LAPORAN AKHIR

MAGANG & STUDI INDEPENDEN BERSERTIFIKAT

Data Analyst Academy

Di PT. Cendekia Data Andalan (Data Academy)

Diajukan untuk memenuhi persyaratan kelulusan

program MSIB MBKM

oleh :
Laili Aulia Fitri / 21.11.4329

Program Studi Informatika

Fakultas Ilmu Komputer
Universitas Amikom Yogyakarta
2023/2024
 Abstraksi
Program Merdeka Belajar-Kampus Merdeka (MBKM) merupakan program
pembelajaran yang diselenggarakan oleh menteri pendidikan dan kebudayaan di
Indonesia. Bertujuan memberikan kesempatan pada mahasiswa untuk belajar dan
mengembangkan diri melalui aktivitas di luar kelas perkuliahan, dengan
mengikuti program ini mahasiswa dapat menghadapi perubahan cepat dalam
dunia teknologi, sosial, dan budaya, serta meningkatkan kemampuan kompetensi
mahasiswa dalam dunia kerja.

Program Studi Independent Bersertifikat (MSIB) ini berjalan selama 1 hingga 2

semester yang dapat dikonversikan hingga sebesar 20 SKS. Adapun pilihan
program dari MBKM diantaranya MSIB, IISMA, Kampus Mengajar, Wirausaha
Merdeka, Pertukaran Mahasiswa, Bangkit dan Gerilya. Pelaksanaan Magang dan
Studi Independent Bersertifikat terhitung mulai tanggal 14 Agustus 2023 - 31
Desember 20233

Salah satu mitra yang bekerjasama dengan program MSIB yaitu PT. Cendekia
“Data Academy”, yang menyediakan 3 program kelas diantaranya Data Analyst,
Data Science, Data Engineering. Proses pembelajaran memanfaatkan beberapa
digital platform,seperti Zoom Meeting untuk pembelajaran online, WhatsApp
Group sebagai tempat koordinasi antara pihak Data Academy dan Peserta.
Program ini memberikan banyak manfaat terutama dalam relasi pertemanan yang
tersebar luas dari sabang sampai merauke, dengan mengikuti program ini dapat
mengimplementasikan teori yang telah dipelajari melalui final project akhir.

Final Project yang dikerjakan pada program studi independent bersertifikat ini
yaitu berfokus pada strategi pencegahan covid new normal khususnya pulau jawa
yang diimplementasikan dalam tableau dengan sumber dataset yang valid yang
bersumber dari kaggle.

1
kata kunci: Merdeka Belajar-Kampus merdeka (MBKM ), Program Studi
Independent Bersertifikat (MSIB), Data Academy (PT Cendekia Data Andalan),
Data Analyst, Final project.

2
 Kata Pengantar
Dengan penuh kerendahan hati, penulis mengucapkan puji syukur kepada Tuhan
Yang Maha Esa atas limpahan Rahmat -Nya yang telah memberikan kemudahan
dan kelancaran dalam menyelesaikan laporan akhir Merdeka Belajar Kampus
Merdeka. Tujuan dari penyusunan laporan ini untuk memenuhi persyaratan
kelulusan Program MBKM Data Analyst Academy di PT.Cendekia Data Andalan.

Penulis sangat bersyukur dapat menyelesaikan program Merdeka Belajar-

Kampus Merdeka, dengan segala bentuk dukungan yang diberikan dari semua
pihak yang membantu serta membimbing penulis dalam melaksanakan salah satu
program Studi Independen Bersertifikat 2023, penulis juga mengucapkan terima
kasih kepada:
1. Tuhan Yang Maha Esa
2. Orang tua, keluarga, teman-teman yang senantiasa selalu memberikan
dukungan dan motivasi.
3. Ibu Rahmah S.Sos. Selaku penanggungjawab Program Studi Independent
Bersertifikat (MSIB) Kampu Merdeka Angkatan 5 periode.
4. Bapak Muhammad Gazali Selaku DPP (Dosen Pendamping Pembelajaran)
Data Academy.
5. Bapak Sabarudin Hidayah Selaku Mentor Data Academy.
6. Bapak Hanif AL Fatta, M. Kom selaku Dekan Fakultas Ilmu Komputer
Universitas Amikom Yogyakarta.
7. Ibu Windha Mega Pradnya D, M.Kom selaku Ketua Program Studi
Informatika Universitas Amikom Yogyakarta.
8. Ibu Anna Baita, M. Kom selaku dosen pembimbing Akademik yang telah
memberikan arahan, bimbingan, dan dukungan selama proses penyusunan
laporan akhir ini hingga selesai.
9. serta pihak-pihak lain yang tidak bisa saya sebutkan satu persatu.

Akhir kata, penulis menyadari bahwa laporan akhir ini masih jauh dari kata
sempurna karena pengetahuan dan pengalaman penulis yang masih terbatas. Oleh

3
karena itu, saran dan kritik yang bersifat membangun akan penulis terima dengan
senang hati. Penulis berharap semoga dengan laporan akhir ini dapat bermanfaat
dan menjadi referensi bagi semua pihak yang memerlukan.

Yogyakarta, 31 Desember 2023

Laili Aulia Fitri

lailiauliafitri@students.amikom.ac.id

4
 Daftar Isi
Abstraksi................................................................................................................. 1
Kata Pengantar.......................................................................................................2
Daftar Tabel............................................................................................................ 6
Daftar Gambar....................................................................................................... 6
Bab I........................................................................................................................ 7
Pendahuluan........................................................................................................... 7
1.1 Latar Belakang............................................................................................. 7
1.2 Lingkup........................................................................................................ 8
1.3 Tujuan.........................................................................................................10
Bab II.....................................................................................................................14
Profil Perusahaan.................................................................................................14
2.1 Struktur Organisasi.....................................................................................14
2.2 Lingkup Pekerjaan..................................................................................... 15
2.3 Deskripsi Pekerjaan....................................................................................19
2.4 Jadwal Kerja...............................................................................................28
Bab III................................................................................................................... 32
Project Akhir Data Analyst.................................................................................32
3.1 Deskripsi Persoalan Project Data Analyst..................................................32
3.2 Proses Pelaksanaan Final Project Data Analyst......................................... 33
3.3 Pencapaian Hasil Final Project Data Analyst.............................................36
Bab IV................................................................................................................... 45
Penutup................................................................................................................. 45
4.1 Kesimpulan................................................................................................ 45
4.2 Saran...........................................................................................................45
Referensi................................................................................................................47
Bab V..................................................................................................................... 48
Lampiran.............................................................................................................. 48
5.1 Log Activity............................................................................................... 48
5.2 Dokumen teknik......................................................................................... 50

5
 Daftar Tabel
Tabel 1.2.1 Lingkup Kegiatan Data Academy
Tabel 2.3.1 Rincian Target Hasil pembelajaran (Kompetensi)
Tabel 2.4.1 Timeline kegiatan Data Analyst Data Academy
Tabel 3.2.1 Timeline Project Akhir Data Analyst
Tabel 5.1.1 Rincian Kegiatan harian Studi Independen

Daftar Gambar
Gambar 2.1.1 Logo Data Academy
Gambar 2.1.2 Struktur Organisasi Data Academy
Gambar 2.3.1 Schedule seluruh program
Gambar 3.2.1 Timeline Data Analyst Academy-Mentoring Schedule
Gambar 3.3.1 Datasheet Covid World
Gambar 3.3.2 Datasheet covid 19 Pulau Jawa
Gambar 3.3.3 Datasheet Vaksin 19
Gambar 3.3.4 Dashboard Covid 19 World
Gambar 3.3.5 Dashboard Covid 19 Pulau Jawa
Gambar 3.3.6 Dashboard Vaksinasi 19 pulau jawa
Gambar 3.3.7 Dashboard perkembangan covid 19 di tiga negara

6
 Bab I
Pendahuluan

1.1 Latar Belakang

Perguruan tinggi menjadi instansi pendidikan yang dimana mahasiswa
memiliki peran yang sangat penting dalam upaya perkembangan Sumber Daya
Manusia (SDM), peran pendidikan salah satunya adalah memberikan pendidikan
formal di perkuliahan dengan harapan setelah menempuh pendidikan dapat
membentuk keterampilan agar siap memasuki dunia kerja. Pengenalan mahasiswa
terhadap kerja berfungsi untuk memperkenalkan mahasiswa agar dapat lebih
mengerti bagaimana dunia kerja yang akan dilalui.

