Transformasi digital telah mengubah cara perguruan tinggi dalam mengelola kegiatan akademik, administrasi, penelitian, pengabdian kepada masyarakat, serta pelayanan kepada mahasiswa. Berbagai aktivitas tersebut menghasilkan data dalam jumlah yang semakin besar dan berasal dari berbagai sumber. Sistem informasi akademik, sistem kepegawaian, sistem keuangan, perpustakaan digital, Learning Management System (LMS), penerimaan mahasiswa baru, penelitian, media sosial, hingga berbagai aplikasi layanan akademik dan administrasi menjadi sumber data yang terus berkembang.
Begitu juga di UIN Siber Syekh Nurjati Cirebon, data yang dihasilkan pada saat ini tidak lagi sekadar digunakan untuk kebutuhan administrasi dan pelaporan. Apabila dikelola dengan baik, data dapat menjadi aset strategis untuk mendukung pengambilan keputusan, meningkatkan kualitas layanan, mengukur kinerja institusi, melakukan evaluasi program studi, serta memahami kebutuhan mahasiswa.
Dalam konteks tersebut, konsep Big Data menjadi semakin relevan bagi perguruan tinggi. Big Data tidak hanya menunjukkan data dalam jumlah besar, tetapi juga memiliki karakteristik tertentu yang dikenal dengan konsep 4V, yaitu Volume, Velocity, Variety, dan Veracity. Keempat karakteristik tersebut menggambarkan tantangan yang harus dihadapi perguruan tinggi dalam mengelola data sekaligus peluang yang dapat dimanfaatkan untuk meningkatkan kualitas tata kelola pendidikan tinggi.
- Volume: Pertumbuhan Data Perguruan Tinggi yang Semakin Besar
Volume menggambarkan jumlah data yang sangat besar dan terus bertambah. Perguruan tinggi merupakan organisasi yang menghasilkan data dari berbagai aktivitas setiap hari. Data mahasiswa, dosen, tenaga kependidikan, mata kuliah, nilai, presensi, pembayaran, penelitian, publikasi, lulusan, perpustakaan, hingga aktivitas pembelajaran digital dapat menghasilkan data dalam jumlah yang sangat besar.
Sebagai contoh, data seorang mahasiswa tidak hanya terdiri atas identitas dan data akademik. Selama menempuh pendidikan, mahasiswa dapat menghasilkan berbagai rekam data seperti pengisian KRS, nilai, presensi, aktivitas pada LMS, penggunaan perpustakaan, kegiatan kemahasiswaan, pembayaran UKT, tugas, ujian, hingga data kelulusan. Jika seluruh data tersebut dikumpulkan dari ribuan mahasiswa dan berlangsung selama bertahun-tahun, volume data yang dihasilkan akan menjadi sangat besar.
Besarnya volume data memberikan peluang bagi perguruan tinggi untuk melakukan analisis secara lebih mendalam. Data historis dapat digunakan untuk melihat tren jumlah mahasiswa, tingkat kelulusan, masa studi, prestasi akademik, tingkat retensi mahasiswa, serta berbagai indikator kinerja lainnya.
Namun, peningkatan volume data juga menimbulkan tantangan. Perguruan tinggi membutuhkan infrastruktur penyimpanan yang memadai, mekanisme pencadangan, keamanan data, serta kebijakan retensi dan pengelolaan data. Oleh karena itu, perguruan tinggi perlu mengembangkan arsitektur data yang mampu menangani pertumbuhan data dalam jangka panjang.
Dengan demikian, Volume pada Big Data menuntut perguruan tinggi tidak hanya memiliki kapasitas penyimpanan yang besar, tetapi juga memiliki strategi pengelolaan data yang terencana.
- Velocity: Data yang Dihasilkan dan Berubah Secara Cepat
Karakteristik kedua adalah Velocity, yaitu kecepatan data dihasilkan, diperbarui, dikirimkan, dan diproses. Dalam lingkungan perguruan tinggi yang semakin terdigitalisasi, data dapat dihasilkan setiap saat melalui berbagai aplikasi.
Sebagai contoh, ketika mahasiswa melakukan presensi secara digital, mengikuti pembelajaran melalui LMS, mengumpulkan tugas, mengikuti ujian daring, atau melakukan transaksi pembayaran, sistem akan menghasilkan data secara langsung. Dosen juga menghasilkan data melalui pengisian nilai, presensi, RPS, aktivitas pembelajaran, dan evaluasi mahasiswa.
Kecepatan pengolahan data menjadi penting ketika perguruan tinggi membutuhkan informasi untuk mengambil keputusan secara cepat. Misalnya, pimpinan perguruan tinggi membutuhkan dashboard yang menampilkan jumlah mahasiswa aktif, tingkat kehadiran mahasiswa, kondisi perkuliahan, atau perkembangan akademik secara aktual.
Data yang tersedia secara cepat memungkinkan perguruan tinggi melakukan monitoring dan early warning system. Misalnya, sistem dapat memberikan peringatan ketika mahasiswa menunjukkan pola yang berpotensi menyebabkan keterlambatan studi, seperti rendahnya kehadiran, rendahnya capaian akademik, atau tidak aktif dalam pembelajaran digital.
Velocity juga berkaitan dengan pelayanan mahasiswa. Semakin cepat data diproses dan diintegrasikan, semakin cepat pula layanan akademik dan administrasi dapat diberikan.
Oleh karena itu, perguruan tinggi perlu membangun sistem yang mampu melakukan integrasi dan pemrosesan data secara cepat. Pemanfaatan teknologi seperti API, data streaming, cloud computing, dashboard analitik, dan real-time processing dapat mendukung kebutuhan tersebut.
Untuk konsep Variety dan Veracity akan dibahas pada artikel selanjutnya, semoga bermanfaat..