Mengolah Data dalam Bidang Data Science untuk Ahli Statistika Umum

Tentang Kelas

Durasi : 388 menit

Deskripsi

Mengapa program ini penting untuk diambil?

Pemanfaatan teknologi informasi di abad ke-21 ini sudah semakin meluas, salah satunya dimanfaatkan oleh perusahaan untuk berbagai kepentingan. Sistem yang dikembangkan dan dipergunakan sudah sangat kompleks yang tidak hanya melakukan pemrosesan data sederhana. Dengan banyaknya data yang dihasilkan dari berbagai aplikasi, perlu adanya pengolahan data di bidang data science yang akurat.

Kesuksesan perusahaan dalam melakukan operasi yang efektif dan efisien untuk mendapat keuntungan tidak terlepas dari kemampuan mengolah data untuk menghasilkan keputusan bisnis yang tepat. Orang yang melakukan pengumpulan, pengolahan, dan analisis data di suatu perusahaan disebut Data Scientist. Dilansir dari www.cnnindonesia.com kini, perusahaan-perusahaan di seluruh dunia semakin menyadari pentingnya data science dalam pengambilan keputusan bisnis yang tepat. Maka, sebuah perusahaan harus mampu mengimplementasi data science agar mampu bersaing dan relevan. Sehingga, kedepannya profesi data scientist akan terus diperlukan dan dicari oleh berbagai perusahaan.

Dari adanya peluang tersebut, pelatihan ini menyiapkan para peserta untuk mempelajari pengetahuan, keterampilan, serta sikap yang dibutuhkan untuk menjadi seorang Ahli Statistika yang mampu untuk mengolah data di bidang data science. Dengan metode pengajaran berupa ceramah interaktif, demonstrasi, dan studi kasus, peserta akan lebih mudah menangkap materi. Peserta pun juga bisa mengerjakan kuis di setiap topik yang telah diselesaikan guna mengukur sejauh mana materi telah diserap. Tugas praktik di akhir pelatihan juga membantu peserta untuk menerapkan keterampilan yang telah diajarkan dalam program ini.

Apa tujuan dari program ini?

Program ini bertujuan untuk mempelajari langkah-langkah menjadi Ahli Statistika yang mampu untuk mengolah data di bidang data science. Pengetahuan serta keterampilan yang didapatkan dari program ini bisa bermanfaat untuk memberikan kompetensi bagi yang ingin memulai karir sebagai Data Scientist atau meningkatkan kinerja bagi yang sudah berkarir sebagai Data Scientist.

Apa saja yang akan diajarkan melalui program ini?

Dalam program pelatihan ini peserta akan fokus untuk mempelajari tentang cara menentukan objektif bisnis dan tujuan teknis data science, melakukan data understanding (mengumpulkan, menelaah, dan memvalidasi data), melakukan data preparation (memilah, membersihkan, mengonstruksi, menentukan label, dan mengintegrasikan data), serta mengembangkan dan mengevaluasi model.

Apa jenis pekerjaan yang relevan dengan program ini?

Peserta yang mengikuti program ini diharapkan mampu mengaplikasikan teori aplikatif dalam pekerjaan yang berhubungan dengan Data Expert, Ahli Data, Pengolah Data dan Analis Data.

Metode Pembelajaran

Self-paced Learning : Metode ajar yang digunakan adalah ceramah interaktif, studi kasus pembelajaran, demonstrasi dan penugasan

Kuota: Tidak Terbatas

Metode Evaluasi

Pre-test dan/atau Post-test, kuis

Tujuan Pembelajaran

Tujuan Umum

Peserta mampu mengaplikasikan prinsip, prosedur, dan sikap profesional dalam mengolah data dalam bidang data science untuk ahli statistika umum dengan standar nasional (SKKNI Sub Bidang Data Science) dan prosedur yang berlaku.

