PERHATIAN!

1. Kursus yang dibeli dengan menggunakan Kartu Prakerja tidak dapat dipindahtangankan dan hanya bisa diambil oleh pemegang Kartu Prakerja yang bersangkutan. Kursus yang dipindahtangankan dapat berakibat tidak dikeluarkannya sertifikat penyelesaian dan/atau tidak dibayarkannya insentif oleh Pemerintah.
2. Jika kamu pengguna Kartu Prakerja, harap gunakan nama, alamat email, dan nomor HP yang sama dengan yang kamu gunakan ketika mendaftar Kartu Prakerja.
3. Syarat Kelulusan: Mengakses semua materi belajar, menyelesaikan kuis di setiap perpindahan dari satu sesi/modul ke sesi/modul lainnya (minimum passing grade 80%) dan menyelesaikan tes akhir (minimum passing grade 60%).
4. Kursus yang sudah dibeli/sudah melakukan pembayaran melalui Prakerja atau pembayaran lainnya tidak dapat dibatalkan dan/atau direfund.

Deskripsi:

Mengapa program ini penting untuk diikuti?

Data merupakan hal yang sangat penting di sebuah perusahaan. Data menjadi kunci untuk mengetahui fakta-fakta yang ada, dan dapat menjadi dasar dalam pengambilan kebijakan, evaluasi, dan pengembangan perusahaan atau organisasi. Dalam menjaga dan mengelola data, dibutuhkan infrastruktur yang memadai baik database, warehouse, dan data pipeline. Dengan demikian, dibutuhkan seorang data engineer yang mampu mengembangkan arsitektur data, mengelola dan menjaga infrastruktur data dengan baik sehingga integrasi dari sistem yang dikembangkan ke sistem lainnya dapat berjalan dengan mudah dan menunjang kepentingan perusahaan.

Apa tujuan dari program ini?

Tujuan dari program ini adalah untuk mempelajari cara merancang, membangun, dan mengelola infrastruktur data. Pengetahuan dan keterampilan yang diperoleh dari program ini dapat bermanfaat untuk memberikan kompetensi bagi yang tertarik pada bidang data manajemen khususnya data engineering dan bagi yang ingin mempelajari seputar data engineering tingkat dasar.

Apa saja yang akan diajarkan melalui program ini?

Dalam program ini, peserta akan mempelajari tentang dasar-dasar data engineering mencakup bahasa pemrograman Python dan SQL, pengolahan data dalam organisasi, sistem ETL, integrasi data berupa ekstraksi data pada ETL, Media Penyimpanan Data meliputi proses loading dan transformasi pada ETL, basis data, data warehouse, dan big data

Apa jenis pekerjaan yang relevan dengan program ini?

Jenis pekerjaan yang relevan dengan program ini adalah bidang pekerjaan data management dan data engineer

Tujuan Umum:

Peserta mampu mengaplikasikan prinsip, prosedur, dan sikap profesional dalam mengolah data untuk data engineer dengan standar nasional (SKKNI Manajemen Data) dan prosedur yang berlaku.

Tujuan Khusus:

