Silabus Pelatihan Associate Data Scientist
Kementerian Komunikasi dan Informatika Republik Indonesia
Digital Talent Scholarship Tahun 2023
Disclaimer: Dokumen ini digunakan hanya untuk kebutuhan Digital Talent Scholarship Kementerian Komunikasi dan Informatika
Republik Indonesia. Konten ini mengandung Kekayaan Intelektual, pengguna tunduk kepada undang-undang hak cipta, merek dagang
atau hak kekayaan intelektual lainnya. Dilarang untuk mereproduksi, memodifikasi, menyebarluaskan, atau mengeksploitasi konten ini
dengan cara atau bentuk apapun tanpa persetujuan tertulis dari Digital Talent Scholarship Kementerian Komunikasi dan Informat ika
Republik Indonesia.
JADWAL PENDAFTARAN, TES SUBSTANSI DAN PELATIHAN
Mitra Tema Tanggal Tanggal Tanggal Pelaksanaan Durasi
Pelatihan Pendaftaran Pengumuman Pelatihan
Associate 17 Februari - 5 Online: 13 Mar 2023
- 9 Maret 2023 30 JP
Data Scientist Maret 2023 Offline: 14 - 18 Mar 2023
INFORMASI PELATIHAN
Akademi Vocational School Graduate Academy
Tema Pelatihan Associate Data Scientist
Sertifikasi Sertifikasi kompetensi BNSP Associate Data Scientist
Deskripsi Pelatihan Pelatihan ini menyiapkan peserta agar kompeten dalam
melaksanakan pekerjaan Associate Data Scientist yang
membantu pekerjaan seorang data scientist untuk
mengumpulkan, menelaah, memvalidasi, menentukan objek
data hingga membersihkan, menentukan label data dan
membangun model dan mengevaluasinya sesuai kebutuhan
Output Pelatihan Setelah mengikuti pelatihan peserta akan mampu
mengumpulkan data, menilai kualitas data, memperbaiki
kualitas data dan mengembangkan model dari data sehingga
dapat digunakan dalam pengambilan keputusan.
Durasi Pelatihan 30 Jam Pelajaran (1 hari online dan 3 hari offline)
Jenis Pelatihan Hybrid
Persyaratan Peserta Pelatihan ini memiliki kualifikasi peserta sebagai berikut:
1. Warga Negara Indonesia
2. Minimal:
a. Mahasiswa jenjang D3 Program Studi Teknik
Informatika / Sistem Informasi / Ilmu Komputer
Semester 6, dibuktikan dengan Transkrip Nilai;
atau
INFORMASI PELATIHAN
b. Mahasiswa jenjang D3 non-prodi Teknik
Informatika / Sistem Informasi / Ilmu Komputer
Semester 6 dan pernah mengambil mata kuliah
terkait Statistik Dasar dan familiar dalam
pengolahan basis data dengan spreadsheet,
dibuktikan dengan Transkrip Nilai / Sertifikat
Pelatihan; atau
c. Lulusan SMK atau sederajat yang memiliki
pengalaman kerja minimal 3 (tiga) tahun di
bidang pengolahan basis data dengan spreadsheet
dan menggunakan rumus-rumus statistika dasar
seperti analisis regresi
3. Belum Mendapatkan Pekerjaan Tetap/Pernah Bekerja
tetapi sedang tidak bekerja
4. Lolos Seleksi Administrasi dan Tes Substansi
Persyaratan Sarana 1. RAM minimal 4 GB
Peserta 2. Storage minimal sebesar 128 GB
3. Laptop dengan 32/64-bit processor
4. Laptop dengan Operating System Windows, Linux, atau
MAC OSX
5. Laptop dengan konektivitas WiFi
6. Akses Internet Dedicated 256 kbps per peserta per
perangkat
Digital Talent Scholarship
Kementerian Komunikasi dan Informatika Republik Indonesia
[Link]
No. Unit Kompetensi Topik Outcome Aktivitas Kelas JP
Hari Pembukaan dan Penjelasan
1 Rencana Pembelajaran Pemaparan materi
