; (2019); Big Data Analyst Certification Presentation.