2023

SILABUS
PELATIHAN DASAR DATA SCIENCE
DENGAN MODUL INTERAKTIF – TAHUN 2023

UNIVERSITAS MULTIMEDIA NUSANTARA

2023
Latar Belakang
Saat ini, banyak sektor yang telah menerapkan teknologi yang berkaitan dengan Industri 4.0.
Hal ini seiring dengan berkembangnya tren yang muncul dalam otomatisasi, Internet of Things
(IoT), Big Data, dan teknologi komputasi Cloud1. Khusus untuk Big Data, bidang ini memiliki
nilai penting karena menyediakan dasar untuk ekonomi digital (termasuk ekonomi riil digital,
ekonomi virtual, dan ekonomi jaringan), penemuan ilmiah berdasarkan data, dan sosial
pemerintahan2.

Data Science sebelumnya didefinisikan sebagai bidang yang bertujuan untuk mengungkapkan
tantangan, peluang, pemikiran, dan mode di era big data. Ini adalah seperangkat sistem
pengetahuan yang terdiri dari teori, metode, model, teknologi, platform, alat, aplikasi, dan
praktik terbaik3. Dalam perkembangan aplikasinya, Data Science menggunakan pemodelan,
analisis, komputasi, dan pembelajaran untuk mempelajari konversi dari data menjadi informasi,
dari informasi ke pengetahuan, dan dari pengetahuan ke pengambilan keputusan dunia nyata.
Dasar-dasar Data Science meliputi: matematika, statistik, inferensi, ilmu komputer,
pembelajaran mesin pengoptimalan, dan manajemen data. Profesional seperti data scientists,
data analysts, dan data engineers menggunakan teknik dan teori diambil dari bidang
fundamental ini untuk memecahkan masalah praktis4.
Pentingnya peran keilmuan Data Science di dunia kerja ditunjukkan juga oleh hasil penelitian
dari Word Economic Forum (WEF) yang dipublikasikan dalam laporan The Future of Jobs
Report 2020. Dalam laporannya tersebut dijelaskan bahwa seladi dua tahun terakhir telah terlihat
jelas percepatan dalam adopsi teknologi baru. Di tahun 2025 cloud computing, big data, dan e-
commerce diperkirakan tetap menjadi prioritas tinggi untuk diaplikasikan. Lebih lanjut lagi, studi
mengenai jenis pekerjaan yang akan berkembang, posisi terdepan dalam permintaan yang meningkat
adalah Data Analysts and Scientists. Big Data dapat memberi kita peluang yang belum pernah
terjadi sebelumnya setidaknya empat aspek, termasuk inovasi manajemen, pengembangan
industri, penemuan ilmiah, dan pengembangan disiplin. Namun, menyadari nilai besar Big
Data, terutama untuk mengubah data dalam jumlah besar menjadi produktivitas nyata masih
merupakan tantangan. Tantangan tersebut terutama tercermin dalam landasan ilmiah, teknologi
inti, sistem hukum, dan permintaan bakat5. Kemampuan perusahaan global untuk memanfaatkan
potensi pertumbuhan adopsi teknologi baru terhambat oleh kurangnya keterampilan. Laporan WEF
2020 menunjukkan bahwa kesenjangan keterampilan di pasar tenaga kerja lokal merupakan hambatan
terbesarnya.
Problematika ini mendorong Universitas Multimedia Nusantara untuk bekerjasama dengan Digital
Talent Scholarship Kementerian Komunikasi dan Informatika Republik Indonesia guna
meningkatkan kualitas talenta data yang dapat siap berkarir dengan mengembangkan program
Pelatihan Dasar Data Science Dengan Modul Interaktif. Metode pembelajaran yang
memungkinkan peserta secara interaktif menerima dasar ilmu, memanfaatkan pemograman,
dan terkespose dengan contoh kasus di infustri menjadi prioritas di pelatihan ini.