dan diskusi
A. Menguasai konsep dasar Mengerti konsep dasar Data Science
Pemaparan materi
Data Science dan Lifecycle dan peran Associate Data 4
dan diskusi
Metodologi DS Scientist di dalam life cycle tersebut
B. Menggunakan tools Data Mampu menggunakan kemampuan Pemaparan materi, 2
Science dasar tools RapidMiner hand-on, dan diskusi
Hari 2 J.62DMI00.004.1 1. Mengumpulkan Data Mampu mengumpulkan data yang Pemaparan materi, 2
● Menentukan kebutuhan diperlukan ke dalam data frame untuk hand-on, dan diskusi
data diproses lebih lanjut
● Mengambil data
● Mengintegrasikan data
J.62DMI00.005.1 2. Menelaah Data Mampu mengeksplorasi data untuk Pemaparan materi, 4
● Menganalisis tipe dan menentukan kualitas data serta hand-on, dan diskusi
relasi data statistik menjelaskan spesifikasi data
● Menganalisis
karakteristik data
statistik
● Membuat laporan telaah
data statistik
J.62DMI00.006.1 3. Memvalidasi Data Mampu menganalisa hasil eksplorasi Pemaparan materi, 2
● Melakukan pengecekan terhadap kebutuhan analisis hand-on, dan diskusi
kelengkapan data
No. Unit Kompetensi Topik Outcome Aktivitas Kelas JP
● Membuat rekomendasi
kelengkapan data
Hari 3 J.62DMI00.007.1 4. Menentukan Objek Mampu memilih data (record ataupun Pemaparan materi, 2
Data atribut) yang akan dipergunakan hand-on, dan diskusi
● Memutuskan kriteria dan untuk pemodelan
teknik pemilihan data
● Menentukan attributes
(columns) dan records
(row) data
J.62DMI00.008.1 5. Membersihkan Data Mampu melakukan berbagai proses Pemaparan materi, 2
● Melakukan pembersihan peningkatan kualitas data hand-on, dan diskusi
data yang kotor
● Membuat laporan dan
rekomendasi hasil
membersihkan data
J.62DMI00.009.1 6. Mengkonstruksi Data Mampu merepresentasikan data sesuai Pemaparan materi, 2
● Menganalisis teknik dengan keperluan pemodelan hand-on, dan diskusi
transformasi data
● Melakukan transformasi
data
● Membuat dokumentasi
konstruksi data
J.62DMI00.010.1 7. Menentukan Label Data Mampu melengkapi label data sesuai Pemaparan materi, 2
● Melakukan pelabelan kebutuhan pemodelan hand-on, dan diskusi
data
● Membuat laporan hasil
Digital Talent Scholarship
Kementerian Komunikasi dan Informatika Republik Indonesia
[Link]
No. Unit Kompetensi Topik Outcome Aktivitas Kelas JP
pelabelan data
Hari 4 J.62DMI00.013.1 8. Membangun Model Mampu melakukan pemodelan untuk Pemaparan materi, 6
● Menyiapkan parameter mencari model terbaik menggunakan hand-on, dan diskusi
model teknik yang sesuai dengan jenis
● Menggunakan tools masalah
pemodelan
J.62DMI00.014.1 9. Mengevaluasi Hasil Mampu menjelaskan arti (kualitas) Pemaparan materi, 2
Pemodelan model yang dihasilkan hand-on, dan diskusi
● Menggunakan model
dengan data riil
● Menilai hasil pemodelan
Digital Talent Scholarship
Kementerian Komunikasi dan Informatika Republik Indonesia
[Link]
RENCANA PEMBELAJARAN
1 Unit Kompetensi – 0 -
2 Topik Menguasai konsep dasar Data Science dan Metodologi DS
3 Deskripsi Topik Konsep AI dan Data Science
Metodologi Data Science untuk membuat model dari data
Peran dan tanggung jawab personil dalam bidang Data
Science
4 Durasi 4 JP
5 Rasio Praktik dan 0:100
Teori
6 Aktivitas Kelas Pemaparan materi dan diskusi
