Nama: Tazki Alfikri
NPM: 2313031028
Link Youtube:
https://youtu.be/WWSSi9XL35g?si=5zHCZqoR-7je_tXo
གནས་བསྐྱོད་བཟོ་མི་ TAZKI ALFIKRI
Nama: Tazki Alfikri
NPM: 2313031028
Sudah selesai proposal tinggal membuat video presentasi di youtube dan menyertakan link dalam pengumpulan proposal
NPM: 2313031028
Sudah selesai proposal tinggal membuat video presentasi di youtube dan menyertakan link dalam pengumpulan proposal
Kelompok 5
1. Ni Wayan Vara Wulandari (2313031017)
2. Tazki Alfikri (2313031028)
MPPE A2025 -> CASE STUDY
TAZKI ALFIKRI གིས-
Nama: Tazki Alfikri
NPM: 2313031028
1. Jenis skala pengukuran untuk setiap item:
a. Usia responden (dalam tahun): Skala rasio. Alasannya karena usia memiliki nol mutlak (0 tahun = tidak ada umur) dan jarak antar nilai bermakna (misal, selisih 20 dan 25 tahun sama pentingnya dengan selisih 25 dan 30 tahun).
b. Jenis kelamin: Skala nominal. Jenis kelamin hanya berupa kategori tanpa urutan atau nilai numerik yang bermakna.
c. Tingkat kepuasan terhadap pelayanan dosen pembimbing akademik: Skala ordinal. Pilihan jawaban memiliki urutan dari sangat tidak puas hingga sangat puas, tetapi jarak antara kategori tidak selalu sama atau terukur.
d. Jumlah mata kuliah yang diambil semester ini: Skala rasio. Jumlah mata kuliah bisa dihitung, memiliki nol mutlak (0 mata kuliah), dan jarak antar nilai bermakna.
e. Urutan aspek prioritas dalam memilih universitas (1–5): Skala ordinal. Responden memberi peringkat, sehingga ada urutan, tetapi jarak antar peringkat tidak dapat dianggap sama.
2. Apakah seluruh data dapat dianalisis menggunakan statistik parametrik?
Tidak semua data dari kuesioner ini bisa dianalisis menggunakan statistik parametrik. Statistik parametrik umumnya membutuhkan data pada skala interval atau rasio yang berdistribusi normal. Sementara itu, data nominal (jenis kelamin) dan ordinal (tingkat kepuasan, prioritas aspek) tidak memenuhi asumsi ini. Untuk data tersebut, lebih tepat digunakan statistik non-parametrik.
3. Metode analisis untuk mengetahui hubungan antara kepuasan layanan akademik dan jumlah mata kuliah yang diambil:
Metode yang tepat adalah analisis korelasi Spearman. Alasannya karena kepuasan layanan akademik diukur dengan skala ordinal, sedangkan jumlah mata kuliah bersifat rasio. Spearman cocok digunakan ketika salah satu variabel ordinal atau ketika data tidak memenuhi asumsi normalitas, sehingga hubungan antara urutan kepuasan dan jumlah mata kuliah dapat dianalisis tanpa melanggar prinsip statistik.
NPM: 2313031028
1. Jenis skala pengukuran untuk setiap item:
a. Usia responden (dalam tahun): Skala rasio. Alasannya karena usia memiliki nol mutlak (0 tahun = tidak ada umur) dan jarak antar nilai bermakna (misal, selisih 20 dan 25 tahun sama pentingnya dengan selisih 25 dan 30 tahun).
b. Jenis kelamin: Skala nominal. Jenis kelamin hanya berupa kategori tanpa urutan atau nilai numerik yang bermakna.
c. Tingkat kepuasan terhadap pelayanan dosen pembimbing akademik: Skala ordinal. Pilihan jawaban memiliki urutan dari sangat tidak puas hingga sangat puas, tetapi jarak antara kategori tidak selalu sama atau terukur.
d. Jumlah mata kuliah yang diambil semester ini: Skala rasio. Jumlah mata kuliah bisa dihitung, memiliki nol mutlak (0 mata kuliah), dan jarak antar nilai bermakna.
e. Urutan aspek prioritas dalam memilih universitas (1–5): Skala ordinal. Responden memberi peringkat, sehingga ada urutan, tetapi jarak antar peringkat tidak dapat dianggap sama.
2. Apakah seluruh data dapat dianalisis menggunakan statistik parametrik?
Tidak semua data dari kuesioner ini bisa dianalisis menggunakan statistik parametrik. Statistik parametrik umumnya membutuhkan data pada skala interval atau rasio yang berdistribusi normal. Sementara itu, data nominal (jenis kelamin) dan ordinal (tingkat kepuasan, prioritas aspek) tidak memenuhi asumsi ini. Untuk data tersebut, lebih tepat digunakan statistik non-parametrik.
