4.87 •

Data Analyst

Learning Path

Belajar Analisis Data untuk Pemula

Topik:

AI Machine Learning +2 lainnya

Level: Pemula

Level: Pemula 30 Jam Belajar

367

Siswa Terdaftar

Pelajari dasar analisis data mulai dari pembersihan, analisis, hingga prediksi menggunakan Spreadsheet, SQL, Looker Studio, dan Orange.

Harga

Rp600,000

/ bulan

Harga

Rp600,000

/ bulan

Berlangganan sekarang Lihat langganan lainnya

Akses modul gratis

Learning Path Data Analyst

Kelas ini merupakan langkah ke-empat Anda untuk menjadi Data Analyst.

Langkah sebelumnya

Langkah 3

Memulai Pemrograman dengan Python

60 Jam 4,83 Level Dasar

Langkah setelahnya

Langkah 5

Belajar Fundamental Analisis Data

70 Jam 4,84 Level Menengah

Apa yang akan Anda dapatkan

Sertifikat

Dapatkan sertifikat standar industri setelah menyelesaikan kelas ini.

Forum Diskusi

Diskusikan materi belajar dengan siswa lainnya.

Modul Tutorial

Materi bacaan elektronik disajikan dengan bahasa yang mudah dipahami.

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

Kemampuan mengolah data menjadi insight bisnis adalah keahlian yang dicari di semua industri saat ini. Perusahaan bergantung pada Data Analyst untuk membuat keputusan strategis. Kelas ini memperkenalkan ekosistem analisis data secara utuh: perumusan masalah, pembersihan data, analisis, visualisasi, hingga prediksi. Anda akan fokus menguasai tools esensial industri, mulai dari Spreadsheet, SQL, Looker Studio untuk dashboard interaktif, dan prediksi menggunakan Orange.

Membangun keahlian analisis data yang fundamental dan paling dicari di berbagai industri saat ini.
Menguasai penggunaan tools esensial—Spreadsheet dan SQL—sebagai fondasi praktis untuk mengolah dan membersihkan data.
Menerapkan teknik visualisasi data dan data storytelling untuk mengubah angka mentah menjadi insight yang berdampak.
Meningkatkan kesiapan karier untuk memasuki peran awal di bidang data, seperti Junior Data Analyst atau Business Intelligence.
Mengadopsi pola pikir analitis dan terstruktur untuk memecahkan masalah bisnis menggunakan pendekatan berbasis data (data-driven).

Target dan Sasaran Siswa

Kelas ini ditujukan bagi pemula, mahasiswa, atau profesional dari bidang non-teknis yang ingin memulai karier sebagai Data Analyst atau Business Intelligence, dengan materi yang disusun berdasarkan kebutuhan standar industri.
Kelas dapat diikuti oleh siswa yang melek IT, sehingga wajib memiliki dan dapat mengoperasikan komputer dengan baik.
Kelas ini didesain untuk pemula dan tidak memerlukan prasyarat kemampuan pemrograman sebelumnya.
Siswa harus belajar mandiri, berkomitmen, benar-benar memiliki rasa ingin tahu, dan tertarik pada subjek materi. Sebaik apa pun materi kelas ini tidak akan berguna tanpa keseriusan siswa untuk belajar, berlatih, dan mencoba.
Setelah lulus kelas ini, siswa mampu menganalisis masalah bisnis sederhana dengan membersihkan, memvisualisasikan, dan menginterpretasikan data menggunakan Spreadsheet, SQL, dan Looker Studio untuk menghasilkan wawasan yang dapat ditindaklanjuti.

Selengkapnya

Sembunyikan

Learning Path

Kelas ini merupakan langkah ke-empat Anda untuk menjadi Data Analyst.

Langkah sebelumnya

Langkah 3

Memulai Pemrograman dengan Python

60 Jam 4,83 Level Dasar

Langkah setelahnya

Langkah 5

Belajar Fundamental Analisis Data

70 Jam 4,84 Level Menengah

Peralatan Belajar

Spesifikasi minimal perangkat:

Prosesor

Intel Dual Core (Rekomendasi Core i3 ke atas).

