Lanskap pekerjaan di abad ke-21 semakin didominasi oleh data. Kemampuan mengumpulkan, mengolah, menganalisis, dan menginterpretasikan data menjadi krusial bagi organisasi di berbagai sektor. Fenomena ini membuka peluang kerja yang signifikan di bidang data science. Namun, sejauh mana kurikulum pendidikan tinggi di Indonesia mampu menjawab kebutuhan pasar kerja yang dinamis ini? Pertanyaan inilah yang menjadi titik awal penelusuran kita.
Untuk memahami kesiapan lulusan, kita perlu merujuk pada Standar Nasional Pendidikan Tinggi (SN-Dikti). SN-Dikti menetapkan profil lulusan, capaian pembelajaran, dan kurikulum inti yang menjadi acuan bagi program studi di seluruh Indonesia. Dalam konteks data science, kompetensi yang relevan meliputi pemahaman matematika dan statistika, penguasaan bahasa pemrograman (seperti Python dan R), kemampuan mengelola dan memproses data dalam skala besar (big data), serta kemampuan menerapkan machine learning dan artificial intelligence. Capaian pembelajaran ini kemudian dijabarkan dalam mata kuliah-mata kuliah yang terstruktur dalam kurikulum.
Implementasi kebijakan terkait pengembangan kurikulum data science di perguruan tinggi merupakan sebuah proses yang berkelanjutan. Bayangkan sebuah universitas yang ingin membuka program studi data science. Langkah pertama adalah melakukan studi kelayakan yang komprehensif, termasuk analisis kebutuhan pasar kerja, identifikasi potensi sumber daya manusia (dosen dan tenaga kependidikan), serta ketersediaan infrastruktur pendukung (laboratorium komputer, perangkat lunak, dan konektivitas internet). Hasil studi kelayakan ini kemudian menjadi dasar penyusunan proposal pembukaan program studi yang diajukan kepada Kementerian Pendidikan, Kebudayaan, Riset, dan Teknologi (Kemendikbudristek).
Setelah proposal disetujui, universitas membentuk tim kurikulum yang terdiri dari para ahli di bidang data science, statistika, ilmu komputer, dan bidang terkait lainnya. Tim ini bertugas merancang kurikulum yang sesuai dengan SN-Dikti, serta mempertimbangkan perkembangan teknologi dan kebutuhan industri. Proses perancangan kurikulum ini melibatkan serangkaian lokakarya, diskusi, dan benchmarking dengan program studi data science di universitas-universitas terkemuka di dalam dan luar negeri. Tujuannya adalah menghasilkan kurikulum yang relevan, mutakhir, dan mampu menghasilkan lulusan yang kompeten.
Lebih lanjut, implementasi kurikulum tidak hanya berhenti pada penyampaian materi perkuliahan. Universitas juga perlu menyediakan fasilitas dan dukungan yang memadai bagi mahasiswa, seperti laboratorium data yang dilengkapi dengan perangkat keras dan perangkat lunak terkini, akses ke dataset yang relevan, serta kesempatan untuk mengikuti magang di perusahaan-perusahaan yang bergerak di bidang data science. Magang memberikan pengalaman praktis yang berharga bagi mahasiswa, serta membantu mereka membangun jaringan profesional yang penting untuk karir mereka di masa depan. Selain itu, universitas juga dapat menyelenggarakan seminar, lokakarya, dan konferensi yang menghadirkan para praktisi dan ahli data science dari berbagai industri, sehingga mahasiswa memiliki kesempatan untuk berinteraksi dan belajar dari mereka.
Keberhasilan implementasi kebijakan ini sangat bergantung pada kolaborasi antara perguruan tinggi, industri, dan pemerintah. Perguruan tinggi bertanggung jawab untuk menghasilkan lulusan yang kompeten, industri memberikan masukan mengenai kebutuhan pasar kerja, dan pemerintah menyediakan regulasi dan dukungan finansial. Dengan sinergi yang kuat antara ketiga pihak ini, Indonesia dapat menghasilkan tenaga ahli data science yang berkualitas dan mampu bersaing di pasar kerja global, serta berkontribusi pada pembangunan ekonomi yang berbasis data.
