Pelatihan dan Uji Sertifikasi Data Scientist Terstandar BNSP

Pendahuluan

Peran Data Scientist semakin penting dalam era transformasi digital. Perusahaan mengandalkan kemampuan seorang Data Scientist untuk mengolah data mentah menjadi insight strategis yang bernilai bagi pengambilan keputusan. Untuk memastikan kompetensi diakui secara resmi, Badan Nasional Sertifikasi Profesi (BNSP) menyelenggarakan program Pelatihan dan Uji Sertifikasi Data Scientist berbasis SKKNI (Standar Kompetensi Kerja Nasional Indonesia).

Program ini dirancang untuk meningkatkan keterampilan peserta agar mampu memenuhi kebutuhan industri dengan standar nasional.

Unit Kompetensi

J.62DMI00.001.1 – Menentukan Objektif Bisnis
J.62DMI00.002.1 – Menentukan Tujuan Teknis Data Science
J.62DMI00.005.1 – Menelaah Data
J.62DMI00.006.1 – Memvalidasi Data
J.62DMI00.007.1 – Menentukan Objek Data
J.62DMI00.008.1 – Membersihkan Data
J.62DMI00.009.1 – Mengkonstruksi Data
J.62DMI00.012.1 – Membangun Skenario Model
J.62DMI00.013.1 – Membangun Model
J.62DMI00.014.1 – Mengevaluasi Hasil Pemodelan
J.62DMI00.015.1 – Melakukan Proses Review Pemodelan

Contoh Studi Kasus (Dengan Coding)

Kasus: Memprediksi churn pelanggan menggunakan Logistic Regression.

import pandas as pd

from sklearn.model_selection import train_test_split

from sklearn.linear_model import LogisticRegression

from sklearn.metrics import accuracy_score, confusion_matrix
# Dataset sederhana

data = {

    'usage_time': [10, 25, 40, 60, 80, 100],

    'monthly_spent': [200, 300, 400, 500, 600, 700],

    'churn': [1, 1, 0, 0, 0, 0]

}

df = pd.DataFrame(data)
# Variabel independen & dependen

X = df[['usage_time', 'monthly_spent']]

y = df['churn']
# Split data

X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.3, random_state=42)
# Bangun model

model = LogisticRegression()

model.fit(X_train, y_train)
# Prediksi

y_pred = model.predict(X_test)

# Evaluasi print("Akurasi:", accuracy_score(y_test, y_pred)) print("Matriks Kebingungan:\n", confusion_matrix(y_test, y_pred))

Model ini menggambarkan proses nyata Data Scientist: mulai dari pemilihan metode, pelatihan model, hingga evaluasi.

Silabus Pelatihan (2 Hari Pelatihan, 1 Hari Uji Kompetensi)

Hari	Materi	Bentuk Kegiatan
Hari 1	Menentukan objektif bisnis, tujuan teknis, menelaah & memvalidasi data	Teori & Diskusi
Hari 2	Membersihkan data, mengkonstruksi data, membangun skenario & model, evaluasi pemodelan	Workshop & Studi Kasus
Hari 3	Uji Kompetensi Sertifikasi BNSP	Asesmen Teori & Praktik

Rincian Unit Kompetensi / Uraian Tugas

Menentukan objektif bisnis dan tujuan teknis data science.
Mengolah data melalui tahapan menelaah, membersihkan, memvalidasi, dan mengkonstruksi data.
Membangun dan mengevaluasi model prediktif.
Melakukan review terhadap hasil pemodelan untuk penyempurnaan.

Kesimpulan

Pelatihan dan Uji Sertifikasi Data Scientist Terstandar BNSP adalah program resmi yang menjamin pengakuan kompetensi di tingkat nasional. Kami menyediakan pelatihan ini secara offline maupun online dengan harga Rp8.100.000 (sudah termasuk hotel/penginapan dan makan selama kegiatan, minimal 8 peserta).

👉 Info detail & pendaftaran bisa dilihat di: Mobile Faculty – Skema Sertifikasi Bidang Komputer