PEMANFAATAN DATA DARI PENINGKATAN PEMBELAJARAN SAMPAI AKUNTABILITAS PENDIDIKAN

JAKARTA, 26 SEPTEMBER 2013

The World Bank - Education Team

Banyak hal berawal dari data

Perencanaan dan alokasi sumber daya yang tepat

Mengukur dan meningkatkan kinerja

Pengambilan keputusan Meningkatkan hasil (outcome)

pendidikan Mendukung inisiatif transparansi

dan akuntabilitas pendidikan Dsb.

Pengambilan keputusan berbasis data dan bukti

Dikutip dari Regional Educational Laboratory

Serba-serbi klasifikasi data

Bentuk: kuantitatif dan kualitatif Tipe data utama: teks,

observasi/transaksional, multimedia Dinamika data: statik, real time Keterwakilan/cakupan: keseluruhan

populasi dan berdasarkan sampel Variabilitas: binary, kategori, continuous,

gabungan Referensi ruang: point, garis, area,

permukaan Agregat: micro dan macro data Ukuran: moderat, besar, sangat besar

Data dalam bentuk elektronik

Teknologi memudahkan pengumpulan, penyimpanan, integrasi, pencarian/pengambilan, analisa, dan presentasi data

Pengelolaan Database Relasional: memungkinkan berbagai bentuk data diorganisasikan dalam hirarki dan jaringan data untuk kemudahan penyimpanan, pengelolaan dan pemanfaatan

Kemutakhiran teknologi untuk mengelola Big Data (data organisasi, transaksional, publik, jejaring sosial)

Big Data is Getting BiggerD

ata

Gro

wth END-USER

APPLICATIONS

THE INTERNET

MOBILE DEVICES

SOPHISTICATEDMACHINES

STRUCTURED DATA – 10%

COMPLEX DATA – 90%

1980 TODAY

Dari presentasi Cloudera

Pemanfaatan data dalam keprofesian

Referensi sederhana Melakukan pembandingan:

perbandingan sederhana sampai dengan benchmarking

Melakukan proyeksi dalam rangkaian waktu

Melakukan evaluasi dan analisis

Data dan pemrosesannya

Memikirkan pentingnya/signifikansi dari studi dan penelaahan data

Pentingnya (rancangan) metodologi dalam melakukan pemanfaatan data: Bentuk studi yang dilakukan – menentukan

pengolahan dan pemanfaatan data (mis. Deskriptif, Komparatif, Korelasi-Regresi-Proyeksi, Analisis Faktor, Studi Kasus, dsb)

Pertanyaan penelitian – variabel – populasi dan sampel

Memperhatikan kualitas data dalam proses koleksi, analisis, dan pelaporan (Referensi: SABER EMIS dan UIS UNESCO)

Pemanfaatan Data

Peningkatan Mutu Pembelajaran

Peningkatan Keprofesian Guru

Tata Kelola – Transparansi dan Akuntabilitas

Pemanfaatan Data: Awali dengan pertanyaan yang tepat

Data untuk mutu pembelajaran (1): Contoh pertanyaan awal

Apa yang perlu diketahui para siswa, dan bagaimana mereka dapat menggunakan apa yang mereka ketahui?

Bagaimana kita menilai prestasi siswa? Bagaimana dengan prestasi siswa

yang sesungguhnya? Seberapa jauh capaian mereka?

Bagaimana kita dapat meningkatkan prestasi siswa

(Hibbard dan Yakimowski, 1997)

Data untuk mutu pembelajaran (2): Contoh data yang dibutuhkan

Data sekunder atau primer tentang hasil asesmen siswa (dalam bentuk skor maupun portofolio)

Data agregat di kelas atau sekolah dalam keterwakilan di populasi tertentu

Data dalam rangkaian waktu tertentu

Data kependudukan, profil daerah

dsb

Data untuk mutu pembelajaran (3): Apa yang dapat direkomendasikan dari data

Tingkat keterampilan siswa Kesenjangan individual maupun

kelompok yang perlu dijembatani Kebutuhan khusus siswa Strategi mengajar Strategi dan keterampilan guru dalam

asesmen Kesiapan masuk perguruan tinggi Dampak intervensi pendidikan tertentu

terhadap prestasi siswa dsb

Data untuk pengembangan keprofesian guru (1): Contoh pertanyaan awal

Kompetensi guru: Bagaimanakah kompetensi guru dapat diuji dan dipetakan untuk pengembangan keprofesian berkelanjutan? Bagaimana kompetensi guru dapat menentukan kebutuhan dan distribusi guru di berbagai sekolah atau daerah?