Kampus Merdeka merupakan bagian dari kebijakan Merdeka Belajar yang

digagaskan oleh Bapak Nadiem Anwar Makarim, selaku Kementerian Pendidikan,
Kebudayaan, Riset dan Teknologi (Kemendikbud Ristek) Republik Indonesia.
Ada beberapa program MSIB lainnya, seperti program pertukaran pelajar,
pengembangan proyek pengabdian masyarakat, program pengembangan
wirausaha, program proyek kemanusiaan, asistensi mengajar di satuan
pendidikan, proyek mandiri. Untuk mengikuti program tersebut, mahasiswa
perlu mengikuti beberapa rangkaian seleksi yang diselenggarakan oleh
Kemendikbud Ristek dan mitra yang terkait. Beberapa persyaratan yang perlu
diperhatikan untuk mengikuti program Merdeka Belajar- Kampus Merdeka
(MBKM) diantaranya mahasiswa yang aktif di perguruan tinggi resmi di bawah
naungan Kemendikbud, ketentuan semester, serta memiliki IPK yang menjadi
standarisasi oleh mitra.

Kampus Merdeka memberikan hak kepada mahasiswa/i untuk

mengembangkan serta mengasah kemampuan hard skills dan soft skills,
mahasiswa difasilitasi dengan berbagai bidang keilmuan yang disertai dengan
pilihan mitra yang berkualitas. Salah satu mitra yang ada di Studi Independent

7
Bersertifikat Kampus Merdeka ini yaitu PT. Cendekia Data Andalan. Data
Academy merupakan platform edukasi yang didirikan pada Januari 2020. Program
yang tersedia pada mitra ini salah satunya Data Analyst. Akhir periode
pelaksanaan program Data Analyst, peserta mendapatkan penugasan berupa Final
Project yang akan diimplementasikan hasil teori dari kelas pembelajaran yang
telah diperoleh mengenai Data Analyst.

Pada akhir program MSIB, peserta akan diberikan sertifikat dari mitra
sebagai tanda bahwa telah menyelesaikan program dan telah memiliki
kemampuan sesuai dengan bidang yang telah dipelajari selama mengikuti
program Kampus Merdeka. Terdapat dua sertifikat yaitu sertifikat keikutsertaan
dan sertifikasi kompetensi Data Analyst Academy. Peserta akan memperoleh
sertifikat keikutsertaan. Peserta yang memenuhi syarat akan dapat mengikuti ujian
resmi untuk mendapatkan sertifikat kompetensi Data Analyst Academy. Sertifikat
kompetensi Data Analyst Academy diberikan bagi peserta yang lulus ujian
sertifikasi.

1.2 Lingkup
Sistem pembelajaran di mitra yang terdapat di kelas program yang telah
dipilih diantaranya:
a. Lecture Session
Setiap peserta akan mengikuti kelas dalam bentuk online meeting bersama dengan
expert dibidang yang telah dipilih peserta dengan ketentuan waktu yang telah
ditetapkan mitra
b. Mentoring Session
Peserta dapat berkonsultasi dengan expert terkait materi yang dipelajarinya sesi
tanya jawab yang dilakukan pada waktu yang telah ditetapkan yang dilakukan
setiap setelah pembelajaran dengan durasi waktu 1 jam yang diikuti oleh semua
peserta sesuai dengan kelas program yang telah dipilih.

8
 c. Practice Session
Peserta wajib mengerjakan tugas yang diberikan terkait materi yang telah
disampaikan dengan penuh tanggung jawab.
d. Final Project
Peserta akan memiliki pembimbing project dan dapat berkonsultasi jika peserta
menemui kesulitan non-akademik dalam mengikuti pembelajaran maupun ketika
mengerjakan project

TOR (Term of Reference) adalah acuan atau panduan dokumen kegiatan yang
memberikan gambaran umum tentang bagian- bagian utama dari proyek yang
akan dibentuk. Berikut adalah gambaran kegiatan selama program Studi
Independen di PT. Cendika Data Andalan (Data Academy):

Tabel 1.2.1 Lingkup Kegiatan Data Academy

Nama Kegiatan Data Analyst

Masa Kegiatan 14 Agustus 2023-31 Desember 2023

Waktu Pembelajaran 08.30-12.00

Waktu Mentoring 14.00-15.00

Sub Materi 1. Pengantar SQL (DDL, DML, DCL,Quer

Dasar,Join,Subquery, Window
Functions,Pivoting,Optimasi Query)
2. Pengenalan Konsep Pengolahan Data
menggunakan Tableau Prep
3. Pemahaman Bisnis dan Definisi Masalah
4. Konsep Data Visualisasi Pengenalan Tableau
Desktop dan Instalasi Koneksi &
Extract,Penyederhanaan dan Pengurutan Data
5. Data Connection secara Mendalam
6. Pengantar Visual Design Membuat Dashboard
yang Menarik
7. Pengolahan dan Exploratory Data Analytic
dengan Python
8. Pembelajaran tambahan yang didapat
mendukung kemampuan peserta dalam
mengikuti dan menerapkan sikap teliti dan kritis

9
 dalam pengolahan data dan data engineering
diantaranya:
● Communication Skill
● Public Speaking
● Personal Branding
● Presentation Skill
● Resume and Interview Preparation

Metode 1. Pembelajaran mandiri (self Learning)

Pembelajaran 2. Diskusi yang dilakukan secara berkelompok
(peer to peer discussion)
3. Pendampingan (mentoring)
4. Kuliah umum (lecture)
5. Tugas individu (individual assignments)
6. Tugas kelompok (Final Project)

Tipe Aktivitas Full Daring (Online)

1.3 Tujuan
Tujuan mengikuti MSIB Kampus Merdeka di Data Academy program
Data Analyst ini adalah untuk mengimplementasikan ilmu yang sudah dipelajari
sebelumnya dalam karya berupa aplikasi dengan mencetus ide untuk membuat
karya yang bernilai dengan mengetahui dasar dasar bagaimana memvalidasi
sebuah ide sebelum diterapkan. Lalu, mengeksekusi solusi dengan efektif dan
efisien serta mampu bekerja sama dan berkolaborasi dengan teman satu tim.

Tujuan lain dari laporan ini adalah sebagai bahan evaluasi bagi penulis
untuk mengetahui perkembangan yang telah diperoleh selama mengikuti program
data analyst, serta untuk mengidentifikasi kekurangan yang masih terdapat pada
penulis sehingga dapat diperbaiki untuk kedepannya.

Setelah mengikuti program ini diharapkan penulis dapat

mengimplementasikan berbagai macam bentuk Data Skala Besar dengan konsep
dasar dan konteks dalam bidang Data Analyst, modeling, mining serta
menggunakan teknologi terbaru yang banyak digunakan dikalangan industri,

10
sehingga setelah lulus dari program ini penulis berharap nantinya dapat bekerja di
bidang data analyst.

Target hasil pembelajaran diantaranya:

1. Mampu menjelaskan sejarah dan struktur SQL.
2. Mampu menggambarkan konsep Database Relasional.
3. Mampu menjelaskan perbedaan antara DDL, DML, dan DCL.
4. Mampu menggunakan sintaks DDL, DML, dan DCL dengan benar.
5. Mampu menulis query SQL dasar menggunakan SELECT, FROM, dan
WHERE.
6. Mampu mengelompokkan dan mengurutkan data menggunakan GROUP
BY,
HAVING, dan ORDER BY.
7. Mampu menggabungkan tabel dengan berbagai jenis join dan menulis
subquery.
8. Mampu menjelaskan konsep dasar Window Functions dan Pivoting dalam
SQL.
9. Mampu menjelaskan konsep Pivoting dan menggunakannya untuk
mengubah data.
10. Mampu menganalisis data dengan kombinasi Window Functions dan
Pivoting.
11. Mampu menggunakan indexing untuk meningkatkan kinerja query.
12. Mampu menganalisis query execution plan dan menerapkan tips optimasi
query.
13. Mampu mengenal konsep pengolahan data menggunakan Tableau Prep.
14. Mampu menggabungkan dan membersihkan data menggunakan
TableauPrep.
15. Mampu menggunakan fungsi dan transformasi data pada Tableau Prep
untuk memproses data dengan efektif.
16. Mampu melakukan kalkulasi dan membuat output data pada Tableau Prep.
17. Mampu menjelaskan pentingnya berpikir analitik.
18. Mampu menjelaskan proses analytical problem-solving.
19. Mampu menjelaskan tipe Data Analytics.

