Badan Pendidikan dan Pelatihan Keuangan

Memahami Dimensi Kualitas Data Menurut Loshin (2011)
&nbsp;
Kualitas data merupakan aspek krusial dalam pengambilan keputusan dan manajemen informasi. Loshin (2011) mengemukakan sepuluh dimensi kualitas data yang dibagi menjadi dua kategori utama: dimensi intrinsik dan dimensi kontekstual.
Berikut adalah penjelasan mengenai masing-masing dimensi berdasar kategori intrinsik dan kontekstual.
1. Dimensi Intrinsik Dimensi ini berfokus pada nilai data itu sendiri, tanpa mempertimbangkan konteks luar. Berikut adalah empat elemen kunci:
<ol style="list-style-type: lower-roman;">
<li style="text-align: justify;">Accuracy: Tingkat kesesuaian data dengan sumber yang benar. Tantangan muncul ketika terdapat beberapa sumber yang bisa dianggap benar atau tidak ada sumber yang jelas.</li>
<li style="text-align: justify;">Lineage: Kemampuan untuk melacak asal-usul data, baik yang baru maupun yang telah diperbarui. Ini penting untuk transparansi dan akuntabilitas.</li>
<li style="text-align: justify;">Semantic: Konsistensi makna dan penamaan elemen data saat bertukar informasi di dalam organisasi. Hal ini membantu menghindari kebingungan dalam interpretasi data.</li>
<li style="text-align: justify;">Structure: Konsistensi format dan struktur nilai atribut data dalam satu dataset maupun di seluruh tabel terkait. Dokumentasi metadata yang baik sangat mendukung dimensi ini.</li>
</ol>
2. Dimensi Kontekstual Dimensi kontekstual berfokus pada relevansi dan kesesuaian data dalam konteks penggunaannya. Terdapat enam elemen penting:
<ol style="list-style-type: lower-roman;">
<li style="text-align: justify;">Completeness: Mengacu pada kelengkapan atribut data, termasuk atribut wajib, opsional, dan tidak berlaku. Kelengkapan memastikan setiap atribut memiliki nilai yang diperlukan.</li>
<li style="text-align: justify;">Consistency: Tingkat di mana elemen data yang dipertukarkan tetap memiliki nilai yang sama. Konsistensi menjaga integritas data di berbagai tingkatan.</li>
<li style="text-align: justify;">Currency: Menggambarkan kemutakhiran data dari setiap atribut. Data harus "up-to-date" dan proses verifikasi perubahan sangat penting.</li>
<li style="text-align: justify;">Timeliness: Ketepatan waktu dalam akses data. Data harus tersedia saat dibutuhkan.</li>
<li style="text-align: justify;">Reasonableness: Konsistensi nilai antar atribut harus dapat diterima sesuai dengan ekspektasi pengguna.</li>
<li style="text-align: justify;">Identifiability: Penamaan data yang unik untuk menghindari kebingungan antara entitas yang berbeda.</li>
</ol>
Gambar berikut akan memudahkan kita dalam melihat pengelompokan dimensi kualitas data menurut Loshin (2011).
<img id="dcf7e84d-73cb-437e-b0a7-5f39c66d2226" style="display: block; margin-left: auto; margin-right: auto;" src="https://klcstatic.kemenkeu.go.id/kms/image/2025/1/16/1737003846948mlf/Loshin%20_%20Dimensi%20Kualitas%20Data.png?X-Amz-Algorithm=AWS4-HMAC-SHA256&amp;X-Amz-Credential=adminklc%2F20250314%2Fus-east-1%2Fs3%2Faws4_request&amp;X-Amz-Date=20250314T010401Z&amp;X-Amz-Expires=604800&amp;X-Amz-SignedHeaders=host&amp;X-Amz-Signature=e2034dea2e6df37811ecce524e657eb7a50e00ad36baebe10986dc7b91d22204" alt="Loshin _ Dimensi Kualitas Data.png" width="600" height="600">
Dari dimensi kualitas data yang disebutkan diatas, pembaca akan menemukan kemiripan dengan apa yang diutarakan pada Data Management Book of Knowledge (DMBOK). Dimensi kualitas data menurut Loshin (2011) yang memiliki kemiripan dengan dimesi kualitas data pada DMBOK, yaitu: Accuracy, Lineage, Completeness, Consistency, Currency, &nbsp;Timelinnes.
Dari pengertian mengenai dimensi kualitas data dari beberapa sumber yang ada, dimensi data yang umum digunakan adalah kelengkapan, keakuratan, konsistensi, dan kemutakhiran. Keakuratan dapat menggambarkan kebenaran dan ketepatan data, dan kemutakhiran dapat menggambarkan kondisi kebaruan dari suatu data.
Memahami dimensi-dimensi ini sangat penting bagi organisasi yang ingin memastikan kualitas data yang tinggi. Dengan menilai data berdasarkan dimensi intrinsik dan kontekstual, organisasi dapat meningkatkan akurasi, integritas, dan relevansi data yang mereka kelola, sehingga mendukung pengambilan keputusan yang lebih baik.
Loshin (2011) memperkenalkan kerangka kerja dalam pengelolaan kualitas data yang terdiri dari delapan komponen. Kerangka kerja tersebut digunakan sebagai acuan dalam menentukan tingkat kematangan pengelolaan kualitas data dalam suatu organisasi. Kerangka kerja yang disebut sebagai Data Quality Maturity/Capability Model tersebut dikembangkan dari pemodelan Capability Maturity Model (CMM).
Nantikan artikel berikutnya berkaitan dengan kerangka kerja dalam pengelolaan kualitas data (CMM) menurut Loshin (2011).
&nbsp;
Sumber:
DAMA International. (2009). The DAMA guide to the data management body of knowledge (DAMA-DMBOK Guide).
Loshin, D. (2011). The practitioner’s guide to data quality improvement.
&nbsp;
Judul artikel terkait:
Ini Lho, Dimensi Kualitas Data (DMBOK) : Accuracy, Completeness, Consistency, Uniqueness, Timeliness, Validity ...

Kualitas data adalah aspek penting dalam pengelolaan informasi. Setelah kemarin kami membuat artikel tentang dimensi kualitas data pada Data Management Book of Knowledge DMBOK), sekarang kami menyajikan referensi lain. Pada artikel kali ini, kami menyajikan dimensi kualitas data menurut Loshin (2011).
Loshin (2011) mengidentifikasi sepuluh dimensi yang terbagi menjadi dua kategori: dimensi intrinsik dan dimensi kontekstual. Masing-masing kategori memiliki dimensi kualitas data. Apabila dicermati, dimensi kualitas data pada DMBOK maupun yang diidentifikasi oleh Loshin (2011) memiliki kemiripan. Memahami dan menerapkan dimensi-dimensi ini membantu organisasi maupun diri sendiri dalam meningkatkan kualitas data dan mendukung pengambilan keputusan yang lebih baik.
Selamat membaca.
Sumber utama : Loshin, D. (2011). The practitioner&#8217;s guide to data quality improvement.