1
Tao F, Qi Q, Liu A, Kusiak A. Data-driven smart manufacturing. Int J Ind Manuf Syst Eng (2018), 48:157–69
2
Zongben X, Niansheng T, Chen X, Xueqi C. Data science: connotation, methods, technologies, and
development. Data Science and Management (2021), 1: 32–37
3
Li, G., Cheng, X. Research status and scientific thinking of big data. Bull. Chin. Acad. Sci. (2012), 27 (6), 647–657.
4
Hayashi C. What is data science? Fundamental concepts and a heuristic example. Data sci. classif. relat.
methods. Tokyo: Springer Japan (1998). p. 40–51.
5
Zongben X, Niansheng T, Chen X, Xueqi C, Loc.Cit.
1
Tujuan
Dalam program Pelatihan Dasar Data Science Dengan Modul Interaktif Tahun 2023 ini,
Universitas Multimedia Nusantara (UMN) berkolaborasi dengan Digital Talent Scholarship
Kementerian Komunikasi dan Informatika RI menyelenggarakan pelatihan terkait Data
Science untuk mahasiswa UMN dan mitra (terbuka untuk seluruh Program Studi). Cakupan
modul pelatihannya adalah Probability and Statistic dan Database and System yang masing-
masing modul dapat diakui sejumlah 3 sks (sehingga menjadi total 6 sks) untuk pelaksanaan
pelatihan selama 5 bulan. Adapun tujuan dari pelatihan ini adalah untuk:

1. Membangun talenta data yang dapat berkarir di Industri.

2. Mendukung program Merdeka Belajar Kampus Merdeka (MBKM), dengan
Mewujudkan Indeks Kinerja Utama (IKU) Perguruan Tinggi untuk Link & Match
dengan Industri dalam hal:
a. Praktisi Mengajar Dalam Kampus
b. Metode Pembelajaran yang Kolaboratif & Partisipatif

Luaran Program
Melalui program ini, mahasiswa yang menyelesaikannya akan:

● Menganalisis data dan membuat solusi yang secara umum dipergunakan dalam suatu
perusahaan tertentu serta mampu membuat estimasi, hipotesis, dan analisis data bisnis
secara akurat dan menjelaskan hasil analisis bisnis.
● Menjelaskan konsep dan terminologi basis data dan sistem basis data,
mengimplementasikan feature-feature yang terdapat pada database serta membuat
rancangan database dengan model relasional.

Informasi Pelatihan
Akademi Talent Scouting Academy

Mitra Pelatihan Universitas Multimedia Nusantara

Tema Pelatihan Pelatihan Dasar Data Science Dengan Modul Interaktif

Sertifikasi Certificate of Completion – Talent Scouting Academy

Akses Kelas Hybrid Class (via Digital Learning UMN)

Durasi Pelatihan 18 minggu

Deskripsi Pelatihan Pelatihan akan dilaksanakan dalam bentuk kelas yang diampu oleh dosen
dan praktisi industri menggunakan metode sinkronus hybrid dan
asinkronus via platform Digital Learning UMN serta platform DQLab

Output Pelatihan Capaian yang diharapkan setelah peserta mengikuti pelatihan ini adalah
mampu untuk:
● Menganalisis data dan membuat solusi yang secara umum
dipergunakan dalam suatu perusahaan tertentu serta mampu
membuat estimasi, hipotesis, dan analisis data bisnis secara
akurat dan menjelaskan hasil analisis bisnis.

2
 ● Menjelaskan konsep dan terminologi basis data dan sistem
basis data, mengimplementasikan feature-feature yang
terdapat pada database serta membuat rancangan database
dengan model relasional.
Aktivitas Pelatihan Peserta akan mendapatkan pelatihan terkait Data Science yang mencakup:
● Probability and Statistic
● Database and System

Pelatihan akan dilakukan selama 14 minggu pertemuan dan 2 ujian. Agar

lulus dalam pelatihan ini, peserta diwajibkan mengikuti:
● Modul belajar
● Quiz dan Penugasan
● Ujian

Persyaratan Peserta Persyaratan bagi peserta yang dapat mengikuti pelatihan ini, adalah:
● Mahasiswa aktif minimal semester 2
● Memiliki minat terhadap Data Science
● Berkomitmen mengikuti pelatihan hingga selesai

Persyaratan Sarana Memiliki laptop/komputer sendiri dan jaringan internet yang stabil
Peserta

Kriteria Pengajar Berpendidikan minimal Magister, dengan bidang keahlian sesuai dengan
materi yang diberikan.