11
20. Mampu menjelaskan perbedaan Analysis vs Analytics.
21. Mampu menjelaskan konsep Data Visualisasi.
22. Mampu menjelaskan arsitektur Tableau Platform.
23. Mampu menjelaskan data visualisasi vs infografik.
24. Mampu menjelaskan proses desain data visualisasi
25. Mampu menggunakan encoding dengan baik sesuai tujuan
26. Mampu membuat lembar kerja, halaman data,dashboard dan story pada
Perangkat lunak Tableau
27. Mampu menjelaskan cara menghubungkan sumber data dengan Tableau
28. Mampu menggabungkan data dengan metode Join, Union,
Relationship,Blending.
29. Mampu membuat, memfilter dan memperbarui extract data
30. Mampu menyederhanakan data secara terurut menggunakan kolom
dimensi dan measure
31. Mampu mengelompokkan dan membuat hierarchy data
32. Mampu membuat visualisasi menggunakan group dan hierarchy
33. Mampu membuat bentuk discrete dan continuous dengan kolom tanggal
34. Mampu menampilkan beberapa nilai measure dalam satu tampilan grafik
35. Mampu membandingkan progres data terhadap target acuan
36. Mampu menampilkan data IN dan OUT dari suatu kondisi dengan Subset.
37. Mampu menganalisa hubungan beberapa numerical value dan melihat
outlier data
38. Mampu membuat analisa data berdasarkan letak geographic baik data
geographic dan non geographical
39. Mampu menganalisa data dengan secara spesifik dan cepat
40. Mampu meng custom data dengan calculation dan quick table calculation
41. Mampu menampilkan hubungan antara data summary dan detail
keseluruhan
42. Mampu membuat grafik dengan parameter khusus pada garis reference
43. Mampu membuat Dashboard Interaktif pada Tableau Desktop
44. Mampu membuat Story telling dengan Tableau

12
45. Mampu menjelaskan visual design
46. Mampu mengenal tools dan jenis visual design
47. Mampu mengenal prinsip visual design dan elemen visual design
48. Mampu menjelaskan anatomi tipografi, layout, teori warna, dan tools
desain sesuai fungsi
49. Mampu menjelaskan langkah-langkah menggunakan aplikasi desain
(Mobile Based)
50. Mampu membuat brief desain dan membuat desain basic dengan aplikasi
mobile
51. Mampu membuat desain brief/story/rancangan visual.
52. Mampu membuat layout dasar pada artboard
53. Mampu mengkombinasikan (Kompetensi) Durasi Pembelajaran(Jam) SKS
Bentuk Pembelajaran table pada layout dan menghasilkan infografis yang
menarik.
54. Mampu menjelaskan konsep dasar dan konteks dalam bidang Data
science, modeling, mining dan pengaplikasiannya di industri.
55. Mampu menjelaskan konsep dasar big data science.
56. Mampu menjelaskan kebutuhan dan prospek Big data Science
57. Mampu mengaplikasikan konsep statistika dalam analisis data.
58. Mampu merancang dan mengembangkan model data yang efisien dan
efektif.
59. Mampu menggunakan bahasa pemrograman Python untuk Data Science.
60. Mampu mengolah dan mengeksplorasi data menggunakan teknik dan
perangkat lunak yang relevan.

13
 Bab II
Profil Perusahaan

2.1 Struktur Organisasi

Data Academy adalah pusat pembelajaran yang berfokus di area Data

Science dan Artificial Intelligence, bersama dengan pendidikan, industri,
pemerintah dan masyarakat dalam membangun keterampilan dalam Ilmu Data dan
Kecerdasan Buatan (AI). Data Academy didirikan pada Januari 2020. Kami
membangun ekosistem yang diberi nama Hexa Helix konsep, dimana kami
melakukan sinergi dengan beberapa pihak mulai dari Universitas, Institusi
Pemerintahan, Korporasi, Principal, Profesional, dan Komunitas dalam
menyiapkan talenta-talenta di bidang Data.

Gambar 2.1.1 Logo Data Academy

Dengan icon diagram batang dengan 3 warna berbeda menggambarkan 3

pilar objective utama pada lingkup data, yakni Data Engineer, Data Modeling dan
Data Visualization serta merepresentasikan progress kenaikan pada diagram
batang itu sendiri.

Visi dan Misi Data Academy :

Business Vision : “NationWide Leader as Learning Center for Digital Technology
Specialty on Data Science & AI “

14
Business Mission :

1. Strengthening Synergy within Digital Ecosystem Stakeholder to reach

mutual business benefits (Data Academy Hexa Helix).
2. Expanding Vertical and Horizontal across Industry, Education, Public
segment Building Competency based Learning with
3. Building Competency based Learning with National or International
standard.
4. Building Innovative Learning Platform to accelerate Nationwide market
penetration.
5. Leading or Learning center for Digital Talent especially on Data Science
for National Market.

Gambar 2.1.2 Struktur Organisasi Data Academy

2.2 Lingkup Pekerjaan

Kegiatan yang dilakukan Data Academy adalah menyediakan pelatihan

atau sertifikasi untuk berbagai macam peserta. Pelatihan bisa dilakukan melalui
kerjasama dengan corporate, universitas-universitas ataupun public (secara
mandiri). Data Academy menyediakan berbagai macam pelatihan dan selama
pelatihan peserta akan didampingi oleh tutor yang kompeten dibidangnya. Peserta

15
juga akan mendapatkan sertifikat apabila mengikuti pelatihan sampai dengan
selesai dan nilai exam nya juga telah terpenuhi.

Data Academy juga menjadi partner untuk Prakerja, Indonesia Skill Week
(ISW), dan Kampus Merdeka. Data Academy juga mengadakan berbagai macam
event di antara nya yaitu Data Enthusiast Day (DED) dan Turnamen Data Science
Nasional (TSDN). Acara – acara ini dilakukan untuk mengembangkan Data
Science di Indonesia. Acara ini diikuti oleh berbagai kalangan, baik dari
mahasiswa, umum maupun professional.

Adapun lingkup pekerjaan yang dimaksud dalam tujuan Data Academy

terdapat beberapa divisi program kelas yang diberikan,diantaranya:

A. Data Analyst

Saat ini data merupakan hal yang penting bagi proses yang terjadi dalam
bisnis. Melihat perkembangan data yang terus berkembang setiap harinya, tidak
mungkin seluruhnya hanya disimpan pada sistem yang tradisional. Oleh karena
itu, dengan adanya big data di era industri 4.0 dapat menjadi solusi agar data dapat
dikumpulkan secara terstruktur. Banyak perusahaan dengan berbagai macam latar
belakang industri membutuhkan profesi Data Analyst. Dimana diperlukan untuk
berperan dalam analisis data perusahaan. Sebagai seorang Data Analyst, hasil
temuan yang telah dianalisis menjadi dasar dalam pengambilan keputusan
perusahaan untuk keberlanjutan suatu bisnis. Data Analyst menjadi salah satu
profesi yang menjadi idaman di industri data.

Saat ini kebutuhan data analyst juga semakin besar. Dengan banyaknya
kebutuhan yang tersedia untuk menduduki posisi data analyst, tentunya kamu juga
butuh persiapan termasuk tools apa saja sih yang sering digunakan oleh data
analyst. Hal ini menjadi sebuah dasar pertimbangan untuk menentukan software
yang tepat demi hasil yang terbaik.

16
 Pada akhir pembelajaran, setiap peserta akan mengikuti ujian sebagai
syarat untuk memperoleh sertifikat sebagai Data Analyst Pr. Pada project aktif,
peserta akan dibagi menjadi kelompok, dimana satu kelompok terdiri atas 10
orang, dan setiap kelompok akan mendapatkan use case dan studi kasus dari
beberapa mitra industri yang merupakan partner dari penyelenggara studi
independen. Setiap kelompok juga akan memiliki 1 (satu) pembimbing kelompok.

B. Data Science

Data Science bukanlah sebuah ilmu yang berdiri sendiri. Melainkan

merupakan kombinasi dari berbagai bidang termasuk Ilmu Komputer,
Matematika, Statistik, dan Strategi Bisnis. Tiga komponen yang terlibat dalam
Data Science yaitu Organising, Packaging, dan Delivering Data (The OPD of
Data). Organising data adalah proses penyimpanan data yang digabungkan dengan
manajemen data. Tujuannya adalah untuk mengekstrak sebuah pengetahuan atau
informasi dari data. Packaging data merupakan proses manipulasi dan
penggabungan data mentah yang akan direpresentasikan. Hal ini berguna dalam
mengolah teks, gambar, video, audio, dan lain-lain untuk menghasilkan sistem
kecerdasan buatan. Sistem kecerdasan buatan ini dapat dirancang untuk
melakukan berbagai tugas yang terlalu sulit untuk kecerdasan manusia. Hasil data
yang diolah sistem kecerdasan buatan akan dapat dimanfaatkan oleh analis dan
pengguna dalam bisnis untuk merancang strategi yang tepat untuk menyelesaikan
suatu masalah atau mencapai sebuah tujuan. Delivering data merupakan proses
untuk memastikan bahwa pesan data telah diakses oleh mereka yang
memerlukannya. Menurut penelitian tahun 2011, diperkirakan pada tahun 2020
dunia akan menghasilkan 50 kali lipat data dibandingkan tahun 2011.

