ISI4A3 PELATIHAN DAN SERTIFIKASI

SERTIFIKASI BIDANG EDM

TEAM TEACHING:
1. Murahartawaty, ST., MT (MHY)
2. Rahmat Mulyana, ST., MT., MAB (RMM)

PRODI S1 SISTEM INFORMASI - FAKULTAS REKAYASA INDUSTRI TELKOM UNIVERSITY

TUJUAN PEMBELAJARAN

1 2 3
Menjelaskan Menjelaskan Prospek Menjelaskan
mengenai sertifikasi Pekerjaan yang informasi mengenai
di Bidang Enterprise relevan dengan EDM sertifikasi dan
Data Management lembaga penyedia
(EDM) sertifikasi
Pendahuluan
• Seiring berkembangnya teknologi dan bisnis, menghasilkan
lebih banyak data (Big Data), dan meningkatkan permintaan
pekerja yang berfokus pada data.
• Individu dengan keahlian ilmu data dibutuhkan di hampir
setiap bidang, baik itu teknologi, keamanan, kesehatan,
hingga ritel. Oleh karena itu, kebutuhan perusahaan akan
tenaga kerja data scientist sangat banyak. Nah bagi Anda
yang baru bekerja dibidang ini dan menjadi junior data
scientist Indonesia, berikut tips untuk Anda saat baru
bekerja.
Mengenal Istilah Big Data

l Data yang sangat besar dan kompleks yang tidak dapat dikelola
(capture, store, manage, analyze) dengan software dan tool
pemrograman database biasa/konvensional.
l Tidak mampu diolah dengan menggunakan SQL sehingga
membutuhkan metode dan tools pengolahan seperti Machine
Learning, Artificial Intellegence.
l 80% data di dunia digital bersifat tidak berstruktur (unstructured).

4
ISTILAH 5V dalam Big Data
• Volume: Ukuran data sangat besar dari sisi jumlah yang
mencapai Milyaran Terra Byte = trilyunan GB. Volumen
bertambah secara eksponensial setiap tahunnya.
• Velocity: Kecepatan data sangat besar dari sisi kemunculan
dan perubahan. Ex: Twitter 7TB/hari; 50 Juta tweet setiap
hari (2011)
• Variety: Variasi jenis/tipe data sangat banyak, unstructured
dan multi-structured. Netizen comments (People to people),
Smart Cards (People to Machine), Sensors (Machine to
Machine)
• Value: Nilai yang dihasilkan juga sangat besar, dari sisi
manfaat dalam bentuk uang maupun non-uang.
• Veracity: Kebenaran dan keakuratan informasi yang tidak
mudah dipastikan, misal salah ketik di Twitter.

5
Potensi Big Data

• Data merupakan bahan yang menjadi hal penting sebagai penunjang segala
penetapan keputusan.
• Data yang terus tumbuh membutuhkan kemampuan untuk mengolah, dianalisis untuk pengambilan
keputusan. Perusahaan membutuhkan kemampuan untuk menganalisis jumlah data yang banyak.
Sampai saat ini hanya sebagian kecil data yang telah dianalisis.
• Kemampuan mengolah data secara efektif dan efesien untuk pengambilan keputusan akan
membantu bisnis untuk:
• pengurangan biaya;
• pengurangan waktu;
• pengembangan produk baru dan optimalisasi penawaran produk; dan
• pengambilan keputusan yang cerdas.