Ruang Lingkup Ruang lingkup dari instruktur yakni penyampaian materi serta
Instruktur mengevaluasi hasil capaian pembelajaran peserta pelatihan.

Kapasitas Kelas 300 peserta pelatihan (terbagi dalam 16 kelas) dengan 11 orang Pengajar

Sistem Penilaian 85 – 100 A

80 – 84,99 A-
75 – 79,99 B+
70 – 74,99 B
65 – 69,99 B-
60 – 64,99 C+
55 – 59,99 C
45 – 54,99 D
0 – 44,99 E
Untuk dapat lulus pelatihan TSA, peserta harus mendapatkan nilai
minimal 60

Komponen Penilaian Mid-term exam: 30%

Final exam: 40%
Tugas/Aktivitas: 30%

Jadwal Pelatihan Tanggal Pendaftaran: 1 – 5 Februari 2023

Tanggal Pelaksanaan Pelatihan: 6 Februari s/d 1 Juli 2023

3
Rencana Pembelajaran
A. Probability and Statistics

Perte- Jenis Pertemuan

Outcome Topik & Sub-Topik Aktivitas Kelas
muan Synchronous
Asynchronous
Hybrid

Mahasiswa 3 JP tatap
mampu muka
mengidenti- Ceramah Quiz
fikasi data Online, & Studi 3 JP belajar
Topik: Data Collection
1 primer Kasus mandiri
Sub-Topik: Population, Sample
menggunakan
metode
3 JP tutorial
sampling
yang tepat.
9 JP
aktivitas
Mahasiswa
Asyn-
mampu
chronus
mendemonstr
Topik: Statistika Deskriptif Video, Modul DQLab:
asikan
Sub-Topik: Ukuran pemusatan data, Interaktif, Quiz Statistic
2 ekplorasi data
penyebaran data, Asosiasi Online, & Studi using R
menggunakan
kasus for Data
teknik
Science
statistika
deskriptif. * Tugas
* Quiz
9 JP
aktivitas
Mahasiswa
Asyn-
mampu
Video, Modul chronus
mendemonstr
Interaktif, Quiz DQLab:
asikan Topik: Statistika Deskriptif
Online, & Studi Statistic
3 ekplorasi data Sub-Topik: Diagram
kasus using R
menggunakan Pengkategorian Data
for Data
teknik
Science
statistika
deskriptif. * Tugas
* Quiz
Mahasiswa
3 JP tatap
mampu
muka
menghitung Topik: Distribusi Probabilitas
Ceramah Quiz
dan Sub-Topik: Distribusi Binomial, 3 JP belajar
4 Online, & Studi
menjelaskan Distribusi Seragam Diskrit mandiri
Kasus
tentang
distribusi 3 JP tutorial
probabilitas.
Mahasiswa Ceramah Quiz 3 JP tatap
mampu Online, & Studi muka
menghitung Topik: Distribusi Probabilitas Kasus
dan Sub-Topik: Distribusi Gaussian, Uji 3 JP belajar
5
menjelaskan Normalitas mandiri
tentang
distribusi 3 JP tutorial
probabilitas.
Mahasiswa 3 JP tatap
6 Topik: Statistika Inferensi
mampu muka

4
Perte- Jenis Pertemuan
Outcome Topik & Sub-Topik Aktivitas Kelas
muan Synchronous
Asynchronous
Hybrid

menguji Sub-Topik: Estimated Average, 3 JP belajar

Ceramah Quiz
estimasi dan Confidence Interval, Tes Hipotesis mandiri
Online, & Studi
inferensi
Kasus
populasi
3 JP tutorial
berdasarkan
sampel.
Mahasiswa
3 JP tatap
mampu muka
Ceramah Quiz
menguji Topik: Statistika Inferensi
Online, & Studi
estimasi dan Sub-Topik: PopUlasi Berpasangan, 3 JP belajar
7 Kasus
inferensi Populasi Independen mandiri
populasi
berdasarkan 3 JP tutorial
sampel.
8 Mid-term Exam

