[LAST DAY] MAU PUNYA SKILL DATA SCIENCE YANG AMAYZING?
Belajar Data Science 6 Bulan hanya 150K  | Pakai Kode: AMAYZING
BURUAN SERBU!
Pendaftaran ditutup dalam 0 Hari 1 Jam 56 Menit 54 Detik 

Istilah Dasar dalam Data Science yang Wajib Diketahui

Belajar Data Science di Rumah 09-Juli-2021
https://dqlab.id/files/dqlab/cache/02d2c5c56687ecc25a34136c069acae2_x_Thumbnail800.jpg

Dalam mempelajari ilmu data science kamu juga perlu menyeimbangkan antara teori dengan praktik. Teori-teori yang sudah kamu pelajari, akan lebih meresap dan tertanam dalam ingatan kalian jika kamu praktikan ke dalam berbagai modul ataupun mempraktikannya secara langsung ke dalam dunia nyata. Tak bisa dipungkiri memang, saat ini data menjadi harta yang berharga bagi setiap perusahaan. Sebab, perusahaan bisa mendapatkan beragam insight hasil data yang telah diolah untuk dijadikan sebagai pedoman dalam mengambil keputusan.


Di era digital yang sudah dimudahkan dengan jaringan internet, mempelajari data science bisa kamu lakukan dengan mencari sumber pengetahuan dari sejumlah platform dunia maya. Kamu bisa mempelajarinya secara otodidak atau melalui pembelajaran kursus online. Namun, sebelum mulai mempelajari data science lebih jauh, kenalan dulu yuk sama istilah-istilah dasar dalam data science berikut!


1. Istilah Umum dalam Data Science

  1. Structured Query Language (SQL)

Istilah yang satu ini merupakan sebutan untuk salah satu bahasa pemrograman yang umumnya digunakan praktisi data. Sebelumnya, SQL muncul dengan nama Structured English Query Language (SEQUEL) pada tahun 1970. Pada dasarnya SQL dirancang untuk pengambilan informasi tertentu dari database. Dalam industri data, SQL menjadi bahasa pemrograman kedua yang paling banyak digunakan oleh developer. Alasannya, sebagian besar perusahaan menyimpan datanya dalam sebuah database. Maka, dapat disimpulkan bahwa SQL adalah salah satu bahasa query dasar dalam pengelolaan database.


  1. Extract Transform Load (ETL)

Istilah berikutnya yakni merupakan sekumpulan proses yang harus dilalui dalam pembentukan data warehouse. Tujuannya adalah mengumpulkan, menyaring, mengolah dan menggabungkan sejumlah data yang relevan dari berbagai sumber untuk disimpan ke dalam data warehouse. Extract dapat diartikan sebagai proses memilih dan mengambil data dari satu atau beberapa sumber dan membaca/mengakses  data yang dipilih tersebut. Kemudian dalam tahap transform, data dibersihkan dan diubah dari bentuk asli menjadi bentuk yang sesuai dengan kebutuhan data warehouse. Terakhir, load berfungsi untuk memasukkan data ke dalam dalam data warehouse.


  1. Information Technology (IT)

Umumnya, para praktisi data berasal dari background pendidikan yang satu ini. Meskipun kenyataannya data science sangat terbuka bagi siapa pun tanpa latar pendidikan tertentu. Information technology sendiri adalah ilmu yang mempelajari pengolahan data dengan menggunakan teknologi yang berkaitan dengan komputer. Mereka umumnyaakan mempelajari, menganalisis dan menerapkan pengolahan data dengan prinsip matematika dan logika yang sangat kuat.


  1. Science, Technology, Engineering, Mathematics (STEM)

Istilah selanjutnya merupakan sebuah kurikulum pendidikan yang sangat berfokus pada mata pelajaran Sains, Teknologi, Teknik, dan Matematika. Seperti halnya IT, orang-orang yang memiliki bekal STEM pun banyak yang akhirnya berkecimpung di industri data.


  1. Exploratory Data Analysis (EDA)

Exploratory Data Analysis (EDA) menjadi salah satu bagian dari proses data science. EDA menjadi sangat penting sebelum melakukan feature engineering dan modeling, karena dalam tahap ini praktisi data harus memahami konteks datanya terlebih dahulu untuk bisa menjawab masalah-masalah dasar. Dengan adanya EDA sangat memungkinkan analyst memahami isi data yang digunakan, mulai dari distribusi, frekuensi, korelasi dan lainnya. 


  1. Big Data Analytics (BDA)

Big data analytics adalah proses penggalian informasi yang berguna dalam data science. Proses ini melakukan cara dengan menganalisis berbagai jenis kumpulan data yang berukuran besar. Big data analytics biasanya digunakan untuk menemukan pola tersembunyi, tren pasar, dan preferensi konsumen untuk kepentingan pengambilan keputusan suatu perusahaan. Dalam proses big data analytics, ada beberapa langkah dan teknologi yang digunakan. 


Baca juga : 6 Bulan Menjadi Fresh Graduate, Wahyu Berhasil Berkarir di Masa Pandemi Sesuai dengan Passionnya


2. Istilah dalam Profesi di Bidang Data Science

  1. Data Analyst

Profesi yang satu ini memiliki peran sebagai seseorang yang bertanggung jawab dalam mengolah data, mengambil kesimpulan, dan melakukan visualisasinya. Profesi data analyst mengharuskan untuk berhadapan langsung dengan banyak data. Tugas utamanya adalah mencari insight untuk memajukan bisnis dari berbagai aspek, lalu kemudian diberikan pada data engineer.


  1. Data Engineer

Data engineer adalah seseorang yang memiliki kewajiban untuk mengembangkan dan membuat desain arsitektur manajemen data, serta  memelihara/memonitor infrastruktur data di perusahaan. Profesi data engineer harus bisa memastikan bahwa data dapat dikumpulkan dan diambil secara efisien dari sumber ketika dibutuhkan, dibersihkan dan diproses. Selain itu, data engineer juga bertanggung jawab mengelola jalur data untuk perusahaan yang menangani data dalam jumlah besar.

 

  1. Data Scientist

Dalam data science ada seseorang yang memiliki peran dalam menganalisis dan menafsirkan kumpulan data yang kompleks, mereka itulah yang disebut sebagai data scientist. Mereka bertanggung jawab mulai dari pengumpulan, mengolah, dan menganalisis data dalam jumlah besar. Pada praktiknya, data scientist bertugas mengolah data dari data engineer, kemudian melihat apakah ada peluang bisnis baru dari data yang dikumpulkan.

 

Baca juga : Mengenal Profesi Data Scientist

 

3. Pahami Data Science Lebih Dalam dengan Belajar Data Science di DQLab!

Yuk saatnya mulai belajar data science secara intens bersama DQLab! Di sini kamu akan mendapatkan materi pembelajaran mengenai data science mulai dari yang dasar hingga tingkat lanjut. Materi pembelajaran akan diberikan melalui sejumlah modul yang bisa kamu akses secara gratis. Dalam menyelesaikan modul-modul tersebut, kamu akan dibantu dengan Fitur Live Code Editor yang akan membimbing kamu. Selain fitur, para mentor juga siap untuk memberikan feedback secara langsung. Kamu bisa bertanya mengenai materi yang tidak dimengerti atau bisa juga saling sharing pengalaman dengan para mentor. Nikmati kemudahan dan kenyamanan belajar di DQLab sekarang juga!


Sign Up & Mulai Belajar Gratis di DQLab!