sim-manajement-book/worksheets/worksheet-A05.md

WORKSHEET A.5 — Audit Kualitas Data Organisasi

Bab 5 — Data dan Informasi sebagai Aset Organisasi Dokumen ini bersifat standalone — dapat dikerjakan tanpa membuka buku teks.

---

Ringkasan Materi

Pipeline Konsep Bab 5

Data Mentah → Informasi (konteks + makna) → Pengetahuan (pola + interpretasi)
  → Kebijaksanaan (keputusan + tindakan)
  → Audit: Akurasi × Kelengkapan × Konsistensi × Ketepatan Waktu

Tabel Komparasi: Piramida DIKW

Level	Contoh	Nilai bagi Manajer
Data	1 juta baris transaksi	Nol — tanpa pengolahan
Informasi	"Penjualan Jawa Tengah turun 15% Q3 vs Q2"	Mengetahui apa yang terjadi
Pengetahuan	"Penurunan karena kompetitor membuka 20 outlet baru"	Mengetahui mengapa terjadi
Kebijaksanaan	"Buka distribution center baru di Semarang sebelum Q4"	Mengetahui apa yang harus dilakukan

Definisi Kunci

1. Kualitas Data (Data Quality) — tingkat di mana data memenuhi empat dimensi: akurasi, kelengkapan, konsistensi, dan ketepatan waktu.
2. Tata Kelola Data (Data Governance) — kerangka kebijakan, proses, dan tanggung jawab untuk mengelola data sebagai aset organisasi secara konsisten dan akuntabel.
3. Dark Data — data yang dikumpulkan dan disimpan tetapi tidak pernah dianalisis atau digunakan; mencakup 60–73% total data organisasi.
4. Siklus Hidup Data (Data Lifecycle) — tahapan dari pengumpulan, penyimpanan, pengolahan, distribusi, pengarsipan, hingga pemusnahan.

Prinsip Utama

1. Volume data tidak sama dengan kualitas keputusan — hanya 32% organisasi menganggap data mereka fit for purpose.
2. Data berkualitas buruk menelan biaya rata-rata $12,9 juta per tahun per organisasi.
3. Organisasi dengan formal data governance memiliki 40% lebih sedikit insiden terkait data.
4. Data adalah aset strategis — perusahaan yang memperlakukan data sebagai aset strategis memiliki valuasi 20–30% lebih tinggi.

---

Template A.5 — Audit Kualitas Data Organisasi

======================================
TEMPLATE A.5 — AUDIT KUALITAS DATA ORGANISASI
======================================

Nama Organisasi      : ________________________________________
Dataset yang Diaudit : ________________________________________
Sumber Data          : ________________________________________
Tanggal Audit        : ________________________________________
Auditor              : ________________________________________

═══════════════════════════════════════════════════════════════

DIMENSI 1: AKURASI
Jumlah record total              : ________
Jumlah record dengan error       : ________
Akurasi rate                     : _____%
Contoh error yang ditemukan      : ________________________________________
Penyebab utama inakurasi         : ________________________________________

DIMENSI 2: KELENGKAPAN
Jumlah field wajib               : ________
Jumlah field kosong / null       : ________
Kelengkapan rate                 : _____%
Field yang paling sering kosong  : ________________________________________
Penyebab utama data tidak lengkap: ________________________________________

DIMENSI 3: KONSISTENSI
Jumlah record duplikat           : ________
Inkonsistensi format ditemukan   : ________________________________________
Cross-check antar sistem         : [ ] Konsisten  [ ] Ada perbedaan: ________
Penyebab utama inkonsistensi     : ________________________________________

DIMENSI 4: KETEPATAN WAKTU
Frekuensi update data            : ________________________________________
Delay rata-rata dari event ke record: ________________________________________
Data terakhir di-update          : ________________________________________
Delay berdampak pada keputusan?  : [ ] Ya: ________________  [ ] Tidak

═══════════════════════════════════════════════════════════════

RINGKASAN AUDIT
Skor keseluruhan (1–5)           : ____
Dimensi terlemah                 : ________________________________________
Risiko tertinggi                 : ________________________________________
Rekomendasi perbaikan prioritas  :
  1. ________________________________________
  2. ________________________________________
  3. ________________________________________

Data layak untuk keputusan?      : [ ] Ya  [ ] Ya dengan catatan  [ ] Tidak

---

Latihan

Latihan 1 — Identifikasi Dark Data

Identifikasi data yang dikumpulkan organisasi tetapi tidak pernah dianalisis.

Dataset	Sumber	Sejak Kapan Dikumpulkan	Pernah Dianalisis?	Potensi Nilai Jika Dianalisis
Log akses WiFi kantor — tercatat otomatis di router sejak 2019	Router mikrotik	2019	Tidak pernah	Pola kehadiran karyawan, deteksi anomali jam kerja
________________________	____________	____________	____________	________________________
________________________	____________	____________	____________	________________________

Latihan 2 — Audit Kualitas Data per Dimensi

Pilih satu dataset penting di organisasi Anda dan audit dengan 4 dimensi.

Dimensi	Skor (1–5)	Temuan Spesifik	Dampak pada Keputusan
Akurasi	2 — ditemukan 340 dari 5.000 record alamat pelanggan yang salah ketik	Pengiriman salah alamat 7% per bulan	Biaya retur Rp 15 juta/bulan, pelanggan komplain
Kelengkapan	___	________________________	________________________
Konsistensi	___	________________________	________________________
Ketepatan Waktu	___	________________________	________________________

Latihan 3 — Rancangan Data Governance Sederhana

Tetapkan peran tata kelola data untuk satu dataset kritis.

Peran	Siapa (Nama/Jabatan)	Tanggung Jawab	Frekuensi Review
Data Owner	Manajer Penjualan — Budi Santoso	Menetapkan kebijakan data pelanggan, menyetujui akses	Kuartalan
Data Steward	________________________	________________________	____________
Data Quality Rules	________________________	________________________	____________
Access Control	________________________	________________________	____________

---

Refleksi

1. Organisasi Anda mengumpulkan banyak data setiap hari. Berapa persen yang benar-benar dianalisis dan digunakan untuk keputusan — dan mengapa sisanya terabaikan?

2. Jika kualitas data organisasi Anda saat ini bernilai 2 dari 5, langkah pertama apa yang akan Anda ambil — dan mengapa langkah itu lebih penting dari langkah lainnya?

---

Self-Check

[ ] Saya bisa menjelaskan perbedaan Data, Informasi, Pengetahuan, Kebijaksanaan dengan contoh
[ ] Saya bisa mengaudit kualitas data menggunakan 4 dimensi (akurasi, kelengkapan, konsistensi, ketepatan waktu)
[ ] Template A.5 sudah terisi lengkap dengan skor, temuan, dan rekomendasi perbaikan