Sertifikasi Kompetensi Data Scientist – Diakui BNSP

Program tersedia online dan offline dengan harga pelatihan Rp1.500.000 dan biaya sertifikasi Rp800.000. Minimal 5 peserta. Cocok untuk lulusan informatika atau profesional data science.


Pendahuluan

Peran Data Scientist kini menjadi elemen krusial dalam organisasi modern yang berbasis data. Kebutuhan akan tenaga profesional yang mampu menganalisis, memodelkan, dan mengambil keputusan berbasis data meningkat tajam di era digital.
Melalui Sertifikasi Kompetensi Data Scientist yang diakui oleh BNSP, peserta akan dibekali dan diuji berdasarkan Standar Kompetensi Kerja Nasional Indonesia (SKKNI) untuk menjamin keahlian yang terstandar dan diakui secara nasional.

Program ini menyasar lulusan dan profesional yang ingin membuktikan kemampuannya dalam proses data science end-to-end, mulai dari memahami objektif bisnis hingga mereview hasil model.


Unit Kompetensi

No Kode Unit Unit Kompetensi
1 J.62DMI00.001.1 Menentukan Objektif Bisnis
2 J.62DMI00.002.1 Menentukan Tujuan Teknis Data Science
3 J.62DMI00.005.1 Menelaah Data
4 J.62DMI00.006.1 Memvalidasi Data
5 J.62DMI00.007.1 Menentukan Objek Data
6 J.62DMI00.008.1 Membersihkan Data
7 J.62DMI00.009.1 Mengkonstruksi Data
8 J.62DMI00.012.1 Membangun Skenario Model
9 J.62DMI00.013.1 Membangun Model
10 J.62DMI00.014.1 Mengevaluasi Hasil Pemodelan
11 J.62DMI00.015.1 Melakukan Proses Review Pemodelan

Studi Kasus (Contoh Coding)

Studi Kasus: Memprediksi churn pelanggan menggunakan Logistic Regression

Deskripsi: Peserta diminta membangun model prediktif sederhana untuk mengidentifikasi kemungkinan pelanggan berhenti berlangganan (churn) berdasarkan data perilaku.

Contoh kode:

python
import pandas as pd
from sklearn.model_selection import train_test_split
from sklearn.linear_model import LogisticRegression
from sklearn.metrics import classification_report

# Load dataset
data = pd.read_csv("data_churn.csv")
data = data.dropna()

# Fitur dan target
X = data[['total_usage', 'complaints', 'payment_delay']]
y = data['churn']

# Bagi data
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=1)

# Model
model = LogisticRegression()
model.fit(X_train, y_train)

# Evaluasi
y_pred = model.predict(X_test)
print(classification_report(y_test, y_pred))


Silabus Pelatihan 2 Hari

Hari Waktu Materi
1 09.00 – 10.30 WIB Menentukan objektif bisnis dan tujuan teknis
10.30 – 12.00 WIB Menelaah dan memvalidasi data
13.00 – 14.30 WIB Menentukan objek dan membersihkan data
14.30 – 16.00 WIB Mengkonstruksi data dan membangun skenario model
2 09.00 – 10.30 WIB Membangun model dan mengevaluasi hasil
10.30 – 12.00 WIB Review model dan praktik simulasi
13.00 – 14.30 WIB Simulasi uji kompetensi
14.30 – 16.00 WIB Evaluasi dan tanya jawab

Rincian Unit Kompetensi

  1. Objektif Bisnis: Menyusun pernyataan masalah berbasis tujuan organisasi.

  2. Tujuan Teknis: Mengonversi tujuan bisnis menjadi formulasi data science.

  3. Menelaah & Validasi: Menganalisis sumber data dan memastikan keabsahannya.

  4. Objek dan Pembersihan Data: Menentukan fitur penting dan mengolah data mentah menjadi usable.

  5. Konstruksi & Pemodelan: Menyusun struktur data, membuat skenario dan model prediktif.

  6. Evaluasi & Review: Mengukur kinerja model dan melakukan iterasi untuk perbaikan.


Persyaratan Pemohon Sertifikasi

  • Lulusan S1 Teknik Informatika yang telah mengikuti pelatihan Data Scientist; atau

  • Profesional yang memiliki pengalaman kerja minimal 3 tahun di bidang Data Science.


Kesimpulan

Sertifikasi Kompetensi Data Scientist BNSP membekali peserta dengan kemampuan menyeluruh dalam membangun solusi berbasis data. Program ini diakui secara nasional dan menjadi standar dalam dunia kerja modern.
Kami menyediakan program pelatihan dan sertifikasi BNSP yang bisa diikuti secara online maupun offline, dengan biaya yang terjangkau:

  • Harga Pelatihan: Rp1.500.000

  • Harga Sertifikasi: Rp800.000

  • Minimal peserta: 5 orang

📌 Detail & pendaftaran:
https://mobilefaculty.com/skema-sertifikasi-bidang-komputer/

Leave a Reply

Your email address will not be published. Required fields are marked *