Peningkatan aliran data yang drastis tersebut, akan muncul alat-alat baru
yang dapat digunakan untuk memanfaatkan data mentah dengan tepat. Data
Science mencakup semua alat, teknik, dan teknologi yang akan membantu kita
menangani peningkatan aliran data tersebut. Data Science merupakan perpaduan

17
interdisipliner dari penurunan data, pengembangan algoritma, dan teknologi untuk
memecahkan masalah analitik yang kompleks.

Data science adalah ilmu yang penting, karena bisnis kecil maupun besar
sangat bergantung pada data. Jika perusahaan tidak mampu mengolah data, bisnis
tidak akan memiliki pedoman untuk strategi operasi yang efektif dan efisien untuk
mendapat keuntungan. Saat ini, perusahaan-perusahaan di seluruh dunia semakin
menyadari pentingnya data science, kecerdasan buatan, dan machine learning.
Jika sebuah bisnis ingin berkompetisi dan tetap relevan, ia harus mampu
mengimplementasi data science.

Hal Varian, seorang ahli ekonom Google dan dosen Ilmu Komputer,
Bisnis, dan Ekonomi UC Berkeley, mengatakan bahwa kemampuan mengambil,
memahami, memroses, dan menyaring nilai dari suatu data serta
memvisualisasikannya adalah keahlian yang semakin penting di dekade yang akan
datang. Tentu saja, orang yang memiliki pemahaman data science yang baik akan
menjadi berharga dan banyak dicari.

Pada akhir pembelajaran, setiap peserta akan mengikuti ujian sebagai

syarat untuk memperoleh sertifikat sebagai Data Science Academy. Pada project
aktif, peserta akan dibagi menjadi kelompok, dimana satu kelompok terdiri atas
10 orang, dan setiap kelompok akan mendapatkan use case dan studi kasus dari
beberapa mitra industri yang merupakan partner dari penyelenggara studi
independen. Setiap kelompok juga akan memiliki 1 (satu) pembimbing kelompok

C. Data Engineering

Saat ini data merupakan hal yang penting bagi proses yang terjadi dalam
bisnis. Melihat perkembangan data yang terus berkembang setiap harinya, tidak
mungkin seluruhnya hanya disimpan pada sistem yang tradisional. Oleh karena
itu, dengan adanya big data di era industri 4.0 dapat menjadi solusi agar data dapat
dikumpulkan secara terstruktur. Banyak perusahaan dengan berbagai macam latar

18
belakang industri membutuhkan profesi Data Scientist, Data Analyst, dan Data
Engineer.

Data engineer adalah salah satu profesi dalam bidang data yang
bertanggung jawab terhadap infrastruktur data, mengumpulkan data,
mengembangkan data serta memelihara data. Data engineer ini juga nantinya akan
bekerja sama dengan profesi lainnya seperti data scientist dan data analyst. Untuk
memaksimalkan tugas dan tanggung jawabnya, data engineer perlu memiliki
berbagai kemampuan yang perlu dikuasai.

Pada akhir pembelajaran, setiap peserta akan mengikuti ujian sebagai

syarat untuk memperoleh sertifikat sebagai Data Analyst Pr. Pada project aktif,
peserta akan dibagi menjadi kelompok, dimana satu kelompok terdiri atas 10
orang, dan setiap kelompok akan mendapatkan use case dan studi kasus dari
beberapa mitra industri yang merupakan partner dari penyelenggara studi
independen. Setiap kelompok juga akan memiliki 1 (satu) pembimbing kelompok.

2.3 Deskripsi Pekerjaan

Kegiatan studi independen di Data Academy menyediakan beberapa kelas

program pelatihan yang berbeda yaitu data analyst, data science, data engineering.
Peserta diminta untuk memilih satu dari beberapa kelas program yang tersedia,
peserta akan menjalani program sesuai kelas program yang telah dipilih selama 5
bulan mulai dari tanggal 14 Agustus 2023-31 Desember 2023.

19
 Gambar 2.3.1 Schedule seluruh program

Terdapat beberapa modul yang diberikan kepada peserta. Berikut adalah rincian
target dari setiap modul pembelajaran :

Tabel 2.3.1 Rincian Target Hasil pembelajaran (Kompetensi)

No Materi Detail Target Hasil Durasi SK Bentuk

Pembelajaran Pembelajaran Pembelajaran Pembelajar S Pembelajaran
(Kompetensi) an (Jam)

1 SQL untuk ▪ Pengantar SQL • Mampu 100 2 ▪ Kelas

Analisis ▪ DDL, DML dan menjelaskan Webinar
Data DCL sejarah dan Online
▪ Query Dasar struktur SQL. (Ceramah,
• Mampu Tutorial,
▪ JOIN dan
menggambarka Diskusi)
Subquery
n konsep ▪ Tugas
▪ Window Database
Functions dan melalui
Relasional. Learning
Pivoting • Mampu Managem
▪ Optimasi Query menjelaskan ent
perbedaan antara System
DDL, DML, dan (LMS)
DCL. ▪ Mentoring
• Mampu dan
menggunakan Konsultasi
sintaks DDL, Online
DML, dan DCL
▪ Pengguna
dengan benar.
an
• Mampu menulis

20
 query SQL dasar Perangkat
menggunakan Lunak
SELECT, MySQL
FROM, dan
WHERE.
• Mampu
mengelompokka
n dan
mengurutkan
data
menggunakan
GROUP BY,
HAVING, dan
ORDER BY.
• Mampu
menggabungkan
tabel dengan
berbagai jenis
join dan menulis
subquery.
• Mampu
menjelaskan
konsep dasar
Window
Functions dan
Pivoting dalam
SQL.
• Mampu
menjelaskan
konsep Pivoting
dan
menggunakannya
untuk mengubah
data.
• Mampu
menganalisis
data dengan
kombinasi
Window
Functions
dan Pivoting.
• Mampu
menggunakan
indexing untuk
meningkatkan
kinerja query.

21
 • Mampu
menganalisis query
execution plan dan
menerapkan tips
optimasi query.

2 Data ▪ Pengenalan ▪ Mampu 100 2 ▪ Kelas

Preparation Konsep mengenal konsep Webinar
dengan Pengolahan pengolahan data Online
Tableau Data menggunakan (Ceramah,
Prep menggunakan Tableau Prep. Tutorial,
Tableau Prep ▪ Mampu Diskusi)
▪ Penggabungan menghubungkan ▪ Tugas
dan dan membersihkan melalui
Pembersihan data menggunakan Learning
Data Tableau Prep. Managem
menggunakan ▪ Mampu ent System
Tableau Prep menggunakan (LMS)
▪ Penggunaan fungsi dan ▪ Mentoring
Fungsi dan transformasi data dan
Transformasi pada Tableau Prep Konsultasi
Data pada untuk memproses Online
Tableau Prep data dengan efektif. ▪ Penggunaa
▪ Kalkulasi ▪ Mampu melakukan n
dengan kalkulasi dan Perangkat
Tableau Prep membuat output Lunak
▪ Output Data data pada Tableau Tableau
pada Tableau Prep. Prep
Prep Builder

3 Data dan ▪ Pengantar ▪ Mampu 100 2 ▪ Kelas

Business Data menjelaskan Webinar
Understandin Analisis pentingnya Online
g ▪ Pentingnya berpikir analitik. (Ceramah,
Data dalam ▪ Mampu Tutorial,
Bisnis menjelaskan Diskusi)
▪ Jenis-jenis proses analytical ▪ Tugas
Data dalam problem-solving. melalui
Bisnis ▪ Mampu Learning
menjelaskan tipe Managem
▪ Pengumpulan
Data Analytics. ent
dan
▪ Mampu System
Penyimpanan
menjelaskan (LMS)
Data perbedaan Analysis
▪ Pemahaman ▪ Mentoring
vs Analytics. dan
Bisnis dan