• Peserta mampu mendefinisikan konsep pekerjaan Data Engineer
• Peserta mampu menjelaskan perbedaan Data Engineer, Data Analyst, dan Data Scientist
• Peserta menjelaskan kebutuhan data perusahaan dengan cermat dan teliti
• Peserta mampu menjelaskan bentuk-bentuk aset data organisasi dan strategi pengelolaanya
• Peserta mampu membandingkan macam-macam arsitektur data
• Peserta mampu menjelaskan penggunaan aplikasi pengolah data dengan cermat dan teliti
• Peserta mampu menjelaskan konsep python programming, langkah-langkah melakukan instalasi Python, dan data struktur pada python
• Peserta mampu menerapkan langkah-langkah instalasi python dan langkah-langkah penggunaan library eksternal dengan python dengan cermat dan teliti
• Peserta mampu mengimplementasikan konsep SQL, langkah-langkah pengolahan data dengan SQL, dan langkah-langkah mengatasi kendala dalam pengolahan data dengan SQL
• Peserta mampu melakukan pengolahan data dengan SQL dengan cermat dan teliti
• Peserta mampu mengaplikasikan langkah-langkah mengatasi kendala dalam pengolahan data dengan SQL dengan cermat dan teliti
• Peserta mampu mengonsepkan sistem ETL
• Peserta mampu mendemonstrasikan penggunaan alat yang digunakan dalam sistem ETL dan contoh ETL di perusahaan
• Peserta mampu menentukan urgensi dan proses integrasi data
• Peserta mampu mendemonstrasikan langkah-langkah melakukan ekstraksi data dengan python dengan cermat dan teliti
• Peserta mampu mendemonstrasikan langkah-langkah melakukan ekstraksi data dengan python dengan cermat dan teliti
• Peserta mampu membedakan tipe-tipe database
• Peserta mampu mendemonstrasikan langkah-langkah melakukan instalasi database, transformasi dan penyimpanan data, dan membuat report dengan SQL dan Phyton
• Peserta mampu mengonsepkan Data Base Management System
• Peserta mampu membedakan data warehouse dan DBMS
• Peserta mampu mengimplementasikan langkah-langkah merancang struktur data, query, dan laporan
• Peserta mampu mendemontrasikan langkah-langkah dalam merancang struktur data, query, dan laporan dan membangun Data Warehouse dengan cloud BigQuery dengan cermat dan teliti
• Peserta mampu mengurutkan langkah-langkah melakukan identifikasi tipe data processing
• Peserta mampu menjelaskan konsep arsitektur big data
• Peserta mampu mengidentifikasi langkah-langkah membangun big data
• Peserta mampu melakukan identifikasi tipe data processing
• Peserta mampu menerapkan sikap cermat dan teliti dalam melakukan identifikasi tipe data processing dan membangun big data

Aspek Kompetensi:

Pengetahuan (Knowledge):

1. Konsep Pekerjaan Data Engineer dan perbedaan antara data engineer, data analyst, dan data scientist
   • Terdapat di materi: Pengantar Data Engineering
2. Teknik mengidentifikasi kebutuhan data perusahaan, bentuk-bentuk aset data dan strategi pengelolaan aset data, macam-macam arsitektur data, jenis aplikasi untuk mengolah data, cara menggunakan cloud dan spreadsheet,
   • Terdapat di materi: Pengolahan Data dalam Organisasi
3. Konsep Python Programming, langkah-langkah melakukan instalasi Python, langkah-langkah penggunaan library eksternal dengan Python
   • Terdapat di materi: Python untuk Data Engineer
4. Konsep SQL, langkah-langkah pengolahan data dengan SQL dan mengatasi kendala dalam pengolahan data dengan SQL
   • Terdapat di materi: SQL untuk Data Engineer
5. Konsep sistem ETL dan alat yang digunakan dalam sistem ETL, contoh ETL di perusahaan
   • Terdapat di materi: Sistem ETL
6. Urgensi dan proses integrasi data dan langkah-langkah melakukan ekstraksi dengan python
   • Terdapat di materi: Integrasi Data - Extract pada ETL
7. Tipe-tipe database, langkah-langkah melakukan instalasi database, langkah-langkah melakukan loading dan transformasi data, penyimpanan data dan membuat report dengan python dan SQL
   • Terdapat di materi: Media Penyimpanan Data - Loading & Transformasi Pada ETL
8. Konsep Database Management System, Perbedaan Data Warehouse dan DBMS, langkah-langkah merancang struktur data, query, dan laporan, langkah-langkah membangun data warehouse dengan cloud bigquery
9. Cara melakukan identifikasi tipe data processing, konsep dan macam-macam arsitektur big data
   • Terdapat di materi: Data Base, Data Warehouse, dan Big Data

Keterampilan (Skill):