Mahasiswa Ceramah Quiz 3 JP tatap

Topik: ANOVA muka
mampu Online, & Studi
Sub-Topik: One-way ANOVA,
9 mengimplem Kasus 3 JP belajar
Multiple comparison
entasi metode mandiri
ANOVA.
3 JP tutorial

Mahasiswa Ceramah Quiz 3 JP tatap

mampu Sub-Topik: Fitting Model, Online, & Studi muka
10 menerapkan Inferensid dan Estimasi Kasus 3 JP belajar
model linier mandiri
regresi.
3 JP tutorial

Mahasiswa Ceramah Quiz 3 JP tatap

Topik: Regresi Linier muka
mampu Online, & Studi
Sub-Topik: Analisis Residual,
11 menerapkan Kasus 3 JP belajar
Korelasi
model linier mandiri
regresi.
3 JP tutorial

Mahasiswa 3 JP tatap
mampu Ceramah Quiz muka
12 menerapkan Topik: Regresi Linier Berganda Online, & Studi 3 JP belajar
model linier Kasus mandiri
regresi.
3 JP tutorial
Mahasiswa Topik: Statistika Non-parametrik 3 JP tatap
mampu Sub-Topik:
Ceramah Quiz muka
menguji 1. Uji kesaman populasi
Online, & Studi
estimasi dan menggunakan Wilcoxon 3 JP belajar
13 Kasus
inferensi 2. Uji Kesamaan Populasi mandiri
populasi menggunakan Mann-Whitney
berdasarkan 3. Korelasi Spearman 3 JP tutorial
sampel.
Mahasiswa 3 JP tatap
mampu Video, Modul
Topik: Analisis Data Ketegorikal muka
menguji Interaktif, Quiz
Sub-Topik:
estimasi dan Online, & Studi 3 JP belajar
14 1. One-way Contingency Table
inferensi kasus mandiri
2. Two-way Contingency Table
populasi
berdasarkan 3 JP tutorial
sampel.

5
 Perte- Jenis Pertemuan
Outcome Topik & Sub-Topik Aktivitas Kelas
muan Synchronous
Asynchronous
Hybrid

Mahasiswa 3 JP tatap
mampu muka
mensimulasi- Topik: Proyek Akhir 3 JP belajar
15 Presentasi
kan hasil Sub-Topik: Presentasi Mahasiswa mandiri
akhir
proyeknya. 3 JP tutorial

16 Final Exam

B. Database and System

Perte- Jenis Pertemuan

Outcome Topik & Sub-Topik Aktivitas Kelas
muan Synchronous
Asynchronous
Hybrid

Mahasiswa Ceramah Quiz 3 JP tatap

Topik: Pengenalan Basis Data
mampu Online, & Studi muka
1 menjelaskan Kasus 3 JP belajar
konsep basis mandiri
data
3 JP tutorial
Mahasiswa
3 JP tatap
mampu muka
menjelaskan Ceramah Quiz
Topik: Arsitektur Basis Data dan
2 arsitektur basis Online, & Studi 3 JP belajar
Model Relasional
data dan Kasus mandiri
model
3 JP tutorial
relasional
9 JP
aktivitas
Asyn-
chronus
Mahasiswa DQLab:
mampu Video, Modul Funda-
menerapkan Topik: SQL Data Definition Interaktif, Quiz mental
3 SQL
bahasa SQL Online, & Studi
Data kasus using
Definition Select
State-
ment
* Tugas
* Quiz
9 JP
aktivitas
Asyn-
chronus
Mahasiswa DQLab:
mampu Video, Modul Funda-
menerapkan Interaktif, Quiz mental
4 Topik: SQL Data Manipulation SQL
bahasa SQL Online, & Studi
Data kasus using
Manipulation Function
and
Group
By
* Tugas