Tujuan Khusus

1. Peserta mampu menyatakan definisi, urgensi, daftar tugas, tanggung jawab, skillset, peluang dan prospek karier Data Scientist

2. Peserta mampu menyebutkan istilah-istilah yang berhubungan dengan bidang data science

3. Peserta mampu menjelaskan data science framework

4. Peserta mampu menjelaskan berbagai jenis bahasa pemrograman untuk data science: Python, R, SQL, Scala

5. Peserta mampu mengimplementasikan skillset yang harus dikuasai oleh Data Scientist

6. Peserta mampu menunjukkan sikap reflektif diri untuk memiliki skillset untuk menjadi Data Scientist

7. Peserta mampu menjelaskan konsep dasar dan langkah-langkah dalam menentukan objektif bisnis

8. Peserta mampu menjelaskan berbagai strategi dalam menyusun task, tujuan teknis Data Science sesuai objektif bisnis serta kriteria kesuksesannya

9. Peserta mampu menentukan objektif bisnis, menyusun task dan tujuan teknis Data Science sesuai objektif bisnis dengan menunjukkan sikap teliti dan sistematis

10. Peserta mampu menjelaskan konsep dasar, karakter, jenis-jenis, metode, dan tools untuk pengambilan data

11. Peserta mampu mengidentifikasi tipe dan relasi data, menerapkan langkah-langkah untuk mengambil data dengan metode dan tools tertentu dengan sikap teliti, serta menyajikan data dengan deskripsi statistik dasar dan visualisasi grafik secara tepat dan kreatif

12. Peserta mampu menyebutkan indikator penilaian kualitas dan tingkat kecukupan data

13. Peserta mampu membuat laporan telaah data dan rekomendasi hasil penilaian kecukupan data dengan menunjukkan sikap teliti dan analitis

14. Peserta mampu menyebutkan kriteria dan teknik pemilihan data

15. Peserta mampu menjelaskan pengetahuan dasar tentang attributes (columns) dan records (row) data

16. Peserta mampu menyatakan definisi, jenis, dan strategi pembersihan data kotor

17. Peserta mampu menjelaskan teknik rekayasa fitur untuk pembangunan model Data Science

18. Peserta mampu menyebutkan daftar aplikasi dan cara untuk menentukan label data serta berbagai strategi memeriksa dataset yang beragam

19. Peserta mampu mengidentifikasi analisis data untuk menentukan representasi fitur data awal

20. Peserta mampu menerapkan langkah-langkah menentukan attributes (columns) dan records (row) data dengan menunjukkan sikap teliti

21. Peserta mampu membuat laporan dan rekomendasi hasil membersihkan data dengan teliti

22. Peserta mampu menjelaskan teknik, tools, parameter evaluasi hasil pemodelan data

23. Peserta mampu menguraikan pengetahuan dasar tentang skenario uji dan matrik evaluasi

24. Peserta mampu mengidentifikasi secara teliti dan kritis teknik-teknik pemodelan data yang sesuai dengan karakteristik data dan tujuan teknis data science

Kurikulum dan Kompetensi

.TOPIK 1: Menjadi seorang Data Scientist 67 Minutes 21 Seconds

1.1.Apa itu Profesi Data Scientist dan Urgensinya? (Video) 5:17

1.2.Tugas dan Tanggung Jawab Data Scientist (Video) 9:59

1.3.Skillset seorang Data Scientist (Video) 9:54

1.4.Peluang dan Prospek Karier Data Scientist (Video) 9:59

1.5.Istilah yang Berhubungan dengan Data Science: AI, Machine Learning dan Big Data (Video) 9:56

1.6.Data Science Framework Bagian 1 (Video) 5:17

1.7.Data Science Framework Bagian 2 (Video) 5:26

1.8.Berbagai Jenis Bahasa Pemrograman untuk Data Science: Python, R, SQL, Scala Bagian 1 (Video) 5:32

1.9.Berbagai Jenis Bahasa Pemrograman untuk Data Science: Python, R, SQL, Scala Bagian 2 (Video) 6:01

.TOPIK 2: Menentukan Objektif Bisnis dan Tujuan Teknis Data Science 43 Minutes 29 Seconds

2.1.Langkah-Langkah Menentukan Objektif Bisnis Bagian 1 (Video) 5:10

2.2.Langkah-Langkah Menentukan Objektif Bisnis Bagian 2 (Video) 5:22

2.3.Mengenal Task dalam Bidang Data Science (Video) 9:59

2.4.Strategi Menyusun Task dan Tujuan Teknis Data Science sesuai Objektif Bisnis Bagian 1 (Video) 5:53

