Dari Bootcamp DQLab ke Dunia Perbankan, Kisah Imam Mendalami Machine Learning

Bekerja di bidang yang berkaitan dengan data bukan berarti proses belajar sudah selesai. Justru ketika pengetahuan mulai digunakan dalam pekerjaan sehari-hari, ada banyak hal baru yang bisa dipelajari dan diperdalam.

Hal inilah yang dirasakan Imam Nulhakim, seorang profesional yang bekerja sebagai Internal Auditor di Bank Ina Perdana (Salim Group). Dalam pekerjaannya, Imam menangani Data Analytics sekaligus Audit Kredit. Pengalaman tersebut membuatnya semakin tertarik untuk memperdalam kemampuan di bidang data, khususnya Machine Learning.

Ketertarikan itu kemudian membawanya mengikuti Bootcamp Machine Learning di DQLab. Setelah merasa fondasi pengetahuannya mulai terbentuk, Imam melanjutkan langkahnya dengan mengambil Sertifikasi BNSP Data Engineer.

Perjalanan Imam memperlihatkan bagaimana proses belajar dapat membantu seorang profesional memperdalam keterampilan yang relevan dengan pekerjaannya. Dari memahami dasar Machine Learning hingga mempelajari pentingnya pemeliharaan model, ada banyak hal yang ia temukan sepanjang proses tersebut.

1. Bukan Sekadar Ikut Tren, Ini Alasan Imam Mulai Belajar Machine Learning

Bagi Imam, belajar Machine Learning menjadi bagian dari proses mengembangkan kemampuan yang sudah berkaitan dengan pekerjaannya. Meski telah bekerja di bidang yang bersinggungan dengan data, ia mengakui bahwa pemahamannya tentang pemrograman dan statistika masih perlu diperkuat.

Alih-alih belajar secara sporadis, ia memilih mengikuti bootcamp agar proses belajarnya lebih terarah.

“Awalnya dulu masih awam, bagaimana kita tahu dalam melakukan coding, melakukan statistika, itu benar-benar blank. Makanya, pada saat itu saya ambil bootcamp-nya. Ternyata bisa, ya, sedikit demi sedikit,” ungkap Imam.

Materi yang terstruktur dan metode penyampaian yang mudah dipahami membantunya mempelajari konsep-konsep yang sebelumnya terasa asing. Dari sana, ia mulai membangun fondasi untuk memahami cara kerja Machine Learning, bukan sekadar mengikuti langkah teknis untuk menghasilkan sebuah model.

Pengalaman Imam menunjukkan bahwa kita tidak harus menguasai semuanya sejak awal untuk mulai belajar. Dengan materi yang sesuai dan proses belajar yang terarah, pengetahuan baru bisa dipahami secara bertahap dan dikembangkan sesuai kebutuhan.

2. Penerapan Machine Learning di Perbankan: dari Analisis Debitur hingga Maintenance Model

Seiring proses belajar, Imam mulai melihat bagaimana konsep Machine Learning berkaitan dengan pekerjaannya di sektor perbankan. Salah satu konteks yang ia ceritakan adalah penggunaan Machine Learning untuk membantu mengklasifikasikan pengajuan debitur berdasarkan kemungkinan risiko tunggakan.

Dalam proses tersebut, pemilihan data dan parameter menjadi hal penting. Sebelum mempelajari Machine Learning lebih dalam, Imam mengira semakin banyak parameter yang dimasukkan ke dalam model, semakin baik pula hasilnya. Namun, ia menemukan bahwa kenyataannya tidak sesederhana itu.

“Kalau pemikiran yang dulu, semakin banyak parameter yang kita masukkan, semakin bagus. Tapi ternyata tidak demikian. Tidak semua parameter yang kita masukkan itu membuat hasilnya menjadi lebih bagus,” jelas Imam.

Dari pembelajaran tersebut, Imam menyadari bahwa pengembangan model tidak sekadar memasukkan sebanyak mungkin parameter. Relevansi parameter dan kualitas data juga perlu diperhatikan agar model dapat memberikan hasil yang sesuai dengan kebutuhan.

Selain memahami proses pengembangan model, Imam juga mempelajari hal lain yang tak kalah penting, yaitu maintenance atau pemeliharaan model Machine Learning.

Menurutnya, proses ini mencakup berbagai hal, mulai dari data cleansing dan penanganan outlier hingga memahami bagaimana perubahan data dapat memengaruhi model yang sudah dibuat.

“Orang itu pasti bakal bisa membuat Machine Learning, tapi tidak semua orang akan ngerti dalam melakukan maintenance-nya,” kata Imam.

Baginya, membuat model dan memeliharanya merupakan dua hal yang saling berkaitan. Model yang sudah dikembangkan tetap perlu dievaluasi ketika kondisi data berubah agar penggunaannya tetap sesuai dengan kebutuhan.

Dari memilih parameter hingga memelihara model, memahami Machine Learning berarti memahami prosesnya secara menyeluruh, bukan hanya cara membuatnya.

3. Dari Machine Learning ke Sertifikasi Data Engineer

Ketika fondasi pengetahuannya mulai terbentuk, Imam tidak berhenti sampai di situ. Ia kemudian memutuskan untuk mengambil Sertifikasi BNSP Data Engineer di DQLab.

Keputusan ini menjadi salah satu langkahnya untuk memperdalam kompetensi sekaligus memperoleh pengakuan profesional atas keterampilan yang dimiliki.

