Pusat Pengetahuan EDU-Analytic
Panduan menyeluruh tentang fungsionalitas platform, menu, indikator kunci, sumber data, dan metodologi analitik yang digunakan.
EDU-Analytic adalah platform kembar digital (digital twin) yang memodelkan ekosistem pendidikan provinsi secara hidup: sekolah, guru, siswa, infrastruktur, demografi, hingga proyeksi 2045. Platform ini mengintegrasikan data resmi (Dapodik, BPS, BKN, EMIS) dengan model AI multi-agen untuk menghasilkan wawasan eksekutif, simulasi kebijakan, dan peringatan dini.
Platform ini dirancang untuk Kepala Dinas Pendidikan, perencana kebijakan, pengawas, dan analis di tingkat provinsi. Setiap indikator disertai konteks periode data dan tingkat kepercayaan agar keputusan dapat diambil dengan transparansi penuh atas kualitas informasi yang mendasarinya.
Ringkasan situasi pendidikan provinsi dengan KPI utama, peta okupansi, prakiraan populasi, dan peringatan dini.
- 6 KPI utama: Total Sekolah, Siswa, Guru, Okupansi, Indeks Viabilitas, Tren Kelahiran.
- Peta kembar digital dengan sebaran okupansi per kabupaten/kota.
- Prakiraan populasi peserta didik hingga 2045 (ensemble AI).
- Distribusi okupansi & rincian jenjang SD/SMP/SMA/SMK.
- Tombol Ringkasan Eksekutif (unduh DOCX) & Tanya AI (chat kontekstual).
Laporan analitik menyeluruh berstandar internasional (UNESCO UIS, OECD, SDG 4) dalam format DOCX.
- Ringkasan eksekutif dengan narasi kontekstual.
- Progress SDG 4 (akses, kualitas, kesetaraan) dalam radar chart.
- Konteks periode data & metadata sumber.
- Unduh laporan lengkap dalam format DOCX yang siap didistribusikan.
Visualisasi spasial berbasis peta untuk seluruh wilayah provinsi dengan overlay indikator dinamis.
- Peta interaktif SVG per kabupaten/kota.
- Overlay: okupansi, jumlah sekolah, risiko demografis.
- Tooltip detail dengan indikator kunci per wilayah.
Proyeksi jangka panjang populasi peserta didik menggunakan ensemble model AI.
- Ensemble: Prophet + ARIMA + XGBoost + LSTM.
- Skenario per jenjang pendidikan (SD, SMP, SMA, SMK).
- Interval kepercayaan & metrik akurasi model.
Basis data lengkap seluruh sekolah dengan pencarian, filter, dan paginasi.
- 34.144 baris data sekolah (Jabar + DKI) dari basis data Lovable Cloud.
- Pencarian: nama sekolah, NPSN, kabupaten/kota.
- Filter multi-dimensi: jenjang, status, akreditasi.
- Terintegrasi dengan pencarian global di header.
Analitik ketenagaan guru: distribusi, rasio, gelombang pensiun, dan redistribusi optimal.
- Rasio guru:siswa per kabupaten/kota.
- Prakiraan pensiun guru 10 tahun ke depan.
- Rekomendasi redistribusi berbasis AI.
Simulasi dampak kebijakan pendidikan sebelum diimplementasikan (what-if analysis).
- Variabel: anggaran, rasio guru, kapasitas, regrouping.
- Output dampak: cakupan, biaya, kualitas, kesetaraan.
- Perbandingan skenario baseline vs intervensi.
Rekomendasi merger/konsolidasi sekolah berbasis AI untuk efisiensi & viabilitas.
- Kandidat merger berdasarkan okupansi < 40%, jarak, dan aksesibilitas.
- Estimasi penghematan anggaran per rekomendasi.
- Skor viabilitas & risiko sosial.
Deteksi anomali & peringatan real-time dengan drill-down lengkap.
- Klasifikasi: kritis, peringatan, informasi.
- Drill-down: metrik & ambang, tren, rincian per kab/kota.
- Daftar sekolah terdampak (NPSN + indikator).
- Rekomendasi tindakan & sumber data.
| Indikator | Formula | Interpretasi |
|---|---|---|
| Okupansi | Jumlah Siswa ÷ Kapasitas × 100% | Optimal 70–100%. <40% kandidat regrouping; >110% overcrowded. |
| Rasio Guru:Siswa | Total Siswa ÷ Total Guru | Standar SDG 4: ≤ 1:22 (SD), ≤ 1:20 (SMP/SMA). |
| Indeks Viabilitas | Komposit: okupansi, akreditasi, aksesibilitas, guru | Skala 0–100. <40 tidak viabel, 40–70 sedang, >70 kuat. |
| Tren Kelahiran | Δ Angka Kelahiran Kasar (per 1.000) YoY | Negatif menandakan penurunan calon peserta didik masa depan. |
| APK/APM | Angka Partisipasi Kasar/Murni per jenjang | Indikator akses SDG 4.1. |
| Indeks Kualitas | Rata-rata: akreditasi, kualifikasi guru, hasil AN | Selaras dengan OECD Education at a Glance. |
| Kepercayaan Data | Rata-rata tertimbang kepercayaan sumber (Dapodik, BPS, BKN) | Skala 0–100 per periode; ditampilkan di badge header. |
| Sumber | Cakupan | Periode | Kepercayaan |
|---|---|---|---|
| Dapodik (Kemendikbudristek) | Sekolah, siswa, guru, sarana | Semester berjalan | Sangat Tinggi (92–95%) |
| BPS | Demografi, kelahiran, ekonomi wilayah | Tahunan (SUPAS/Sensus) | Tinggi (88–93%) |
| BKN | Data ASN guru, pensiun, kepangkatan | Bulanan | Tinggi (85–90%) |
| EMIS (Kemenag) | Madrasah & pendidikan keagamaan | Semester berjalan | Sedang–Tinggi (80–88%) |
| Asesmen Nasional | Kualitas pembelajaran & literasi/numerasi | Tahunan | Tinggi (86–92%) |
Kombinasi Prophet (musiman), ARIMA (linear), XGBoost (non-linear), dan LSTM (sekuensial). Weighted average dengan bobot berdasarkan MAPE historis. Interval kepercayaan 82–87%.
12 agen spesialis (Demografi, Guru, Sarana, Kurikulum, Anggaran, Risiko, dsb.) yang mengonsolidasi wawasan lintas domain sebelum disajikan ke pengguna.
Model kembar digital berbasis SVG dengan proyeksi koordinat wilayah. Setiap kabupaten/kota terhubung ke atribut real-time dari basis data.
Statistical process control + isolation forest untuk mendeteksi outlier okupansi, pensiun mendadak, atau kerusakan infrastruktur.
Skor kepercayaan per sumber ditimbang berdasarkan freshness, coverage, dan konsistensi silang. Ditampilkan transparan di setiap tampilan.
Selaras UNESCO UIS (indikator pendidikan global), OECD Education at a Glance, dan target SDG 4 (pendidikan berkualitas).
Kualitas data: Setiap layar menampilkan badge kepercayaan di header. Klik untuk melihat rincian sumber & periode data yang digunakan.
Prakiraan AI: Proyeksi jangka panjang memiliki interval kepercayaan. Semakin jauh horizon (mis. 2045), semakin lebar interval. Gunakan sebagai panduan strategis, bukan angka pasti.
Rekomendasi kebijakan: Rekomendasi regrouping, redistribusi guru, dan pembangunan sekolah baru bersifat decision support. Keputusan akhir tetap memerlukan kajian sosial, hukum, dan konsultasi publik.