Cover Laporan Sebaran Kerja Lulusan

1 Ringkasan Eksekutif

1.1 Temuan Utama

Berdasarkan hasil pengolahan pada dokumen laporan_tracer_study.Rmd, sebaran lulusan S2 Statistika Terapan menunjukkan bahwa lulusan telah bekerja pada berbagai institusi pemerintah, BUMN/swasta nasional, dan sektor teknologi.

Secara umum, mayoritas lulusan telah menerapkan kompetensi statistika/keilmuan yang diperoleh selama studi, dengan proporsi penerapan positif (diterapkan + sangat diterapkan) sebesar 73.9%.

Total responden
23
Instansi terlapor
15
Indeks penerapan (1-3)
1.91
Efektif sebaran instansi
6.43

1.2 Catatan Cakupan Data

  • Data sebaran instansi yang terlapor berjumlah 15 alumni.
  • Tabel penerapan kompetensi mencakup 23 responden.
  • Analisis tetap valid untuk arah kebijakan, namun pelaporan instansi perlu terus dilengkapi agar cakupan setara dengan total responden.

2 Sebaran Instansi Tempat Kerja Lulusan

Instansi Jumlah Persentase (Instansi Tercatat) Persentase (23 Responden)
BADAN PUSAT STATISTIK 5 33.3% 21.7%
BSSN 1 6.7% 4.3%
Badan Siber dan Sandi Negara 1 6.7% 4.3%
DJP Kementerian Keuangan 1 6.7% 4.3%
E-Tech 1 6.7% 4.3%
Kementerian Keuangan 1 6.7% 4.3%
Konsultan Statistik Bandung Ganesha Statistika 1 6.7% 4.3%
MG Group 1 6.7% 4.3%
Outbox Corporate Services Pte Ltd 1 6.7% 4.3%
PT Bank Central Asik Tbk 1 6.7% 4.3%
PT Central Mega Kencana 1 6.7% 4.3%

2.1 Visual Sebaran Instansi

2.2 Segmentasi Sektor

Sektor Jumlah Persentase
Non-pemerintah 6 40.0%
Pemerintah 9 60.0%

3 Penerapan Kompetensi Statistika di Dunia Kerja

Penerapan kompetensi statistika Jumlah Persentase
Diterapkan 13 56.5%
Kurang diterapkan 6 26.1%
Sangat diterapkan 4 17.4%

3.1 Visual Penerapan Kompetensi

3.2 Interpretasi Analitik

  • Mayoritas lulusan berada pada kategori Diterapkan (56.5%).
  • Sebagian lulusan berada pada kategori Sangat diterapkan (17.4%).
  • Terdapat kelompok Kurang diterapkan (26.1%) yang menjadi fokus perbaikan kurikulum dan penguatan kesiapan kerja.
  • Indeks penerapan tertimbang berada di 1.91 dari 3, menunjukkan tingkat adopsi kompetensi berada pada level baik namun belum optimal.
  • Gap implementasi saat ini adalah 26.1%, sehingga intervensi harus menargetkan peningkatan penerapan untuk kelompok ini.

4 Analisis Lanjutan dan Implikasi Kurikulum

4.1 Analisis Konsentrasi Penyerapan

  • Nilai Herfindahl-Hirschman Index (HHI) sebaran instansi: 0.156.
  • Nilai effective number of institutions: 6.43 instansi.
  • Interpretasi: penyerapan masih relatif terkonsentrasi di instansi tertentu (terutama BPS), namun tetap menunjukkan variasi lintas sektor.

4.2 Isu Strategis yang Teridentifikasi

  1. Perluasan kesiapan untuk lintas domain industri non-pemerintah.
  2. Penguatan transfer kompetensi dari teori ke konteks kerja nyata.
  3. Harmonisasi kompetensi statistik, komputasi, dan komunikasi bisnis.
  4. Penguatan pembelajaran etika data serta tata kelola penggunaan AI.

4.3 Prioritas Intervensi Akademik

  1. Mata kuliah berbasis proyek sektor nyata (publik dan industri).
  2. Studio kasus end-to-end: data cleaning, model, interpretasi, narasi keputusan.
  3. Integrasi paket keterampilan AI terapan untuk analis/statistikawan.

5 Implementasi Tindak Lanjut (Komprehensif)

5.1 Program Perbaikan Pembelajaran

Program Horizon Indikator Kinerja Target
Revitalisasi kurikulum berbasis kebutuhan pasar 0-3 bulan Peta CPL vs kebutuhan jabatan selesai 100%
Kelas proyek kolaboratif dengan mitra instansi 3-6 bulan Jumlah proyek kolaborasi aktif >= 4 proyek/tahun
Bootcamp tools analitik (R/Python/SQL/BI) 3-6 bulan Persentase mahasiswa lulus asesmen praktik >= 85%
Klinik karier dan portofolio data 6-12 bulan Lulusan dengan portofolio terverifikasi >= 90%
Tracer study berbasis dashboard monitoring berkelanjutan Ketersediaan dashboard dan update berkala update triwulanan

5.2 Implementasi AI Secara Bijak untuk Lulusan

Sebagai bagian dari pembaruan pembelajaran, program studi telah mengedepankan penggunaan AI untuk meningkatkan kesiapan lulusan di dunia kerja secara bertanggung jawab.

Prinsip implementasi AI:

  1. Human-in-the-loop: keputusan final tetap pada manusia.
  2. Data governance: kepatuhan privasi, kerahasiaan data, dan kontrol akses.
  3. Model accountability: dokumentasi prompt, asumsi, dan batasan model.
  4. Bias & fairness check: evaluasi potensi bias sebelum rekomendasi dipakai.
  5. Explainability: hasil AI harus dapat dijelaskan secara statistik dan bisnis.

Use case pembelajaran AI terapan:

  1. Otomasi eksplorasi data awal untuk mempercepat insight generation.
  2. Asisten penyusunan kode dan validasi pipeline analitik.
  3. Ringkasan eksekutif berbasis data dengan verifikasi manual.
  4. Simulasi skenario kebijakan menggunakan model prediktif.

6 Tindak Lanjut

6.1 Rekomendasi 12 Bulan ke Depan

  1. Menetapkan modul wajib “AI untuk Statistik Terapan dan Etika Implementasi”.
  2. Menjalankan minimal satu capstone lintas sektor per semester.
  3. Memperkuat kemitraan dengan instansi penyerap utama dan sektor teknologi.
  4. Menetapkan KPI employability, kesiapan AI, dan quality-of-placement.
  5. Melakukan evaluasi dampak kurikulum secara kuantitatif tiap semester.

6.2 Mekanisme Monitoring

  • Rapat evaluasi mutu: bulanan.
  • Review indikator kinerja: triwulanan.
  • Pelaporan ke pengelola program studi dan fakultas: semesteran.
  • Pemutakhiran tracer study: tahunan.

7 Penutup

Laporan ini menegaskan bahwa lulusan S2 Statistika Terapan telah terserap pada beragam sektor, dengan tingkat penerapan kompetensi yang dominan positif. Implementasi tindak lanjut diarahkan secara komprehensif melalui penguatan kurikulum, proyek nyata, dan adopsi AI yang bijak agar lulusan semakin relevan, adaptif, dan bertanggung jawab dalam praktik profesional.