1. Mengidentifikasi konsep pekerjaan Data Engineer dan mengidentifikasi perbedaan Data Engineer, Data Analyst, dan Data Scientist
   • Terdapat di materi: Pengantar Data Engineering
2. Melakukan identifikasi kebutuhan data perusahaan dan menggunakan cloud dan spreadsheet dalam menyimpan dan mengolah data, menggunakan cloud, dan spreadsheet untuk mengolah data
   • Terdapat di materi: Pengolahan Data dalam Organisasi
3. Melakukan instalasi python, menggunakan library eksternal dengan Python
   • Terdapat di materi: Python untuk Data Engineer
4. Melakukan pengolahan data dengan SQL dan mengatasi kendala dalam pengolahan data dengan SQL
   • Terdapat di materi: SQL Untuk Data Engineer
5. Menerapkan penggunaan alat yang digunakan dalam sistem ETL dan contoh ETL di perusahaan
   • Terdapat di materi: Sistem ETL
6. Melakukan ekstraksi data dengan python
   • Terdapat di materi: Integrasi Data - Extract pada ETL
   • Terdapat di materi: Integrasi Data - Extract pada ETL
7. Melakukan instalasi database dan melakukan loading dan transformasi data, menyimpan data, dan membuat report dengan python dan SQL
   • Terdapat di materi: Media Penyimpanan Data - Loading & Transformasi Pada ETL
   • Mendesain struktur data, query, dan laporan 
   • Membangun warehouse dengan cloud BigQuery
8. Melakukan identifikasi tipe data processing
   • Terdapat di materi: Data Base, Data Warehouse, dan Big Data

Sikap (Attitude):

1. Reflektif diri untuk memiliki pengetahuan dan keterampilan yang dibutuhkan bagi Data Engineer
   • Terdapat di materi: Pengantar Data Engineering
2. Cermat dan teliti dalam mengidentifikasi kebutuhan data perusahaan dan mengolah data dengan spreadsheet
   • Terdapat di materi: Pengolahan Data dalam Organisasi
3. Cermat dan teliti dalam menggunakan python dalam mengolah data
   • Terdapat di materi: Python untuk Data Engineer
4. Cermat dan teliti dalam melakukan pengolahan data dengan SQL dan mengatasi kendala dalam pengolahan data tersebut
   • Terdapat di materi: SQL Untuk Data Engineer
5. Terampil dalam menggunakan alat dalam sistem ETL
   • Terdapat di materi: Sistem ETL
6. Cermat dan teliti dalam melakukan ekstraksi data dengan python
   • Terdapat di materi: Integrasi Data - Extract pada ETL
7. Cermat dan teliti dalam melakukan instalasi database, melakukan loading dan transformasi data, menyimpan data, dan membuat report dengan python dan SQL
   • Terdapat di materi: Media Penyimpanan Data - Loading & Transformasi Pada ETL
8. Cermat dan teliti dalam merancang struktur data, query, dan laporan
9. Cermat dan teliti dalam melakukan identifikasi tipe data processing
   • Terdapat di materi: Data Base, Data Warehouse, dan Big Data

Materi Pelatihan:

• TOPIK 1: Pengantar Data Engineering

1. Apa itu Data Engineering (video) 6:30
2. Jenjang Karir Data Engineer (Video) 7:40
3. Tugas dan Tanggung Jawab Data Engineer (Video) 7:53
4. Perbedaan Data Engineer, Data Analyst, dan Data Scientist Bagian 1 (Video) 6:28
5. Perbedaan Data Engineer, Data Analyst, dan Data Scientist Bagian 2 (Video) 8:07