2.5.Strategi Menyusun Task dan Tujuan Teknis Data Science sesuai Objektif Bisnis Bagian 2 (Video) 5:06

2.6.Kriteria Kesuksesan Tujuan Teknis Data Science Bagian 1 (Video) 4:59

2.7.Kriteria Kesuksesan Tujuan Teknis Data Science Bagian 2 (Video) 7:00

.TOPIK 3: Data Understanding: Mengumpulkan, Menelaah, dan Memvalidasi Data 130 Minutes 34 Seconds

3.1.Mengenal Data Bagian 1 (Video) 4:33

3.2.Mengenal Data Bagian 2 (Video) 6:23

3.3.Karakter dan Jenis-Jenis Data Bagian 1 (Video) 6:40

3.4.Karakter dan Jenis-Jenis Data Bagian 2 (Video) 4:16

3.5.Metode Pengambilan Data (Video) 9:53

3.6.Tools untuk Pengambilan Data Bagian 1 (Video) 6:38

3.7.Tools untuk Pengambilan Data Bagian 2 (Video) 3:57

3.8.Demonstrasi: Mengambil Data dengan Metode dan Tools Tertentu Bagian 1 (Video) 7:16

3.9.Demonstrasi: Mengambil Data dengan Metode dan Tools Tertentu Bagian 2 (Video) 4:05

3.1.Cara Menganalisis Tipe dan Relasi Data Bagian 1 (Video) 5:24

3.11.Cara Menganalisis Tipe dan Relasi Data Bagian 2 (Video) 5:14

3.12.Demonstrasi: Menyajikan Data dengan Deskripsi Statistik Dasar Bagian 1 (Video) 5:09

3.13.Demonstrasi: Menyajikan Data dengan Deskripsi Statistik Dasar Bagian 2 (Video) 6:14

3.14.Demonstrasi: Menyajikan Data dengan Visualisasi Grafik Bagian 1 (Video) 6:05

3.15.Demonstrasi: Menyajikan Data dengan Visualisasi Grafik Bagian 2 (Video) 4:33

3.16.Demonstrasi: Membuat Laporan Telaah Data Bagian 1 (Video) 5:36

3.17.Demonstrasi: Membuat Laporan Telaah Data Bagian 2 (Video) 4:59

3.18.Indikator Penilaian Kualitas Data Bagian 1 (Video) 5:29

3.19.Indikator Penilaian Kualitas Data Bagian 2 (Video) 5:56

3.2.Indikator Penilaian Tingkat Kecukupan Data Bagian 1 (Video) 4:48

3.21.Indikator Penilaian Tingkat Kecukupan Data Bagian 2 (Video) 5:57

3.22.Demonstrasi: Membuat Rekomendasi Hasil Penilaian Kecukupan Data Bagian 1 (Video) 3:35

3.23.Demonstrasi: Membuat Rekomendasi Hasil Penilaian Kecukupan Data Bagian 2 (Video) 7:54

.TOPIK 4: Data Preparation: Memilah, Membersihkan, Mengonstruksi, Menentukan Label, dan Mengintegrasikan Data 97 Minutes 23 Seconds

4.1.Kriteria dan Teknik Pemilihan Data Bagian 1 (Video) 4:17

4.2.Kriteria dan Teknik Pemilihan Data Bagian 2 (Video) 6:49

4.3.Mengenal Attributes (Columns) dan Records (Row) Data (Video) 5:03

4.4.Demonstrasi: Langkah-Langkah Menentukan Attributes (Columns) dan Records (Row) Data Bagian 1 (Video) 5:44

4.5.Demonstrasi: Langkah-Langkah Menentukan Attributes (Columns) dan Records (Row) Data Bagian 2 (Video) 5:49

4.6.Jenis-Jenis Data Kotor (Video) 9:59

4.7.Strategi Pembersihan Data yang Kotor (Video) 9:59

4.8.Demonstrasi: Membuat Laporan dan Rekomendasi Hasil Membersihkan Data Bagian 1 6:48