22
 Definisi Konsultasi
Masalah Online
▪ Penggun
aan
Perangka
t Lunak
Data
Visualizatio
n Tableau

4 Pengant ▪ Konsep Data ▪ Mampu 100 2 ▪ Kelas

ar Visualisasi menjelaskan Webinar
Visualis ▪ Pengenalan konsep Data Online
asi Data Tableau Visualisasi. (Ceramah,
Desktop dan ▪ Mampu Tutorial,
Instalasi menjelaskan Diskusi)
▪ Koneksi & arsitektur Tableau ▪ Tugas
Extract Data Platform. melalui
▪ Penyederhana ▪ Mampu Learning
an dan menjelaskan data Managem
Pengurutan visualisasi vs ent
Data infografik. System
▪ Pengorganisa ▪ Mampu (LMS)
sian Data menjelaskan ▪ Mentoring
▪ Multiple proses design data danKonsultas
Measures in a visualisasi. i
View ▪ Mampu
Online
▪ Relationship menggunakan
encoding dengan ▪ Penggunaan
between Perangkat
Numerical baik sesuai tujuan.
▪ Mampu membuat Lunak
Values &
lembar kerja, Tableau
Subset
▪ Pemetaan halaman data, Prep Builder
Data dashboard dan
berdasarkan story pada
Letak Perangkat lunak
Geografis Tableau.
▪ Nilai Spesifik ▪ Mampu
dan menjelaskan cara
Kustomisasi menghubungkan
Data sumber data
dengan Tableau.
▪ Analisa Data
▪ Mampu
dengan Quick
menggabungkan
Table
data dengan
Calculations

23
 ▪ Breakdown metode Join,
Keseluruhan Union,
Data Relationship,
▪ Highlight Blending.
Data dengan ▪ Mampu membuat,
Garis memfilter dan
Referensi dan memperbarui
Parameter extract data.
▪ Dashboard & ▪ Mampu
Storytelling menyederhanakan
data secara terurut
menggunakan
kolom dimensi dan
measure.
▪ Mampu
mengelompokkan
dan membuat
hierarchy data.
▪ Mampu membuat
visualisasi
menggunakan
group dan
hierarchy.
▪ Mampu membuat
bentuk discrete
dan continuous
dengan kolom
tanggal.
▪ Mampu
menampilkan
beberapa nilai
measure dalam
satu tampilan
grafik.
▪ Mampu
membandingkan
progres data
terhadap target
acuan.

5 Visualisasi ▪ Data ▪ Mampu 120 3 ▪ Kelas

Data Connection menampilkan data Webinar
Lanjutan secara IN dan OUT dari Online
Mendalam suatu kondisi (Ceramah,
Tutorial,

24
 dengan Subset. Diskusi)
▪ Subset Data
▪ Kalkulasi ▪ Mampu ▪ Tugas
Lanjutan pada menganalisa melalui
Tableau hubungan beberapa Learning
▪ Parameter numerical value Managemen
dan melihat outlier t System
▪ Comparing
data. (LMS)
Measures
Against a Goal ▪ Mampu membuat ▪ Mentoring
▪ Distribusi analisa data dan
berdasarkan letak Konsultasi
▪ Statistic and
geographic baik Online
Forecasting
data geographic dan ▪ Penggunaan
▪ Dashboard
non geographical. Perangkat
Interaktif
▪ Mampu Lunak
▪ Story Telling
menganalisa data Tableau Prep
dengan secara Builder
spesifik dan cepat.
▪ Mampu
mengcustom data
dengan calculation
dan quick table
calculation.
▪ Mampu
menampilkan
hubungan antara
data summary dan
detail keseluruhan.
▪ Mampu membuat
grafik dengan
parameter khusus
pada garis
reference.
▪ Mampu membuat
Dashboard
Interaktif pada
Tableau Desktop
▪ Mampu membuat
Story telling
dengan Tableau.

6. Visual ▪ Pengantar ▪ Mampu menjelaskan 100 2 ▪ Kelas

Design untuk Visual visual design. Webinar
Analitik Design ▪ Mampu mengenal Online
tools dan jenis visual (Ceramah,
▪ Teori Visual
design. Tutorial,
Desain
▪ Mampu mengenal Diskusi)

25
 prinsip visual design ▪ Tugas
▪ Mengaplikas
dan elemen visual melalui
ikan Tools
design. Learning
Desain
(Adobe ▪ Mampu menjelaskan Managemen
Based) anatomi tipografi, t System
layout, teori warna, (LMS)
▪ Mengaplikasi
dan tools desain ▪ Mentoring
kan Tools
sesuai fungsi. dan
Desain
(Mobile ▪ Mampu menjelaskan Konsultasi
Based) langkah-langkah Online
menggunakan aplikasi ▪ Penggunaan
▪ Membuat
desain (Mobile Perangkat
Dashboard
Based). Lunak Lunak
yang
Menarik ▪ Mampu membuat Adobe
brief desain dan Photoshop dan
membuat desain basic Adobe
dengan aplikasi Illustrator
mobile.
▪ Mampu membuat
desain
brief/story/rancangan
visual.
▪ Mampu membuat
layout dasar pada
artboard.
▪ Mampu
mengkombinasikan
▪ table pada layout dan
menghasilkan
infografis yang
menarik.

▪ Mampu menjelaskan 100 2 ▪ Kelas

7 Dasar Python ▪ Science dan konsep dasar dan Webinar
untuk Analitik Big Data konteks dalam Online
▪ Dasar-dasar bidang Data science, (Ceramah,
Statistika modeling, mining Tutorial,
untuk Data dan Diskusi)
Science pengaplikasiannya di ▪ Tugas
▪ Dasar Python industri. melalui
untuk Data Learning
Science ▪ Mampu menjelaskan
konsep dasar big data Managemen
▪ Pengolahan dan science. t System
Eksploratory Data (LMS)
▪ Mampu menjelaskan
Analytic dengan

26
 Python kebutuhan dan ▪ Mentoring
prospek Big Data dan
Science Konsultasi
▪ Mampu Online
mengaplikasikan ▪ Penggunaan
konsep statistika Perangkat
dalam analisis data. Lunak
▪ Mampu merancang Microsoft
dan mengembangkan Excel, Google
model data yang Spreadsheet,
efisien dan efektif. Google Colab,
▪ Mampu Library
menggunakan bahasa Python
pemrograman Python (pandas,
untuk Data Science. numpy,
▪ Mampu mengolah dan matplotlib,
mengeksplorasi data seaborn)
menggunakan teknik
dan perangkat lunak
yang relevan.
8 Soft Skill ▪ Communication ▪ Mampu menerapkan 60 2 ▪ Kelas
Skill sikap teliti dan kritis Webinar
▪ Public Speaking dalam pengolahan Online
▪ Personal data dan data (Ceramah,
Branding engineering. Tutorial,
▪ Presentation Skill ▪ Mampu menerapkan Diskusi)
▪ Resume and kemampuan ▪ Tugas
Interview komunikasi yang melalui
Preparation baik. Learning
▪ Mampu Managemen
mengimplementasika t System
n manajemen waktu (LMS)
dan kerjasama tim. ▪ Mentoring
dan
Konsultasi
Online
▪ Penggunaan
Perangkat
Lunak
Microsoft
Word,
Microsoft
Presentation,a
tau aplikasi
online

27
 presentation

2.4 Jadwal Kerja

Jadwal Studi Independen/Kampus Merdeka Data Academy PT. Cendekia Data

Andalan.

mulai : 21 Agustus 2023 s.d 15 Desember 2023

program : Data Analyst Academy

Besaran SKS : 20 SKS

Jumlah Peserta : 149 Mahasiswa

Tabel 2.4.1 Timeline kegiatan Data Analyst Data Academy

No Hari/Tanggal Online Classroom Materi Pembelajaran Live

Mentoring
Minggu 1

1 21 August 2023 13:00-14:00 Initial Assessment

2 22 August 2023 08:30-12:00

Konsep Data Engineering dan
3 23 August 2023 08:30-12:00 Data Warehouse

Minggu 2

4 28 August 2023 08:30-12:00 14:00-15:00

5 29 August 2023 08:30-12:00 SQL untuk Analisis Data 14:00-15:00
6 30 August 2023 08:30-12:00 14:00-15:00
Minggu 3

7 4 September 08:30-12:00 14:00-15:00

2023
8 5 September 08:30-12:00 Data Preparation dengan Tableau 14:00-15:00
2023 Prep
9 6 September 08:30-12:00 14:00-15:00
2023

28
 Minggu 4

10 11 September 08:30-12:00 Data Preparation dengan Tableau 14:00-15:00

2023 Prep
11 13 September 08:30-12:00 14:00-15:00
2023
Data dan Business Understanding
12 14 September 08:30-12:00 14:00-15:00
2023
Minggu 5