3. Metode analisis untuk mengetahui hubungan antara kepuasan layanan akademik dan jumlah mata kuliah yang diambil:
Metode yang tepat adalah analisis korelasi Spearman. Alasannya karena kepuasan layanan akademik diukur dengan skala ordinal, sedangkan jumlah mata kuliah bersifat rasio. Spearman cocok digunakan ketika salah satu variabel ordinal atau ketika data tidak memenuhi asumsi normalitas, sehingga hubungan antara urutan kepuasan dan jumlah mata kuliah dapat dianalisis tanpa melanggar prinsip statistik.
ASP A2025 -> CASE STUDY 2
TAZKI ALFIKRI གིས-
Nama: Tazki Alfikri
NPM: 2313031028
Berdasarkan kasus Pemerintah Provinsi Nusantara, untuk menyusun audit kinerja berbasis risiko terhadap sistem IzinCerdas, langkah pertama adalah mengidentifikasi area dengan potensi risiko tertinggi. Misalnya, keterlambatan penerbitan izin, ketidakjelasan status izin, dan adanya indikasi penyalahgunaan wewenang menjadi fokus utama karena berdampak langsung pada efektivitas, akuntabilitas, dan kepercayaan publik. Auditor dapat menilai risiko ini dengan melihat proses internal, prosedur persetujuan, serta mekanisme kontrol yang ada di setiap tahap layanan perizinan.
Selanjutnya, audit dapat dilakukan dengan menganalisis alur kerja dan kepatuhan terhadap prosedur untuk menemukan titik rawan penyimpangan. Wawancara dengan petugas, observasi proses layanan, dan peninjauan kebijakan internal dapat membantu memahami kendala yang menyebabkan keterlambatan atau ketidakjelasan status izin. Selain itu, penggunaan teknologi digital bisa menjadi alat bantu penting: sistem monitoring otomatis dapat menandai izin yang tertunda lebih dari batas waktu tertentu, menyoroti pola anomali dalam persetujuan, atau melacak aktivitas pengguna yang mencurigakan dalam sistem.
jadi jika memakai pendekatan ini, audit berbasis risiko tidak hanya menilai kinerja secara keseluruhan, tetapi juga menyoroti area kritis yang membutuhkan perbaikan, sehingga rekomendasi yang diberikan dapat lebih terfokus, misalnya peningkatan kontrol internal, pelatihan staf, atau penguatan fitur monitoring di sistem IzinCerdas untuk mencegah penyalahgunaan wewenang dan meningkatkan transparansi layanan.
NPM: 2313031028
Berdasarkan kasus Pemerintah Provinsi Nusantara, untuk menyusun audit kinerja berbasis risiko terhadap sistem IzinCerdas, langkah pertama adalah mengidentifikasi area dengan potensi risiko tertinggi. Misalnya, keterlambatan penerbitan izin, ketidakjelasan status izin, dan adanya indikasi penyalahgunaan wewenang menjadi fokus utama karena berdampak langsung pada efektivitas, akuntabilitas, dan kepercayaan publik. Auditor dapat menilai risiko ini dengan melihat proses internal, prosedur persetujuan, serta mekanisme kontrol yang ada di setiap tahap layanan perizinan.
Selanjutnya, audit dapat dilakukan dengan menganalisis alur kerja dan kepatuhan terhadap prosedur untuk menemukan titik rawan penyimpangan. Wawancara dengan petugas, observasi proses layanan, dan peninjauan kebijakan internal dapat membantu memahami kendala yang menyebabkan keterlambatan atau ketidakjelasan status izin. Selain itu, penggunaan teknologi digital bisa menjadi alat bantu penting: sistem monitoring otomatis dapat menandai izin yang tertunda lebih dari batas waktu tertentu, menyoroti pola anomali dalam persetujuan, atau melacak aktivitas pengguna yang mencurigakan dalam sistem.
jadi jika memakai pendekatan ini, audit berbasis risiko tidak hanya menilai kinerja secara keseluruhan, tetapi juga menyoroti area kritis yang membutuhkan perbaikan, sehingga rekomendasi yang diberikan dapat lebih terfokus, misalnya peningkatan kontrol internal, pelatihan staf, atau penguatan fitur monitoring di sistem IzinCerdas untuk mencegah penyalahgunaan wewenang dan meningkatkan transparansi layanan.