Tools yang dibutuhkan untuk belajar:

Web Browser (Google Chrome atau Mozilla Firefox)

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:

Web Browser (Google Chrome atau Mozilla Firefox)

Metode Ajar

Online - Self-paced Learning

Total jam belajar : 30 jam
Rekomendasi waktu belajar : 10 jam per hari (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 disajikan dalam bentuk teks dan bacaan
Forum diskusi : Setiap kelas memiliki sebuah forum diskusi yang dapat Anda gunakan untuk bertanya dan berdiskusi
Evaluasi pembelajaran: Kuis pada setiap akhir modul dan Ujian akhir kelas

Sertifikat kompetensi

Lihat semua metode ajar

Metode Ajar

Online - Self-paced Learning

Total jam belajar : 30 jam
Rekomendasi waktu belajar : 10 jam per hari (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 disajikan dalam bentuk teks dan bacaan
Forum diskusi : Setiap kelas memiliki sebuah forum diskusi yang dapat Anda gunakan untuk bertanya dan berdiskusi
Evaluasi pembelajaran: Kuis pada setiap akhir modul dan Ujian akhir kelas

Sertifikat kompetensi

Kontributor

Curriculum Developer yang membangun kelas ini:

Ridha Ginanjar

Curriculum Developer and Technical Instructor at Dicoding Indonesia

Reviewer

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

Ridha Ginanjar

Curriculum Developer and Technical Instructor at Dicoding Indonesia

Ridha Ginanjar

Google Associate Cloud Engineer Certified

Google Cloud Professional Data Engineer Certified

Lihat semua kontributor dan reviewer

Kontributor & Reviewer

Kontributor kelas

Curriculum Developer yang membangun kelas ini:

Ridha Ginanjar

Curriculum Developer and Technical Instructor at Dicoding Indonesia

Tim Reviewer

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

Ridha Ginanjar

Curriculum Developer and Technical Instructor at Dicoding Indonesia

Ridha Ginanjar

Google Associate Cloud Engineer Certified

Google Cloud Professional Data Engineer Certified

Ridha Ginanjar

Curriculum Developer and Technical Instructor at Dicoding Indonesia

Ridha Ginanjar

Google Associate Cloud Engineer Certified

Google Cloud Professional Data Engineer Certified

Testimoni Siswa

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

Muhammad Hasby Asshiddiqy

Institut Teknologi Nasional Bandung

Memulai Dasar Pemrograman untuk Menjadi Pengembang Software

Kepuasan saya terhadap kelas ini luar biasa, banyak hal baru yang saya pelajari, terutama ada hal penting yang tidak saya ketahui sebelumnya di pada dokumen URS (User Requirement Specification), dokumen SKPL (Spesifikasi Kebutuhan Perangkat Lunak), dan dokumentasi tenis aplikasi

Baca selengkapnya

Yuki Niken Agfira Kitatrah

PT SAITEC PRIMA MANDIRI

Memulai Dasar Pemrograman untuk Menjadi Pengembang Software

Saya sangat puas belajar di Dicoding, bahasanya mudah dipahami bagi pemula, selain itu terdapat studi kasus yang bisa membuat kita langsung praktek sehingga bisa menjadi lebih mahir.

Baca selengkapnya

Lihat semua testimoni

Testimoni Siswa

Muhammad Hasby Asshiddiqy

Institut Teknologi Nasional Bandung

Memulai Dasar Pemrograman untuk Menjadi Pengembang Software

Yuki Niken Agfira Kitatrah

PT SAITEC PRIMA MANDIRI

Memulai Dasar Pemrograman untuk Menjadi Pengembang Software

Saya sangat puas belajar di Dicoding, bahasanya mudah dipahami bagi pemula, selain itu terdapat studi kasus yang bisa membuat kita langsung praktek sehingga bisa menjadi lebih mahir.

Bayu Frassetyo Wibowo

Batam Aero Technic

Memulai Dasar Pemrograman untuk Menjadi Pengembang Software

Kelas ini sangat informatif dan terstruktur dengan baik. Materinya jelas, mudah dipahami, dan relevan bagi pemula. Latihan dan kuis yang disediakan juga membantu memperkuat pemahaman. Terima kasih!

Devi Mikhael Empi

Alner (PT Solusi Sirkular Indonesia)

Memulai Dasar Pemrograman untuk Menjadi Pengembang Software

Puas sekali dan sangat mudah dipahami oleh pemula yang ingin mengembangkan perangkat lunak

Punya pertanyaan seputar kelas ini?

Berikut adalah beberapa pertanyaan yang paling sering ditanyakan.

Bagaimana cara memasukkan token Academy? Aturan membuat pertanyaan di forum diskusi kelas Bagaimana cara mencetak sertifikat kelulusan kelas?

Lihat semua FAQ

Silabus

Materi yang akan Anda pelajari pada kelas ini.

Persiapan Belajar

Memahami HAKI, mekanisme belajar, forum diskusi, glosarium, dan daftar referensi.