13 18 September 08:30-12:00 14:00-15:00

2023
Pengantar Visualisasi Data
14 22 September 08:30-12:00 14:00-15:00
2023
Minggu 6

16 25 September 08:30-12:00 14:00-15:00

2023
17 26 September 08:30-12:00 14:00-15:00
Pengantar Visualisasi Data
2023
18 27 September 08:30-12:00 14:00-15:00
2023
Minggu 7

19 02 October 08:30-12:00 14:00-15:00

2023
20 03 October 08:30-12:00 Pengantar Visualisasi Data 14:00-15:00
2023
21 4 October 2023 08:30-12:00 14:00-15:00
Minggu 8

22 9 October 2023 08:30-12:00 14:00-15:00

23 10 October 08:30-12:00 Pengantar Visualisasi Data 14:00-15:00
2023
Minggu 9

24 16 October 08:30-12:00 14:00-15:00

2023
25 17 October 08:30-12:00 14:00-15:00
2023 Visualisasi Data Lanjutan
26 18 October 08:30-12:00 14:00-15:00
2023

29
27 19 October 08:30-12:00 14:00-15:00
2023
Minggu 10

28 23 October 08:30-12:00 14:00-15:00

2023
Visualisasi Data Lanjutan
29 24 October 08:30-12:00 14:00-15:00
2023
Minggu 11

30 30 October 08:30-12:00 Visual Design untuk Analitik 14:00-15:00

2023

31 31 October 08:30-12:00 Visual Design untuk Analitik 14:00-15:00

2023
Minggu 12

32 7 November 08:30-12:00 14:00-15:00

2023
33 8 November 08:30-12:00 14:00-15:00
Dasar Python untuk Analitik
2023
34 9 November 08:30-12:00 14:00-15:00
2023
Minggu 13

35 13 November 08:30-12:00 14:00-15:00

2023
36 14 November 08:30-12:00 14:00-15:00
2023
Soft Skill
37 15 November 08:30-12:00 14:00-15:00
2023
38 16 November 08:30-12:00 14:00-15:00
2023
Minggu 14

39 20 November 14:00-15:00
2023
40 21 November 14:00-15:00
2023 Final Project
41 22 November 14:00-15:00
2023

30
42 23 November 14:00-15:00
2023
43 24 November 14:00-15:00
2023
Minggu 15

44 27 November 14:00-15:00
2023
45 28 November 14:00-15:00
2023
46 29 November 14:00-15:00
2023 Final Project

47 30 November 14:00-15:00
2023
48 1 December 14:00-15:00
2023
Minggu 16

49 4 December 14:00-15:00
2023
50 5 December 14:00-15:00
2023
51 6 December 14:00-15:00
2023
52 7 December Pengumpulan Final Project 14:00-15:00
2023
53 8 December 14:00-15:00
2023
Minggu 17

54 11 December 08:30-12:00
2023
55 12 December 08:30-12:00
2023
56 13 December 08:30-12:00
Presentasi Final Project
2023
57 14 December 08:30-12:00
2023
58 15 December 08:30-12:00
2023
Penyusunan Laporan Akhir

31
 Bab III
Project Akhir Data Analyst

3.1 Deskripsi Persoalan Project Data Analyst

Program Data Analyst di PT. Data Andalan dilaksanakan selama lima
bulan. Untuk empat bulan pertama peserta mempelajari materi mengenai Data
Analyst, dan satu bulannya terakhirnya peserta difokuskan untuk pengerjaan final
project akhir. Aktivitas Studi Independen Data Analyst Academy meliputi
pembelajaran individu dan project akhir dalam bentuk tim. Untuk meningkatkan
kemampuan teknikal serta persiapan untuk mengerjakan final project.

Data Academy mewajibkan seluruh peserta untuk menyelesaikan semua

rangkaian kegiatan pembelajaran mingguan yang telah ditetapkan diantaranya
berupa assignment,quiz,mentoring dan final project yang tersedia di web yang
telah ditetapkan oleh mitra yaitu kognitify.com. Final project wajib dikerjakan
secara kelompok guna mengimplementasikan ilmu yang sudah dipelajari
sebelumnya dalam karya berupa aplikasi dengan mencetus ide untuk membuat
karya yang bernilai dengan mengetahui dasar dasar bagaimana memvalidasi
sebuah ide sebelum diterapkan. Program Data Analyst Academy terdiri dari 149
participants dan dibagi menjadi 30 grup, yang dimana setiap tim terdiri dari 4
sampai 5 peserta, yang didampingi 6 mentor setiap kelompok yang telah
dibentuk. Setiap kelompok akan dipilih ketua untuk mengarahkan mengatur
jalannya diskusi dalam final project serta menjadi tempat perantara antara teman
dan mentor seperti ingin menentukan jadwal diskusi ke mentor jika ada materi
yang kurang dipahami.

Saat pengerjaan final project akhir ini dilakukan secara berdiskusi

mengenai task yang akan dikerjakan untuk final project dari awal hingga selesai
pengerjaan, platform yang sering digunakan untuk berdiskusi diantaranya
whatsapp sumber utama pembentukan kelompok, kemudian melalui discord, lalu
zoom meeting dan google meeting.

32
 Tahap final project ini, setiap kelompok yang telah dibentuk diminta untuk
berdiskusi terkait judul atau topik yang akan digunakan untuk dibahas di final
project yang dimana final project itu berupa upaya apa yang harus dilakukan
seperti memproses data, data cleaning, mengcapture data, collecting data dalam
bentuk visualisasi, serta mampu menghasilkan insight yang dimana tujuan dari
final project tersebut dapat menghasilkan recommendation, optimation, serta
strategi atau upaya dari hasil permasalah visualisasi di final project dalam bentuk
dashboard yang telah dibuat melalui platform tableau yang telah dipelajari
sebelumnya serta akan di public jika final project tersebut telah selesai dikerjakan.
Pada final project ini tim kami mengambil dataset yang bersumber dari kaggle
mengenai strategi pencegahan covid 19 new normal yang berkhusus di pulau jawa
dengan rentang waktu tahun 2020-2022, kemudian kami juga menggunakan
dataset dari vaksin yang bersumber di vaksinasi, dan tambahan dataseat
selanjutnya yaitu datasheet beberapa negara untuk menjadi acuan kami jika ada
kasus covid di negara kita yaitu bersumber di website who.

3.2 Proses Pelaksanaan Final Project Data Analyst

Penentuan kelompok final project ini dimulai pada 7 november 2023.
Adapun timeline yang telah ditentukan dari awal hingga akhir guna memudahkan
peserta dalam menyelesaikan final project ini, sebagai berikut:

33
 Gambar 3.2.1 Timeline Data Analyst Academy-Mentoring Schedule

Tabel 3.2.1 Timeline Project Akhir Data Analyst

Alur Progres Deadline To do List

pertama: 8-21 November ● Mampu membuat

Use Case and Data visualisasi
dengan judul
yang sesuai
● Memiliki
informasi call to
action pada
visualisasi yang
memiliki
kemampuan
berinteraksi
● Mampu
menetapkan
legend/filter pada
tempat yang
sesuai
● Mampu
menetapkan
susunan sheet
pada dashboard
yang sesuai
kaidah

kedua: 21-27 November ● Mampu membuat

Storyboard analisa
common/yang
sudah ada
● Mampu membuat
analisa yang
belum ada
● Mampu membuat
analisa yang
memiliki nilai
positif langsung
ke perusahaan
● Mampu membuat
analisa yang
mungkin akan
diterapkan

34
 dimasa yang
akan datang

Ketiga: 27-06 Desember ● Mampu

Dashboard menampilkan
dan menceritakan
setiap dashboard
● Mampu
menganalogikan
setiap dashboard
dengan bahasa
yang mudah
dipahami
● Mampu membuat
pendengar ingin
terus
mendengarkan
● Mampu
memberikan
kesimpulan
analisa dan
action yang harus
dilakukan

Keempat: 06-15 Desember ● Mampu membuat

Presentasi berbagai macam
chart/grafik
Data Visualization
sederhana
● Mampu
menambahkan/m
enempatkan
encoding dengan
baik
● Mampu
mengundang
pengguna untuk
explore lebih
● Mampu
menjawab
pertanyaan-
pertanyaan yang
muncul dari
pengguna

35
3.3 Pencapaian Hasil Final Project Data Analyst
Dalam proses pengerjaan final project, kami telah dibentuk kelompok
dengan jumlah anggota 5 orang. Setelah pengajuan kelompok disetujui, hal
pertama yang kami lakukan adalah membuat planning project yang telah
ditentukan sebagai berikut:
A. Easy to Understand
Pada langkah pertama ini saya dan tim kelompok membuat judul mengenai covid
19 yang telah di review mentor dan telah di acc untuk dilanjutkan membuat
project akhir. Langkah selanjutnya mencari dataset yang sesuai dengan judul yang
telah ditentukan.

