Industri teknologi data dan analitik telah mencapai titik puncaknya dalam berbagai sektor ekonomi, termasuk finansial, manufaktur, healthcare, retail, dan lainnya. Penggunaan data yang semakin luas serta tingkat kompleksitas datanya yang terus meningkat memungkinkan inovasi dan pertumbuhan yang lebih cepat. Namun, untuk mendapatkan manfaat maksimal dari data, perlu adanya sumber daya manusia yang kualitasnya dapat dipertanggungjawabkan melalui standar-skema kompetensi nasional industri (SKKNI).

Untuk memenuhi kebutuhan ini, kurikulum BNSP Skema Data Scientist ditetapkan sebagai instrumen untuk menghasilkan tenaga kerja yang siap dan berdaya saing di pasar pekerjaan. Kurikulum ini dirancang dengan memperhatikan aspek-aspek penting yang diperlukan dalam bidang data science, termasuk pemahaman teoritis, praktis, serta inovasi. Tujuan utama dari kurikulum BNSP Skema Data Scientist adalah untuk melahirkan profesional data scientist yang dapat berkontribusi signifikan kepada perusahaan dan masyarakat.

Untuk mencapai tujuan tersebut, kurikulum ini memiliki beberapa komponen penting:

1. Membangun pengetahuan teoritis yang mendalam tentang metode-metode statistik, pemrosesan data, visualisasi, dan algoritma machine learning.
2. Menyediakan latihan praktis melalui proyek-proyek nyata yang mengintegrasikan berbagai konsep dan teknologi dalam domain data science.
3. Membentuk keterampilan berpikir kritis, analitis, dan pemecahan masalah yang diperlukan untuk menangani tantangan kompleks dalam bidang ini.
4. Menekankan etika dan integritas dalam penggunaan data, termasuk privasi, keamanan, dan antisiklus bias.
5. Mengembangkan keterampilan komunikasi yang baik, baik secara verbal maupun non-verbal, untuk mempresentasikan temuan dan solusi kepada stakeholders internal maupun eksternal.

Sasaran peserta didik kurikulum ini adalah beragam profesi yang memiliki hubungan langsung atau tidak langsung dengan bidang data science. Beberapa kategori peserta didik termasuk:

• Data scientists dan statistikawan profesional
• Pengembang software dan sistem informasi berkaitan dengan analisis dan manajemen data
• Analisis bisnis yang melakukan pengolahan, pemodelan, dan penilaian data untuk keperluan strategis perusahaan
• Educator dan peneliti yang berkecimpung dalam bidang teori dan aplikasi data science di perguruan tinggi atau lembaga penelitian
• Manajer proyek atau kepala departemen IT yang bertanggung jawab atas strategi teknologi data perusahaan

Kurikulum ini terdiri dari beberapa unit kompetensi penting yang akan membentuk karakteristik profesional data scientist. Beberapa unit kompetensi utama antara lain:

1. Unit Kompetensi 1: Statistika untuk Data Science

Fungsi unit ini adalah memberikan pemahaman mendalam tentang konsep-konsep statistik dasar dan menerapkannya dalam analisis data. Pemahaman ini meliputi distribusi probabilitas, inferensi statistik, uji hipotesis, regresi linier, dan multivariate analysis.

2. Unit Kompetensi 2: Pengolahan Data Menggunakan Bahasa Perl

Fokus pada pengenalan bahasa Perl untuk analisis data. Peserta akan belajar cara mengoleksi, membersihkan, memformasi, dan menyaring data dalam skala besar dengan efisiensi tinggi.

3. Unit Kompetensi 3: Pemrograman Berorientasi Objek dalam Python

Penyusunan kode Python untuk pemrosesan data dan pembuatan model machine learning. Unit ini mencakup pengenalan bahasa, struktur sintaksis, algoritma, serta aplikasi praktisnya.

4. Unit Kompetensi 4: Visualisasi Data dengan D3.js

Membangun keterampilan dalam menghasilkan visualisasi data interaktif yang efektif dan informatif. Ini termasuk memahami konsep desain visual, cara menerapkan berbagai jenis grafik, serta menggunakan JavaScript library D3.js.

5. Unit Kompetensi 5: Algoritma Machine Learning untuk Pemrosesan Bahasa Alami

Fokus pada pemahaman dan aplikasi algoritma machine learning dalam bidang pemrosesan bahasa alami, termasuk tokenisasi, normalisasi, stemming, tagarizing, parsing, serta proses pengetahuan natural language processing (NLP).

6. Unit Kompetensi 6: Pengembangan Algoritma Machine Learning

Melakukan desain, implementasi, evaluasi, dan optimisasi algoritma machine learning. Ini mencakup pemilihan model, penentuan parameter, pelatihan dan validasi data, serta uji akurasi.

7. Unit Kompetensi 7: Proyek Data Science

Menerapkan berbagai konsep dan keterampilan yang telah dipelajari dalam proyek nyata. Peserta akan diberikan tantangan kompleks dari dunia nyata untuk diselesaikan dengan menggunakan data science.

8. Unit Kompetensi 8: Etika dan Integritas dalam Penggunaan Data

Menekankan pentingnya etika dan integritas dalam pengumpulan, pemanfaatan, dan analisis data. Unit ini mencakup topik seperti privasi, keamanan data, antisiklus bias, hukum dan regulasi terkait.

9. Unit Kompetensi 9: Komunikasi Data

Membangun keterampilan dalam presentasi temuan dan solusi kepada stakeholder. Ini mencakup persiapan laporan, presentasi, dokumentasi, serta metode komunikasi verbal dan non-verbal.

10. Unit Kompetensi 10: Manajemen Proyek Data Science

Fokus pada manajemen proyek dari awal sampai akhir, termasuk perencanaan, pelaksanaan, pengendalian, dan penutupan. Ini mencakup aspek manajerial seperti alokasi sumber daya, pemantauan proses, dan pelaporan progress.

Menjelang penutupan kurikulum, peserta didik akan menerima uji kompetensi yang menilai sejauh mana mereka telah memahami dan mengaplikasikan semua materi yang diajarkan. Selain itu, sertifikat BNSP Skema Data Scientist akan diberikan kepada mereka yang berhasil melewati ujian.

Melalui kurikulum ini, peserta didik diharapkan dapat mencapai tingkat kompetensi yang cukup untuk menghadapi tantangan di dunia data science. Investasi dalam sertifikasi BNSP Skema Data Scientist tidak hanya memberikan pengetahuan dan keterampilan yang diperlukan, tetapi juga membuka peluang karir yang lebih luas dan berharga. Sertifikasi ini secara signifikan meningkatkan daya saing individu di pasar pekerjaan dan menjamin bahwa mereka memiliki standar kompetensi yang dipahami oleh industri.