Pengembangan Sistem Tata Kelola Akademik Cerdas Berbasis Data Ekspor SIAKAD dan Analitik Multi Dimensi pada Perguruan Tinggi

Authors

  • Yulianus Zai Universitas Pembangunan Panca Budi
  • Rahmat Hidayat Universitas Pembangunan Panca Budi
  • Beby Audry Universitas Pembangunan Panca Budi
  • Oktavia Tumangger Universitas Pembangunan Panca Budi
  • Marsini Sibuea Universitas Pembangunan Panca Budi
  • Khairul Khairul Universitas Pembangunan Panca Budi

Keywords:

Smart Governance, Tata Kelola Akademik, Learning Analytics, Dashboard Multi-Role, SIAKAD

Abstract

Tata kelola perguruan tinggi yang berbasis data masih menjadi tantangan serius, khususnya bagi perguruan tinggi swasta yang mengandalkan ekspor manual dari Sistem Informasi Akademik (SIAKAD). Data tersebar dalam ratusan file yang tidak terintegrasi, sehingga pimpinan dan kepala program studi kesulitan mendapatkan gambaran akademik yang menyeluruh dan tepat waktu. Penelitian ini mengembangkan sistem AISG-SIAKAD (Academic Intelligence System for Smart Governance), sebuah sistem tata kelola akademik cerdas yang secara otomatis membaca data ekspor SIAKAD, mengintegrasikannya ke dalam basis data analitik terpadu, dan menyajikannya melalui dashboard multi-role berbasis Streamlit. Metodologi yang digunakan adalah Design Science Research (DSR) dengan enam tahapan: identifikasi masalah, penetapan tujuan, perancangan artefak, implementasi, evaluasi, dan komunikasi. Sistem dibangun menggunakan Python 3.12, SQLite, dan Streamlit di atas ekosistem Google Colab dan Google Drive tanpa biaya server tambahan. Enam modul analitik dikembangkan: Student 360, Academic Risk Scoring, Dropout Risk Prediction, Curriculum Intelligence, Audit Tata Kelola Nilai, dan Smart Governance KPI. Sistem diuji menggunakan blackbox testing dengan 20 skenario yang mencakup autentikasi, kontrol akses berbasis peran, fungsionalitas analitik, dan ekspor laporan. Seluruh skenario uji berhasil (100%). Dari 1.246 mahasiswa periode 2025-2026 Ganjil, sistem berhasil mengidentifikasi 52 mahasiswa berisiko kritis, 286 mahasiswa berpotensi dropout tinggi, dan 409 mahasiswa tidak memenuhi syarat presensi UAS. Hasil ini membuktikan bahwa AISG-SIAKAD mampu mendukung tata kelola akademik berbasis data secara efektif di perguruan tinggi dengan keterbatasan infrastruktur IT.

References

M. Hernández-de-Menéndez, R. Morales-Menendez, C. A. Escobar, and R. A. Ramírez Mendoza, “Learning analytics: state of the art,” Int. J. Interact. Des. Manuf., vol. 16, no. 3, pp. 1209–1230, 2022, doi: 10.1007/s12008-022-00930-0.

N. Sghir, A. Adadi, and M. Lahmer, Recent advances in Predictive Learning Analytics: A decade systematic review (2012–2022), vol. 28, no. 7. Springer US, 2023. doi: 10.1007/s10639-022-11536-0.

F. Andika Putra, S. Mirajdandi, N. Nandra, B. Okmarizal, and S. Mulyanda, “Prediksi Dropout Mahasiswa: Early-Warning Berbasis Enrollment dengan Machine Learning,” J. Fasilkom, vol. 15, no. 3, pp. 465–473, 2025, doi: 10.37859/jf.v15i3.10714.

B. Duro, A. Gomes, F. B. Correia, A. R. Borges, and J. Bernardino, “Machine Learning and Deep Learning for Dropout Prediction in Higher Education: A Review,” Computers, vol. 15, no. 3, pp. 1–26, 2026, doi: 10.3390/computers15030164.