Gambar 3.3.1 Datasheet Covid World

36
 Pada Datasheet Covid World tersebut terdapat beberapa kategori seperti :
Kasus baru,Meninggal,Total Kematian,Total Kasus. Datasheet World yang
temukan tersebut yaitu bersumber dari website WHO dengan rentang waktu tahun
2020-2023.

Gambar 3.3.2 Datasheet covid 19 Pulau Jawa

Pada datasheet tersebut terdapat beberapa kategori mengenai covid 19

seperti: kasus baru, meninggal, total sembuh, kasus akrif, total kasus, total
sembuh, serta total aktif. Dataset yang ditemukan yaitu bersumber dari kaggle
dengan rentang waktu tahun 2020-2022

Gambar 3.3.3 Datasheet Vaksin 19

37
 Pada datasheet tersebut terdapat beberapa kategori vaksinasi covid 19
seperti: vaksinasi 1 sampai 4, batch. Datasheet yang ditemukan yaitu bersumber
dari upk.kemkes dengan rentang waktu tahun 2020-2023.

Kemudian tim kita mencari permasalah use case terkait 5W1H (What,
Who, When, Where, Why, How). Pada use case ini kita membahas mengenai
strategi terkait covid 19 yang di mana strategi atau kebijakan covid 19. Berikut
Use Case yang akan menjadi acuan di Indonesia pada project kita :
1. Apa itu Covid-19?
2. Bagaimana Strategi Kebijakan Pemerintah Indonesia dalam
mengatasi pandemi Covid 19?
3. Siapa yang bertanggung jawab atas implementasi kebijakan
pencegahan penularan covid 19?
4. Siapa yang menjadi target utama dari strategi tersebut?
5. Kapan kebijakan ini dijadwalkan atau diusulkan untuk
dilaksanakan?
6. Kapan waktu tertentu yang harus dicapai dalam implementasi
kebijakan?
7. Di mana kebijakan ini akan diterapkan secara khusus?
8. Dimana sumber daya dan dukungan akan dialokasikan untuk
memastikan keberlanjutan
9. Kenapa kebijakan dibutuhkan dalam menghadapi New Normal?
10. Bagaimana Keadaan Ekonomi di Indonesia saat Pandemi
Covid-19?
11. Bagaimana Keadaan Ekonomi di Indonesia setelah Pandemi
Covid-19?
12. Bagaimana strategi kebijakan ini akan diimplementasikan secara
konkret?
13. Bagaimana cara berkomunikasi dengan masyarakat dalam rangka
mendukung kebijakan ini?

38
 B. Business Value
Dari use case yang telah ditentukan tim saya membuat analisa mengenai
apa saja dampak dari covid dan bagaimana strategi yang kita terapkan sebagai
acuan jika virus tersebut muncul kembali . Covid 19 atau Coronavirus merupakan
virus yang menyebabkan terjadinya infeksi saluran pernapasan atas. Meskipun
puncak pandemi mungkin sudah lewat, tetapi dampak jangka panjangnya masih
terasa. Pada project kelompok kami ada beberapa strategi atau kebijakan yang
menjadi acuan kita yang dapat kita lihat seperti:
a. Keadaan ekonomi indonesia saat pandemi Covid-1
Masyarakat diminta untuk mematuhi protol yang telah ditetapkan seperti:
menggunakan masker, menjaga jarak dan menghindari kerumunan. Hal tersebut
secara langsung dapat membatasi aktivitas ekonomi masyarakat seperti
terganggunya proses produksi barang, distribusi produk, hingga proses pemasaran
barang dan jasa di seluruh dunia. seperti :
1. Turunnya pertumbuhan ekonomi Indonesia 5,02% pada tahun 2019
menjadi 2,97% pada tahun 2020
2. Meningkatnya jumlah pengangguran menurut Bank Dunia dari 5,28%
pada tahun 2019 menjadi 7,07% pada tahun 2020.
3. Data Badan Pusat Statistik, dimana ekspor di Indonesia menurun sekitar
2,6% pada tahun 2020

b. Keadaan ekonomi indonesia setelah pandemi covid 19

Pemerintah melakukan kebijakan fiskal dengan beberapa dapat
mengurangi dampak negatif pada perekonomian Indonesia yang disebabkan oleh
pandemi Covid-19. Selain itu, kebijakan ini bertujuan agar menggerakkan
kembali usaha para pelaku usaha termasuk UMKM.

Kebijakan fiskal mempunyai 3 (tiga) stimulus sebagai pergerakan perubahan,

yaitu:

1. Percepatan Belanja Pemerintah

2. Relaksasi Pajak Penghasilan
3. Pemulihan Ekonomi Nasional Dengan Melaksanakan Kebijakan

39
 C. Story Telling
Tim kami membuat beberapa dashboard sederhana dari data sheet yang
telah ditemukan yang sekiranya bisa memberikan gambaran mengenai keadaan
covid 19 di dunia dan pulau jawa dan menjadi strategi atau kebijakan yang akan
diterapkan nantinya.

Gambar 3.3.4 Dashboard Covid 19 World

40
 Gambar 3.3.5 Dashboard Covid 19 Pulau Jawa

Gambar 3.3.6 Dashboard Vaksinasi 19 pulau jawa

41
 Gambar 3.3.7 Dashboard perkembangan covid 19 di tiga negara

D. Data Visualization
Pada visualisasi data yang telah dibuat berdasarkan pembahasan yang
terkait Strategi Kebijakan Pencegahan Penularan Covid-19 khususnya pulau jawa
dapat disimpulkan dengan beberapa strategi yang harus diterapkan nantinya,
ketika virus tersebut tersebar kembali, diantaranya :
1. Peran Pemerintah
a. Kontrol Perbatasan dan Pemantauan Internasional:
- Menguatkan pengawasan perbatasan dan pemeriksaan
kesehatan internasional.
- Berkolaborasi dengan negara tetangga untuk pertukaran
informasi dan koordinasi tindakan
b. Bantuan Ekonomi dan Sosial:
- Memberikan dukungan ekonomi kepada masyarakat yang
terdampak secara ekonomi oleh pandemi.
- Menyediakan bantuan sosial kepada kelompok rentan untuk
memastikan keamanan pangan dan kesejahteraan sosial.
c. Dukungan Psikososial:

42
 - Menyediakan dukungan psikososial kepada masyarakat
yang terdampak secara mental dan emosional akibat
pandemi.
- Mendorong pembentukan kelompok dukungan dan sumber
daya mental kesehatan.
2. Peran Pemuda dan Komunitas:
- Menggerakkan peran pemuda dan komunitas dalam menyebarkan
informasi kesehatan dan memotivasi masyarakat untuk mematuhi
protokol kesehatan.
- Mendukung inisiatif komunitas dalam menyediakan bantuan bagi
yang membutuhkan.
3. Lembaga kesehatan
a. Penguatan Kapasitas Rumah Sakit:
- Memastikan ketersediaan tempat tidur, peralatan medis, dan
tenaga kesehatan yang cukup.
- Melakukan perencanaan untuk skenario terburuk dan
memperkuat kapasitas rumah sakit.
b. Vaksinasi Massal:
- Percepatan program vaksinasi massal untuk mencapai
kekebalan kelompok.
- Mendorong partisipasi masyarakat dalam program
vaksinasi melalui kampanye penyuluhan dan informasi
yang akurat.
4. Masyarakat.
Pemerintah dapat mengimplementasikan fiskal (fiskal adalah kebijakan
yang dibuat oleh pemerintah untuk mengarahkan perekonomian suatu negara) dan
stimulus guna untuk mengurangi dampak negatif pada perekonomian, kebijakan
fiskal diantaranya:

a. Percepatan Belanja Pemerintah

Percepatan belanja pemerintah merujuk pada upaya untuk meningkatkan tingkat

43
pengeluaran atau investasi pemerintah dalam ekonomi dengan tujuan mendorong
pertumbuhan ekonomi, menciptakan lapangan kerja, dan merangsang aktivitas
ekonomi

b. Relaksasi Pajak Penghasilan

Relaksasi pajak penghasilan merujuk pada tindakan pemerintah untuk mengurangi

beban pajak yang harus dibayarkan oleh individu atau perusahaan. Tujuan dari
relaksasi pajak penghasilan bisa bervariasi, namun seringkali dilakukan untuk
merangsang aktivitas ekonomi, meningkatkan daya beli masyarakat, atau
membantu perusahaan dalam menghadapi kondisi ekonomi yang sulit.

c. Pemulihan Ekonomi Nasional Dengan Melaksanakan Kebijakan

Keuangan Negara melalui Relaksasi APBN

Pemulihan Ekonomi Nasional melalui melaksanakan kebijakan keuangan negara

dengan relaksasi Anggaran Pendapatan dan Belanja Negara (APBN) merujuk
pada serangkaian tindakan pemerintah untuk mengatasi dampak ekonomi yang
ditimbulkan oleh krisis atau situasi sulit.

