Pelatihan dan Sertifikasi Profesi Ilmuwan Data oleh BNSP

11-Oct-2025

Pembuat : Admin Mobile Faculty

Kategori : Media Pembelajaran

Pelatihan dan Sertifikasi Profesi Ilmuwan Data oleh BNSP

Pendahuluan

Perkembangan teknologi digital mendorong kebutuhan akan tenaga profesional di bidang data science yang memiliki kompetensi standar nasional. Ilmuwan Data (Data Scientist) merupakan salah satu profesi strategis yang bertanggung jawab dalam mengolah data, membangun model, hingga memberikan insight yang berguna untuk pengambilan keputusan bisnis.

Melalui Pelatihan dan Sertifikasi Profesi Ilmuwan Data oleh BNSP, peserta akan mendapatkan pembekalan sesuai dengan Standar Kompetensi Kerja Nasional Indonesia (SKKNI). Sertifikasi ini bersifat resmi dan diakui secara nasional, sehingga mampu meningkatkan kredibilitas serta daya saing di dunia kerja.

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

Contoh Studi Kasus (Dengan Coding)

Kasus: Prediksi 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, classification_report # Contoh data data = { tenure: [1, 12, 24, 36, 48, 60], monthly_charges: [20, 35, 50, 65, 80, 95], churn: [1, 1, 0, 0, 0, 0] } df = pd.DataFrame(data) # Variabel independen & dependen X = df[[tenure, monthly_charges]] 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("Laporan Klasifikasi: ", classification_report(y_test, y_pred))

Hasil studi kasus ini menggambarkan bagaimana seorang Ilmuwan Data harus mampu menyiapkan data, membangun model, dan mengevaluasi hasilnya sesuai kebutuhan bisnis.

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

Hari Materi Pelatihan Bentuk Kegiatan
Hari 1 Pengenalan Data Science & SKKNI, Menentukan Objektif Bisnis, Menentukan Tujuan Teknis Data Science, Menelaah Data, Memvalidasi Data Teori & Praktik
Hari 2 Membersihkan Data, Mengkonstruksi Data, Membangun Skenario Model, Membangun Model, Evaluasi Hasil Pemodelan Workshop & Studi Kasus
Hari 3 Uji Kompetensi Sertifikasi BNSP Asesmen Teori & Praktik

Rincian Unit Kompetensi / Uraian Tugas

  • Mengidentifikasi dan merumuskan objektif bisnis serta tujuan teknis data science.

  • Mengumpulkan, menelaah, membersihkan, dan memvalidasi data.

  • Mengkonstruksi dataset serta menentukan variabel yang relevan.

  • Membangun dan mengevaluasi model prediktif sesuai kebutuhan.

  • Melakukan review hasil pemodelan untuk memastikan kesesuaian dengan tujuan bisnis.

Kesimpulan

Melalui Program Pelatihan dan Sertifikasi Profesi Ilmuwan Data oleh BNSP, peserta akan memiliki keterampilan komprehensif sesuai standar nasional. Sertifikasi ini tersedia secara offline maupun online, dengan biaya Rp8.100.000 (sudah termasuk hotel/penginapan dan makan selama kegiatan, minimal 8 peserta).

👉 Info lengkap dan detail harga dapat dilihat di: Mobile Faculty – Sertifikasi Bidang Komputer