4.9.Demonstrasi: Membuat Laporan dan Rekomendasi Hasil Membersihkan Data Bagian 2 (Video) 4:26

"4.1.Analisis Data untuk Menentukan

Representasi Fitur Data Awal (Video)" 9:58

4.11.Teknik Rekayasa Fitur untuk Pembangunan Model Data Science Bagian 1 (Video) 5:33

4.12.Teknik Rekayasa Fitur untuk Pembangunan Model Data Science Bagian 2 (Video) 5:20

4.13.Aplikasi dan Cara untuk Menentukan Label Data (Video) 10:00

4.14.Strategi Memeriksa Dataset yang Beragam (Video) 7:38

.TOPIK 5: Mengembangkan dan Mengevaluasi Model 49 Minutes 29 Seconds

5.1.Tools untuk Pemodelan Data (Video) 5:37

5.2.Skenario Uji dan Matrik Evaluasi (Video) 9:16

5.3.Teknik-Teknik Pemodelan Data (Video) 9:59

5.4.Parameter Evaluasi Hasil Pemodelan (Video) 8:26

5.5.Studi Kasus: Kesuksesan suatu Pemodelan Bagian 1 (Video) 5:51

5.6.Studi Kasus: Kesuksesan suatu Pemodelan Bagian 2 (Video) 7:59

5.7.Penjelasan Tugas Praktik (Video) 2:21

Aspek Kompetensi

Aspek Pengetahuan

1. Definisi, Urgensi, Daftar Tugas, Tanggung Jawab, Skillset, Peluang dan Prospek Karir Data Scientist

2. Istilah yang Berhubungan dengan Data Science: AI, Machine Learning dan Big Data

3. Data Science Framework

4. Berbagai Jenis Bahasa Pemrograman untuk Data Science: Python, R, SQL, Scala

Terdapat di materi: Menjadi Seorang Data Scientist

5. Konsep Dasar dan Langkah-Langkah Menentukan Objektif Bisnis

6. Pengetahuan Dasar dan Kriteria Kesuksesan Tujuan Teknis Data Science

7. Berbagai Strategi Menyusun Task dan Tujuan Teknis Data Science sesuai Objektif Bisnis

Terdapat di materi: Menentukan Objektif Bisnis dan Tujuan Teknis Data Scientist

8. Konsep Dasar, Karakter, Jenis-Jenis, Metode, dan Tools untuk Pengambilan Data

9. Tata Cara Menganalisis Tipe dan Relasi Data

10. Indikator Penilaian Kualitas Data dan Tingkat Kecukupan Data

Terdapat di materi: Data Understanding: Mengumpulkan, Menelaah, dan Memvalidasi Data

11. Kriteria dan Teknik Pemilihan Data

12. Penggunaan Attributes (Columns) dan Records (Row) Data

13. Definisi, Jenis, dan Strategi Pembersihan Data Kotor

14. Teknik Analisis Data untuk Menentukan

Representasi Fitur Data Awal

15. Teknik Rekayasa Fitur untuk Pembangunan Model Data Science

16. Daftar Aplikasi dan Cara untuk Menentukan Label Data

17. Berbagai Strategi untuk Memeriksa Dataset yang Beragam

Terdapat di materi: Data Preparation: Memilah, Membersihkan, Mengonstruksi, Menentukan Label, dan Mengintegrasikan Data

18. Teknik, Tools, Parameter Evaluasi Hasil Pemodelan Data

19. Pengetahuan Dasar tentang Skenario Uji dan Matrik Evaluasi

Terdapat di materi: Mengembangkan dan Mengevaluasi Model

Aspek Keterampilan

1. Mengimplementasikan skillset yang harus dikuasai oleh Data Scientist

Terdapat di materi: Menjadi seorang Data Scientist

2. Menerapkan langkah-langkah menentukan objektif bisnis dan menyusun task serta tujuan teknis Data Science sesuai objektif bisnis

Terdapat di materi: Menentukan Objektif Bisnis dan Tujuan Teknis Data Science

3. Menerapkan langkah-langkah untuk mengambil data dengan metode dan tools tertentu

4. Menyajikan data dengan deskripsi statistik dasar dan visualisasi grafik

5. Membuat laporan telaah data dan rekomendasi hasil penilaian kecukupan data

Terdapat di materi: Data Understanding: Mengumpulkan, Menelaah, dan Memvalidasi Data

