Belajar Analisis Data dengan Python
4.80
Data Scientist

Learning Path

Belajar Analisis Data dengan Python

Teknologi:

Data
Level: Pemula
Level: Pemula 30 Jam Belajar
28.925

Siswa Terdaftar

Pelajari berbagai konsep dasar analisis data beserta tahapannya, dilengkapi pembahasan studi kasus menggunakan bahasa pemrograman Python.
Apa yang akan Anda dapatkan

Sertifikat

Dapatkan sertifikat standar industri setelah menyelesaikan kelas ini.

Code Review

Kode yang Anda kerjakan akan di-review secara komprehensif oleh Reviewer.

Forum Diskusi

Diskusikan materi belajar dengan siswa lainnya.

Modul Tutorial

Materi bacaan elektronik disajikan dengan bahasa yang mudah dipahami.

Submission

Uji kemampuan teknis Anda dengan mengerjakan tugas submission.

Kuis

Kuis pilihan ganda membantu Anda memahami materi yang dipelajari.

Ujian

Validasi pengetahuan Anda dengan mengerjakan soal-soal ujian.
Level Pemula
Mempelajari topik dasar dengan objektif membuat produk, sistem, atau latihan sederhana.

Deskripsi

Data telah dianggap sebagai sumber daya penting oleh berbagai industri, seperti e-commerce, manufacturing, healthcare, finance, dll. Analisis data merupakan proses pemanfaatan data menjadi insight (wawasan) yang selanjutnya akan digunakan untuk menjawab berbagai tantangan bisnis mulai dari penyelesaian masalah hingga pengambilan keputusan. Kelas ini menjadi jawaban bagi Anda yang ingin menguasai proses analisis data menggunakan bahasa pemrograman Python.

  • Data merupakan sumber daya penting bagi perusahaan/organisasi. Namun, sebelum bisa langsung dimanfaatkan, data perlu diolah melalui proses analisis data terlebih dahulu.
  • Tingginya kebutuhan akan praktiisi data (data analyst atau data scientist) di industri.
  • Untuk menjadi seorang praktisi data yang Andal, salah satu keahlian yang harus Anda kuasai ialah analisis data.
  • Kelas ini mengajarkan Anda proses analisis data menggunakan bahasa pemrograman Python, salah satu tool andalan para praktisi data di industri.
  • Selain itu, kelas ini juga menyediakan studi kasus untuk memberikan Anda gambaran proses analisis data di industri.

Target dan Sasaran Siswa

  • Kelas ini ditujukan bagi individu yang ingin memahami proses analisis data sebagai salah satu keterampilan untuk menjadi seorang praktisi data yang andal.
  • Kelas ini dapat diikuti oleh siswa yang melek IT sehingga wajib memiliki dan dapat mengoperasikan komputer dengan baik.
  • Kelas ini didesain untuk siswa yang sudah memiliki pengetahuan dasar tentang bahasa pemrograman Python.
  • Siswa harus bisa belajar mandiri, berkomitmen, benar-benar punya rasa ingin tahu, dan tertarik pada subjek materi, karena sebaik apa pun materi kelas ini, tidak akan berguna tanpa keseriusan siswa untuk belajar, berlatih, dan mencoba.
  • Di akhir kelas, siswa dapat menjalankan berbagai tahapan dalam analisis data untuk menjawab tantangan bisnis menggunakan bahasa pemrograman Python.




Peralatan Belajar

Spesifikasi minimal perangkat:

Prosesor

Intel Dual Core (Rekomendasi Core i3 ke atas)

Tools yang dibutuhkan untuk belajar:

Google Colaboratory

Lihat semua peralatan belajar

Lihat semua peralatan belajar

Peralatan Belajar

Spesifikasi minimal perangkat

Kelas ini membutuhkan spesifikasi perangkat seperti berikut:

RAM

4GB (Rekomendasi 8GB)

Layar

1366 x 768 (Rekomendasi Full HD 1920 x 1080)

Sistem Operasi

Windows, Linux, MacOS

Prosesor

Intel Dual Core (Rekomendasi Core i3 ke atas)

Tools

Kelas ini membutuhkan beberapa tools berikut:

Google Colaboratory

Teks Editor (Notepad++) atau IDE (PyCharm,dll)

Command Line (Terminal atau cmd)

Web Browser (Google Chrome atau Mozilla Firefox)


Metode Ajar

  • Online - Self-paced Learning
    • Total jam belajar : 30 jam
    • Rekomendasi waktu belajar : 10 jam per minggu (selesai dalam 21 hari)
    • Anda tentukan sendiri berapa lama waktu yang akan digunakan untuk belajar materi kelas ini selama masih aktif terdaftar pada kelas
  • Fasilitas Pengajaran
    • Materi bacaan elektronik : Materi akan disajikan dalam bentuk teks dan bacaan
    • Forum diskusi : Setiap kelas memiliki sebuah forum diskusi yang dapat Anda gunakan untuk bertanya dan berdiskusi
  • Evaluasi pembelajaran : 
    • Ujian akhir kelas
    • Submission.
  • Sertifikat kompetensi