I. Hilliger, C. Aguirre, C. Miranda, S. Celis, and M. Pérez-Sanagustín, “Lessons learned from designing a curriculum analytics tool for improving student learning and program quality,” J. Comput. High. Educ., vol. 34, no. 3, pp. 633–657, 2022, doi: 10.1007/s12528-022-09315-4.

R. Matheus, M. Janssen, and D. Maheshwari, “Data science empowering the public: Data-driven dashboards for transparent and accountable decision-making in smart cities,” Gov. Inf. Q., vol. 37, no. 3, p. 101284, 2020, doi: 10.1016/j.giq.2018.01.006.

J. A. Mae Baluro and G. Kumar, “A Systematic Study of E-Governance Infrastructure for Smart Campus Development in CBSUA,” J. Inf. Syst. Eng. Manag., vol. 2025, no. 62s, pp. 2468–4376, 2024, [Online]. Available: https://www.jisem-journal.com/

K. Peffers, T. Tuunanen, M. A. Rothenberger, and S. Chatterjee, “A design science research methodology for information systems research,” J. Manag. Inf. Syst., vol. 24, no. 3, pp. 45–77, 2007, doi: 10.2753/MIS0742-1222240302.

M. Vaarma and H. Li, “Predicting student dropouts with machine learning: An empirical study in Finnish higher education,” Technol. Soc., vol. 76, no. December 2023, p. 102474, 2024, doi: 10.1016/j.techsoc.2024.102474.

Y. A. Prasetia and D. Manongga, “Role-Based Access Control (Rbac) Untuk Sistem Otorisasi Terpusat Berbasis Flask Studi Kasus Pt. Xyz,” JIPI (Jurnal Ilm. Penelit. dan Pembelajaran Inform., vol. 9, no. 4, pp. 1768–1778, 2024, doi: 10.29100/jipi.v9i4.5403.

M Sahyudi and Erliyan Redy Susanto, “Analisis Implementasi Sistem Keamanan Basis Data Berbasis Role-Based Access Control (RBAC) pada Aplikasi Enterprise Resource Planning,” SATESI J. Sains Teknol. dan Sist. Inf., vol. 5, no. 1, pp. 105–116, 2025, doi: 10.54259/satesi.v5i1.3997.

A. Jailani and M. A. Yaqin, “Pengujian Aplikasi Sistem Informasi Akademik menggunakan Metode Blackbox dengan Teknik Boundary Value Analysis,” J. Autom. Comput. Inf. Syst., vol. 4, no. 2, pp. 60–66, 2024, doi: 10.47134/jacis.v4i2.78.

M. Hernández-Campos, A. Gonzalez-Torres, and F. J. García-Peñalvo, “Learning Outcomes Evaluation Through Learning Analytics Systems in Higher Education: A Systematic Literature Review,” SAGE Open, vol. 15, no. 3, pp. 1–17, 2025, doi: 10.1177/21582440251347374.

M. A. Hossin, J. Du, L. Mu, and I. O. Asante, “Big Data-Driven Public Policy Decisions: Transformation Toward Smart Governance,” SAGE Open, vol. 13, no. 4, pp. 1–19, 2023, doi: 10.1177/21582440231215123.

Downloads

Published

2026-11-03

How to Cite

Zai, Y., Hidayat, R., Audry, B., Tumangger, O., Sibuea, M., & Khairul, K. (2026). Pengembangan Sistem Tata Kelola Akademik Cerdas Berbasis Data Ekspor SIAKAD dan Analitik Multi Dimensi pada Perguruan Tinggi. Jurnal Kolaborasi Sains Dan Ilmu Terapan, 5(1.1), 463–469. Retrieved from https://utilityprojectsolution.org/ejournal/index.php/JuKSIT/article/view/283