Masuk Kuliah dengan Strategi, Lulus Tanpa Arah: Mengapa Data Intelligence Pra Kuliah Penting?

Setiap tahun, jutaan siswa Indonesia memasuki fase paling kompetitif dalam hidup akademiknya: seleksi masuk perguruan tinggi negeri. Berita sejak akhir 2025 hingga pelaksanaan UTBK‑SNBT 2026 menggambarkan ruang ujian yang penuh, perdebatan tentang skor “aman”, serta strategi memilih jurusan agar peluang lolos lebih besar. SNBP, SNBT, dan jalur mandiri menjadi tiga gerbang yang dapat ditembus untuk masuk perguruan tinggi, seringkali secara berlapis dan penuh kecemasan.

Namun, di balik hiruk‑pikuk persaingan, ada satu pertanyaan mendasar yang nyaris tak terdengar dalam percakapan publik. Apakah program studi yang dipilih calon mahasiswa benar‑benar berkaitan dengan masa depan kerja yang mereka harapkan, atau sekadar jalan asal bisa kuliah, terutama di perguruan tinggi negeri ternama? Ketika gagal di satu jalur, calon mahasiswa berpindah ke jalur lain—bahkan seleksi mandiri—meskipun dengan biaya lebih tinggi.

Dalam situasi seperti ini, pilihan studi jarang dilandasi refleksi tentang kualitas pendidikan, relevansinya dengan bidang ilmu, atau keterkaitannya dengan kebutuhan pasar kerja. Paradoksnya, keputusan yang sangat menentukan lintasan hidup seseorang justru diambil dalam keadaan minim informasi tentang apa yang akan terjadi setelah lulus.

Tidak semua program studi memiliki value yang sama setelah lulus

Selama proses seleksi, pilihan program studi sering dipersempit menjadi persoalan strategi lolos. Informasi tentang hubungan antara bidang studi dan kebutuhan ekonomi domestik jarang hadir dalam proses pengambilan keputusan calon mahasiswa. Yang lebih menonjol justru reputasi kampus, peringkat, dan cerita sukses individual, yang tidak selalu mencerminkan kenyataan pasar kerja. Kenyataannya, tidak semua program studi menawarkan peluang kerja dan imbal hasil yang setara setelah kelulusan.

Persoalan ini tidak berhenti di bangku kuliah. Indonesia telah lama menghadapi persoalan lulusan perguruan tinggi yang menganggur atau bekerja di bidang yang tidak sesuai dengan latar pendidikannya. Dalam literatur ketenagakerjaan, fenomena ini dikenal sebagai ketidakselarasan horizontal (horizontal mismatch), yakni kondisi ketika seorang lulusan memiliki tingkat pendidikan yang sudah sesuai, tetapi bidang studinya tidak relevan dengan lapangan pekerjaan yang tersedia.

Yang sering luput disadari, ketidakselarasan ini mulai terbentuk sejak tahap pra‑kuliah. Banyak calon mahasiswa memilih program studi tanpa gambaran yang memadai tentang struktur permintaan kerja. Dalam kondisi asimetris informasi—saat calon mahasiswa memiliki pengetahuan jauh lebih terbatas daripada penyedia pendidikan—risiko ketidaksesuaian di masa depan telah tertanam bahkan sebelum proses pembelajaran dimulai.

Persoalan ini semakin kompleks jika dikaitkan dengan struktur ekonomi Indonesia. Berdasarkan data Badan Pusat Statistik (BPS), pada 2025 kontribusi PDB nasional masih didominasi sektor industri pengolahan (20 persen), pertanian-kehutanan-perikanan (13,8 persen), dan perdagangan (13,7 persen). Namun, sektor‑sektor penopang utama ekonomi ini justru hanya menyerap proporsi kecil tenaga kerja berpendidikan tinggi: masing‑masing sekitar 7 persen di industri pengolahan, 2 persen di pertanian, dan 10 persen di perdagangan.

Di sisi lain, Statistik Pendidikan Tinggi menunjukkan bahwa dari sisi suplai tenaga kerja terdidik, lulusan pendidikan tinggi justru terkonsentrasi pada bidang profesi guru, manajemen, dan akuntansi. Ilustrasi ini menunjukkan bahwa pertumbuhan ekonomi Indonesia masih banyak bertumpu pada sektor yang tidak padat pekerjaan berkeahlian tinggi, sementara sistem pendidikan tinggi terus memproduksi lulusan untuk jenis pekerjaan yang ruang penyerapannya relatif terbatas. Tidak semua bidang ilmu menawarkan peluang kerja yang setara, meskipun gelarnya sama‑sama sarjana. Pemilihan universitas unggulan sebagai satu-satunya pertimbangan juga berpotensi membuat lulusan memasuki dunia kerja dengan ekspektasi yang kurang realistis.