7 Alat Bantu/Media -
8 Bahan Bacaan SKKNI No 299 Tahun 2020 Artificial Intelligence sub Data
Wajib Science
9 Rekomendasi
Bacaan
10 Persiapan Peserta Membaca bahan yang telah diberikan di Drive
sebelum Masuk
Kelas
11 Tugas -
RENCANA PEMBELAJARAN
1 Unit Kompetensi – 0 -
2 Topik Mengenalkan Tools Pengembangan Data Science
3 Deskripsi Topik Deskripsi RapidMiner
Unduh aplikasi
Instalasi dan pengujian RapidMiner
4 Durasi 2 JP
5 Rasio Praktik dan 60:40
Teori
6 Aktivitas Kelas Pemaparan materi, diskusi, dan hand-on
RENCANA PEMBELAJARAN
7 Alat Bantu/Media -
8 Bahan Bacaan -
Wajib
9 Rekomendasi Manual RapidMiner
Bacaan
10 Persiapan Peserta Membaca bahan yang telah diberikan di Drive
sebelum Masuk
Kelas
11 Tugas Instalasi RapidMiner dan menyiapkan agar dapat
dipergunakan untuk kegiatan Data Science
RENCANA PEMBELAJARAN
1 Unit Kompetensi – 1 J.62DMI00.004.1- Mengumpulkan Data
2 Topik Melakukan proses pengumpulan data dari berbagai sumber
data berdasarkan spesifikasi sesuai dengan kebutuhan
3 Deskripsi Topik Menentukan kebutuhan data
Mengambil data
Mengintegrasikan data
4 Durasi 2 JP
5 Rasio Praktik dan 60:40
Teori
6 Aktivitas Kelas Pemaparan materi, diskusi, dan hand-on
7 Alat Bantu/Media RapidMiner
8 Bahan Bacaan Buku Informasi Unit Kompetensi Mengumpulkan Data
Wajib
9 Rekomendasi Manual RapidMiner
Bacaan
10 Persiapan Peserta Membaca bahan yang telah diberikan di Drive
sebelum Masuk
Kelas
11 Tugas Input: Data dalam beberapa sumber (atau file) tertentu
(CSV,...)
Digital Talent Scholarship
Kementerian Komunikasi dan Informatika Republik Indonesia
[Link]
Proses: Melakukan proses pembacaan data dan Integrasi
data
Output: Data terbaca dalam format sesuai workflow
RapidMiner
RENCANA PEMBELAJARAN
1 Unit Kompetensi – 2 J.62DMI00.005.1 - Menelaah Data
2 Topik Melakukan proses eksplorasi data secara statistik dan visual
menggunakan berbagai teknik visualisasi data
3 Deskripsi Topik 1. Menganalisis tipe dan relasi data statistik
2. Menganalisis karakteristik data statistik
3. Membuat laporan telaah data statistik
4 Durasi 4 JP
5 Rasio Praktik dan 60: 40
Teori
6 Aktivitas Kelas Pemaparan materi, diskusi, dan hand-on
7 Alat Bantu/Media RapidMiner
8 Bahan Bacaan Buku Informasi Unit Kompetensi Menelaah Data
Wajib
9 Rekomendasi Manual RapidMiner
Bacaan
10 Persiapan Peserta Membaca bahan yang telah diberikan di Drive
sebelum Masuk
Kelas
11 Tugas Input: Dataset
Proses: Melakukan proses analisis statistik dan visual
Output: Laporan terhadap hasil analisis data
RENCANA PEMBELAJARAN
1 Unit Kompetensi – 3 J.62DMI00.006.1 - Memvalidasi Data
2 Topik Menguji kualitas dan kelengkapan data sesuai dengan
kebutuhan
3 Deskripsi Topik 1. Melakukan pengecekan kelengkapan data
2. Membuat rekomendasi kelengkapan data
Digital Talent Scholarship
Kementerian Komunikasi dan Informatika Republik Indonesia
[Link]
4 Durasi 2 JP
5 Rasio Praktik dan 60: 40
Teori
6 Aktivitas Kelas Pemaparan materi, diskusi, dan hand-on
7 Alat Bantu/Media RapidMiner
8 Bahan Bacaan Buku Informasi Unit Kompetensi Memvalidasi Data
Wajib
9 Rekomendasi Manual RapidMiner
Bacaan
10 Persiapan Peserta Membaca bahan yang telah diberikan di Drive