Relaksasi APBN mencakup berbagai langkah untuk mengubah kebijakan fiskal

dan keuangan negara dengan tujuan merangsang pertumbuhan ekonomi,
melindungi lapangan kerja, dan menjaga stabilitas makroekonomi. Beberapa
bentuk relaksasi APBN melibatkan peningkatan belanja publik, pengurangan
beban pajak, atau restrukturisasi utang negara.

44
 Bab IV
Penutup

4.1 Kesimpulan
Berdasarkan dari implementasi kegiatan program MSIB sangat
memberikan banyak manfaat bagi penulis, terutama program studi independen
pada mitra PT. Cendekia Data Andalan. Berikut adalah manfaat yang saya
dapatkan diantaranya:
1. Pelaksanaan kegiatan Studi Independen Bersertifikat Kampus Merdeka
dari Data Academy berjalan dengan lancar dan baik selama kurang lebih 5
bulan dari tanggal 21 Agustus 2023 sampai 15 desember 2023.
2. Materi yang diberikan sudah sangat baik dan sesuai dengan kurikulum
yang diberikan, serta sesuai dengan bidang konsentrasi yang saya ambil
3. Penjelasan materi terkait Data Analyst di jelaskan oleh expert yang
berpengalam dibidangnya yaitu bagian data
4. Dalam masa pembelajaran, seluruh peserta akan diberikan mentor yang
dibagi ke dalam beberapa kelompok untuk pengerjaan final project akhir.
5. Project akhir yang dilakukan oleh kelompok saya adalah strategi kebijakan
pencegahan covid 19 dengan tujuan agar kedepannya jika virus tersebut
tersebar kembali maka kita bisa menerapkan strategi yang telah
direncanakan dengan baik.

4.2 Saran
Kesempatan mengikuti MSIB yang diberikan oleh Kemendikbud Ristek
sangat memberikan pengaruh yang sangat amat baik kepada peserta. Banyak
sekali manfaat yang telah penulis dapatkan seperti bertambahnya relasi
pertemanan karena yang mengikuti program MSIB ini tidak hanya berasal dari
satu universitas melainkan dari seluruh indonesia sehingga membuat peserta
untuk bisa bersosialisasi. Dengan mengikuti program ini dapat membantu peserta
semakin percaya diri jika berinteraksi dengan banyak orang terutama saat

45
menjelaskan hasil final project. Peserta mendapatkan pengetahuan serta
pengalaman baru dengan studi case yang mirip seperti di lapangan pekerjaan
sehingga peserta dapat melihat gambaran mengenai lingkungan profesional, serta
dapat mengasah kemampuan baik soft skill maupun hard skill. Namun, terdapat
beberapa hal yang perlu diperhatikan untuk diperbaiki pada MSIB batch
selanjutnya, diantaranya:
1. Perlu melakukan perbaikan kembali pada platform pembelajaran yang
telah ditentukan oleh mitra.
2. Mempertahankan serta perlu ditingkatkan kedisiplinan yang telah
ditetapkan mengenai timeline pembelajaran agar senantiasa selalu tepat
waktu/on time.
3. Sebaiknya untuk jadwal bimbingan final project lebih diperhatikan lagi
agar proses pengerjaan final project lebih baik.
4. Disarankan untuk menggunakan perangkat lunak komunikasi yang
memungkinkan interaksi efektif antara peserta dan mentor, supaya
informasi yang penting bisa tersusun rapi, agar peserta tidak menerima
informasi yang kurang pasti atau simpang siur. Hal tersebut juga nantinya
akan mendukung proses lancarnya program MSIB.
5. Tetap ikut serta sebagai mitra dalam program MSIB batch selanjutnya.

Harapannya semoga pelaksanaan program MSIB pada batch ini bisa terus
dikembangkan dan semakin lebih baik lagi untuk kedepannya dan menjadi yang
terbaik. Serta dapat memberikan manfaat kepada peserta, instansi dan perusahaan.

46
 Referensi
[1] https://kampusmerdeka.kemdikbud.go.id/program
[2] Noviana Sami Ratri. 18 Desember 2022. diakses pada 22 Desember 2023.
from: https://materi.amikom.ac.id/
[3] Microcredential. (2021). Panduan Singkat Magang dan Studi Independen
Bersertifikat Untuk Mahasiswa. Jakarta: Microcredential.

47
 Bab V
Lampiran

5.1 Log Activity

Tabel 5.1.1 Rincian Kegiatan harian Studi Independen

Minggu Kegiatan
1 ● OnBoarding Data analyst Academy
● Pengenalan Kognitify
● Sosialisasi Platform MSIB Batch 5
2 ● Kognitify Initial Assessment
● Konsep Data Engineering dan Data Warehouse
● Menyelesaikan Tugas Konsep Data Engineering
3 ● SQL For Data Analyst
● Mentoring SQL
4 ● Tableau Prep
● Tableau Prep Mentoring
● Latihan Tableau Prep dengan menonton recording di
Kognitify
● Mengikuti Kelas Google Cloud Fundamentals : Core
Infrastructure
5 ● Studying Data Preparation with Tableau Prep
● Finishing Post Test
● Data & Business Understanding
● Data & Business Understanding Mentoring
6 ● Pengantar Visualisasi Data
● Mentoring Pengantar Visualisasi Data
● Watching recording SQL for Analytics
7 ● Pengantar Visualisasi Data
● Review materi pengantar visualisasi data
● Mengerjakan Tugas Pengantar Visualisasi Data
8 ● Pengantar Visualisasi Data
● Mentoring Pengantar Visualisasi Data

48
 ● Mengerjakan Pretest
● Review materi
9 ● Pengantar Visualisasi Data
● Mentoring Pengantar Visualisasi Data
● Mengerjakan tugas 3 Data Visualisasi
● Mengerjakan PreTest dan Final Project
● Menonton recording
10 ● Visualisasi Data Lanjutan
● Mentoring Visualisasi Data Lanjutan
● Mengerjakan Tugas 1 dan 2 Visualisasi Data Lanjutan
● Pengumpulan Akhir Tugas 1 dan 2 Visualisasi Data
Lanjutan
11 ● Visualisasi Data Lanjutan
● Mentoring Visualisasi Data Lanjutan
● Mengerjakan Tugas 3 Visualisasi Data Lanjutan
● Menonton recording Visualisasi Data Lanjutan
● Mengerjakan PostTest Visualisasi Data Lanjutan

12 ● Visual Design Untuk Analitik

● Mentoring Visual Design Untuk Analitik
● Mengerjakan Post Test
13 ● Dasar Python untuk Analitik
● Mentoring Dasar Python untuk Analitik
● Sosialisasi Final Project
● Tugas Dasar Python untuk Analitik
● Post Test
14 ● Soft Skill Day
● Mentoring SoftSkill Day
● Mengerjakan Tugas SoftSkill 1 & 2
● Mengerjakan Post Test Soft Skill
15 ● Mentoring Final Project Session 1
● Discussing Group for Final Project
16 ● Mentoring Final Project Session 2
● Discussion For Final Project
● Membuat Data Visualization untuk Final Project
17 ● Discussion Group for Final Project
● Membuat Data Visualization and Dashboard for Final

49
 Project
● Diskusi dengan Mentor untuk Final Project
18 ● Penambahan Rencana Use Case
● Visualisasi Data untuk Final Project
● Finishing PPT
● Finishing Visualization
19 ● Discussion For Final Project
● Presentasi Final Project
● Independent Learning
20 ● Membuat Laporan Akhir
● Belajar Mandiri

5.2 Dokumen teknik

● Data Analyst Academy
a. Link Deck:
Covid-19_Rawr Krakataw - Presentasi (canva.com)
b. Link Datasheet:
https://www.kaggle.com/datasets/hendratno/covid19-indonesia
https://data.who.int/dashboards/covid19/data?n=c
https://infeksiemerging.kemkes.go.id/dashboard/covid-19

50