Program Sertifikasi Kompetensi Data Scientist – BNSP

Pendahuluan

Profesi Data Scientist kini menjadi salah satu bidang paling dicari oleh berbagai industri. Dengan kemampuannya mengolah data hingga menghasilkan insight strategis, Data Scientist memiliki peran penting dalam pengambilan keputusan berbasis data. Untuk memastikan kompetensi tersebut sesuai standar, Badan Nasional Sertifikasi Profesi (BNSP) menyediakan sertifikasi resmi yang mengacu pada SKKNI Data Science.

Melalui Program Sertifikasi Kompetensi Data Scientist – BNSP, peserta akan dibekali keterampilan teknis, metodologi analisis, dan pemodelan data sehingga mampu bersaing secara profesional.

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: Prediksi pelanggan yang berpotensi churn menggunakan Decision Tree.

import pandas as pd

from sklearn.model_selection import train_test_split

from sklearn.tree import DecisionTreeClassifier

from sklearn.metrics import accuracy_score, classification_report
# Data sederhana

data = {

    'usage_time': [5, 20, 35, 50, 65, 80],

    'monthly_spent': [100, 200, 300, 400, 500, 600],

    '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 = DecisionTreeClassifier()

model.fit(X_train, y_train)
# Prediksi

y_pred = model.predict(X_test)

# Evaluasi print("Akurasi:", accuracy_score(y_test, y_pred)) print("Laporan Klasifikasi:\n", classification_report(y_test, y_pred))

Hasil ini menunjukkan proses nyata seorang Data Scientist: mulai dari menyiapkan data, memilih algoritma, hingga mengevaluasi model.

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

Hari	Materi	Bentuk Kegiatan
Hari 1	Menentukan objektif bisnis, tujuan teknis data science, menelaah dan memvalidasi data	Teori & Praktik
Hari 2	Membersihkan data, mengkonstruksi data, membangun skenario model, membangun model, mengevaluasi hasil 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.
Mengumpulkan, menelaah, membersihkan, memvalidasi, dan mengkonstruksi data.
Membangun skenario model dan menghasilkan model prediktif.
Mengevaluasi hasil pemodelan serta melakukan review untuk perbaikan.

Kesimpulan

Program Sertifikasi Kompetensi Data Scientist – BNSP adalah langkah strategis bagi profesional yang ingin meningkatkan kualitas dan pengakuan keahlian. Pelatihan ini tersedia offline maupun online dengan biaya Rp8.100.000 (sudah termasuk hotel/penginapan dan makan, minimal 8 peserta).

👉 Detail lengkap bisa dilihat di: Mobile Faculty – Sertifikasi Bidang Komputer