sebelum Masuk
Kelas
11 Tugas Input:
Hasil proses analisis data dan daftar kebutuhan teknis Data
Science
Proses: Melakukan proses validasi terhadap data tersebut
Output: Laporan terhadap hasil validasi data
RENCANA PEMBELAJARAN
1 Unit Kompetensi – 4 J.62DMI00.007.1 - Menentukan Objek Data
2 Topik Memilih data yang akan dipergunakan, baik fitur/ atribut
maupun record, sesuai dengan kriteria kualitas data
3 Deskripsi Topik 1. Memutuskan kriteria dan teknik pemilihan data
2. Menentukan attributes (columns) dan records (row) data
4 Durasi 2 JP
5 Rasio Praktik dan 60: 40
Teori
6 Aktivitas Kelas Pemaparan materi, diskusi, dan hand-on
7 Alat Bantu/Media RapidMiner
8 Bahan Bacaan Buku Informasi Unit Kompetensi Menentukan Objek Data
Wajib
9 Rekomendasi Manual RapidMiner
Bacaan
Digital Talent Scholarship
Kementerian Komunikasi dan Informatika Republik Indonesia
[Link]
10 Persiapan Peserta Membaca bahan yang telah diberikan di Drive
sebelum Masuk
Kelas
11 Tugas Input:
1. Hasil proses analisa;
2. Hasil proses validasi; dan
3. Dataset awal.
Proses:
Pemilihan data yang akan dipergunakan untuk pemodelan
Output: Dataset yang berisi data terpilih
RENCANA PEMBELAJARAN
1 Unit Kompetensi – 5 J.62DMI00.008.1 - Membersihkan Data
2 Topik Memperbaiki kualitas data yang sudah dipilih berdasarkan
laporan analisis data, validasi data dan kebutuhan teknis
pemodelan
3 Deskripsi Topik 1. Melakukan pembersihan data yang kotor
2. Membuat laporan dan rekomendasi hasil pembersihan
data
4 Durasi 2 JP
5 Rasio Praktik dan 60: 40
Teori
6 Aktivitas Kelas Pemaparan materi, diskusi, dan hand-on
7 Alat Bantu/Media RapidMiner
8 Bahan Bacaan Buku Informasi Unit Kompetensi Membersihkan Data
Wajib
9 Rekomendasi Manual RapidMiner
Bacaan
10 Persiapan Peserta Membaca bahan yang telah diberikan di Drive
sebelum Masuk
Kelas
11 Tugas Input:
1. Hasil proses analisis data
2. Hasil validasi data
3. Daftar kebutuhan teknis Data Science
4. Dataset yang berisi data terpilih
Proses:
Digital Talent Scholarship
Kementerian Komunikasi dan Informatika Republik Indonesia
[Link]
RENCANA PEMBELAJARAN
Melakukan proses perbaikan kualitas data dengan
memproses data tidak lengkap, data salah, outliers dan noise
lainnya.
Output:
1. Dataset yang telah diperbaiki
2. Laporan perbaikan yang telah dilakukan
RENCANA PEMBELAJARAN
1 Unit Kompetensi – 6 J.62DMI00.009.1 - Mengkonstruksi Data
2 Topik Mengubah bentuk data ke dalam format yang lebih sesuai
untuk pemodelan
3 Deskripsi Topik 1. Menganalisis teknik transformasi data
2. Melakukan transformasi data
3. Membuat dokumentasi konstruksi data
4 Durasi 2 JP
5 Rasio Praktik dan 60: 40
Teori
6 Aktivitas Kelas Pemaparan materi, diskusi, dan hand-on
7 Alat Bantu/Media RapidMiner
8 Bahan Bacaan Buku Informasi Unit Kompetensi Mengkonstruksi Data
Wajib
9 Rekomendasi Manual RapidMiner
Bacaan
10 Persiapan Peserta Membaca bahan yang telah diberikan di Drive
sebelum Masuk
Kelas
11 Tugas Input:
1. Dataset yang telah diperbaiki
2. Daftar kebutuhan teknis Data Science
Proses:
Melakukan proses rekonstruksi data agar lebih sesuai
dengan kebutuhan dengan berbagai cara seperti
transformasi data, rekayasa fitur dan normalisasi.