“Pertama, kita juga butuh sebuah pengakuan. Pengakuan seperti apa? Yaitu dalam bentuk sertifikasi,” jelas Imam.

Menariknya, beberapa materi sertifikasi berkaitan erat dengan aktivitas pekerjaannya sehari-hari. Imam sudah terbiasa menggunakan SQL untuk melakukan query serta Python melalui Google Colab. Pengalaman ini membantunya menghubungkan materi yang dipelajari dengan praktik kerja sekaligus memperkaya pemahamannya tentang proses pengolahan data.

Bagi Imam, pembelajaran dan pengalaman kerja dapat saling melengkapi. Pengalaman profesional memberikan konteks untuk memahami materi, sementara pembelajaran terstruktur membantu memperkuat pengetahuan yang sudah dimiliki.

Mengembangkan kompetensi tidak selalu berarti memulai dari nol. Terkadang, langkah berikutnya adalah memperdalam keterampilan yang sudah digunakan agar kita semakin memahami penerapannya.

4. Bukan Cuma Materi, Dukungan Mentor dan Lingkungan Belajar Juga Berarti

Selama mengikuti program di DQLab, Imam tidak hanya mendapatkan materi untuk memperdalam pemahamannya tentang Machine Learning, tetapi juga merasakan dukungan dari mentor dan lingkungan belajar yang membantu proses pembelajarannya.

Menurutnya, materi yang terstruktur dan metode penyampaian yang mudah dipahami membantu peserta mempelajari konsep baru, termasuk mereka yang masih awam dengan dunia data.

“Secara modul udah bener-bener terstruktur. Metode penyampaiannya juga enak, mudah dimengerti dan bahkan orang awam pun bisa jadi mengerti,” ungkap Imam.

Selain materi, Imam juga mengapresiasi dukungan mentor dan lingkungan belajar selama mengikuti program. Bahkan setelah Bootcamp Machine Learning selesai, ia masih menjalin komunikasi dengan Parara Wendi, mentor yang membimbingnya selama program berlangsung.

“Secara mentor dan environment udah oke,” ujarnya.

Pengalaman positif Imam tidak hanya datang dari proses pembelajaran, tetapi juga dari sisi administratif. Sebagai peserta yang mengikuti pelatihan dengan dukungan perusahaan, Imam perlu menyesuaikan proses pembayaran dengan prosedur di tempat kerjanya. Fleksibilitas DQLab dalam memfasilitasi kebutuhan tersebut menjadi nilai tambah baginya.

“Cuman DQLab sampai detik ini yang bisa memfasilitasi itu,” ceritanya.

Bagi Imam, fleksibilitas tersebut membuat proses mengikuti pelatihan lebih mudah karena kebutuhan belajar dan administrasi dari perusahaan dapat sama-sama terakomodasi.

5. Mengapa Profesional Tetap Perlu Upgrade Skill di Tengah Kesibukan Kerja?

Menurut Imam, mengembangkan kemampuan merupakan bagian dari persiapan menghadapi perubahan dunia kerja. Perkembangan AI dan teknologi berbasis data membuatnya ingin terus memperdalam bidang yang relevan dengan pekerjaannya.

Ia juga mengingatkan bahwa mengikuti perkembangan bukan berarti harus menguasai setiap teknologi baru. Hal yang tidak kalah penting adalah memahami kebutuhan di bidang masing-masing dan menentukan keterampilan yang perlu dikembangkan.

Imam menyampaikan pandangannya tentang pentingnya terus belajar dengan cukup tegas:

“Dunia ini selalu berkembang. Bahkan ketika kita tidur pun orang lain berkembang. Kalau kita nggak bergerak, kita bakal ketinggalan,” jelasnya

Bagi profesional, langkah awalnya bisa dimulai dengan mengenali kebutuhan pekerjaan, lalu memilih keterampilan yang paling relevan untuk diperdalam.

Dengan begitu, upskilling bukan sekadar mengikuti tren, melainkan langkah untuk mempersiapkan diri menghadapi kebutuhan pekerjaan yang terus berkembang.

6. Tips dari Imam untuk Kamu yang Ingin Terus Berkembang di Dunia Data

Dari pengalamannya belajar sambil bekerja, Imam punya tiga pesan untuk siapa pun yang ingin mendalami dunia data: sabar menghadapi prosesnya, terus mengikuti perkembangan teknologi, dan menjaga komitmen untuk terus belajar.

“Tips yang pertama itu sabar, karena main data itu pasti menjengkelkan dan menyebalkan,” ungkap Imam.

Belajar data memang tidak selalu berjalan mulus. Ada kalanya kode tidak berjalan sesuai harapan atau hasil analisis belum sesuai dengan yang diinginkan. Dalam situasi seperti ini, kesabaran membantu kita tetap mencoba dan mencari tahu apa yang perlu diperbaiki.

Di saat yang sama, menjaga kebiasaan belajar juga penting agar kemampuan terus berkembang mengikuti perubahan. Tidak perlu menguasai semuanya sekaligus. Mulailah dari materi yang sesuai dengan kebutuhan, lalu kembangkan pemahaman secara bertahap.

Kalau kamu ingin mulai mendalami Machine Learning dari dasar, kamu bisa mengenal Bootcamp Machine Learning & AI for Beginner. Sementara itu, jika ingin memperkuat kompetensi di bidang data engineering melalui sertifikasi profesional, kamu bisa mempelajari lebih lanjut Sertifikasi Kompetensi BNSP Data Engineer dari DQLab.

Penulis: Agnes Nurlisa

Tags