Kinerja guru: Bagaimanakah kinerja guru selama ini? Bagaimanakah kinerja guru dinilai? Bagaimanakah kinerja guru dapat menentukan sanksi dan insentif?

Pengembangan Keprofesian Berkelanjutan: Pendidikan dan pelatihan apa sajakah yang perlu disediakan? Alokasi sumberdaya apa sajakah yang perlu diberikan oleh Kementerian, Pemerintah Provinsi maupun Kabupaten/Kota?

Profil sekolah dan daerah Profil guru di sekolah maupun

keterwakilan populasi tertentu Rekaman rekrutmen guru baru dan

mutasi guru Hasil uji dan pemetaan kompetensi

guru Hasil penilaian kinerja guru Hasil asesmen siswa dsb

Data untuk pengembangan keprofesian guru (2): Contoh data yang dibutuhkan

Data untuk pengembangan keprofesian guru (3): Pemanfaatan Data

Perencanaan dan alokasi sumber daya untuk UKG, PKG, dan PKB

Uji Kompetensi Guru (UKG)

Penilaian Kerja Guru

(PKG)

Pengembangan

Keprofesian Berkelanjutan

(PKB)

Tata Kelola, Akuntabilitas dan Transparansi Pendidikan (1): Contoh pertanyaan awal

Bagaimana kita dapat mendokumentasikan dan melakukan analisis situasi saat ini?

Apakah masalah/tantangan yang kita hadapi dalam pengelolaan sekolah dan pendidikan di provinsi maupun kabupaten/kota?

Apakah yang menjadi prioritas pendidikan berdasarkan data yang ada? Kesenjangan apakah yang paling utama dan mendesak?

Bagaimanakah kemajuan pendidikan dari waktu ke waktu?

Bagaimanakah kita mengkomunikasikan capaian pendidikan kepada publik? Bagaimana kita dapat memperoleh masukan data dan informasi dari publik?

Data capaian pendidikan Laporan keuangan Data agregat/makro Hasil studi (analisis deskriptif,

studi kasus, analsisis dampak, dsb)

Meta data Masukan atau diskursus publik dsb

Tata Kelola, Akuntabilitas dan Transparansi Pendidikan (2): Contoh data yang dibutuhkan

Pengambilan keputusan dan dialog kebijakan

Alokasi sumber daya Koordinasi dan dukungan

terhadap sekolah, individu guru,

Tata Kelola, Akuntabilitas dan Transparansi Pendidikan (3): Pemanfaatan Data

http://www.ihsn.orghttp://www.checkmyschool.org/http://bantusekolahku.kemdikbud.org

Beberapa situs bermanfaat

www.ihsn.org – informasi dan instrumen pengelolaan data (PREM WB & BPS)

www.checkmyschool.org (WBI & DepEd Philippines)

bantusekolahku.kemdikbud.go.id - mengundang partisipasi publik

5 fitur utama

Melihat kebutuhan sekolah

pbodrogini@worldbank.org

Terimakasih – semoga bermanfaat

Dari presentasi Cloudera

THE HADOOP WAYTHE OLD WAYSingle data platform for

storage, BI, analytics, and app serving

Multiple platforms for multiple workloads

SIMPLE, UNIFIED, EFFICIENT

• Data stored on scalable, low-cost platform• Hadoop handles a variety of workloads• Perform end-to-end workflows on single system• Provides broad data access across departments

COMPLEX, FRAGMENTED, COSTLY

•Data siloed by department or line of business•Mostly stored in expensive specialized systems • Analysts only retrieve data into EDW when needed•Nobody in the organization has a complete view