SYARAT DATA YANG BAIK

SYARAT DATA YANG BAIK

SYARAT DATA YANG BAIK

SYARAT DATA YANG BAIK
SYARAT DATA YANG BAIK

Data dipergunakan untuk dasar pembuatan keputusan. Oleh karena itu agar keputusan dapat sesuai dan tepat sasaran, maka diperlukan data yang baik. Penggunaan data yang salah akan mengakibatkan perencanaan tidak tepat, pelaksanaan kontrol tidak efektif serta evaluasi tidak mengenai sasaran.

Supaya berguna, syarat data yang baik adalah:

  1. Data harus obyektif, artinya sesuai dengan keadaan yang sebenarnya. Untuk hasil yang akurat, data tidak boleh dimanipulasi. Misalnya hasil produksi yang turun tetapi dilaporkan naik, harga bawang merah Rp 10.000,00 per kg dilaporkan Rp 7.000,00 per kg, walaupun ada tanda bukti kuitansi, namun data ini tetap tidak obyektif
  2. Harus bisa mewakili. Data yang diambil harus benar-benar mewakili semua kondisi. Misalnya laporan tentang produksi padi dari suatu daerah hanya didasarkan atas hasil sawah-sawah yang subur saja, ini jelas tidak mewakili. Contoh lainnya, laporan tentang konsumsi susu per periode tertentu yang hanya didasarkan pada golongan orang kaya saja, data ini tidak mewakili kondisi konsumsi susu secara keseluruhan.
  3. Kesalahan baku (standard error) harus kecil. Suatu perkiraan (estimasi dikatakan baik jika mempunyai tingkat ketelitian yang baik dan apabila kesalahan bakunya kecil.
  4. Harus tepat waktu. Syarat ini sangat penting untuk data yang akan dipergunakan untuk melakukan pengendalian atau evaluasi. Sebab agar dapat dilakukan penyesuaian atau koreksi secepatnya jika terjadi kesalahan atau penyimpangan dalam implementasi suatu perencanaan.
  5.   Harus relevan. Artinya data yang dikumpulkan harus ada hubungannya dengan masalah akan dipecahkan. Misalnya pemerintah mengetahui adanya kemerosotan dalam produksi padi selama beberapa tahun terakhir. Untuk memecahkan masalah ini, yaitu untuk mencegah agar produksi padi tidak merosot terus, maka perlu diketahui faktor-faktor yang menyebabkan kemerosotan tersebut. Untuk itu diperlukan data yang relevan, misalnya data pemupukan (jumlahnya mungkin kurang, penyalurannya yang kurang lancar, dan sebagainya), kondisi benih (unggul atau tidak), luas areal penanaman (mungkin sudah ada yang alih fungsi menjadi areal pemukiman), curah hujan, hama dan lain-lain.

Sumber :https://compass.centralmethodist.edu/ICS/Academics/OTA/OTA107__CM16/SPRG_2017_UNDG-OTA107__CM16_-A/Blog_1.jnz?portlet=Blog_1&screen=View+Post&screenType=next&&Id=7cba913b-85dd-4f88-81a9-a3cb022e7790