6
Data Analyst (Analyzed The Past)
• Data analyst bertanggung jawab mencari fakta valid, kemudian akan dianalisa dan dikelola hingga menjadi informasi
mudah dipahami. Hal tersebut membuat pihak manajemen dapat memantau dan mengetahui dengan pasti tujuan
perusahaan sudah tercapai atau belum dan membantu dalam pengambilan keputusan.
• Spesifikasi Tugas Data Analyst:
• Mengumpulkan data: Proses pengumpulkan dilakukan melalui sistem perusahaan, bersumber dari pihak-pihak
terkait.
• Mengelola data: ketika sudah lengkap dikumpulkan, kemudian diolah sedemikian rupa hingga menciptakan suatu
informasi. Pada prosesnya, diperlukan analisis tinggi dengan pola sesuai dengan SOP perusahan. Hasil akhir wajib
dihasilkan ialah informasi valid, dimana bisa digunakan untuk membuat keputusan manajemen.
• Membuat laporan: Informasi valid serta kemudian perlu dijadikan suatu laporan. Hasil itulah nantinya dapat
diteruskan kepada pihak tertuju seperti manajemen. Hal tersebut dilakukan agar bisa dipantau dengan baik oleh
pihak tersebut.
• Kerja sama dengan divisi lain: Agar dapat memperkaya keperluan bahan, maka waji kolaborasi dengan beragam
divisi. Diharapkan mampu menggali fakta relevan dari divisi-divisi lain. Tujuannya agar mendapatkan hasil dengan
tingkat akurasi tinggi.
• Mengelola data secara sistem: Setelah semua dikumpulkan kemudian perlu diinput dalam database sistem
perusahaan. Tugas selanjutnya yaitu menjaga sistem tersebut dari hal-hal merugikan.
• Identik dengan Business Intelligence
Contoh Dashboard Business Intelligence
 Informasi
SIM BI - DM

Data Pengetahuan

DSS

Aksi SOP Kebijakan

Siklus Data, Informasi, Pengetahuan dan Kebijakan

Data Scientist (Predict The Future)
(Data mining and figuring out hidden knowledge in data)
• Disiplin ilmu yang mempelajari metode untuk mengekstrak pengetahuan atau menemukan pola dari
suatu data yang besar.
• Ekstraksi dari data ke pengetahuan:
• Data: fakta yang terekam dan tidak membawa arti
• Pengetahuan: pola, rumus, aturan atau model yang muncul dari data
• Task Data Scientist
• Berhadapan dengan data yang besar baik terstruktur/ tidak terstruktur, berasal dari banyak
sumber.
• Menyusun skenario yang optimal untuk pengambilan keputusan (setup experiment with data)
• Memprediksi masa depan : Produce Model, Pattern Analysis using data mining and Machine
Learning
• Menjawab pertanyaan :
• Apa yang akan terjadi selanjutnya?
• Bagaimana jika tren ini terus berlanjut?
• Mengapa hal ini terjadi?
Metode Data Mining

Estimation (Estimasi): • Linear Regression, Neural Network, Support Vector Machine, etc

Prediction/Forecasting • Linear Regression, Neural Network, Support Vector Machine, etc

(Prediksi/Peramalan):
• Naive Bayes, K-Nearest Neighbor, C4.5, ID3, CART, Linear Discriminant
Classification (Klasifikasi): Analysis, Logistic Regression, etc

Clustering (Klastering): • K-Means, K-Medoids, Self-Organizing Map (SOM), Fuzzy C-Means, etc

Association (Asosiasi): • FP-Growth, A Priori, Coefficient of Correlation, Chi Square, etc