6. Mengidentifikasi analisis data untuk menentukan representasi fitur data awal

7. Menerapkan langkah-langkah dalam menentukan attributes (columns) dan records (row) data

8. Membuat laporan dan rekomendasi hasil membersihkan data

Terdapat di materi: Data Preparation: Memilah, Membersihkan, Mengonstruksi, Menentukan Label, dan Mengintegrasikan Data

9. Mengidentifikasi teknik-teknik pemodelan data yang sesuai dengan karakteristik data dan tujuan teknis data science

Terdapat di materi: Mengembangkan dan Mengevaluasi Model

Aspek Sikap

1. Reflektif diri untuk memiliki skillset okupasi Data Scientist

Terdapat di materi: Menjadi seorang Data Scientist

2.Teliti dan sistematis dalam menentukan objektif bisnis dan menyusun task serta tujuan teknis data science sesuai objektif bisnis

Terdapat di materi: Menentukan Objektif Bisnis dan Tujuan Teknis Data Science

3. Teliti dan tepat dalam menerapkan langkah-langkah untuk mengambil data dengan metode dan tools tertentu

4. Teliti dan kreatif dalam menyajikan data dengan deskripsi statistik dasar dan visualisasi grafik

5. Teliti dan analitis dalam membuat laporan telaah data dan rekomendasi hasil penilaian kecukupan data

Terdapat di materi: Data Understanding: Mengumpulkan, Menelaah, dan Memvalidasi Data

6. Teliti dalam menentukan attributes (columns) dan records (row) data

7. Teliti dalam membuat laporan dan rekomendasi hasil membersihkan data

Terdapat di materi: Data Preparation: Memilah, Membersihkan, Mengonstruksi, Menentukan Label, dan Mengintegrasikan Data

8. Kritis dan teliti dalam mengidentifikasi teknik-teknik pemodelan data sesuai karakteristik data dan tujuan teknis data science

Terdapat di materi: Mengembangkan dan Mengevaluasi Model

Fasilitas

• Ujian/Evaluasi
• Sertifikat Penyelesaian Digital
• Sertifikat Kompetensi Digital (*persyaratan berlaku)
• Webinar (1 x / 1 jam per Minggu)

Jenis Sertifikat

Sertifikat Penyelesaian Pelatihan dan Sertifikat Kelulusan

Jadwal Sesi Konsultasi

Rendi, Hari Selasa Pukul 09:00 - 10:00

Instruktur

Rendi

Rendi adalah seorang Data Scientist dengan pengalaman selama lebih dari empat tahun. Sejak tahun 2017 Ia menjadi Data Analyst Staff di PT Global Jet Express (J&T Express). Kemudian di tahun berikutnya Ia menjadi Portfolio Management Analyst Staff di PT Bank Sinarmas Tbk hingga kini menjadi Data Scientist Staff di PT Japfa Comfeed Indonesia Tbk. Ia bertanggung jawab untuk menganalisis model dan data pelanggan untuk meningkatkan angka penjualan produk. Rendi menyelesaikan pendidikannya di Universitas Indonesia jurusan Matematika pada tahun 2017.

Syarat dan Ketentuan

Pelatihan ini dapat diikuti oleh:

1. Peserta yang memiliki ketertarikan di bidang statistika, pemrograman, dan bisnis

2. Peserta yang memiliki minimal pendidikan S1 jurusan saintek/statistika/matematika

3. Peserta yang memiliki perangkat dan jaringan internet

4. Peserta yang memiliki kemampuan komputasi dan bisnis

Penukaran Kode Voucher

1. Masuk ke link web https://upskill.cakap.com/tukar-kode-belajar
2. Registrasikan dirimu
3. Masukan kode belajar dari pembelian kamu
4. Klik tombol "Tukar Kode"

Atau

1. Download aplikasi pada link https://bit.ly/CakapTokopedia
2. Lakukan registrasi dengan mengisi data kamu
3. Jika sudah masuk ke aplikasi, masukan kode voucher dan klik "redeem"