Dataset Sekolah Indonesia

该数据集包含印度尼西亚所有学校的完整数据（547,019条记录），源自印度尼西亚教育和文化部的数据主要教育（Dapodik），并补充了LTMPT的Top 1000排名。数据包括学校名称、省份、城市、地区、类型、认证和全国排名等信息，以CSV格式提供。

This dataset contains complete data of all schools in Indonesia, with a total of 547,019 records. It is sourced from the Main Education Database (Dapodik) provided by the Ministry of Education and Culture of Indonesia, and supplemented with the Top 1000 rankings from LTMPT. The dataset includes information such as school name, province, city, district, school type, accreditation, and national ranking, and is provided in CSV format.

原始信息汇总

数据集概述：Dataset Sekolah Indonesia

该数据集收录了印度尼西亚全国所有学校的相关信息，数据源自印尼教育、文化、研究和技术部（Kemendikbud）的“教育基础数据”（Dapodik）。此外，还附带了LTMPT（高等教育入学考试机构）评选的“Top 1000”学校排名。

核心数据文件

• 文件名： sekolah-indonesia.csv
• 记录数： 547,019 条
• 文件大小： 约 39 MB
• 分隔符： ;（分号）

数据集字段说明

字段名	描述	示例值
npsn	国家学校注册号	20253979
name	学校名称	SMA NEGERI 1 SURADE
province	省份	JAWA BARAT
city	市/县	KAB. SUKABUMI
district	区	SURADE
type	教育阶段	SMA, SMK, MA, SMP, SD
accreditation	认证等级	A, B, C
rank_national	国内排名（LTMPT Top 1000）	245（若未进入前1000则为空）

数据示例

npsn;name;province;city;district;type;accreditation;rank_national 20253979;SMA NEGERI 1 SURADE;JAWA BARAT;KAB. SUKABUMI;SURADE;SMA;A; 20202361;SMP NEGERI 2 SURADE;JAWA BARAT;KAB. SUKABUMI;SURADE;SMP;B;

API 接口

可通过 REST API 访问和查询该数据集。

• 基础 URL： https://api.ibnuhabib.web.id
• 查询示例：
  • 搜索学校（支持模糊匹配）：curl "https://api.ibnuhabib.web.id/api/schools?search=sman1&limit=5"
  • 按省份和教育阶段过滤：curl "https://api.ibnuhabib.web.id/api/schools?province=jawa+barat&type=sma&limit=10"
  • 通过NPSN获取详细记录：curl "https://api.ibnuhabib.web.id/api/schools/20253979"
  • 下载完整CSV文件：curl -O "https://api.ibnuhabib.web.id/download/schools.csv"

API 查询参数说明：

参数	描述
search	按学校名称或NPSN搜索
province	按省份精确筛选
city	按市/县部分匹配筛选
type	按教育阶段筛选（值：SMA, SMK, MA, SMP, SD）
page	分页页码（默认1）
limit	每页记录数（最大500，默认50）

数据来源

• Data Pokok Pendidikan (Dapodik)，印尼教育、文化、研究和技术部
• Top 1000 Sekolah，LTMPT（高等教育入学考试机构）

许可协议

• 许可证： MIT License
• 版权： © 2025 Ibnul Habib
• 数据归属： 数据来源于印度尼西亚政府机构

搜集汇总

数据集介绍

构建方式

印度尼西亚教育数据集（Dataset Sekolah Indonesia）整合自该国教育与文化部下属的核心教育数据库（Dapodik），并辅以高等教育入学考试机构（LTMPT）发布的全国千强学校排名信息。该数据集以CSV格式呈现，采用分号作为字段分隔符，共收录全国逾54万所教育机构的详尽记录。每条数据涵盖学校国家注册号（NPSN）、学校名称、所属省份、市县与区级行政区划、教育阶段类型（如高中、职业高中、初中、小学等）、 accreditation（A/B/C等级）以及在LTMPT千强榜单中的全国排名。当学校未入选千强时，排名字段留空，确保了信息的完整性与真实感。

特点

该数据集的核心特色在于其全面性与结构化程度。它不仅囊括了印度尼西亚从小学到高中各个阶段的各类教育机构，实现了全国范围的近乎全覆盖，还通过统一的字段设计，使得每个学校的属地信息、办学类型与学术认证等级一目了然。特别值得一提的是，LTMPT千强排名的引入，为评估学校在全国范围内的相对表现提供了权威参照。此外，数据集提供了灵活的REST API接口，支持模糊搜索（例如输入“sman1”即可匹配“SMA NEGERI 1”）、多条件过滤（如按省份、城市、教育阶段等）以及分页查询，极大提升了数据检索的便捷性与效率。