6
Perte- Jenis Pertemuan
Outcome Topik & Sub-Topik Aktivitas Kelas
muan Synchronous
Asynchronous
Hybrid

* Quiz
Topik: Keamanan dan Administrasi 3 JP tatap
Security and Administration
muka
Mahasiswa Sub-Topik:
mampu - Batasan keamanan basis dta 3 JP belajar
5 menerapkan - mengapa butuh keamanan basis Ceramah Quiz mandiri
keamanan data? Online, & Studi
pada basis data - Jenis ancaman Kasus
3 JP tutorial
- Kontrol akses: GRANT dan
REVOKE
9 JP
aktivitas
Asyn-
chronus
Mahasiswa DQLab:
mampu Video, Modul Funda-
mengimpleme Interaktif, Quiz mental
6 Topik: Manipulasi Data SQL
ntasi SQL Online, & Studi
Data kasus using
Manipulation Inner
Join and
Union
* Tugas
* Quiz
Mahasiswa
3 JP tatap
mampu
muka
memformulasi Ceramah Quiz
Topik: Latihan SQL Data
7 kan SQL Data Online, & Studi 3 JP belajar
Definition dan Data Manipulation
Definition dan Kasus mandiri
Data
3 JP tutorial
Manipulation

8 Mid-term Exam

Mahasiswa 3 JP tatap
Video, Modul muka
mampu
Topik: SQL Data Manipulation Interaktif, Quiz
9 mengimpleme 3 JP belajar
(Multi table Queries) Online, & Studi
ntasi Query mandiri
kasus
multi table
3 JP tutorial

Mahasiswa 3 JP tatap
mampu Ceramah Quiz muka
Topik: SQL Data Manipulation
10 membuat sub Online, & Studi 3 JP belajar
(Sub Queries) dan View
query dan Kasus mandiri
view
3 JP tutorial
3 JP tatap
Mahasiswa muka
Ceramah Quiz
mampu
11 Topik: Normalisasi Online, & Studi 3 JP belajar
menganalisis
Kasus mandiri
basis data
3 JP tutorial
Mahasiswa 3 JP tatap
12 Topik: Pemodelan ER
mampu muka

7
Perte- Jenis Pertemuan
Outcome Topik & Sub-Topik Aktivitas Kelas
muan Synchronous
Asynchronous
Hybrid

menganalisis Ceramah Quiz 3 JP belajar

basis data Online, & Studi mandiri
Kasus 3 JP tutorial
3 JP tatap
Mahasiswa muka
Ceramah Quiz
mampu
13 Topik: Entity Relationship Online, & Studi 3 JP belajar
menganalisis
Kasus mandiri
basis data
3 JP tutorial

Mahasiswa 3 JP tatap
Ceramah Quiz muka
mampu
Online, & Studi
14 menerapkan Topik: Konsep Gudang Data 3 JP belajar
Kasus
konsep gudang mandiri
data
3 JP tutorial

Mahasiswa 3 JP tatap
mampu Topik: Proyek Akhir muka
15 mensimulasika Sub-Topik: Presentasi Mahasiswa Presentasi 3 JP belajar
n proyek basis mandiri
data
3 JP tutorial
Final Exam
16
Tipe: Proyek Take Home

8
Data Instruktur
No Nama Bidang Kepakaran Status Pelatihan yang diampu

Sistem Informasi
1 Ahmad Faza Dosen non PNS Probability and Statistic
dan Data Science

Sistem Informasi
2 Samuel Ady Dosen non PNS Probability and Statistic
dan Data Science

Sistem Informasi
3 Rudi Sutomo Dosen non PNS Probability and Statistic
dan Data Science

Sistem Informasi
4 Raymond Oetama Dosen non PNS Probability and Statistic
dan Data Science

Sistem Informasi
5 Fransiscus Ati Halim Dosen non PNS Probability and Statistic
dan Data Science

6 Harison Teknik Informatika Dosen non PNS Probability and Statistic

Probability and Statistic

Sistem Informasi
7 Ririn Ikana Desanti Dosen non PNS
dan Data Science
Database and System

Sistem Informasi
8 Suryasari Dosen non PNS Database and System
dan Data Science

Sistem Informasi
9 Melissa Indah Fianty Dosen non PNS Database and System
dan Data Science

Sistem Informasi
10 Jansen Wiratama Dosen non PNS Database and System
dan Data Science

Sistem Informasi
11 Ahmad Fadil Dosen non PNS Database and System
dan Data Science