8 Artikel

55 menit

Fondasi Analisis Data

Menjelaskan konsep-konsep fundamental dan perangkat utama yang mendukung proses analisis data secara terstruktur dan komprehensif

9 Artikel
1 Ujian

250 menit

Memahami Data: Aset Berharga di Era Digital

25 Menit
Pentingnya Data dalam Dunia Bisnis

25 Menit
Siklus Hidup Data

30 Menit
Proses Analisis Data: Menemukan Jawaban dari Lautan Informasi

30 Menit
Pentingnya Berpikir Analitis: Membongkar Masalah Data

30 Menit
Pengenalan Tool Pengolahan Data

30 Menit
Pengenalan Tool Visualisasi Data

30 Menit
Pengenalan Tool Machine Learning

30 Menit
Rangkuman Fondasi Analisis Data

10 Menit
Kuis Fondasi Analisis Data

10 Menit

Merumuskan Masalah Bisnis yang Tepat

Mengidentifikasi masalah bisnis yang relevan untuk dianalisis melalui penerapan teknik-teknik khusus dengan tujuan menemukan akar permasalahan bisnis secara tepat.

7 Artikel
1 Ujian

180 menit

Membuat Pertanyaan yang Efektif

25 Menit
Masalah Bisnis yang Umum

25 Menit
Teknik SMART Questions

25 Menit
Pemikiran Terstruktur dan Scope of Work (SoW)

30 Menit
Mentransformasikan Data Menjadi Keputusan

25 Menit
Story: Mencari Masalah Bisnis dalam Perusahaan

30 Menit
Rangkuman Malu Bertanya, Sesat di Jalan

10 Menit
Kuis Malu Bertanya, Sesat di Jalan

10 Menit

Mempersiapkan Data untuk Analisis

Memaparkan urgensi pemahaman terhadap data yang dimiliki sebagai langkah awal dalam mempersiapkan data untuk analisis, sehingga dapat meminimalkan bias, menjaga kredibilitas, menjamin keamanan, dan memastikan penyimpanan data secara tepat.

11 Artikel
1 Ujian

345 menit

Pengantar Pertimbangan dalam Pengolahan Data

30 Menit
Bias dalam Data

40 Menit
Mengenal Kredibilitas Data

30 Menit
Privasi dan Etika dalam Pengolahan Data

30 Menit
Keamanan Data

30 Menit
Penyimpanan Data

30 Menit
Anatomi Database Relasional

30 Menit
Menghubungkan Data antar Tabel

40 Menit
Metadata: Jembatan Memahami Data Anda

35 Menit
Mengorganisir Data

30 Menit
Rangkuman Mempersiapkan Data untuk Analisis

10 Menit
Kuis Mempersiapkan Data untuk Analisis

10 Menit

Membersihkan Data

Mengoperasikan SQL dan spreadsheets dalam proses pembersihan data guna meningkatkan kualitas serta mengoptimalkan hasil analisis.

8 Artikel
1 Ujian

325 menit

Pentingnya Data yang Bersih

30 Menit
Latihan: Menjelajahi Google Sheet

45 Menit
Latihan: Menggunakan Formula dan Fungsi pada Google Sheets

50 Menit
Latihan: Membersihkan Data dengan Google Sheets

45 Menit
Latihan: Membersihkan Data dengan SQL

45 Menit
Kenapa Data Perlu Dibersihkan?

50 Menit
Mengelompokkan Hasil dengan SQL

40 Menit
Rangkuman Membersihkan Data

10 Menit
Kuis Membersihkan Data

10 Menit

Analisis dan Visualisasi Data

Mengimplementasikan proses analisis data melalui penggunaan spreadsheets dan Looker Studio untuk menghasilkan visualisasi yang informatif serta memperoleh insight yang mendalam dari data.

9 Artikel
1 Ujian

315 menit

Memulai Analisis

25 Menit
Latihan: Agregasi Data dengan Google Sheets dan BigQuery

50 Menit
Menghubungkan Analisis dengan Masalah Bisnis

35 Menit
Membangun Visualisasi Data

50 Menit
Latihan: Membuat Visualisasi dengan Spreadsheet

35 Menit
Mengubah Data Jadi Visual di Looker Studio

35 Menit
Menyampaikan Data dengan Cerita (Data Storytelling)

35 Menit
Melakukan Presentasi yang Efektif

30 Menit
Rangkuman Analisis dan Visualisasi Data

10 Menit
Kuis Analisis dan Visualisasi Data

10 Menit

Mengubah Wawasan Menjadi Prediksi

Mendemonstrasikan proses analisis prediktif dengan memanfaatkan tools seperti Orange guna menghasilkan model prediksi yang dapat mendukung pengambilan keputusan secara tepat dan berbasis data.