• TOPIK 2: Pengolahan Data dalam Organisasi

1. Identifikasi Kebutuhan Data Perusahaan Bagian 1 (Video) 7:11
2. Identifikasi Kebutuhan Data Perusahaan Bagian 2 (Video) 5:20
3. Bentuk-Bentuk Aset Data Organisasi dan Strategi Pengelolaanya (Video) 8:34
4. Macam-Macam Data Processing Tools Bagian 1 (Video) 5:24
5. Macam-Macam Data Processing Tools Bagian 2 (Video 5:16
6. Studi Kasus: Penggunaan Cloud pada Industri Media (Video) 9:58
7. Demonstrasi: Mengolah Data dengan Spreadsheet di Perusahaan Real Estate Bagian 1 (Video) 5:19
8. Demonstrasi: Mengolah Data dengan Spreadsheet di Perusahaan Real Estate Bagian 2 (Video) 6:30

• TOPIK 3: Python untuk Data Engineer

1. Pengantar Python Programming Bagian 1 (Video) 6:29
2. Pengantar Python Programming Bagian 2 (Video) 5:45
3. Demonstrasi: Instalasi Python (Video) 8:41
4. Data Struktur pada Python (Video) 9:35
5. Demonstrasi: Tutorial Penggunaan Library External dengan Python Bagian 1 (Video) 7:30
6. Demonstrasi: Tutorial Penggunaan Library External dengan Python Bagian 2 (Video) 7:22

• TOPIK 4: SQL Untuk Data Engineer

1. Pengantar SQL Bagian 1 (Video) 7:41
2. Pengantar SQL Bagian 2 (Video) 5:47
3. Demonstrasi: Pengolahan Data dengan SQL Bagian 1 (Video) 7:33
4. Demonstrasi: Pengolahan Data dengan SQL Bagian 2 (Video) 9:06
5. Demonstrasi: Pengolahan Data dengan SQL Bagian 3 (Video) 8:20
6. Demonstrasi: Pengolahan Data dengan SQL Bagian 4 (Video) 8:22
7. Studi Kasus: Pengolahan Data dengan SQL (Video) 9:47

• TOPIK 5: Sistem ETL

1. Pengenalan Sistem ETL (Video) 7:27
2. Alat yang Digunakan dalam Sistem ETL Bagian 1 (Video) 6:06
3. Alat yang Digunakan dalam Sistem ETL Bagian 2 (Video) 5:36
4. Contoh ETL di Perusahaan E-Commerce (Video) 9:12

• TOPIK 6: Integrasi Data - Extract pada ETL

1. Pengantar: Urgensi dan Proses Integrasi Data (Video) 5:58
2. Demonstrasi: Ekstraksi Data API dengan Python Bagian 1 (Video) 6:55
3. Demonstrasi: Ekstraksi Data API dengan Python Bagian 2 (Video) 9:06
4. Demonstrasi: Ekstraksi Data pada Server dengan Python (Video) 7:27
5. Demonstrasi: Ekstraksi Data di Cloud dengan Python Bagian 1 (Video) 7:04
6. Demonstrasi: Ekstraksi Data di Cloud dengan Python Bagian 2 (Video) 6:00
7. Studi Kasus : Proses Ekstraksi Data Spotify dengan Python Bagian 1 (Video) 9:10
8. Studi Kasus : Proses Ekstraksi Data Spotify dengan Python Bagian 2 (Video) 8:38

• TOPIK 7: Media Penyimpanan Data - Loading & Transformasi Pada ETL

1. Tipe-Tipe Database: RDBMS (Video) 9:58
2. Demonstrasi: Instalasi Database: MySQL Bagian 1 (Video) 6:45
3. Demonstrasi: Instalasi Database: MySQL Bagian 2 (Video) 5:12
4. Demonstrasi: Transformasi Data dengan Pandas Python Bagian 1 (Video) 5:32
5. Demonstrasi: Transformasi Data dengan Pandas Python Bagian 2 (Video) 8:19
6. Demonstrasi: Menyimpan Data dengan Phyton: Kasus Spotify Bagian 1 (Video) 9:53
7. Demonstrasi: Menyimpan Data dengan Phyton: Kasus Spotify Bagian 2 (Video) 5:53
8. Demonstrasi: Membuat Report dengan SQL: Kasus Spotify Bagian 1 (Video) 5:39
9. Demonstrasi: Membuat Report dengan SQL: Kasus Spotify Bagian (Video) 7:35
10. Studi Kasus: Loading dan Transformasi pada Aplikasi Ride Hailing (Video) 8:34