Pendidikan tinggi sering diposisikan sebagai jalan mobilitas sosial dan investasi ekonomi yang besar, baik bagi negara maupun rumah tangga. Sayangnya, imbal hasil pendidikan tinggi tidak otomatis dirasakan oleh semua lulusan karena ketidakselarasan horizontal ini. Secara statistik memang rata‑rata upah sarjana lebih tinggi, tetapi realitanya dapat berbeda terutama bagi mereka yang memilih program studi berkualitas rendah atau kurang relevan.

Selama ini, kebijakan pendidikan publik cenderung berfokus pada kesiapan mahasiswa menghadapi kelulusan nantinya, seperti melalui pelatihan ulang, magang, atau peningkatan keterampilan. Walaupun penting, pendekatan ini bersifat korektif. Jika masalah utama terletak pada pilihan studi yang tidak tepat sejak awal, intervensi pasca-lulus hanya menyentuh gejala yang sudah terasa, bukan pada akar persoalan.

Integrasi informasi pra-kuliah bagi calon mahasiswa

Ketidaksejajaran antara lulusan dan pasar kerja ini menunjukkan bahwa masalah utama bukan sekadar pilihan individu, melainkan ketiadaan informasi yang terintegrasi pada saat keputusan pra‑kuliah diambil.

Upaya mengurangi ketimpangan informasi sebenarnya bukan hal baru di Indonesia. Pemerintah telah mengumpulkan berbagai data terkait mutu pendidikan dan pasar kerja, mulai dari akreditasi program studi, statistik pendidikan tinggi, studi penelusuran lulusan, hingga survei tenaga kerja. Tantangannya terletak pada bagaimana data tersebut diintegrasikan dan digunakan untuk membantu calon mahasiswa mengambil keputusan secara sadar sejak sebelum mendaftar.

Sebagai perbandingan, Inggris secara sistematis membangun data intelligence pra‑kuliah melalui portal Discover Uni. Di platform ini, data pendidikan dan pasar kerja setiap program studi disajikan secara terintegrasi, mulai dari pengalaman belajar, keterserapan lulusan, bidang kerja, hingga pendapatan. Jenis informasi yang disediakan kepada calon mahasiswa sebelum mendaftar dapat dilihat secara ringkas pada tabel berikut.

Kategori data	Apa yang ditampilkan di Discover Uni	Sumber data utama	Institusi penyuplai/ pengelola data
Data program studi & penyedia	Informasi program studi (durasi, mode studi), institusi penyelenggara, struktur subjek	Discover Uni dataset (eks‑Unistats)	HESA (koleksi), OfS (platform Discover Uni)
Pengalaman belajar	Penilaian mahasiswa tingkat akhir tentang pengajaran, asesmen & umpan balik, organisasi perkuliahan	National Student Survey (NSS)	OfS (penanggung jawab), lembaga survei (pelaksana), data dikelola oleh HESA/Jisc
Hasil lulusan (outcomes)	Status lulusan 15 bulan setelah lulus (bekerja, studi lanjut, menganggur, lainnya); relevansi studi dengan pekerjaan; persepsi makna dan penggunaan keterampilan	Graduate Outcomes Survey	HESA (dikumpulkan), Jisc (pengelola), untuk Office for Students (OfS)
Pendapatan lulusan	Rentang pendapatan tipikal 15 bulan, 3 tahun, dan 5 tahun setelah lulus (berdasarkan program studi)	Longitudinal Education Outcomes (LEO)	Department for Education (DfE) (integrasi data), HMRC & DWP (data pajak/manfaat), dipublikasikan via OfS/HESA
Finansial	Informasi bagaimana mendanai kuliah, termasuk opsi untuk mengakses beasiswa dan pinjaman mahasiswa		OfS (operasional Discover Uni), HESA/Jisc (data)

Dengan pendekatan ini, calon mahasiswa perguruan tinggi di Inggris diposisikan sebagai informed customer—pengambil keputusan rasional atas investasi besar—dan negara berperan aktif meminimalkan asimetri informasi tentang apa yang akan “dibeli”. Lebih jauh, data ini juga berfungsi sebagai mekanisme perbaikan sistemik. Ketika suatu program studi secara konsisten menunjukkan hasil kerja lulusan yang lemah, perguruan tinggi dan pemerintah dapat melakukan perbaikan kurikulum atau transformasi program secara terarah.

Jika diterapkan di Indonesia, keberadaan informasi pra-kuliah seperti ini dapat menjadi pencegah reproduksi ketimpangan sosial akibat ketidakseimbangan risiko antara institusi pendidikan dan mahasiswa yang berinvestasi pada masa depannya.

Bersaing untuk masuk perguruan tinggi mungkin tidak terhindarkan, tetapi berjuang tanpa peta masa depan kerja adalah risiko yang seharusnya bisa dikurangi. Pendidikan tinggi tidak boleh menjadi perjudian sosial. Menyediakan data intelligence pra‑kuliah yang mengaitkan pendidikan dan pasar kerja merupakan langkah penting agar strategi masuk perguruan tinggi benar‑benar membuka jalan menuju masa depan yang lebih menjanjikan.