11
 1.Coding atau bahasa pemrograman statistik
• Kemampuan melakukan prediksi dari data,
Bahasa pemrograman R, Python, SQL.
Skill Wajib
2.Spreadsheet
Untuk Data 3.Structured Query Language (SQL)
Analyst 4.Visualisasi menggunakan tools pembuat
infografik/grafik yang menarik
5.Machine learning, Deep Learning
6.Ilmu bisnis
7.Berwawasan luas terkait bidang matematika maupun
statistik
8.Baik dalam hal berkomunikasi, teliti, serta soft skills
penunjang lainnya
Jenis-jenis Sertifikasi
• BNSP
• SAS Academy for Data Science; Level Menengah
• SAS Academy for Data Science Level: Pakar
• DASCA (Data Science Council of America); membutuhkan pengalaman
5 tahun
• Azure Data Scientist Associate
• data science dari HarvardX
• data science dari IBM
Coba cek pada Diri Kalian
• Selalu Ingin Tahu
• Selalu termotivasi dan memiliki motivasi yang tinggi
• Punya Tekad yang kuat
• Manajemen waktu yang baik
• Kreatif dan orisinal
• Berpikir luasa (wawasan yang luas – Open minded)
• Easy Going
• Mampu Bekerja dalam Tim
Review Pelaksanaan Sertifikasi
• Pendaftaran BNSP
• Pendaftaran ISACA
• Pendaftaran SAP
• ….
BNSP or Online Course?
• BNSP dan International Certification (Vendor ataupun Asosiasi) à Diakui oleh
negara dan memiliki nilai tambah untuk pengakuan kompetensi di mata Industri
• Online Course : Coursera, Udemy, Dicoding, de el el
• Tidak menunjukkan ”skill” kompetensi secara menyeluruh dikarenakan online
course hanya pencapaian pada pemahaman materi dan self assessment.
• Perlu ditunjang dengan hasil/proyek yang dibuat dari materi yang diperoleh
• Sertifikasi online sangat menunjang karir: menunjukkan keinginan lebih untuk
belajar, mencari pengetahuan baru
• Pertimbangan Advanced level (Beginner: 2 jam; Advance : 3 bulan). Seringkali
level beginner sudah diperoleh dibangku perkuliahan, dan 80% online course
beginner.
• Ex: UI/UX dengan bootcamp: https://www.binaracademy.com/bootcamp/ui-
ux-research-design
 Cara pandang Belajar DaringCara pandang Belajar
Daring

• Nilai lebih dari belajar daring terletak pada sisi praktik atau bagaimana
mengimplementasikan konten-konten tersebut dalam pekerjaan atau proyek pribadi
(portofolio).
• Asumsikan kamu adalah seorang perekrut:
• Saya sudah mengambil 5 kursus Adobe Photoshop secara daring. Berikut adalah link
kursus-kursus yang pernah saya ambil: ….. ; atau
• Saya telah menghasilkan 5 karya Adobe Photoshop menggunakan metode desain
berbeda yang saya pelajari secara daring . Berikut adalah link karya saya: ….
• Idealnya, kita akan memilih si (b) karena dia sudah menunjukan apa yang dia bisa
lakukan (keterampilannya) dari belajar secara daring.
 Apa itu Portofolio?

• Sebuah dokumen yang berisi kumpulan karya yang menunjukkan kualifikasi,

keterampilan, pendidikan, dan pengalaman seseorang.
• Portofolio ini dapat memberikan gambaran tentang potensi kemampuan serta
kepribadian yang dimiliki.
• Dalam segi bentuk, portofolio bisa offline maupun online. Saat ini, portofolio online
lebih diminati karena dapat dibagikan dimanapun dan kepada siapapun.
• Perbedaan CV dan portofolio: CV menjabarkan informasi tentang Riwayat pribadi (latar
belakang Pendidikan, pengalaman, keterampilan, prestasi) sedangkan portofolio
membuktikan segala prestasi atau pengalaman yang kamu tulis di CV kamu, berisi
uraian tugas/proyek, hasil yang pernah dikerjakan.
• Tools membuat portofolioà cakeresume, behance
Review Kembali Komponen Penilaian

Bobot Penilaian (Cek di RPS pada LMS pada Pertemuan 01)

• Sertifikasi : 50%
• Tugas Individu (perencanaan karir): 20%
• Knowledge Sharing / e- Learning : 30%

Untuk Level Sertifikasi untuk memenuhi 50%

• BNSP dan LSP terakreditasi

• Full Advance Level
• Intermediate + intermediate
• Basic + Basic + Intermediate
• Laporan: BNSP dan LSP : Laporan singkat pelatihan dan bukti sertifikat
• Untuk online course : Laporan singkat, sertifikat, portofolio dari proyek yang diimplementasikan dari
online course.
 Sekian dan
Terimakasih
Silakan Untuk Membaca Informasi Pada LMS