Istilah Data Science sering dibayangkan sebagai pekerjaan yang penuh rumus dan kecerdasan buatan. Dalam praktiknya, sebagian besar nilai justru lahir dari pekerjaan yang lebih mendasar: mendefinisikan pertanyaan, memeriksa kualitas data, menemukan pola, dan menerangkan temuan tanpa melebih-lebihkan kepastian.
Karena itu, pemula tidak perlu memulai dari neural network. Mulailah dari kemampuan membaca tabel dan mempertanyakan arti setiap kolom. Jika angka penjualan turun, apakah benar pelanggan membeli lebih sedikit, atau ada data yang belum masuk? Pertanyaan semacam ini adalah fondasi berpikir analitis.
Peta kemampuan dalam enam lapisan
| Lapisan | Fokus | Bukti kemampuan |
|---|---|---|
| 1. Konteks | Pertanyaan, metrik, dan batas masalah | Dapat menerjemahkan kebutuhan menjadi pertanyaan analisis |
| 2. Data | Tipe, kualitas, missing value, outlier | Dapat membuat profil dan catatan kualitas dataset |
| 3. Alat | Spreadsheet, SQL, Python, Git | Dapat mengambil, membersihkan, dan menyimpan proses |
| 4. Analisis | Statistik deskriptif dan inferensial dasar | Dapat memilih ukuran dan menjelaskan ketidakpastian |
| 5. Model | Baseline, validasi, metrik, interpretasi | Dapat membandingkan model secara jujur |
| 6. Cerita | Visualisasi, rekomendasi, keterbatasan | Dapat menyajikan insight kepada audiens nonteknis |
1. Mulai dengan spreadsheet dan statistik dasar
Spreadsheet baik untuk mempelajari struktur data, filter, agregasi, pivot, dan pemeriksaan cepat. Gunakan dataset kecil agar hubungan antara perubahan data dan hasil dapat terlihat. Pelajari mean, median, persentil, varians, distribusi, korelasi, dan perbedaan antara populasi serta sampel.
Jangan hanya menghafal formula. Tanyakan kapan median lebih mewakili daripada mean, mengapa korelasi tidak membuktikan sebab, dan bagaimana ukuran sampel mengubah keyakinan. Buat laporan sederhana dari data transaksi anonim: definisikan metrik, periksa duplikasi, bandingkan segmen, lalu tulis tiga temuan dan dua keterbatasan.
2. Kuasai SQL untuk mengambil data
SQL adalah jembatan penting menuju pekerjaan data. Pelajari SELECT, filter, agregasi, JOIN, subquery, common table expression, dan window function secara bertahap. Fokus pada bagaimana tabel saling berhubungan dan bagaimana satu baris didefinisikan.
Latihan yang efektif memakai skema kecil: pelanggan, pesanan, produk, dan pembayaran. Tulis query untuk retensi, nilai pesanan, produk populer, dan perubahan bulanan. Kemudian uji kasus tepi—pesanan dibatalkan, pelanggan tanpa transaksi, dan data duplikat. Query yang berjalan belum tentu menjawab pertanyaan dengan benar.
3. Gunakan Python untuk proses yang dapat diulang
Pelajari sintaks inti Python, function, collection, file, exception, dan environment. Setelah itu gunakan Jupyter, NumPy, dan Pandas untuk membaca, membersihkan, menggabungkan, serta meringkas data. Pisahkan eksplorasi dari fungsi pembersihan agar proses dapat dijalankan ulang ketika data baru tiba.
Setiap langkah menjawab pertanyaan, kode tidak disalin berulang, grafik memiliki judul dan satuan, serta kesimpulan menyebutkan batas data.
4. Bangun visualisasi untuk keputusan
Pilih grafik berdasarkan hubungan yang ingin terlihat. Gunakan bar untuk perbandingan kategori, line untuk perubahan waktu, scatter untuk hubungan dua variabel, dan distribusi untuk memahami sebaran. Hindari dekorasi yang mengaburkan skala. Warna harus membantu pembacaan, bukan sekadar membuat dashboard ramai.
Sebelum membuat dashboard, tentukan siapa yang membaca dan tindakan apa yang mungkin diambil. Manajer operasional mungkin membutuhkan indikator harian dan anomali, sedangkan pemimpin produk membutuhkan tren, segmen, dan konteks eksperimen. Satu visual yang menjawab pertanyaan sering lebih berguna daripada sepuluh kartu metrik.
5. Masuk ke machine learning dengan baseline
Mulai dari perbedaan supervised dan unsupervised learning, pembagian train-validation-test, kebocoran data, overfitting, dan pilihan metrik. Buat baseline sederhana sebelum mencoba model kompleks. Untuk klasifikasi yang tidak seimbang, akurasi saja dapat menyesatkan; pelajari precision, recall, F1, dan confusion matrix.
Model bukan jawaban netral. Data historis dapat membawa bias, target dapat salah mewakili tujuan, dan prediksi dapat memengaruhi manusia. Dokumentasikan sumber data, populasi yang tidak terwakili, risiko penggunaan, dan kapan model harus ditinjau manusia.
6. Susun portofolio sebagai studi kasus
Portofolio data yang kuat tidak berhenti pada grafik. Tulis latar masalah, definisi metrik, audit data, metode, temuan, rekomendasi, risiko, dan langkah berikutnya. Simpan kode yang dapat dijalankan, daftar dependensi, serta README. Jangan mengklaim dampak bisnis jika proyek hanya menggunakan dataset publik dan tidak pernah diterapkan.
Tiga ide proyek bertahap
- Analisis layanan publik: bersihkan data terbuka, cari pola wilayah atau waktu, dan jelaskan keterbatasan pencatatan.
- Dashboard operasi UMKM simulasi: definisikan metrik, tulis query, dan rancang ringkasan untuk keputusan stok.
- Model risiko sederhana: bandingkan baseline dan dua model, uji metrik, lalu dokumentasikan bias serta batas penggunaan.
Bagaimana mengatur waktu belajar
Gunakan siklus mingguan: dua sesi konsep, dua sesi latihan, satu sesi proyek, dan satu sesi refleksi. Catat pertanyaan yang belum terjawab dan kesalahan yang berulang. Setelah empat minggu, lihat bukti karya, bukan jam menonton. Jika kamu dapat menjelaskan keputusan pembersihan dan mereproduksi hasil, kemajuanmu nyata.