Lihat semua metode ajar

Lihat semua metode ajar

Metode Ajar

  • Online - Self-paced Learning
    • Total jam belajar : 30 jam
    • Rekomendasi waktu belajar : 10 jam per minggu (selesai dalam 21 hari)
    • Anda tentukan sendiri berapa lama waktu yang akan digunakan untuk belajar materi kelas ini selama masih aktif terdaftar pada kelas
  • Fasilitas Pengajaran
    • Materi bacaan elektronik : Materi akan disajikan dalam bentuk teks dan bacaan
    • Forum diskusi : Setiap kelas memiliki sebuah forum diskusi yang dapat Anda gunakan untuk bertanya dan berdiskusi
  • Evaluasi pembelajaran : 
    • Ujian akhir kelas
    • Submission.
  • Sertifikat kompetensi

Kontributor

2

Curriculum Developer yang membangun kelas ini:

Rahmat Fajri

Rahmat Fajri

Data & Machine Learning Engineer

Angel Metanosa Afinda

Angel Metanosa Afinda

Curriculum Developer at Dicoding Indonesia

Reviewer

11

Code Reviewer yang akan me-review tugas dan kode Anda:

Lihat semua kontributor dan reviewer

Lihat semua kontributor dan reviewer

Kontributor & Reviewer

Kontributor kelas

Curriculum Developer yang membangun kelas ini:

Rahmat Fajri

Rahmat Fajri

Data & Machine Learning Engineer

Angel Metanosa Afinda

Angel Metanosa Afinda

Curriculum Developer at Dicoding Indonesia


Tim Reviewer

Code Reviewer yang akan me-review tugas dan kode Anda:

Nanang Sutisna

Nanang Sutisna

- Mobile & Web Enthusiast

- External Code Reviewer at Dicoding Indonesia

Mellania Permata Sylvie

Mellania Permata Sylvie

External Reviewer Machine Learning di Dicoding

Information system student, Machine Learning Enthusiasm, and Tensorflow Developer Certified

ADIL LATIF HABIBI

ADIL LATIF HABIBI

External Code Reviewer at Dicoding Indonesia

Jischak Tuny

Jischak Tuny

Awang Mulya Nugrawan

Awang Mulya Nugrawan

External Code Reviewer at Dicoding Indonesia

Tensorflow Developer Certified

Machine Learning Graduate at Bangkit 2023

Let's connect on  LinkedIn

Sofyan Egi Lesmana

Sofyan Egi Lesmana

External Code Reviewer at Dicoding Indonesia

You can reach out me on my Linkedin.

Rahmat Fajri

Rahmat Fajri

Data & Machine Learning Engineer

TensorFlow Developer Certified

Kevin Jonathan

Kevin Jonathan

External Code Reviewer at Dicoding Indonesia

Freelance Software Engineer and UX Designer | Student at Waseda University | Apple Developer Academy Alumni

Ringga Ersha Ikhwani

Ringga Ersha Ikhwani

External Code Reviewer at Dicoding Indonesia

Data Enthusiast

Angel Metanosa Afinda

Angel Metanosa Afinda

Curriculum Developer at Dicoding Indonesia

Galah Seno Adjie

Galah Seno Adjie

External Code Reviewer at Dicoding Indonesia

  • Android & Kotlin Enthusiast
  • Jetpack Compose Enthusiast

Testimoni Siswa

Ribuan siswa sukses belajar di Dicoding Academy. Apa kata mereka? Berikut adalah testimoni asli mereka.

Danar Dono
Danar Dono
Institut Sains dan Teknologi Terpadu Surabaya
Memulai Dasar Pemrograman untuk Menjadi Pengembang Software
Di kelas ini, akan diajarkan bagaimana konsep dasar pemograman. Saya sendiri merasa (seperti mengulas) kembali belajar mata kuliah algoritma 1, namun materinya disampaikan secara interaktif dan menyeyangkan sehingga relatif lebih cepat paham. Terima kasih Dicoding.
Baca selengkapnya
Muhammad Rafli
Muhammad Rafli
Universitas Padjadjaran
Memulai Dasar Pemrograman untuk Menjadi Pengembang Software
Kelas ini benar-benar memberikan pemahaman yang baik tentang pemrograman. Dengan bahasa yang menarik, mudah dipahami, dan sedikit humor, saya selaku orang non-IT dapat memahami kelas ini dengan baik. Terima kasih Dicoding.
Baca selengkapnya
Lihat semua testimoni

Silabus

Materi yang akan Anda pelajari pada kelas ini.

  • 20 Menit

  • 35 Menit

  • 35 Menit

  • 30 Menit

  • 30 Menit

  • 10 Menit

  • 10 Menit

  • 10 Menit

  • 20 Menit

  • 20 Menit

  • 20 Menit

  • 20 Menit

  • 10 Menit

  • 10 Menit

  • 20 Menit

  • 45 Menit

  • 40 Menit

  • 45 Menit

  • 60 Menit

  • 10 Menit

  • 10 Menit

  • 20 Menit

  • 30 Menit

  • 35 Menit

  • 35 Menit

  • 60 Menit

  • 10 Menit

  • 10 Menit

  • 10 Menit

  • 25 Menit

  • 45 Menit

  • 40 Menit

  • 30 Menit

  • 60 Menit

  • 10 Menit

  • 10 Menit

  • 20 Menit

  • 25 Menit

  • 45 Menit

  • 45 Menit

  • 40 Menit

  • 60 Menit

  • 10 Menit

  • 10 Menit

  • 20 Menit

  • 30 Menit

  • 380 Menit