使用方法

用户可通过多种方式灵活使用本数据集。直接下载`sekolah-indonesia.csv`文件后，即可利用任何支持CSV解析的工具（如Python的Pandas库、R语言或电子表格软件）进行本地数据分析与建模。更为便捷的是，数据集的官方API已经部署上线，用户只需向`https://api.ibnuhabib.web.id/api/schools`发送HTTP请求，即可实现实时查询。通过指定`search`、`province`、`type`等查询参数，用户能迅速定位特定学校或筛选特定区域内某类学校的信息。同时，API支持分页（`page`与`limit`参数），便于处理大规模数据。完整的CSV文件也可通过`/download/schools.csv`端点直接下载，满足离线使用需求。

背景与挑战

背景概述

Dataset Sekolah Indonesia 由研究者 Ibnul Habib 于 2025 年创建，旨在系统整合印度尼西亚全国基础教育阶段学校的权威信息。该数据集依托印尼教育与文化部的数据基础（Dapodik）以及 LTMPT 发布的全国前 1000 名学校排名，覆盖了超过 54.7 万所学校记录，包含 NPSN、学校名称、地理位置、教育阶段、 accreditation 及国家排名等关键属性。其核心研究问题在于填补印尼学校数据的碎片化与可获取性不足的空白，为教育政策分析、资源配置优化及学术研究提供标准化、开放性的数据基础。凭借其全面的覆盖度和开放的 MIT 许可，该数据集在印尼教育数据科学、区域教育公平性分析以及学校绩效评估等领域产生了显著影响力。

当前挑战

该数据集面临的核心挑战源于教育数据本身的动态性与异构性。首先，在解决领域问题层面，印尼学校数量庞大且类型多样（涵盖 SMA、SMK、MA、SMP、SD 等阶段），不同阶段学校的 accreditation 标准与排名计算方式存在差异，这要求数据集在整合时兼顾多维度的统一表征，以支持精准的横向对比与纵向追踪。其次，在构建过程中，从 Dapodik 和 LTMPT 等分散来源获取原始数据时，面临着字段命名不一致、评分标准更新滞后以及部分学校排名缺失等问题，需要设计健壮的数据清洗与填充策略，确保每条记录的完整性与时效性。此外，实时更新机制的缺失使得数据集可能无法及时反映学校名额变动或 accreditation 变更，限制了其在实时决策中的应用潜力。

常用场景

经典使用场景

数据集Sekolah Indonesia整合了印度尼西亚教育基础数据（Dapodik）中全国超过54万所学校的详细信息，涵盖从小学到高中的各类教育机构。在学术研究中，该数据集常被用于教育地理信息系统（GIS）分析，例如通过省、市、区三级行政区域字段，揭示教育资源配置的空间分布格局与不均衡性。同时，其包含的国家排名（Top 1000 LTMPT）字段，为探究学校质量与区域发展、学校类型之间的关联提供了量化支撑。研究者可通过NPSN唯一标识符，将学校数据与其他社会经济或人口统计数据集进行链接，开展多维度、跨层次的整合分析。

解决学术问题

该数据集有效解决了印度尼西亚学校信息碎片化、缺乏统一结构化开放数据的学术难题。长期以来，由于全国学校数据分散在不同部门且更新不及时，学者难以开展大规模的教育系统性研究。该数据集通过系统化整理Dapodik的官方数据，并补充LTMPT排名信息，为教育公平性研究（如城乡学校资质差异）、教育资源配置优化模型（基于学校类型与地理位置）、以及教育政策评估（如排名与区域资助政策的关系）提供了可靠的数据基础。其影响力在于降低了教育数据库构建的门槛，推动了东南亚地区教育实证研究的可重复性与可验证性。

衍生相关工作

该数据集衍生了多项相关经典工作，包括印度尼西亚大学数据集（dataset-perguruan-tinggi-indonesia）和印度尼西亚专业研究数据集（dataset-program-studi-indonesia），从而形成从基础教育到高等教育的完整数据链条。同时，配套的REST API（api-datasets-indonesia）为开发者提供了便捷的检索与过滤接口，促进了多个轻量级教育应用的原型开发。此外，印尼行政区划数据集（dataset-wilayah-indonesia）与印尼词典数据集（dataset-kbbi-indonesia）的发布，使得该生态体系可支持更复杂的自然语言处理或空间分析任务，为跨学科研究奠定了可扩展的底层数据基础。