• TOPIK 8: Data Base, Data Warehouse, dan Big Data

1. Data Base Management System (DBMS): Columnar Database (Video) 7:28
2. Data Warehouse vs RDBMS Bagian 1 (Video) 6:26
3. Data Warehouse vs RDBMS Bagian 2 (Video) 4:25
4. Demonstrasi: Merancang Struktur Data, Query, dan Laporan (Video) 9:41
5. Studi Kasus: Membangun Data Warehouse dengan Cloud BigQuery Bagian 1 (Video 5:54
6. Studi Kasus: Membangun Data Warehouse dengan Cloud BigQuery Bagian 2 (Video) 6:44
7. Pengenalan Big Data (Video 9:57
8. Arsitektur Big Data & Tools Big Data: Spark Bagian 1 (Video) 6:57
9. Arsitektur Big Data & Tools Big Data: Spark Bagian 2 (Video) 4:17
10. Demonstrasi: Membangun Big Data Processing dengan Spark Bagian 1 (Video) 8:26
11. Demonstrasi: Membangun Big Data Processing dengan Spark Bagian 2 9:59
12. Penjelasan Tugas Praktik 4:35

Target Peserta:

• Peserta yang memiliki ketertarikan di bidang Data Manajemen dan Data Engineering
• Peserta yang memiliki latar belakang minimal SMK
• Peserta yang memiliki perangkat dan jaringan internet
• Peserta yang memiliki pengalaman di bidang Data Manajemen dan Data Engineering
• Peserta yang memiliki kemampuan mengoperasikan komputer

Durasi Online:

Level:

Basic

Metode Pembelajaran:

Self Paced Learning: Metode ajar yang digunakan adalah menggunakan kombinasi antara ceramah, studi kasus, dan simulasi.

Metode Evaluasi:

1. Pre Test
2. Post Test
3. Formative Test/Kuis
4. Tugas Praktik

Jenis/Klasifikasi Sertifikat:

Peserta yang telah menyelesaikan semua kegiatan pembelajaran akan mendapatkan Sertifikat Penyelesaian jika nilai akhir di bawah 60 dan akan mendapatkan Sertifikat Kompetensi Lulus jika nilai akhir di atas 60.

Sesi Konsultasi:

Via LMS, Setiap Hari Kamis Pukul 19:00 - 20:00 WIB.

Apa Yang Perlu Kamu Persiapkan?

Kamu hanya perlu mempersiapkan laptop/notebook, tablet, atau smartphone dengan koneksi Internet.

Fitur:

• Digital content material: Peserta bisa mengakses material belajar digital
• Setifikat penyelesaian: Peserta yang telah menyelesaikan semua kegiatan pembelajaran yang dipersyaratkan dalam kursus online akan menerima Sertifikat Penyelesaian (Certificate of Completion).
• Test akhir: tersedia
• Forum diskusi: tidak tersedia
• Online session: tersedia
• Offline meet-up: tidak tersedia 

Cara Reedem Voucher:

1. Masuk ke link web https://upskill.cakap.com/tukar-kode-belajar
2. Registrasikan dirimu
3. Masukan kode belajar dari pembelian kamu
4. Klik tombol "Tukar Kode"

Atau

1. Download aplikasi pada link https://bit.ly/CakapPintaria
2. Lakukan registrasi dengan mengisi data kamu
3. Jika sudah masuk ke aplikasi, masukan kode voucher dan klik "redeem"

Syarat dan Ketentuan:

1. Voucher tidak dapat digabungkan dengan promosi lainnya
2. Voucher hanya dapat digunakan 1x per user
3. Voucher bersifat non-refundable atau tidak dapat diuangkan
4. Apabila mengalami kesulitan dapat menghubungi tim support kami di +6281287160055