Output:
Digital Talent Scholarship
Kementerian Komunikasi dan Informatika Republik Indonesia
[Link]
RENCANA PEMBELAJARAN
1. Dataset hasil konstruksi
2. Laporan mengenai proses dan hasil rekonstruksi data
RENCANA PEMBELAJARAN
1 Unit Kompetensi – 7 J.62DMI00.010.1 - Menentukan Label Data
2 Topik Melakukan pelabelan bagi data yang belum diketahui
labelnya
3 Deskripsi Topik 1. Melakukan pelabelan data
2. Membuat laporan hasil pelabelan data
4 Durasi 2 JP
5 Rasio Praktik dan 60: 40
Teori
6 Aktivitas Kelas Pemaparan materi, diskusi, dan hand-on
7 Alat Bantu/Media RapidMiner
8 Bahan Bacaan Buku Informasi Unit Kompetensi Menentukan Label Data
Wajib
9 Rekomendasi Manual RapidMiner
Bacaan
10 Persiapan Peserta Membaca bahan yang telah diberikan di Drive
sebelum Masuk
Kelas
11 Tugas Input:
1. Dataset awal dengan label (Kelas, Kategori, Variabel
tidak bebas dan Fitur Target) yang tidak lengkap
2. Tujuan teknis pelabelan
Proses:
Proses pelabelan dengan menggunakan metode tertentu
yang diminta
Output: Dataset yang sudah berlabel
Digital Talent Scholarship
Kementerian Komunikasi dan Informatika Republik Indonesia
[Link]
RENCANA PEMBELAJARAN
1 Unit Kompetensi – 8 J.62DMI00.013.1 – Membangun Model
2 Topik Melakukan proses pengembangan model dengan
menggunakan beberapa teknik pembelajaran mesin yang
sesuai dengan tugas analitik yang diberikan
3 Deskripsi Topik 1. Menyiapkan hyperparameter model
2. Melakukan pemodelan
4 Durasi 2 JP
5 Rasio Praktik dan 60: 40
Teori
6 Aktivitas Kelas Pemaparan materi, diskusi, dan hand-on
7 Alat Bantu/Media RapidMiner
8 Bahan Bacaan Buku Informasi Unit Kompetensi Membangun Model
Wajib
9 Rekomendasi Manual RapidMiner
Bacaan
10 Persiapan Peserta Membaca bahan yang telah diberikan di Drive
sebelum Masuk
Kelas
11 Tugas Input:
1. Dataset hasil konstruksi
2. Daftar kebutuhan teknis Data Science
Proses:
Membuat pemodelan terbaik yang bisa diperoleh dari data
tersebut menggunakan beberapa teknik yang sudah
ditentukan.
Output:
Model yang sudah dibangun beserta performansinya
RENCANA PEMBELAJARAN
1 Unit Kompetensi – 9 J.62DMI00.014.1 – Mengevaluasi Hasil Pemodelan
2 Topik Melakukan proses evaluasi dan pembandingan terhadap
model yang telah dikembangkan.
3 Deskripsi Topik 1. Menggunakan model dengan data riil
Digital Talent Scholarship
Kementerian Komunikasi dan Informatika Republik Indonesia
[Link]
RENCANA PEMBELAJARAN
2. Menilai hasil pemodelan
4 Durasi 2 JP
5 Rasio Praktik dan 60: 40
Teori
6 Aktivitas Kelas Pemaparan materi, diskusi, dan hand-on
7 Alat Bantu/Media RapidMiner
8 Bahan Bacaan Buku Informasi Unit Kompetensi Mengevaluasi Hasil
Wajib Pemodelan
9 Rekomendasi Manual RapidMiner
Bacaan
10 Persiapan Peserta Membaca bahan yang telah diberikan di Drive
sebelum Masuk
Kelas
11 Tugas Input:
1. Daftar kebutuhan teknis Data Science
2. Model dan performansinya
Proses:
Analisis performansi model-model tersebut dan memilih
model terbaik sesuai dengan kebutuhan yang telah
ditentukan.
Output:
1. Model yang direkomendasikan
2. Hasil analisis/penilaian model yang terpilih
Digital Talent Scholarship
Kementerian Komunikasi dan Informatika Republik Indonesia
[Link]